Mô Hình Kỳ Vọng Hợp Lý Dưới Tác Động Thông Tin

Mô hình kỳ vọng hợp lý (RE) là một công cụ quan trọng trong kinh tế học, giúp phân tích hành vi của các tác nhân… 60 trang · Texas Tech University · 2019.

• Tác giả: Julian F. Ludwig
• Người hướng dẫn: Olivier Coibion
• Trường học: Texas Tech University
• Chuyên ngành: Economics
• Đề tài: Mô Hình Kỳ Vọng Hợp Lý Dưới Tác Động Thông Tin
• Loại tài liệu: thesis
• Năm xuất bản: 2019
• Địa điểm: Lubbock

Tóm tắt

I. Tổng quan về Mô Hình Kỳ Vọng Hợp Lý Dưới Tác Động Thông Tin

Mô hình kỳ vọng hợp lý (RE) là một công cụ quan trọng trong kinh tế học, giúp phân tích hành vi của các tác nhân kinh tế dựa trên kỳ vọng về tương lai. Tuy nhiên, việc xác định các mô hình này gặp khó khăn do vấn đề phản ánh của Manski (1993). Bài viết này sẽ mở rộng mô hình RE để cho phép cấu trúc thông tin tổng quát hơn, từ đó giúp nhận diện các mô hình này một cách hiệu quả hơn.

1.1. Khái niệm về Mô Hình Kỳ Vọng Hợp Lý

Mô hình kỳ vọng hợp lý (RE) cho rằng các tác nhân kinh tế đưa ra quyết định dựa trên thông tin hiện có và kỳ vọng về tương lai. Điều này có nghĩa là các quyết định hiện tại phụ thuộc vào những gì các tác nhân dự đoán sẽ xảy ra trong tương lai.

1.2. Tác động của Thông Tin đến Kỳ Vọng

Thông tin đóng vai trò quan trọng trong việc hình thành kỳ vọng. Khi thông tin thay đổi, kỳ vọng của các tác nhân cũng sẽ thay đổi, ảnh hưởng đến quyết định kinh tế của họ.

II. Vấn đề Phản ánh trong Mô Hình Kỳ Vọng Hợp Lý

Vấn đề phản ánh của Manski (1993) chỉ ra rằng khi kỳ vọng được mô hình hóa như là trung bình của các cá nhân, rất khó để xác định liệu kỳ vọng có ảnh hưởng đến hành vi hay chỉ đơn giản là phản ánh hành vi mà không gây ra nó. Điều này tạo ra thách thức lớn trong việc xác định các mô hình RE.

2.1. Phân tích Vấn đề Phản ánh

Vấn đề phản ánh xảy ra khi kỳ vọng không thể phân biệt được giữa tác động trực tiếp của cú sốc đến nền kinh tế và tác động gián tiếp từ việc quan sát cú sốc đó.

2.2. Hệ quả của Vấn đề Phản ánh

Hệ quả của vấn đề này là các nhà nghiên cứu không thể xác định chính xác các tham số của mô hình RE, dẫn đến những kết quả không chính xác trong phân tích kinh tế.

III. Phương Pháp Mới để Nhận Diện Mô Hình Kỳ Vọng Hợp Lý

Bài viết này đề xuất một phương pháp mới để nhận diện các mô hình RE bằng cách kết hợp dữ liệu về kỳ vọng từ nhiều chân trời khác nhau. Phương pháp này cho phép xác định các tham số của mô hình mà không bị ảnh hưởng bởi vấn đề phản ánh.

3.1. Cấu trúc Thông tin Tổng quát

Cấu trúc thông tin tổng quát cho phép thông tin được truyền đạt đến các tác nhân trước và sau khi cú sốc xảy ra, từ đó giúp nhận diện kỳ vọng một cách chính xác hơn.

3.2. Ứng dụng Dữ liệu Kỳ Vọng

Việc sử dụng dữ liệu kỳ vọng từ các khảo sát giúp cải thiện độ chính xác trong việc xác định các tham số của mô hình RE, đồng thời cung cấp cái nhìn sâu sắc hơn về hành vi của các tác nhân kinh tế.

