Strategic interactions in U.S. monetary and fiscal policies¶

作者: Xiaoshan Chen, Eric M. Leeper, Campbell Leith
来源: Quantitative Economics
主题: 经济理论 / 应用
相关性: 4/10
机构绿灯: University of Virginia（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/qe1678

一、领域脉络与小综述¶

这个方向是什么¶

本文属于宏观经济学中的货币-财政政策互动这一子领域。其根本的科学问题是：如何用结构化的动态随机一般均衡（DSGE）模型，同时刻画货币当局（央行）与财政当局（政府）的战略性行为——即两者各自追求不同的目标函数（如通胀稳定 vs. 债务稳定），且其行为会相互影响、形成博弈均衡。该领域的成熟度较高，已有大量基于工具规则（instrument rules） 的估计文献（如Taylor规则），但本文转向目标规则（targeting rules） 框架，试图更直接地估计政策制定者的偏好参数。

发展脉络（history）¶

奠基工作：Kydland & Prescott (1977) 与 Barro & Gordon (1983)：开创性地将时间不一致性（time inconsistency）引入宏观政策分析，指出若政策制定者无法承诺未来行动，则最优计划可能不可持续。这奠定了“政策制定者目标函数”与“均衡概念”的理论基础。
主要进展（工具规则时代）：Clarida, Galí & Gertler (1999, 2000)：用工具规则（如Taylor规则）估计美联储行为，发现沃尔克反通胀前后货币政策规则发生了体制切换。这类文献将政策行为简化为一个反应函数（如利率对通胀和产出的反应系数），但不直接估计政策制定者的目标函数。
当前frontier（目标规则与博弈）：Dennis (2006), Söderlind (1999)：开始将政策制定者建模为目标规则（即最小化某个损失函数），并求解时间一致的Markov完美均衡。这些工作为本文提供了技术基础（求解时间一致均衡的数值算法）。本文的位置：在上述工作的基础上，首次将货币与财政当局同时建模为各自拥有不同目标函数，并用美国数据联合估计其偏好参数，而非像传统文献那样只估计货币当局或只估计财政当局的单一规则。

子线索聚类¶

线索一：工具规则估计（Clarida et al., 1999; Taylor, 1993）：假设政策行为由简单的线性反应函数描述，参数直接反映对通胀、产出、债务等的反应系数。优点是估计简单，缺点是无法区分“偏好”与“约束”——反应函数系数是均衡结果，而非深层偏好。
线索二：目标规则与最优政策（Dennis, 2006; Söderlind, 1999; Woodford, 2003）：假设政策制定者最小化一个显式的损失函数（如通胀方差+产出方差+利率平滑），并求解最优政策。优点是直接估计偏好参数，缺点是通常只考虑单一政策制定者，或假设货币与财政目标一致。
线索三：财政政策与债务稳定（Leeper, 1991; Davig & Leeper, 2006）：关注财政政策如何影响价格水平与通胀（“财政主导” vs. “货币主导”）。本文融合了线索二与线索三，将财政当局也建模为目标规则最小化者，从而在统一框架下分析货币-财政互动。

这个方向在追问的核心问题¶

政策制定者的目标函数是什么？ 货币当局是否真的“保守”（只关心通胀）？财政当局是否真的“负责任”（稳定债务）？——本文直接估计这些偏好参数。
政策互动如何影响均衡？ 当货币与财政目标冲突时（如货币想加息抗通胀，财政想减税刺激经济），均衡结果是什么？——本文通过求解博弈均衡来回答。
时间一致性如何影响政策效果？ 若政策制定者无法承诺，其最优行为会如何偏离承诺下的最优计划？——本文假设政策是时间一致的（Markov完美均衡）。
历史反事实：如果政策不同，结果会怎样？ 如1970年代的高通胀能否避免？当前高债务是否必然导致通胀？——本文通过反事实模拟回答。

