KNOWECON WIKI

ARTICLE

随机增长模型

随机增长模型 (Stochastic Growth Model) 随机增长模型（Stochastic Growth Model），又称真实经济周期模型（Real Business Cycle, RBC Model），是当代宏观经济学中用于解释经济波动的核心理论框架。该模型将新古典增长模型（拉姆齐-卡斯-库普曼斯模型）与随机冲击相结合，认为经济周期的主要驱动力

浏览 0 更新 2025-12-20

随机增长模型 (Stochastic Growth Model)

随机增长模型（Stochastic Growth Model），又称真实经济周期模型（Real Business Cycle, RBC Model），是当代宏观经济学中用于解释经济波动的核心理论框架。该模型将新古典增长模型（拉姆齐-卡斯-库普曼斯模型）与随机冲击相结合，认为经济周期的主要驱动力来自技术、偏好或政府购买等实际因素的随机扰动，而非货币性因素。模型源于Finn Kydland和Edward Prescott（1982）的开创性工作《建造经济周期模型并加以配置的时间》，他们因此获得2004年诺贝尔经济学奖。

模型结构

随机增长模型建立在代表性代理人的最优跨期决策框架之上。

生产函数

经济中产出 YtY_t 由总量生产函数决定，通常采用柯布-道格拉斯形式：

Yt=AtKtα(Lt)1−α,0<α<1Y_t = A_t K_t^\alpha (L_t)^{1-\alpha}, \quad 0 < \alpha < 1

其中 KtK_t 为资本存量，LtL_t 为劳动力投入，AtA_t 为全要素生产率（TFP）的随机过程。关键的建模创新在于 AtA_t 不再视作常数，而是服从某种随机过程。最经典的设定为一阶自回归过程（AR(1)）：

log⁡At=ρlog⁡At−1+εt,∣ρ∣<1,εt∼N(0,σ2)\log A_t = \rho \log A_{t-1} + \varepsilon_t, \quad |\rho| < 1, \quad \varepsilon_t \sim N(0, \sigma^2)

参数 ρ\rho 衡量技术冲击的持续性（ρ\rho 越接近1，冲击持续时间越长），εt\varepsilon_t 为白噪声创新项。正是 AtA_t 的随机性使得模型能够生成与真实数据相似的周期性波动。

跨期优化

代表性家庭在预算约束下最大化预期终身效用：

max⁡E0∑t=0∞βt[Ct1−γ1−γ−χLt1+ϕ1+ϕ]\max \mathbb{E}_0 \sum_{t=0}^\infty \beta^t \left[ \frac{C_t^{1-\gamma}}{1-\gamma} - \chi \frac{L_t^{1+\phi}}{1+\phi} \right]

约束条件为：

Ct+It=Yt=AtKtαLt1−αC_t + I_t = Y_t = A_t K_t^\alpha L_t^{1-\alpha}
Kt+1=(1−δ)Kt+ItK_{t+1} = (1 - \delta) K_t + I_t

其中 CtC_t 为消费，ItI_t 为投资，β\beta 为贴现因子，γ\gamma 为相对风险厌恶系数，ϕ\phi 为劳动供给弹性的倒数，δ\delta 为折旧率。家庭选择消费、劳动供给和资本积累路径以最大化效用，企业则在完全竞争市场中雇佣劳动和租赁资本。理性预期均衡由一阶必要条件刻画：

Ct−γ=βEt[Ct+1−γ(1−δ+αAt+1Kt+1α−1Lt+11−α)]C_t^{-\gamma} = \beta \mathbb{E}_t \left[ C_{t+1}^{-\gamma} \left( 1 - \delta + \alpha A_{t+1} K_{t+1}^{\alpha-1} L_{t+1}^{1-\alpha} \right) \right]
χLtϕ=Ct−γ(1−α)AtKtαLt−α\chi L_t^\phi = C_t^{-\gamma} (1 - \alpha) A_t K_t^\alpha L_t^{-\alpha}

第一个方程是欧拉方程，刻画消费跨期替代的最优条件：当期消费的边际效用等于预期未来消费的边际效用乘以资本边际产出的折现。第二个方程是静态劳动供给条件：劳动的边际负效用等于消费边际效用乘以实际工资率。

