Mais Macro (I) - Economias Com Agentes Heterogêneos

Curso
Economias com agentes heterogêneos, mercados incompletos e risco

idiossincrático.
Duração: aprox. 12 aulas (segundas as 9hs) de uma hora e meia.
Referência básica: Ljungqvist e Sargent (2012) + slides.
Avaliação: projeto de pesquisa (60%) + exercı́cios avulsos (40%).
Página do curso:
sites.google.com/site/eduardozilberman/teaching/pos-macro-ii-2020-2
Econonomia com agentes heterogêneos
Mundo neoclássico: um setor representado por uma firma competitiva
Função de produção: Yt = zt F (Kt , Ht )

retornos constantes de escala
FK > 0, FH > 0, FKK < 0, FHH < 0
Lei de acumulação de capital: Kt+1 = (1 − δ)Kt + It
Objeto de estudo neste curso: mundo neoclássico com agentes

heteorgêneos.
Principais fontes de heterogeneidade: produtividade no mercado de

trabalho de cada agente é aleatória (risco idiosincrático) e riqueza inicial.
Há também as economias com firmas heterogêneas (equilı́brio industrial).

Por que estudar economias com mercados incompletos e agentes
heterogêneos?
Com mercados completos, economias admitem um agente

representativo, e a dinâmica da distribuição de riqueza, na maioria
dos casos, é pobre e não interage com a dinâmica agregada.
Com mercados incompletos, equilı́brio estacionário requer

distribuição estacionária (ou invariante) no tempo.
Arcabouço macroeconômico básico para estudar desigualdade

sob uma ótica quantitativa, assim como suas interações com a
dinâmica agregada.
Laboratório útil para o estudo de polı́ticas públicas que

envolvem alguma forma de redistribuição.
Roteiro:
aulas 1 e 2: agregação, agentes heterogêneos com mercados
completos
aulas 3 e 4: ferramentas
aula 5: agentes heterogêneos com mercados incompletos
aulas 6 e 7: aplicações, ótimo restrito
aula 8: incerteza agregada
aula 9: gerações imbricadas e ciclo da vida
aula 10: firmas heterogêneas
aulas 11 e 12: agentes heterogêneos em tempo contı́nuo
Pré-requisitos: Sargent e Ljungqvist, seções 2.2 (cadeias de Markov),

8.1-9 e 12.1-10 (equilı́brio competitivo com mercados completos).
Agregação, Agentes Heterogêneos com Mercados
Completos
Eduardo Zilberman
PUC-Rio
Macroeconomia II - 2020.2 - Aulas 1 e 2
Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 5/419

Agregação a la Gorman
Objetivo: agregação das curvas individuais de demanda.
Referência: seção 4D do Mas Colell.
Economia estática:
Com M bens de consumo, {c 1 , ..., c M }, cujos preços são dados por

p = {pm }M
m=1 ;
Com N agentes indexados por i = 1, ..., N, cada um dotado com ai

unidades de riqueza, a = {ai }N
i=1 (única fonte de heterogeneidade);
Cada agente possui utilidade ui , estritamente crescente e côncava

em cada um dos M bens;

Demanda agregada para um bem especı́fico c m :

N
X
C m (p, a) = cim (p, ai )
i=1
Portanto, em geral, é preciso saber toda a distribuição de riqueza

a = {ai }N
i=1 para determinar as quantidades agregadas.
Pergunta de primeira ordem em macro: agregação!?
Neste caso, sob que condições podemos escrever a demanda agregada

como função apenas de p e da riqueza agregada:
N
X
C m (p, A), onde A = ai .
i=1

Para que a demanda agregada dependa apenas de p e A, a igualdade

abaixo tem que ser verdade
dc m (p, ai ) dcjm (p, aj )

− i = para todo (i, j) e para todo m.
dai daj
daj =−dai
Em palavras, qualquer realocação de riqueza, que mantém A constante,

não muda a demanda agregada pelos bens.
Esta condição é verdadeira se todos agentes possuem a mesma propensão

marginal a consumir (da riqueza para qualquer nı́vel de riqueza):
cim (p, ai ) = κm m
i (p) + π (p)ai ,
ou seja, curvas de Engel (gastos como fç da riqueza) lineares na riqueza.

PI
Agregação: C m (p, A) = κ̄(p) + π m (p)A, onde κ̄m (p) = i=1 κm
i (p).

Gorman (1961) enunciou seu teorema em termos da utilidade indireta.
Teorema. Se (e somente se) as funções de utilidade indireta dos agentes

podem ser representadas como
vi (p, ai ) = αi (p) + β(p)ai ,
então consumo agregado pode ser expresso como a escolha de um

agente representativo com utilidade indireta
I
X
V (p, A) = ᾱ(p) + β(p)A, onde ᾱ(p) = αi (p).
i=1
∂vi (p,ai )
m
“Prova”: use a identidade de Roy, c m (p, ai ) = − ∂v∂p
i (p,ai )
, para obter a
∂ai
demanda do slide anterior, e vice-versa.
Agregação a la Gorman: comentários
Para obter agregação a la Gorman, precisamos de uma utilidade

indireta que pode ser separada em dois termos:
Um termo depende da identidade i e preços p, mas não da

riqueza, αi (p);
Outro, comum para todos, que é um função dos preços p,

multiplicado pela riqueza ai , β(p)ai .
Resultado importante. Para além da agregação, nos ensina como

construir preferências para um agente representativo.
Resultado poderoso. Obtido apenas impondo hipóteses (fortes) no

lado da demanda, sem impor restrições na estrutura de mercados.

Duas classes de u que satisfazem a forma de Gorman
Primeiro, utilidade quasi-homotética.
Utilidade u é homotética quando pode ser representada como
u(c) = g (h(c)),
onde h é uma função homogênea e g uma transformação monotônica.
É possı́vel mostrar que:

1 As funções de demandas relativas dependem apenas dos preços
relativos, não da riqueza.
2 As curvas de Engel são lineares e passam pela origem.
Utilidade quasi-hometética é mais geral: curvas de Engel lineares, mas

a constante não precisa ser zero (não passa pela origem).

Exemplos de preferências quasi-homotéticas incluem:


 ln(α + c) α∈R LOG



1
u(c) = 1−σ (α + c)1−σ α ∈ R, σ > 0, σ 6= 1 CRRA




−α exp(−ηc) η > 0, α > 0 CARA


Segundo, utilidade quasi-linear (linear em um argumento).
Exemplo: dois bens (c1 , c2 ).
max ui (ci1 ) + βci2 sujeito a p1 ci1 + ci2 = ai

{ci1 ,ci2 }
Condições de primeira ordem:
ui0 (ci1 ) = λi p1 e β = λi ,
onde λi é o multiplicador de Lagrange.
−1
Demanda pelo bem 1 não depende da riqueza: ci1 = ui0 (βp1 );
−1
Demanda pelo bem 2 sai residualmente: ci2 = ai − p1 ui0 (βp1 ).

−1
Demanda pelo bem 1 não depende da riqueza: ci1 = ui0 (βp1 );
−1
Demanda pelo bem 2 sai residualmente: ci2 = ai − p1 ui0 (βp1 ).
Ambas as demandas possuem propensões marginais a consumir da

riqueza constantes (zero e um): teorema de Gorman se aplica.
De fato, utilidade indireta:

−1 −1
vi (p1 ; ai ) = ui (ui0 (βp1 )) + β[ai − p1 ui0 (βp1 )]
= αi (p1 ) + βai

Modelo de crescimento neoclássico não-estocástico
Referência: Chatterjee (1994)
Tempo: discreto e infinito, t = 0, 1, 2, ...
População: finita, i = 1, ..., N, com vida-infinita
Bens: um bem de consumo / um bem de capital
Estrutura informacional: certeza
Tecnologia: “mundo neoclássico”, yt = f (kt ) ≡ F (Kt /Ht , 1)
Dotação:
PN
i tem participação inicial s0i na firma, tal que i=1 s0i = 1
firma representativa possui capital inicial k0 > 0
Preferências: sobre a sequência consumo {cti }∞
t=0
∞
X
β t u(cti ) , β ∈ (0, 1), u 0 > 0, u 00 < 0
t=0
Estrutura de mercado: completos com transações no tempo-0

Conceito de equilı́brio: competitivo

Revisão: mercados completos com transações no tempo-0 (Ljungqvist e
Sargent, capı́tulos 8 e 12).
Arrow-Debreu security: instrumento financeiro que dá direito a uma

determinada quantidade do bem de consumo em um determinado
perı́odo (não há incerteza).
Transações no tempo-0: os agentes só podem negociar estes

instrumentos em t = 0.
Mercados completos: para todo t, existe um Arrow-Debreu security.
Preço destes instrumentos: pt (normaliza p0 = 1).

Revisão: mercados completos com transações no tempo-0 (Ljungqvist e

Sargent, capı́tulos 8 e 12).
A alocação de equilı́brio (competitivo) é robusta as seguintes variações

na estrutura de mercado:
os agentes podem negociar com “Arrow-Debreu securities” em

qualquer perı́odo
os agentes podem negociar apenas com instrumentos de um

perı́odo (“Arrow securities”) em todos os perı́odos

Problema da firma no tempo-0: dado {pt }∞
t=0 e k0 > 0,
∞
X
a0 = max pt {f (kt ) − it }
{kt+1 }∞
t=0
t=0
s.a kt+1 = (1 − δ)kt + it
Problema do consumidor i no tempo-0: dado {pt }∞

t=0 ,
∞
X
max β t u(cti )
{cti }∞
t=0 t=0
∞
X
s.a pt cti ≤ s0i Na0
t=0
Nota: capital pertence a firma que pertence aos agentes. Problema

equivalente a atribuir propriedade do capital aos agentes, os quais o
alugam para a firma.
Definição: um equilı́brio competitivo com transações no tempo-0 é uma

∞ ∞
alocação {{cti }N
i=1 , kt+1 }t=0 , um sistema de preços {pt }t=0 , uma
i N
distribuição de riqueza inicial, {s0 }i=1 , e um estoque de capital per capita
inicial k0 > 0, tais que
dado o sistema de preços e a distribuição de riqueza inicial, {cti }∞

t=0
soluciona o problema do consumidor i, para todo i = 1, ..., N.
dado o sistema de preços e o capital per capita inicial, {kt+1 }t=0

soluciona o problema da firma.
a alocação é factı́vel (“market clearing”):

PN i
i=1 ct
+ kt+1 = f (kt ) + (1 − δ)kt , para todo t ≥ 0.
N

Riqueza do agente i em τ = 0: a0i = s0i Na0 .
Riqueza do agente i em τ = t: ati = sti Nat .
Problema da firma: em τ = t,
∞
X pτ
at = max {f (kτ ) + (1 − δ)kτ − kτ +1 }
τ =t
pt
dado k0 > 0
pt : é o preço do bem a ser consumido em t em termos do bem no

tempo-0.
pτ
pt : preço do bem a ser consumido em τ em termos do bem em t.
Objetivo: estudar a evolução da distribuição de riqueza, {ati }Ii=1 , no

mundo neoclássico com mercados completos.
Hipótese: utilidade instantânea possui uma das formas funcionais abaixo





1
+ c)1−σ



 1−σ (α α ∈ R, σ > 0, σ 6= 1 CRRA
u(c) =
− 21 (α − c)2 α>0 QUADRÁTICA










Considere a utilidade LOG: u(c) = ln(α + c)
Problema do consumidor: em τ = t,
∞
X
max β τ −t u(cτi )
τ =t
∞
X pτ
s.a cτi ≤ ati
τ =t
pt
pτ β τ −t pt
CPO: β τ −t α+c
1
i = pt λi ⇒ cτi = λi pτ
−α
τ
Usando a restrição orçamentária:

∞ ∞ ∞
pτ β τ −t pt

X pτ i X 1 X pτ
cτ = i
− α = i
− α = ati
τ =t
pt τ =t
pt λ p τ (1 − β)λ τ =t
pt
∞
" #
1 X pτ
⇒ = (1 − β) ati + α
λi p
τ =t t

Usando a CPO com τ = t e substituindo 1/λi :
1
cti = −α=
λi
∞
" #
X pτ
= (1 − β) ati +α −α=
τ =t
pt
∞
" #
X pτ
= α (1 − β) − 1 + (1 − β)ati
τ =t
pt
Proposição: para todas utilidades instantâneas acima:
cti = φ(pt ) + θ(pt )ati ,
onde pt = {pt , pt+1 , ...}.
Consumo é uma fç linear da riqueza: preferências quasi-homotéticas.

Implicações para a dinâmica agregada:
PN
consumo per capita: ct ≡ N1 i=1 cti
PN PN
riqueza per capita: N1 i=1 ati = N1 i=1 sti Nat = at
cti = φ(pt ) + θ(pt )ati

ct = φ(pt ) + θ(pt )at
Podemos recuperar a dinâmica agreagada através de um agente

representativo? Sim! Como?
Problema do agente representativo: no tempo-0,

∞
X
max β t u(ct )
t=0
∞
X
s.t pt ct ≤ a0
t=0

u 0 (ct ) pt
CPO do agente representativo: βu 0 (ct+1 ) = pt+1
Problema da firma representativa: no tempo-0,

∞
X
a0 = max pt {f (kt ) + (1 − δ)kt − kt+1 }
t=0
dado k0 > 0
pt
CPO da firma representativa: f 0 (kt+1 ) + (1 − δ) = pt+1
⇒ equação de Euler: u 0 (ct ) = βu 0 (ct+1 )[f 0 (kt+1 ) + (1 − δ)]
⇒ “market clearing”: ct + kt+1 = f (kt ) + (1 − δ)kt
Conclusão: com preferências quasi-homotéticas e agentes heterogêneos

apenas na dotação inicial, dinâmica agregada do modelo de cresc.
neoclássico pode ser caracterizada através de um agente representativo.

Implicações para a dinâmica da distribuição de riqueza
Função consumo:
cti = φ(pt ) + θ(pt )ati

Logo:
cti ct
< ⇐⇒ φ(pt )(ati − at ) > 0
ati at

Restrição orçamentária em t e t + 1:
∞
X ∞
X
pτ cτi = pt ati ⇐⇒ pt cti + pτ cτi = pt ati
τ =t τ =t+1
i
ci pt+1 at+1
⇐⇒ pt cti + pt+1 at+1
i
= pt ati ⇐⇒ ti + =1
at pt ati
i
cti

at+1 pt
⇐⇒ = 1 −
ati pt+1 ati
Agregado:

at+1 pt ct
= 1−
at pt+1 at
Logo:
i
at+1 at+1 ci ct
i
> ⇐⇒ ti < ⇐⇒ φ(pt )(ati − at ) > 0
at at at at

Finalmente,
i
at+1 at+1 s i Nat+1 at+1 si
i
> ⇐⇒ t+1i > ⇐⇒ t+1 >1
at at st Nat at sti
e
φ(pt )(ati − at ) > 0 ⇐⇒ φ(pt )(sti Nat − at ) > 0 ⇐⇒ φ(pt )(sti − 1/N) > 0
Logo:
i
st+1
> 1 ⇐⇒ φ(pt )(sti − 1/N) > 0
sti
Resto da aula: foco em LOG, u(c) = log(α + c).

1
Resultados válidos para CRRA, u(c) = 1−σ (α + c)1−σ
Outros casos: veja Chaterjee (1994).

i
st+1
> 1 ⇐⇒ φ(pt )(sti − 1/N) > 0
sti
i
st+1
= 1 ⇐⇒ φ(pt )(sti − 1/N) = 0
sti
h P∞ i
pτ
Caso LOG: u(c) = ln(α + c) ⇒ φ(pt ) = α (1 − β) τ =t pt −1 .
Proposição: se utilidade é LOG ou CRRA e α = 0, então
i
α = 0 ⇒ φ(pt ) = 0 ⇒ st+1 = sti
distribuição de riqueza inicial permanece inalterada
não há mobilidade social

u(c) = ln(α + c)
Hipóteses: α < 0 e c + α ≥ 0.
numa solução interior, cti > −α para todo t e i
hipóteses sobre k0 e {s0i }Ii=1 tais que exista solução interior
interpretação: −α é o nı́vel de consumo de subsistência

No steady-state: f 0 (k ∗ ) + (1 − δ) = 1/β
Lema: se utilidade é LOG ou CRRA e α < 0, então φ(pt ) > 0 se e

somente se kt < k ∗ .
Prova (caso LOG):

se kt < k ∗ , kt converge monotonicamente para k ∗
pt pt
dado a CPO da firma, f 0 (kt+1 ) + (1 − δ) = pt+1 , então pt+1 > 1/β
decresce monotonicamente para 1/β
pτ +1
logo: para todo τ ≥ t, pτ ≤β
pτ pτ pτ −1 pt+2 pt+1
logo: pt = pτ −1 pτ −2 ... pt+1 pt < β τ −t
usando a definição de φ(pt ) e α < 0
∞ ∞
" # " #
X pτ X
τ −t
φ(pt ) = α (1 − β) − 1 > α (1 − β) β −1 =0
p
τ =t t τ =t

i
st+1
> 1 ⇐⇒ φ(pt )(sti − 1/N) > 0
sti
Proposição: se utilidade é LOG ou CRRA e kt < k ∗ , na transição para o

estado estacionário:
α < 0 ⇒ φ(pt ) > 0
ricos acumulam propocionalmente mais que os pobres
distribuição de riqueza fica cada vez mais desigual
não há mobilidade social (modelo de castas)
Obs.: se α > 0 ou kt > kt∗ , a distribuição de renda ficaria mais igual,

mas ainda sim não haveria mobilidade social.
Intuição:
Numa economia que acumula capital (kt < k ∗ ), consumo cresce.
i
α+ct+1
Algebricamente (caso LOG): α+cti
= β[f 0 (kt+1 ) + (1 − δ)] > 1
Renda também cresce nesta economia.
A propensão a poupar do agente depende o quão mais devagar o
seu consumo desejado cresce relativo a renda.
α < 0: consumo dos agentes ricos cresce mais devagar que a renda.

Caso geral:
i
st+1
> 1 ⇐⇒ φ(pt )(sti − 1/N) > 0
sti
Utilidades:





1
+ c)1−σ



 1−σ (α α ∈ R, σ > 0, σ 6= 1 CRRA
u(c) =
− 21 (α − c)2 α>0 QUADRÁTICA









Lema (caso geral): φ(pt ) > 0 se e somente se α(kt − k ∗ ) > 0.

No estado estacionário, distribuição de riqueza é indeterminada.
Conjunto de equações no estado estacionário:
f 0 (k ∗ ) = 1/β + (1 − δ)
1
a∗ = [f (k ∗ ) − δk ∗ ]
1−β
X N
si = 1
i=1
c i = (1 − β)s i Na∗ , i = 1, 2, ..., N.
(N + 3) equações e (2N + 2) icógnitas. Se N > 1, multiplicidade de

distribuições de riqueza no estado estacionário.
se N = 1, estado estacionário é único.
se N = 2, contı́nuo de estados estacionários de dimensão 1.
Entretanto: dado uma dist. de riqueza inicial, {s0i }N i=1 , a dist. de riqueza
no caminho de equilı́brio, {sti }N
i=1 para todo t, é única.
Robustez 1: agentes possuem diferentes fatores de desconto.
Eq. de Euler no caso LOG (com α = 0): para todo i,

i
ct+1 = β i [f 0 (kt+1 ) + (1 − δ)]cti
Defina: β̄ = max{β 1 , ..., β N }
No steady-state: β̄[f 0 (k ∗ ) + (1 − δ)] = 1

caso contrário: cti → ∞, para i tal que β i [f 0 (k ∗ ) + (1 − δ)] > 1.
note que: cti → 0 para todo i tal que β i < β̄.
No limite, o tipo mais paciente possui toda a riqueza (distribuição

degenera).

Robustez 2 (Caselli e Ventura, 2000): análise em tempo contı́nuo

(crescimento neoclássico e crescimento endógeno), com três fontes de
heterogeneidades (trabalho-eficiência, riqueza e preferências).
Modelo com agregação (agente representativo) a la Gorman, compatı́vel

com dinâmicas interessantes de desigualdade e mobilidade social.
Crı́tica: preferências (e cohoques de preferências) não são observáveis,

portanto difı́cil confrontar o modelo com os dados.

Robustez 3: mercados incompletos.
Caso extremo: autarquia (sem transações). Cada agente possui ...
dotação inicial k0i
acesso a uma tecnologia própria
Literatura de crescimento: a riqueza de cada agente convergirá para k ∗
Conclusão 1: no limite, não há desigualdade de riqueza
Conclusão 2 (talvez paradoxal): mercado financeiro menos desenvolvido

pode levar a menos desigualdade de riqueza

Abordagem de Negishi
Negishi (1960): método para computar o equilı́brio competitivo em

economias com agentes heterogêneos, nas quais o primeiro
teorema do bem-estar vale (e.g., com mercados completos).
Truque é procurar pelos pesos “corretos” na função de

bem-estar social no problema do planejador, que correspondem
ao equilı́brio competitivo na economia descentralizada.
Útil quando o teorema de Gorman não se aplica e, portanto, não

sabemos escrever as preferências do agente representativo.

Abordagem de Negishi: Exemplo
Modelo de crescimento neoclássico nos slides anteriores, com N = 2.
Problema do planejador: dado k0

∞
X
max
1 2
β t [µ1 u(ct1 ) + µ2 u(ct2 )]
{ct ,ct ,kt+1 }
t=0
sujeito a
1 1 1 2
c + ct + kt+1 = f (kt ) + (1 − δ)kt
2 t 2
Condições de primeira ordem com respeito a cti e kt+1 :
2µi β t u 0 (cti ) = θt
θt = θt+1 [f 0 (kt+1 ) + (1 − δ)]

onde θt é o multiplicador de Lagrange associado a restrição de recursos.
Modelo de crescimento neoclássico nos slides anteriores, com N = 2.
Problema do consumidor i no tempo-0: dado {pt }∞

t=0 ,
∞
X
max β t u(cti )
{cti }∞
t=0 t=0
sujeito a
∞
X
pt cti ≤ s0i 2a0
t=0
Condições de primeira ordem com respeito a cti :

β t u 0 (cti ) = λi pt
onde λi é o multiplicador de Lagrange associado a restrição orçamentária.
1
Se u(cti ) = ln cti , então λi = (1 − β)s0i 2a0 .
Note que:
u 0 (ct1 ) µ2 λ1
0 2 = =
u (ct ) µ1 λ2
Como u 00 < 0, planejador aloca consumo proporcionalmente ao peso

que dá a cada consumidor.
A razão de pesos é igual ao inverso da razão de multiplicadores de
Lagrange no problema do agente.
No caso LOG e α = 0:
µ2 λ1 s2
= = 01
µ1 λ2 s0
Impondo a normalização, µ1 + µ2 = 1, e especificando µi = s0i ,
recupera-se a solução competitiva.

