📈 economics

An Irrelevance Theorem for Risk Aversion and Time-Varying Risk

Diese Arbeit stellt ein Theorem auf, das zeigt, dass unter spezifischen Bedingungen hinsichtlich der Präferenzseparation, der primitiven Treiber und der Linearität von Nebenbedingungen die Risikoaversion und das zeitvariante Risiko irrelevant für die Elastizität endogener Variablen gegenüber Zustandsvariablen sind, die keine höheren Momente beeinflussen, wodurch die Mechanismen geklärt werden, die in makroökonomischen Modellen erforderlich sind, um eine prominente Rolle für Risiko zu generieren.

Ursprüngliche Autoren: Andrew Chen, Francisco Palomino

Veröffentlicht 2026-06-05

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Andrew Chen, Francisco Palomino

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen vorherzusagen, wie ein Auto auf einer Straße fahren wird. Sie müssen sich im Wesentlichen um zwei Dinge sorgen:

Der Motor und die Straße: Wie viel Benzin Sie tanken (Produktivität) und wie steil der Hügel ist (Kapital). Diese bestimmen, wie schnell das Auto normalerweise fährt.
Das Wetter und die Nerven des Fahrers: Regnet es? Ist die Straße holprig? Hat der Fahrer Angst vor Unfällen? Dies repräsentiert Risiko und Risikoaversion.

Über Jahrzehnte hinweg haben Ökonomen versucht herauszufinden, ob das „Wetter und die Nerven“ (Risiko) die Art und Weise verändern, wie das Auto auf den „Motor und die Straße“ (Produktivität) reagiert. Einige Modelle sagen ja, Risiko verändert alles. Andere sagen nein.

Dieses Paper von Chen und Palomino liefert ein leistungsstarkes „Irrelevanz-Theorem“. Vereinfacht ausgedrückt argumentieren sie, dass in vielen Standard-Ökonomischen Modellen die Angst des Fahrers vor dem Risiko und das wechselhafte Wetter nicht verändern, wie das Auto auf den Motor oder die Straße reagiert.

Hier ist die Aufschlüsselung unter Verwendung alltäglicher Analogien:

1. Die drei Regeln des Spiels

Die Autoren sagen, dass diese „Irrelevanz“ nur eintritt, wenn das ökonomische Modell drei spezifischen Regeln folgt (wie die Regeln eines Brettspiels):

Regel 1: Der Fahrer ist gespalten. Das Modell geht davon aus, dass der Fahrer sich um zwei getrennte Dinge kümmert: wie reibungslos die Fahrt über die Zeit verläuft (intertemporale Präferenz) und wie sehr er Angst vor Schlaglöchern hat (Risikoaversion). Sie vermischen diese Gefühle nicht miteinander.
Regel 2: Die Straße ist gespalten. Das Modell setzt voraus, dass die Dinge, die die Durchschnittsgeschwindigkeit bestimmen (wie der Motor), völlig getrennt von den Dingen sind, die die Unruhe (Volatilität) bestimmen. Der Motor wird nicht stärker, nur weil die Straße holprig ist.
Regel 3: Die Straße ist weitgehend gerade. Die Mathematik, die die Straße beschreibt, ist annähernd eine gerade Linie. Sie weist keine plötzlichen, wilden Kurven oder Schleifen auf.

2. Die große Entdeckung: Der „Split-Screen“-Effekt

Wenn diese drei Regeln gelten, beweisen die Autoren etwas Überraschendes: Das Risiko ist irrelevant für die Reaktion des Autos auf den Motor.

Die Analogie: Stellen Sie sich vor, Sie fahren ein Auto auf einer geraden, flachen Autobahn. Wenn Sie das Gaspedal drücken (eine Änderung der Produktivität), beschleunigt das Auto.
Das Ergebnis: Es spielt keine Rolle, ob der Fahrer ein nervöses Wrack (hohe Risikoaversion) oder ein Wagemutiger (geringe Risikoaversion) ist. Es spielt keine Rolle, ob das Wetter leicht stürmisch oder perfekt ruhig ist. Das Auto wird sich um genau denselben Betrag beschleunigen.
Warum? Weil die Mathematik die Logik des „Gaspedals“ von der Logik der „Angst vor dem Unfall“ trennt. Da die Straße gerade ist und die beiden Systeme nicht miteinander kommunizieren, bekommt die Angst vor dem Risiko gar keine Chance, die Art und Weise zu verändern, wie das Auto beschleunigt, wenn man das Gas durchtritt.

