明斯基金融不稳定、规模间反馈、渗透和

事实上，人们可能会设想一套可以由计算机自动执行的干预规则（包括以电子方式向监管机构政策支持的单位开放的信用额度）。7.2.2以加息的方式对待明斯基贷款加速器：在错误的时间做正确的事图13中的黄色和黑色垂直箭头表示两种情况以不同的强度/时间执行相同政策干预的实现。正是由于网络的影响，这两种干预可能产生截然相反的效果。如果希望减少“非理性繁荣”明斯基贷款加速期内产生的债务，可以尝试提高利率i。然而，这将增加系统中庞氏指数ρ的比例。在地图上，这相当于将代表系统状态的点移到图的顶部。如果这一举措将系统从稳定（方形模式）区域带到微区（均匀丁香色）区域，这将导致成功的泡沫消散，而失败的数量有限。这些失败主要是最容易暴露出来的庞氏骗局，因此构成了对熊彼特的创造性破坏。然而，如果垂直移动将系统从稳定区带到（带条纹的）明斯基不稳定区，那么结果就是监管者自己为了避免它而进行的尝试引发了一场大灾难。历史记载中经常会遇到这种情况。事实上，维基百科对日本“失去的十年”开始的描述与上述情景惊人地相似。然后，政策解决方案是在当地采取行动，实施直接干预，支持更可能触发、传播或放大故障雪崩的机构。

如上所述，一个标准规则可以是查看最初破产公司的第二个邻居（图14（a）中的3个）是否有问题，并为第一个邻居（图14（a）中的2个）债务提供监管机构担保。这结合了最低限度的费用和最大限度的保护，防止雪崩蔓延的系统性危机渗透。这种算法是在电子病毒网络免疫的背景下开发的[Goldenberg 2005]。当然，没有完美的解决方案：监管者在表面上的自由市场中的干预总是存在公平、道德风险的问题，更不用说意识形态上不愿赋予“官僚”自由市场的权力或帮助银行使用纳税人的钱了。从这个角度来看，基于代理的模型不能声称具有优越性，但它们可能具有更强大的能力，能够在贸易和资产负债表数据中进行大规模搜索，以选择特定类型的公司，将其单独列为符合特定外科手术干预条件的公司，而不是宏观经济措施。回到医学类比，他们可能会帮助固定膝盖，而不是截肢腿。7.2.3逆周期降低利率是否稳定？如上所述，利率是监管机构拥有的最可用、最可控的工具之一，他们可能会在必要时使用利率。特别是：调节器应将i调整为与N相反的值，例如，通过施加负指数α，inEq。24（在大衰退蔓延后，美联储和欧洲央行最终做到了这一点），人们可以避免（当然要以其他风险和扭曲为代价）失控的危机。

图15显示了外部施加的负α对贷款市场施加的趋同（承认相当颠簸）的例子。我们可以观察到，如果利率反周期指数的斜率足够小：0<α<1，则图15所示的收敛过程中的超调更温和。因此，更稳定的政策可能是使用央行利率，比如保持非金融部门的利率不变。然而，通货膨胀率、外汇、生产成本、资产价格都会发生变化，这可能会打破公司的弹性和利率之间的平衡，使一些公司陷入庞氏骗局。事实上，其中一些外生因素可能会对实际利率产生影响。监管机构可能会在第一时间通过降低利率进行干预。然而，在非常剧烈的通货膨胀情况下，即使利率为0，也意味着实际利率较高，日本的情况就是如此，可以说是大衰退。一些人将其称为“流动性陷阱”（尽管凯恩斯在引入该术语时可能有不同的含义）。在名义利率不能再降低的情况下，监管机构可以通过保证以相同的实际利率继续滚动贷款的方式进行干预。这将确保实体部门继续生产所需的信贷额度将像金融危机之前一样发挥作用。这在一定程度上是日本监管机构在整个20世纪90年代为保护房地产而采取的行动。1989年底，日本财务省认识到这种泡沫是不可持续的，因此大幅提高了利率和美元汇率（这是由双边谈判触发的地缘政治决定）。