Finalmente, note que:

θt pt
= f 0 (kt+1 ) + (1 − δ) =
θt+1 pt+1
Preços de equilı́brio recuperados através da sequência de multiplicadores

de Lagrange (valor sombra de uma unidade extra de consumo).
Exemplo especı́fico: solução fechada para λi s no equilı́brio competitivo.

Abordagem de Negishi: Caso Geral
Caso geral: N tipos de agente com distribuição inicial de riqueza

(dotação), {a0i }N
i=1 , com preferências u.
Algoritmo em quatro passos.
Primeiro passo, no problema do planejador P de Negishi, conjecture um

N
vetor de pesos µ = {µ1 , µ2 , ..., µN }, tal que i=1 µi = 1.
Note que o simplex N-dimensional,

( N
)
X
∆N = µ ∈ RN
+ : µi = 1 ,
i=1
traça todo conjunto de alocações ótimo de Pareto.

Segundo passo, do problema do planejador de Negishi, compute

∞ ∞
{{cti }N
i=1 }, kt }t=0 e a sequência de multiplicadores de Lagrange {θt }t=0 .
Na prática, para cada t, data (θt , kt ) é preciso solucionar N + 2 equações,
µi β t u 0 (cti ) = θt para i = 1, ..., N
θt
= f 0 (kt+1 ) + (1 − δ)
θt+1
PN i
i=1 ct
+ kt+1 = f (kt ) + (1 − δ)kt ,
N
em N + 2 icógnitas ({cti }N
i=1 , kt+1 , θt+1 ).
Lembre que na economia descentralizada, a demanda por consumo

depende de toda sequência de preços, um objeto de dimensão infinita.

Segundo passo, ...
Cuidado. k0 é dado, mas θ0 não. É preciso um chute incial θ0 , e iterar

até o capital convergir.
Razão. Condição de transversalidade (que precisa ser atendida no modelo

de crescimento neoclássico):
lim β t u 0 (cti )kt = 0 ⇒ lim θt kt = 0

t→∞ t→∞
Caso o valor de θ0 não seja o “correto”, capital diverge.
Por fim, é preciso critério de covergência, T e > 0 tal que |kT − k ∗ | < .

Terceiro passo, explore a equivalência entre os preços pt e os
multiplicadores θt para verificar se as restrições orçamentárias dos
agentes estão satisfeitas no vetor µ conjecturado.
Defina uma função de transferência implı́cita,

∞
X
τi (µ) = θt (µ)cti (µ) − θ0 a0i ,
t=0
que diz se o planejador está alocando demais se τi (µ) > 0, ou de menos

se τi (µ) < 0, para o agente i.
Propriedade útil:
PN ∞
i=1 τi (µ)
X
= pt ct − θ0 a0 = 0,
N t=0
uma vez o valor presente dos recursos de uma economia não pode ser
maior que a riqueza corrente.
Quarto passo, iterar em µ, até achar o vetor de pesos µ∗ que zera as

funções de transferêcias de todos os indivı́duos i, τi (µ∗ ) = 0.
µ∗ é o vetor de pesos que gera a alocação eficiente que não necessita de

transferências entre os agentes para ser implementada.
Ou seja, o equil. competitivo no qual as dotações iniciais são suficientes

para que cada indivı́duo arque com a parte da alocação que lhe cabe.

Agregação com mercados completos
Constantinides (1982): abordagem de Negishi para provar teoremas de

agregação, quando os mercados são completos.
Considere uma economia em que os teoremas de bem-estar valem (e.g.,

mercados completos).
Equilı́brio pode ser computado via o problema do planejador de Negishi.

∞
X N
X
max βt µi u(cti )
{cti ,kt+1 }
t=0 i=1
sujeito a
ct + kt+1 = f (kt ) + (1 − δ)kt

PN i
c
ct = i=1 t
N

Divida o problema em dois estágios. Primeiro estágio, como alocar o
consumo ct entre os agentes em todo perı́odo t:
N
X
U(ct ) = max µi u(cti )
{cti }
i=1
sujeito a
PN i
c
ct = i=1 t
N
Segundo estágio, problema de investimento/consumo (crescimento
neoclássico):
X∞
max β t U(ct )
{cti ,kt+1 }
t=0
sujeito a
ct + kt+1 = f (kt ) + (1 − δ)kt
Dinâmica agregada do modelo descrita por um agente representativo,
com preferências diferentes das preferências individuais, U 6= u.
Como construir U? Exemplo com N = 2, µ1 = µ, µ2 = 1 − µ. Condições
de primeira ordem:
µu 0 (ct1 ) = (1 − µ)u 0 (2ct − ct1 ).
Numericamente, é possı́vel computar ct1 = g (ct , µ). Logo,

U(ct ) = µu(g (ct , µ)) + (1 − µ)u(2ct − g (ct , µ)).
Sobre os teoremas de agregação:
Lembrando: Gorman impõe restrições na função utilidade u, mas

vale para qualquer estrutura de mercado.
Constantinides vale para quaisquer u estrit. côncavo (inclusive ui

heterogêneos), mas requer validade dos teoremas de bem-estar.
Por exemplo, quando os mercados são completos.
Desvantagem: embora sempre possı́vel um algoritmo para
computar U, maioria dos casos não comporta solução analı́tica.
Agregação com mercados completos: exemplo
Exemplo de modelo com solução analı́tica para U, com preferências
individuais que não satisfazem a forma de Gorman.
Preferências que não são quasi-homotéticas sobre consumo e lazer, mas

mercados completos. Exemplo baseado em Maliar e Maliar (2001, 2003).
Demografia. Contı́nuo de agentesR com vida infinita. αi a medida de

agentes i no conjunto I , tal que: I dαi = 1.
Heterogeneidade inicial na distribuição de riqueza. Agentes dotados uma

unidade de tempo, tal que lazer (lti ) + horas (hti ) = 1.
Preferências:
∞
(cti )1−γ − 1 (1 − hti )1−σ − 1
X
t
E β +φ .
t=0
1−γ 1−σ
Se σ 6= γ, preferências não são quasi-hometéticas.

Incerteza. Agentes sujeitos a choques idionsincráticos de produtividade

(risco), εit , suponha iid com média 1, e definido no conjunto E .
Tecnologia e problema da firma. Produção agregada é dada por

yt = zt f (kt , nt ), com f satisazendo as propriedades usuais.
Firma representativa aluga o capital kt dos domicı́lios, e emprega

horas-eficiência agregadas nt = I εit hti dαi .
R
Mercados. Mercados competitivos para o bem final, que pode ser usado
para investimento e consumo.
E mercados financeiros completos, que asseguram o risco idiosincrático

(hipótese não realista).
i
Arrow securities, at+1 (ε), que paga unidade de consumo em t + 1 se ε
realizou. Caso contrário, paga zero. pt (ε) é o preço destes instrumentos
financeiros.

Problema dos agentes. Dado k0i , a0i ,

∞
(cti )1−γ − 1 (1 − hti )1−σ − 1
X
max E βt +φ .
{cti ,kt+1
i ,at+1 (ε)}
t=0
1−γ 1−σ
sujeito a
Z
cti + kt+1
i
+ i
pt (ε)at+1 (ε)dε = (1 − δ)kti + wt εit hti + ati (εit )
E
Fontes de heterogeneidade: dotação de riqueza inicial k0i , a0i , e dotação

de unidades de trabalho-eficiência εit (que pode variar no tempo).

Economia com mercados completos: primeiro teorema do bem-estar vale.

Para achar o equilı́brio, pode-se usar a abordagem de Negishi.
Desafio: achar os pesos “corretos”, tal que os agentes possam “comprar”

a alocação eficiente dada as suas dotações iniciais de riqueza.
Seja µRi a medida de “pesos” atributı́dos aos agentes i no conjunto I , tal

que: I µi dαi = 1. Problema do planejador de Negishi:
∞
(cti )1−γ − 1 (1 − hti )1−σ − 1
X Z
t
max E β µi +φ dαi .
{cti ,hti ,at+1(ε) }
t=0 I 1−γ 1−σ
sujeito a
ct + kt+1 = (1 − δ)kt + zt f (kt , nt ) ,
xti dαi , mas lembre que nt = εit hti dαi .

R R
onde xt = I I

Condições de primeira ordem com respeito a cit ,

γ1
µi
µi (cti )−γ = θt ⇒ cti =
θt
Condições de primeira ordem com respeito a hti ,

σ1
φµi 1
µi φ(1−hti )−σ = θt fn (k, nt )εit = θt wt εit ⇒ (1−hti )εit = (εit )1− σ
θt wt
Consumo proporcional ao peso na função de bem-estar social

Lazer também é proporcional ao peso (efeito riqueza no mundo
competitivo)
Lazer é inversamente proporcional à produtividade individual
(planejador quer que os mais produtivos trabalhem mais)

Integrando:
Z Z γ1
µi
ct = cti dαi = dαi
I I θt
Z Z Z σ1
φµi 1
1 − nt = 1 − εit hti dαi = (1 − hti )εit dαi = (εit )1− σ dαi
I I I θt wt
Mais álgebra:
1
(µi ) γ
cti =R 1 ct
I
(µi ) γ dαi
1 − 1
(µi ) σ εi σ
1 − hti = R 1
1− σ1
(1 − nt )
I
(µi ) σ (εi ) dαi
Substituindo na função objetivo do planejador de Negishi,

∞ i 1−γ
(1 − hti )1−σ − 1

−1
Z
X (ct )
E β t µi +φ dαi ,
t=0 I 1 − γ 1 − σ
e após alguma manipulação algébrica, e transformações monotônicas ...
... chega-se a formulação com agente representativo: dado K0 ,
∞ 1−γ
(1 − nt )1−σ − 1

X
t (ct ) −1
max E β + φΦ ,
{cti ,kt+1
i ,at+1(ε) }
t=0
1−γ 1−σ
sujeito a
ct + kt+1 = (1 − δ)kt + zt f (kt , nt ),
onde: hR iσ
1 1
I
(µi ) σ (εit )1− σ dαi
Φ= hR 1
iγ .
I
(µi ) γ dαi
Note que Φ não depende de t porque choques são iid.
Lembre que a função objetivo de cada indivı́duo é dada por:

∞ i 1−γ
(1 − hti )1−σ − 1

X
t (ct ) −1
E β +φ .
t=0
1−γ 1−σ

Agregação bem diferente de uma agregação a la Gorman. Razões:
1 Agente representativo possui preferências diferentes dos indivı́duos:

(i) depende de nt (horas-eficiência agregada) e não de ht (horas
agregadas); (ii) peso extra Φ no lazer.
2 O parâmetro que desloca preferências, Φ, depende da distribuição

de choques e da distribuição inicial de dotações (riqueza).
Mas distribuições exógenas (problema simples). Exemplo: sem

heterogeneidade de riqueza, µi = 1, e ln ε ∼ N(−vε /2, vε )
Z σ
i 1− σ1 i 1 − σ vε
Φ= (εt ) dα = exp ,
I σ 2
a variância do choque afeta as preferências por lazer do agente

representativo fictı́cio.

hR 1 1
iσ
I
(µi ) σ (εit )1− σ dαi
Φ= hR 1
iγ .
(µ ) γ dαi
I i
Agregação bem diferente de uma agregação a la Gorman. Razões:
3 Se γ = σ, utilidade é quasi-homotética. Sem choques, Φ = 1 e

ht = nt , e obtém-se uma agregação a la Gorman. Mas com risco
idiossincrático, Φ 6= 1, Gorman não se aplica!
Agregação a la Gorman funciona se (mas não somente se)

riqueza é a única fonte de heterogeneidade.
4 Se γ 6= σ, utilidade não é quasi-hometética. Mesmo sem choques,

Φ depende da distribuição inicial de riqueza.

Maliar e Maliar (2001, 2003): resultados análogos para Cobb-Douglas.
Utilidade instantânea Cobb-Douglas do indivı́duo:

1−σ
(cti )µ (1 − hti )1−µ −1
u(cti , 1 − hti ) = , 1 > µ > 0, σ > 0
1−σ
Utilidade instantânea do agente representativo:

1−σ
(ct )µ (1 − nt )1−µ −1
u(ct , 1 − nt ; Λ) = Λ , 1 > µ > 0, σ > 0
1−σ
“Shifter” Λ depende da distribuição de choques e da distribuição inicial

de dotações (riqueza).

Agregação de firmas
Sob que circunstâncias podemos considerar uma firma representativa?
Exemplo:
M firmas, indexadas por i = 1, 2, ..., M
mesma tecnologia neoclássica: z i F (k i , ni )
Fk > 0, Fn > 0, Fkk < 0, Fnn < 0
mercados competitivos
Cada firma toma os preços como dado:

max{z i F (k i , ni ) − wni − (r + δ)k i }
k i ,ni
CPOs: z i Fk (k i , ni ) = r + δ e z i Fn (k i , ni ) = w , o que implica:
Fk (k i , ni ) r +δ
i i
=
Fn (k , n ) w
Como F é homogênea de grau 1, Fk e Fn são homogêneas de grau 0.
fk (k i /ni ) Fk (k i , ni ) r +δ
i i
= i i
=
fn (k /n ) Fn (k , n ) w
Como o LHS é estritamente decrescente em k i /ni ,
ki

r +δ k
=g = , para todo i
ni w n
onde k é a média de k i (e n é a média de ni ).
Mas note que, para z i > z j , temos uma contradição:

z i fk (k/n) = r + δ = z j fk (k/n)
Alguma introspecção: firmas i, tal que z i = z̄ = max{z 1 , ..., z M },

“sobrevivem” (possuem lucro não-negativo).
z̄fk (k/n) = r + δ e z̄fn (k/n) = w
Conclusão: firma representativa com tecnologia z̄F (k, n) existe.
Exercı́cio 1 a entregar
Considere um modelo de crescimento neoclássico, onde há dois setores de produção: produtores de bens de
consumo ct e de investimento it .
Ambos os setores operam a mesma tecnologia de produção neoclássica f (com retornos constantes de escala), mas
estão sujeitos a choques de produtividade ztc e zti distintos:
c c c i i i
ct = zt f (kt , ht ) e it = zt f (kt , ht ).
Capital agregado kt = ktc + kti , onde ktc é o capital empregado no setor de consumo e kti no de investimento,
acumula de acordo com a lei de movimento
kt+1 = (1 − δ)kt + it .
Já trabalho agregado é dado por nt = ntc + nti , onde ntc é o trabalho empregado setor de consumo e nti no setor de
investimento. Por fim, o domicı́lio representativo tem utilidade instantânea usual u(ct , 1 − nt ) separável no tempo,
com fator de desconto β.
Mercados são competitivos, e tanto capital quanto labor podem migrar livremente entre setorers. Finalmente,
defina ptc como o preço do consumo e pti do investimento.
a) Mostre que que esta economia agrega em um model de crescimento com um setor, ou seja, a estrutura
produtiva pode ser resumida com um tecnologia de produção agregada z̃f (kt , nt ).
b) Qual a interpretação da razão ptc /pti em equilı́brio.

Exercı́cio 2 a entregar
Considere um versão do modelo de crescimento neoclássico, habitado por dois tipos de agentes, i = 1, 2, com
massas µi , onde µ1 + µ2 = 1. Dado ai0 , o agente do tipo i soluciona:
h i1−γ
∞ citα (1 − hit )1−α
t
X
max β
{cit ,nit }∞ 1−γ
t=0 t=0
sujeito a
0
cit + ai,t+1 = at [1 + rt (1 − τt )] + wt εi hit + T ,
onde εi é a dotação de unidades de trabalho eficiente do tipo i, τt é um imposto sobre a renda do cpaita e T 0 são
transferências lump-sum.
A firma representativa opera uma tecnologia com retornos constantes de escala, F (Kt , Nt ), onde Nt é trabalho
(em unidades de eficiência) agregado. A restrição orçamentária do governo é satisfeita perı́odo a perı́odo,
0
T = τt Kt rt .
Finalmente, a restrição de recursos agregados é dada por:
Ct + Kt+1 = F (Kt , Nt ) + (1 − δ)Kt
a) Mostre que no estado-estacionário, a distribuição de riqueza é indeterminada.
b) Esta economia admite uma formulação com agente representativo?
(continua no próximo slide)

Exercı́cio 2 (continuação) a entregar
Suponha que a economia esteja, inicialmente, em um estado-estacionário em particular com transferências T 0 , e

que o governo aumente as transferências T 1 > T 0 .
c) O estado estacionário com transferências maiores possui mais ou menos estoque de capital? Desenhe a dinâmica
de equilı́brio entre estado-estacionários no espaço de riquezas individuais, (a1 , a2 ). O estado-estacionário é
determinado unicamente? Como você computaria a dinâmica?

Consumo-Poupança sob Incerteza e Mercados
Incompletos
Eduardo Zilberman
PUC-Rio
Macroeconomia II - 2020.2 - Aula 3
Eduardo Zilberman PUC-Rio Consumo-Poupança sob Incerteza 68/419

Mercados completos (revisão)
Referência: Ljungqvist e Sargent, capı́tulo 8.
1 Tempo: discreto, infinito (t = 0, 1, ...)
2 População: I agentes indexados por i = 1, ...., I
3 um bem homogêneo e perecı́vel
4 Estrutura informacional: incerteza agregada
evento estocástico: st ∈ S em cada perı́odo t ≥ 0
história de eventos até t, s t = [s0 , s1 , ..., st ] ∈ S t
probabilidade incondicional: πt (s t ), com π0 (s0 ) = 1
probabilidade condicional: πt (s t |s τ )
em t, s t é observável
5 Dotação/tecnologia: estocástica, yti (s t ) unidades do bem
6 Preferências: sobre consumo c i = {cti (s t )}∞
t=0
∞ X
X
U(c i ) = β t u[cti (s t )]πt (s t )
t=0 s t

Mercados completos vs. autarquia
Dois casos extremos:
1 Autarquia: cti (s t ) = yti (s t )
2 Eq. competitivo com mercados completos:
restrição orçamentária no tempo-0:
∞ X
X
qt (s t )[cti (s t ) − yti (s t )] = 0
t=0 s t ∈S t
1−σ
c
se u(c) = 1−σ , em equilı́brio, cti (s t ) = αi Yt (s t ) = αi Ct (s t )
Implicação empı́rica: estimar com microdados

∆ log cti = β0 + β1 ∆ log Ct + β2 ∆ log yti + εit
Mercados completos: β1 = 1, β2 = 0 (diversificação perfeita do risco

idiosincrático).
Autarquia: β1 = 0, β2 = 1.
Mace (1991):

Mace (1991):

Em geral: as duas hipóteses (autarquia e mercados completos) são

rejeitadas, porém há bastante evidência de seguro parcial.
Por exemplo, Cochrane (1991) e Townsend (1994) mostram que que

consumo reage pouco à certos tipos de choques (e.g., desemprego).
Recentemente: Schulhofer-Wohl (2011) e Mazzocco e Saini (2012).
Heterogeneidade na preferência por risco viesa os resultados;
Indivı́duos mais tolerantes ao risco escolhem profissões com mais

risco de renda;
Evidência de mais seguro que o capturado por testes pregressos.
Conclusão: necessidade de um modelo com diversificação do risco

parcial!
Mercados incompletos
Como modelar diversificação de risco parcial? Mercados incompletos!
1 Incompletude de mercados exógena: restringir espaço de instrum.

financeiros, considerando apenas o que se observa na prática.
Abordagem dos capı́tulo capı́tulos 17 (“self-insurance”) e 18
(“incomplete markets models”) do livro (serão cobertos)
2 Incompletude de mercados endógena: modelar fricções que minam

diversificação de risco perfeita (e.g., enforcement limitado,
informação privada, etc).
Abordagem do capı́tulo 20 (“insurance versus incentives”) do

livro (não será coberto).
Mais profunda, mas que, geralmente, resulta em contratos
complexos não observados na prática, limitando seu escopo
para aplicações quantitativas.
Sargent e Ljungqvist (2012) sugere o seguinte exercı́cio: ler Lucas (1992);

estudar os capı́tulos 17, 18 e 20 do livro; ler Lucas (1992) novamente.
Formulação sequencial: com mercados completos, restrição orçamentária
no tempo-0 poder ser substituı́da por
X
cti (s t ) + Qt (st+1 |s t )at+1
i
(st+1 , s t ) = yti (s t ) + ati (s t )
st+1 ∈St+1
mais uma restrição de endividamento.
Mercados incompletos:
cti (s t ) + Qt (s t )at+1
i
(s t ) = yti (s t ) + ati (s t )
mais uma restrição de endividamento.
Ou seja: para toda história s t , existe apenas um ativo sem risco

(“risk-free bond”).
Risk-free bond: paga uma unidade de consumo no perı́odo seguinte,

independente da realização de st+1 .
Restrição orçamentária sequencial com mercados imcompletos:
cti (s t ) + Qt (s t )at+1
i
(s t ) = yti (s t ) + ati (s t )
1
Note que Qt (s t ) ≡ 1+rt (s t ) .
Dependendo das hipóteses de “timing” (omitindo s t e i):

“Capı́tulo 8”: at+1 = (1 + rt )(yt + at − ct )
a = ativos no inı́cio do perı́odo
Capı́tulo 17: at+1 = (1 + rt )(at − ct ) + yt+1
a = ativos no inı́cio do perı́odo mais a realização da renda
Capı́tulo 18: at+1 + ct = (1 + rt )at + yt
a = ativos no final do perı́odo
Idéia: única forma de diversificar o risco idionsincrático é através de um

ativo sem risco (“self-insurance”).
Roteiro para as próximas aulas:
1 estudar as propriedades do problema de “self-insurance”

(consumo-poupança sob incerteza)
2 solucionar (numericamente) o problema de “self-insurance”
3 caracterizar o equilı́brio competitivo com agentes heterogêneos e

mercados incompletos (sem e com incerteza agregada)
4 aplicações

Consumo-poupança sob incerteza: o motivo precaução
Referência: Sargent and Ljungqvist, seção 17.13
Modelo em dois perı́odos:

max {u(c0 ) + βE0 [u(c1 )]}
c0 ,c1 ,a1
s.a.
c0 + a1 = (1 + r )a0 + y0
c1 = (1 + r )a1 + y1
Equação de Euler:
u 0 [(1 + r )a0 + y0 − a1∗ ] = β(1 + r )E0 {u 0 [(1 + r )a1∗ + y1 ]}
a1∗ é unicamente determinado (riqueza ótima).
Duas economias:
1 Determinı́stica: y1 = ȳ1 . Riqueza ótima: a1n .
2 Estocástica: y1 é uma v.a. com E0 (y1 ) = ȳ1 . Riqueza ótima: a1s .
EE caso determenı́stico:
u 0 [(1 + r )a0 + y0 − a1n ] = β(1 + r )u 0 [(1 + r )a1n + ȳ1 ]
EE caso estocástico:
u 0 [(1 + r )a0 + y0 − a1s ] = β(1 + r )E0 {u 0 [(1 + r )a1s + y1 ]}

> β(1 + r )u 0 [(1 + r )a1s + ȳ1 ]
Por que? Sob a hipótese que u 000 > 0 (i.e. u 0 é convexo), aplique a
desigualdade de Jensen.
Conclusão: a1s > a1n
Poupança induzida por prudência, motivo precaução, self-insurance.

