标签:
杂谈 |
图片格式:
http://img.blog.163.com/photo/W7FBeTTIVGMSaqw_0sxXtg==/3697455294071401798.jpg(离散时间)" />
文本格式:
第三讲:动态优化
September 7th, 2007 by dxie
如果你看不清下面的数学公式,请参见第二讲红字部分及其后的评论。
如果动态优化问题是处理离散时间with Finite Horizon, 那么解决办法与静态相同。 可是, 当问题推广到 Infinite Horizon 的情形, 大家需要注意 Transversality Condition (TVC). 下面我将慢慢引入 TVC 这概念及其经济含义。
考虑一个经典的吃蛋糕问题 (Cake Eating Problem)
[吃蛋糕问题] 假定在时间 t=0, 你拥有一只蛋糕。你准备靠它度过一生 (from t=0 to t=T). 如果你在时间 t 消费 http://l.wordpress.com/latex.php?latex=c_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 块蛋糕, 你得到的效用从时间零看等于: http://l.wordpress.com/latex.php?latex=%5Cbeta+%5Et+%5Cln+%28c_t%29&bg=ffffff&fg=000000&s=0(离散时间)" /> 这里 http://l.wordpress.com/latex.php?latex=%5Cbeta+&bg=ffffff&fg=000000&s=0(离散时间)" /> 在 0 到 1 之间. 即你这辈子的总效用可以被表达为:
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
请问你应该怎样吃才能使效用极大化?
[分析] 用 http://l.wordpress.com/latex.php?latex=k_t&bg=ffffff&fg=000000&s=0(离散时间)" />
记录在时间 t 初始还剩下的蛋糕. 根据定义:
http://l.wordpress.com/latex.php?latex=k_0%3D1&bg=ffffff&fg=000000&s=0(离散时间)" />
. 限制条件可被表示为:
http://l.wordpress.com/latex.php?latex=k_0-c_0-k_1+%5Cgeq++0&bg=ffffff&fg=000000&s=0(离散时间)" />
……
http://l.wordpress.com/latex.php?latex=+k_%7Bt-1%7D-c_%7Bt-1%7D-k_t++%5Cgeq++0&bg=ffffff&fg=000000&s=0(离散时间)" />
http://l.wordpress.com/latex.php?latex=+k_t-c_t-k_%7Bt%2B1%7D++%5Cgeq++0&bg=ffffff&fg=000000&s=0(离散时间)" />
……
http://l.wordpress.com/latex.php?latex=+k_T-c_T-k_%7BT%2B1%7D+%5Cgeq++0&bg=ffffff&fg=000000&s=0(离散时间)" />
除了上述显性限制外,还有隐性限制:http://l.wordpress.com/latex.php?latex=k_t%5Cgeq+0&bg=ffffff&fg=000000&s=0(离散时间)" />
和 http://l.wordpress.com/latex.php?latex=c_t%5Cgeq+0&bg=ffffff&fg=000000&s=0(离散时间)" />
for any t.
稍作思考,我们知道这些限制中,除了 http://l.wordpress.com/latex.php?latex=k_%7BT%2B1%7D%5Cgeq+0&bg=ffffff&fg=000000&s=0(离散时间)" />
是”binding”外,
其它都是”nonbinding
constraints”。
所以我们得加上这个”binding
constraint”:
http://l.wordpress.com/latex.php?latex=k_%7BT%2B1%7D%5Cgeq+0&bg=ffffff&fg=000000&s=0(离散时间)" />
现在,让我们写下Lagragian:
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
http://l.wordpress.com/latex.php?latex=%2B&bg=ffffff&fg=000000&s=0(离散时间)" />
…
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
http://l.wordpress.com/latex.php?latex=%2B&bg=ffffff&fg=000000&s=0(离散时间)" /> …
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
一阶条件 (First Order Conditions or FOCs)
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />, t=0, 1, 2, …, T
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />, t=0, 1, 2, …, T
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
列出complementary slackness conditions:
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
……
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
……
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
http://l.wordpress.com/latex.php?latex=%283.9%29%5C%3B+%5Cmu+%5Cgeq+0%2C+%5Cmu+k_%7BT%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" />
下面来解上述方程及不等式。 首先(3.2) 可推出
http://l.wordpress.com/latex.php?latex=%5Clambda+_t%3E0&bg=ffffff&fg=000000&s=0(离散时间)" />
for any t, 所以(3.7)说明:
http://l.wordpress.com/latex.php?latex=%283.10%29%5C%3B+k_t-c_t-k_%7Bt%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" />
, t=0, 1, 2, …, T
其次,结合(3.4)和(3.9)导出:
http://l.wordpress.com/latex.php?latex=%283.11%29%5C%3B+%5Cbeta+%5ET%5Clambda+_T+k_%7BT%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" />
当T 取有限值时 (即 Finite Horizon),(3.11)
推出http://l.wordpress.com/latex.php?latex=k_%7BT%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" />,
即死之前吃光所有的蛋糕。当T
取无限值时(即当你长生不老),http://l.wordpress.com/latex.php?latex=k_%7BT%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" />的自然推广似乎应当是.
