宏观经济学中的预期（更新版）

随后，Muth（1961）从微观经济层面引入了理性预期的概念。直到10年之后，Lucas（1972）利用理性预期得到了令人惊讶的宏观经济结论。

首先，理性预期意味着代理人要利用所有可用的有效信息；其次，代理人有能力进行成本收益分析，进而决定是否解释当前信息；再次，代理人会处理他们认为值得考虑的信息，并以有效的方式来形成预期。虽然，这并不能保证一个个体的预期是正确的，但是任何预期误差都完全是随机的，即均值为0。而且，任何预期误差都与代理人知道的信息无关。如果相关，那么，理性预期的逻辑中就会出现初始预期。

理性预期之所以迅速流行，并主导了宏观经济学，主要是因为它完美地与同质理性经济人假设和效用最大化代理人假设相一致。也就是说，哪一个受过传统经济学训练的经济学家能抵挡得住与边沁主义效用哲学和在可行约束下达到最高无差异曲线相一致的方法论的诱惑呢。从这个角度来讲，理性预期的形式优于任何其它预期形成方式。

在理性预期中，人们形成的预期也被实际证据所证实。正如Evans and Honkapohja（2001）指出，它就是 “我的预期会影响经济结果，经济结果会影响我的预期”这样一个过程的不动点（fixed point）。但是，理性预期假设的这种不动点逻辑仍然没有告诉我们任何有关人们如何利用有效信息形成预期的证据。

实际上，早在20世纪50年代，H. A. Simon就指出，代理人不可能完全理性地追求收益最大化。相反，“有限理性”应该是一种更加现实的假设。而我们应该将代理人的这种归纳推理过程引入宏观经济学中（实际上，基于代理人建模ABM就是沿着这条线在发展）。很多决策理论的实验研究证据表明，人类的行为与完全理性假设通常不一致，甚至相反。

正式建模“有限理性”的学者是Brock and Hommes（1997）。但是，直到21世纪头10年才有学者将“有限理性”引入NK模型，例如，Branch and McGough（2004，2009）研究了异质性预期。异质性预期完全称为三方程NK模型的是Branch and McGough（2010）、De Grauwe（2011）。这类模型演变成了著名的“行为NK（BNK）模型”（De Grauwe，2012）。行为NK模型中的策略转换导致了不稳定性。即是说，家庭和企业会在产出和通胀两个预测指标之间进行选择。在BNK的稳态附近，两个预测指标同等精确，但是随着经济越来越偏离稳态，一种预测指标比另一种更精确。也就是说，任何外生冲击使得经济偏离稳态水平，那么，它就会使得代理人迅速从一个预测指标转换到另一个。这一机制就会产生内生的“放大效应”，它可以解释宏观经济数据中的超额峰度和随机波动。BNK模型的详细文献综述参见Calvert Jump and Levine（2018）。

有限理性可能是因为我们生活的这个世界有很多的信息粘性，而且代理人也知道这一点。那么，在这样的背景下，代理人再理性地形成预期。也就是说，代理人不可能完美地观测到经济的状态。Levine et al.（2012）提出了一个一般性的框架来引入信息限制，代理人进而再形成预期。当前，许多经济学家都在研究将理性预期与有限信息结合起来，例如粘性信息模型（Sticky information model，例如Reis（2009））、噪音信息模型（Noisy information model）、理性忽视模型（Rational inattention model，例如Sims（2005），Luo and Young(2009), Luo(2008)）等。这类模型的核心思想是，代理人可以在信息流存在上限的约束情况下处理信息。这一观点来源于信息论，其正式模型为对熵的减少施加一个上界来确保代理人从先验信息转到后验信息。

那么，另一个问题就出现了。代理人是否可以通过学习来实现理性呢？如果可以，那么理性可能就是描述长期稳态附近人们行为的一个合理的经验假设。

Evans and Honkapohja（2001）提出了“统计理性学习”模型。这类模型引入了一种特殊的“有限理性”形式。即在每一期，效用最大化的代理人基于标准计量技术（例如最小二乘）来进行预测。在一些情况下，这种学习行为会收敛到一个理性预期均衡。因此，许多文献都在研究这种收敛发生的条件。

“学习模型”有两种方法——欧拉型（Euler，EL）和预期效用型（anticipatedutility，AU，Kreps（1998））方法。这两种学习方法都不能形成模型一致的预期。在欧拉方法下，代理人学习到的是未来一期决策，而在预期效用方法下，代理人学习到的是无限期总的经济状态和价格是外生的。与预期效用法极其近似的是一种方法是“内部理性”（internal rationality，IR，Adam and Marcct（2011））。在AU和IR预期假设下，代理人都是在给定约束和关于外部支付变量相关的概率型预期集的情形下实现效用最大化。但是，IR是一种完全贝叶斯信息计划。这些预期形式的相关研究有Eusepi and Preston（2011）的AU型有限理性RBC，Preston（2005）、Woodford（2013）、Gabaix（2016）和Hommes et al.（2017）的行为NK框架。

新预期建模形式有：

引导型预期（EductiveExpectations），在给定其它代理人的平均预期时，一个代理人知道变量的动态是由一个特定模型所决定的。自身的预期可以被平均预期来合理化。高阶预期也需要满足这一要求：“我知道你知道我知道你知道……。”那么，理性预期只是一种特例，可能是唯一的解。例如，Woodford（2013）讨论了这种类型的预期如何得到理性预期均衡，但是有许多严格的参数限制来保障稳定，排除自我实现预期。

递归学习（Recursive Learning），模型中的当代理人形成未来预期时，他们可以性计量经济学家一样来行为。如果代理人采用递归学习来形成预期，那么，他们最终会达到理性预期均衡，因为代理人能学习到存在理性预期。在另一种情形下，经济学家可以精确地知道递归学习动态下的稳定条件，如果这些条件不满足，那么，虽然理性预期均衡存在，但它不是一个可学习均衡（learnable equilibrium），此时，代理人不可能达到理性预期均衡。参见Christiano, Eichenbaum and Johannsen(2018).

Nearly Correct Beliefs，并不假设预期产生过程，仅仅要求给出关于未来的主观概率与真实概率接近程度或差异度。重要的是，“近似正确”指的是与实际模型动态相似的预期。参见Rational belief equilibria (Kurz,1994)，Near-rational expectations (Woodford, 2010)。返回搜狐，查看更多