Do mesmo jeito que aversão ao risco se refere a concavidade da
utilidade (u 00 < 0), prudência refere-se a convexidade da utilidade
marginal (u 000 > 0)
Kimball (1990) extendeu a análise de Arrow-Pratt.
Por exemplo: ı́ndice de prudência absoluto, −u 000 (c)/u 00 (c).
Exemplo de uma classe de funções com u 000 > 0: aversão ao risco

absoluto decrescente (CRRA e CARA, por exemplo).
−u 00 (c) 0 u 000 (c)u 0 (c) + [u 00 (c)]2

α(c) = ⇒ α (c) = − ≤0⇒
u 0 (c) [u 0 (c)]2
[u 00 (c)]2
⇒ −{u 000 (c)u 0 (c) + [u 00 (c)]2 } ≤ 0 ⇒ u 000 (c) ≥ >0
u 0 (c)
Exemplo de uma função com u 000 = 0: quadrática (u(c) = − 12 (c − γ)2 ).

Evolução da literatura:
Artigos seminais: Leland (1958) e Sandmo (1960).
Sibley (1975) e Carrol e Kimball (1996): extendenderam a análise para

mais de dois perı́odos.
terceira derivada positiva da função valor é necessária para

prudência
isto é verdade se T é finito e u 000 > 0
se u 000 > 0 e T é finito, consumo é uma função côncava da riqueza

Literatura empı́rica: o motivo precaução é importante?
Carrol e Kimball (2007): “... establishing the intensity of the

precautionary saving motive and the magnitude of precautionary wealth
remain lively areas of debate.”
Modelos estruturais:
antes da crise do 2007-9, tendiam estimar um grau de prudência

baixo, embora o motivo precaução forte para indivı́duos próximos da
restrição de crédito;
no pós-crise, autores passaram a apontar uma relevância bem maior

do motivo precaução para explicar os ciclos econômicos (e.g.,
Guerrieri e Lorenzoni, 2016; Challe e Ragot, 2016).
Estimativas diretas: sensı́vel aos procedimentos empı́ricos e problemas

de variáveis omitidas (por exemplo, aversão ao risco).
Estudar o caso quadrático: u(c) = − 21 (c − γ)2
⇒ u 0 (c) = γ − c, u 00 (c) = −1, u 000 (c) = 0.
Horizonte: infinito.
Restrição orçamentária: at+1 + ct = yt + (1 + r )at .
Restrição ao crédito: at+1 ≥ −a.
yt é uma variável aletória.

Problema:
∞
X 1
max − β t (ct − γ)2
t=0
2
sujeito a
at+1 + ct = yt + (1 + r )at
at+1 ≥ −a
Se a restrição de crédito não estiver ativa (at+1 > −a). Eq. Euler:
(γ − ct ) = β(1 + r )Et (γ − ct+1 )
Se a restrição de crédito estiver ativa (at+1 = −a):

ct = yt + (1 + r )at + a
Hipótese: β(1 + r ) = 1. Logo:

Et ct+1 se at+1 > −a
ct =
yt + (1 + r )at + a se at+1 = −a
Caso 1: a restrição nunca está ativa (“a é o limite natural”).
Et ct+j = ct para todo j.
Consumo é uma passeio aleatório (uma martingale).
Restrição orçamentária: at+1 + ct = yt + (1 + r )at

at+2 +ct+1 −yt+1
Note que: ct = yt + (1 + r )at − at+1 = yt + (1 + r )at − 1+r .
Iterando para frente e usando LIE:

∞ j ∞ j
X 1 X 1
Et ct+j = (1 + r )at + Et yt+j
1+r 1+r
j=0 j=0
 
∞ j
r  X 1
ct = (1 + r )at + Et yt+j 
1+r 1+r
j=0
Consumo é a anuidade da riqueza (hipótese da renda permanente).

Ao solucionar o problema determinı́stico (da mesma forma):

 
∞ j
r  X 1
ct = (1 + r )at + yt+j 
1+r 1+r
j=0
Princı́pio de equivalência à certeza! Apenas a média do processo da

renda importa para determinar o consumo.
Quando a utilidade é quadrática e o limite ao endividamento é

suficientemente alto, não há motivo precaução.
E se o limite de endividamento for baixo (por exemplo, a = 0)?

Caso 2: a restrição pode está ativa em alguns perı́odos.

Et ct+1 se at+1 > 0
ct =
yt + (1 + r )at se at+1 = 0
Podemos reescrever a EE:
ct = min{yt + (1 + r )at , Et ct+1 } =

= min{yt + (1 + r )at , Et [min{yt+1 + (1 + r )at+1 , Et+1 ct+2 }]}
Neste caso há motivo precaução (mesmo com u 000 = 0). Por que?
Suponha que a variância de yt+1 aumente.
A probabilidade do agente estar restrito ao crédito no futuro
também aumenta.
Como Et [min{yt+1 + at+1 , Et+1 ct+2 }] cai, e portanto Et ct+1 cai.
Poupança aumenta.

Intuição: Uma sequência de realizações ruins jogam o agente para perto

da restrição ao crédito, o que pode atrapalhar a suavização do consumo.
Portanto, quando a incerteza aumenta, os agentes poupam visando evitar

volatilidade no consumo futuro.
Conclusão: u 000 > 0 é suficiente porém não necessário para o motivo

precaução.

Parênteses: hipótese da renda permanente
Resumo. Hipótese da renda permanente: consumo depende apenas da
renda permanente.
Sem restrição ao crédito, com util. quadrática (u 000 = 0) e (1 + r )β = 1:
Dado a rest. orçamentária: at+1 + ct = yt + (1 + r )at
Eq. de Euler: Et ct+j = ct para todo j
Iterando a restrição para frente e usando LIE:
 
∞ j
r  X 1
ct = (1 + r )at + Et yt+j 
1+r 1+r
j=0
Duas forças:
Utilidade quadrática elimina o motivo precaução (u 000 = 0).
(1 + r )β = 1 elimina o motivo impaciência (taxa subjetiva de

desconto = taxa de juros).
Parênteses: hipótese da renda permanente
Mercados incompletos em equilı́brio:
Motivo precaução leva as pessoas a poupar mais.
Motivo impaciência (β(1 + r ) < 1) leva as pessoas a poupar menos.
Pergunta: existe alguma utilidade tal que os motivos precaução e

impaciência se cancelam? Neste caso:
 
∞ j
r  X 1
ct = (1 + r )at + Et yt+j 
1+r 1+r
j=0
Resposta: sim! Wang (2003) mostrou analiticamente que isto é válido

se a utilidade for CARA
e −θc
u(c) = − , θ>0
θ

Consumo-poupança sob incerteza: horizonte infitnito
Referência: Sargent and Ljungqvist, capı́tulo 17.
1 Tempo: discreto, infinito (t = 0, 1, ...)
2 População: apenas um agente
3 um bem homogêneo e perecı́vel
4 Dotação/tecnologia: sequência aleatória {yt }∞
t=0
5 Estrutura informacional: a dotação ...
... pode assumir S valores: ȳ1 < ȳ2 < ... < ȳS P
... é i.i.d.: Prob(yt = ȳs ) = Πs , com Πs ≥ 0 e Πs∈S = 1
6 Preferências: sobre {ct }∞
t=0
∞
X
U(c i ) = E0 β t u(ct ), u 0 > 0 e u 00 < 0
t=0
7 Estrutura de mercado: incompletos (apenas um ativo sem risco)

com restrição ao crédito
8 “Conceito de equilı́brio”: agentes maximizam e (1 + r )β = 1.

Ativos (riqueza) no inı́cio do perı́odo: at ,
inclui a realização corrente da renda yt , logo a0 = y0 ;
dı́vida no inı́cio do perı́odo: bt = −at + yt , logo b0 = 0.
Restrição orçamentária: at+1 = (1 + r )(at − ct ) + yt+1 .
Restrição ao crédito: at+1 − yt+1 ≥ 0 ⇒ ct ≤ at .
Condição de Inada tal que ct ≥ 0.

Problema do consumidor:
( S
)
X
V (a) = max u(c) + βΠs V [(1 + r )(a − c) + ȳs ]
c
s=1
s.a 0 ≤ c ≤ a
Propriedades herdadas de u: V é diferenciável, com V 0 > 0, V 00 < 0.
Problema de “self-insurance”: quando a realização da renda é ruim, o

agente despoupa para suavizar consumo; quando a realização é boa, o
agente poupa em antecipação a eventos ruins no futuro.
Pergunta: o que acontece com ct quando t → ∞?
Resposta: Prob(limt→∞ ct = ∞) = 1.
Problema determinı́stico: {yt } é sabido em t = 0. Neste caso, consumo

converge ...

Problema determinı́stico (com β(1 + r ) = 1):
Ativos mais renda corrente no inı́cio do perı́odo: at , com a0 = y0 .
Dı́vida no inı́cio do perı́odo: bt = −at + yt , com b0 = 0.
Restrição orçamentária:
at+1 = (1 + r )(at − ct ) + yt+1 ⇐⇒ ct + bt = βbt+1 + yt
Iterando para frente:

∞
X ∞
X
bt + β j ct+j = β j yt+j
j=0 j=0
Duas restrições de endividamento:

1 Ad hoc: ct ≤ at ⇐⇒ at+1 ≥ yt+1 ⇐⇒ bt+1 ≤ 0
P∞
2 Natural: bt ≤ j=0 β j yt+j ≡ b̄t
Problema determinı́stico (com restrição natural): soluciona-se ignorando
a restrição de endividamento, e depois verifica-se que ele não está ativa.
∞
X ∞
X ∞
X
t t
max β u(ct ) sujeito a β ct = β t yt
t=0 t=0 t=0
P∞
CPO: u 0 (ct ) = u 0 (ct+1 ) ⇒ ct = c̄ ⇒ c̄
1−β = t=0 β j yt
Dı́vida:
 
t−1 t t−1
X c̄ β c̄ X
bt = β −t β j (c̄ − yj ) = β −t  − − β j yj  =
1−β 1−β
j=0 j=0
∞
X c̄
= β j yt+j − < b̄t
1−β
j=0
Restrição de endividamento não está ativa.

Problema determinı́stico (com restrição ad-hoc):
∞
X
max β t u(ct )
at+1 ,ct
t=0
sujeito a
at+1 = (1 + r )(at − ct ) + yt+1
ct ≤ at
Seja (ct∗ , at∗ ) a decisão ótima. As CPOs são:
u 0 (ct∗ ) = u 0 (ct+1
∗
) se ct∗ < at∗
u 0 (ct∗ ) > u 0 (ct+1
∗
) se ct∗ = at∗
Logo, apenas um pode ser verdade:

∗
ct−1 = ct∗
∗
ct−1 < ct∗ , ct−1
∗ ∗
= at−1 e at∗ = yt

Apenas um pode ser verdade:

∗
ct−1 = ct∗
∗
ct−1 < ct∗ , ct−1
∗ ∗
Comentários:
∗ ∗
Restrição está ativa (ct−1 = at−1 ) apenas quando o agente quer
antecipar consumo. Isto ocorre quando a dotação está crescendo.
A sequência {ct∗ } é monotônica.
Pergunta: limt→∞ ct∗ = ?

Apenas um pode ser verdade:
∗
ct−1 = ct∗
∗
ct−1 < ct∗ , ct−1
∗ ∗
Iterando a restr. orçamentária, at+1 = (1 + r )(at − ct ) + yt+1 , para frente:
∞
X ∞
X
j
β ct+j = at + β j yt+j
j=0 j=1
Nos perı́odos em a restrição está ativa em t − 1:

X ∞ X∞
β j ct+j = β j yt+j
j=0 j=0
Suponha que t̄ − 1 é o último perı́odo em que a restrição está ativa

(ainda não sabemos se t̄ existe), logo
∞ ∞
X
j r X
c̄ = (1 − β) β yt̄+j = (1 + r )t̄−j yj .
1+r
j=0 j=t̄
O consumo converge para o valor de anuidade da riqueza de calda em t̄.

Para todo t, defina:

∞
r X
xt ≡ (1 + r )t−j yj .
1+r
j=t
Proposição: c̄ ≡ limt→∞ ct∗ = supt xt ≡ xt̄ . (prova no livro)
Considere o seguinte caso com incerteza:

y1 com Π1 = 0.9999999999999999
yt =
y2 com Π2 = 0.0000000000000001
Proposição: Prob(limt→∞ ct = ∞) = 1.

Problema estocástico (caso i.i.d.):
( S
)
X
V (a) = max u(c) + βΠs V [(1 + r )(a − c) + ȳs ]
c
s=1
s.a 0 ≤ c ≤ a
Propriedades herdadas de u: V é diferenciável, com V 0 > 0, V 00 < 0.
CPO:
S
X
u 0 (c) ≥ β(1 + r )Πs V 0 [(1 + r )(a − c) + ȳs ]
s=1
Terorema do envelope: V 0 (a) = u 0 (c)

S
X
V 0 (a) ≥ β(1 + r )Πs V 0 [(1 + r )(a − c) + ȳs ]
s=1

S
X
V 0 (a) ≥ β(1 + r )Πs V 0 (as0 ),
s=1
onde as0 são os ativos no próximo perı́odo quando o choque é ȳs .
Hipótese: β(1 + r ) = 1,
S
X
0
V (a) ≥ Πs V 0 (as0 ),
s=1
V 0 (a) é uma supermartingale não-negativa.
Teorema (Doob): V 0 (a) tem que convergir com probabilidade 1.

Proposição: dado que V 0 (a) converge com probabilidade 1, então

at → ∞ com probabilidade 1.
“Prova:”
Suponha que V 0 (a) convirja para um número maior que zero.
Como V 00 (a) < 0, a converge para um número finito.
Mas at+1 = (1 + r )(at − ct (at )) + yt+1 . Contradição.
Logo V 0 (a) converge para zero.
Como V 00 (a) < 0, ativos at → ∞.

Proposição: a trajetória de at não é monotônica. “Prova:”
Suponha que na pior realização, os ativos aumentam:
(1 + r )(a − c) + ȳ1 ≥ a
Como V 00 < 0,
S
X
V 0 [(1 + r )(a − c) + ȳ1 ] ≤ V 0 (a) = Πs V 0 [(1 + r )(a − c) + ȳs ]
s=1
Como V 00 < 0, para todo s ≥ 1

V 0 [(1 + r )(a − c) + ȳs ] ≤ V 0 [(1 + r )(a − c) + ȳ1 ]
Logo, para todo s:

V 0 [(1 + r )(a − c) + ȳs ] = V 0 [(1 + r )(a − c) + ȳ1 ]

Proposição: ct → ∞ com probabilidade 1.
Usando o teorema do envelope:

S
X
u 0 (c) ≥ Πs u 0 (cs0 ),
s=1
u 0 (c) é uma supermartingale não-negativa.
A gente pode usar um argumento similar ao caso anterior
Notas sobre a literatura:

Schechtman e Escudero (1977) estudaram o caso i.i.d.
Chamberlain and Wilson (2000) mostraram que o resultado é
robusto a processos arbitrários “suficientemente estocásticos”.

Comentários
Robustez: como fazer ct convergir para um número positivo?
1 Aumentar o limite de endividamento? Não funciona!
Com o limite natural de endividamento, consumo diverge

(exercı́cio 17.3).
2 Impor β(1 + r ) < 1? Pode funcionar.
Se os juros r caem, por exemplo, o agente acumularia menos.

Em equilı́brio (quando há oferta de ativos), isto ocorre
endogenamente.
3 Oferta de trabalho endógena: u(c, l)? Pode funcionar.
Renda: yt = (1 − l)εt w , onde εt é a produtividade.

Intuição: se o agente acumular muito, desutilidade de trabalho
poderia implicar h = 1.
Zhu (2020) discute sob que condições isto ocorre.
Método cientı́fico e intuição
Intuição econômica é importante! O método cientı́fico também!
Derivou três resultados usando o ferramental básico em macro:
1 Prudência u 000 > 0 implica em motivo precaução (nao

intuitivo)
2 Restrição ao crédito implica em motivo precaução (intuitivo)
3 Com um ε de incerteza, ct → ∞ com prob. 1 (não intuitivo)
Seção 17.7 do livro tenta passar alguma intuição em relação ao

ponto três.
Método vs. intuição: por exemplo, Chamberlain e Wilson (2000).

Método cientı́fico e intuição
Chamberlain e Wilson (2000):
“Unfortunately, the line of argument used in the proof does not provide a
very convincing economic explanation. Clearly the strict concavity of the
utility function must play a role. ... But to simply attribute the result to
risk aversion on the grounds that uncertain future returns will cause
risk-averse consumers to save more, given any initial asset level, is not a
completely satisfactory explanation either. In fact, it is a bit misleading.
... that argument only explains why expected accumulated assets would
tend to be larger in the limit. It does not really explain why consumption
should grow without bound.”
Paper rejeitado no JET em 1984. Publicado 16 anos depois no RED.

Exercı́cio 3 a ser entregue
Considere o problema de consumo-poupança de um agente com vida infinita, e utilidade quadrática,
1 2
u(ct ) = b1 ct − b2 ct ,
2
que pode poupar ou tomar empresatado através de tı́tulo sem risco que rende juros de r = 1/β − 1. A renda do
agente, {yt }∞
t=0 , é estocástica, que começa sua vida sem riqueza alguma.
Por hora, suponha que não há restrição de endividamento.
a) Defina o princı́pio de equivalência à certeza e mostre que se aplica para este consumidor.
Suponha que os choques de renda siga um processo AR(1), yt = ρyt−1 + εt .
b) Derive explicitamente uma fórmula para como a mudança do consumo entre os perı́odos t e t + 1,
∆ct+1 = ct+1 − ct , depende do valor do choque εt .
Suponha agora que o consumidor não pode se endividar.
c) Existe um limite superior para a riqueza e o consumo deste agente? Justifique sua resposta.

Métodos Numéricos para Solucionar o Problema
de Consumo-Poupança sob Incerteza (com
Mercados Incompletos)
Eduardo Zilberman
PUC-Rio
Eduardo Zilberman PUC-Rio Métodos Numéricos 109/419

Problema de decisão de consumo-poupança sob incerteza
st são unidades de trabalho-eficiência.
st possui a propriedade de Markov:
Prob(st+1 |st , st−1 , ..., st−k ) = Prob(st+1 |st )
Problema a ser resolvido numericamente: dado (w , r ) e (a0 , s0 ),

∞
X
max∞ E0 β t u(ct )
{at+1 }t=0
t=0
sujeito a
ct + at+1 = (1 + r )at + wst
ct ≥ 0
at+1 ≥ −b

Problema de decisão de consumo-poupança sob incerteza
Recursivamente:
v (a, s) = max
0
{u[(1 + r )a + ws − a0 ] + βE [v (a0 , s 0 )|s]}
a ≥−b
Como solucionar este problema?
Não funciona: aproximação local. Ex.: aprox. quad-linear.
Modelo de crescimento estocástico: aproxima em torno do s.s.

Problema acima: em que ponto (a, s) aproximar?
Incerteza individual é maior que incerteza agregada.
Elimina prudência (u 000 > 0) do problema.
Funciona: aproximação global.
Aproximar discretizando o estado de espaços.

Aproximar via projeções (não será coberto).
Discretização + iteração da função valor
Referência: Ljugqvist e Sargent (2012), seções 4.1-3.
“Curse of dimensionality”. Discretizar o espaço de estados:

a ∈ A ≡ [ā1 < ā2 < ... < ān ], com ā1 = −b
s ∈ S ≡ [s̄1 < s̄2 < ... < s̄m ], com matriz de transição P
Substituir
v (a, s) = max
0
{u[(1 + r )a + ws − a0 ] + βE [v (a0 , s 0 )|s]}
a ≥−b
por
 
 m
X 
v (āi , s̄h ) = max
0
u[(1 + r )āi + w s̄h − a0 ] + β Phj v (a0 , s̄j )
a ∈A  
j=1

 
 m
X 
v (āi , s̄h ) = max
0
u[(1 + r )āi + w s̄h − a0 ] + β Phj v (a0 , s̄j )
a ∈A  
j=1
Numericamente:
1 Defina m vetores n × 1: vj (i) = v (āi , s̄j ), i = 1, ..., n, j = 1, ..., m
2 Defina m matrizes n × n: Rj (i, h) = u[(1 + r )āi + w s̄j − āh ],
i = 1, ..., n, h = 1, ..., n, j = 1, ..., m
3 Defina 1 como um vetor n × 1 unitário.
4 Defina o operador T ([v1 , v2 , ..., vm ]) = [tv1 , tv2 , ..., tvm ]:
tv1 = max{R1 + β[P11 1v10 + P12 1v20 + ... + P1m 1vm0 ]}
...
tvm = max{Rm + β[Pm1 1v10 + Pm2 1v20 + ... + Pmm 1vm0 ]}
onde “max” retorna um vetor n × 1 onde o i-ésimo elemento é o
máximo da i-ésima linha.
Numericamente:
1 Defina m vetores n × 1: vj (i) = v (āi , s̄j ), i = 1, ..., N, j = 1, ..., M
2 Defina m matrizes n × n: Rj (i, h) = u[(1 + r )āi + w s̄j − āh ],
i = 1, ..., N, h = 1, ..., N, j = 1, ..., M
...
onde “max” retorna um vetor n × 1 onde i-ésimo elemento é o
máximo da i-ésima linha.
5 Equação de Bellman representada por: [v1 , ..., vm ] = T ([v1 , ..., vm ]).
Dado [v1 , ..., vm ]0 incial qualquer, basta iterar
[v1 , ..., vm ]t+1 = T ([v1 , ..., vm ]t ) até convergência.
Truque:

...
pode ser reescrito como
v10 
     
tv1  R1
v20 
 
 tv2  
R2   
  = max   + β(P ⊗ 1)  
 ...    ...   ... 
vm0
 
tvm Rm
 
onde ⊗ é o produto de Kronecker.

