Representaciones del Espacio de Estados de Sistemas Lineales:
https://lpsa.swarthmore.edu/Representations/SysRepSS.html
A medida que los sistemas se vuelven más complejos, representarlos con ecuaciones diferenciales o funciones de transferencia se vuelve engorroso. Esto es aún más cierto si el sistema tiene múltiples entradas y salidas. Este documento introduce el método del espacio de estados que en gran medida alivia este problema. La representación del espacio de estados de un sistema reemplaza una ecuación diferencial de orden n con una única ecuación diferencial de matriz de primer orden.
Las ventajas de esta representación incluyen:
- La notación es muy compacta. Incluso sistemas grandes pueden ser representados por dos ecuaciones simples.
- Debido a que todos los sistemas se representan con la misma notación, es muy fácil desarrollar técnicas generales para resolver estos sistemas.
- Los ordenadores simulan fácilmente ecuaciones de primer orden.
Los DSGE son Modelos de Espacio de Estados (ver página 11 de presentación de 20 páginas).
https://www.karlwhelan.com/MAMacro/part10.pdf
En general, para que un modelo tenga estimaciones econométricas bien definidas, es necesario que para cada variable observable haya al menos un shock no observable. Esto puede tomar la forma de un "error de medición" o involucrar un shock en cada ecuación con una clara interpretación estructural.
Los modelos DSGE log-linealizados con una mezcla de variables observables y no observables son un ejemplo de modelos de espacio de estados. Recuerde que estos modelos pueden ser descritos utilizando dos ecuaciones.
La primera, conocida como la ecuación de estado o de transición, describe cómo un conjunto de variables de estado no observables, S(t), evolucionan con el tiempo de la siguiente manera:
S(t) = FS(t1) + u(t).
El término u(t) puede incluir errores distribuidos de forma normal o tal vez ceros si la ecuación que se describe es una identidad. Escribiremos esto como u(t) N(0,u) aunque u puede no tener rango de matriz completo.
La segunda ecuación en un modelo de espacio de Estados, que se conoce como ecuación de medición, relaciona un conjunto de variables observables, Z(t), con las variables de estado no observables
Z(t) = HS(t) + v(t)
Nuevamente, el término w(t) puede incluir errores distribuidos de forma normal o tal vez ceros si la ecuación que se describe es una identidad. Escribiremos esto como v(t) N(0,v) a pesar de que v puede no tener un rango de matriz completo.
En ingeniería, la representación de espacio de estados es principalmente una forma estándar de caracterizar el sistema en términos de métodos de matrices estándar aplicados en solucionadores de software. Sin embargo, la referencia DSGE anterior dice que los DSGE son modelos de espacio de estados.
El documento de trabajo de 30 páginas (2012) en este enlace tiene el título Estimación Bayesiana de Modelos DSGE:
https://philadelphiafed.org/-/media/research-and-data/publications/working-papers/2012/wp12-4.pdf
Proporciona una breve historia de la Estimación de Modelos DSGE y luego describe la aplicación de un Modelo DSGE Keynesiano Canónico Nuevo. La página 12 describe la representación de espacio de estados del NKDSGE. Esta cita ofrece una visión de la suposición bayesiana de que no existe un modelo "verdadero" para el sistema en contraste con la suposición frecuentista:
Los bayesianos evitan tener que asumir que existe un modelo DSGE verdadero o correctamente especificado debido al principio de verosimilitud (LP). El LP es un fundamento de la estadística bayesiana y dice que toda la evidencia sobre un modelo DSGE está contenida en su verosimilitud condicional a los datos; ver Berger y Wolpert (1988). Dado que la evaluación probabilística de los datos de un modelo DSGE se resume mediante su verosimilitud, las verosimilitudes de una serie de modelos DSGE poseen la evidencia necesaria para juzgar cuáles se ajustan "mejor" a los datos. Por lo tanto, la evaluación basada en la verosimilitud bayesiana es consistente con la idea de que no hay un modelo DSGE verdadero porque, por ejemplo, esta clase de modelos está afectada por una especificación incorrecta incurable.
Entonces, los modelos DSGE son datos en busca de los modelos subyacentes más probables. La representación del espacio de estados es un método para estructurar la búsqueda de una solución utilizando teoría numérica y métodos.
Se han mencionado dos referencias académicas sobre modelos DSGE con el software de código abierto Dynare que ejecuta simulaciones de DSGE en una plataforma subyacente.
https://www.dynare.org/
Las preguntas se publican en el Foro de Dynare:
https://forum.dynare.org/
PD: A pesar de esta larga respuesta, añadiré que mi intuición como ingeniero eléctrico y antiguo abogado comercial que sigue los mercados financieros como sistemas de flujo de efectivo es la siguiente. Cuando los inversores y los tramitadores de crédito convergen percepciones para "aumentar el riesgo" en conjunto, los balances se expanden, los flujos de efectivo aumentan, los precios de los activos suben, cosas buenas suceden y el PIB aumenta. Cuando los inversores optan por "disminuir el riesgo" y los tramitadores de crédito convergen para "disminuir el riesgo" en conjunto, los balances intentan deshacerse, los flujos de efectivo disminuyen, los precios de los activos caen, ocurren cosas malas y el PIB disminuye o no vuelve a las tasas de crecimiento anteriores debido a la histeresis en el comportamiento de los agentes inteligentes. Si las percepciones no convergen, entonces los precios de los activos serán más estables y menos propensos a excederse y colapsarse, pero si las percepciones convergen para impulsar un exceso eventualmente convergerán para impulsar el colapso en los precios de los activos. El gasto gubernamental, los impuestos, las mejoras de crédito y las regulaciones financieras o la falta de las mismas pueden atenuar o amplificar las causas de exceso y colapso basadas en el mercado. Las percepciones, decisiones y acciones de los agentes inteligentes son, por tanto, parámetros estocásticos endógenos a la economía financiera y real y a un número infinito de modelos de DSGE de juguete. La red de telefonía móvil solo tiene cierto ancho de banda. Los patrones estocásticos de uso de teléfonos celulares típicamente no utilizan todo el ancho de banda disponible. Un día, un terremoto golpeó la Costa Este. El uso estocástico aumentó cuando millones de personas intentaron llamarse entre sí para discutir el terremoto. Este evento de "cola gorda" usó todo el ancho de banda en la red de telefonía móvil. Los bancos y otros intermediarios financieros están diseñados para proporcionar crédito y flujos de efectivo a través de la expansión de los balances con precios de activos crecientes o estables. Esto se debe a que los activos son garantía para la deuda a largo plazo, por lo que cuando los activos caen, los prestatarios quedan en negativo en sus balances. Cuando todos los inversores quieren vender y pocos quieren comprar a medida que los precios de los activos colapsan, estos inputs de agentes inteligentes disruptivos desestabilizan la liquidez y la capacidad de generación de flujos de efectivo de los mercados crediticios y monetarios. Paradójicamente, las fuerzas de mercado sistémicas reducen y deshacen la capacidad de los balances cuando demasiadas unidades exigen liquidez al mismo tiempo, lo que es un evento de liquidez de "cola gorda".
2 votos
Hola: Creo que tu pregunta es muy general, por eso nadie ha proporcionado una respuesta. El libro en este enlace parece hacer un trabajo razonable con DSGE y sus componentes. amazon.com/Structural-Macroeconometrics-David-N-DeJong/dp/…. Puede que haya mejores, pero parece decente.