经济周期的内生机制

Gusev等人（2015）也提出，投资者在短期和长期内根据自己的意见采取不同的行动，这是相对于平均记忆范围的定义. 下一段将转载他们的基本论点。让我们考虑一位投资者，她刚刚按照自己的预期向市场分配了资本。第二天，在其他条件不变的情况下，该投资者不会修改其分配，除非她的情绪发生变化，因为她已经部署了反映相同感知水平的资本。因此，忽略外部约束，投资者对过去情绪水平的记忆会持续的时间范围内的投资过程 必须主要由情绪变化驱动。相反，在更长的视野内 投资者的投资或资产剥离主要取决于情绪水平本身，因为他们之前的分配决定在记忆中不会与之前的情绪水平联系在一起。由于资本流动导致价格变化，第19页给出了两种渐近观点， 对于 和 对于, 可以叠加（由于缺乏更简单的替代方案），得出一个近似描述价格和预期之间关系的方程式：    其中常量 和 为正且为常数 可以接受任何迹象。现象学关系（13）指出，价格的变化首先与投资者情绪的变化成比例，其次与情绪偏离某一参考水平成比例 这可以解释为投资者对技术进步推动的长期经济增长的预期。

如上所述，第一个期限是短期价格变动的主要来源，而第二个期限决定了长期的主导行为。方程（11-13）形成了一个非线性动力学系统，将市场路径描述为在相空间中演化的轨迹. Gusev等人（2015年）研究了该模型中轨迹的几何结构，以突出某些市场行为的机制，如牛市和熊市之间的过渡。这篇论文也进行了复制，使用经验测量, 美国股市的实际价格路径和收益分布具有较好的精度。Kroujiline等人（2016年）推导出了更一般版本的方程式（11-13），以涵盖具有不同投资期限的投资者群体，从而提高了模型的精度，并将此扩展版本应用于回报预测。1.2. 实证检验本节补充了Gusev et al.（2015）和Kroujiline et al.（2016）的实证研究：简要报告了市场价格路径实证复制的最新结果。第20页经验应用基于. 自从 定义为对未来市场表现方向的总体公开预期，该变量可通过解析公开信息直接衡量。为此，我们寻求 包含正回报预期的新闻项目数减去包含负回报预期的新闻项目数与相关新闻项目总数的比率。本文以美国股票市场为实证研究对象，以标准普尔500指数为代表。我们只考虑英语媒体。我们应用Gusev等人提出的基于规则的解析方法。

（2015）从DJ/Factiva新闻档案中检索1995-2017年期间的每日新闻数据，包括报纸和期刊文章、新闻专线、博客和其他出版物。因此，我们获得了每日 在此期间（图1a）。我们替换 将其转换为方程（11）并进行数值求解，以获得经验投资者情绪 如图1b所示。然后，我们计算模型价格 从…起 使用方程式（13）。由此产生的经验模型价格 如图1c所示。有关测量的更多详细信息 发现于Gusev等人（2015年）。在实践中，正如上面所讨论的，有关当前和近期市场回报的新闻，构成了本研究相关新闻量的大部分，也包括在, 以及有关预期回报的信息。这种实证方法与通过方程式（12）在模型中实施的价格反馈概念以及投资者可能通过推断过去回报形成预期的实证证据一致（Green wood和Shleifer，2014）。第21页图1：经验,  和 1995年至2017年。（a） 信息 使用基于规则的文本解析进行度量。（b） 情绪 根据测量值计算 使用方程（11）和系数,  和 （营业日）根据实际估计和/或主要余额考虑确定（更多解释见第3.1节）。注意，Gusev等人（2015）通过迭代最小化过程证明，系数值, 随着时间的推移保持稳定。（c） 型号价格 从第22页开始计算 使用方程（13）和通过最小二乘拟合估计的系数，如下所示：, ,  积分常数等于.

