Vitafórum: Hol és hová tart a makroökonómiai modellezés?

Elemzések2018. máj 3.Növekedés.hu

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

SIKERSZTORIK
Mit tennének a milliárdosok, ha mindenüket elvesztenék?
Bill Gates és Warren Buffett, akik egyébként hosszú ideje jó barátok, megosztották gondolataikat arról, mit tennének, ha mindenüket elvesztenék és a nulláról kellene felépíteniük az életüket.
Siker2018. ápr 28.
Vagyonokat keresnek a topmenedzserek, de milyen áron?
Ez a munka hatalmas nyomással jár – ezt pedig a magánéletüket viseli meg.
Siker2018. dec 6.
Hogyan szerezte mesés vagyonát a Rockefeller család?
Mohó, pénzéhes kapitalista vagy egy üzleti zseni, aki a semmiből építette fel magát? Rockefeller nem volt jó képességű gyerek mégis a világ leggazdagabb embere lett – miközben egy valamire mindig kínosan ügyelt.
Siker2018. júl 29.
5 kifejezés, amelyet a sikeres emberek soha nem használnak
Nem figyelünk eléggé a beszélgető partnerünkre.
Siker2018. nov 30.
40 éves nőként hozott létre dollármilliárdos vállalkozást
Therese Tucker feláldozta nyugdíjkori megtakarításait, hitelkártyái teljes keretét és felvett lakására egy második jelzáloghitelt is. Súlyos kockázatot vállalt, de bejött.
Siker2019. jan 11.
Egy fiatal srác 100 millió fontos sportruházati márkát rakott össze Nagy-Britanniában
Nehéz elképzelni, hogy az alapításkor 19 éves Ben Francis-nak honnan volt ideje és energiája létrehozni és vezetni a Gymshark-ot.
Siker2018. okt 18.