Baixe o app para aproveitar ainda mais
Prévia do material em texto
Simulação Computacional e Economia Pós-Keynesiana Júlio Fernando Costa Santos Doutorando em Economia - IEUFU 1 O Problema da Dinâmica Econômica • Tempo Contínuo - Problemas que envolvem EDOs - EX.: O Modelo IS-LM Dinâmico, O modelo de Ramsey. • Tempo Discreto - Problemas que envolvem equações à diferenças - Ex.: O modelo Multiplicador-Acelerador, Modelos SFC 2 O Problema da Dinâmica Econômica Tempo Contínuo e Tempo Discreto Ambos permitem soluções numéricas e analíticas. Numérico – Vantagem de poder avançar na complexidade do modelo. Analítico – Elegância e melhor estudo das propriedades. 3 Softwares para Resolução de Modelos 4 O Problema da Dinâmica Econômica IS–LM Dinâmico para Economia Fechada: Versão Dinâmica com EDO 5 O Problema da Dinâmica Econômica IS–LM Dinâmico para Economia Fechada: Equilíbrio 6 𝑦 = 𝛼. (𝐴 + 𝑎1. 𝑦 𝑡 − . 𝑟 𝑡 ) (1) 𝑟 = 𝛽. (−𝑚0 + 𝑘. 𝑦 𝑡 − 𝑢. 𝑟 𝑡 ) (2) 𝐴 + 𝑎1. 𝑦 𝑡 − . 𝑟 𝑡 = 0 (3.a) 𝑦 𝑡 = .𝑟 𝑡 −𝐴 𝑎1 (3.b) −𝑚0 + 𝑘. 𝑦 𝑡 − 𝑢. 𝑟 𝑡 = 0 (4.a) 𝑟 𝑡 = −𝑚0+𝑘.𝑦 𝑡 𝑢 (4.b) O Problema da Dinâmica Econômica IS–LM Dinâmico para Economia Fechada: Equilíbrio 7 Substituindo a (4.b) em (3.b), chegaremos ao produto de equilíbrio 𝑦∗. 𝑦 𝑡 = −.𝑚0+.𝑘.𝑦 𝑡 −𝐴.𝑢 𝑢.𝑎1 𝑦 𝑡 . 1 − .𝑘 𝑢.𝑎1 = −.𝑚0−𝐴.𝑢 𝑢.𝑎1 𝑦 𝑡 . 𝑢.𝑎1−.𝑘 𝑢.𝑎1 = −.𝑚0−𝐴.𝑢 𝑢.𝑎1 𝑦 𝑡 = −.𝑚0−𝐴.𝑢 𝑢.𝑎1 . 𝑢.𝑎1 𝑢.𝑎1−.𝑘 𝒚∗ = 𝑨.𝒖+𝒉.𝒎𝟎 𝒉.𝒌−𝒖.𝒂𝟏 (5) O Problema da Dinâmica Econômica IS–LM Dinâmico para Economia Fechada: Equilíbrio 8 De igual maneira, substituindo a (3.b) em (4.b), chegaremos ao produto de equilíbrio 𝑟∗. 𝑟 𝑡 = 𝑘..𝑟 𝑡 −𝑘.𝐴−𝑚0.𝑎1 𝑎1.𝑢 𝑟 𝑡 . 1 − 𝑘. 𝑎1.𝑢 = −𝑘.𝐴−𝑚0.𝑎1 𝑎1.𝑢 𝑟 𝑡 . 𝑎1.𝑢−𝑘. 𝑎1.𝑢 = −𝑘.𝐴−𝑚0.𝑎1 𝑎1.𝑢 𝑟 𝑡 = −𝑘.𝐴−𝑚0.𝑎1 𝑎1.𝑢 . 𝑎1.𝑢 𝑎1.𝑢−𝑘. 𝑟∗ = 𝑚0.𝑎1+𝑘.𝐴 𝑘.−𝑎1.𝑢 (6) Dessa forma, o sistema tem equilíbrio único e não depende dos parâmetros 𝛼 e 𝛽. 𝑦∗, 𝑟∗ = 𝐴.𝑢+.𝑚0 .𝑘−𝑢.𝑎1 , 𝑚0.𝑎1+𝑘.𝐴 𝑘.−𝑎1.𝑢 (7) O Problema da Dinâmica Econômica IS–LM Dinâmico para Economia Fechada: Equilíbrio Dessa forma, o produto e a taxa de juros de equilíbrio não dependem de α e β. Se então tr(Jac) < 0. Como o produto negativo não é aceitável, em equilíbrio y*>0, o que implica a condição kh – a1u > 0. Então, o determinante da matriz jacobiana é maior que zero e temos um equilíbrio estável. 