Produto de Kronecker
Dado A m × n e B p × q
 
a11 B ... a1n B
A ⊗ B =  ... ... ... 
am1 B ... amn B
Note que A ⊗ B é mp × nq.
Sobre o MATLAB:
é computacionalmente rápido com operações matriciais
mas evite o uso de objetos tridimensionais, como v (i, j, h).
é computacionalmente lento com “loops”
com muitos loops, recomendava-se o FORTRAN ou C
Linguagens em ascedência: Python e Julia (quantecon.org).
Howard Improvement Step
Numericamente,
1 Defina m vetores n × 1: vj (i) = v (āi , s̄j ).
2 Defina m matrizes n × n: Rj (i, h) = u[(1 + r )āi + w s̄j − āh ].
     0 
tv1  R1 v1 
 v20 
 
 tv2    R2 
  = max   + β(P ⊗ 1)  
 ...    ...   ... 
vm0
 
tvm Rm
 
5 Eq. de Bellman: [v1 , ..., vm ] = T ([v1 , ..., vm ]). Dado [v1 , ..., vm ]0 ,
itera-se [v1 , ..., vm ]t+1 = T ([v1 , ..., vm ]t ) até convergência.
Passo mais custoso computacionalmente é o max acima. Proposta é pular

algumas vezes esta operação, mas manter a interação da função valor.

Iterando a função polı́tica ...
v (a, s) = max
0
{u[(1 + r )a + ws − a0 ] + βE [v (a0 , s 0 )|s]}
a ≥−b
Equação de Euler:
X
u 0 [(1 + r )a + ws − a0 ] ≥ (1 + r )β π(s 0 |s)u 0 [(1 + r )a0 + ws 0 − a00 ],
s0
se a0 > −b, eq. de Euler com igualdade.
Objetivo: encontrar uma função polı́tica invariante a0 (a, s) que satisfaça

a eq. de Euler.
Estratégia: conjecturar a00 , solucionar para a0 . Iterar até convergência

(a00 = a0 ).

Passo 1: discretizar o espaço de estados

a ∈ A ≡ [ā1 < ā2 < ... < ān ], com ā1 = −b
Passo 2: cojecturar um vetor n × m inicial para a00 : a000 (āh , s̄i ). Por
exemplo: a000 (āh , s̄i ) = āh .
Passo 3: verificar se a restrição ao crédito está ativa para cada (āh , s̄i )
m
X
0
u [(1 + r )āh + w s̄i − ā1 ] > (1 + r )β Pij [(1 + r )ā1 + w s̄j − a000 (ā1 , s̄j )],
j=1
Se sim: a00 (āh , si ) = ā1 .

Passo 4: se a restrição não estiver ativa, a00 (āh , s̄i ) = a∗ , onde a∗

soluciona:
m
X
0 ∗
u [(1 + r )āh + w s̄i − a ] = (1 + r )β Pij [(1 + r )a∗ + w s̄j − a000 (a∗ , s̄j )],
j=1
Mais sobre o passo 4 adiante ...
Passo 5: checa convergência
max {|a00 (āh , s̄i ) − a000 (āh , s̄i )|} < ε

h,i
Se sim: pare. Se não: atualize a conjectura a100 (āh , s̄i ) = a00 (āh , s̄i ) para
todo h, i e volte ao passo 3.

Passo 4: se a restrição não estiver ativa, a00 (āh , s̄i ) = a∗ , onde a∗

soluciona:
m
X
u 0 [(1 + r )āh + w s̄i − a∗ ] = (1 + r )β Pij u 0 [(1 + r )a∗ + w s̄j − a000 (a∗ , s̄j )],
j=1
mas a∗ não necessariamente pertence a A. Como avaliar a000 (a∗ , s̄j )?
Solução 1: defina a∗ = arg mini∈{1,...,n} |δ(āi )|, onde
δ(āi ) ≡ u 0 [(1 + r )āh + w s̄i − āi ] −

Xm
− (1 + r )β Pij u 0 [(1 + r )āi + w s̄j − a000 (āi , s̄j )]
j=1
Problema desta solução: imprecisa.

m
X
u 0 [(1 + r )āh + w s̄i − a∗ ] = (1 + r )β Pij u 0 [(1 + r )a∗ + w s̄j − a000 (a∗ , s̄j )],
j=1
Como avaliar a000 (a∗ , s̄j )?
Solução 2: interpole (linearmente). Ache o par de pontos adjacentes,

āk < a∗ < āk+1 , tal que
00
a0 (āk+1 , s̄j ) − a000 (āk , s̄j )

a000 (a∗ , s̄j ) ≈ a000 (āk , s̄j ) + (a∗ − āk )
āk+1 − āk
Solução 3: use um método não-linear de interpolação. Veja o capı́tulo 6

de Judd (1998).
Problema destas soluções: computacionalmente custoso calcular a∗

(“nonlinear equation solver” - comando fsolve.m no MATLAB).
Pontos na grade endógenos
Endogenous gridpoints method, desenvolvido por Carrol (2006).
Método preciso e menos custoso computacionalmente.
Truque: iterar na função polı́tica consumo ...
Ao longo do processo, os pontos na grade mudam.
Adaptado para problemas com mais de uma variável de controle (por

exemplo, horas de trabalho) por Barillas e Fernandez-Villaverde (2007).

Passo 1: discretizar o espaço de estados

a0 ∈ A ≡ [ā10 < ā20 < ... < ān0 ], com ā10 = −b
Note que a grade é em a0 .
Passo 2: conjecturar um vetor n × m inicial para c 0 : c00 (āh0 , s̄i ). Por

exemplo: c00 (āh0 , s̄i ) = (1 + r )āh0 + w s̄i .
Passo 3: defina B(āh0 , s̄i ), tal que

m
X
B(āh0 , s̄i ) = (1 + r )β Pij u 0 [c00 (āh0 , s̄j )],
j=1

Passo 4: use a EE para solucionar uc (c̃(āh0 , s¯i )) = B(āh0 , s̄i )
Passo 5: use a restrição orçamentária para calcular āh (āh0 , s̄i ).
c̃(āh0 , s̄i ) + āh0 = (1 + r )āh (āh0 , s̄i ) + s̄i w
Ou seja, āh é o valor dos ativos hoje que levará o consumidor a ter āh0
amanhã, se a renda for s̄i w . Os pontos na grade são endógenos!
Note que:
consumo hoje: c0 (āh , s̄i ) = c̃(āh0 , s̄i )
ā1 é o valor dos ativos hoje que induz a restrição ao crédito ficar
ativa amanhã

Passo 6: como iterar em c?
Para āh0 > ā1 : interpola c0 (·, s̄i ) nos pontos adjacentes e obtém c10 (āh0 , s̄i ).
Para āh0 < ā1 : use a rest. orç. c10 (āh0 , s̄i ) = (1 + r )āh0 + w s̄i − ā10
Passo 7: checa convergência
max {|c00 (āh0 , s̄i ) − c10 (āh0 , s̄i )|} < ε

h,i
Se sim: pare. Se não: volte ao passo 3 com c10 (āh0 , s̄i ).

Acurácia da solução numérica: den Haan-Marcet (1994)
Referência: Aruoba, Fernandez-Villaverde e Rubio-Ramirez (2006).
Método 1: teste de den Haan e Marcet (1994)
Hipótese: restrição ao crédito nunca está ativa.
A equação de Euler:
u 0 (ct ) = (1 + r )βEt [u 0 (ct+1 )]
o que implica:
εt+1 = u 0 (ct ) − (1 + r )βu 0 (ct+1 )
Portanto:
Et [εt+1 ⊗ h(zt )] = 0
onde h(zt ) é um vetor (r × 1) de funções de zt , que pode incluir qualquer
variável no conjunto informacional do agente em t, por exemplo
{sj , cj , aj }tj=0 .
Acurácia da solução numérica: den Haan-Marcet (1994)
Simule o modelo por T perı́odos.
PT
t=1 ε̂t+1 ⊗ h(ẑt )
BT =
T
onde ε̂t+1 e ẑt são simulados.
Teorema: T 1/2 BT →d N(0, V ).
Corolário: TBT0 V̂T−1 BT →d χ2r , onde V̂T é estimador consistente de V .
Problema: pode-se sempre achar T tal que se rejeite a hipótese nula.
Entretanto: fixado T , o teste é útil para comparar diferentes métodos

numéricos de solução.

Acurácia da solução numérica: análise de erros da EE
Método 2: análise de erros da equação de Euler
Quando a restrição não está ativa, a equação de Euler aproximada é
u 0 (ct ) ≈ (1 + r )βEt [u 0 (ct+1 )]
Defina εt :
u 0 (ct (1 − εt )) = (1 + r )βEt [u 0 (ct+1 )]
Interpretação:
se εt = 0.01, o erro equivale a U$ 1 para cada U$100 consumido.
se εt = 0.0001 (padrão aceitável ou menos), o erro equivale a U$ 1
para cada U$10000 consumido.
Pode-se simular o modelo, e reportar o máximo ou média do valor

absoluto desses erros.
Alternativamente: pode-se escolher uma nova grade para os ativos, e

calcular os erros da equação de Euler nessa nova grade.
Aproximando um processo AR(1)
Como aproximar um processo AR(1) através uma cadeia de Markov com
um número finito de estados?
Processo AR(1):
st = ρst−1 + εt
εt i.i.d. com distribuição G , média zero e variância σ 2
Prob{εt ≤ ε̄} = G (ε̄) = F (ε̄/σ)
Seja s̃ ∈ [s̄1 < s̄2 < ... < s̄m ] o processo aproximado.
Dois métodos dominantes:
Método 1: Tauchen (1986).
Método 2: Rowenhorst (1995), funciona melhor quando ρ → 1 e é

possı́vel derivar momentos analiticamente.

Aproximando um processo AR(1): Tauchen (1986)
Método 1. Tauchen (1986), que sugere:
para algum c (ex.: c = 3): s̄m = c(σ 2 /(1 − ρ2 ))1/2
múltiplo c do d.p. de s
se G é simétrico (ex.: normal): s̄1 = −s̄m
grade “equi-espaçada”: s̄j − s̄j−1 = d, j = 2, ..., m
Pij = Pr{s̃t = s̄j |s̃t−1 = s̄i }
= Pr{s̄j − d/2 < ρs̄i + εt < s̄j + d/2}
= Pr{s̄j − d/2 − ρs̄i < εt < s̄j + d/2 − ρs̄i }

Pij = Pr{s̄j − d/2 − ρs̄i < εt < s̄j + d/2 − ρs̄i }
Se 1 < j < m − 1:

s̄j + d/2 − ρs̄i s̄j − d/2 − ρs̄i
Pij = F −F
σ σ
Se j = 1:
s̄j + d/2 − ρs̄i
Pi1 = F
σ
Se j = m:
s̄j − d/2 − ρs̄i
Pim = 1 − F
σ
Nota: se d → 0 (e portanto, m → ∞), a aproximação s̃ converge para o

processo verdadeiro s.

Acurácia da aproximação: processo real s vs. processo aproximado s̃.
st = ρst−1 + εt
s̃t = ρ̃s̃t−1 + ε̃t
Calcular ρ̃ = cov (s̃t ,s̃t−1 ) 2 2

var(s̃t ) e σ̃ = (1 − ρ̃ )var(s̃t )
Computar (ρ̃, σ̃ 2 ) e comparar com (ρ, σ 2 ):
explorando as propriedades da dist. invariante: π ∗ = Pπ ∗
ou via simulação de uma longa série {s̃t }
veja Ljungqvist e Sargent (2012), seção 2.2.

Acurácia da aproximação: processo real s vs. processo aproximado s̃.
st = ρst−1 + εt
s̃t = ρ̃s̃t−1 + ε̃t
m ρ ρ̃ σ σ̃
9 0.10 0.100 0.101 0.103
9 0.80 0.798 0.167 0.176
9 0.90 0.898 0.229 0.253
5 0.90 0.932 0.229 0.291

Aproximando um processo AR(n): Tauchen (1986)
Tauchen (1986) mostra como esta estratégia também pode ser aplicada a
processos com ordem maior que um.
Por exemplo, AR(2):
st = ρ1 st−1 + ρ2 st−2 + εt
Neste caso, pode-se escrever o processo na forma multivariada abaixo:

st ρ1 ρ2 st−1 εt
= +
st−1 1 0 st−2 0
| {z } | {z } | {z } | {z }
Zt Λ Zt−1 t
Tauchen (1986) mostra também como aproximar o caso multivariado:
Zt = ΛZt−1 + t
com var(t ) = Σ, onde Σ é diagonal.

Aproximando um processo AR(1): Tauchen vs Rowenhorst
Tauchen vs. Rowenhorst: Galindev e Lhkagvasureny (2010)

Aproximando um processo AR(1): Rowenhorst (1995)
Método 2: Rowenhorst (1995).
Método mais acurado quando o processo estocástico é bastante

persistente (ρ alto), ver slide anterior.
Processo AR(1):
st = ρst−1 + εt
εt i.i.d. com distribuição G , média zero e variância σ 2
Discretize o processo com uma grade equi-espaçada:
{s̄1 , s̄2 , ...s̄N }, com − s̄1 = s̄N = ϕ

Idéia: construir cadeia de Markov recursiva com três parâmetros (p, q, ϕ).
Passo 1: Para N = 2, defina:

p 1−p
Θ2 =
1−q q
Passo 2: Para N ≥ 3, defina recursivamente a matriz N × N:

ΘN−1 0 0 ΘN−1
ΘN = p 0 + (1 − p) 0 +
0 0 0 0
00 00

0 0
+ (1 − q) +q
ΘN−1 0 0 ΘN−1
Passo 3: em cada iteração acima, divida todas as linhas, excetos a

primeira e a última, por 2.

Por que o passo 3? Exemplo N = 3:
   
p 1−p 0 0 p 1−p
Θ3 = p 1−q q 0  + (1 − p)  0 1−q q +
0 0 0 0 0 0
   
0 0 0 0 0 0
+ (1 − q)  p 1−p 0 +q 0 p 1−p 
1−q q 0 0 1−q q
Note que a segunda linha soma dois.

Teorema (Kopecky e Suen, 2010): a cadeia de Markov ΘN coverge para
1−p
uma distribuição binomial invariante com parâmetros N e x = 2−(p+q)

N −1
f (i; N, x) = x i−1 (1 − x)N−1
i −1
Logo: pode-se computar os seguintes momentos analiticamente.

(q−p)ϕ
E (st ) = 1−(p+q) .
h i
4x(1−x)
var (st ) = ϕ2 1 − 4x(1 − x) + N−1
corr (st , st+1 ) = p + q − 1.

É possı́vel computar também assimetria (skewness) e curtose (kurtosis).
Se E (st ) = 0, var (st ) = σ 2 e corr (st , st+1 ) = ρ, então:

p = q = 1+ρ
2
√
ϕ=σ N −1
Considere a versão do problema de consumo-poupança com lazer l (e oferta de trabalho). Na forma recursiva:
n o
0 0
V (a, s) = max u(c, l) + βE [V (a , s )|s]
{c,a0 ,l}
sujeito a
0
c + a = (1 + r )a + ws(1 − l)
0
a ≥ −b
A notação é a mesma do inı́cio desta aula.
Explique como você generalizaria o algoritmo apresentado em aula, que itera a função polı́tica, para solucionar
numericamente as regras de decisões a0 (a, s) e l(a, s),

Equilı́brio Competitivo com Mercados
Incompletos
Eduardo Zilberman
PUC-Rio
Eduardo Zilberman PUC-Rio Equilı́brio Competitivo 142/419

Equilı́brio competitivo com mercados incompletos
Objetivo: estudar uma classe de modelos na qual o conceito de equilı́brio
envolve distribuições de riqueza e renda endógenas.
Perguntas:
riscos indiosincráticos explicam a distribuição de riqueza observada?
qual a fração de poupança explicada pelo motivo precaução?
quais são as implicações redistributivas de polı́ticas? como a
desigualdade e o bem-estar são afetados por estas polı́ticas?
Três blocos:
1 o problema de consumo-poupança com mercados incompletos
2 a tecnologia de produção neoclássica
3 condições de “market clearing” nos mercados de ativos,
trabalho e bens
a taxa de juros r é endógena tal que β(1 + r ) < 1

Revisão
Problema do consumidor: dado (w , r ) e (a0 , s0 ),
∞
X
max∞ E0 β t u(ct ) s.a
{at+1 }t=0
t=0
ct + at+1 = (1 + r )at + wst
at+1 ≥ −b
Recursivamente:
( )
X
0 0 0 0
v (a, s) = max
0
u[(1 + r )a + ws − a ] + β P(s, s )v (a , s )
a ≥−b
s0
Com ativos discretizados: a ∈ A ≡ [ā1 < ā2 < ... < ān ], com ā1 = −b
 
 m
X 
0 0
v (āh , s̄i ) = max u[(1 + r )āh + w s̄ i − a ] + β P(i, j)v (a , s̄ j )
a0 ∈A  
j=1
Aula passada: aproximamos numericamente a fç pol. ótima a0 = g (a, s).
Aula de hoje: Ljungqvist e Sargent, seções 18.1-10.

Distribuição de riqueza e trabalho-eficiência
Probabilidade incondicional de (at , st ): λt (a, s) = Prob(at = a, st = s)
Cadeia de Markov P e a função polı́tica ótima a0 = g (a, s) induzem uma

lei de movimento para a distribuição λt . Como?
Pr(at+1 = a0 , st+1 = s 0 ) =
XX
= Pr(at+1 = a0 |at = a, st = s)Pr(st = s 0 |st = s)Pr(at = a, st = s)
a∈A s∈S
ou
XX
λt+1 (a0 , s 0 ) = I{a0 = g (a, s)}P(s, s 0 )λt (a, s)
a∈A s∈S
onde I é uma função indicadora.
Definição: uma distribuição λ invariante no tempo (i.e., com λt = λt+1 )

que soluciona a equação acima é chamada de distribuição estacionária.

XX
λt+1 (a0 , s 0 ) = I{a0 = g (a, s)}P(s, s 0 )λt (a, s)
a∈A s∈S
Como calcular numericamente λ invariante no tempo?

1 Para todo a ∈ A e s ∈ S, conjecture uma distribuição inicial
λ0 (a, s). Itere a equação acima até convergência.
2 Defina x(i−1)m+h = (āi , s̄h ). g e P induzem uma cadeia de Markov
em x. Calcule a distribuição invariante associada.
3 Monte carlo: simule um número grande I de indivı́duos
1 inicialize cada indivı́duo com um par (a0 , s0 ), induzindo uma
distribuição {a0 , s0 }Ii=1
2 use P para simular s1 e g para calcular a1 para cada indvı́duo
3 cheque se as distribuições {a0 , s0 }Ii=1 e {a1 , s1 }Ii=1 “estão
próximas”
se sim, pare. se não, volte ao passo 2.

Duas interpretações para a distribuição estacionária λ:
1 Um agente: λ(a, s) é a fração de tempo que um agente de vida
infinita passa no estado (a, s)
2 Contı́nuo 1 de agentes: λ(a, s) é a fração de agentes no estado
(a, s) em um determinado perı́odo
Comentários:
Segunda interpretação permite estudar a dist. de renda e riqueza.
Com uma distribuição estacionária:
A fração de indivı́duos em cada estado (a, s) é constante.
Entrentato, há mobilidade social.
Introduzir o conceito de equilı́brio competitivo estacionário:
requer a existência de uma distribuição estacionária
análogo ao estado estacionário em um modelo com agente
representativo (não a definição de eq. competitivo mais ampla,
que vale para caracterizar dinâmica fora do estado estac.)
Equlı́brio competitivo. Exemplo 1: economia de trocas.
Referência: Huggett (1993).
Hipótese: há um mercado centralizado de crédito, no qual os agentes

podem emprestar ou se endividar a uma taxa de juros livre de risco r .
Definição: Dado b, um equilı́brio competitivo estacionário é uma taxa

de juros r , uma função polı́tica g (a, s), e uma distribuição estacionária
λ(a, s) tais que:
dado r , g (a, s) soluciona o problema do agente
λ(a, s) é induzida por P e g (a, s)
o mercado de crédito “clears”
XX
λ(a, s)g (a, s) = 0
a∈A s∈S
Interpretação: wst = yt (renda exógena e não salário).

Equlı́brio competitivo. Exemplo 1: economia de trocas.
Como computar o equilı́brio?
1 conjecture uma taxa de juros inicial r0
2 dado r0 , solucione o problema do agente e obtenha g0 (a, s)
3 encontre a distribuição estacionária associada λ0 (a, s)
4 calcule: XX
λ0 (a, s)g0 (a, s) = e0
a∈A s∈S
e0 > 0 (excesso de demanda por ativos), conjecture r1 < r0 , e

volte ao passo 2
e0 < 0 (excesso de oferta de ativos), conjecture r1 > r0 , e volte
ao passo 2
e0 ≈ 0 pare

Equlı́brio competitivo. Exemplo 2: economia com capital.
Referência: Aiyagari (1994).
Hipótese: há uma firma competitiva neoclássica e um mercado

centralizado de capital (aitvo sem risco).
Capital do agente evolui: kt+1 = (1 − δ)kt + xt .
Rest. orçamentária do agente: ct + xt = r˜kt + wst
Juntando: ct + kt+1 = (1 + r˜ − δ ) kt +wst

|{z} | {z } |{z}
at+1 r at
Nota: agentes podem ser idênticos ex-ante (mesmas preferências, mesmo

processo estocástico para s, mesmo k0 e s0 ), mas diferentes ex-post.

