超越平均值：欧元区HANK模型中货币政策的异质性效应

汉诺·卡塞，罗多夫洛·迪尼什·里加托 工作论文系列 超越平均值：欧元区HANK模型中的货币政策异质性效应 3086号 免责声明：本文不应被视为代表欧洲中央银行（ECB）的观点。文中所述观点为作者观点，并不necessarily反映欧洲中央银行（ECB）的观点。 摘要 我们介绍一个用于欧元区预测和政策分析的估计型中尺度的异质代理新凯恩斯模型，并讨论这类模型在中央银行的应用，重点关注两个主要练习。首先，我们检验了2020年代初通胀时期货币政策的一个替代情景，表明早期的加息对财富分配低端的家庭影响更大，而我们的模型显示这些家庭的消费相对于其他人口已经受到抑制。为了解释这一结果，我们引入了货币政策对财富分配中消费效应的一种新分解。其次，我们通过比较我们的模型与其精确的代表性代理对应模型的表现，并证明在预测关键总变量方面结果几乎相同，表明引入异质家庭并不会牺牲预测精度。 JEL分类代码：D31，E12，E21，E52 关键词：异质代理新凯恩斯模型，货币政策，不平等，预测 非技术性摘要 在本文中，我们介绍了一个异质代理新凯恩斯（HANK）模型，用于欧元区的政策分析，并探讨了这些模型在中央银行中的有用性和应用。传统的经济模型往往假设所有家庭都相同，可能会忽视政策决策对不同人群各部分产生的不同影响。HANK模型已成为当代宏观经济分析的基石，使我们能够考虑到家庭不同的财务状况，例如财富和收入的差异，从而更细致地理解政策影响。我们的主要动机是为中央银行 （如欧洲央行（ECB））提供更清晰的洞察力，了解如何利用这些模型，无论是通过改变货币政策的传导渠道，还是通过提供理解其财富和收入分配影响的框架。 我们研究的主要发现如下：首先，我们探讨了2020年代初通货膨胀期间的一个假设情景，发现早期的加息对低收入家庭产生了不成比例的影响，因为与财富群体相比，他们的消费在疫情后未能迅速恢复。为了更好地解释货币政策对不同财富水平家庭的影响差异，我们提出了一个关于货币政策对不同财富水平家庭消费影响的新分解。利用这种分解，我们发现高收入家庭对利率变化的反应与低收入家庭不同。对于低收入家庭，负面影响主要由劳动力市场状况驱动，而高收入家庭则主要受资产价格影响。最后，我们证明将异质家庭引入模型并不会以牺牲预测精度为代价。通过比较我们的HANK模型与一个不考虑家庭差异的对应代表性代理人模型的性能，我们发现两种模型在对关键总变量预测精度上表现相似，而HANK模型能提供更丰富的分销效应洞察。 从方法论上讲，我们的模型包含了几个现实的特征，例如家庭在流动资产和非流动资产中储蓄，并遭遇影响其感知经济变化速度的信息摩擦。该模型使用2000年至2019年的欧元区数据进行了估计，以确保它能准确反映现实世界状况。 我们工作的政策含义对中央银行非常重要。通过了解货币政策对不同家庭群体产生的不同影响，欧洲央行和其他中央银行可以制定政策来稳定经济，同时最大限度地减少对财富不平等等问题的负面影响。我们的模型作为一种工具，可以指导更加公平的货币政策决策，尤其与欧元区的多样化经济环境密切相关 。 1简介 异质代理人新凯恩斯模型（HANK）已成为当代宏观经济分析的核心支柱。这些模型包含了具有高边际消费倾向的代理人，与实证观察结果相符，从而显著改变了货币政策和财政政策的传导渠道。1除了为研究人员和政策制定者提供对这些长期问题的新的见解外，HANK模型还为解决先前代表性代理（RANK ）模型无法触及的新问题打开了大门。这包括货币政策的分布影响以及广泛使用的政策（如失业保险延期）的有效性。2 在本文中，我们介绍了一个为欧元区政策分析而设计的估算中等规模HANK模型，并使用该模型研究这类模型在中央银行的应用。我们的模型包含了面临特质收入风险的家庭，并允许他们在流动资产和非流动资产中储蓄。这种双资产结构使模型能够准确地反映观察到的资产持有水平和财富不平等，同时保持较高的边际消费倾向，因为大多数资产都是非流动的。