9 O Problema da Dinâmica Econômica IS–LM Dinâmico para Economia Fechada: Calibragem para a Simulação: 10 O Problema da Dinâmica Econômica IS–LM Dinâmico para Economia Fechada: 11 Tempo Discreto – Modelo de Samuelson 12 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador 𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 + 𝐺0 𝐶𝑡 = 𝛾𝑌𝑡−1, 0 < 𝛾 < 1 𝐼𝑡 = 𝛼. 𝐶𝑡 − 𝐶𝑡−1 , 𝛼 > 0 Modelo Final: 𝑌𝑡 = 𝛾𝑌𝑡−1 + 𝛼. 𝛾𝑌𝑡−1 − 𝛾𝑌𝑡−2 + 𝐺0 𝑌𝑡 = 𝛾 + 𝛼 . 𝑌𝑡−1 − 𝛼. 𝛾𝑌𝑡−2 + 𝐺0 𝑌𝑡 − 𝛾 + 𝛼 . 𝑌𝑡−1 + 𝛼. 𝛾𝑌𝑡−2 = 𝐺0 Tempo Discreto – Modelo de Samuelson 13 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador Equação à diferenças de 2ª Ordem: Solução Analítica: 𝑌𝑡 − 𝛾 + 𝛼 . 𝑌𝑡−1 + 𝛼. 𝛾𝑌𝑡−2 = 𝐺0 A solução desse tipo de equação se subdivide em duas partes, onde a solução geral é a soma da solução particular (que é a que fornece um valor de equilíbrio intertemporal) mais a função complementar (desvios em relação ao equilíbrio). 𝑌𝑔 = 𝑌𝑝 + 𝑌𝑐 Tempo Discreto – Modelo de Samuelson 14 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador Solução Particular (Equilíbrio Intertemporal): Sabendo no equilíbrio, 𝑌𝑡 = 𝑌𝑡−1 = 𝑌𝑡−2 = 𝑘 (uma constante qualquer). 𝑌𝑡 − 𝛾 + 𝛼 . 𝑌𝑡−1 + 𝛼. 𝛾𝑌𝑡−2 = 𝐺0 𝑘 − 𝛾 1 + 𝛼 𝑘 + 𝛼𝛾𝑘 = 𝐺0 𝑘 1 − 𝛾 1 + 𝛼 + 𝛼𝛾 = 𝐺0 𝑘 = 𝐺0 1 − 𝛾 1 + 𝛼 + 𝛼𝛾 = 𝐺0 1 − 𝛾 = 𝑌𝑝 Tempo Discreto – Modelo de Samuelson 15 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador Solução Complementar (Desvios de Curto Prazo): A segunda parte diz respeito à função complementar. Para isso, devemos transformar nossa equação de diferenças de segunda ordem em uma equação homogênea (o termo constante = 0). 𝑌𝑡−𝛾 1 + 𝛼 𝑎1 𝑌𝑡−1 + 𝛼𝛾 𝑎2 𝑌𝑡−2 = 0 𝑌𝑡 +𝑎1𝑌𝑡−1 +𝑎2𝑌𝑡−2 = 0 𝑌𝑡+2 +𝑎1𝑌𝑡+1 +𝑎2𝑌𝑡 = 0 Tempo Discreto – Modelo de Samuelson 16 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador Solução Complementar (Desvios de Curto Prazo): Por conveniência, pegaremos a equação de diferenças anterior e jogaremos dois períodos à frente (o que não altera em nada a nossa equação). Temos que a solução para equações de diferenças homogêneas utiliza a seguinte igualdade 𝑌𝑡 = 𝐴𝑏 𝑡. Dessa forma, iremos substituir na equação anterior e assim obter: 𝐴𝑏𝑡+2 + 𝑎1𝐴𝑏 𝑡+1 + 𝑎2𝐴𝑏 𝑡 = 0 𝐴𝑏𝑡 𝑏2 + 𝑎1𝑏 + 𝑎2 = 0 Após cancelar o fator comum 𝐴𝑏𝑡 ≠ 0, ficamos com a seguinte equação característica: 𝑏2 + 𝑎1𝑏 + 𝑎2 = 0 𝑏2 − 𝛾 1 + 𝛼 𝑏 + 𝛼𝛾 = 0 Tempo Discreto – Modelo de Samuelson 17 