📈 economics

The Design of Optimally Balanced Pay-as-you-go Social Security Systems

本文结合一般均衡理论与 Dognini (2025) 提出的逆向计算算法，为处于人口转型期的国家设计了基于现收现付制的最优平衡社会保障体系，该体系在均衡下类似于名义账户制，并以巴西、中国、印度、意大利和美国的历史及预测数据为例进行了实证说明。

原作者： Leandro Lyra Braga Dognini

发布于 2026-04-15

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Leandro Lyra Braga Dognini

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常紧迫且关乎每个人切身利益的问题：当社会变老、孩子变少时，我们该如何设计一个既公平又可持续的养老金系统？

作者提出了一种名为“最优平衡的现收现付制（Pay-as-you-go）”的养老金设计方案。为了让你轻松理解，我们可以把整个社会想象成一个巨大的、跨越几代人的**“接力赛”**。

1. 核心问题：接力棒快接不住了

想象一下，养老金系统就像一场接力赛：

年轻的一代（跑得快的人）：他们正在工作，负责把“接力棒”（税款/养老金缴费）交给年老的一代（跑不动的人），让他们能安享晚年。
现状：过去，每个跑不动的人背后有 20 个年轻人在跑（比如 1950 年的巴西）。但现在，随着生育率下降，未来可能只有 2 个甚至更少的人在跑。
后果：如果规则不变，年轻人要背的担子会越来越重，或者老人拿到的钱会越来越少，系统就会崩溃。

2. 传统做法 vs. 作者的新方案

传统做法（向后看）：就像开车只看后视镜。政府通常说：“以前大家退休能拿这么多钱，以后也得这么多。”或者“为了省钱，我们得少发点钱。”这种办法往往是被动的，等到危机爆发了才去修修补补，导致年轻人怨声载道，老人也不满意。
作者的新方案（向前看）：作者提出了一种**“预知未来的导航仪”**。
- 这个方案的核心思想是：今天的养老金规则，必须基于对未来几十年人口和经济变化的预测来制定。
- 它不是简单地“收多少发多少”，而是通过复杂的数学模型（一般均衡理论），计算出在人口结构变化的每一个阶段，什么样的缴费比例和发放比例，能让每一代人（无论是现在的年轻人还是未来的老人）都觉得自己没有吃亏，且整个系统没有浪费任何资源。

3. 核心工具：倒着算的“时间机器”

论文中最精彩的部分是一个叫**“倒推算法”**的工具。

比喻：想象你要走一条很长的路，从起点（现在）走到终点（2070 年）。通常我们是顺着走，但这条路太长了，充满了未知。
作者的策略：作者建议先站在终点（2070 年），假设那时候系统已经完美平衡了，然后倒着往回走，一步步推算出今天应该怎么做。
为什么有效？ 就像下棋，如果你知道最后一步怎么走才能赢，你就能倒推出每一步的最佳走法。通过这种“倒推”，作者能算出今天年轻人该交多少，明天老人该领多少，才能让整个“接力赛”在 2070 年依然完美运行，且中间没有任何一代人感到被剥削。

4. 关键概念：名义账户（Notional Accounts）

你可能会问：“这听起来像是一个复杂的数学游戏，跟我的钱包有什么关系？”

作者发现，这种最优方案在现实中非常像**“名义账户制”**（瑞典和意大利已经在用）。

比喻：想象每个人都有一个**“虚拟存折”**。
- 你工作时，把一部分钱存进去（缴费）。
- 这个存折里的钱并没有被拿去投资（不像基金），而是直接发给了现在的老人（现收现付）。
- 但是，你的存折里会记录你存了多少钱，并且系统会根据**“人口增长率”和“经济生产率”**自动给你的存折算利息。
- 关键点：如果未来年轻人变少了（人口负增长），这个“利息”就会自动调低，意味着你退休后领到的钱会相应调整，而不是由现在的年轻人硬扛。
- 好处：这就建立了一种**“多劳多得，少劳少得，且风险共担”**的公平机制。你交的钱和你未来的收益是挂钩的，消除了“我交钱是不是在养别人”的疑虑。

5. 论文做了什么？（巴西、中国、美国等国的案例）

作者用这个“倒推算法”和“虚拟存折”理论，模拟了巴西、中国、印度、意大利和美国从 1950 年到 2070 年的情况。

发现：
- 在人口结构剧烈变化的时期（比如中国未来 25 年，巴西未来 40 年），养老金系统的“回报率”（即你交的钱能换来多少未来的钱）必须动态调整。
- 如果未来人口增长变慢，今天的年轻人就需要稍微多交一点，或者未来的老人需要稍微少领一点，这种调整必须是平滑的、可预测的，而不是突然的“断崖式”下跌。
- 论文展示了如何计算这些具体的数字，让政策制定者知道：在 2030 年、2040 年，具体的缴费率应该是多少，才能避免未来的财政危机。