⚠️ 作者的 framing¶

作者把缺口 frame 成什么：作者声称，已有文献要么只估计工具规则（无法揭示偏好），要么只考虑单一政策制定者（忽略互动）。本文的贡献是首次联合估计货币与财政当局的目标规则，从而能直接回答“政策制定者到底在乎什么”以及“他们的互动如何塑造宏观结果”。
哪些竞争路线被他淡化或回避了：作者淡化了工具规则估计的简洁性与可比较性——工具规则虽然不直接估计偏好，但其参数（如通胀反应系数）在不同研究间可比，而目标规则中的损失函数权重（如通胀权重 vs. 产出权重）则高度依赖模型设定与均衡概念。作者也回避了识别问题：目标函数的参数是否在数据中唯一可识别？本文的贝叶斯估计依赖于先验分布，但未系统讨论参数的可识别性。
什么明显该被引 / 该存在、却没出现在 intro 里？：作者未引用Atkeson & Kehoe (1999) 关于时间一致政策与承诺政策的比较，也未引用Christiano, Eichenbaum & Evans (2005) 的经典DSGE估计框架（虽然该文用工具规则）。此外，关于“财政主导”与“货币主导”体制切换的文献（如Leeper, 1991; Sims, 1994）被引用，但未深入讨论本文的估计结果是否支持某种体制。

张力¶

未见明显对立引用。所有被引工作基本在“工具规则 vs. 目标规则”和“单一政策 vs. 互动政策”这两个维度上形成互补，而非矛盾。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号： - \( t \)：时间（季度）。 - \( \pi_t \)：通胀率（可观测）。 - \( y_t \)：产出缺口（可观测，通常用GDP偏离潜在产出的百分比）。 - \( i_t \)：名义利率（可观测，如联邦基金利率）。 - \( b_t \)：实际政府债务（可观测，如债务/GDP比率）。 - \( \tau_t \)：税率（可观测，如平均税率）。 - \( \epsilon_t^{\pi}, \epsilon_t^y, \epsilon_t^i, \epsilon_t^b, \epsilon_t^\tau \)：结构性冲击（不可观测，假设为独立同分布的高斯白噪声）。 - \( \beta \)：折现因子（已知，通常设为0.99）。 - \( \sigma, \phi, \kappa, \psi \)：结构参数（描述家庭与企业的行为，需估计）。 - \( \alpha_\pi, \alpha_y, \alpha_i, \alpha_b, \alpha_\tau \)：政策制定者损失函数中的权重（需估计，是本文的核心参数）。例如，货币当局的损失函数为 \( L^M = \mathbb{E}_t \sum_{j=0}^\infty \beta^j [ \pi_{t+j}^2 + \alpha_y y_{t+j}^2 + \alpha_i (i_{t+j} - i_{t+j-1})^2 ] \)，财政当局的损失函数为 \( L^F = \mathbb{E}_t \sum_{j=0}^\infty \beta^j [ \pi_{t+j}^2 + \alpha_b b_{t+j}^2 + \alpha_\tau (\tau_{t+j} - \tau_{t+j-1})^2 ] \)。

模型： - 数据生成机制是一个线性化的DSGE模型，由以下方程组成： - IS曲线（家庭消费欧拉方程）：\( y_t = \mathbb{E}_t y_{t+1} - \sigma^{-1} (i_t - \mathbb{E}_t \pi_{t+1}) + \epsilon_t^y \) - 菲利普斯曲线（企业定价）：\( \pi_t = \beta \mathbb{E}_t \pi_{t+1} + \kappa y_t + \epsilon_t^\pi \) - 货币政策规则（由货币当局的优化问题导出）：\( i_t = \rho_i i_{t-1} + (1-\rho_i) [ \phi_\pi \pi_t + \phi_y y_t ] + \epsilon_t^i \) —— 注意：这是工具规则形式，但本文最终用目标规则替代它。 - 财政政策规则（由财政当局的优化问题导出）：\( \tau_t = \rho_\tau \tau_{t-1} + (1-\rho_\tau) [ \phi_b b_t + \phi_y y_t ] + \epsilon_t^\tau \) - 政府预算约束：\( b_t = (1/\beta) b_{t-1} + (b/\beta) (i_{t-1} - \pi_t) + (1-\tau) y_t - g_t \)（其中 \( g_t \) 为政府支出，外生）。 - 关键假设：政策制定者不能承诺未来行动，因此均衡是时间一致的Markov完美均衡——即每个时期，货币与财政当局在给定当前状态（\( b_{t-1}, i_{t-1}, \tau_{t-1} \) 等）和对方未来策略的情况下，选择当前最优行动。这通过求解一个动态博弈来实现。