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador Solução da Equação Característica: 𝑏2 − 𝛾 1 + 𝛼 𝑏 + 𝛼𝛾 = 0 Caso 1 (Raízes Reais Distintas) 𝛾 > 4𝛼 1 + 𝛼 2 𝑌𝑐 = 𝐴1𝑏1 𝑡 + 𝐴2𝑏2 𝑡 Caso 2 (Raízes Repetidas) 𝛾 = 4𝛼 1 + 𝛼 2 𝑌𝑐 = 𝐴3𝑏 𝑡 + 𝐴4𝑡𝑏 𝑡 Tempo Discreto – Modelo de Samuelson 18 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador Solução da Equação Característica: 𝑏2 − 𝛾 1 + 𝛼 𝑏 + 𝛼𝛾 = 0 Caso 3 (Raízes Complexas) 𝛾 < 4𝛼 1 + 𝛼 2 𝑏1, 𝑏2 = ± 𝑣𝑖 Onde = − 𝑎1 2 e 𝑣 = 4𝑎2−𝑎1 2 2 𝑌𝑐 = 𝐴1𝑏1 𝑡 + 𝐴2𝑏2 𝑡 = 𝐴1( + 𝑣𝑖) 𝑡+𝐴2( − 𝑣𝑖) 𝑡 O teorema de Moivre para transformar essa função em termos trigonométricos (esse mais facilmente interpretável). ± 𝑣𝑖 = 𝑅𝑡(𝑐𝑜𝑠 𝜃𝑡 + 𝑖 𝑠𝑒𝑛 𝜃𝑡) Tempo Discreto – Modelo de Samuelson • Solução Numérica 19 O Modelo de Samuelson – Interação entre o Multiplicador e Acelerador 𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 + 𝐺0 𝐶𝑡 = 𝛾𝑌𝑡−1, 0 < 𝛾 < 1 𝐼𝑡 = 𝛼. 𝐶𝑡 − 𝐶𝑡−1 , 𝛼 > 0 20 Tempo Discreto – Modelo de Samuelson 𝛾 = 1/𝛼 Divisor de Estabilidade 𝛾 > 1/𝛼 Trajetória Explosiva 𝛾 < 1/𝛼 Trajetória Amortecida 𝛾 = 4.𝛼 1+𝛼 2 Raízes Repetidas 𝛾 > 4.𝛼 1+𝛼 2 Raízes Distintas 𝛾 < 4.𝛼 1+𝛼 2 Raízes Complexas Instável Explosiva Flutuação Convergente Estável sem ciclo *** Flutuação Uniforme *** Flutuação Explosiva O Problema da Dinâmica Econômica Soluções Numéricas: • Tempo Contínuo - Runge Kutta 4ª Ordem (Resolução Numérica de EDO) - Método de Euller (Resolução Numérica de EDO) • Tempo Discreto - Linear (Gauss-Seidel/Jacobi – Resolução Numérica de Sistemas Lineares) - Não Linear (Newton-Raphson – Resolução Numérica de Sistemas Não Lineares) 21 Modelos SFC • A abordagem SFC se preocupa em analisar a matriz contábil do modelo (Balanço Patrimonial, Transações e Variações de fluxo) de modo a dar um tratamento rigoroso de “tracking” nas variáveis Monetárias e Reais. • A princípio ela não é uma abordagem estritamente pós- keynesiana. Ela pode ser utilizada para qualquer modelo Ortodoxo ou Heterodoxo. A rigor, o que a abordagem faz é evitar buracos negros na modelagem econômica. 22 Modelos SFC • “Da mesma forma que os estoques no início do período afetam o fluxo da renda, também é verdade que os fluxos poupados e ganhos de capital necessariamente afetam os estoques ao fim do período, que também de fato, afetaram os fluxos no próximo período” (Zezza e dos Santos, 2007). • Na maioria dos casos podeser considerado um sistema de n equações simultâneas que possuem n variáveis a serem resolvidas, sendo portanto um sistema determinado. 