总结：这纸论文告诉我们什么？

别只看眼前：养老金改革不能只盯着明年的账本，必须用“望远镜”看到 50 年后的人口结构。
公平是动态的：真正的公平不是每个人拿一样的钱，而是每一代人承担的责任和享受的权益是匹配的。如果未来人少了，大家就要共同调整预期。
技术可以解决问题：通过数学模型，我们可以设计出一套**“自动调节”**的养老金系统。当人口变老时，系统会自动微调规则，让年轻人不至于被压垮，老人也不至于被抛弃。

一句话概括：
这篇论文就像给养老金系统装上了一个**“自动驾驶仪”**，它利用数学算法，根据未来的人口地图，自动调整今天的缴费和明天的待遇，确保这场跨越百年的“接力赛”永远不会有人掉队，也不会因为担子太重而中途散伙。

这是一份关于论文《最优平衡的现收现付制社会保障系统设计》（The Design of Optimally Balanced Pay-as-you-go Social Security Systems）的详细技术总结。

1. 研究背景与问题 (Problem)

核心挑战：
全球范围内生育率急剧下降和预期寿命延长导致人口结构转型（Demographic Transitions）。这种转型对现收现付制（Pay-as-you-go, PAYG）社会保障系统构成了巨大压力：

支出端： 老年人口增加导致福利支出上升。
收入端： 劳动年龄人口萎缩（在缺乏实质性生产率增长的情况下）导致缴费收入下降。
后果： 财政失衡、公共债务增加、税收上升以及养老金改革的滞后（通常因政治约束而推迟）。

现有文献的局限：
虽然代际重叠模型（OLG）已被广泛用于研究社会保障（如 Samuelson, Barro, Auerbach & Kotlikoff 等），但大多数模型假设：

稳态人口： 假设人口增长率恒定，难以处理快速的人口转型。
同质性： 往往假设家庭寿命固定（如两期）或偏好同质。
缺乏一般均衡下的最优解： 许多研究侧重于福利分析或特定政策模拟，缺乏在一般非稳态人口结构下，计算帕累托最优（Pareto Optimal）且财政平衡的现收现付系统的具体算法。

本文目标：
构建一个理论框架，利用一般均衡理论（特别是代际重叠模型），设计一种在一般人口结构设置（包括人口转型）下，能够实现财政平衡且帕累托最优的现收现付社会保障系统。

2. 方法论 (Methodology)

本文的核心方法论基于 Dognini (2025) 提出的逆向计算算法（Backward Calculation Algorithm），并将其应用于非稳态、具有异质性家庭的货币经济模型中。

2.1 模型设定

经济环境： 离散时间 $t \in \mathbb{N}$ ，单一易腐商品。
家庭结构： 家庭按出生时期分组为代 $G_t$ 。家庭寿命 $S \ge 2$ 期（可以是任意长度，不仅限于两期）。
人口动态： 人口增长率 $\alpha_t = H_{t+1}/H_t$ 是随时间变化的（非稳态）。
偏好与禀赋： 家庭具有异质性的禀赋（代表生产率/工资）和效用函数。
虚构的货币经济： 为了求解最优社会保障系统，作者构建了一个包含所有参保家庭的虚构竞争性无限期货币经济（Fictitious Competitive Infinite-Horizon Economy）。在这个经济中，社会保障的缴费和福利被转化为家庭在货币市场中的预算约束。

2.2 核心算法：逆向计算 (Backward Calculation)

由于 OLG 模型通常存在多重均衡，且第一福利定理不一定成立，直接求解无限期均衡非常困难。本文采用以下步骤：

尾部经济（Tail Economies）： 定义一个“尾部经济” $\tilde{T}_k$ ，即从某个未来时间点 $k$ 开始的经济。假设尾部经济具有“良好行为”（Well-behaved），即已知其帕累托最优均衡集。
边界条件： 利用尾部经济的帕累托最优均衡作为边界条件（Boundary Condition）。
逆向求解： 从尾部向前（逆向）逐步求解市场出清方程。通过迭代函数序列 $f_t$ ，计算前一时期的均衡价格（或回报率）。
收敛性： 根据定理 3，随着尾部经济向无限期延伸，逆向计算得到的解序列会收敛到原完整经济的一个帕累托最优货币均衡。

2.3 关键理论工具

Cass (1972) 准则： 用于判断均衡是否为帕累托最优（通过检查储蓄的现值是否发散）。
瓦尔拉斯定律（Walras' Law）： 在均衡价格下，家庭预算平衡。这意味着最优的缴费率和替代率可以解释为一个**名义账户（Notional Account）**的余额，该账户记录了所有缴费和福利，并按均衡回报率调整。
储蓄倾向（Prone-to-Savings）： 确保经济存在帕累托最优均衡的关键假设，即当储蓄率较低时，实际回报率必须高于人口增长率。

