IS-LM模型:从失衡到均衡的模拟

2023-11-10 00:30
文章标签 模型 模拟 均衡 lm 失衡

本文主要是介绍IS-LM模型:从失衡到均衡的模拟,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

IS-LM模型:从失衡到均衡的模拟

文章目录

1 I S − L M 1 IS-LM 1ISLM模型

I S − L M IS-LM ISLM是产品市场和货币市场共同均衡时的模型,它由两条曲线构成,分别是 I S IS IS曲线和 L M LM LM曲线。其中 I S IS IS曲线是在产品市场均衡(产品服务供给等于需求、计划支出等于实际支出、计划投资等于储蓄、非计划存货等于0)条件下,均衡实际收入 Y Y Y与实际利率 r r r之间的反向变化关系; L M LM LM曲线是在货币市场均衡(货币供给等于货币需求)条件下,均衡实际利率 r r r与实际收入 Y Y Y之间的正向变化关系。用方程表示为
{ Y = C ( Y ) + I ( r ) L ( r , Y ) = M / P \left\{\begin{array}{l} Y=C(Y)+I(r)\\ L(r,Y)=M/P \end{array}\right. {Y=C(Y)+I(r)L(r,Y)=M/P
其中 Y = C ( Y ) + I ( r ) Y=C(Y)+I(r) Y=C(Y)+I(r)为产品市场均衡条件(计划支出=实际支出)。消费 C ( Y ) C(Y) C(Y)是关于收入 Y Y Y的函数,假设是线性的:
C ( Y ) = α + β Y C(Y)=\alpha+\beta Y C(Y)=α+βY
其中 β ∈ ( 0 , 1 ) \beta\in(0,1) β(0,1)称为边际消费倾向, α > 0 \alpha>0 α>0为自主消费,即没有收入时的消费。在资本边际效率不变时,投资 I ( r ) I(r) I(r)是关于利率 r r r的递减函数,假设也是线性的:
I ( r ) = e − d r I(r)=e-dr I(r)=edr
其中 e > 0 e>0 e>0是自发投资, d d d是投资对利率的敏感程度。于是产品市场均衡条件可记作
Y = α + β Y + e − d r Y=\alpha+\beta Y+e-dr Y=α+βY+edr


L ( r , Y ) L(r,Y) L(r,Y)为实际货币需求,它是由 L 1 ( Y ) L_1(Y) L1(Y)需求和 L 2 ( r ) L_2(r) L2(r)需求构成。 L 1 ( Y ) L_1(Y) L1(Y)由交易性需求和预防性需求构成,随收入 Y Y Y增加而增加,不妨假定为正比例函数
L 1 ( Y ) = k Y L_1(Y)=kY L1(Y)=kY
其中 k k k表示用于支付日常开支(交易性需求)和未来不确定性(预防性需求)占实际收入的比重。 L 2 ( r ) L_2(r) L2(r)需求称为投机性需求,它是关于实际利率的递减函数,假设为负比例函数:
L 2 ( r ) = A − h r L_2(r)=A-hr L2(r)=Ahr
其中 A > 0 A>0 A>0是参数, h h h表示 L 2 L_2 L2对利率 r r r变化的敏感程度。 M M M表示名义货币供给, P P P表示价格水平, M / P M/P M/P表示实际货币供给。货币市场均衡条件可以记作
k Y + A − h r = M / P kY+A-hr=M/P kY+Ahr=M/P
我们将上述两个模型重新写在一起
{ Y = α + β Y + e − d r k Y + A − h r = M / P \left\{\begin{array}{l} Y=\alpha+\beta Y+e-dr\\ kY+A-hr=M/P \end{array}\right. {Y=α+βY+edrkY+Ahr=M/P
r , Y r,Y r,Y视为内生变量,两个方程组可以解出唯一均衡值,记作 ( r ∗ , Y ∗ ) (r^*,Y^*) (r,Y)。其中 r ∗ r^* r称为均衡实际利率, Y ∗ Y^* Y称为均衡实际收入,或均衡国民收入。从几何上看,也就是这两条直线的交点。


然而,初始的实际收入和实际利率并不是均衡的,很有可能并不在上述两条直线的交点处,例如下图 E ′ E' E, E ′ ′ E'' E′′ E ′ ′ ′ E''' E′′′
在这里插入图片描述

假设初始状态在 E ′ ′ ′ E''' E′′′,此时计划投资大于储蓄 I > S I>S I>S,实际收入 Y Y Y增加,实际利率 r r r增加,即 E ′ ′ ′ E''' E′′′点即向右移动,又向上移动,合力为右上方,直至进入 I I II II区域。在 I I II II区域中, I < S I<S I<S,实际收入减少,于是向左移动; L > M L>M L>M,实际利率继续向上移动,合力为左上方,此时进入 I I I区域。在 I I I区域, Y Y Y减少, r r r降低,合力在左下方,进入 I V IV IV区域。在 I V IV IV区域, Y Y Y增加, r r r降低,进入 I I I III III区域,于是重新回到 I I I III III区域。但每次都与均衡点 E E E不断接近。