3. Was verändert das Risiko denn?

Wenn das Risiko nicht ändert, wie das Auto auf das Gaspedal reagiert, was verändert es dann?

Die Durchschnittsgeschwindigkeit (Der Achsenabschnitt): Die Risikoaversion bestimmt die Basisgeschwindigkeit. Ein nervöser Fahrer fährt im Durchschnitt vielleicht langsamer, selbst wenn er auf das Gaspedal genauso reagiert wie ein mutiger Fahrer.
Die holprige Straße: Wenn der Schock vom Wetter selbst kommt (eine Änderung der Volatilität), dann spielt das Risiko eine große Rolle. Aber wenn der Schock vom Motor kommt (Produktivität), dann ändert das Risiko die Reaktion nicht.

4. Warum sagen einige Modelle, dass Risiko wichtig ist?

Sie fragen sich vielleicht: „Aber ich habe Modelle gelesen, in denen Risiko enorme wirtschaftliche Schwankungen verursacht!“ Die Autoren erklären, dass diese Modelle „die Regeln brechen“, die ihr Theorem festlegt. Um das Risiko relevant zu machen, muss ein Modell eines von drei Dingen tun:

Die Gefühle des Fahrers vermischen: Den Fahrer so gestalten, dass seine Angst vor dem Risiko beeinflusst, wie er über die Zeit denkt (z. B. wenn ich Angst habe, möchte ich Geld jetzt ausgeben statt später).
Straße und Wetter vermischen: Den Motor so gestalten, dass er anders funktioniert, je nachdem, wie holprig die Straße ist (z. B. eine holprige Straße macht den Motor weniger effizient).
Die Straße kurvig machen: Eine Mathematik verwenden, die keine gerade Linie ist. Wenn die Straße einen plötzlichen, scharfen Abhang hat (eine nicht-lineare Beschränkung), dann verändert die Angst des Fahrers vor dem Absturz, wie er den Hügel hinauffährt.

5. Die „Anpassungsstrategie“

Das Paper schlägt auch vor, dass man, wenn man ein Standardmodell verwenden möchte (in dem Risiko für die Produktivität irrelevant ist), aber dennoch wirtschaftliche Boom- und Bust-Phasen erklären will, seine Strategie ändern muss. Anstatt „Produktivitätsschocks“ (den Motor) die Schuld zu geben, muss man „Volatilitätsschocks“ (das Wetter) die Schuld geben.

Die Analogie: Wenn Sie erklären wollen, warum Staus entstehen, und dabei ein Modell verwenden, in dem der Motor das Wetter nicht kümmert, können Sie nicht sagen: „Der Motor ist kaputt gegangen.“ Sie müssen sagen: „Das Wetter wurde wirklich schlecht, und das hat alle erschreckt.“

Zusammenfassung

Das Paper ist ein „Realitätscheck“ für Ökonomen. Es besagt:

„Wenn Sie Ihr Modell mit einer geraden Straße bauen und mit einem Fahrer, der seine Angst und seine Planung getrennt hält, dann wird die Angst vor dem Risiko nicht verändern, wie die Wirtschaft auf Produktivitätsschocks reagiert.“

Dies erklärt, warum viele Standardmodelle Schwierigkeiten haben, die Realität abzubilden, in der das Risiko scheinbar alles steuert. Um die Modelle zu korrigieren, müssen Ökonomen entweder „kurvige Straßen“ (Nicht-Linearitäten) bauen, die Emotionen des Fahrers vermischen oder aufhören, Wirtschaftszyklen mit Produktivitätsschocks zu erklären und statfangen, sie mit Volatilitätsschocks zu erklären.