3. 主要贡献 (Key Contributions)

提出了最优平衡现收现付系统的通用设计算法：
不同于传统的稳态分析，本文提供了一个算法，能够处理任意寿命和一般人口动态（包括快速转型）的异质性家庭经济，计算出唯一的（或特定集合内的）帕累托最优缴费率和替代率。
建立了“名义账户制”（Notional Accounts）的微观理论基础：
论文证明了，在一般均衡框架下，最优的现收现付系统在数学上等价于名义账户制（NDC）。
- 缴费与福利之间存在明确的联系（通过名义回报率连接）。
- 这种联系减少了劳动力市场的扭曲（效率增益）。
- 系统参数（缴费率、替代率、回报率）必须根据人口和生产率动态进行**前瞻性（Forward-looking）**调整。
揭示了人口转型对当期政策的“前瞻性”冲击：
通过推论 2（Corollary 2）证明，未来人口增长率的变化会立即传导至当前的均衡回报率，进而要求当期的缴费和福利规则立即调整。这意味着“未来的负担”不能推迟，必须在今天通过调整参数来分摊，否则会导致代际间的不公平（年轻人支付更多但获得更少）。
提供了多国家实证模拟框架：
将理论应用于巴西、中国、印度、意大利和美国，展示了在不同人口转型速度下，最优回报率路径如何偏离传统的“生物利率”（Samuelson, 1958）。

4. 主要结果 (Results)

4.1 理论结果

唯一性与存在性： 在满足特定假设（如储蓄倾向、尾部经济的良好行为）下，存在唯一的帕累托最优货币均衡。
最优缴费与替代率公式： 在稳态情况下，最优缴费率 $\sigma = \alpha / (1+\alpha)$ ，替代率 $\rho = \alpha^2 / (1+\alpha)$ （其中 $\alpha$ 为人口增长率）。在非稳态情况下，这些比率随时间动态调整。
参数敏感性： 未来人口增长率的微小变化会导致当前代际的缴费率和替代率发生显著变化。

4.2 实证模拟结果 (1950-2070)

基于巴西、中国、印度、意大利和美国的预测数据：

回报率路径： 最优回报率序列大致遵循经济总禀赋（GDP）的增长率（即“生物利率”），但在人口转型剧烈时期（如中国、巴西）会出现显著偏离。
方差最小化选择： 由于逆向算法可能产生多重帕累托最优解，论文提出选择回报率方差最小的路径作为设计基准，以平滑代际间的波动。
国家差异：
- 中国/巴西： 面临快速的人口老龄化，最优回报率路径显示出剧烈的调整需求，以应对抚养比的急剧下降。
- 意大利： 人口结构相对稳定但处于低增长，调整幅度相对较小。
- 美国/印度： 展示了不同转型速度下的路径差异。

4.3 政策含义

自动调整机制： 最优系统设计必须是“前瞻性”的。如果预期未来回报率下降（由于人口老龄化），当前的养老金水平必须立即调整，而不是等到危机发生。
名义账户的优势： 这种设计天然地体现了“多缴多得”和“精算公平”，有助于在人口转型期维持系统的财政可持续性，同时避免政治上的剧烈动荡。

5. 意义与局限性 (Significance & Limitations)

意义

理论突破： 将一般均衡理论、货币理论和 OLG 模型紧密结合，为现收现付制改革提供了坚实的数学基础，超越了传统的部分均衡或稳态分析。
政策指导： 为面临人口转型的国家（特别是发展中国家）提供了具体的改革路线图，强调了参数调整（如退休年龄、缴费率、替代率）必须基于对未来人口和生产率的精确预测。
概念澄清： 明确了“名义账户制”不仅仅是会计手段，而是实现帕累托最优现收现付系统的数学必然结果。

局限性与未来方向

外生性假设： 模型假设人口和生产率动态是外生的，未考虑社会保障改革本身对生育率或劳动供给的反馈效应。
预测不确定性： 设计高度依赖长期人口和生产力预测。预测的不确定性会影响规则的可预测性。论文建议未来可引入“缓冲基金”或补偿机制来分担这种不确定性。
简化假设： 实证部分使用了简化的三期模型和同质偏好假设。实际应用中需要处理更复杂的异质性（如收入分布、健康差异）和更长的时间跨度。
退休年龄内生性： 在 $S \ge 3$ 的模型中，退休年龄成为关键参数，但本文将其视为外生（隐含在禀赋中），未来研究需将其内生化。

总结

这篇论文通过引入逆向计算算法，成功地将复杂的非稳态 OLG 模型转化为可操作的社会保障设计工具。它不仅从理论上证明了最优现收现付系统应表现为一种动态调整的名义账户制，还通过多国数据展示了在人口转型背景下，如何通过前瞻性调整参数来实现代际公平和财政平衡。这对于正在经历或即将经历人口结构剧变的国家具有重要的政策参考价值。