每日模型价格与每日指数原木价格之间的相关性为95%。因此，该模型可以可靠地复制过去的价格轨迹。测试模型的预测能力超出了本文的范围。我们只注意到，Kroujiline等人（2016年）利用方程式（11-13）的广义版本，开发了基于模型相空间中市场地位分析的回报预测方法，并在此基础上构建了投资策略。该策略自2016年4月1日起进行现场交易，其唯一输入内容为新闻。1.3. 有效市场限制根据模型（11-13），股票市场的演化是由外生新闻流和内生价格反馈机制驱动的。前者包含随机成分，因此导致市场价格随机波动。后者诱导内部动力学，产生确定性行为。考虑市场路径主要由随机影响决定的情况将是有益的。在这种情况下，市场将表现出一种随机游走，如果它是有效的。因此，我们可以预期模型（11-13）将有效市场制度作为一种特殊情况。让我们讨论一下如何恢复这起案件。为了获取市场效率，我们将在模型（11-13）中做出以下假设：投资者之间没有互动;  无价格反馈;  分析师在信息到达时即时解释信息; 投资者立即对Page | 23分析师提供的意见作出反应. 我们请客 作为一种随机的新闻流，并假设从长期来看，积极新闻的数量平均大于消极新闻的数量，这反映了技术进步。

因此，我们设置  哪里 是常数平均值，且 是正态分布的零均值白噪声。我们进一步假设新闻流的波动和平均值都很小， 和, 从而排除了极端的市场机制，如伴随着高新闻活动的崩盘和反弹，在这些市场中，市场很可能表现得效率低下。这些假设将方程（11）和（12）分别按一阶简化为 和 , 而假设 这意味着价格形成方程（13）必须修正为只包含渐近的   有效日期： （第1.1节）。因此，模型方程（11-13）变为    整合后会导致市场价格的随机游走：  请注意，提供的价格漂移为正值, 这意味着，从长远来看，反映技术进步的好消息必须（大约）超过预期，才能维持长期增长。因此，正如预期的那样，模型（11-13）并没有反驳有效市场模型，而是将其作为一种特殊情况加以规范。综上所述，到目前为止报告的结果使我们能够合理地得出这样的结论：模型（11-13）源自第一原理，为解释市场行为建立了一个通用、易处理和可信的第24页框架。在下一节中，我们将在宏观经济背景下应用该模型，以强调可能负责产生商业周期和促进经济增长的内生机制。2.

基本实体经济-股票市场模型我们的目标是调查股票市场模型（11-13）通过宏观经济系统内的相互作用可以产生的关键影响。为此，我们应用了产出和需求之间的基本关系，去掉了经济和市场耦合所不需要的任何辅助特征。这种关系由Blanchard（1981）提出，是clas sic IS方程的扩展，该方程将股票市场价格设定为通过投资（托宾q）和消费（财富效应）驱动支出的主要因素（收入除外）：   方程式（16）表明输出 随时间调整 需求的任何变化 与收入，即产出成比例, 和股票市场价格为了方便起见，我们将其表示为日志输出 以及原木价格 （吸收时  进入 和):  Blanchard（1981）还包括一个财政政策术语。我们在这项工作中不考虑政策影响。方程（17）可以从柯布-道格拉斯生产的动态扩展中获得，作为一种限制性情况，其中产出会随着时间的推移根据信贷摩擦引起的资本变化进行调整（Gusev et al，2019）。第25页让我们一起考虑方程（11-13）和（17）。在这个宏观经济系统中，股票市场通过方程（17）影响实体经济。我们必须对经济如何反过来影响市场做出假设，以关闭这一体系。

顺便说一下，新闻流, 作为市场模型（11-13）中唯一的外生变量，提供了这种联系。回想一下 包括可能与形成投资意见相关的任何公共信息。可以合理预期，在经济增长中，正面经济新闻（如有关公司盈利或经济指标的新闻）的数量平均将超过负面新闻的数量，相反，负面新闻将在收缩经济中普遍存在。此外，如第1.3节所述，我们预计，从长远来看， 积极转变以反映技术进步。因此，我们可以划分新闻流 分为三部分：   哪里 其变化是否与经济产出的变化率一致； 是其与技术进步相关的长期正向均值；和 是我们假设为非均匀分布的零均值白噪声的余数。