Capital agregado: XX
K= λ(a, s)g (a, s)
a∈A s∈S
Unidades-eficiência de trabalho agregada:

X
N= sP ∗ (s),
s∈S
∗
onde P é a distribuição invariante associada com a cadeia de Markov P.
Firma representativa: F (K , N) = AK α N 1−α . CPO:
∂F (K , N)
w=
∂N
∂F (K , N)
r +δ =
∂K

Definição: Dado b, um equilı́brio competitivo estacionário são preços
(r , w ), uma função polı́tica g (a, s), polı́ticas N e K para a firma e uma
distribuição estacionária λ(a, s), tais que:
dado (r , w ), g (a, s) soluciona o problema do agente
dado (r , w ), N e K satisfazem as CPOs da firma
λ(a, s) é induzida por P e g (a, s)

XX
λ(a0 , s 0 ) = I{a0 = g (a, s)}P(s, s 0 )λ(a, s)
a∈A s∈S
os mercados “clear”
XX
K= λ(a, s)g (a, s)
a∈A s∈S
X
N= sP ∗ (s)
s∈S

Como computar o equilı́brio?
1 conjecture K0 inicial
2 como N é fixo, calcule r0 e w0 das CPO da firma.
3 dado w0 e r0 , solucione o problema do agente e obtenha g0 (a, s)
4 encontre a distribuição estacionária associada λ0 (a, s)
5 calcule: XX
λ0 (a, s)g0 (a, s) = K0e
a∈A s∈S
6 atualize K1 = ξK0 + (1 − ξ)K0e , para algum ξ ∈ (0, 1)
7 itere até convergir, |Kn − Kn−1 | < ε

Equlı́brio competitivo
Da CPO da firma, demanda por capital: FK (K , N) = fK (K /N) = r + δ
K (r ) = NfK−1 (r + δ)
se r = −δ, então K (r ) → ∞
se r → ∞, então K (r ) → 0
se r = 1/β − 1 (s.s. com mercados completos), então K (r ) = K MC

Graficamente:

Da CPO da firma, demanda por capital: FK (K , N) = fK (K /N) = r + δ
K (r ) = NfK−1 (r + δ)
se r = −δ, então K (r ) → ∞
se r → ∞, então K (r ) → 0
se r = 1/β − 1 (s.s. com mercados completos), então K (r ) = K MC
Do problema do consumidor: oferta de capital

XX
A(r ) = λ(a, s)g (a, s)
a∈A s∈S
se r = 1/β − 1, então A(r ) → ∞ (última aula)

se r = −1, então A(r ) = −b̄
Graficamente:

Equlı́brio competitivo: existência e unicidade
Sob determinadas hipóteses, equilı́brio existe.
A(r ) não é necessariamente crescente, portanto o equilı́brio não é

necessariamente único. Intuição: suponha que r ↑,
efeito renda (poupa menos) vs. substituição (poupa mais);
difı́cil avaliar o efeito na distribuição de ativos.
Pergunta aberta: condições suficientes e necessárias p/ unicidade?
Recentemente, resposta parcial para b̄ = 0 e pequenas
restrições na função de produção.
Condição suficiente: elasticidade intertemporal de subsitituição
maior que (ou igual a) um.
Em tempo discreto, Light (2018) com utilidade CRRA.
Em tempo contı́nuo, Achdou et al (2020) com utilidade
genérica.
Entretanto, pouco útil quando se implementa o modelo
quantitativamente: CRRA + aversão realativa ao risco > 1.
Equlı́brio competitivo: estática comparativa
Estática comparativa (se A0 (r ) > 0 no ponto de equilı́brio):
lim. de endiv. aumenta: A(r ) desloca para cima, r ↑ e K ↓.
aversão ao risco aumenta: A(r ) desloca para baixo, r ↓ e K ↑.
variância de s aumenta: A(r ) desloca para baixo, r ↓ e K ↑.
persistência de s aumenta: A(r ) desloca para baixo, r ↓ e K ↑.

Motivação em Huggett (1993): “risk-free rate puzzle”
economia com mercados completos gera taxa de juros sem risco de

equilı́brio alta em relação aos dados
mercados incompletos: poupa-se mais, logo juros caem
r Huggett < r Ayiagari < r MC = 1/β − 1
Motivação em Ayiagari (1994): qual é o tamanho do motivo precaução

[(K Ayiagari − K MC )/Y ]?
CRRA (γ = 1), choques i.i.d. com var. baixa: ≈ 0%
CRRA (γ = 5), choques autoc (0.9) com var. alta: ≈ 14%
parametrização aceitável: ≈ 5%

Este modelo explica desigualdade de renda e riqueza?
Dados recentes (SCF, 2013), tabulados por Kuhn e Rios-Rull (2015):
Gini Média Top 1%

Mediana
EUA
Wealth 0.85 6.81 36%
Earnings 0.67 1.96 18%
Fatos:
Riqueza é distribuı́da de forma mais desigual que a renda do

trabalho (que é mais desigual que o consumo, não reportado).
Ambas distribuições são assimétricas (média > mediana), mas a de

riqueza é bem mais.
Note que, até então, a teoria é sobre desisgualdade ex-post (“sorte”),

mas que pode ser facilmente combinada com desigualdade ex-ante.
Ainda assim, modelo explica qualitativamente estes fatos! E

quantitativamente?
Calibragem
Como calibrar o modelo para os EUA? Parametrização razoável:
Produção: K α N 1−α , com α = 1/3. Depreciação: δ = 6%
c 1−γ −1
Preferências: CRRA, 1−γ , com γ ∈ {1, 2, 3, 4, 5}
Taxa de desconto: β → K /Y ∈ [3, 4]. Requer calibragem interna.
Truque: com mercados completos,
α−1 1−α 1 1
αK
| {zH } −δ = β − 1 ⇒ β = 1 + α Y − δ ∈ [0.951, 0.977]
Y K
αK
Escolha β um pouquinho menor.

Cadeia de Markov P: discretize um processo AR(1) para a renda do
trabalho: ln yt = ρ ln yt−1 + εt , εt ∼ N(0, σε2 )
Estimativa usando a PSID: ρ = 0.95 e σε = 0.2.
Dá para incorporar processos mais sofisticados (componente
transitório, componente individual fixo, etc).
Limite de endividamento: b → fração de pessoas com riqueza
negativa (aprox. 5% − 10% nos EUA)
Parênteses sobre calibração. Debate recente: HIP vs. RIP
Como modelar o processo estocástico para renda do indivı́duo i.
yti = g (t, observáveis) + αi + β i t + zti + εit

| {z } | {z } | {z }
componente comum heterog. determ. comp. estocástico
onde zti = ρzt−1

i
+ ηti
Até a década de 80: estimativas eram de 0.5 < ρ < 0.7 e σβ >> 0.
Heterogeneous Income Profile (HIP).
McCurdy (1982): não rejeitou (nos dados) a hipótese nula de que

σβ ≈ 0; impôs σβ = 0 e estimou ρ ≈ 1. Restricted Income Profile (RIP).
Guneven (2009): mostrou que o teste de McCurdy possui baixa potência.
Debate importante: modelagem do processo estoc. para renda afeta

substancialmente resultados quantitativos desta classe de modelos.
Referências: Guvenen (2009, RED); Guvenen (2012, resenha).

Gini Bottom 40% Top 5% Top 1%

EUA
Wealth (≈ 1990) 0.78 1.7 54.0 29.6
Wealth (2010) 0.85 0.7 60.1 34.1
Ayiagari (1994)
Wealth 0.38 14.9 13.1 3.2


EUA
Wealth (≈ 1990) 0.78 1.7 54.0 29.6
Wealth (2010) 0.85 0.7 60.1 34.1
Ayiagari (1994)
Wealth 0.38 14.9 13.1 3.2
Como ajustar a desigualdade na parte de baixo?
Introduzir programas sociais (seguro-desemprego, programas de

transferência de renda, ...). O motivo precaução diminui, e os mais
pobres acumulariam menos.
Exemplos: Hubbard, Skinner e Zeldes (1995), Berriel e Zilberman (2011),

etc.


EUA
Wealth (≈ 1990) 0.78 1.7 54.0 29.6
Wealth (2010) 0.85 0.7 60.1 34.1
Ayiagari (1994)
Wealth 0.38 14.9 13.1 3.2
Quadrini (2000)
Wealth 0.74 45.8 24.9
Como ajustar a desigualdade na parte de cima?
(1) Explorar o papel de emprendedores (maior retorno ao investir), mais

incentivos para acumular (Quadrini, 2000).


EUA
Wealth (≈ 1990) 0.78 1.7 54.0 29.6
Wealth (2010) 0.85 0.7 60.1 34.1
Ayiagari (1994)
Wealth 0.38 14.9 13.1 3.2
Quadrini (2000)
Wealth 0.74 45.8 24.9
Krusell e Smith (1998)
Wealth 0.82 55.0 24.0
(2) Heterogeneidade na taxa de desconto (e.x β ∈ {βL , βH }). No estado

H, agentes acumulam mais (Krusell e Smith, 1998).


EUA
Wealth 0.78 1.7 54.0 29.6
Ayiagari (1994)
Wealth 0.38 14.9 13.1 3.2
Quadrini (2000)
Wealth 0.74 45.8 24.9
Krusell e Smith (1998)
Wealth 0.82 55.0 24.0
(3) Com retorno da poupança heterogêneo e estocástico, modelo

consegue gerar calda larga (Pareto tail) na distribuição de riqueza.
Ponto analı́tico feito por Benhabib, Bisin e Zhu (2016).

Este modelo explica desigualdade de renda e riqueza

EUA
Wealth (≈ 1990) 0.78 1.7 54.0 29.6
Wealth (2010) 0.85 0.7 60.1 34.1
Earnings (≈ 1990) 0.63 3.2 31.2 14.8
Earnings (2010) 0.65 3.5 36.3 18.0
Castañeda, Dı́az-Giménez e Rios-Rull (2003): engenharia reversa. Que

tipo de processo para renda é necessário para explicar as distribuições de
riqueza e renda perfeitamente?
Conclusão: choques que gerem pouca mobilidade social; além de uma

realização muito alta para a renda (s m 1060x maior que a mediana) que
ocorre com uma probabilidade muito baixa, e dura cinco anos em média.
Nota: Castañeda et al (2003) propõe uma especificação engenhosa para

a cadeia de Markov de forma a capturar elementos de ciclo da vida
(aposentadoria, herança, etc) relevantes para decisão de poupança.
Adendo matemático
Hipótese até agora: a ∈ A ≡ [ā1 < ā2 < ... < ān ], com ā1 = −b
E se a ∈ A ≡ [−b, a]? λ(a, ε) =?
Traduzindo a teoria:
Espaço de estados: E ≡ A × S.
Seja E ≡ A × S um subconjunto arbitrário de E ≡ A × S.
B(E ) é um conjunto “apropriado” dos subconjuntos de E .
exemplo: E ⊂ E , mas E ∈ B(E )
termo técnico: B é uma sigma-algebra de Borel
(E , B) é um espaço mensurável com medida λ
para E ∈ B(E ), λ(E) = a medida (“fração”) de agentes em E

Adendo matemático
Defina a probabilidade que um indivı́duo no estado (a, s) transite para o

conjunto A × S ⊂ A × S como
X
Q((a, s), A × S) = I{g (a, s) ∈ A}P(s, s 0 )
s 0 ∈S
A distribuição de probabilidade (ou medida) λt evolui da seguinte forma:

para todo A × S ∈ B(A × S),
Z
λt+1 (A × S) = Q((a, s), A × S)dλt (a, s)
A×S
Distribuição estacionária λ é uma distribuição invariante, tal que

Z
λ(A × S) = Q((a, s), A × S)dλ(a, s)
A×S
para todo A × S ∈ B(A × S).

Definição: Dado b, um equilı́brio competitivo estacionário são preços
(r , w ), uma função polı́tica g (a, s), polı́ticas N e K para a firma e uma
distribuição estacionária λ(a, s), tais que:
dado (r , w ), g (a, s) soluciona o problema do agente
dado (r , w ), N e K satisfazem as CPOs da firma
para todo A × S ∈ B(A × S), λ(A × S) satisfaz

Z
λ(A × S) = Q((a, s), A × S)dλ(a, s)
A×S
os mercados “clear”
Z
K= g (a, s)dλ(a, s)
A×S
X
N= sP ∗ (s)
s∈S

Modelando a restrição ao crédito
Até agora: restrição ad-hoc
a0 > −b
Derivando o limite natural da dı́vida da restrição orçamentária:
ct+1 + at+2 = (1 + r )at+1 + st+1 w
iterando e impondo ct ≥ 0 (derivado da condição de Inada)
∞ j
1 X 1
at+1 = [ct+j+1 − st+j+1 w ] ≥
1+r 1+r
j=0
∞ j
1 X 1
≥ − st+j w
1+r 1+r
j=0
s 1w
≥ −
r
O agente precisa ser capaz de pagar sua dı́vida com probabilidade 1. Esta
restrição nunca estará ativa.
Ayiagari (1994): a0 ≥ − min{b, s̄1 w /r }

Hipótese implı́cita até agora: contratos são perfeitamente enforced, e

não há calote mesmo que seja do auto-interesse dos agentes.
Uma forma de endogeneizar a incompletude de mercados: permitir que

os o agentes possam calotar. Referência: Zhang (1997).
Hipótese nova: se um agente calota, ele é punido pelos demais

participantes do mercado de ativos, e vive em autarquia para sempre.
Valor da autarquia:
X
v aut (s) = u(sw ) + β v aut (s 0 )P(s, s 0 )
s 0 ∈S
Obs.: aprendemos a solucionar numericamente este tipo de problema na

última aula.

Endogeneizando a restrição ao crédito:
a0 ≥ −b ∗ (s)
onde
b ∗ (s) = max b : v (−b, s 0 ) ≥ v aut (s 0 ), ∀s 0 : P(s, s 0 ) > 0

Interpretação: dado s, o limite de endividamento é a maior quantia de

dı́vida que o agente com o choque s pode contrair, tal que será sempre
ótimo repagar no perı́odo seguinte, ao invés de viver em autarquia.
Como sabemos que b ∗ (s) existe e é positivo?

Fixe s.
Observações: (1) v aut (s) é independente de b; (2) v (−b, s) é decrescente

em b; (3) v (0, s) > v aut (s)
Hipótese: v (−b nat , s) = v (−w s 1 /r , s) < v aut (s)

Método de solução (problema do agente): dado r e w ,
1 Solucione numericamente v aut (s)

X
v aut (s) = u(sw ) + β v aut (s 0 )P(s, s 0 )
s 0 ∈S
2 Conjecture b ∗ (s) e solucione o problema do agente
3 Compute v (−b, s) para todo s e b
4 Verifique se b ∗ (s) satisfaz:
b ∗ (s) = max{b : v (−b, s 0 ) ≥ v aut (s 0 ), ∀s 0 : P(s, s 0 ) > 0}
5 Itere até convergência.
Comentário: nessa economia, default não ocorre em equilı́brio.

Tempo é discreto e indexado por t ∈ {0, 1, ...∞}. A economia é populada por um contı́nuo de medida um de
famı́lias com vida infinita, indexada por i ∈ [0, 1]. As preferências da famı́lia i são dadas por:
∞ i 1−γ
i i t (ct )
X
U(c0 , c1 , ...) = E0 β ,
t=0 1 −γ
onde β ∈ (0, 1) é o fator de desconto, ct ≥ 0 é o consumo no perı́odo t, e γ > 0 é a aversão ao risco relativa (ou
inverso da elasticidade intertemporal de substituição). Cada famı́lia i no perı́odo t recebe um choque estocástico
na dotação do bem de consumo, εit ∈ {εl , εh }, com εh > εl , que segue uma cadeia de Markov onde
πhh = Pr{εit = εh |εit−1 = εh }, πll = Pr{εit = εl |εit−1 = εl }, πhl = 1 − πhh e πlh = 1 − πll .
Não tem produção nesta economia. Famı́lias negociam um ativo sem risco a que com retorno bruto Rt = 1 + rt ,
sujeito a um limite de endividamento −b̄.
(a) Defina o equilı́brio recursivo competitivo para economia.
Para os itens (b) e (c), suponha b̄ = 0.
(b) Por que este caso é especial? Determine a taxa de juros livre de risco Rt como uma função dos parâmetros do
modelo, e prove que é menor que 1/β.
(c) Mostre como a taxa de juros livre de risco muda com εh /εl , com o parâmetro de persistência πhh e a aversão
ao risco γ. Dê uma intuição para essas estáticas comparativas.

Considere uma economia estacionária populada por um contı́nuo de medida um de agentes, ex-ante iguais, com
vida infinita. Os agentes têm preferências sobre consumo e lazer dadas por:
∞ h i
t ψ
X
E0 β u(cit ) + e it v (1 − hit ) .
t=0
Agentes experenciam choques de preferências por lazer ψit , que seguem um processo estocástico
ψit = ρψi,t−1 + ηit , com ηit ∼ N(0, ση ). Agentes poupam mas não podem tomar emprestado. Produção
ocorre de acordo com a tecnologia agregada:
α 1−α
Ct + Kt+1 − (1 − δ)Kt = AKt Ht ,
onde Ct , Kt e Ht são, respectivamente, consumo agregado, capital agregado, e horas agregadas no perı́odo t.
Mercados de trabalho e ativos são competitivos, e se equilibram, todo perı́odo, com preços wt e rt ,
respectivamente.
O governo taxa a renda do capital com uma alı́quota linear fixa τ . A receita dos impostos é retornada aos agentes
via transferências lump-sum b. Os agentes podem evadir os impostos, decidindo todo perı́odo t a fração da renda
do capital φit que será declararada para autoridade fiscal, e que, portanto, será tributada. Defina xit como o total
de impostos não declarados no perı́odo t.
O governo, sabendo que os agentes podem ter sonegado impostos no perı́od t − 1, monitora-os (audita-os) no
perı́do t com probabilidade π. Se monitorado em t, verifica-se perfeitamente se houve sonegação ou não em t − 1,
e aplica-se uma multa de z(xi,t−1 ), sendo que z(0) = 0 e z 0 (xi,t−1 ) > 1. Os agentes descobrem se sua
declaração foi auditada no inı́cio do perı́odo (antes das decisões de consumo).
(segue)

Exercı́cio 6 a ser entregue (continuação)
(a) Escreva o problema do agente na forma recursiva, deixando explı́cito as variáveis de estado individuais e
agregadas.
(b) Escreva a condição de primeira ordem que caracteriza a escolha ótima de evasão fiscal.
(c) Defina o equilı́brio competitivo recursivo nesta economia.
Suponha que para verificar a declaração de renda de um agente com probabilidade π, o governo tem um custo
adminstrativo de m(π), com m(0) = 0, m0 (π) > 0, m00 (π) > 0.
(d) Escreva o problema do governador benevolente que escolhe uma fração π ∈ [0, 1] dos agentes para monitorar,
de forma a maximizar o bem-estar social nesta economia (veja os slides no inı́cio da aula seguinte).
Quais são os trade-offs que este governo têm que lidar ao decidir π?

Incompletos: Aplicações
Eduardo Zilberman
PUC-Rio
Eduardo Zilberman PUC-Rio Equilı́brio Competitivo: Aplicações 181/419

Aplicação: public insurance ótimo
Discussão:
Visões de mundo que se opõe a redistribuição: meritocracia, ética

protestante, direito de propriedade, Darwinismo social, ...
Visões de mundo que favorecem a redistribuição: caridade,

Marxista, formação de capital humano, conflitos sociais, ...
Visão durante o curso: redistribuir é positivo pois permite ao governo

comprar, em nome dos agentes, um seguro que estes agentes
“comprariam” antes de nascer (sob o “véu da ignorância”).
Problema de Ramsey: governo maximiza a utilidade ex-ante (esperada)

dos agentes, sujeita a alocação ser competitiva.

Pergunta: qual é o nı́vel ótimo de proteção social (public insurance)?
Ayiagari (1994): taxa todo mundo (em 100%) e redistribui lump-sum.
Floden e Lindé (2001): oferta de trabalho endógena + taxação

distorciva.
Ou seja: trade-off entre eficiência e proteção social
Ajustes no setup original (no artigo, há mais ajustes):
Utilidade instantânea: u(c, l), onde l = 1 − h é lazer.
Polı́tica ótima de oferta de trabalho: h(a, s)
Motivo precaução: choque ruim ⇒ agente intensifica a oferta
de trabalho
Restrição orçamentária: c + a0 = (1 + r )a + (1 − τ )hsw + T
R
Mercado de trabalho “clear”: H = A×S sh(a, s)dλ(a, s)
Restrição orçamentária do governo: T = τ wH

Bem-estar social (no equilı́brio estacionário):
Z
W (τ ) = u(c(a, s; τ ), 1 − h(a, s; τ ))dλ(a, s; τ )
A×S
Duas interpretações:
Todos os agentes têm o mesmo peso.
Utilidade ex-ante (sob ignorância) de todos os agentes.
Problema de Ramsey:
τ ∗ ∈ argmaxτ ∈[0,1] W (τ )
Ganhos de bem-estar (no eq. estac.): ∆ é variação % no consumo tal que
Z
u(c(a, s; τ )(1 + ∆), 1 − h(a, s; τ ))dλ(a, s; τ ) =
A×S
Z
= u(c(a, s; τ ∗ ), 1 − h(a, s; τ ∗ ))dλ(a, s; τ ∗ ) = W (τ ∗ )
A×S
Obs.: ignoramos a dinâmica de transição (dinâmica fora do eq. estac.).