为了使上述模型动态化,引入时间因素 t t t,于是
{ C t = α + β Y t I t = e − d r t Y t + 1 = C t + I t k Y t + A − h r t + 1 = M / P \left\{\begin{array}{l} C_t = \alpha+\beta Y_t\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t\\ kY_t+A-hr_{t+1}=M/P \end{array}\right. Ct=α+βYtIt=edrtYt+1=Ct+ItkYt+Ahrt+1=M/P
整理得到
{ C t = α + β Y t I t = e − d r t Y t + 1 = C t + I t r t + 1 = ( k Y t + A − M / P ) / h \left\{\begin{array}{l} C_t = \alpha+\beta Y_t\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t\\ r_{t+1} = (kY_t+A-M/P)/h \end{array}\right. Ct=α+βYtIt=edrtYt+1=Ct+Itrt+1=(kYt+AM/P)/h


在长期中,非均衡逐渐向均衡靠拢, r t ≈ r t + 1 ≈ r ∗ r_t\approx r_{t+1} \approx r^* rtrt+1r, Y t ≈ Y t + 1 ≈ Y ∗ Y_t\approx Y_{t+1}\approx Y^* YtYt+1Y,于是
{ C ∗ = α + β Y ∗ I ∗ = e − d r ∗ Y ∗ = C ∗ + I ∗ r ∗ = ( k Y ∗ + A − M / P ) / h \left\{\begin{array}{l} C^* = \alpha+\beta Y^*\\ I^*=e-dr^*\\ Y^*= C^*+I^*\\ r^* = (kY^*+A-M/P)/h \end{array}\right. C=α+βYI=edrY=C+Ir=(kY+AM/P)/h
使用行列式求解得到长期均衡点为
{ r ∗ = k ( α + e ) + ( 1 − β ) ( A − M / P ) k d + h ( 1 − β ) Y ∗ = h ( α + e ) − d ( A − M / P ) k d + h ( 1 − β ) \left\{\begin{array}{l} r^* = \dfrac{k(\alpha+e)+(1-\beta)(A-M/P)}{kd+h(1-\beta)} \\ Y^* = \dfrac{h(\alpha+e)-d(A-M/P)}{kd+h(1-\beta)} \\ \end{array}\right. r=kd+h(1β)k(α+e)+(1β)(AM/P)Y=kd+h(1β)h(α+e)d(AM/P)


2 数值模拟

2.1 长期均衡解

令参数 α = 500 \alpha=500 α=500, β = 0.5 \beta=0.5 β=0.5 e = 1250 e=1250 e=1250 d = 250 d=250 d=250 k = 0.5 k=0.5 k=0.5 h = 250 h=250 h=250 A = 1000 A=1000 A=1000 M = 1250 M=1250 M=1250 P = 1 P=1 P=1,代入上述均衡解得到

alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
r_star = (k*(alpha+e)+(1-beta)*(A-M/P))/(k*d+h*(1-beta))
Y_star =( h*(alpha+e)-d*(A-M/P))/(k*d+h*(1-beta))
r_star
Y_star
# 3
# 2000

现在假设初始实际利率为 r 0 = 10 r_0=10 r0=10 Y 0 = 5000 Y_0=5000 Y0=5000,基于下列公式
{ C t = α + β Y t I t = e − d r t Y t + 1 = C t + I t r t + 1 = ( k Y t + A − M / P ) / h \left\{\begin{array}{l} C_t = \alpha+\beta Y_t\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t\\ r_{t+1} = (kY_t+A-M/P)/h \end{array}\right. Ct=α+βYtIt=edrtYt+1=Ct+Itrt+1=(kYt+AM/P)/h

rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
T = 100  # 迭代次数r = numeric()
Y = numeric()
# 初始值
r[1] = 10
Y[1] = 5000
# 迭代
for (t in 1:T) {C = 500+0.5*Y[t]I = 1250-250*r[t]Y[t+1] = C+Ir[t+1] = (k*Y[t]+A-M/P)/h}
par(mfrow=c(1,2),mar = c(5,5,5,5))
plot(Y,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际利率均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")
plot(r,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际收入均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")par(mfrow=c(1,1))
plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "均衡点收敛过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")

