Vitafórum: Hol és hová tart a makroökonómiai modellezés?


hirdetés


A mainstream makrogazdasági modellek nem tudták előrejelezni a válságot, ezért élénk vita bontakozott ki a makroökonómia megreformálására vonatkozóan. Jelenleg kialakulni látszik egyfajta konszenzus a főbb kutatási irányok tekintetében, viszont nincs egyetértés abban, hogy milyen típusú modelleket kell építeni. Az egyet-nem-értés azonban jelentős részben az eltérő szóhasználatból, és nem feltétlenül az eltérő nézetekből, igényekből fakad. Mindez nem szerencsés abból a szempontból, hogy a makromodellek felhasználói, és a kevésbé beavatott közönség emiatt nem mindig tudja követni, miről is szól a vita.

Az Oxford Review of Economic Policy 2018 tavaszi-nyári kötete a „Rebuilding Macroeconomic Theory”, vagyis a „Makroökonómiai elmélet újjáépítése” címet viseli, és abban számos, nagy nevű közgazdász tanulmánya olvasható a makroökonómia múltjáról és jövőjéről. Külön érdekessé teszi a kiadványt, hogy a „főáramú” makroökonómia nagy kritikusai (például Joseph Stiglitz) mellett szót kapnak olyanok is (például Ricardo Reis), akik szerint alapvetően jó irányba halad a tudomány, nincs szükség gyökeres reformokra. A tanulmányok kiemelten foglalkoznak olyan kérdésekkel, mint a makromodellek mikroökonómiai megalapozása, viszonyuk a tényekhez, adatokhoz, a DSGE-modellek használhatósága, az egyes modellezési filozófiák létjogosultsága.

Írásomban arra vállalkozom, hogy a makroökonómiai modellezés aktuális, az idézett kiadványban is hangsúlyosan megjelenő dilemmáit, valami a köztük fennálló összefüggéseket bemutassam. Elsősorban modellezés-filozófiai kérdésekre fókuszálok, mint például: honnan meríthet egy modell hitelességét? Van-e trade-off a mikrofundáltság és a makroadatokra történő illeszkedés között? Hogyan állnak korunk DSGE-modelljei ezen a téren? Virágozhat-e száz virág, van-e létjogosultsága a különböző modelltípusoknak, vagy meg kell alkotni a szupermodellt, amely egyedül képes megválaszolni minden kérdést? Félreviszi-e a tudományt a kvantitatív modellek és a statisztikai módszerek túlzott használata? Ezen dilemmák egy része megjelenik a London School of Economics bejáratára kiragasztott 33 reformtézisekben is az utolsó, „Teaching of economics” blokkban. Terjedelmi korlátok miatt nem térek ki a modellezés legalább ennyire fontos tartalmi kérdéseire, mint például, hogy szükség van-e a pénzügyi közvetítés, vagy az egyenlőtlenség explicit megjelenítésére a modellekbe, és ha igen, hogyan?

Hangsúlyozni kell, hogy nem vállalkozom ezen kérdések megválaszolására, hanem csak arra, hogy bemutassam, hol tart a tudományos gondolkodás ma, és milyen összefüggések vannak az egyes dimenziók között. Elsősorban (de nem kizárólag) a hivatkozott kötet tanulmányaira fogok szorítkozni – a kontribútorok listája alapján reményeim szerint megalapozottan – feltételezve, hogy az ott megjelenő gondolatok reprezentatívak az akadémiai közgazdász társadalom egészére nézve.

A DSGE-modellekről

A DSGE-modell kifejezés mást jelent egy mainstream közgazdász, és mást a mainstream kritikusa számára. Előbbi mindent DSGE-nek tekint, ami rendelkezik a mozaikszó mögött meghúzódó tulajdonságokkal: dinamikus („Dynamic”), sztochasztikus („Stochastic”) és általános egyensúlyi („General Equilibrium”). Vagyis egy DSGE-modellnek képesnek kell lenni időbeli kapcsolatok modellezésére is (szemben a statikus modellekkel), tartalmazni kell bizonytalanságot véletlen változók formájában, valamint az egyes részpiacokon az áraknak ki kell egyenlíteni a keresletet és a kínálatot.

