A framework for solving non-linear DSGE models
Arquivos
Data
Autores
Orientador(res)
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Propomos um arcabouço para resolver modelos DSGE não lineares. Para tanto, sorteamos uma amostra do espaço de estado, que é usada para estimar uma aproximação para as funções valor ou política de interesse. Utilizando técnicas de estatística de alta dimensão podemos atenuar o problema da dimensionalidade, ao mesmo tempo que mantemos a flexibilidade, garantias teóricas de convergência e limite superior para os erros. Em particular, propomos dois métodos diferentes: uma projeção regularizada e um algoritmo baseado em Support Vector Machines (SVM). Para ilustrar estes métodos de solução, aplicamos o primeiro algoritmo para resolver um modelo de crescimento básico, que tem uma solução linear conhecida, e mostramos que ele tem boa precisão e seleciona corretamente os coeficientes de uma base polinomial. Além disso, aplicamos o algoritmo de SVM para resolver um modelo Novo Keynesiano com um Zero Lower Bound (ZLB) e comparamos nossos resultados com os do método Smolyak, que é amplamente utilizado na literatura. Mostramos que este último superestima o impacto do ZLB na economia, alcançando uma precisão menor do que a da nossa solução.