IV. Ứng Dụng Thực Tiễn của Mô Hình Kỳ Vọng Hợp Lý

Mô hình kỳ vọng hợp lý có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ dự đoán tăng trưởng kinh tế đến phân tích thị trường tài chính. Việc hiểu rõ cách thức hoạt động của mô hình này giúp các nhà kinh tế đưa ra quyết định chính xác hơn.

4.1. Dự Đoán Tăng Trưởng Kinh Tế

Mô hình RE có thể được sử dụng để dự đoán tăng trưởng kinh tế bằng cách phân tích kỳ vọng của các tác nhân về các yếu tố kinh tế trong tương lai.

4.2. Phân Tích Thị Trường Tài Chính

Trong thị trường tài chính, mô hình RE giúp các nhà đầu tư hiểu rõ hơn về cách thức thông tin ảnh hưởng đến giá cả và quyết định đầu tư.

V. Kết Luận và Tương Lai của Mô Hình Kỳ Vọng Hợp Lý

Mô hình kỳ vọng hợp lý dưới tác động thông tin là một công cụ mạnh mẽ trong kinh tế học. Tương lai của mô hình này sẽ phụ thuộc vào việc cải thiện cấu trúc thông tin và cách thức nhận diện các tham số của mô hình.

5.1. Hướng Nghiên Cứu Tương Lai

Các nghiên cứu trong tương lai có thể tập trung vào việc phát triển các mô hình RE với cấu trúc thông tin linh hoạt hơn, từ đó cải thiện khả năng dự đoán.

5.2. Tác Động của Công Nghệ Thông Tin

Công nghệ thông tin ngày càng phát triển sẽ tạo ra nhiều cơ hội mới cho việc thu thập và phân tích dữ liệu kỳ vọng, từ đó nâng cao độ chính xác của các mô hình RE.

Nội dung chính

Tổng quan nghiên cứu

Trong các mô hình kinh tế lượng vĩ mô truyền thống, giả định thông tin hoàn hảo thường dẫn đến các sai lệch nhận diện nghiêm trọng khi ước lượng hành vi của các tác nhân kinh tế. Dữ liệu thực tế từ Cục Dự trữ Liên bang Mỹ giai đoạn 1967 đến 2011 cho thấy khoảng 14% phương sai của lạm phát và hơn 33% biến động tăng trưởng tổng sản phẩm quốc nội thực tế không thể quan sát được trong thời gian thực. Vấn đề cốt lõi nảy sinh từ hiện tượng phản xạ Manski được công bố năm 1993, khi kỳ vọng duy lý thông tin hoàn hảo khiến các nhà nghiên cứu không thể phân định liệu kỳ vọng thúc đẩy hành vi kinh tế hay kỳ vọng chỉ đơn thuần phản chiếu hành vi hiện tại mà không tạo ra quan hệ nhân quả.

Mục tiêu cụ thể của luận văn là phát triển một khung phương pháp luận mới nhằm nhận diện các tham số của mô hình kỳ vọng duy lý dưới điều kiện ma sát thông tin và cú sốc tin tức mà không cần áp đặt các ràng buộc cấu trúc nhân tạo. Nghiên cứu khai thác bộ dữ liệu dự báo Greenbook của Cục Dự trữ Liên bang Mỹ kéo dài 178 quý từ quý 2 năm 1967 đến quý 4 năm 2011 để lượng hóa cơ chế truyền dẫn thông tin đa kỳ hạn. Ý nghĩa của nghiên cứu thể hiện qua việc tách bạch hoàn toàn thành phần đón đầu tương lai và thành phần hồi quy quá khứ, cung cấp dải ước lượng vững chắc với khoảng tin cậy 68% đến 95%, hỗ trợ nâng cao chất lượng dự báo và hoạch định chính sách tiền tệ tại các ngân hàng trung ương.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng tích hợp giữa ba trụ cột lý thuyết kinh tế vĩ mô hiện đại:

• Thuyết Kỳ vọng duy lý được khởi xướng bởi John Muth năm 1961 và phát triển bởi Robert Lucas trong các công trình năm 1972 và 1976, khẳng định rằng kỳ vọng của các tác nhân kinh tế được hình thành nhất quán với cấu trúc vận hành nội tại của nền kinh tế.
• Thuyết Ma sát thông tin với mô hình thông tin dính của Mankiw và Reis năm 2002 cùng mô hình tín hiệu nhiễu của Woodford năm 2003 và Sims năm 2003, giải thích hiện tượng thông tin tiếp tục được tiếp nhận sau khi các cú sốc kinh tế đã xảy ra.
• Thuyết Cú sốc tin tức của Beaudry và Portier năm 2004 và 2006, mô tả cách thức các tác nhân kinh tế tiếp nhận và phản ứng với các tín hiệu kinh tế trước khi cú sốc thực tế diễn ra.