Floden e Lindé (2001):
τ τ∗ T /Y T ∗ /Y ∆
EUA 0.36 0.46 8% 15% 1.8%
Suécia 0.57 0.26 21% 2% 8.5%
Por quê? Renda do trabalho flutua muito pouco na Suécia.
Conclusão: mais (menos) public insurance na Suécia (nos EUA) do que o

ótimo.
Dos Reis, Zilberman e Botelho (2016): quanto maior o seguro provido

pelo setor público, onde o salário é menos volátil, maior a necessidade de
funcionários públicos, o que reduz a necessidade de seguro na economia.

Curiosidade: performance do modelo (EUA vs Suécia)

Curiosidade: performance do modelo (EUA vs Suécia)

Pergunta: qual é a quantidade ótima de dı́vida do governo?
Ayiagari e McGrattan (1998): introduz dı́vida no modelo.
Ajustes no setup original (no artigo, há mais ajustes):
Rest. do governo: T + (1 + r )B = B 0 + τ wH
no equilı́brio estacionário, B 0 = B ⇒ rB = τ wH − T
Rest. orçamentária: c + a0 + b 0 = (1 + r )(a + b) + (1 − τ )w εh + T
Agreg. em eq.: C = r (A + B) + wH − τ wH + T = wH + rA
Rest. ao crédito a0 + b 0 ≥ −b
Agreg. em eq.: A0 ≥ −b − B
Conclusão: do ponto de vista agregado, B > 0 é equivalente a relaxar

restrição ao crédito do agente.
Graficamente:

Fontes de tensão:
Do lado negativo:
Dı́vida pública requer taxação distorciva
Do lado positivo:
Dı́vida aumenta a liquidez (novo ativo para suavizar consumo)
Economia mais próxima de mercados completos
Ou seja: B ↑⇒ r ↑, K ↓
Dı́vida ótima ≈ 2/3 do PIB (próximo do valor para os EUA na época).

Pergunta: qual é a combinação ótima de dı́vida e transferências?
Floden (2001): basicamente,

{B ∗ , T ∗ } ∈ argmax{B,T } W (B, T )
τ τ∗ T /Y T ∗ /Y B/Y B ∗ /Y ∆
EUA 0.38 0.53 8% 23% 67% -100% 3.4%
Intuição:
T ↑ melhora a diversificação de risco e reduz desigualdade, mas ao

custo da eficiência
B ↑ melhora a diversificação de risco e talvez a eficiência, mas

aumenta a desigualdade
Como B ↑⇒ r ↑ (melhora a diversificação do risco).
Beneficia proporcionalmente mais os ricos (a alto).
Mas o custo é uniforme nos agentes (K ↓, w ↓, τ ↑, T ↓)
Decomposição do bem-estar
Mais especificamente, Floden (2001) mostrou que ∆ pode ser

decomposto em três componentes.
1 ωlev : representa os ganhos no nı́vel agregado de consumo
2 ωunc : representa os ganhos com uma redução na incerteza
3 ωine : representa os ganhos com uma redução na desigualdade
Proposição: 1 + ∆ = (1 + ωlev )(1 + ωunc )(1 + ωine )

Floden (2001):

Floden (2001):

Berriel e Zilberman (2011): introduz um programa de transferência de
renda para os pobres
Ajustes:
Pequena economia aberta: r fixo
Trabalho indivisı́vel: ht ∈ {0, 1}
Mercado de ativos segmentado: “moeda” e ativo sem risco
c +b 0 +m0 = (1+r )b+(1−π)m+wsh+T I{y ≤ ȳ }−ξI{b > 0}
y = rb + wsh
Governo possui um orçamento B ≈ 0.69%Y para redistribuir
Polı́ticas alternativas: focalizar vs. distribuir lump-sum

Berriel e Zilberman (2011):
benchmark no program no program

coverage 16.8% 100% 0%
% households employed 79.5% 79.4% 79.4%
% households connected 53.7% 56.2% 57.2%
Gini coefficient 0.56 0.56 0.56
Gini coefficient for wealth 0.75 0.73 0.72
% households in extreme poverty 2.3% 5.5% 5.6%
% households in poverty 11.0% 14.7% 14.7%
Welfare ∆ss 0.3% 1.6%
Welfare ∆td 3.2% 5.2%
Political support Γ 77.3% 100%

Berriel e Zilberman (2011):
Restrição orçamentária do governo:

Z
T I{y (a,s;T ,ȳ )≤ȳ } dλ(a, s; T , ȳ ) = B
A×S
Qual é o programa (T , ȳ ) que maximiza bem-estar e suporte polı́tico?
welfare trans. dyn. (square) and political supp. (lozenge)

4.0% 80%
78%
3.5%
76%
3.0% 74%
2.5% 72%
70%
2.0% 68%
1.5% 66%
64%
1.0%
62%
0.5% 60%
5% 15% 25% 35% 45% 55% 65%
coverage of the program

Dinâmica de transição
Considere o seguinte problema hipotético (fora do eq. estacionário):
 
 X 
vt (a, s) = max u(ct ) + β vt+1 (at+1 , st+1 )P(st+1 , s)
ct ,at+1  
st+1 ∈S
ct + at+1 = (1 + rt )a + wt (1 − τt )s + Tt
at+1 ≥ −b
Nota: funções valor e polı́ticas dependem de wt e rt que variam no

tempo.
Experimento: economia está inicialmente num equilı́brio estacionário

τ0 = τ ∗ . Inesperadamente τt = τ ∗∗ , t ≥ 1.

Definição: Dado λ∗ e {τt }∞ ∞ ∞
t=0 , eq. comp. rec. é {vt }t=0 , {ct , at+1 }t=0 ,
∞ ∞ ∞ ∞
{Ht , Kt }t=0 , {rt , wt }t=0 , {Tt }t=0 e {λt }t=0 , tal que para todo t,
1 Dado {rt , wt }∞ ∞ ∞
t=0 e {τt , Tt }t=0 , {ct , at+1 }t=0 soluciona o problema
∞
do agente e {vt }t=0 é a sequência de funções valor associadas.
2 Dado {rt , wt }∞ ∞
t=0 , {Ht , Kt }t=0 soluciona o problema da firma
R
3 Mercado de trabalho “clears”: Ht = A×S sdλt (a, s) = H
R
4 Mercado de ativos “clears”: Kt+1 = A×S at+1 (a, s)dλt (a, s)
5 Restr. orç. do gov. está balanceada: Tt = τt wt H
6 Para todo A × S ∈ B(A × S),
Z
λt+1 (A × S) = Qt ((a, s), A × S)dλt (a, s)
A×S
onde
X
Qt ((a, s), A × S) = I{at+1 (a, s) ∈ A}P(s, s 0 )
st+1 ∈S
Computacionalmente:
Passo 1: Fixe T alto (T = 200, por exemplo), e compute os equilı́brios

estacionários {v ∗ , c ∗ , a∗ , K ∗ }, associado com τ = τ ∗ , e
{v ∗∗ , c ∗∗ , a∗∗ , K ∗∗ }, associado com τ = τ ∗∗
∗ ∗∗
Passo 2: Conjecture {K̂ }T
t=0 , com K̂0 = K e K̂T = K . Note que:
ŵt = FH (K̂t , H) , rˆt = FK (K̂t , H) − δ e T̂t = τt ŵt H
−1 T −1
Passo 3: como vT = v ∗∗ , podemos solucionar {v̂t }T
t=1 e {ât+1 }t=1 por
indução para trás.
∗
Passo 4: podemos construir {Q̂t }Tt=1 e, dado que λ0 = λ , recuperar
T
{λ̂t }t=1 e calcular, usando Monte Carlo,
Z
Ât+1 = ât+1 (a, s)d λ̂t (a, s)
A×S

Passo 5: cheque convergência
max |Ât − K̂t | < ε

1≤t≤T
Passo 6: se não convergiu, atualize K̂tnew = 0.5(K̂told + Ât ), e volte ao

passo 2.
Aplicação (polı́tica fiscal): Heathcote (2004).

aplica estas técnicas para estudar o efeito de mudanças temporárias
nas alı́quotas de impostos;
redução temporária na alı́quota do imposto de renda impacta
consumo mais do que mercados completos;
intuição: com a redução, agentes restritos ao crédito podem
aumentar o consumo;
efeito é amplificado dependendo da distribuição de riqueza.
Dinâmica de transição: evolução da desigualdade
Kaymak e Poschke (2016): o que explica o aumento da desigualdade de

riqueza nos EUA de 1960 a 2010?
Impostos/transferências vs. tecnologia.
Motivação:
Share de riqueza dos top 1% foi de 27.6% em 1970 para 41.8% em

2012 (Saez e Zucman, 2014, dados administrativos).
Share de riqueza dos top 10% foi de 67% em 1983 para 75% em
2013 (Survey of Consumer Finance).

Mudanças instituicionais e tecnológicas podem explicar esse fenômeno.
Artigo foca em três delas:
Impostos sobre os mais ricos diminuiram (especialmente sobre

corporações e propriedades).
Piketty e Saez (2007): imposto efetivo médio caiu de 45% em

1960 para 33% em 2004 para o 1% mais ricos.
Expansão transf governamentais (especialmente a idosos, Social

Security e Medicare). De 4.1% (1960) para 11.9% (2010) do PIB.
Aumento da desigualdade salarial (por conta de mudanças

teconlógicas favorecendo trabalhadores qualificados).

Estratégia similar a Castañeda, Dı́az-Giménez e Rios-Rull (2003). Cadeia
de Markov captura elementos de ciclo da vida (aposentadoria, herança,
etc) relevantes para acumulação, incidência de impostos e transferências.

(1 − µR )ΠWW µR I
,
µD ΠRW (1 − µD )I
onde µR e µD são probabilidades de aposentadoria e morte.
Cadeia de Markov incorpora desigualdade ex-ante fL e fH , ex-post {Aij },

chances de virar milionário (z5 e z6 ), e transmissão intergeracional {Fij }.
Os motivos para poupar (precaucional, suavizar consumo na
aposentadoria, altruı́smo com descendentes) presentes no modelo.
Além disso, sistemas de imposto e seguro social (importante para emular
a desigualdade) cuidadosamente modelados (ver artigo).
Kaymak e Poschke (2016). Exercı́cio:
Calibra a economia para um estado estacionário em 1960 nos EUA.

Nova trajetória (disciplinada pelos dados) de impostos, transf e
dispersão da produtividade é anunciada (“perfect foresight”).
Soluciona a transição (frequência anual), considerando o estado
estacionário final uma economia com tecnologia e polı́ticas de 2010.
Evolução share de riqueza top 1%:

Kaymak e Poschke (2016). Decomposição:
Resposta “provocativa”: para o aumento da desigualdade de riqueza,
mudanças tecnológicas (ao invés de mudanças de polı́ticas) que

geraram dispersão salarial foram os principais fatores; e
transferências (que melhora o bem-estar dos mais pobres) foram

mais importantes que impostos no topo da distribuição.
Aplicação: taxação ótima
Pergunta: qual é a alı́quota de imposto ótima sobre o capital no estado
estacionário?
Mercados completos (Chamley, 1986): τk∗ = 0.
Mercados incompletos (Aiyagari, 1995): teórico, τk∗ > 0.
Mercados incompletos (Domeij e Heathcote, 2004): quantitativo.

τk∗ ≈ 39.7%, valor para os EUA usado na calibração;
inclui a dinâmica de transição;
mudança em τk gera muita redistribuição ao longo da
transição;
apenas uma minoria aprovaria reduções em τk .
Por que τk∗ > 0? Intuição errada: há capital demais em relação a
economia com mercados completos.

Ótimo restrito (constrained efficiency)
O que a gente aprendeu? No modelo neoclássico com mercados

incompletos (β(1 + r ) < 1) há sobre-acumulação de capital em
relação a mercados completos (β(1 + r ) = 1).
Portanto, sob a ótica do planejador irrestrito, a alocação

estacionária é Pareto ineficiente. Há sobre-acumulação de capital.
Para obter eficiência, basta completar os mercados. Mas “completar

os mercados” (i.e., corrigir a fricção) não é uma polı́tica factı́vel.
Conceito de eficiência relevante é sob a ótica do planjeador restrito,

ou seja, respeitando as fricções da economia descentralizada.
Perguntas. (i) A economia descentralizada é eficiente restrita? (ii)

Se não, qual é a alocação ótima restrita?
Ou seja, comparando apenas alocações que podem ser geradas

com a mesma estrutura de mercados (i.e., sem que o
planejador possa corrigir diretamente as fricções impostas).

Referência: Dávila, Hong, Krusell e Rı́os-Rull (2012).
Economia descentralizada é eficiente restrita? Não! Há externalidades

pecuniárias (via preços) não internalizadas pelos agentes.
Em aula: explorar a natureza dessas externalidades em um modelo de

dois perı́odos. No artigo: tratamento para horizonte infinito.

Dois perı́odos t = 1, 2; distribuição λ de riqueza inicial ω; dois choques:

s1 com prob. π1 e s2 com prob. π2 = (1 − π1 ). Equilı́brio:
Problema dos agentes:

a(ω) ∈ arg max u(ω − a) + β[π1 u(ra + ws1 ) + π2 u(ra + ws2 )]
a∈[0,ω]
Problema da firma:
r = FK (K , H) e w = FH (K , H)
Market clearing:
Z
K= a(ω)dλ(ω) e H = πs1 + (1 − π)s2
ω

Utilidade de equilı́brio do agente ω:
2
X
u(ω − a(ω)) + βπi u(FK (K , H)a(ω) + FH (K , H)si )
i=1
Derive me relação a K ,
2
X
∆(ω) = βπi u 0 (FK (K , H)a(ω)+FH (K , H)si )(FKK (K , H)a(ω)+FHK (K , H)si )
i=1
Parênteses. Note que: para x > 0,
ret. const. : F (xK , xH) = xF (K , H)

deriv. x : KFK (xK , xH) + HFH (xK , xH) = F (K , H)
deriv. K : xKFKK (xK , xH) + FK (xK , xH) + xHFHK (xK , xH) = FK (K , H)
x →1: KFKK (K , H) + HFHK (K , H) = 0

Logo,
2
X a(ω) si
∆(ω) = βπi u 0 (FK (K , H)a(ω)+FH (K , H)si ) − FKK (K , H)K
K H
i=1
Defina:
u 0 (FK (K , H)a(ω) + FH (K , H)s1 )
χ(ω) = >1
u 0 (FK (K , H)a(ω) + FH (K , H)s2 )
Lembre que s2 = (H − π1 s1 )/π2 , logo ∆(ω) =

a(ω) s1 a(ω)
= βu 0 (FK (K , H)a(ω)+FH (K , H)s2 ) π1 (χ(ω) − 1) − + − 1 FKK (K , H)K
K H K
Como u 0 > 0 e FKK < 0, o ganho de bem-estar ∆(ω) do agente ω ao

aumentar maginalmente o capital é positivo se e somente se

a(ω) s1 a(ω)
π1 (χ(ω) − 1) − + −1<0
K H K
Caso 1: não há heterogeneidade inicial de riqueza, logo a(ω) = K , e

a(ω) s1 a(ω) s1
π1 (χ(ω) − 1) − + − 1 = π1 (χ(ω) − 1) 1 − > 0.
K H K H
Há sobre-acumulação de capital. Intuição: planejador forçaria os

agentes a poupar menos, de forma a aumentar r e reduzir w , e portanto,
mitigar flutuações da renda (custoso sob mercados incompletos).

Caso 2: não há risco indiosincrático, logo s1 = s2 , e

a(ω) s1 a(ω) a(ω)
π1 (χ(ω) − 1) − + −1= − 1 < 0 ⇐⇒ a(ω) < K ,
K H K K
Inutição: um aumento de K , reduz r e aumenta w , redistribuindo renda

dos “ricos” (a(ω) > K ) para o “pobres” (a(ω) < K ). Na medida em que
os pobres pesem mais na utilidade social, há sub-acumulação de capital.
Com utilidade esperada (ex-ante sob o véu da ignorância), os pobres por

terem utilidade marginal maior, pesam mais no bem-estar social.
Neste exemplo, não há risco idiosincrático. Mas há parametrizações em

que a renda dos mais pobres advém mais do capital (em relação ao
trabalho). Neste caso, haveria sobre-acumulação de capital.
Estas forças extendem ao modelo com horizonte infinito. Portanto, se há

sub- ou sobre-acumulação de capital, é uma pergunta quantitativa.

Escrevendo o problema do planejador restrito:

Z " X2
#
max u(ω − a) + β πi u(FK (K , H)a + FH (K , H)si ) dλ(ω),
K ,a(ω)∈[0,ω] ω i=1
R
sujeito a K = ω
a(ω)dλ(ω) e H = π1 s1 + π2 s2 .
Note que o planejador respeita a estrutura de mercados incompletos.
“Externalidade pecuniária”: decisões têm um pequeno efeito no

preço, que não é internalizado pelos agentes.
Planejador afeta preços, possuindo um “instrumento” extra para

redistribuir renda entre estados da natureza.

Solucionando o problema do planejador:
2
X Z
u 0 (ω−a(ω)) = β πi u 0 (FK (K , L)a(ω)+FH (K , L)si )dλ(ω)+ ∆(ω)dλ(ω),
i=1 ω
onde
Z
∆≡ ∆(ω)dλ(ω) = βFKK (K , H)K ×
ω
Z 2
X a(ω) si
× πi u 0 (FK (K , H)a(ω) + FH (K , H)si ) − dλ(ω)
ω i=1 K H
Uma expressão análoga emerge qdo o horizonte é infinito, e o processo

estocásico para si segue uma cadeia de Markov com mais estados.
Termo extra ∆ em relação a equação de Euler que vigoraria na economia

descentralizada.
Se ∆ é positivo (negativo), planejador força os agentes a pouparem mais

(menos) em relação ao que escolheriam na economia descentralizada.
Termo extra: Z
∆≡ ∆(ω)dλ(ω) = βFKK (K , H)K ×
ω
Z 2
X a(ω) si
× πi u 0 (FK (K , H)a(ω) + FH (K , H)si ) − dλ(ω)
ω i=1 K H
Resumindo/Interpretando: como o peso (i.e., u 0 ) no pobre é alto,

se a renda do pobre é intensiva em trabalho, o planejador gostaria
de acumular mais (economia descentralizada sub-acumula), de
forma a aumentar os salários e reduzir o retorno sobre o capital;
se a renda do pobre é intensiva em capital, o planejador gostaria de
acumular menos (economia descentralizada sobre-acumula), de
forma a reduzir os salários e aumentar o retorno sobre o capital.
Além do efeito benéfı́co de acumular menos (economia descentralizada
sobre-acumula) para aumentar juros e reduzir salário de forma a fazer a
renda flutuar menos.
Parametrização razoável (EUA): ótimo restrito implica numa quantidade
de capital 3.5 vezes maior do que na economia descentralizada.
Aplicação: oferta de trabalho
Ayiagari (1994): Qual é o tamanho da poupança precaução?
Pijoan-mas (2006): Qual é o tamanho das “horas trabalhadas”

precaução? Agentes podem trabalhar mais para suavizar consumo.
Tı́tulo: Precautionary savings or working longer hours?
X = Horas Y /Horas Horas-efic K Y C

XMI −XMC
XMC 18% -11.5% -4.7% 22.8% 4.4% -0.6%
Resposta: ambos!
∆ (MI → MC, incluindo dinâmica de transição) = 16%

Alonso-Ortiz e Rogerson (2011):
“Our paper is perhaps most similar to Floden and Linde (2001), who also
assess the impact of changes in tax and transfer programs in a model
with idiosyncratic shocks and incomplete markets. Our model differs
from theirs in that we do not allow for permanent heterogeneity and we
assume that labor is indivisible.”
Ou seja:
h ∈ {0, 1} ao invés de h ∈ [0, 1]
utilidade: u(c, h) = log c − θh
trabalho-eficiência s segue um processo AR(1)

“The effect of tax increases on aggregate hours is less linear in the model
with heterogeneous agents.” Por que?

Motivo precaução: sobre-oferta de trabalhador de baixa qualidade,

sub-oferta de trabalhador de alta qualidade.
Quanto τ ↑, maior proteção social, menor o motivo precaução.

Continhas de padaria
Utilidade instantânea:
h1+1/γ
u(c) − B
1 + 1/γ
γ: elasticidade de substituição intertemporal do lazer.
γ
u 0 (c)w

No ótimo: Bh1/γ = u 0 (c)w ⇒ h(w ) = B
“Fixando” c:
∂h w
=γ
∂w h
γ: elasticidade de oferta de trabalho individual (elasticidade de Frisch)

Mercados completos: literatura de ciclos econômicos reais,
horas totais variam muito com os ciclos econômicos, mas salários

variam pouco
conciliar os fatos: elasticidade da oferta de trabalho tem que ser

muito alta (bem maior que as estimativas micro)
1+1/γ
h
u(c, h) = u(c) − B 1+1/γ
estimativas micro para homens: γ ∈ (0, 0.45)
elasticidades utilizadas: γ ∈ {1, 2, 4, ∞}

Chang e Kim (2006): qual é a elast. agregada da oferta de trabalho?
marido (m) e esposa (f ):

1+1/γ 1+1/γ
hm h
u(c, hm , hf ) = 2 ln(0.5c) − Bm − Bf f
1 + 1/γ 1 + 1/γ
trabalho indivisı́vel: hm , hf ∈ {0, 1} (γ não importa)
restrições: c + a0 = (1 + r )a + w (sm hm + sf hf ), com a0 ≥ −b
duas cadeias de Markov (uma para m e outra para f )

Chang e Kim (2006): defina salário de reserva, w̄i (a, sf , sm ), i = m, f , tal
que
hi (a, sf , sm ) = I{w ≥ w̄i (a, sf , sm )}.
Defina:
Z
Hi (w ) = I{w ≥ w̄i (a, sf , sm )}dλ(a, sf , sm )
A×Sf ×Sm
O inverso de Hi (w ):

Elasticidade agregada: inverso da elasticidade das curvas acima, avaliada

no eq. estacionário.
Comentários:
Elasticidade agregada independe da elasticidade micro γ.
Mercados completos + trabalho indivisı́vel: elast. agreg = ∞

Chang, Kim, Kwon e Rogerson (2019): margem extensiva e intensiva.
utilidade:
h1+1/γ
u(c, h) = ln(c) − B
1 + 1/γ
restrições: c + a0 = (1 + r )a + (1 − τ )ws max{h − h̄, 0} + T, com

a0 ≥ −b e h ∈ [0, 1]
escolha ótima h(a, s) ∈ {0} ∪ (h̄, 1]
na produção: agrega-se s · max{h − h̄, 0} ao invés de sh
h̄ pode ser interpretado como um custo de deslocamento
calibra-se h̄ tal que agentes trabalhem ≈ 1/3 do tempo
Modelo reproduz aspectos associados ao mercado nos EUA.
Exemplo, desvio padrão de horas anuais de trabalho, condicional a estar

trabalhando. CPS: 0.42; PSID: 0.45; Modelo: 0.34.


