Behavioral Learning Equilibria in New Keynesian Models

Nous introduisons un équilibre basé sur l’apprentissage des comportements dans un cadre linéaire multivarié et l’appliquons à des modèles dynamiques stochastiques d’équilibre général (DSEG) de type Nouveaux Keynésiens. Dans un équilibre basé sur l’apprentissage des comportements, les agents dotés d’une rationalité limitée utilisent des règles d’anticipation de la forme des processus autorégressifs d’ordre 1 (AR (1)) simples mais optimales dans le sens où leurs paramètres correspondent à la moyenne de l’échantillon et à l’autocorrélation des données passées observées. Nous étudions le concept d’équilibre basé sur l’apprentissage des comportements à l’aide d’un modèle Nouveau Keynésien standard à trois équations et nous mettons au point une méthode d’estimation pour le modèle canonique de Smets et Wouters (2007). Une évaluation comparative entre le modèle d’équilibre basé sur des anticipations rationnelles (REE), le modèle d’équilibre basé sur l’apprentissage des comportements et les modèles d’apprentissage à gain constant montre que le modèle d’équilibre basé sur l’apprentissage des comportements fait mieux que le modèle à anticipations rationnelles de référence et est comparable aux modèles d’apprentissage à gain constant en termes d’adéquation statistique sur l’échantillon et hors échantillon. Lorsqu’on intègre au modèle les anticipations d’inflation à court terme tirées des données d’enquête et que les anticipations de la forme d’AR (1) évoluent grâce à un apprentissage de l’autocorrélation et de la moyenne, ces anticipations offrent la meilleure adéquation avec les données. Pour ce qui est de l’application empirique à la politique monétaire, nous montrons que la règle de Taylor, qui est optimale lorsque les anticipations sont formées avec des modèles AR (1), intègre de la dépendance au sentier et nécessite de ce fait un degré plus faible de lissage des taux d’intérêt que le modèle avec anticipations rationnelles.