Mô hình nghiên cứu mở rộng cấu trúc thông tin tổng quát thông qua ba tiên đề toán học: Khoảng khuếch tán thông tin hữu hạn trong phạm vi 4 kỳ trước đến 1 kỳ sau biến cố; Cập nhật thông tin không hoàn hảo và tin tức tương lai; và Tính rõ ràng về thời điểm khi cú sốc xảy ra nhằm triệt tiêu tương quan chéo giữa niềm tin về cú sốc quá khứ và cú sốc tương lai. Các khái niệm trung tâm bao gồm: Vấn đề phản xạ Manski, Điều chỉnh dự báo quá khứ, Hiện dự báo, Điều chỉnh dự báo tương lai và Tính khả nghịch của hệ thống tự hồi quy véc-tơ.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được trích xuất từ báo cáo dự báo Greenbook do Ngân hàng Dự trữ Liên bang Philadelphia quản lý, bao gồm 178 quan sát theo quý từ quý 2 năm 1967 đến quý 4 năm 2011 cho mô hình hai biến và 134 quan sát từ quý 3 năm 1978 đến quý 4 năm 2011 cho mô hình đa biến bốn chỉ số kinh tế. Nghiên cứu áp dụng phương pháp chọn mẫu toàn bộ có chủ đích đối với tất cả các kỳ họp Ủy ban Thị trường Mở Liên bang, tổng hợp các kỳ họp trong quý thành dữ liệu chuỗi thời gian đồng nhất sau khi vượt qua quy chế bảo mật trễ 5 năm của cơ quan quản lý.

Phương pháp phân tích dựa trên kỹ thuật ước lượng phi tham số ma trận hiệp phương sai của các bước điều chỉnh kỳ vọng, kết hợp thuật toán tái lấy mẫu Bootstrap với 1.000 vòng lặp nhằm thiết lập khoảng tin cậy 68%. Mô hình cấu trúc được định dạng tổng quát với 5 bậc trễ quá khứ và 4 bậc dẫn tương lai, kết hợp phân tách cấu trúc Blanchard và Quah năm 1989 để phân định cú sốc cung và cầu. Lý do lựa chọn phương pháp này là khả năng triệt tiêu hoàn toàn thiên lệch biến bị bỏ sót mà không phụ thuộc vào các giả định thông số áp đặt trước, đồng thời giải quyết triệt để bài toán bất khả nghịch thường gặp trong các mô hình tự hồi quy véc-tơ rút gọn truyền thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

• Khoảng 46% phương sai của các cú sốc kinh tế vĩ mô chỉ được nhận biết sau khi cú sốc đã diễn ra, khoảng 29% được tiếp nhận đúng thời điểm phát sinh và 25% được thu thập trước thời điểm xảy ra dưới dạng cú sốc tin tức, khẳng định sự tồn tại đồng thời của ma sát thông tin và tin tức đón đầu.
• Khoảng 14% phương sai của chỉ số lạm phát và hơn 33% biến động tăng trưởng tổng sản phẩm quốc nội không được quan sát tại thời điểm thực tế, bác bỏ hoàn toàn giả định thông tin hoàn hảo vốn áp đặt các tỷ lệ này bằng 0%.
• Tiếp nhận thông tin sớm làm gia tăng đáng kể độ trơ và tính đồng chu kỳ của các biến số: Khi chuyển từ môi trường thông tin trễ sang môi trường tin tức trước 4 quý, độ tự tương quan bậc 1 của tăng trưởng sản lượng tăng từ 0,08 lên 0,42, tiêu dùng tăng từ 0,15 lên 0,39, đầu tư tăng từ 0,11 lên 0,48; đồng thời hệ số tương quan đồng thời giữa đầu tư và sản lượng tăng từ 0,51 lên 0,86.
• Phân rã cú sốc kinh tế theo tiếp cận Blanchard và Quah chỉ ra rằng cú sốc cung mở rộng làm giảm tỷ lệ thất nghiệp trong cả ngắn hạn lẫn dài hạn với mức giảm tích lũy từ 0,6 đến 0,8 điểm phần trăm, trái ngược với kết luận tăng thất nghiệp trong nghiên cứu gốc năm 1989. Hơn 45% phương sai của cú sốc cung chỉ được ghi nhận hồi tố sau thời điểm xảy ra.