A kritikus szemében – ezzel szemben – a mainstream makroökonómia testesül meg a DSGE-modellben, és ez a modell, miként a főáram, látványosan csődöt mondott a válságban. Számára a DSGE nem egy keret, hanem egy elmélet, ami kudarcot vallott, ugyanis alkalmatlan volt a válság előrejelzésére. Ez a modell gyakorlatilag a reál üzleti ciklus (Real Business Cycle, RBC) modell (Prescott, 1986), vagy annak valamilyen variánsa. Az RBC-modell pedig a neoklasszikus elmélet kreatúrája, melyben a technológia mozgat mindent, és a gazdaságpolitika nem tud hozzátenni semmit a társadalmi jóléthez, ugyanis azt a piac biztosítja.

Mindkét megközelítés megragad valamit a DSGE-modellezés lényegéből. Módszertanilag – és szemantikailag – valóban nem szükségszerű, hogy egy DSGE-modellben a technológiai sokkok domináljanak, vagy egyáltalán létezzenek. A 2000-es években divatossá vált új-keynesi modellekben (melyek DSGE-modellek) számos egyéb sokkot is beépítettek, és az árragadósság miatt a monetáris politikának fontos szerepe lett a társadalmi jólét előmozdításában. Az elmúlt időszakban pedig számos, pénzügyi közvetítőszektorral kiegészített DSGE született (Christiano és szerzőtársai, 2014, Gertler és szerzőtársai, 2016), de készültek olyan variánsok is, melyekben a háztartások nem egyformák, vagyis lehetséges az egyenlőtlenségek modellezése (Kaplan és szerzőtársai, 2016).

Másfelől azonban a domináns DSGE-modellek továbbra is megőrizték az RBC neoklasszikus hagyományát.Hosszú távon a kínálati oldal határozza meg a kibocsátást, és a termelékenység exogén. Az új-keynesi változatban a monetáris politikának nincsen hosszú távú reálgazdasági hatása, vagyis nincs hiszterézis. A legjobb, amit tehet, hogy hagyja a kibocsátást úgy ingadozni, ahogy a technológiai sokkok a természetes szintjét mozgatják. Mindezt azért teheti meg, mert a teljes foglalkoztatottság ekkor mindig megvalósul (ebben a modellben ez ekvivalens azzal, hogy mindegyik háztartás annyit dolgozik, amennyit optimálisnak tart).

Mikroökonómiai alapok

A DSGE-modellek további fontos tulajdonsága, hogy – legalábbis a szándékuk szerint – mikroökonómiailag megalapozottak.Ez azt jelenti, hogy a modell mikroszintű döntéshozók (háztartások, vállalatok stb.) döntési problémáiból indul ki, és az egyes szektorok viselkedési szabályait, és így a piacokon megjelenő keresletet és kínálatot ezen döntésekből vezeti le.

A mikrofundáltságra való törekvés általános norma a makroökonómiai elméletben, és az 1970-es évekre vezethető vissza. Az időszak gazdaságpolitikai kudarcai, az infláció elszabadulása, a Phillips-görbe szétesése nyomán jelentős reformon esett át a korábban keynes-i hagyományt követő makroökonómiai gondolkodás. Ezen reformokat alapvetően az a megfigyelés motiválta, hogy a gazdaság szereplői előretekintőek, és döntéseikben megjelennek várakozásaik is. Emiatt, ha változik a gazdaságpolitikai környezet, megváltoznak a gazdasági szereplők viselkedési szabályai is. Lucas híres kritikája (Lucas, 1976) szerint az akkoriban használt makromodellek nem voltak képesek ezen összefüggés megragadására, ezért nem voltak alkalmasak gazdaságpolitikai elemzésekre sem, ugyanis a gazdaságpolitika megváltozása érvénytelenítette volna a modell becsült paramétereit. A megfelelő alternatíva olyan modellek építése, amelyekben a gazdasági szereplők viselkedését a gazdaságpolitikai rezsimtől független paraméterekkel ragadjuk meg, mint például a preferenciákat vagy a termelési technológiát leíró paraméterek. A mikroökonómiai megalapozás éppen ezt teszi lehetővé.

A mikroalapok szükségességére vonatkozóan markáns érvek sorakoznak fel pro és kontra egyaránt. A tanulmánykötetben Fabio Ghironi „A makrónak kell a mikro” című írásában amellett érvel, hogy nemcsak meg kell tartani a mikrofundáltságot, de tovább is kell menni (Ghironi, 2018). Legfontosabbnak azt tartja, hogy a vállalati szektor heterogenitása explicite megjelenjen a modellekben oly módon, hogy dinamikusan és endogén módon változzon az éppen termelő vállalatok halmaza, mindig legyenek új belépők és kilépők. Ezzel egyúttal rámutat arra a furcsa disszonanciára, ami a korábbi DSGE-gyakorlatot jellemezte, nevezetesen, a reprezentatív szereplő (háztartás, vállalat) és a mikrofundáltság közötti potenciális ellentmondásra. Amennyiben ugyanis a reprezentatív szereplő viselkedése nem jól írja le a reprezentálni kívánt szektor aggregált viselkedését, hiába jelenik meg a modellben egy fiktív entitás, amely optimalizál, a mikrofundáltság sérül, hiszen a releváns mikroszint egy szinttel mélyebben van.