值得注意的是:虽然在吃蛋糕这个问题中,这个推广是对的,
但http://l.wordpress.com/latex.php?latex=%5Clim+_%7Bt%5Crightarrow+%5Cinfty+%7D%5C%3Bk_%7Bt%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" />并非永远是正确的优化必要条件。
正确的必要条件是(3.11)的自然推广:
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" />
(3.12)便是所谓的Transversality Condition (TVC) under infinite horizon. http://l.wordpress.com/latex.php?latex=%5Clim+_%7Bt%5Crightarrow+%5Cinfty+%7D%5C%3Bk_%7Bt%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" /> 在经济增长的模型中可能就不成立, 而 TVC 则是成立的。其经济含义我下面将有评论。
再者, (3.2)(3.3)可导出:
http://l.wordpress.com/latex.php?latex=%283.13%29%5C%3B+c_t%3D%5Cbeta+c_%7Bt-1%7D&bg=ffffff&fg=000000&s=0(离散时间)" />, t=0, 1, 2, …, T
最后,利用(3.13)解 (3.10)同时注意到 http://l.wordpress.com/latex.php?latex=k_0%3D1&bg=ffffff&fg=000000&s=0(离散时间)" /> 和 http://l.wordpress.com/latex.php?latex=k_%7BT%2B1%7D%3D0&bg=ffffff&fg=000000&s=0(离散时间)" /> :
http://img.blog.163.com/photo/N_nc-v1JvTfH_SlkAOcb_g==/3697455294071401799.jpg(离散时间)" /> t=0, 1, 2, …, T
[评论]
- 可能有同学注意到我在 http://l.wordpress.com/latex.php?latex=%5Clambda_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 前乘上了 http://l.wordpress.com/latex.php?latex=%5Cbeta%5Et&bg=ffffff&fg=000000&s=0(离散时间)" /> . 这是合法的。乘的数越小,则http://l.wordpress.com/latex.php?latex=%5Clambda_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 越大而已。这里我们乘上了 http://l.wordpress.com/latex.php?latex=%5Cbeta%5Et&bg=ffffff&fg=000000&s=0(离散时间)" /> 是为了使 FOCs 看上去更整齐。 同时,http://l.wordpress.com/latex.php?latex=%5Clambda_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 的经济含义也很清晰: current-value shadow price, current-value marginal utility. http://l.wordpress.com/latex.php?latex=%5Cbeta%5Et+%5Clambda_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 被称为 present value shadow price.
- 这里, http://l.wordpress.com/latex.php?latex=%5Cbeta&bg=ffffff&fg=000000&s=0(离散时间)" /> 称作 discount factor. http://l.wordpress.com/latex.php?latex=0%3C%5Cbeta%3C1&bg=ffffff&fg=000000&s=0(离散时间)" /> 说明下一期消费所带来的效用从这期来看需要打个折扣。
- 如果将 http://l.wordpress.com/latex.php?latex=k_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 当作资本存量(capital stock), 将http://l.wordpress.com/latex.php?latex=c_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 当作消费 (consumption), 则我们上面分析的就是最简单的宏观经济模型。 这里生产函数就是:http://l.wordpress.com/latex.php?latex=+f%28k%29%3D0&bg=ffffff&fg=000000&s=0(离散时间)" />. 资本积累方程就是:http://l.wordpress.com/latex.php?latex=k_%7Bt%2B1%7D%3Df%28k_t%29%2Bk_%7Bt%7D-c_%7Bt%7D&bg=ffffff&fg=000000&s=0(离散时间)" />.
- 注意到 http://l.wordpress.com/latex.php?latex=%5Cbeta+%5Et%5Clambda+_t&bg=ffffff&fg=000000&s=0(离散时间)" /> 是影子价格,那么TVC 的含义就是最优化要求 资本存量的价值 http://l.wordpress.com/latex.php?latex=%5Cbeta+%5Et%5Clambda+_t+k_%7Bt%2B1%7D&bg=ffffff&fg=000000&s=0(离散时间)" /> 随着时间的推移趋向于零。若它趋向于某个正数,则说明储蓄过多。
- 其实吃蛋糕的问题有更简单的解法。 我们在上面写限制条件时采用的是流量的形式。之所以采用这种形式是因为它便于推广到一般情形。更重要的原因是我想以这种方式引入TVC 的概念。限制条件的另一种写法是:
http://l.wordpress.com/latex.php?latex=c_0+%2B+c_1%2B...%2Bc_T%5Cleq+1&bg=ffffff&fg=000000&s=0(离散时间)" />
这是以Present Value 的形式来写的。左边是 present value of life-time consumption, 右边是 present value of life-time resources. 有同学可能会问,既是present value, 为何不见interest rate? 答案是这里利率为零 (资本边际产出为零:http://l.wordpress.com/latex.php?latex=f%27%28k%29%3D0&bg=ffffff&fg=000000&s=0(离散时间)" /> 同时折旧率也假设为零)。
[习题] 让http://l.wordpress.com/latex.php?latex=T&bg=ffffff&fg=000000&s=0(离散时间)" />成无穷大. 请使用TVC 及FOCs 解出http://l.wordpress.com/latex.php?latex=c_t&bg=ffffff&fg=000000&s=0(离散时间)" />, t=0, 1, 2, …, http://l.wordpress.com/latex.php?latex=%5Cinfty&bg=ffffff&fg=000000&s=0(离散时间)" /> .