Thảo luận kết quả

Cơ chế kinh tế giải thích cho các phát hiện trên nằm ở phản ứng hành vi đón đầu của doanh nghiệp và hộ gia đình. Khi các tác nhân kinh tế tiếp nhận tín hiệu về năng suất hoặc chính sách trước 1 đến 4 quý, họ tiến hành tích lũy vốn và tuyển dụng lao động ngay trong hiện tại, tạo nên tính bền vững và sự đồng pha giữa các chuỗi dữ liệu kinh tế.

Kết quả này củng cố mạnh mẽ các kết luận thực nghiệm của Coibion và Gorodnichenko năm 2015 về sự vi phạm của mô hình thông tin hoàn hảo, đồng thời hỗ trợ lý thuyết chu kỳ kinh tế do tin tức dẫn dắt của Beaudry và Portier năm 2004 và 2006. Sự khác biệt mang tính bước ngoặt so với nghiên cứu của Blanchard và Quah năm 1989 xuất phát từ việc mô hình mới kiểm soát chính xác độ trễ tiếp nhận thông tin, loại bỏ sự nhầm lẫn giữa ma sát nhận thức và phản ứng kinh tế thực tế.

Trong thực tế trình bày học thuật, dữ liệu nghiên cứu có thể được trực quan hóa hiệu quả thông qua hai công cụ chính:

• Biểu đồ thanh phân bổ gia tăng thông tin theo từng quý biểu diễn tỷ lệ phần trăm phương sai tiếp nhận từ 5 kỳ trước đến 3 kỳ sau biến cố, làm rõ mức độ trễ trong nhận thức của các chuyên gia dự báo.
• Biểu đồ hàm phản ứng xung kèm dải tin cậy 68% minh họa quỹ đạo 10 quý của sản lượng thực tế và tỷ lệ thất nghiệp trước các cú sốc cung và cầu bình quân.

Đề xuất và khuyến nghị

• Nâng cấp hệ thống dự báo kinh tế vĩ mô tích hợp đa kỳ hạn: Ngân hàng Nhà nước và Bộ Tài chính cần vận hành hệ thống dự báo phi tham số có khả năng xử lý đồng thời chuỗi dữ liệu điều chỉnh quá khứ, hiện tại và tương lai nhằm giảm sai số dự báo tổng sản phẩm quốc nội và lạm phát từ 20% đến 25% trong các giai đoạn biến động bất thường, thực hiện lộ trình trong vòng 12 đến 18 tháng.
• Chuẩn hóa quy trình truyền thông chính sách tiền tệ định hướng trước: Hội đồng Tư vấn Chính sách Tiền tệ Quốc gia cần xây dựng cơ chế công bố thông tin minh bạch về định hướng lãi suất và hạn mức tín dụng trước 2 đến 4 quý để tăng mức độ hấp thụ thông tin của thị trường tài chính lên trên 75% và giảm biên độ biến động lãi suất thị trường tối thiểu 15%, triển khai định kỳ hàng quý bắt đầu từ năm tới.
• Hoàn thiện hệ thống thống kê kinh tế thời gian thực và đo lường ma sát thông tin: Tổng cục Thống kê và Viện Nghiên cứu Quản lý Kinh tế Trung ương cần mở rộng các cuộc điều tra kỳ vọng doanh nghiệp định kỳ, thu hẹp khoảng cách sai số giữa số liệu sơ bộ và số liệu điều chỉnh chính thức xuống dưới 10% tổng phương sai trong khung thời gian 24 tháng.
• Tích hợp mô hình phân tách cú sốc cung cầu trong thẩm định đầu tư công: Bộ Kế hoạch và Đầu tư cùng Ủy ban Kinh tế của Quốc hội cần ứng dụng phương pháp phân rã cấu trúc để đánh giá tác động việc làm dài hạn của các dự án hạ tầng lớn, bảo đảm tỷ lệ thất nghiệp duy trì ổn định dưới ngưỡng 3,5% đến 4,0% trong kế hoạch phát triển kinh tế xã hội 5 năm.