Technische Zusammenfassung: Ein Irrelevanztheorem für Risikoaversität und zeitvariablen Risiko

Problemstellung
Trotz Fortschritten bei der Spezifikation von Risikoempfindlichkeiten (z. B. rekursive Präferenzen, langfristiges Risiko, Katastrophenrisiko) und Risikodynamiken haben Standard-Real-Business-Cycle-Modelle (Produktionsökonomien) Schwierigkeiten, eine signifikante Rolle für das Risiko bei der Erklärung beobachteter makroökonomischer und finanzieller Dynamiken einzunehmen. Während solche Präferenzen erfolgreich die Fakten der Asset-Preise in Endowment-Ökonomien abbilden können, versagen sie oft dabei, ausreichende Volatilität oder realistische Kovarianz in Produktionsökonomien zu erzeugen, sofern sie nicht durch spezifische Friktionen (z. B. nominale Rigiditäten oder unvollständige Märkte) ergänzt werden. Die Autoren suchen zu klären, warum diese „exotischen“ Risikomodelle oft nicht in der Lage sind, die Impulsantworten von Standard-Produktionsmodellen auf fundamentale Schocks zu verändern, und unter welchen Bedingungen Risikoaversität und zeitvariables Risiko für die ökonomische Dynamik irrelevant werden.

Methodik
Die Arbeit verwendet ein repräsentatives Agenten-Framework mit Epstein- und Zin (1989) (EZ) rekursiven Präferenzen, die die intertemporale Substitutionselastizität von der Risikoaversität trennen. Die Analyse erfolgt durch drei methodische Stufen:

Zwei-Perioden-Illustration: Ein vereinfachtes Zwei-Perioden-Modell wird verwendet, um die Intuition hinter dem Irrelevanzresultat abzuleiten. Die Autoren zerlegen die Euler-Gleichung in einen „intertemporalen Term“ (gesteuert durch Erwartungswerte und die Elastizität der intertemporalen Substitution) und einen „Risiko-Term“ (gesteuert durch Risikoaversität und höhere Momente). Sie zeigen, dass, wenn die Produktionstechnologie die intertemporale Transformation von der zustandsbedingten Transformation trennt und wenn die Nebenbedingungen annähernd linear sind, der Risiko-Term hinsichtlich der Elastizitäten in Bezug auf Erster-Moment-Zustände vom intertemporalen Term entkoppelt ist.
Allgemeiner theoretischer Rahmen: Die Autoren formalisieren eine allgemeine abstrakte Struktur für Rational-Expectations-Modelle. Sie definieren „Erster-Moment-Zustände“ (Variablen, die Erwartungswerte steuern, z. B. Produktivität, Kapital) und „höhere Moment-Zustände“ (Variablen, die Volatilität und Schiefe steuern). Der Beweis stützt sich auf risikoadjustierte affine Approximationen. Dies beinhaltet:
- Die Annahme, dass die Nebenbedingungen konditional affin (log-linearisiert) sind.
- Die Annahme, dass die kumulanten Erzeugendenfunktionen (CGFs) der Schocks konditional affin in den höheren Moment-Zuständen sind.
- Die Verwendung der Methode der unbestimmten Koeffizienten zur Lösung der Bewegungsgesetze endogener Variablen.
Numerische Validierung: Um Bedenken hinsichtlich der Annahme der annähernden Linearität zu adressieren, verwenden die Autoren globale Projektionsmethoden (Judd, 1992; Caldara et al., 2012). Sie simulieren zwei Klassen von Modellen:
- Klasse 1: Friktionslose Modelle mit Normalverteilungs-Schocks (Erweiterung von Tallarini, 2000).
- Klasse 2: Modelle mit großen Investitionsfriktionen, niedriger Elastizität der intertemporalen Substitution (EIS) sowie schiefen, fettbauchigen Gamma-Schocks.
  Diese Simulationen testen das Irrelevanzresultat unter extremer Risikoaversität (bis zu 100) und hoher Volatilität der Volatilität (bis zu 80 % des Baselines).

Zentrale Beiträge und theoretische Ergebnisse
Die Arbeit etabliert ein formales Irrelevanztheorem, das besagt, dass unter drei spezifischen Bedingungen die Risikoaversität und das zeitvariable Risiko irrelevant für die Elastizität einer endogenen Variable in Bezug auf Erster-Moment-Zustände sind:

Trennung der Präferenzen: Intertemporale und Risiko-Einstellungen sind getrennt (wie bei EZ-Präferenzen).
Trennung der Treiber: Die Primitiven des Modells trennen die Treiber der Ersten Momente (Mittelwerte) von den höheren Momenten (Volatilität, Schiefe).
Annähernde Linearität: Die Nebenbedingungen sind annähernd linear.

