浙大经院邬介然老师论文被经济理论国际顶尖期刊Theoretical Economics接受发表

发布日期: 2020-05-14 来源: 59

日前, 浙江大学经济学院金融学系邬介然老师作为通讯作者,与美国波士顿大学苗建军教授、美国弗吉尼亚大学Eric Young 教授合作的题为“Macro-Financial Volatility under Dispersed Information”(分散信息下的宏观金融波动性)的学术论文被经济理论国际顶级期刊、经济学院认定的国际A类期刊 Theoretical Economics 正式接受发表。

股票市场的过度波动性以及其与实体经济的弱相关性是宏观金融领域最著名的理论难题之一。 通过构造一个存在分散信息摩擦 (Dispersed Information Frictions)的资产定价模型,该论文解释了为什么股票市场的波动性是如此之大,而宏观经济(基本面)数据却十分平滑。 该论文从理论上严格证明了,当金融市场的投资者预期出现微小非理性失误(small near rational errors)时,股票市场的总体波动性将随着个体冲击的波动性的增加而增加并趋近于无穷,尽管个体冲击本身对宏观经济不具备任何影响。 驱动该结果的核心机制是不完备性信息条件下由投资者的信号处理问题导致的个体投资决策与总体价格的动态反馈回路(Dynamic Feedback Loop)。当一个总体冲击来临时,投资者将其误认为个体投资机会而调整持股策略。这种由信息摩擦造成的协调性行动放大了股票波动性。 虽然股票价格作为信号反应了宏观经济真实的基本面,但非理性失误的存在使投资者将其归咎于他人的失误(而非自己的),最终导致股票价格呈现单位根性质(Unit Root Process另一方面,该论文证明了信息不对称导致的无穷维高阶期望将减弱实体经济的波动性,其波动性总是小于完备信息下的模型。 当金融市场呈现有限参与(limited participation)时,金融市场与实体经济的波动相关性十分薄弱。 基于上述发现以及个体生产率波动的经验事实,该论文通过数值计算与参数校准发现,理论模型能够完全解释数据中的宏观金融波动性。 此外,作为方法论的贡献,该论文提出了一个解析函数空间上的谱密度函数2步分解方法以求得内生价格信号的Wold 表示,从而为使用频谱域(Frequency Domain)z-变换方法求解不完备信息下宏观金融模型的解析解提供了新的途径。

目前,该论文的发现已被美国麻省理工学院纽约大学、香港大学、香港科技大学等院校著名学者发表在国际顶级期刊Journal of Finance, Journal of European Economic Associations的论文所引用。

邬介然:美国弗吉尼亚大学经济学博士2015年加盟浙江大学经济学院, 主要研究方向为宏观金融,信息摩擦,与数理经济学。 


附论文摘要:


Macro-Financial Volatility under Dispersed Information

Jianjun Miao, Jieran Wu, Eric Young

AbstractWe provide a production-based asset pricing model with dispersed information and small deviations from full rational expectations. In the model, aggregate output and equity prices depend on the higher-order beliefs about aggregate de- mand and individual stochastic discount factors. We prove that equity price volatility becomes arbitrarily large as the volatility of idiosyncratic shocks di- verges to infinity, while aggregate output volatility falls. We propose a two-step spectral factorization method that permits closed-form solutions in the frequency domain applicable to a wide range of models with more hidden states than signals. Our model can quantitatively match output and equity volatilities observed in US data.