Cahier 2014-06

Titre :Apprendre la solution de Ramsey dans une économie à la Kydland & Prescott
Résumé :Nous étudions le rôle de l’apprentissage dans un environnement à la Kydland & Prescott. Notre décideur politique évalue ses stratégies composées d’une inflation annoncée et une autre effective en utilisant un modèle mental. Ce modèle possède à la fois une dimension adaptative et une capacité de former des anticipations. Nos résultats montrent que le décideur politique peut conduire l’économie vers la solution de Ramsey de manière assez systématique, au lieu de l’équilibre de Nash.
Mot(s) clé :Apprentissage dans le modèle de Kydland & Prescott ; Réseaux de neurones artificiels ; Solution de Ramsey
Title:Learning the Ramsey outcome in a Kydland & Prescott economy
Abstract:We study learning in the Kydland and Prescott environment. Our policy maker evaluates its potential strategies regarding the announced and the actual inflation rate using its mental model. This model is forward looking and adaptive at the same time. There are two types of agents: Believers who set their inflation forecast equal to the announced inflation, and nonbelievers who form static optimal forecast coupled with a forecast error correction mechanism. Our results show that the economy can reach near Ramsey outcomes most of the time. In the absence of believers, the economies almost always converge to the Ramsey outcome. In their experiments with human subjects, Arifovic and Sargent (2003) showed that experimental economies reach and stay close to the Ramsey outcome most of the time, giving support to the 'just do it' policy recommendation. In light of the experimental findings, our model is of particular interest as it is the only agent-based or adaptive learning model that consistently selects the Ramsey outcome.
Keyword(s):learning in the Kydland-Prescott environment, artificial neural networks, Ramsey outcome
Auteur(s) :Jasmina ARIFOVIC, Murat YILDIZOGLU
JEL Class.:E50, C45, C72, D60

Télécharger le cahier

Retour à la liste des Cahier du GRETHA (2014)


© GREThA 1999-2017