Informação heterogênea, aprendizado e expectativas de inflação

• Processo: 16/25083-4
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de abril de 2017
• Data de Término da vigência: 31 de maio de 2018
• Área de conhecimento: Ciências Sociais Aplicadas - Economia - Economia Monetária e Fiscal
• Pesquisador responsável: Bernardo de Vasconcellos Guimaraes
• Beneficiário: Marcel Bertini Ribeiro
• Instituição Sede: Escola de Economia de São Paulo (EESP). Fundação Getúlio Vargas (FGV). São Paulo , SP, Brasil
• Assunto(s): Política monetária Aprendizagem
• Palavra(s)-Chave do Pesquisador: heterogeneous information | Inflation expectations | learning | signal extraction | Política Monetária

Resumo

Este projeto propõe reconciliar os resultados encontrados em Andolfatto et al. (2008) e Del Negro e Eusepi (2011). O Primeiro mostra que os modelos de informação imperfeita são capazes de incorporar uma importante característica dos dados de expectativas de inflação que não é permitida pelos modelos de expectativas racionais: erros de previsão correlacionados. Já o último, usando técnicas Bayesianas, encontra que o modelo de expectativas racionais performa melhor que os modelos de expectativas imperfeitas em termos de se adequar aos mesmos dados de expectativas de inflação. Eles argumentam que o modelo de informação imperfeita implica em um processo de aprendizado cuja dinâmica é muito restrita tal que é não condizente com os dados.Nós propomos um modelo de informação imperfeita com informação heterogênea - modelo de conhecimento comum imperfeito - que permite erros de previsão correlacionados, mas com um processo de aprendizado menos restritivo. Acreditamos que este modelo pode ser uma melhor forma de estudar as expectativas de inflação. Para poder resolver este modelo, propomos um novo método de solução que incorpora variáveis endógenas de estado e sinais públicos para o modelo de conhecimento comum imperfeito básico. O método de solução poderá ser útil para uma grande variedade de aplicações que usa esta estrutura de informação.