Hauptergebnisse:

Elastizitäts-Irrelevanz: Unter den Bedingungen des Theorems ist die Elastizität endogener Variablen (einschließlich Asset-Preise) in Bezug auf Erster-Moment-Zustände (z. B. Produktivitätsschocks, Regierungspolitik) unabhängig von der Risikoaversität ( $\gamma$ ) und den Parametern, welche das zeitvariable Risiko steuern. Die Impulsantworten auf diese Schocks sind identisch mit denen in einem Erwartungswert-Modell (Certainty-Equivalent-Modell ohne Risiko).
Abgrenzung zu Tallarini (2000): Die Arbeit klärt, dass die Tallarini-Trennung nicht zwischen makroökonomischen Größen und Finanzpreisen erfolgt, sondern zwischen Mittelwerten und Volatilitäten. Risikoaversität beeinflet die Intercepts und Steady States (z. B. den durchschnittlichen Equity Premium), aber nicht die Dynamik (Volatilitäten und Impulsantworten) von Variablen, die durch Erster-Moment-Schocks getrieben werden.
Heteroskedastizität: Wenn Schocks heteroskedastisch sind, bleibt die Risikoaversität für die Reaktionen auf Erster-Moment-Zustände irrelevant, wird jedoch entscheidend für die Reaktionen auf höhere Moment-Zustände (z. B. Volatilitätsschocks).
Robustheit: Das Irrelevanzresultat hält auch in Modellen mit signifikanten Nichtlinearitäten (niedrige EIS, hohe Anpassungskosten) und nicht-gaußschen Schocks (fette Enden, Schiefe) stand, sofern die Nebenbedingungen keine starken nichtlinearen Interaktionen zwischen Erstem und höherem Moment erzeugen.
Erweiterungen: Das Theorem lässt sich auf breitere Präferenzklassen ausweiten, einschließlich Smooth Ambiguity (Klibanoff et al., 2005) und Multiplikator-Präferenzen (Hansen und Sargent, 2001), solange diese die Trennung der intertemporalen Substitution von anderen Präferenzdimensionen beibehalten.

Bedeutung und Implikationen
Die Arbeit liefert einen Benchmark für das Verständnis der Frage, warum Standard-Produktionsökonomien oft nicht in der Lage sind, Risiko als primären Treiber der Business-Cycle-Dynamik zu integrieren. Sie legt nahe, dass Modellierer, damit das Risikomodelling in solchen Ökonomien aussagekräftig wird, entweder:

Die Irrelevanz „brechen“ müssen: Eine der drei Schlüsselannahmen entfernen. Dies beinhaltet die Modellierung nicht-separabler Risiko-Rendite-Tradeoffs in der Produktion (Verknüpfung von Erstem und höherem Moment), die Einführung starker Nichtlinearitäten (z. B. gelegentlich bindende Nebenbedingungen wie die Nullzinsschwelle/Zero Lower Bound) oder die Verwendung von Präferenzen, bei denen intertemporale und Risiko-Einstellungen nicht getrennt sind (z. B. Habit-Formation).
Sich an die Irrelevanz „anpassen“ müssen: Die Business Cycles durch Schocks auf höhere Moment-Zustände (z. B. Volatilitätsschocks) statt durch Erster-Moment-Zustände vorantreiben. Dies erfordert jedoch die Überwindung des Barro-und-King-Problem der Kovarianz, was oft zusätzliche Friktionen wie nominale Rigiditäten oder Investitionsreallokationskanäle notwendig macht.

Die Autoren kommen zu dem Schluss, dass das Bestreben, ökonomische Kanäle (intertemporal vs. Risiko) in der Standardmodellierung zu trennen, zu einer strikten Trennung in den Gleichgewichtsbedingungen führt, was das Risiko für spezifische Dynamiken irrelevant macht. Dieses Theorem klärt die Grenzen aktueller Modelle und skizziert die spezifischen strukturellen Modifikationen, die erforderlich sind, um eine prominente Rolle des Risikos in Produktionsökonomien zu generieren.