异质动态随机模型中社会贴现率路径的统计性质（英）

核心观点： 该研报探讨了社会折现率（SDR）在异质动态随机模型中的统计特性，并分析了个人折现率意见随时间变化对SDR的影响。

研究方法：

• 构建了一个完全动态随机（FDS）框架，捕捉了代理人的异质性，并使用Fokker-Planck方程分析了个人折现率的演变分布。
• 通过封闭形式解和数值分析，比较了Weitzman的gamma折现模型与FDS模型的长期趋势。

关键数据和研究结论：

• Weitzman的SDR模型假设个人折现率分布是平稳的，即其异质性在人口中保持静态。然而，该研报指出，公众意见是不断变化的，因此这种假设可能并不合理。
• 研究发现，Weitzman的SDR模型虽然能够捕捉短期统计动态，但无法反映由演变分布驱动的长期趋势。
• 初始异质性和随机冲击会塑造社会折现因子（SDF）和SDR的统计轨迹。
• 研究表明，在长期时间范围内，FDS模型的累积折现率方差呈线性增长，而Weitzman模型的方差呈二次方增长。
• 研究还发现，即使在没有持续不确定性的情况下，SDR也会随着时间的推移而下降。
• 研究建议政府机构采用系统的方法来动态收集个人折现率，并根据经济和社会变化及时调整SDR。

研究意义： 该研报强调了在评估长期公共政策时，动态、随机和异质折现模型的重要性，并为政策制定者提供了更准确的长期项目评估方法。