A mikrofundáltságra való törekvés ugyanakkor lassíthatja, akadályozhatja a diszciplína fejlődését. Amennyiben a valós folyamatok megragadása szempontjából szükségessé válik egy új elem, piac, szektor beépítése a makromodellbe, első lépésben meg kell találni, ki kell fejleszteni a megfelelő mikromodellt. Ha például pénzügyi frikciót kell megjeleníteni a modellben, döntést kell hozni arról, milyen típusú tökéletlenség a releváns (aszimmetrikus információ, alkalmazkodási költség stb.), mely szereplők az érintettek (például a bank és a hitelfelvevő, vagy a betétes és a bank között van-e aszimmetrikus információ), az érintetteknek mi az optimalizációs feladatuk, és így tovább. Az elmélet kidolgozásán túl hosszú évekbe telhet az is, míg a tudományos közösség elfogadja az új modult, vagy az egymással versengő megoldások közül kiválasztja a legmeggyőzőbb(ek)et.

Mindezek miatt a gazdaságpolitikát naprakészebben támogathatják olyan modellek, amelyek ugyan merítenek a mikroökonómiailag megalapozott elméletekből, mégis rugalmasan, a konzisztens mikroökonómiai alapok kidolgozása nélkül kiegészíthetők új változókkal, egyenletekkel, amennyiben így jelentősen javul a modell illeszkedése az adatokra. Simon Wren-Lewis ezeket strukturális ökonometriai modelleknek nevezi (Wren-Lewis, 2018). Véleménye szerint a válság előtt ilyen modellek kifejlesztésével több esély lett volna a pénzügyi szektor és a reálgazdaság közötti kapcsolatrendszer megismerésére, és ezáltal a válság jobban kezelhető lett volna. Írásának címe („Véget vetni a mikroalapozás hegemóniáját”) is utal arra, hogy ennek gátját elsősorban a mikroökonómiai alapok iránt támasztott túlzott igény jelentette. Hasonlóan látja Olivier Blanchard is, aki a kötetben megjelent, a makromodellek jövőjéről foglalkozó írásában amellett érvel, hogy a DSGE-modelleknek nem szabad egyeduralomra törniük, szükség van az empíriával nagyobb összhangban álló modellekre is, amelyek gazdaságpolitikai célokra (elemzések, előrejelzések) jobban alkalmazhatók.

Illeszkedés a valóságra

A mikrofundáltság és a jó illeszkedés, a belső és külső konzisztencia egy makrogazdasági elmélet, modell hitelességének két fő forrása. Előbbi a gyakorlatban a gazdaság atomisztikus aktoráról alkotott képre, a gazdasági döntéseket hozó ember pszichológiájára, valamint a gazdálkodási környezet technikai, technológiai korlátaira történő illeszkedést jelenti. A külső konzisztencia ezzel szemben a modell által generált, valamint a makrogazdasági adatokban megfigyelhető dinamika közötti összhang meglétét jelenti. Az elméletileg kellően megalapozottnak tartott modellek sokáig nem voltak alkalmasak az adatok leírására, a jól illeszkedő, redukált forma modelleket pedig – a Lucas-kritika miatt – nem tartották alkalmasnak gazdaságpolitikai elemzésekre, szimulációkra.

A 2000-es években úgy tűnt, a DSGE-modellek áthidalják az elméleti megalapozottság és az adatokra történő illeszkedés közötti szakadékot. A bayes-i technikával becsült új-keynesi modell mintán kívüli előrejezésben utolérte az előrejelzés addigi bajnokának számító (bayes-i) vektor-autoregresszív (VAR) modelleket (Smets és Wouters, 2007). Ezen sikereknek volt köszönhető, hogy a jegybankok egyre komolyabban kezdték alkalmazni a DSGE-modelleket, és már nem csak szcenárió elemzésben, hanem előrejelzésben is.