Aplicação: crise de 2008/09
Guerrieri e Lorenzoni (2016)
Ajustes:
Produção “backyard”: y = sh (não tem capital, mas há desutilidade

de trabalho)
Restrições: qb 0 + c + τ̃ = b + y e b 0 ≥ −b
τ̃ = τ se s > 0
τ̃ = τ − v se s = 0
Restrição orçamentária do governo: B + v Prob(s = 0) = qB 0 + τ
Calibração: b → DÍVIDA/Y = 18% (dos domicı́lios)
Experimento: b 0 → DÍVIDA/Y = 8% (dos domicı́lios)
Dinâmica do ajuste: b t = max{b 0 , b − ∆ṫ} (caso contrário, agentes

seriam forçados a calotar).
Dinâmica dos juros: “overshoot”. Por quê? Com a redução na liquidez,
parte dos agentes ficam longe do seu nı́vel ótimo de poupança precaução.
Excesso de demanda por tı́tulos durante o processo de desalavancagem.
Efeito no produto. Fontes de tensão: agente pode se desalavancar
consumindo menos ou trabalhando mais.
Parametrização: primeiro efeito domina, motivo precaução gera recessão.

Restrição orçamentária do governo: B + v Prob(s = 0) = qB 0 + τ
Polı́tica fiscal: aumenta B 0 , visando aumentar r .
Para equilibrar, o que o governo deve fazer τ ↓ ou v ↑.
Qual é melhor? v ↑ (diminui o motivo precaução daqueles com choque

s = 0, que tem maior probabilidade de se desalavancar).
Conclusão: importância das transferências focalizadas durante a crise.

Oh e Reis (2011): estuda transferências focalizadas durante 2008/9.
3/4 do crescimento do dispêndio público, durante 2008/9,

corresponde a transferências
3/4 do crescimento das transferências, durante 2008/9, corresponde

a transferências sociais
Propõe modelo:
com mercados incompletos e proteção social
com rigidez nominal na fixação de preços

Setup em Oh e Reis (2011)
Utilidade: ln(c) − B(1 − h)n, n ∈ {0, 1}, h choque (“saúde”)
Rest. orça: c + a0 = (1 + r )a + swn − τ + d + T (s, h)
Rest. cred.: a0 ≥ 0
Transferência focalizada: T (s, h)
Processo estocástico para (s, h).
Rigidez nominal no lado da firma, que gera dividendos d.

Transferências focalizadas aumentam emprego e produto. Dois canais:
Neoclássico: aumenta o emprego do mais produtivos (efeito renda)
Keynesiano: maior propensão marginal a consumir dos que recebem

transferências, demanda agregada expande. Dada a rigidez de
preços, firmas produzem mais.

Efeito das transferências e gastos durante a crise:
Literatura relacionada: Hall (2009), Woodford (2011)

Aplicação: custos de bem-estar da inflação
Erosa e Ventura (2002): custos de transações.
Ajustes:
cont. de bens i ∈ [0, 1]; agregador c = inf i c(i) (compl. perfeitos)
tecn. de transação: na compra de c unidades do bem i com crédito,

é preciso γ(c, i) unidades de “serviços” financeiros que custam q
limi→1 γ(c, i) = ∞; γi > 0; γc ≥ 0; γ(λc, i) ≤ λγ(c, i)
problema do consumidor:
v (a, m, s) = 0 max
0
{u(c) + βE [v (a0 , m0 , s 0 )|s]}
a ,m ,c,z
s. a
c(1 − z) ≤ m
Z z
c +q γ(c, i)di + a0 + m0 (1 + π) = (1 + r )a + ws + m
0
a0 ≥ 0; m0 ≥ 0

Aplicação: custos de bem-estar da inflação
Inflação: imposto regressivo sobre o consumo, dado que os ricos mantém
proporcionalmente menos moeda.
Dois grupos, L e H, com processos diferentes para s sendo que s̄1H > s̄m
L
.
Bem-estar: π = 0% → π = 5%, 10% (variação % do consumo na

economia com inflação que mantem o agente indiferente).
L H
5% 1.48% -1.04%
10% 2.77% -1.11%
Abordagem de Imrohoroglu (1992): única forma de self-insurance é

através de moeda.
m
c + m0 = + ws
1+π
m0 ≥ 0
Qual é o custo de inflação (ex.: aumentar π de 0% para 10%)?
Aplicação: inflação e acumulação de capital
Algan e Ragot (2010): money-in-the-utility.
v (m, a, s) = max u(c, l, m) + βE [v (m0 , a0 , s 0 )|s]
{c,l,m0 ,a0 }
s. a
m M
c + m0 + a0 = (1 + r )a + + lsw + π
1+π 1+π
m0 ≥ 0; a0 ≥ 0; l ∈ [0, 1]
No artigo, o problema é um pouco diferente.
Polı́tica monetária: M 0 P 0 = (1 + π)MP.

Note que M é a oferta de moeda em termos reais.
Já impusemos que, em equilı́brio, π = tx. cresc. da moeda.
M
Incremento na qtdade de encaixes reais, π 1+π , distribuı́do
lump-sum para todos os agentes.
Objetivo: estudar o efeito de polı́tica monetária (i.e., inflação π) nas

variáveis reais.
Aplicação: inflação e acumulação de capital
Algan e Ragot (2010): relação hump-shaped da inflação e capital (fato
estilizado) no estado estacionário.
Nota: com mercados completos, moeda não tem efeito real no estado
estacionário (Sidrauski, 1967).
Inutição: dois efeitos.

1 Efeito positivo: π ↑⇒ m ↓, a ↑, aumentando o capital.
Com mercados incompletos, no estado estacionário, π afeta o
motivo precaução implicando que o capital pode aumentar.
M
2 Efeito negativo: π ↑⇒ π 1+π ↑, reduzindo o motivo precaução e,
portanto, reduzindo o capital.
Incompletos: Incerteza Agregada
Eduardo Zilberman
PUC-Rio
Eduardo Zilberman PUC-Rio Equilı́brio Competitivo: Incerteza Agregada 241/419

λ como variável de estado
Até então:
Não há incerteza agregada (apenas idiosincrática).
Variáveis de estado individuais: (a, s)
Variável de estado agregada: λ (distribuição)
para calcular preços, o agente precisa saber K e H
r = FK (K , H) − δ e w = FH (K , H)
mas para calcularmos K e H, precisamos saber λ

Z
K= g (a, s)dλ(a, s)
A×S
Entretanto: no equilı́brio estacionário, λ é invariante

Os agentes não precisam acompanhar λ ao longo do tempo
Por isso: λ foi “omitida” dos ı́ndices

Incerteza agregada
Maneira “correta” de escrever o problema do agente em Aiyagari (1994):
( )
X
0 0 0
v (a, s; λ) = max u(c) + β v (a , s ; λ)P(s, s )
s 0 ∈S
s.a
c + a0 = (1 + r (λ))a + w (λ)s
a0 ≥ −b
E se adicionarmos um choque agregado nessa economia. Por exemplo:
Yt = zt F (Kt , Ht )
assim poderı́amos estudar as propriedades cı́clicas do modelo.
Problema: como zt flutua no tempo, logo λt também flutuará.

Perdeu-se a propriedade estacionária da distribuição.
Agentes precisam acompanhar λt para prever preços.
Mas λt é um objeto de dimensão infinita.
Incerteza agregada
Supõe-se um process conjunto para (z, s):
P(z 0 , s 0 |z, s) = Pr(zt+1 = z 0 , st+1 = s 0 |zt = z, st = s)
Reescrevendo o problema do consumidor:

( )
X
0 0 0 0 0 0
v (a, s; z, λ) = max u(c) + β v (a , s ; z , λ )P(z , s |z, s)
s 0 ∈S
s.a
c + a0 = (1 + r (z, K ))a + w (z, K )s
a0 ≥ −b
Z
K= adλ(a, s)
A×S
λ0 = G (z, λ, z 0 ),
onde G é a lei de movimento para λ resultante de equilı́brio.
Complicação: para computar preços, os agentes precisam saber λ e,

portanto, G de equilı́brio (que é um objeto monstruoso). Impossı́vel!
Incerteza agregada
Definição de equilı́brio é similar: Ressalvas:
Probabilidade que um indivı́duo no estado (a, s) transite para o conjunto

A × S ⊂ A × S:
X
Qz,z 0 ((a, s), A × S) = I{g (a, s; z, λ) ∈ A}Ps (s 0 |z, s, z 0 ),
s 0 ∈S
onde Ps é a probabilidade de transição condicional para s, e pode ser

derivada de P.
A lei de movimento λ0 = G (z, λ, z 0 ) é gerada da seguinte forma: para

todo A × S ⊂ B(A × S) e z, z 0 ∈ Z
Z
λ0 (A × S) = Qz,z 0 ((a, s), A × S)dλ(a, s)
A×S
e tem que ser consistente com a lei de movimento percebida pelos

agentes (expectativas racionais).
Incerteza agregada
Referência: Ljungqvist e Sargent, seção 18.14
Aproximação teórica vs. aproximação numérica.
Aproximação numérica: mantém o conceito de equilı́brio, e

aproxima a solução numericamente.
Aproximação teórica: propõe um conceito de equilı́brio diferente, no

qual a solução é próxima da solução do equilı́brio original.

Incerteza agregada
Krussel e Smith (1998): propõe um método para aproximar equilı́brio.
Caracterizar a distribuição λ com um número finito de momentos

para a riqueza: m = {m1 , m2 , ..., mI }
Exemplo: m1 é a média do capital, m2 é var. da riqueza, ...
Potencialmente: infinitos momentos.
Substitui: λ0 = G (z, λ, z 0 ) por
m0 = GM (z, m, z 0 )
Interpretação: informação parcial sobre λ ou racionalidade limitada.
Operacionalizar: especificar I e uma forma funcional para GM

Incerteza agregada
Krusell e Smith (1998):

I = 1, m1 = K e GM (z, m, z 0 ) = bz0 + bz1 ln K , z ∈ Z
( )
X
0 0 0 0 0 0
v (a, s; z, K ) = max u(c) + β v (a , s ; z , K )P(z , s |z, s)
s 0 ∈S
s.a
c + a0 = (1 + r (z, K ))a + w (z, K )s
a0 ≥ −b
ln K 0 = bz0 + bz1 ln K
Com expectativas racionais: temos que verificar a consitência de G (lei

de movimento percebida = lei de movimento verdadeira).

Incerteza agregada
ln K 0 = GM (z, m, z 0 ) = bz0 + bz1 ln K , para todo z ∈ Z
Método de solução: iterar na lei de movimento

1 Conjecture valores para {bz0 , bz1 }
2 Simule a economia T perı́odos. Calcule {Kt }T
t=1 .
3 Descarte T 0 perı́odos iniciais, e estime a regressão para todo z ∈ Z
ln Kt+1 = βz0 + βz1 ln Kt
4 Se (βz0 , βz1 ) 6= (bz0 , bz1 ), volte ao passo 1.

esse passo garante que a lei de movimento (aproximada)
percebida é consistente com a verdadeira, mas esse não é o
equilı́brio com expectativas racionais.
5 Compute o R 2 das regressões em 3. Adicione outro momento,
digamos m2 = E (a2 ), e repita o processo. Se |Rold
2 2
− Rnew | < ,
pare. Caso contrário, adicione outro momento.
Incerteza agregada
Comentários:
O processo termina quando novos momentos não melhoram a

capacidade de previsão da regressão.
Ou seja: quando momentos adicionais não adicionam informações

relevantes para prever preços.
Quando R 2 ≈ 1, momentos usados são quase que suficientes para

prever preços perfeitamente.
Equilı́brio (com expectativas racionais) está bem aproximado.
Se ao adicionar vários momentos, e o R 2 ainda não estiver

satisfatório, pode-se alterar GM .
Krussel e Smith (1998): z ∈ {zb , zg }

ln K 0 = 0.095 + 0.962 ln K , para z = zg , R 2 = 0.999998
ln K 0 = 0.085 + 0.965 ln K , para z = zb , R 2 = 0.999998
Incerteza agregada
Krussel e Smith (1998): z ∈ {zb , zg }
ln K 0 = 0.095 + 0.962 ln K , para z = zg , R 2 = 0.999998

ln K 0 = 0.085 + 0.965 ln K , para z = zb , R 2 = 0.999998
Resultado diz algo mais forte: near-aggregation result!
Acompanhar a evolução do capital agregado é quase que suficiente para

prever preços. Os outros momentos quase nada importam.
As variáveis agregadas da economia com mercados incompletos

evoluem quase como se os mercados fossem completos.
Do ponto vista agregado: mercados incompletos faz quase nenhuma

diferença.
Near-aggregation result
Intuição: com mercados completos e preferências quasi-homotéticas,

Chaterjee (1994) mostrou que:
Ct = φ(pt ) + θ(pt )Kt
Efeito da distribuição de riqueza é nulo nas variáveis agregadas.
Com mercados incompletos e CRRA, o consumo como função da riqueza

é côncavo, mas quase-linear quando a riqueza é alta.

Motivo precaução: função consumo concava, mas quase linear quando a
riqueza é alta (propensão marginal a consumir do pobre é maior).
Por que quase linear? Com horizonte infinito, os mais ricos acumulam
riqueza suficiente para isolar o motivo precaução com “self-insurance”.
Com mercados completos, preferências quasi-homotéticas implicam na

linearidade da função consumo (Chaterjee, 1994).
Intuição: com mercados completos e preferências quasi-homotéticas,
Chaterjee (1994) mostrou que:
Ct = φ(pt ) + θ(pt )Kt
Efeito da distribuição de riqueza é nulo nas variáveis agregadas.
Com mercados incompletos e CRRA, o consumo como função da riqueza

é côncavo, mas quase linear quando a riqueza é alta. Implicações:
Pobres (“curvatura”) possuem uma parcela pequena da riqueza.
Ricos ( “lineares”) possuem uma parcela grande da riqueza.
Para determinar o estoque agregado, os ricos importam mais.
Efeitos de distribuição é próximo de zero.

Comentário: este resultado não é geral. Depende da especificação e da

parametrização do modelo.
Levine e Zame (2002): numa economia de trocas, com choques

idiossincráticos estacionários, utilidade marginal convexa, e mercados
incompletos, quando β → 1, incompletude do mercado não importa
(consumo, bem-estar e preço como se os mercados fossem completos).
Constantinides e Duffie (1996): engenharia reversa. Numa economia de

trocas, com choques idiossincráticos e mercados incompletos, existe
algum processo estocástico para renda que sustente autarquia (ausência
de transações) em equilı́brio? Existe e choques são permanentes.
Conclusão: natureza do processo estocástico para renda importa.

Agregação
1+1/γ
Economia com agente representativo: ln Ct − B H1+1/γ
t
Produção Cobb-Douglas: zt Ktα Ht1−α
No ótimo (com mercados completos):

1/γ
Ht α −α Yt
MRSt = B −1 = wt = (1 − α)zt Kt Ht = (1 − α)
H
Ct t
Nos dados:
Yt
ln Wedget = constant + ln MRSt − ln
Ht
diferente de zero. Por que? corr(H, Y /H) ≈ 0. Resultado robusto a
várias especificações da utilidades.
Debate importante! Explicações na literatura: rigidez de salários,

impostos que variam, fricções de busca, choques exógenos de lazer, ....
Chang e Kim (2007): wedge pode ser gerado com mercados incompletos
e trabalho indivisı́vel.
Agregação
Chang e Kim (2007): agregação importa.
Mecanicamente: trab. indiv. implica em cond. de otimalidade com

desigualdade; mercados incomp. afeta agregação destas condições.
Conclusão: wedge pode não ser fruto de falhas no mercado de trabalho
(ex.: rigidez ou busca), nem de um choque exógeno (ex.: lazer).
Agregação
Chang e Kim (2007): erro no algoritmo. Correção de Takahashi (2014).
Mensagem teórica continua válida: Wedge pode ser gerado

endogenamente com mercados incompletos e trabalho indivisı́vel.
Porém: relevância empı́rica do modelo diminui.
Chang e Kim (2014):
Data Original Corrigido

σwedge /σY 0.92 0.76 0.32
corr (H, Y /H) 0.08 0.23 0.70

Aplicação: custos de bem-estar das flutuações cı́clicas
Lucas (1987, 2003).
Agente representativo que recebe a seguinte sequência de consumo:

2
ct = Ae µt e −(1/2)σ εt ,
onde log(εt ) ∼ N(0, σ 2 ) iid, o que implica:

2
σ 2 /2
E [εnt ] = e n , logo E [ct ] = Ae µt .
Preferências CRRA: ct1−γ /1 − γ.
Ganhos de bem-estar em eliminar os ciclos é:

(∞ ) ∞
X [(1 + ∆)ct ]1−γ X (E [ct ])1−γ
t
E β = βt
t=0
1−γ t=0
1−γ

Parênteses: álgebra
− 1 σ2
Plugando ct = Ae µt e 2 εt e E [ct ] = Ae µt :
µt −(1/2)σ 2
 
∞ ∞
X
t [(1 + ∆)Ae e εt ]1−γ  X µt 1−γ
t (Ae )
E β = β

t=0 1 − γ 
t=0 1 −γ
Colocando para fora da esperança a parte não-estocástica que depende do tempo:

∞ µt 1−γ ∞ µt 1−γ
−(1/2)σ 2 1−γ t (Ae ) t (Ae )
X X
E {[(1 + ∆)e εt ] } β = β
t=0 1−γ t=0 1−γ
Cancelando termos:
−(1/2)σ 2 1−γ
E {[(1 + ∆)e εt ] }=1
Colocando para fora da esperança a parte não-estocástica:
1−γ −(1/2)σ 2 (1−γ) 1−γ

(1 + ∆) e E {εt }=1
1−γ (1/2)σ 2 (1−γ)2

Como log εt ∼ N(0, σ 2 ), E {εt }=e , logo:
1−γ {−(1/2)σ 2 (1−γ)+σ 2 (1−γ)2 }

(1 + ∆) e =1
Elevando tudo a 1 e simplificando:

1−γ
−(1/2)γσ 2
(1 + ∆)e =1
Tirando log:
1 2
log(1 + ∆) − γσ = 0
2
Como log(1 + ∆) ≈ ∆ para ∆ pequeno (expansão de Taylor de 1a ordem em torno de ∆ = 0): ∆ ≈ 12 γσ 2 .
Lucas (1987): ∆ ≈ 12 γσ 2 .
Se γ = 1 e σ = 0.032 (usando dados para os EUA, 1947-2001)
∆ ≈ 0.0005
Com mercados incompletos: ciclos podem afetar pobres e ricos de

maneira diferente.
Krusell, Mukoyama, Sahin e Smith (2009): ∆ ≈ 0.01.

Soluciona uma economia com choques agregados zt ∈ Z
Elimina os choques agregados: zt = E (z)
Se z e s são correlacionados, são necessários alguns ajustes no
processo estocástico de s.
Soluciona a economia sem choques agregados.
Calcula o ∆ para diferentes grupos.
Krusell, Mukoyama, Sahin e Smith (2009): ∆ ≈ 0.01.
Ao eliminar os ciclos, o Gini riqueza sobe de 0.81 para 0.9. Por que?
Redução da incerteza, e portanto, do motivo precaução, o que

beneficia os desempregados e impacientes.
Redução da poupança agregada, aumentando a taxa de juros, o que

beneficia os empregados e pacientes.

Fronteira
Near-aggregation result + complexidade computacional: modelos com

agentes heterogêneos pouco usados para estudar ciclos econômicos reais.
Entretanto: Grande Recessão mudou esse quadro.
Origem nos mercados de crédito e housing expôs agentes de maneira

diferente dependo da composição do seu balanço de ativos.
Implicações agregadas para redução dos gastos agregados dependem

da distribuição da propensão marginal a consumir.
Colapso do sistema financeiro reduziu a demanda por trabalho, mas

com implicações distintas de acordo com ocupação, escolaridade, ...
Nova geração de modelos em que a distribuição é relevante para

dinâmica agregada, atribuindo maior papel à demanda agregada.

Duas aplicações recentes
Duas aplicações recentes:
Krueger, Mitman e Perri (2017). Externalidade via demanda

agregada.
Kaplan e Violante (2018). Choques de demanda agregada num

acarbouço com agentes heterogêneos novo Keynesiano (HANK).

Aplicação: Crise de 2008/9
Krueger, Mitman e Perri (2017): distribuição de riqueza é um fator
importante na dinâmica macroeconômica em uma recessão severa?
Extensão de Krusell e Smith (1998), com (entre outras coisas):
Externalidade de demanda agregada: Y = z ∗ F (K , H), com

z∗ = C ωz e z ∈ {zg , zb }.
Quatro fontes de heterogeneidade: β (ex-ante), a, s e ε ∈ {0, 1}.
Φ é a distribuição limite conjunta de β, a, s, ε.
Probabilidade de morte 1 − θ ∈ (0, 1).
Inicia a vida com s = s1 e a = 0.

Garante que a distribuição de riqueza seja limitada no
equilı́brio-estacionário.
Seguro desemprego: b(s, Φ, z) = ρw (Φ, z)s; τ (z, Φ) tal que o

orçamento do governo esteja balanceado.
Várias especificações:
Definição de recessão severa. Calibrou as cadeias de Markov (associada a

z e ε), tal que:
zb é associado a uma recessão com desemprego acima de 9% por ao
menos um trimestre, e acima de 7% em todos os trimestres.
Desde 1948.I até 2014.III, duas recessões severas: 1980.II-1986.II;
2009.I-2013.III.
Frequêcia de recessões severas é 16.48%.
Duração esperada é de 22 trimestres.
Distribuição de riqueza no modelo:
Experimento: uma economia recebe um sequência de choques zg por um

longo tempo (equilı́brio-estacionário); quando então, uma recessão severa
(zb ) atinge a economia por n trimestres.
Resultado: Desigualdade amplifica a resposta do consumo (n = 1).