3因此，该模型非常适合理解货币政策和其他宏观经济冲击对财富不平等的影响。此外，家庭在形成对经济环境的预期时面临信息摩擦，它们只频繁地更新其信息集。4 这些摩擦导致总消费对货币政策和其他总冲击呈现驼峰状的响应，与时间序列估计一致。5 该模型采用贝叶斯方法，并使用从2000年第一季度至2019年第四季度的季度时间序列数据进行估计。它非常适合进行各种政策的反事实情景分析，以及使用总量数据对DSGE模型的其他典型应用，例如预测 。我们将我们的模型应用于两个不同的领域，每个领域都与央行使用DSGE模型相关。 首先，我们使用我们的模型来生成货币政策的一个反事实情景 1参见Kaplan等人(2018)和Auclert等人(2024)。 2参见SeeLee(2024),Kekre(2023),和FernandesandRigato(2024)的论文，这些论文探讨了这些问题。 3参考Kaplan和Violante(2014)以及Kaplan等人(2018)对两种资产模型和边际消费倾向的讨论。 4参见Auclert等人(2020)对异质代理模型中这些摩擦的详细考察，该研究基于Mankiw和Reis(2002)建立的框架。 5参见Christiano等人(2005)和Auclert等人(2020)关于使用时间序列数据估计U形反应的例子，或Ramey(2016)文献的调查。 2020年代初高通胀时期的发生。具体而言，我们考察了欧洲中央银行假设采取更鹰派反应的启示，其中它从2022年第一季度（2022Q1）开始提高短期利率，并保持在一个高于观察水平的较高水平，直到2023年第二季度（2023Q2），届时它将返回实际政策路径。我们的模型使我们能够理解这种替代政策立场对财富分配的后果。在没有不同财富阶层消费的总数据的条件下，我们使用模型来生成这些时间序列的过滤值，这些过滤值构成了我们反事实场景的基础。我们的研究表明，更积极的货币政策对处于下四分位家庭的消费产生了更显著的影响。此外，这些家庭的过滤消费水平在当时相对于其他人口已经处于低迷状态，这可能是由于从COVID-19大流行中恢复较慢。 为了更好地理解货币政策的分布效应，我们引入了一种关于货币政策对消费沿财富分布影响的新型分解方法。在我们的模型中，意外利率上升的动态效应可以被分解为三个组成部分：(i)可支配收入项，主要与较低的实际工资和减少的劳动力需求相关；(ii)意外资本收益项，捕捉了意外利率上升后长期资产价格下跌的情况；(iii)预期资产回报渠道，这与持续较高的利率驱动下的预期未来回报增加相关。财富分布的低端主要受劳动收入渠道(i)的影响，而资本收入渠道(ii)和(iii)对富裕家庭消费具有非常持久的影响。此外 ，我们发现总消费的驼峰型反应主要由财富分布低端的可支配劳动收入渠道驱动。 其次，我们将我们模型的样本外预测精度与可比代表性代理（RANK）模型进行比较，发现性能几乎相同。为了隔离异质性的影响，我们确保这两个模型尽可能相似，唯一的区别是RANK模型中用代表性消费者替换了异质家庭模块。重要的是，RANK模型包含了消费中的习惯持久性，这是在此设置中产生驼峰型反应的常规方法。6我们使用样本的前半部分（截至2009年第四季度）估计RANK模型，并重新估计HANK模型，然后生成无条件、样本外预测 6参见Smets和Wouters(200 。 对于从2010年第一季度开始的未来八个季度的实际产出、消费、投资和消费者价格指数的增长率，四个变量的预测精度相似，尤其消费方面，两个模型的差异最大。 我们首先介绍我们的模型。除了具有异质家庭外，该模型还包含中尺度DSGE模型的典型组成部分。价格和工资都具有粘性。垄断竞争企业根据名义刚性和部分对过去通货膨胀的指数化来设定价格，而工会则在设定工资时面临类似的问题。一家代表性企业利用资本和劳动来生产最终产品。资本品生产者将最终产品转化为资本，并受到投资调整成本的限制。