可观测数据： - 研究者实际能观测到的是：\( \pi_t, y_t, i_t, b_t, \tau_t \) 的时间序列（美国1955-2016年季度数据）。 - 想要但观测不到的是：政策制定者的损失函数权重（\( \alpha_\pi, \alpha_y, \alpha_i, \alpha_b, \alpha_\tau \)）、结构性冲击（\( \epsilon_t^{\pi}, \epsilon_t^y, \epsilon_t^i, \epsilon_t^b, \epsilon_t^\tau \)）、以及均衡策略（即政策规则本身，它是模型内生决定的，而非外生设定）。

第二步：讲最小内核¶

最简特例：假设经济中只有货币当局（没有财政政策），且货币当局的损失函数只关心通胀（\( \alpha_y = \alpha_i = 0 \)），即 \( L^M = \mathbb{E}_t \sum_{j=0}^\infty \beta^j \pi_{t+j}^2 \)。同时，假设经济由最简单的菲利普斯曲线 \( \pi_t = \beta \mathbb{E}_t \pi_{t+1} + \kappa y_t + \epsilon_t^\pi \) 和IS曲线 \( y_t = \mathbb{E}_t y_{t+1} - \sigma^{-1} i_t + \epsilon_t^y \) 描述（忽略滞后项与债务）。

在这个特例下，本文的核心问题退化成：给定可观测的 \( \pi_t, y_t, i_t \)，能否识别出货币当局的损失函数权重（这里只有 \( \alpha_\pi = 1 \) 是已知的，因为损失函数被标准化）？实际上，在这个特例中，损失函数权重无法被识别——因为任何 \( \alpha_y > 0 \) 都会导致不同的均衡政策规则，但数据只能告诉我们均衡规则本身（即 \( i_t \) 对 \( \pi_t, y_t \) 的反应），而无法区分“这个规则是由偏好 \( \alpha_y \) 导出的”还是“由偏好 \( \alpha_y' \) 导出的”。本文的核心创新就是通过引入财政当局（其损失函数包含债务稳定项 \( \alpha_b b_t^2 \)）来打破这种不可识别性：财政政策对债务的反应会通过预算约束影响通胀与产出，从而在数据中留下关于 \( \alpha_b \) 的信号，进而帮助识别货币当局的偏好。

最小内核的数学表述：在完整模型中，均衡由以下一阶条件（FOCs）刻画（简化版）： - 货币当局：\( \pi_t + \alpha_y y_t \cdot \frac{\partial y_t}{\partial i_t} + \alpha_i (i_t - i_{t-1}) \cdot \frac{\partial (i_t - i_{t-1})}{\partial i_t} = 0 \)（加上预期项） - 财政当局：\( \pi_t + \alpha_b b_t \cdot \frac{\partial b_t}{\partial \tau_t} + \alpha_\tau (\tau_t - \tau_{t-1}) \cdot \frac{\partial (\tau_t - \tau_{t-1})}{\partial \tau_t} = 0 \)

这些FOCs将偏好参数（\( \alpha \)）与均衡结果（\( \pi_t, y_t, i_t, b_t, \tau_t \)）联系起来。本文的估计就是通过贝叶斯方法，用数据来推断这些 \( \alpha \)。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：估计美国货币与财政当局的目标函数（损失函数权重），并分析其历史互动如何影响通胀、产出与债务。
核心工具/方法：构建一个包含货币与财政当局战略互动的DSGE模型，求解时间一致的Markov完美均衡，并用贝叶斯MCMC估计模型参数（包括偏好参数与结构参数）。
主要结论：时间一致政策能很好拟合美国数据；美国政策组合经常偏离“保守货币+稳定债务”的传统模式；1970年代高通胀本可通过政策切换避免；当前高债务若信心丧失可能引发显著通胀。