求解方法

由于模型存在非线性预期差分方程，解析解通常不可得。标准求解路径分三步：

  1. 确定性稳态：令 εt=0\varepsilon_t = 0 且 At=1A_t = 1，解出稳态值 Kˉ,Cˉ,Lˉ,Yˉ\bar{K}, \bar{C}, \bar{L}, \bar{Y}。
  2. 对数线性化：在稳态附近对均衡条件做一阶泰勒展开，将非线性系统转化为线性理性预期差分方程组。
  3. 求解线性系统：采用Blanchard-Kahn方法（基于特征值分解）或Klein方法（基于广义Schur分解）求解状态变量与协态变量的决策规则。

最终得到形如 xt=Pxt−1+Qεtx_t = P x_{t-1} + Q \varepsilon_t 的状态空间表示，其中 xtx_t 为状态向量（含资本存量与技术冲击），决策规则将消费、劳动和产出表示为状态的线性函数。这一形式可直接用于卡尔曼滤波进行参数估计和不可观测状态的推断。

模型的经济含义

随机增长模型对经济波动的理解贡献了若干深刻洞见。

技术冲击作为周期驱动力

模型中唯一的外生冲击是技术冲击。正面技术冲击提高劳动和资本的边际产出，导致投资增加、资本积累加速、产出和消费上升，同时实际工资上涨鼓励劳动供给增加——产出、消费、投资和就业呈同期正向协动，与战后美国经济数据在定性上一致。Kydland和Prescott（1982）通过校准（calibration）方法展示了模型能够解释美国经济周期中约70\%的产出波动。

传播机制

模型的内生传播机制来自资本的逐步积累过程。一次技术冲击的初始效应通过以下渠道持续多个时期：冲击提高当前产出和投资→资本存量在未来期增加→更高资本存量进一步提高未来产出→消费平滑动机使冲击的影响在时间上铺展开来。参数 ρ\rho 控制了冲击的持久性，而 α\alpha 和 δ\delta 则决定了资本调整的速度。

对凯恩斯主义经济学的挑战

随机增长模型构成了对传统凯恩斯经济学的根本挑战：一是模型在完全竞争、灵活价格和理性预期假设下即能生成周期波动，无需名义刚性或市场失灵；二是模型暗示稳定经济的政策空间有限——如果波动是理性主体对技术冲击的最优帕累托回应，那么试图熨平周期的反周期政策反而可能降低福利。这一结论引发了"政策无效性命题"的广泛争论，为新古典综合和新凯恩斯主义的融合埋下了伏笔。

批评与扩展

随机增长模型作为宏观经济学的方法论范式存在若干局限性。首先，模型中唯一的冲击来源——技术冲击——在经验上难以直接观测和度量。索洛剩余虽然被用作全要素生产率的代理变量，但其包含测量误差、利用率变化和垄断加成的干扰，并非纯粹的"技术"成分。其次，模型预测劳动时间的波动幅度远小于真实数据——劳动供给的跨期替代弹性需要设定到经验上不合理的数值才能匹配数据，此即著名的劳动市场经验谜题。再者，模型未能解释大萧条或2008年全球金融危机等深度衰退，暗示可能需要引入金融摩擦或非线性阈值效应。

后续扩展研究沿着多条路径推进：嵌入名义刚性和垄断竞争形成新凯恩斯DSGE模型；引入投资调整成本以改进资本动态的匹配；加入习惯形成偏好改善消费动态；以及引入金融加速器机制（伯南克-格特勒-吉尔克里斯特模型）捕捉信贷市场摩擦对波动的放大作用。这些扩展使得当代DSGE模型既保留了随机增长模型的微观基础，又纳入了货币和金融因素，成为中央银行政策分析和预测的标准工具。

方法论的遗产

随机增长模型对宏观经济学的贡献超越了其具体结论。它确立了校准-模拟-比较的研究方法：理论模型须面临数据矩的定量检验，而非仅从定性方向判断；它引入了动态随机一般均衡（DSGE）的建模范式，要求所有方程都从微观主体的最优化行为推导而来；它还促进了计算方法的快速发展，包括线性近似、扰动法、投影法以及基于粒子滤波的似然推断。可以说，随机增长模型是理解当代宏观经济学方法论的根本枢纽——无论对其理论假设持赞成还是批评立场，任何严肃的宏观经济学训练都无法绕开这一框架。