货币当局根据标准的泰勒（1993）规则设定利率，而财政当局征收税款以偿还公共债务和资助政府消费。 我们的模型有两个特点是与异质代理框架相区别的。首先，存在一个财政规则将劳动所得税率与公债联系起来。由于我们模型中的家庭并非李嘉图式，政府征税的时间和方式会影响消费者行为，进而影响整个模型的动态。其次，一个金融中介持有政府债务和企业股权，同时向家庭提供流动性和非流动性资产 。流动资产的名义回报被假定为货币当局设定的名义利率，类似于银行存款。相比之下，非流动性资产代表对金融中介股权的索取权，反映了股权和政府债券（中介的资产）以及流动性资产（其负债）的回报。金融中介向家庭提供流动性资产时会发生单位成本，这在其回报和非流动性资产之间产生利差。 我们使用Auclert等人（2021年）开发的序列空间雅可比方法求解该模型。该方法涉及围绕由将所有总冲击设置为零获得的确定性稳态进行一阶扰动。在一个异质性Agents框架中，计算确定性稳态在计算上是昂贵的。因此，我们遵循一个两步方法来参数化模型。我们校准影响稳态的参数，例如家庭的风险规避程度，并且只估计那些专门影响模型动态的参数，例如泰勒规则中的系数。7 我们的研究表明，HANK模型对政策制定的主要贡献在于利用它们引入的新维度，而不是将它们用于相同 7奥克勒特等人(2020)和拜尔等人(2024)采用了相同的方法。 作为其代表代理的前辈应用。当使用相同数据估计时，HANK和RANK模型对总变量都产生了非常相似的动态，正如我们的预测比较所证明的那样。这表明HANK模型的价值不在于复制传统模型的结果，而在于提供源于其内在异质性的独特见解。 相关文献。关于家庭异质性对货币政策的影响，已经有一大批不断增长的文献。为了更好地与其联系起来，我们围绕我们的主要发现组织了相关工作讨论。HANK模型中货币冲击的传导机制研究是由Kaplan等人(2018)开创的。他们发现，由于家庭具有高边际消费倾向，货币政策主要通过间接渠道（如劳动供给带来的一般均衡效应）影响这些模型中的消费，这与RANK模型形成对比，在RANK模型中，消费的变化主要是由跨期替代效应驱动的。Auclet等人(2020)通过强调投资在HANK模型中的重要作用来扩展这一研究，指出投资通过影响劳动力市场，进而影响消费对货币政策的反应。 与我们设定最接近的论文是Lee(2024)，他研究了非常规货币政策分布效应。8然而，我们的方法在两个方面存在显著差异。首先，Lee(2024)主要关注非传统的货币政策。其次，更重要的是，Lee对不同家庭群体的福利收益进行了静态分解。相比之下，我们关注消费的动态影响。我们认为我们的模型更擅长处理关于消费动态的正向问题，而不是规范性问题，因为它包含了摩擦因素，这些因素会产生对货币冲击的抛物线形消费反应——这一结果与时间序列文献中的经验证据一致。这种区别使我们能够更好地捕捉政策变化下消费的演变。 在汉克模型和兰克模型的预测比较方面，我们的研究与Acharya等人（2023）的工作最为密切。他们的分析同样比较了这些模型，并得出结论：汉克模型表现不佳，特别是在总消费方面。然而，我们的方法在一个关键方面有所不同：我们将信息粘性纳入家庭模块。这一特征有助于规范估计的脉冲 8德·内格罗等(2025)使用相同的模型并报告了相似的结果。 相对各种冲击的消费支持函数，起着类似于RANK模型中习惯形成的作用。我们的结果表明，Acharya等人（2023年）观测到的HANK模型表现较差可能归因于其相对于RANK竞争者缺乏这种宝贵的自由度。 最后，一些研究探讨了在HANK模型中对货币及其他类型政策进行反事实分析。例如，Kekre(2023)考察了在“大衰退”后美国失业保险政策如何可能影响产出和就业。类似地，Lee(2024)调查了常规与非常规货币政策组合对福利和不平等的影响。据我们所知，我们的研究首次探索了财富分布沿线的消费替代情景 ，以及2020年代通货膨胀初期欧元区的利率上调具体事件。这一新颖的焦点