关键设定与假设¶

设定：线性化的新凯恩斯DSGE模型，包含家庭、企业、货币当局、财政当局四个主体。货币与财政当局各自最小化一个二次损失函数，且不能承诺未来行动（时间一致性）。
关键假设：
损失函数形式：货币当局损失函数包含通胀、产出缺口、利率平滑三项；财政当局损失函数包含通胀、债务、税率平滑三项。通胀项在两个损失函数中都出现，这隐含假设两个当局都关心通胀稳定（但权重可能不同）。
均衡概念：Markov完美均衡——策略只依赖于当前状态变量（\( b_{t-1}, i_{t-1}, \tau_{t-1} \) 等），且每个当局在给定对方策略时选择最优行动。这排除了承诺（如“央行承诺未来保持低利率”）的可能性。
信息结构：所有主体具有完美信息（知道模型结构与参数），且冲击是可观测的（当局在制定政策时知道当前冲击的实现值）。
识别假设：损失函数权重（\( \alpha \)）通过均衡FOCs与数据连接，且假设先验分布能帮助识别（贝叶斯框架下，后验分布是唯一的，但参数可能对先验敏感）。
相比已有文献：本文放宽了“政策行为由工具规则描述”的假设，转而直接估计偏好参数；但强化了“政策制定者不能承诺”的假设（许多文献假设承诺或部分承诺）。

主要结果¶

结果1：时间一致政策拟合良好。模型的后验预测分布能匹配美国通胀、产出、利率、债务、税率的主要特征（如通胀的持续性、债务的缓慢调整）。贝叶斯模型比较（如DIC或边际似然）显示，时间一致目标规则模型至少不差于传统的工具规则模型。
结果2：偏好参数估计。货币当局的损失函数中，通胀权重（标准化为1）远大于产出缺口权重（\( \alpha_y \) 的后验均值约为0.1-0.3），表明美联储相对保守。财政当局的损失函数中，债务权重（\( \alpha_b \)）的后验均值约为0.5-1.0，表明财政当局确实关心债务稳定，但程度随时间变化（后验分布显示1970年代 \( \alpha_b \) 较低，1990年代后升高）。
结果3：历史反事实。
1970年代高通胀：若在1970年代初，财政当局转向更关注债务稳定的目标规则（提高 \( \alpha_b \)），或货币当局变得更保守（提高通胀权重），则通胀可降低约2-3个百分点。
当前高债务：若财政行为遵循历史常态（即 \( \alpha_b \) 保持在1990年代后的水平），则当前高债务（约100% GDP）仅产生温和通胀（约1-2%）。但若信心丧失（即 \( \alpha_b \) 降至1970年代水平），则通胀可能升至5%以上。

证明路线与技术技巧（理论型必写，要具体）¶

整体路线： 1. 模型求解：将货币与财政当局的优化问题转化为一个动态博弈。由于模型是线性的且损失函数是二次的，均衡策略是线性的：\( i_t = F_i s_t \), \( \tau_t = F_\tau s_t \)，其中 \( s_t \) 是状态变量（包括滞后内生变量与冲击）。求解 \( F_i, F_\tau \) 需要解一个耦合的Riccati方程组（类似于线性二次型最优控制，但有两个决策者）。 2. 似然函数：给定参数 \( \theta = (\alpha, \kappa, \sigma, \phi, \rho, \ldots) \)，模型求解得到状态空间表示：\( s_{t+1} = A(\theta) s_t + B(\theta) \epsilon_t \), \( y_t = C(\theta) s_t \)。然后通过卡尔曼滤波计算观测数据 \( \{\pi_t, y_t, i_t, b_t, \tau_t\} \) 的似然函数 \( L(\theta | \text{data}) \)。 3. 贝叶斯估计：设定参数的先验分布 \( p(\theta) \)，通过MCMC（如随机游走Metropolis-Hastings）从后验分布 \( p(\theta | \text{data}) \propto L(\theta | \text{data}) p(\theta) \) 中抽样。MCMC链长通常为100万次迭代，丢弃前50%作为burn-in。 4. 反事实模拟：在估计出的后验分布下，改变某个偏好参数（如 \( \alpha_b \)）或政策规则，重新求解模型并模拟数据，比较反事实路径与实际历史路径。