A siker ára azonban az volt, hogy a DSGE-modellek részben feladták mikrofundáltságukat. Bár továbbra is alapvetően mikroalapokra épültek, számos ad hoc elemmel egészültek ki annak érdekében, hogy jobban le tudják írni a makroadatokban megfigyelhető dinamikát. Blanchard (2018) kiemeli, hogy a DSGE-modellekben megjelenő fogyasztó megszokás („external habit formation”), a beruházás változásának alkalmazkodási költségei, és az árindexálás nélkülözi a megfelelő mikroökonómiai megalapozást, és ezek a módosítások azt a célt szolgálják, hogy a modell illeszkedése javuljon. Ide sorolható még az exogén sokkokban feltételezett autokorreláció is, ami számos olyan paramétert vezet be, amelyek nem következnek sem a preferenciákból, sem a technológiából, sem bármi egyéb, a gazdaságpolitikára nézve invariáns adottságból. Jelenlétüket pusztán az motiválja, hogy a perzisztensebb impulzus-válaszokat produkáljon a modell. Mindezen kompromisszumok következtében a létező, és tényleg használatos DSGE-modellek elveszíthetik immunitásukat a Lucas-kritikára nézve.

Számos kritika éri a DSGE-modellek becslésének gyakorlatát is. Blanchard (2018) szerint problematikus, hogy ezen modellek paramétereit rendszerben becslik, nem pedig egyenletenként, aminek az a következménye, hogy ha valamelyik egyenlet rosszul specifikált, az más egyenletek paramétereinek becslésében is torzítást eredményezhet. A másik fő probléma szerinte, hogy mivel a paraméterek egy része nem identifikálható az adatokból, a gyakorlatban ezeket kalibrálják, vagy bayes-i priorokat alkalmaznak, többnyire megfelelő elméleti vagy empirikus megalapozás nélkül.

Joseph Stiglitz talán még lesújtóbb véleményen van a DSGE-modellek becslésével kapcsolatban. A kötetben megjelent írásában (Stiglitz, 2018) hivatkozik Anton Korinekre, aki szerint négy ponton is megkérdőjelezhető ezen modellek becslésének gyakorlata, illetve a modellek jó illeszkedése (Korinek, 2017). Egyrészt, a bevett trendszűrési technikákkal az ökonométer fontos információt távolít el az adatokból. Másrészt, önkényesen választja ki, hogy az adatok mely momentumaira szeretné illeszteni a modellt. Harmadrészt, nincs jó mérőszáma a megfelelő illeszkedésnek. Végül, ha a modell valamelyik feltételezése ellentmond fontos mikroevidenciának, nincs is értelme a teljes modell illeszkedését mérni. Korinek konklúzióját, miszerint ezen gyakorlat tudományos szigora megkérdőjelezhető, Stiglitz túl óvatosnak („understatement”) minősíti, érzékeltetve, hogy szerinte teljesen tudománytalan a DSGE-modellparaméterek számszerűsítésének jelenlegi gyakorlata. Christiano és szerzőtársai (2018) egyesével utasítják vissza Korinek és Stiglitz kritikáit különösen megdöbbentő félreértésnek („particularly egregious mischaracterization”) minősítve azokat. Szerintük Stiglitz azt állítja, hogy a klasszikus maximum likelihood, a GMM, valamint a bayes-i becslési technikák tudománytalanok, amit ők abszurd kritikának tartanak.

A makrogazdasági tényeknek való megfelelést minősíti az is, hogy az akkor használatos DSGE-modellek nem tudták előrejelezni a válságot. Formálisan a jó előrejelzés (out-of-sample fit) és a historikus adatoknak való megfelelés (in-sample fit) nem ugyanazt jelenti, de egy jó modellnek mindkét téren jól kell teljesíteni. Stiglitz (2018) szerint a DSGE-modellek megbecslői ott követik el a módszertani hibát, hogy a konvencionális illeszkedési statisztikák nem veszik kellő súllyal figyelembe ezeket a ritka eseményeket, márpedig ezen ritka események során dől el, hogy egy elmélet megragadja-e a legfontosabb gazdasági összefüggéséket, avagy sem. Hasonlatával élve: a fekete lyuk ritka jelenség, azonban egy jó fizikai elméletnek meg kell tudnia magyarázni a létét. Ezek a modellek viszont előre nem látható sokként tudták csak a válságot értelmezni. A DSGE-modellezők a válság nyomán gyorsított ütemben építették be a pénzügyi súrlódásokat modelljeikbe, így a válság  – szándékos képzavarral élve – utólag jobban előrejelezhetővé válik, és a mintán belüli illeszkedés is javul. Abban azonban továbbra sincs egyetértés a DSGE-modellezők és a kritikusok között, hogy ennyi elég lesz-e a megfelelő külső konzisztencia eléréséhez.