在这里插入图片描述
在这里插入图片描述


2.2 政府部门引入

引入政府部门,政府决策变量包括政府支出 G G G、税收 T T T和转移支付 T r T_r Tr,此时均衡条件如下:
{ C t = α + β ( Y t − T + T r ) I t = e − d r t Y t + 1 = C t + I t + G r t + 1 = ( k Y t + A − M / P ) / h \left\{\begin{array}{l} C_t = \alpha+\beta (Y_t-T+T_r)\\ I_t=e-dr_t\\ Y_{t+1}= C_t+I_t +G\\ r_{t+1} = (kY_t+A-M/P)/h \end{array}\right. Ct=α+β(YtT+Tr)It=edrtYt+1=Ct+It+Grt+1=(kYt+AM/P)/h
令政府购买 G = 500 G=500 G=500,税收 T = 20 T=20 T=20,转移支付 T r = 5 T_r=5 Tr=5

rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
T = 20
Tr = 5
G = 500T = 100  # 迭代次数r = numeric()
Y = numeric()
# 初始值
r[1] = 10
Y[1] = 5000
# 迭代
for (t in 1:T) {C = 500+0.5*(Y[t]-T+Tr)I = 1250-250*r[t]Y[t+1] = C+I+Gr[t+1] = (k*Y[t]+A-M/P)/h}
par(mfrow=c(1,2),mar = c(5,5,5,5))
plot(Y,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际利率均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")
plot(r,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际收入均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")par(mfrow=c(1,1))
plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "均衡点收敛过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")

在这里插入图片描述

在这里插入图片描述


2.3 价格水平影响

使价格水平 P P P不断下降,实际货币供给不断增加,实际货币供给增加又导致均衡实际利率不断降低,进而导致投资不断增加,均衡国民收入不断增加。

rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
T = 20
Tr = 5
G = 500
T = 100  # 迭代次数
r = numeric()
Y = numeric()
# 初始值
r[1] = 10
Y[1] = 5000
# 迭代P = c(1,0.8,0.6,0.4)
par(mfrow=c(2,2),mar = c(5,5,5,5))
for(j in P){for (t in 1:T) {C = 500+0.5*(Y[t]-T+Tr)I = 1250-250*r[t]Y[t+1] = C+I+Gr[t+1] = (k*Y[t]+A-M/j)/h}plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = paste("价格水平P=",j),cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")grid(col = "black")
}

在这里插入图片描述


2.4 随机扰动因素

除收入外,还有其他一些因素也会影响消费;同理,除了利率,也有其他因素也会影响投资大小;货币需求和货币供给之间也存在随机误差。因此,均衡条件进一步改进为
{ C t = α + β ( Y t − T + T r ) + ε t I t = e − d r t + v t Y t + 1 = C t + I t + G r t + 1 = ( k Y t + A − M / P + w t ) / h ε t , v t , w t ∼ N ( 0 , 1 ) \left\{\begin{array}{l} C_t = \alpha+\beta (Y_t-T+T_r)+\varepsilon_t \\ I_t=e-dr_t+v_t\\ Y_{t+1}= C_t+I_t +G\\ r_{t+1} = (kY_t+A-M/P+w_t)/h\\ \varepsilon_t,v_t,w_t\sim N(0,1) \end{array}\right. Ct=α+β(YtT+Tr)+εtIt=edrt+vtYt+1=Ct+It+Grt+1=(kYt+AM/P+wt)/hεt,vt,wtN(0,1)
其中 ε t , v t , w t \varepsilon_t,v_t,w_t εt,vt,wt假定服从标准正态分布。

#------------------------随机扰动影响-----------------------------
rm(list = ls())
# 参数初始化
alpha = 500
beta = 0.5
e = 1250
d = 250
k = 0.5
h = 250
A = 1000
M = 1250
P = 1
T = 20
Tr = 5
G = 500
T = 100  # 迭代次数
r = numeric()
Y = numeric()
# 初始值
r[1] = 4
Y[1] = 2450
# 迭代
for (t in 1:T) {C = 500+0.5*(Y[t]-T+Tr)+rnorm(1,0,1)I = 1250-250*r[t]+rnorm(1,0,1)Y[t+1] = C+I+Gr[t+1] = (k*Y[t]+A-M/P+rnorm(1,0,1) )/h}
par(mfrow=c(1,2),mar = c(5,5,5,5))
plot(Y,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际利率均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")
plot(r,type = "l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "实际收入均衡过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")par(mfrow=c(1,1))
plot(Y,r,typ="l",lwd=2,xlab = "实际收入Y",ylab = "实际利率r",main = "均衡点收敛过程",cex.axis = 2, cex.lab = 2,cex.main = 2,family = "ST")
grid(col = "black")

在这里插入图片描述
在这里插入图片描述


这篇关于IS-LM模型:从失衡到均衡的模拟的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/379344

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

usaco 1.2 Transformations(模拟)

我的做法就是一个一个情况枚举出来 注意计算公式: ( 变换后的矩阵记为C) 顺时针旋转90°:C[i] [j]=A[n-j-1] [i] (旋转180°和270° 可以多转几个九十度来推) 对称:C[i] [n-j-1]=A[i] [j] 代码有点长 。。。 /*ID: who jayLANG: C++TASK: transform*/#include<

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言