23 Modelos SFC Número de Equações < Número de Variáveis Sistema Indeterminado Número de Equações = Número de Variáveis Sistema determinado Número de Equações > Número de Variáveis Aproximação por MQO 24 Modelos SFC Ex.: Determinar os valores de 𝑥1 𝑒 𝑥2 em: 5. 𝑥1 + 2. 𝑥2 = 4 2. 𝑥1 − 𝑥2 = 1 Formas de resolver: (1) Isolar 𝑥1 da primeira equação e substituir na segunda (2) Transformar o sistema em matrizes e vetores 25 Modelos SFC (1) – Por substituição: 5. 𝑥1 + 2. 𝑥2 = 4 2. 𝑥1 − 𝑥2 = 1 (a) Isolar 𝑥1 da primeira equação e substituir na segunda: 𝑥1 = 4−2.𝑥2 5 (b) Substituindo 𝑥1 na segunda equação: 2. 4−2.𝑥2 5 − 𝑥2 = 1 𝑥2 = 1 3 (c) Substituindo 𝑥2 em 𝑥1 isolado em (a) 𝑥1 = 2 3 26 Modelos SFC (2) – Forma Matricial: 5. 𝑥1 + 2. 𝑥2 = 4 2. 𝑥1 − 𝑥2 = 1 (a) Deixar na forma matricial 5 2 2 −1 . 𝑥1 𝑥2 = 4 1 (b) Resolve-se o sistema: 𝐴. 𝑋 = 𝐵 sendo 𝐴−1. 𝐴 = 𝐼 𝐴−1. 𝐴. 𝑋 = 𝐴−1. 𝐵 (c) O problema se torna: 𝑋 = 𝐴−1. 𝐵 27 Sistemas em Forma de Matriz • Problema envolvendo sistema linear. 28 1 4 3 −1 2 −2 2 0 3 . 𝑥1 𝑥2 𝑥3 = 16 −12 18 Encontrar solução para 𝑥1, 𝑥2 𝑒 𝑥3. Forma Matricial 𝑥 = 𝐴−1. 𝑏 Solução: Sistemas em Forma de Matriz • Problema envolvendo sistema linear. 29 2 1 3 1 2 1 . 𝑥1 𝑥2 = 1 2 3 3 Equações, 2 Incógnitas (x1,x2) Forma Matricial 2. 𝑥1 + 𝑥2 = 1 3. 𝑥1 + 2. 𝑥2 = 2 𝑥1 + 𝑥2 = 3 Que solução então podemos tomar? A solução passa a ser encontrar o vetor de x mais próximo possível para que se torne verdadeiro Ax=B. Nos resta como opção encontrar o vetor x cujo erro do sistema seja o menor possível ao quadrado. Dessa forma, usaremos o MQO. Sistemas em Forma de Matriz • Problema envolvendo sistema linear. 30 2 1 3 1 2 1 . 𝑥1 𝑥2 = 1 2 3 3 Equações, 2 Incógnitas (x1,x2) Forma Matricial 2. 𝑥1 + 𝑥2 = 1 3. 𝑥1 + 2. 𝑥2 = 2 𝑥1 + 𝑥2 = 3 Solução: MQO Sistemas em Forma de Matriz • Problema envolvendo sistema linear. 31 2 1 3 1 2 1 . 𝑥1 𝑥2 = 1 2 3 Forma Matricial 2. 𝑥1 + 𝑥2 = 1 3. 𝑥1 + 2. 𝑥2 = 2 𝑥1 + 𝑥2 = 3 Seja: 𝐴𝑥 = 𝐵 𝐴𝑇 . 𝐴𝑥 = 𝐴𝑇 . 𝐵 𝐴𝑇 . 𝐴 −1. 𝐴𝑇 . 𝐴 𝐼𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑥 = 𝐴𝑇 . 𝐴 −1. 𝐴𝑇 . 𝐵 𝒙 = 𝑨𝑻. 𝑨 −𝟏 . 𝑨𝑻. 