因此，我们获得了一个自包含的动力系统，用于一般经济和股票市场的共同进化：                第26页方程式（19a）定义了一个非常基本的经济关系，我们将其用于研究经济-市场相互作用。尽管如此，股票市场模型（19b-d）具有非平凡的内部动力学，在耦合系统中启动了复杂的内生行为，正如我们将看到的，即使所附的经济成分像（19a）一样简单。应该可以使用方程（19d）将股票市场模型（19b-d）与其他经济模型配对，以便该股票市场模型可以在各种相关的经济环境中使用。在目前的工作中，我们优先考虑在耦合系统中选择经济成分的简单性，以便关注通过相互作用产生的典型效应。我们将讨论方程式（19）捕捉和解释的两种效应：短期至中期经济波动和长期经济增长。这些结果需要一定的澄清。由于关系式（19a）意味着经济价格保持不变，因此它通常被解释为适用于比价格调整时间短得多的时间尺度。

在这里，鉴于上述先验知识，我们将此基本关系用作说明目的的指导性和可处理的示例。因此，我们选择将其解释为描述一个假设的经济体，在这个经济体中，通货膨胀与时间框架无关。因此，我们还将在较长的时间范围内研究方程（19）。本文旨在通过探索实体经济与股票市场互动的新思路，为现有的商业周期研究做出贡献。因此，我们在结束本节时简要概述了当前工作的背景。方程式（19a）是一个方便的起点。它是由Blanchard（1981）提出的，用于将理性预期股票市场模型集成到耦合的经济市场系统中。随后的研究重点是扩展Blanchard的工作，通过与市场的相互作用增强经济的活力。特别是，在该框架中引入了具有异质投资者（即家族噪声和基本面交易者）的基于代理的市场模型，以推导出具有多重均衡和内生动力学的宏观经济系统，如Chiarella et al.（2006），尤其是在当前背景下，Franke和Ghonghadze（2014）以及Flaschel等人（2017），涉及投资者意见动态。目前的工作与上述研究有共同的动机，因为我们还试图将商业周期解释为经济中通过与（动态）市场的互动而产生的内生现象。然而，我们的方法在以下关键方面与现有文献不同。首先，本文采用的市场模型与其他模型有很大的不同。它以不同的机制（第1.1节）为微观基础，并经过经验验证（第1.2节）。

其次，通过注意到外生新闻流必须受经济表现的调节，以一种新颖的方式处理经济向市场的反馈（方程式18）。最后，该模型的可处理性使我们能够识别商业周期和阿尔弗特背后的机制。关于相关文献，我们注意到Benhabib et al.（2016）在“太阳黑子”文献的背景下研究情绪驱动的金融市场在商业周期形成中的作用（见Farmer，2014）。它还将商业周期视为具有多重均衡的耦合经济市场系统中产生的内生波动；然而，他们的模型和在此开发的模型在结构和行为上有很大的不同。此外，值得一提的是，基于主体的计算经济学的研究正在快速增长，在宏观层面上，通过直接模拟主体之间微观层面的相互作用，获得了失衡的内生动力学。参见LeBaron和Tesfatsion（2008）以及Fagiolo和Roventini（2012）的评论，其中包括与DSGE方法的详细比较。最后，由于新闻驱动市场在我们的研究中起着核心作用，一般来说，它与DSGE框架内关于新闻在商业周期形成中的作用的最新文献有共同点（例如Beaudry和Portier，2004、2014；Jaimovich和Rebelo，2009）。第28页要求我们使用真实世界（第3.3节）和相空间（附录）描述对该机制进行详细解释。3、实体经济与股票市场耦合模型研究这部分论文的结构如下。第3.1节确定了模型参数的实际值范围。第3.2节研究了模型的长期行为。