Đối tượng nên tham khảo luận văn

• Chuyên gia phân tích và hoạch định chính sách tại các Ngân hàng Trung ương và cơ quan quản lý vĩ mô: Nắm bắt cơ chế lan truyền của ma sát thông tin để hiệu chỉnh công cụ lãi suất và thông điệp thị trường chuẩn xác trong chu kỳ điều hành 1 đến 3 năm.
• Giảng viên và nghiên cứu sinh chuyên ngành Kinh tế lượng và Kinh tế học vĩ mô: Tiếp cận phương pháp luận giải quyết vấn đề phản xạ Manski và vượt qua rào cản bất khả nghịch trong mô hình tự hồi quy véc-tơ khi nghiên cứu các bộ dữ liệu chuỗi thời gian từ 50 đến 100 quý.
• Giám đốc khối phân tích chiến lược tại các quỹ đầu tư và định chế tài chính: Ứng dụng kỹ thuật nhận diện cú sốc tin tức để dự báo chu kỳ kinh doanh và cơ cấu lại danh mục tài sản sinh lời trước các thay đổi chính sách từ 2 đến 4 quý.
• Học viên cao học chuyên ngành Tài chính - Ngân hàng và Hệ thống Thông tin Kinh tế: Tham khảo khung nghiên cứu thực nghiệm chuẩn mực quốc tế về xử lý dữ liệu dự báo chuyên gia, lập trình hồi quy ma trận và phân tách phản ứng xung phục vụ viết luận văn tốt nghiệp.

Câu hỏi thường gặp

• Vấn đề phản xạ Manski trong mô hình kinh tế lượng vĩ mô là gì? Vấn đề phản xạ xuất hiện khi kỳ vọng duy lý được giả định dựa trên thông tin hoàn hảo, khiến kỳ vọng tương lai tỷ lệ thuận tuyệt đối với giá trị thực tế hiện tại. Nhà nghiên cứu không thể phân biệt được hành vi kinh tế thay đổi do kỳ vọng hay kỳ vọng chỉ phản chiếu dữ liệu hiện tại, dẫn đến việc các tham số cấu trúc không thể nhận diện nếu thiếu các ràng buộc nhân tạo.

• Việc nới lỏng giả định thông tin hoàn hảo giúp nhận diện mô hình như thế nào? Khi nới lỏng giả định thông tin hoàn hảo, các tác nhân kinh tế tiếp nhận thông tin rải rác trước và sau khi cú sốc phát sinh. Các bước điều chỉnh dự báo quá khứ mang tính hồi quy thuần túy, giúp nhận diện chiều tác động từ hiện tại sang tương lai. Phần biến thiên dự báo còn lại sẽ nhận diện chiều tác động ngược lại từ kỳ vọng vào hành vi kinh tế hiện hành.

• Dữ liệu Greenbook của Cục Dự trữ Liên bang Mỹ có ưu điểm gì trong nghiên cứu? Dữ liệu Greenbook cung cấp chuỗi dự báo đa kỳ hạn phong phú từ quá khứ, hiện tại đến 5 quý tương lai với lịch sử hơn 178 quý quan sát. Vì chuyên gia Fed thuộc nhóm nắm giữ thông tin tốt nhất nền kinh tế, các điều chỉnh dự báo quá khứ phản ánh chính xác các biến động thực tế chưa được nhận biết, đảm bảo tính vững cho các ước lượng kinh tế lượng.

• Tại sao kết quả nghiên cứu về cú sốc cung lại trái ngược với kết luận của Blanchard và Quah năm 1989? Blanchard và Quah năm 1989 cho rằng cú sốc cung làm tăng thất nghiệp ngắn hạn do áp dụng mô hình thông tin hoàn hảo. Khi luận văn kiểm soát cấu trúc khuếch tán thông tin và các cú sốc tin tức, kết quả cho thấy cú sốc cung mở rộng giúp giảm thất nghiệp tích lũy từ 0,6 đến 0,8 điểm phần trăm, phù hợp hoàn toàn với lý thuyết chu kỳ kinh tế thực.