𝑩 Solução Analítica x Numérica Solução Analítica: - Prós: Elegância, estudo das propriedades, - Contras: Exige algum grau de simplicidade do modelo. Solução Numérica: - Prós: Pode-se utilizar modelos pesados (complexos) - Contras: Pouco conhecimento as propriedades gerais do modelo. 32 Modelo IS-LM SFC (Oreiro-Santos et al.) • Motivação: Modelo IS-LM que não exista buracos negros: - Há restrições ao investimento? - Como o governo se financia? - O circuito monetário (tracking) - E o lucro das empresas? - A renda disponível das famílias é consistente? 33 Modelo IS-LM SFC (Oreiro-Santos et al.) Exemplo de problema original: Principais livros textos da graduação: 𝑌𝐷 = 𝑌 − 𝑇 O que está implícito? Lucros distribuídos instantaneamente para as famílias 34 Modelo IS-LM SFC (Oreiro-Santos et al.) • Balanço Patrimonial: 35 Households Firms Government Central Bank ∑ Fixed Capital Money Bills / Corporate Notes Balance (net worth) ∑ 0 0 0 0 0 + 𝑓 + 𝑓 + − +𝐵 +𝐵𝑐 −𝐵𝑔 −𝑉 −𝑉𝑓 +𝑉𝑔 − 𝑓 −𝐵𝑓 Modelo IS-LM SFC (Oreiro-Santos et al.) • Matriz de Transações: 36 Current Capital Current Capital Consumption 0 Government Expenditures 0 Investment 0 Wages 0 Taxes 0 Interest Payments 0 Central Bank Profits 0 Firms Profits 0 Change in Money 0 Change in Bills / Corp. Notes 0 ∑ 0 0 0 0 0 0 0 Firms Government ∑Households Central Bank −𝐶 +𝐶 −𝐺+𝐺 −𝐼+𝐼 −𝑊+𝑊 −𝑇 +𝑇 +𝑟𝑡−1 ∗ 𝐵 𝑐𝑡−1+𝑟𝑡−1 ∗ 𝐵𝑡−1 −𝑟𝑡−1 ∗ 𝐵𝑔𝑡−1 +𝑟𝑡−1 ∗ 𝐵 𝑐𝑡−1 −𝑟𝑡−1 ∗ 𝐵 𝑐𝑡−1 − + 𝑓+ − + − 𝐵 + 𝐵𝑔 − 𝐵 𝑐+ 𝐵𝑓 −𝑟𝑡−1 ∗ 𝐵𝑓𝑡−1 Modelo IS-LM SFC (Oreiro-Santos et al.) • Equações Comportamentais Empresas: 𝐼 = = 𝛾0 + 𝛾1. 𝑢−1 − 𝛾2𝑟 . −1 (1) 𝑢 = 𝑌.𝜎 𝐾 (2) 𝑓 = 1 − 𝑑 . (𝑌 −𝑊 − 𝑟−1. 𝐵𝑓−1) (3) Δ𝐵𝑓 = 𝐵𝑓 − 𝐵𝑓−1 = 𝐼 − 𝑓 (4) = 𝑑. (𝑌 −𝑊 − 𝑟−1. 𝐵𝑓−1) (5) = −1 + 𝐼 (20) 37 Modelo IS-LM SFC (Oreiro-Santos et al.) • Equações Comportamentais Famílias: 𝑊 = 𝑤. 𝑌 (9) 𝑌𝐷 = 1 − 𝜃 . (𝑊 + 𝑟−1. 𝐵−1 + ) (8) 𝐶 = 𝛼1. 𝑌𝐷 + 𝛼2. 𝑉−1, 0 < 𝛼2 < 𝛼1 < 1 (7) = 𝜆10. 𝑉 𝑒 + 𝜆11. 𝑟. 𝑉 𝑒 + 𝜆12. 𝑌𝐷 𝑒 (16) 𝐵 = 𝜆20. 𝑉 𝑒 + 𝜆21. 𝑟. 𝑉 𝑒 + 𝜆22. 𝑌𝐷 𝑒 (17) 𝑉𝑒 = 𝑉−1 (18) 𝑌𝐷𝑒 = 𝑌𝐷−1 (19) Restrições de Portfólio 𝜆10 + 𝜆20 = 1 (ADUP.1) 𝜆11 + 𝜆21 = 0 (ADUP.2) 𝜆12 + 𝜆22 = 0 (ADUP.3) 𝜆14 + 𝜆24 = 0 (ADUP.4) 38 Modelo IS-LM SFC (Oreiro-Santos et al.) • Equações Comportamentais Governo e BACEN 𝐺 = 𝛾. −1 (10) 𝑇 = 𝜃. 𝑊 + 𝑟−1. 𝐵−1 + , 𝜃 < 1 (11) 𝐵𝑠= 𝐵𝑠 − 𝐵𝑠−1 = 𝐺 + 𝑟−1. 𝐵𝑠−1 − 𝑇 + 𝑟−1. 