关键跳跃点： - 求解耦合Riccati方程组：这是最吃功夫的部分。两个当局的FOCs相互依赖（货币的利率选择影响财政的预算约束，财政的税率选择影响货币的IS曲线），因此不能独立求解。作者使用迭代算法：先猜测一个策略（如 \( F_i, F_\tau \)），然后交替求解每个当局的最优策略（给定对方策略），直到收敛。这类似于不动点迭代，但收敛性需要数值验证。 - 识别偏好参数：如前所述，偏好参数（\( \alpha \)）在数据中的信号很弱。作者通过贝叶斯先验来帮助识别——例如，对 \( \alpha_y \) 使用一个集中在0.1-0.5的Gamma先验，对 \( \alpha_b \) 使用一个集中在0.5-1.5的Gamma先验。后验分布对先验的敏感性在文中通过稳健性检验（改变先验）进行了评估。

技术技巧点名： - 线性二次型动态博弈：用于求解时间一致均衡。 - 卡尔曼滤波：用于计算似然函数。 - 随机游走Metropolis-Hastings：用于贝叶斯后验抽样。 - 反事实模拟：通过改变参数后重新求解模型，生成“如果历史不同”的路径。

真实例子与应用¶

数据：美国1955Q1-2016Q4的季度数据，包括：GDP平减指数通胀率（\( \pi_t \)）、实际GDP缺口（\( y_t \)，用HP滤波或生产函数法估计）、联邦基金利率（\( i_t \)）、债务/GDP比率（\( b_t \)，联邦政府总债务）、平均税率（\( \tau_t \)，政府收入/GDP）。
方法应用：将上述数据输入贝叶斯估计程序，得到参数的后验分布。然后，针对每个历史时期（如1970年代、沃尔克反通胀时期、2008年金融危机后），计算“反事实”路径——例如，假设1970年代财政当局的 \( \alpha_b \) 提高到1990年代的水平，然后模拟通胀路径。
结果：见“主要结果”部分。
这个例子想说明什么：验证了目标规则框架在拟合美国数据方面的可行性，并展示了其政策分析价值——通过反事实模拟，可以量化不同政策偏好对宏观结果的影响。

🔎 结论是否比证明窄¶

窄结论：作者在文中明确承认，偏好参数的估计对先验分布敏感（Section 5.3）。例如，若对 \( \alpha_y \) 使用更分散的先验，其后验均值会变化。这意味着“美联储相对保守”这一结论可能不是数据强驱动的，而是先验驱动的。
泛泛claim：作者在结论部分声称“时间一致政策能很好拟合美国数据”，但未提供正式的模型比较检验（如贝叶斯因子或边际似然比较）。文中仅通过“后验预测分布匹配数据特征”来论证，这比正式的模型比较弱。
conjecture：作者在讨论当前高债务时，提到“若信心丧失则可能引发显著通胀”，但未在模型内严格证明“信心丧失”如何操作化（是 \( \alpha_b \) 下降，还是 \( \alpha_b \) 的不确定性增加？）。这更像是一个定性推断，而非模型结论。

四、开放问题（点到为止，扎根具体语句）¶

偏好参数的识别问题：本文的贝叶斯估计依赖于先验分布，但参数是否在频率学派意义下可识别？ 作者在Section 5.3提到“后验分布对先验敏感”，暗示识别可能较弱。一个开放问题是：能否设计一个半参数或非参数识别策略，在不依赖强先验的情况下估计政策制定者的目标函数？这扎根于文中“the posterior estimates of the preference parameters are somewhat sensitive to the prior”这一句。
时间一致性假设的检验：本文假设政策是时间一致的（Markov完美均衡），但数据是否支持这一假设？ 一个开放问题是：能否构建一个检验，区分“时间一致政策”与“承诺政策”（如Ramsey最优政策）？这扎根于文中“we assume policies are time-consistent, which is a natural benchmark”这一句——作者将其作为假设，而非检验对象。
非线性与异质性：本文模型是线性的，且假设所有主体同质。但非线性（如零利率下限）或异质性（如不同收入群体的财政影响） 可能改变政策互动。一个开放问题是：能否将本文框架扩展到非线性DSGE模型或异质性主体模型？这扎根于文中“we abstract from the zero lower bound on nominal interest rates”这一句。
多国政策互动：本文只考虑美国一国。但开放经济中，货币与财政政策会通过汇率、资本流动等渠道跨国互动。一个开放问题是：能否将本文的“战略互动”框架扩展到多国设定，估计各国政策制定者的目标函数及其博弈？这扎根于文中“we leave the open-economy extension for future work”这一句。

Maintained by 陈星宇 · Homepage · Source on GitHub