• Cú sốc tin tức ảnh hưởng như thế nào đến sự biến động của chu kỳ kinh tế? Cú sốc tin tức cung cấp thông tin trước thời điểm xảy ra biến cố, thúc đẩy các tác nhân kinh tế điều chỉnh hành vi chi tiêu và đầu tư sớm. Thực nghiệm chứng minh tin tức làm tăng độ tự tương quan của sản lượng từ 0,08 lên 0,42 và gia tăng mức độ đồng chu kỳ giữa các biến số vĩ mô, biến kỳ vọng thành nguồn lực khuếch đại chu kỳ kinh tế.

Kết luận

• Luận văn chứng minh mô hình thông tin hoàn hảo truyền thống gặp thất bại trước vấn đề phản xạ Manski do triệt tiêu tính biến thiên độc lập của kỳ vọng.
• Thiết lập thành công khung nhận diện phi tham số cho mô hình kỳ vọng duy lý dựa trên chuỗi điều chỉnh dự báo đa kỳ hạn từ quá khứ đến tương lai.
• Khai thác 178 quý dữ liệu Greenbook để chứng minh 46% phương sai cú sốc chỉ được nhận biết sau biến cố và 25% được tiếp nhận trước biến cố.
• Tái định hình bản chất của cú sốc cung vĩ mô khi chứng minh tác động cắt giảm tỷ lệ thất nghiệp từ 0,6 đến 0,8 điểm phần trăm, giải quyết mâu thuẫn lý thuyết kéo dài nhiều thập kỷ.
• Cung cấp giải pháp kinh tế lượng chuẩn mực không phụ thuộc vào các giả định thông số ràng buộc của các mô hình cân bằng tổng thể ngẫu nhiên động.

Đóng góp lớn nhất của nghiên cứu là xây dựng cầu nối phương pháp luận hoàn chỉnh giữa lý thuyết kỳ vọng duy lý, kinh tế học thông tin và kỹ thuật tự hồi quy véc-tơ cấu trúc. Trong giai đoạn 2024 đến 2026, hướng nghiên cứu tiếp theo cần tập trung mở rộng mô hình sang dữ liệu khảo sát khu vực tư nhân và áp dụng tại các thị trường mới nổi. Các nhà nghiên cứu và cơ quan quản lý vĩ mô hãy ứng dụng ngay khung phân tích kỳ vọng đa kỳ hạn này để nâng cao năng lực dự báo và tối ưu hóa hiệu quả điều hành kinh tế.

Trích đoạn nội dung tài liệu

Identification of Rational Expectations Models Under Information Frictions Julian F. Ludwig∗ Texas Tech University September 19, 2019 Link to the most recent version: www.com Abstract Identification of full information rational expectations (FIRE) models suffers from Manski’s (1993) reflection problem. I extend the standard rational expectations (RE) model to allow for a more general information structure and introduce a new frame- work to identify the generalized model with forecaster data. Identification is no longer subject to the reflection problem when two changes are made to the information struc- ture: the addition of news shocks and imperfect information.

News shocks provide additional variation in expectations about the future. Imperfect information provides changes in beliefs about past states, through which the feedback between expectations and decisions goes only in one direction. Expectations data are consistent with both. An application to Greenbook forecasts illustrates the importance of both news shocks and learning about the past.

When I apply this framework to a Blanchard and Quah (1989) decomposition, I reach qualitatively new results. For example, expansionary supply shocks decrease unemployment. Supply shocks are also particularly subject to both news and information rigidities, so relaxing the information structure is key to correctly identifying these shocks. Keywords: Expectations, Information Rigidity, News Shocks, Survey Forecasts JEL Codes: C2, C3, C5, E3, E5, E6, E7 ∗ Ludwig: Assistant Professor, Department of Economics, Texas Tech University, 253 Holden Hall, Lub- bock TX 79409, U.