𝐵 𝑐−1 (12) 𝑠= 𝑠 − 𝑠−1 = 𝐵 𝑐 (13) 𝐵 𝑐 = 𝐵𝑠 + 𝐵𝑓 − 𝐵 (14) 𝑟 = 𝑟 (15) 39 Modelo IS-LM SFC (Oreiro-Santos et al.) • Equações Comportamentais Resumo: Variáveis Endógenas: 𝐼, , 𝑢, 𝑌, 𝐵𝑓, 𝐵, 𝐵𝑐 , , 𝑓, , Δ𝐵𝑓, Δ𝐵, Δ𝐵𝑠, Δ 𝑠, 𝑉, 𝑌𝐷,𝑊, 𝐺, 𝑇, 𝑉 𝑒, 𝑌𝐷𝑒 (21 𝑉𝑎𝑟𝑖á𝑣𝑒𝑖𝑠) Variáveis Exógenas: 𝑟 = 𝑟 Parâmetros: 𝛼1, 𝛼2, 𝑑, 𝜆10, 𝜆11, 𝜆12, 𝜆20, 𝜆21, 𝜆22, 𝛾, 𝛾0, 𝛾1, 𝛾2, 𝜔, 𝜎, 𝜃 (16 𝑎𝑟â𝑚𝑒𝑡𝑟𝑜𝑠) Estoques Iniciais: Todos zerados, exceto o 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 = 100. 40 Modelo IS-LM SFC (Oreiro-Santos et al.) • Solução Numérica do Modelo • Sendo ele de natureza Linear, o mais indicado é usar o algoritmo de Gauss- Seidel. “Uma alternativa possível para reduzir a complexidade de resolução é utilizar o Algoritmo de Gauss-Seidel (GS) para resolver o sistema linear via iteração. Dessa forma, vamos a sua construção lógica com um exemplo simples extraído do artigo de Terence O’Shea e Stephen Kinsella”. 41 Modelo IS-LM SFC (Oreiro-Santos et al.) Como funciona o Algoritmo? 42 Looping no Tempo Fase 1: Fornecer os parâmetros e os estoques existentes e pré-alocar as variáveis endógenas Equações do Modelo sendo Resolvidas por GS Sai do looping GS quando o erro for menor que o tolerável Armazena as variáveis em t para ser o chute em t+1 Modelo IS-LM SFC (Oreiro-Santos et al.) GS: Em forma matricial, a iteração de Gauss-Seidel é dada da seguinte forma: 𝑥(𝑘+1) = 𝐷 + 𝐿 −1. (𝑈. 𝑥 𝑘 + 𝑏) Onde 𝐴 = 𝐷 + 𝐿 + 𝑈. As matrizes 𝐷, 𝐿 e 𝑈 representam a diagonal, triangular estritamente inferior e triangular estritamente superior. 𝑘 é o contador de iterações. Entrada por entrada toma a seguinte forma: 𝑥𝑖 (𝑘+1) = 1 𝑎𝑖𝑖 . 𝑏𝑖 − 𝑎𝑖𝑗 . 𝑥𝑗 𝑘+1 𝑗<𝑖 − 𝑎𝑖𝑗 . 𝑥𝑗 (𝑘) 𝑗>𝑖 , 𝑖 = 1,2, … , 𝑛 43 Modelo IS-LM SFC (Oreiro-Santos et al.) GJ: Se a escolha for por Gauss-Jacobi, a entrada tem a seguinte forma: 𝑥𝑖 (𝑘+1) = 1 𝑎𝑖𝑖 . 𝑏𝑖 − 𝑎𝑖𝑗𝑥𝑗 (𝑘)𝑛 𝑗=1,𝑗≠𝑖 , 𝑖 = 1,2, … , 𝑛 O único porém é que a convergência é mais lenta. 44 Modelo IS-LM SFC (Oreiro-Santos et al.) GS: 45 Condição p/ Convergência: Modelo IS-LM SFC (Oreiro-Santos et al.) GS: 46 Convergência Gauss-Seidel Alternativa de Resolução do Modelo: O Algoritmo de Gauss-Seidel (método para determinação de sistemas lineares via iteração) nos permite resolver problemas com várias equações simultâneas sem ter que realizar um trabalhoalgébrico pesado para o cálculo do produto de