Összegzés

A tanulmánykötetben megjelent írások alapján úgy tűnik, konszenzus van abban, hogy a válság előtti makroelmélet mely területeket hanyagolta el leginkább. Ezek Vines és Wills (2018) alapján a következő pontokban foglalhatók össze: (1) pénzügyi súrlódások; (2) nem racionális várakozások; (3) a gazdaság szereplői közötti heterogenitás; (4) megfelelő mikromodellekre történő alapozás, ami jelentős részben az előző hárommal függ össze. Az első három pont központi szerepet tölt be a reformerek 33 pontjában is a „Money, banks and crises”, „The nature of decision-making” és az „Inequality” témakörökben. Amiben nincs egyetértés, hogy megtörtént-e már a megfelelő irányváltás. Reis (2018) szerint a legnevesebb közgazdasági szaklapokban megjelenő makroökonómiai tanulmányai már jó ideje azokkal a kérdésekkel foglalkoznak, amelyek vizsgálatát a mainstream kritikusai sürgetik.

Jelentősen divergálnak a DSGE-modellek jövőjével kapcsolatos vélemények.Néhányan alapvetően elhibázott konstrukciónak tartják (Stiglitz, 2018). Wren-Lewis (2018) kritikája elsősorban arra vonatkozik, hogy a DSGE-modellekből hiányzik az a fajta rugalmasság, ami a gazdaságpolitika támogatásához szükséges. Blanchard (2018) a pluralista modellezési megközelítést szorgalmazza. Véleménye szerint szükség van alapvető elméleti („foundational”) modellekre, DSGE-modellekre, policy modellekre (megkülönböztetve a DSGE-modellektől!), úgynevezett játékmodellekre (elsősorban pedagógiai, illusztrációs célokra), valamit előrejelző modellekre egyaránt. Lindé (2018) ugyanakkor – hasonlóan Christiano és szerzőtársai (2018) egyik fő állításához – kizárólag a DSGE-modelleket tartja alkalmasnak gazdaságpolitikai elemzésekhez. Fontos kiemelni, hogy mintha nem azonos terminológiát használnának a hivatkozott szerzők: a kritikusok inkább a válság előtti mainstream makroökonómia megtestesítőjét látják a DSGE-ben, a kevésbé kritikusok pedig egy modellezési stílust, ami kellően rugalmas ahhoz, hogy a kor kihívásainak megfelelően alakítható legyen.

Nincs egyetértés abban sem, mik a jó modell objektív kritériumai, valamint, hogy az eddig használatos kritériumokkal mi legyen. A mikroalapokkal kapcsolatban van olyan vélemény, hogy nem voltak megfelelőek, ezért használhatatlanok a DSGE-modellek (Stiglitz, 2018), olyan is, hogy nem voltak megfelelőek, ezért javítani kell rajtuk, hogy még jobb DSGE-modelljeink legyenek (Ghironi, 2018). Blanchard (2018) a sok ad hocfeltevés mikrofundáltságának hiányára hívja fel a figyelmet, míg Wren-Lewis (2018) a mikrofundáltságra való túlzott törekvés káros mellékhatásaira. Az adatokra történő illeszkedéssel kapcsolatban Stiglitz alkalmatlannak tartja az uralkodó ökonometriai gyakorlatot a modellszelekcióra. Wren-Lewis (2018) szerint az illeszkedés oltárán fel kell áldozni valamit az elméleti konzisztenciából. Christiano és szerzőtársai (2018) szerint a DSGE-modellek becslése a legfejlettebb ökonometriai technikákkal történik, ezért nem szükséges változtatni ezen a gyakorlaton.

Összegzésként kijelenthető, hogy korunk makroközgazdászai nagyjából egyetértenek abban, milyen irányban kell haladnia a tudománynak, viszont nincs egyetértés abban, hogy milyen járművel, ahogy abban sem, hogy egyáltalán elindultak-e már. Az egyet-nem-értés azonban – úgy tűnik – jelentős részben az eltérő szóhasználatból, és nem feltétlenül az eltérő nézetekből, igényekből fakad. Mindez nem szerencsés abból a szempontból, hogy a makromodellek felhasználói, és a kevésbé beavatott közönség emiatt nem mindig tudja követni, miről is szól a vita.

Vonnák Balázs