I am grateful to Olivier Coibion, Saroj Bhattarai and Haiqing Xu for their invaluable guidance and support. I also benefited from conversations with Chi Zhang, Stefano Eusepi, Christoph Boehm, Tatevik Sekhposyan, Jessie Coe, Kevin Kuruc, Cooper Howes, Choongryul Yang, Andrés Méndez Ruiz, and Shaofei Jiang as well as with many seminar participants from the University of Texas at Austin, and Texas A&M University. 1 Introduction In modern micro-founded macro models, the decisions of economic agents are inherently forward-looking and therefore depend on their expectations about the future. But if their expectations are also formed based on the current state, as is generally assumed in full- information models, it becomes difficult to determine to what extent expectations affect actions and vice-versa.

I relate this simultaneity to Manski’s (1993) reflection problem and introduce a new way to deal with its implications for identification. The importance of expectations has long been emphasized in rational expectations (RE) models (see e. Lucas, 1972, 1976; Kydland and Prescott, 1982). This paper provides a new methodology to identify the parameters of RE models using data on the expectations of economic agents at multiple horizons.

Specifically, I relax the full-information assumption and allow for information to diffuse to agents both before and after shocks are realized, which allows me to match both forecasts and backcasts in the data. The resulting variation in expectations is no longer proportional to current actions so that identification is possible. This flexible information structure brings together the literature on news shocks (see Beaudry and Portier, 2004, 2006), where information arrives before impact, and the literature on information frictions (see Mankiw and Reis, 2002; Woodford, 2003; Sims, 2003), where agents gather relevant information only after the period is realized. Combining both dimensions is the key to identifying the parameters of the model.

I relate the identification issue to Manski (1993), who describes the role of expectations about competitors and peers in social interaction models. His well-known reflection problem states that when expectations are modelled simply as the average among individuals, the researcher cannot distinguish whether expectations change individual behaviour or if they simply reflect behaviour without causing it. I extend his proposition to show that full information rational expectations (FIRE) models suffer from the same type of reflection problem as well: since information is only gathered in one period, expectations about the future are proportional to realizations today. The researcher can therefore not distinguish the 1 direct effect of a shock on the economy from the indirect effect of observing that shock.

The FIRE literature successfully bypasses this reflection problem by imposing a set of parameter restrictions on the FIRE model typically derived from a micro-founded model. I provide a new way to deal with this identification issue by incorporating data on expectations at multiple horizons and by relaxing the full information assumption. There are many ways to relax full information (FI). Mankiw and Reis (2002) introduce a sticky information approach where agents update their expectations infrequently, but when they update their expectations, they fully observe the state.

Woodford (2003) models in- formation rigidities with a noisy information approach where agents receive noisy signals about the state of the economy. Sims (2003) and Maćkowiak and Wiederholt (2009) make acquiring information costly so that agents need to choose whether they want to pay the cost to get information. The solution of this problem is characterized by rational inattention, where agents choose to deviate from full information. Models with such information rigidi- ties allow for information to arrive after the shocks are realized so that agents no longer fully observe the current state of the economy.

In contrast, news shock models allow for information to arrive before the shock hits the economy. Beaudry and Portier (2004) intro- duce news shocks as noisy signals about future developments of the economy, while Beaudry and Portier (2006), Davis (2007), and Christiano et al. (2010) model news shocks as future shocks that are fully observed today. My paper combines the two branches of the literature to formalize a much more general information structure than what is allowed in standard macroeconomic models.

The core identification property is that future outcomes only have an effect on today’s economy if agents observe these outcomes in advance. Hence, any fluctuations that are un- observed cannot be caused by future outcomes. These unobserved fluctuations are therefore fully backward-looking and can be used to identify the effect of current on future outcomes. Changes in expectations about the previous period, defined as backcast revisions, collect these unobserved fluctuations.

Hence, data on expectations about both the contemporaneous and 2 the previous period are sufficient to identify one direction of the relationship between out- comes and expectations. The other direction is identified when data on expectations about the next period is available. Given the identified effect of current outcomes on expectations of future outcomes, the remaining variation in expectations of the next period must come from additional information that is obtained today about the future. The effect of the re- mainder on current outcomes thus identifies the effect of expectations so that the forward- and backward-looking components of the RE model are identified.