这种严厉的政策导致泡沫破裂，股市崩溃。一场债务危机接踵而至，日本的银行和保险公司现在都背负着坏账。通过ZF注资、中央银行贷款以及推迟确认损失的能力，金融机构得到了救助。”http://en.wikipedia.org/wiki/Lost_Decade_（日本）。图15：一个假设的经济体，监管者的政策要求利率随着违约次数的减少而降低。这样做的问题是，它可能会破坏贷款图表（触发一个新的明斯基贷款加速器）图3（b）。

然而，可能存在一个窗口，图2（b）和当前图都适用：贷款和违约循环都将稳定。上述泡沫破裂（hokai）后的生产部门，以及随之而来的大规模通货膨胀。同样的政策也适用于家庭（尤其是在房地产抵押贷款方面）：监管机构可能会为危机时刻之前足够长时间内（以及在正常经济条件下证明有偿付能力）的债务提供担保。7.3我们模型的基本假设，直到一个完全计算机化的政策管理系统能够得到“实时”数据的支持acquisitionsystem，在软件策略执行平台能够以本地化的有针对性的方式对其进行管理之前，只能将图13中的图表用作静态和宏观工具，以分析系统的短期前景。这种使用背后的假设是参数的短期（以周为单位）可靠性：γ：在周的水平上，财务关系稳定，个体代理人的弹性可能会改变，但作为一个网络，系统在宏观上保持相同的临界密度ρc和临界指数γ。α：在这个时间尺度上，监管利率对违约的依赖性的系数α也是静态的：在欧洲，在欧洲央行评估经济形势和货币政策执行情况的理事会会议期间，欧洲央行每月在欧洲央行选择一次关于关键利率的政策决定。β：系统中庞氏公司的密度ρt是一个变量，微观上可以随时改变（当付款到期时，庞氏代理可以违约）。

然而，随机异质性指数β可能保持稳定。其中一些参数受监管机构的影响，可以在图表指导的政策范围内确定目标：例如，指数β可以通过改变税收政策而受到影响，对收入大和收入小的代理人有不同的规定。在这样的政策下，代理人弹性的分布将发生巨大变化，图13中的图表将不得不绘制出来。在更发达的数据采集环境中，图表13还可以与动态模拟结合使用，实时参数/事件（例如，在大公司破产、自然灾害等重大冲击后重新设计的网络）将被输入动态模拟，系统的相位必须在数据允许的情况下尽可能频繁地重新建立。在缺乏真正的微观分辨率工具的情况下，图表13可作为欧洲央行理事会现有程序的补充工具，用于模拟利率计划变动时系统各阶段会发生哪些变化。7.4处理全球随机参数的不确定性本文中使用的统计方法避开了每个公司和每个贸易联系的微观知识的必要性，并将其简化为全球参数的知识，如ρ、α、β、γ等。即使仅限于此，对这些参数（或操作上等效的参数）的评估将至少需要那种效果，并将面临与新古典宏观经济计量方法类似的问题。

有关在宏观经济可测量数据之间提取可靠定量联系的困难，请参见[Rogo ff 2010]及其[Herndon 2013]的批评，以及[Alesina 2010]及其[Guajardo 2010]的批评。此外，决策者对两手都灵活的经济学家的著名抱怨（哈里·杜鲁门：“给我一个单手经济学家”），将扩展到对依赖更大（而且不熟悉！）的模型的抱怨经验上难以确定新数量的数量：β：由指数β参数化的弹性异质性不容易确定。这不仅取决于公司的资产负债表数据，这些数据并不总是可用或可靠的，而且还可能取决于经济的财务结构和债务收购条件的细节，更具体地说，是债务结构（长期与短期、是否有风险溢价、抵押物的强弱、旧债务或滚动信贷等）。α：个别失败对利率的影响由α参数化，它甚至更加难以捉摸，取决于具体情况。根据媒体报道、其他当代事件等，同一事件（公司倒闭）可以从更严重或更轻的角度来看待。此外，不同的银行可能会对不同的借款人征收不同的利率，从而将全球参数α也转化为微观上的不均匀参数。当然，我们仍然可以组织一个系统的测量，将一段时间内的故障量与利率联系起来，并提取平均α。γ：参数γ描述了网络几何结构对传染病病毒大小的影响，尤其是当一个人增加庞氏密度时，病毒大小向系统维度发散的方式。校准γ的难度不低于其他参数：1。

