Learning in DSGE macroeconomics (2013)
- Authors:
- Autor USP: VELECICO, IGOR - FEA
- Unidade: FEA
- Sigla do Departamento: EAE
- Assunto: MACROECONOMIA
- Keywords: DSGE; Expectativas racionais; Macroeconomics; Rational expectations
- Language: Inglês
- Abstract: Nesta tese analisamos os instrumentos de aprendizado (Learning) aplicados a uma variedade de modelos macroeconômicos. Em nosso primeiro capítulo, apresentamos e discutimos as vantagens e limitações de se estimar modelos dinâmicos e estocásticos de equilíbrio geral (DSGE) acrescidos de um mecanismo de aprendizado, ou seja, abandonando-se a hipótese de expectativas racionais, tão cara a estes modelos. Em primeiro lugar, mostramos como esse mecanismo pode ser introduzido nesses modelos, começando pela discussão de onde e como o operador de expectativas racionais é substituído pelo operador de aprendizado. Em seguida apresentamos configurações alternativas em relação ao conjunto de informações disponível aos agentes dentro do mecanismo de aprendizado, que afeta diretamente a dinâmica do modelo final a ser estimado. Por fim, estimamos três modelos usando nosso mecanismo de aprendizado, aplicando-o a dados artificiais e reais para a economia brasileira. No segundo capítulo, mostramos algebricamente as limitações do mecanismo de aprendizado em modelos DSGE e propomos dois métodos mais flexíveis para lidar com a instabilidade dos parâmetros nos dados. O primeiro desses métodos é intimamente ligado à literatura de DSGEVAR, e que chamamos de Learning DSGE-VAR, enquanto o segundo método, que se afasta ainda mais do modelo DSGE, ao qual chamamos de LMSV. No terceiro capítulo, provemos evidências de que os ganhos supostamente moderados de nosso modelo de aprendizado apresentados nos doisprimeiros capítulos têm mais a ver com a natureza dos modelos estimados do que com o método de aprendizado utilizado. Para tal, simulamos dois grupos de dados usando uma estrutura econômica que varia no tempo, semelhante àquela estudada no primeiro capítulo, e estimamos os modelos utilizando diferentes mecanismos de aprendizado. Por fim, fornecemos evidências empíricas de aprendizado em modelos de forma reduzida para projetar inflação, taxas de juros e hiato do produto para a economia brasileira, através de modelos ad-hoc comumente utilizado por econometristas
- Imprenta:
- Data da defesa: 22.11.2013
-
ABNT
VELECICO, Igor. Learning in DSGE macroeconomics. 2013. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2013. Disponível em: http://www.teses.usp.br/teses/disponiveis/12/12138/tde-20012014-154530/. Acesso em: 27 jan. 2026. -
APA
Velecico, I. (2013). Learning in DSGE macroeconomics (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/12/12138/tde-20012014-154530/ -
NLM
Velecico I. Learning in DSGE macroeconomics [Internet]. 2013 ;[citado 2026 jan. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/12/12138/tde-20012014-154530/ -
Vancouver
Velecico I. Learning in DSGE macroeconomics [Internet]. 2013 ;[citado 2026 jan. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/12/12138/tde-20012014-154530/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