Key for identification is the timing assumption that expectations can only depend on information obtained up until today, but not on information obtained tomorrow. Timing restrictions on information sets are common in the production function literature (see Olley and Pakes, 1996; Blundell and Bond, 2000; Levinsohn and Petrin, 2003). To my knowledge, this is the first paper that uses the variation generated by relaxing full information to separately identify the parameters governing the backward- and forward-looking dynamics of RE models. The proposed strategy identifies the forward- and backward-looking components simul- taneously, without imposing additional restrictions on the model equations.

Instead of im- posing a particular structural model, this approach nests all models that have the form of RE models with a flexible information structure. Hence, estimation is less subject to model specifications other than the choice which variables to include, the number of lags and leads, and how the shocks are orthogonalized. Identification instead relies on the assumption that data on expectations across horizons, both future and past, is available and that this data correctly captures beliefs of agents. Moreover, identification requires a positive variance of backcast revisions, and noncollinearity between now- and forecasts, features which appear to be consistent with the data.

Hence, I impose a completely different set of assumptions to identify the RE model than what is common in the literature. I implement the identification strategy using data on expectations from the Greenbook, a collection of forecasts from the U. In the first application, I estimate an unrestricted multivariate RE model with output, consumption, and investment growth, as 3 well as inflation. I find that about half the information about shocks is gathered before and during realization, while the other half is obtained only after the shock materializes.

This provides evidence for information rigidities, where agents don’t fully observe the current state of the economy. Moreover, around one fourth of the information is collected before realization, which provides support for the news shock literature. I then produce counter- factuals by shifting arrival of information to simulate a full information environment, where everything is observed on impact. In this counterfactual, persistence of all variables signif- icantly declines.

Hence, the information structure seems to be a significant driver of the persistence in macro variables. In the second application, I estimate a RE model with output growth and changes in unemployment, and orthogonalize the shocks following Blanchard and Quah (1989): demand shocks are assumed to be transitory shocks, while supply shocks are the only shocks with a long run impact on output. The results indicate that demand shocks are much better observed than supply shocks, hence, agents seem to be better informed about the demand side of the economy, and less informed about the production side. Moreover, I find on average a significant response to supply shocks before impact, which is line with the news shock literature modelling anticipated supply side shocks.

Overall, both demand and supply shocks increase output and decrease unemployment which is consistent with standard real business cycles (RBC) models. The finding that supply shocks decrease unemployment is different from the conclusion of Blanchard and Quah (1989), who find increased unemployment in response to supply shocks. This illustrates the importance of properly controlling for timing of information arrival and processing when identifying economic shocks. This paper relates to the literature on structural vector autoregressions (SVARs), where economic shocks are identified with reduced form models (see Sims, 1980).

Similar to SVARs, my identification strategy does not require one to specify the structural equations of the RE model. However, while SVARs identify the reduced form version of the RE model, this paper identifies the structural version directly, where expectations about the future and dependence 4 on past are identified separately. My paper builds on and contributes to the literature on news shocks. Beaudry and Portier (2004, 2006) introduce the notion of TFP news shocks as changes in current expectations about future productivity, and they find that these news shocks have real effects today, even though they only materialize in the future.

Beaudry and Portier (2006, 2014), Barsky and Sims (2011, 2012), Beaudry, Dupaigne and Portier (2011), Barsky, Basu and Lee (2015) and others identify TFP news shocks in SVARs as changes in current expectations, measured for example in terms of stock prices or consumer confidence, that are orthogonal to current but contribute to future TFP. Today’s effects of the news shocks are then considered as effects of expectations, while the shock only realizes in the future when TFP increases. These papers therefore rely on structural assumptions about the dynamic effects of news shocks on economic variables. My approach relies on a different set of assumptions, yet yields results that confirm the importance of news shocks for macroeconomic dynamics.

This paper also contributes to the literature on VAR invertibility, which refers to the abil- ity to rewrite the RE model as a reduced form VAR of observables (see Fernández-Villaverde et al. Non-invertibility occurs if there are unobserved state variables causing a bias in VAR estimation (see Watson, 1986). Models with news shocks are particularly vulnerable to non-invertibility, because VAR variables might not be able to capture the information used to predict news shocks (see Leeper, Walker and Yang, 2013). Watson (1986), Sims and Zha (2006), and Sims (2012) address the invertibility issue by including forward-looking variables.

I introduce an alternative way to avoid non-invertibility by estimating the reduced form model (VAR) with backcast revisions, as described above.