An Empirical Analysis of Business Cycle Fluctuations and Trend GDP Growth across Developed Economies
本文表明，一个由金融因素和跨期消费平滑驱动的、具有经验依据的内生宏观经济模型，通过自然地复制诸如肥尾和自相关性等关键统计特征，而无需依赖过多的外生误差项，在捕捉发达经济体复杂的商业周期和趋势动态方面，优于传统的RBC和DSGE-NK模型。
原始论文采用 CC BY 4.0 许可（https://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
长期以来，经济学家一直试图理解经济的节奏，即国家如何在稳步增长数十年的同时，也经历剧烈的繁荣与痛苦的衰退。在现代大部分时期，解释这些波动的主流观点依赖于这样一种观念：经济是一台运行平稳的机器，直到受到外部因素的冲击而偏离轨道。在这种观点中，经济动荡的主要原因来自于外部世界的意外事件，例如技术的突然变革或政府政策的转变。这些理论假设人们和企业都具有完美的预见性，能够不断调整计划以实现利润和幸福的最大化，并且一旦冲击过去，经济就会自然回归稳定路径。然而，现实世界的数据往往讲述着不同的故事。经济时间序列经常表现出这些标准模型难以解释的模式，例如长期的缓慢复苏、突然的波动激增，以及坏消息比好消息更具冲击力且持续时间更长的倾向。理解经济为何如此运作至关重要，因为它决定了政府应如何应对危机，以及社会如何为未来做准备。
意大利巴里大学的经济学家朱利奥·朱塞佩·科拉佐（Giulio Giuseppe Colazzo）着手通过直接观察数据而非从既定理论出发，来调查这些差异。他研究了发达国家的经济史，特别是经济合作与发展组织（OECD）成员国的历史，旨在将长期增长趋势与短期波动区分开来。为此，他使用了一种统计工具，通过平滑原始数据的锯齿状边缘来揭示潜在的增长路径，就像制图师平滑粗糙的海岸线以观察大陆的总体轮廓一样。一旦他分离出长期趋势和短期周期，他就提出了一个简单而深刻的问题：究竟是什么驱动了这些运动？他测试了广泛的潜在诱因，从生产率的变化和政府支出，到利率的变化以及金融市场的行为。
这项调查的结果挑战了关于外部冲击是经济生活主要驱动力的传统观点。当科拉佐分析定义商业周期的短期波动时，他发现最强大的预测因子并非技术或政府政策的变化，而是植根于金融系统和市场参与者心理的因素。具体而言，股市的波动性和政府债券的收益率成为了经济繁荣与萧条背后的主要力量。这些反映了投资者集体信心与焦虑的金融指标，在解释经济为何上下波动方面，比标准理论所优先考虑的生产率等现实世界因素更为有效。研究还表明，这些金融冲击不仅仅导致暂时的涟漪；它们创造了一种波动聚集的模式，即平静时期往往紧随剧烈的动荡，这种现象被称为波动聚集（volatility clustering）。这意味着，当经济不稳定时，它往往会保持一段时间的不稳定，且极端事件发生的频率高于正态分布所预测的情况。
当科拉佐将注意力转向长期增长趋势时，情况又发生了变化。在这里，数据指向了家庭在不同时期关于储蓄和消费的决策。研究发现，经济的长期轨迹很大程度上是由人们如何在当前消费与未来保障之间分配资源所驱动的。这种跨期决策——即个人为了应对不确定的未来而平滑其消费行为——被证明是比外部生产率冲击更重要的结构性增长驱动力。通过结合这些发现，研究人员构建了一种全新的经济模型，该模型完全基于观察到的数据行为。该模型假设经济是由内部力量驱动的：金融压力和不确定性塑造了短期周期，而家庭的储蓄和消费习惯则塑造了长期增长。
为了测试这种新的、由数据驱动的方法是否优于既定理论，科拉佐将其与中央银行和学术机构使用的标准模型（即实际商业周期模型和动态随机一般均衡模型）进行了对比。这些传统模型假设经济是由外部冲击驱动的，并假设人们具有完全的理性。对比显示，这种让数据说话的内生性模型准确性更高。它成功地复制了现实经济数据中复杂的、混乱的特征，例如负面冲击的影响比正面冲击更大的倾向，以及经济活动中长期相关性的存在。相比之下，传统模型无法自行捕捉这些特征；它们必须依靠误差项（即数学上的剩余项）来解释数据的奇异行为。本质上，标准模型遗漏了故事中最重要的部分，将最重要的模式归类为背景噪声，使其无法得到解释。
研究结论指出，对经济更现实的理解来自于承认金融市场和人类预期不仅是副作用，更是系统运作的核心。研究表明，经济并非一台等待被外部力量撞离轨道的机器，而是一个复杂的系统，其中内部动态——特别是金融压力与家庭决策之间的相互作用——产生了经济学家试图预测的那些波动。通过构建一个反映这些现实的模型，该研究为经济行为提供了更清晰的图景，使其脱离了关于完美理性的抽象假设，转向一种与发达国家实际且往往动荡的体验相一致的描述。这种方法不仅提供了对历史数据更好的拟合，还意味着，若要理解未来，我们必须密切关注驱动经济内部的信心、不确定性和金融稳定机制。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。