如前所述，我们甚至不清楚简单的渗流图（而不是Isingor bootstrap percolation[Kindler 2013]）是否正确。2.网络的链接在现实中具有非常不同的权重。3.与资产负债表数据相比，隐私规则对公司之间贸易关系细节的访问更为有限。金融机构之间的债务关系比较容易处理。在以前的监管制度下，中央银行对这些联系进行了监控。4.整个网络永远都不完整：即使拥有整个国家的数据，也在很大程度上无法确定个别公司的进出口数据。贸易关系网络不稳定：每年有一小部分（10%）的公司破产，被网络关系中的其他贸易伙伴所取代。人们可以继续进行这些资格认证。ρ：要创建如图13所示的图表，需要知道ρc和ρ的值。为此，inturn必须监控代理人之间的财务关系，以及他们的“私密性”。然而，网络链接可以表示经济主体之间不同类型的联系，具体取决于分析领域。关注信用关系、银行之间的风险敞口以及银行间支付系统中的流动性流尤其重要，因为这样的网络连接以动态方式增加了庞氏状态。

然而，共享共同资产的代理商[Battiston 2012]或居住在同一地理位置的公司（与劳工和/或消费者共享同一家庭）之间也建立了相关联系。简化后的相图13的希望在于，即使在介绍了大量现实的经验细节之后，这种不同阶段之间存在尖锐的阶段边界，也可以确保基于上述抽象的许多戏剧性转变可能仍然存在。基于代理的模型的战略信息是，人们应该将监管机构的监控能力组织到一个更高的分辨率水平：通过类比，人们永远不会期望城市交通堵塞只能在全球参数的基础上得到解决，比如每米的车数或平均速度。在此之前，我们可以庆幸的是，根据我们的模型，网络、自上而下和自下而上的参数经常出现在αβγ的组合中，这大大减少了需要校准的有效经验参数的数量，并大大降低了对其误差的敏感性。7.4.1放松/修改现有模型假设的模型示例在上述情况下，我们假设微观上不均匀的试剂网络中存在统计上的宏观同质性。

我们的意思是，虽然微观上公司有不同的等级（合作伙伴数量）、不同的弹性、不同的聚类系数，但在宏观尺度上，在网络的不同区域之间，找到某一等级、弹性或聚类系数的概率没有显著变化。当然，现实世界并不一定如此：人们可以考虑由相互连接但不同的子网络构成的系统[Erez 2005]或其他偏离宏观统计一致性的局部系统[Cohen 2003]。然而，在这种情况下，经验预测将取决于额外的微观或宏观信息，而不是取决于一定数量的全球几何参数，正如哈耶克很久以前担心的那样[Hayek 1948]。此外，在每家公司都有许多联系人的情况下，假设只有一个合作伙伴倒下，公司就会失败，这是不现实的，而且必须考虑[Kindler 2013]中所述的所有关系的加权影响。在[Kindler 2013]中，该案的相关形式主义被证明是“引导式渗透”，不在本次论述的范围之内。另一个问题是系统对危机渗透攻击的反应。当然，在这种情况下，网络宏观均匀性假设被打破：反应导致系统在受到攻击的位置表现不同。[Hershberg 2001]和[Goldenberg 2005]研究了影响系统性能的此类“抗病毒”反应的例子。