curto prazo. Modelo IS-LM SFC (Oreiro-Santos et al.) Resultados da Simulação 48 Modelo IS-LM SFC (Oreiro-Santos et al.) Resultados da Simulação 49 Modelo IS-LM SFC (Oreiro-Santos et al.) Resultados da Simulação 50 Modelo IS-LM SFC (Oreiro-Santos et al.) Resultados da Simulação 51 Modelo IS-LM SFC (Oreiro-Santos et al.) Resultados da Simulação 52 Modelo IS-LM SFC (Oreiro-Santos et al.) Resultados da Simulação 53 Modelo IS-LM SFC (Oreiro-Santos et al.) • Solução Analítica do Modelo • Sendo ele um modelo de crescimento, o mais recomendável é normalizá- lo pelo capital para que se possa encontrar uma solução de estado estacionário • Transformando o modelo em 5 equações fundamentais: 54 Normalizado Em nível Em log Modelo IS-LM SFC (Oreiro-Santos et al.) • A Curva u: 𝐶 = 𝛼1. 𝑌𝐷 + 𝛼2. 𝑉−1 𝐺 = 𝜌. −1 𝐼 = = 𝛾0 + 𝛾1. 𝑢−1 − 𝛾2𝑟 . −1 𝑌 = 𝐶 + 𝐺 + 𝐼 Fazendo as devidas substituições e manipulações algébricas, chegamos em: 𝑢. 𝑣 = 𝛼1. 1−𝜃 .(𝑤.𝑌)+𝛼2.𝑉−1+𝜌.𝐾−1+ 𝛾0+𝛾1.𝑢−𝛾2𝑟 .𝐾−1 𝐾−1 𝑢 = 1 𝑣−1−𝛼1. 1−𝜃 . 𝑤.𝑣 −𝛾1 . 𝜌 + 𝛾0 − 𝛾2𝑟 + 𝛼2 𝑣−1−𝛼1. 1−𝜃 . 𝑤.𝑣 −𝛾1 . 𝑣−1 Sendo, 𝜓1 = 1 𝑣−1−𝛼1. 1−𝜃 . 𝑤.𝑣 −𝛾1 , temos que: 𝒖 = 𝝍𝟏. 𝝆 + 𝜸𝟎 − 𝜸𝟐𝒓 + 𝝍𝟏. 𝜶𝟐. 𝒗𝒉−𝟏 55 Modelo IS-LM SFC (Oreiro-Santos et al.) • A Curva u: 𝒖 = 𝝍𝟏. 𝝆 + 𝜸𝟎 − 𝜸𝟐𝒓 + 𝝍𝟏. 𝜶𝟐. 𝒗𝒉−𝟏 56 Modelo IS-LM SFC (Oreiro-Santos et al.) O Sistema Completo: 1. 𝑏𝑠 = 𝑏𝑠−1 + 𝛾 − 𝑤 + 𝑑 − 𝑑.𝑤 . 𝜃. 𝑢. 𝜎 − (𝜃 + 1). 𝑟−1. 𝑏−1 + 𝜃. 𝑑 − 1 . 𝑟−1. 𝑏𝑓−1 2. 𝑏𝑓 = 1 + 1 − 𝑑 . 𝑟−1 . 𝑏𝑓−1 + 𝑔 − 1 − 𝑑 . 1 − 𝑤 . 𝑢. 𝜎 3. 𝑏 = (𝜆20 + 𝜆21. 𝑟). 𝑣−1 + 𝜆22. 1 − 𝜃 . 𝑤 + 𝑑 − 𝑑.𝑤 . 𝑢−1. 𝜎 + 𝑟−2. 𝑏−2 − 𝑑. 𝑟−2. 𝑏𝑓−2 4. 𝑣 = 1 − 𝛼2 . 𝑣−1 + 1 − 𝛼1 . 1 − 𝜃 . 𝑤 + 𝑑 − 𝑑.𝑤 . 𝑢. 𝑣 + 𝑟−1. 𝑏−1 − 𝑑. 𝑟−1. 𝑏𝑓−1 5. 𝑢 = 𝜓1. 𝜌 + 𝛾0 − 𝛾2𝑟 + 𝜓1. 𝛼2. 𝑣−1 57 Modelo IS-LM SFC (Oreiro-Santos et al.) • Dinâmica Comparativa (Choques) – Alpha (10%) 58 + - Modelo IS-LM SFC (Oreiro-Santos et al.) • Dinâmica Comparativa (Choques) – d (10%) 59 + - Modelo IS-LM SFC (Oreiro-Santos et al.) • Dinâmica Comparativa (Choques) – Gamma (10%) 60 + - Modelo IS-LM SFC (Oreiro-Santos et al.) • Dinâmica Comparativa (Choques) – r (10%) 61 + - Modelo IS-LM SFC (Oreiro-Santos et al.) • Dinâmica Comparativa (Choques) – Theta (10%) 62 + - Modelo IS-LM SFC (Oreiro-Santos et al.) • Dinâmica Comparativa (Choques) – w (10%) 63 + - Modelo IS-LM SFC (Oreiro-Santos et al.) • Dinâmica Comparativa (Choques) – Resumo 64 Ret_EBI Alpha1 +10% 6,34% 6,34% 6,34% 1,58 1,04 76,71% 19,88% Alpha1 -10% 5,33% 5,33% 5,33% 2,60 1,38 71,67% 18,95% d +10% 5,34% 5,34% 5,34% 3,32 -0,66 71,69% 17,78% d -10% 6,27% 6,27% 6,27% 1,14 2,48 76,34% 20,76% Ghama_0 +10% 6,04% 6,04% 6,04% 1,89 1,36 74,18% 19,48% Ghama_0 -10% 5,55% 5,55% 5,55% 2,27 1,03 73,74% 19,24% r +10% 5,78% 5,78% 5,78% 2,12 1,12 74,38% 19,50% r -10% 5,81% 5,81% 5,81% 2,02 1,28 73,54% 19,23% Theta +10% 5,31% 5,31% 5,31% 1,95 1,39 71,54% 18,93% Theta -10% 6,30% 6,30% 6,30% 2,14 1,05 76,50% 19,84% w +10% 6,52% 6,52% 6,52% 0,75 3,40 77,59% 18,67% w - 10% 5,12% 5,12% 5,12% 4,10 -1,67 70,64% 20,21% Shock Capacity Utilization Notes/EBIBills/GDPg_Kg_Vg_Y_d Modelo IS-LM SFC (Oreiro-Santos et al.) • Todo Modelos SFC pode ser convertido em um DAG(Grafo Acíclico Direcionado) 65 Modelo IS-LM SFC (Oreiro-Santos et al.) • Todo Modelos SFC pode ser convertido em um DAG(Grafo Acíclico Direcionado) 66 Modelo IS-LM SFC (Oreiro-Santos et al.) • Representação como DAG (Grafo Acíclico Direcionado) 67 G – Gasto Público I – Investimento K – Capital Físico, W – Salários Ph – Lucros Distribuídos YD – Renda Disponível Pf – Lucros Retidos T – Tributos C – Consumo V – Riqueza Bs – Títulos Públicos ofertados Bh – Títulos Públicos em posse das famílias Bf – Títulos Privados Bcb – Títulos em posse do Bacen dBf – Variação T.P dBs – Variação T.P. dHs – Variação da oferta monetária. Modelos Não-lineares Mas e se o modelo for não linear? Newton-Raphson Função: 𝑦 = 𝑥2 − 2. 𝑥 O que o método faz é utilizar um chute inicial 𝑥0 e calcular até o ponto onde 𝑓(𝑥0) seja 0. O método extrapola assumindo que a função é linear e utiliza de um laço iterativo para utilizar a cada nova iteração o 𝑓𝑛𝑜𝑣𝑜 obtido anteriormente como o novo chute. Calcula a derivada da função no ponto 𝑥0 vezes o deslocamento em x. O método irá parar de iterar quando o 𝑓𝑛𝑜𝑣𝑜 estiver bem perto do 𝑓(𝑥) = 0. Modelos Não-lineares Mas e se o modelo for não linear? Newton-Raphson Modelos Não-lineares Mas e se o modelo for não linear? Newton-Raphson Modelos Não-lineares Mas e se o modelo for não linear? Newton-Raphson Formas de minimizar o erro: Modelos Não-lineares Formas de minimizar o erro: Exemplo Simples: Modelos Não-lineares Formas de minimizar o erro: Outras Referências
Compartilhar