Intuição:

Resultado: Seguro desemprego atenua a resposta do consumo (n = 1).

Resultado: Desigualdade amplifica a resposta do consumo (n = 22).

Resultado: Desigualdade + externalidade amplifica ainda mais a resposta
do consumo (n = 22).

Heterogeous Agents New Keynesian (HANK) Models
Referência: Kaplan e Violante (2018).
Em modelos com mercados completos e consumidor representativo,

este reage muito a mudanças nas taxas de juros correntes e futuras;
mas pouco a mudanças transitórias na renda
Intuição: consumidor se comporta de forma similar à hipótese

da renda permanente.
Mecanismo de transmissão da polı́tica monetária em modelos novo

Keynesiano: subst. intertemporal forte, sensitividade a renda fraca.
Não corroborado pela evidência empı́rica: consumo é menos

(mais) sensı́vel à taxa de juros (choques temporários de renda).
Agentes heterogêneos podem reconciliar: restrição ao crédito

implica propensão marginal a consumir maior, e consumo menos
sensı́veis a taxa de juros.
Exemplo: Kaplan, Moll e Violante (2018).
Problema do agente com dois ativos: lı́quidos bt ≥ −b e ilı́quidos at ≥ 0.
Restrições em tempo contı́nuo:

ḃt = (1 − τt )wt zt ht + rtb (bt )bt + Tt − dt − χ(dt , at ) − ct
ȧt = rta at + dt ,
onde χ2
d
χ(dt , at ) = χ0 |d| + χ1 a
a
com χ0 > 0, χ1 > 0 e χ2 > 1.
Bloco novo Keynesiano (produtor-agregador competitivo de bem final,

produtores de bens intermediários – competição monopolı́stica e custo
ajustamento preços quadrático, regra de Taylor, etc). E market clearing.
Ressalva (hipóteses extras): não há equivalência Ricardiana (polı́tica

fiscal passa a importar); distribuição de lucros também passa a importar.
Resultado: replica o fato (documentado em Kaplan e Violante, 2014) que
1/3 dos agentes nos EUA são “hand-to-mouth”; desses, 2/3 são “wealthy
hand-to-mouth” (possuem ativos ilı́quidos) e 1/3 “poor hand-to-mouth”.
Melhora o ajuste do modelo à evidência empı́rica quanto a sensisibilidade

do consumo à taxa de juros e choques transitórios de renda.
Exercı́cio: comparar RANK e HANK (ambas econ no estado estac),
quando atingidas por um mesmo choque não-antecipado por um perı́odo.
Para m ∈ {RA, HA}, mudança acumulada do consumo em t
J Z t
X ∂Ctm
dCtm = dΘm
jτ dτ,
0 ∂Θ jτ
j=1
onde Θm inclui a sequência de choques (η), de preços (w , r b , r a , q)m (q é

o preço da ação da firma) e de transferências lump-sum T m .
Decomposição:
J Z t
X ∂CtHA
dCtHA − dCtRA = (dΘHA RA
jτ − dΘjτ )dτ +
j=1 0 ∂Θ jτ
| {z }
discrepância eq. geral
J Z t
∂CtHA ∂CtRA
X
+ − dΘRA
jτ dτ ,
j=1 0
∂Θjτ ∂Θjτ
| {z }
discrepância eq. parcial
Choque de demanda (β ↑): equivalência forte entre RANK e HANK.
Resposta agregagada e mecanismos similares, invariante a polı́tica fiscal.

Choque produtividade (TFP ↓): equivalência fraca entre RANK e HANK.
Resposta de C similar (pouco dependente da pol fiscal), mas mecanismos

discrepantes. Intuição: tx de juros (RANK) vs. renda disponı́vel (HANK).
Choque monetário (aperto): não-equivalência entre RANK e HANK.
Tudo discrepante, e mais dependente da polı́tica fiscal.

Choque gasto fiscal (estı́mulo): não-equivalência gritante entre RANK e
HANK. Nota: dı́vida ajusta.

Lembre: Oh e Reis (2011), tranferências (financiadas com déficit) foram
a principal fonte de estı́mulo fiscal durante a Grande Recessão.
Choque de transferência (estı́mulo): não-equivalência gritante entre

RANK e HANK. De fato, Equivalência Ricardiana no RANK.
Nota: tranferências futuras ajustam.
Resultado ressalta a importância da rigidez de preços.

Fronteira: Mercados Incompletos + novo Keynesiano
Auclert (2019, AER): “Monetary Policy and the Redistribution
Channel”;
Gornemann, Kuester e Nakajima (2016, R&R ECTA): “Doves for
the Rich, Hawks for the Poor? Distributional Consequences of
Monetary Policy”;
Guerrieri e Lorenzoni (2016, QJE): “Credit Crises, Precautionary
Savings, and the Liquidity Trap”;
Kaplan, Moll e Violante (2018, AER): “Monetary Policy According
to HANK”;
Kekre (2019, R&R REStud): “Unemployment Insurance in
Macroeconomic Stabilization”;
McKay, Nakamura e Steinsson (2016, AER): “The Power of
Forward Guidance Revisited”;
McKay e Reis (2016, ECTA): “The Role of Automatic Stabilizers in
the US Business Cylce”;
muito mais ...
Considere uma economia populada por um contı́nuo de medida um de agentes, ex-ante iguais, com vida infinita.
Os agentes têm preferências sobre consumo:
∞
t
X
E0 β u(cit ).
t=0
Agentes experenciam choques (não-seguráveis) na sua produtividade de trabalho, εit ∈ {ε1 , ..., εN }. Este
processo é governado por uma cadeia de Markov πε (ε0 , ε) = Pr(εi,t+1 = ε0 |εit = ε).
Produção ocorre através de uma tecnologia agregada Yt = zt Ktα Ht1−α , onde Kt e Ht são, respectivamente,
capital agregado e unidades de trabalho-eficiciênca agregado no perı́odo t. Capital deprecia a uma taxa δ. E a
produtividade total dos fatores, zt ∈ {zb , zg }, segue uma cadeia de Markov πz (z 0 , z) = Pr(zt+1 = z 0 |zt = z).
Agentes podem ter dois ativos: capital ait e tı́tulo sem risco bit . Seja qt o preço do tı́tulo sem risco em t: a
compra de b unidades do tı́tulo sem risco ao preço qt no perı́odo t, garante b unidades do bem final no perı́odo
seguinte t + 1. Suponha que há limites para se endividar nos dois ativos, (−ā, −b̄).
Finalmente, mercados de trabalho e ativos são competitivos, e se equilibram, todo perı́odo, com preços wt e rt ,
respectivamente.
(a) Escreva o problema do agente na forma recursiva, deixando explı́cito as variáveis de estado individuais e
agregadas.
(b) Defina o equilı́brio competitivo recursivo nesta economia.
(c) Proponha um algoritmo numérico que solucione esta economia para alocação e preços de equilı́brio.

Considere uma economia populada por um contı́nuo de medida um de agentes, ex-ante iguais, com vida infinita.
Os agentes têm preferências sobre consumo e lazer:
∞
t
X
E0 β u(cit , 1 − hit ).
t=0
Agentes experenciam choques (não-seguráveis) na sua produtividade de trabalho, εit ∈ {ε1 , ..., εN }. Este
processo é governado por uma cadeia de Markov π(ε0 , ε) = Pr(εi,t+1 = ε0 |εit = ε). Agentes podem poupar e
tomar emprestado atravaés de um único ativo ait , que não é negociado contigente ao estado da natureza. Suponha
que estes agentes podem tomar emprestado até o limite natural de endividamento.
O agente i oferta hit horas de trabalho no mercado, onde cada hora possui eficiência igual a εit . mercados de
trabalho e ativos são competitivos, e se equilibram, todo perı́odo, com preços wt (por unidade de eficiência) e rt ,
respectivamente.
Produção ocorre através de uma tecnologia agregada Yt = AKtα Ht1−α , onde Kt e Ht são, respectivamente,
capital agregado e unidades de trabalho-eficiciênca agregado no perı́odo t.
O governo nesta economia taxa a renda do trabalho, com uma alı́quota linear τt ∈ {τl , τh }, com τl < τh ,
escolhida de acordo com o humor do presidente. Em particular, um processo estocástico
φ(τ, τ 0 ) = Pr(τt+1 = τ 0 |τt = τ ). A receita com impostos, bt , é redistribuı́da lump-sum para todos os agentes.
(segue)

Exercı́cio 8 a ser entregue (continuação)
(a) Qual o limite natural do endividamento nesta economia?
(b) Escreva o problema do agente na forma recursiva, deixando explı́cito as variáveis de estado individuais e
agregadas.
(c) Defina o equilı́brio competitivo recursivo nesta economia.
(d) Proponha um algoritmo numérico que solucione esta economia para alocação e preços de equilı́brio.
Suponha que você queira computar os custos de bem-estar de se viver em uma economia com um governo moody,
em comparação com um governo estável (i.e., τt = τ̄ , para todo t).
(e) Explique como você calcularia, na prática, a perda de bem-estar.

Seguimento do curso: duas opções
1 Seguir com agentes heterogêneos, mercados incompletos exógenos
Aula 9 - equilı́brio competitivo com mercados incompletos,

gerações imbricadas e ciclo da vida
Aula 10 - empreendedorismo, firmas heterogêneas e equilı́brio

industrial
Aulas 11 e 12 - agentes heterogêneos em tempo contı́nuo
2 Migrar para contratos recursivos, mercados incompletos endógenos
Aulas 9 a 11 - diversificação de risco vs. incentivos: sem

comprometimento, assimetria informacional (renda não
observável), e combinando ambos
Aula 12 - diversificação de risco vs. incentivos: assimetria

informacional (renda e poupança não observáveis)
Incompletos: Gerações Imbricadas / Ciclo da
Vida
Eduardo Zilberman
PUC-Rio
Eduardo Zilberman PUC-Rio Gerações Imbricadas / Ciclo da Vida 287/419

Gerações Imbricadas / Ciclo da Vida
Objetivo: introduzir a dimensão de ciclo da vida em modelos com

mercados incompletos, visando estudar desigualdade ao longo do ciclo.
Medida de desigualdade da variável x (renda, riqueza, consumo, ...) ao

longo do ciclo da vida: varj (ln xij ), onde j = 25, 26, ..., 60 é a idade.
Para fechar o modelo: gerações imbricadas (no equilı́brio estacionário,

necessidade de uma estrutura demográfica constante).
Exemplo: Storesletten, Telmer and Yaron (2001, 2004). Fatos básicos a

serem explicados:
Desigualdade salarial cresce aprox. linear ao longo do ciclo da vida.
Desigualdade de consumo cresce aprox. a 1/2 da taxa de
crescimento da desigualdade salarial.
Desigualdade de horas trabalhadas é aprox. constante ao longo do
ciclo da vida.

Desigualdades ao longo do ciclo
Graficamente:
Fonte: Storesletten, Telmer and Yaron (2001)

Merc. Completos: Storesletten, Telmer and Yaron (2001)
Referência: Storesletten, Telmer and Yaron (2001). Estrutura de

mercados completos
Demografia:
J + 1 gerações imbricadas de indivı́duos
Cada geração (coorte) nasce com medida 1.
Indivı́duos indexados por i e nascem com idade j = 0.
Probabilidade de sobreviver até a idade j é ϕj , ϕ < 1.
Indivı́duos morrem com certeza quando j = J.
Preferências (utilidade instantânea):
c 1−γ h1+σ
u(c, h) = −A
1−γ 1+σ

Dotação: produtividade κj εij
Primeiro componente, κj , é determinı́stico: depende da idade j.
Segundo componente, εij , é estocástico: depende da da idade j e do

indivı́duo i (idiossincrático).
Horas-eficiência (oferta de trabalho): κj εij hij
Tecnologia linear: Y = zN, onde N são as unidades agregadas de

horas-eficiência,
XJ Z
N= ϕj κj εij hij dij ,
j=0
e ij indica intergração de todos os indivı́duos com idade j.

Em t, caracterizar a alocação de equilı́brio via o problema do planejador

central, que põe pesos positivos λij apenas nos indivı́duos vivos.
cij1−γ
t J
" #
hij1+σ
X X Z
j−(t−τ ) j
max β ϕ λij −A dij
{cij ,hij } 1−γ 1+σ
τ =t−J j=t−τ
Note que j = t − τ , restrição de recursos agregado:

t
X Z
0= ϕt−τ (zκt−τ εi(t−τ ) hi(t−τ ) − ci(t−τ ) )dit−τ
τ =t−J
Associe um multiplicador de Lagrange θt a esta restrição.

CPO em relação ao consumo e lembrando que j = t − τ :

−γ
ϕt−τ λij ci(t−τ ) =ϕ
t−τ
θt ou ϕj λij cij−γ = ϕj θt
Logo: a razão da utilidade marginal de consumir entre dois agentes (i, j)

e (i 0 , j 0 ) é constante no tempo e igual a razão dos pesos atribuı́dos pelo
planejador central (mercados completos).
Tirando log:
1
ln λij − γ ln cij = log θt ⇒ ln cij = [ln λij − log θt ]
γ

Conclusão:
1
var (ln cij ) = var (ln λij )
γ2
1
varj (ln cij ) = 2 varj (ln λij )
γ
Três resultados:
Desigualdade de consumo dentro (within) de uma geração com
idade j é positivo se os pesos do planejador diferem entre agentes
de uma mesma geração.
Desigualdade de consumo entre (across) gerações é positivo se os
pesos do planejador diferem entre gerações.
Se distribuição de λij independe de j, desigualdade do consumo não
pode crescer ao longo do ciclo da vida com mercados completos e
preferências separáveis (contradiz os dados).
Ao fazer o mapa entre alocações eficientes e alocações
competitivas, pesos atribuı́dos pelo planejador estão associados
a uma distribuição inicial de riqueza (que independe de j!).
CPO em relação ao trabalho:
λij Ahijσ = θt zκj εij
Tirando log, rearranjando e lembrando que j = t − τ ...

1 zθt 1 1 1
ln hij = ln − ln λij + ln εij + ln κj
σ A σ σ σ
Mercados competitivos: distribuição de λij independe de j, portanto

varj (ln λij ) = var (ln λi ) constante ao longo do ciclo da vida.

Conclusão: variância entre agentes i condicional na idade j,
1 1
varj (ln hij ) = var (ln λi ) + 2 varj (ln εij ).
σ2 σ
Observação empı́rica: desigualdade salarial cresce aprox. de forma linear

ao longo do cı́clo da vida.
Racionalizando: ln εij possui um componente permanente

ln εij = ln εi,j−1 + νij ⇒ var (ln εij ) = jvar (νij ), logo
1 j
varj (ln hij ) = 2
var (ln λi ) + 2 var (νij )
σ σ
Comentários:
Desigualdade de horas trabalhada cresce linearmente (contradiz os
dados), a não ser que σ → ∞.
Mas se a elasticidade de Frisch é zero (σ → ∞), então
varj (ln hijτ ) → 0 (contradiz os dados).
Conclusão: mercados completos (full-insurance) não explica os fatos.
Fonte: Storesletten, Telmer and Yaron (2001)

Merc. Completos: Parênteses
Badel e Huggett (2014): uma estrutura de choques – produtividade (w )
preferências (z) e pesos de Pareto (γ) – mais complexa. Usam método
dos momentos para estimar as propriedades destes choques.

Exemplo extremo: Autarquia
Autarquia: não há seguro, inclusive self-insurance. Logo:
cij = κj εij hij
CPO:
cij−γ κj εij = Ahijσ
Combinando ambas e rearranjando:

1
σ+γ
1 1+σ
cij = (κj εij ) σ+γ
A
Tirando log e passando a variância:

2
1+σ
varj (ln cij ) = varj (ln εij )
σ+γ
Conclusão: se γ > 1, desigualdade do consumo cresce a uma taxa menor
que a desigualdade salarial (consistente com os dados).
Merc. Incompletos: Storesletten, Telmer and Yaron (2004)
Pergunta: uma economia com uma estrutura de mercados entre
autarquia e completos pode ser consistente com a evolução das
desigualdades ao longo do ciclo da vida?
Referência: Storesletten, Telmer and Yaron (2004).
Demografia: mesma que antes.
Notação: probabilidade condicional de sobreviver até a idade j + 1, dado

que sobreviveu até j, ϕj = ϕj /ϕj−1 .
Util. instantânea: u(c), u 0 > 0, u 00 < 0.

Note que, como a oferta de trabalho é exógena, a variância do log
das horas trabalhadas é zero.
Foco do paper: dado a desigualdade salarial ao longo do ciclo,
explicar a desigualdade de consumo ao longo do ciclo.
Tecnologia: F (K , N) neoclássica.
Dotação: produtividade (i.e., renda) individual
ln yij = κj + θi + ηij + εij

ηij = ρηij−1 + ωij
κj : componente determinı́stico associado a idade

θi : habilidade inata do indivı́duo; dist. inicial πθ (θ)
ηij : componente persistente; AR(1) discretizado com πη (η 0 , η)
εij : choques iid, dist. de acordo πε (ε) (componente transitório)
Duas fases ao longo do ciclo da vida: trabalho e aposentadoria.
Aposentadoria compulsória quando j ≥ J ret , deixa de receber renda yij .

Aposentadoria compulsória quando j ≥ J ret , deixa de receber renda yij .
Renda durante a aposentadoria: P(ȳiret ), com P 0 > 0, P 00 < 0; onde

ret
JX −1
1
ȳiret = yij
J ret
j=0
onde ȳiret é a média anual da renda ao longo da vida.
Aposentadorias são financiadas pelo governo com uma alı́quota de

imposto τ sobre a renda do trabalho (sistema pay-as-you-go).
Heranças acidentais são distribuı́das lump-sum, φ, para todos os agentes.

Problema do domicı́lio. De j = 0, ..., J ret − 1:
Vj (θ, ηj , εj , aj , ȳj ) = max {u(cj ) + βϕj+1 Ej [Vj+1 (θ, ηj+1 , εj+1 , aj+1 , ȳj+1 )]}
cj ,aj+1
sujeito a
cj + aj+1 = (1 + r )aj + (1 − τ )w exp{θ + κj + ηj + εj } + φ
aj+1 ≥ −ā
w exp{θ + κj + ηj + εj }
ȳj+1 = ȳj +
J ret
De j = J ret , ...., J:
Vj (·, ·, ·, aj , ȳ ret ) = max u(cj ) + βϕj+1 Ej Vj+1 (·, ·, ·, aj+1 , ȳ ret )

cj ,aj+1
sujeito a
cj + aj+1 = (1 + r )aj + P(ȳ ret ) + φ
aj+1 ≥ −ā

Seja s = (θ, ηj , εj , aj , ȳ ) o vetor de estados.
Lembre que, se aposentado, (θ, ηj , εj ) não importa.
Um equilı́brio competitivo estacionário consiste de: (1) regras de decisões

{cj (s), aj+1 (s)}; (2) funções valores {Vj (s)}; (3) preços {w , r }; (4)
quantidade agregadas {K , N}; (5) alı́quota de imposto τ e transferências
lump-sum φ; (6) distribuições estacionárias {µj }; tais que
(a) Dado os preços, as regras de decisão solucionam o problema do

domicı́lio, que satisfaz as funções valores associadas;
(b) Firmas optimizam (preços de fatores = produto marginal);

PJ ret −1
ϕj
R
(c) Merc de trabalho “clears”: N = j=0 exp{θ + κj + ηj + εj }dµj
PJ
ϕj
R
(d) Mercado de capital “clears”: K = j=0 aj+1 (s)dµj

Nota: pela lei de Walras, o mercado de bens também “clears”
PJ
ϕj P(ȳ ret )dµj
R
(e) Restr. orç. do gov. satisfeita: τ wN = j=J ret
(f) Herança acidental distribuı́da lump-sum:

XJ Z J
X
j
ϕ (1 − ϕj+1 ) aj+1 (s)dµj = φ ϕj
j=0 j=0
(g) A distribuição µj é estacionária.
Por exemplo, para j < J ret , µj+1 = S Qj (s, S)dµj , onde

R
X X
Qj (s, S) = I{θ∈Θ} I{aj+1 (s)∈A} πη (η 0 , η) πε (ε0 )I w exp{θ+κj+1 +η 0 +ε0 }
{ȳj + J ret
∈Ȳ}
η 0 ∈N ε0 ∈E

Método de solução:
1 Conjecture r 0 e φ0 . Dado que N 0 é exógeno, obtém-se do problema

da firma w 0 e K 0 .
2 Conjecture τ 0 , e solucione o problema do consumidor para trás. Ou

seja, comece do último perı́odo, quando o problema é estático.
3 Simule a economia, respeitando a estrutura demográfica.
4 Obtenha riqueza agregada e herança involuntária, compare com K 0

e φ0 . Verifique se a distribuição de ȳ ret é tal que satisfaça restrição
orçamentária do governo.
5 Itere até convergir.

Exercı́cio: “imputar” exogenamente a desigualdade de salário ao longo do

ciclo (lembre que trabalho é exógeno), e checar o que ocorre com a
desigualdade de consumo ao longo do ciclo.

Intuição: dois ingredientes
Riqueza financeira alta. Quanto maior a riqueza financeira, menor o

impacto no consumo de choques salariais.
Exercı́cio: variar β tal que K /Y = 3.5 e K /Y = 1.5.
Previdência social. Redistribui não somente entre gerações, mas

como P é côncavo, também proporciona algum seguro adicional,
implicando em um crescimento menor da desigualdade do consumo.

Risco Agregado: Kubler e Krueger (2004)
Kubler e Krueger (2004): introduz risco agregado, zF (K , N), mas

elimina todo o risco idiosincrático (θ, η, ε) do problema.
Estado da economia: (z, a0 , a1 , ..., aJ ).
Pode-se usar a abordagem do Krusell-Smith, ou seja substituir os estados

(a0 , a1 , ..., aJ ) - J+1-dimensional - pelo capital agregado K , e aproximar
a lei de movimento com
ln K 0 = b0z + b1z ln K
Problema: propensão marginal a poupar do velho muito menor que a do

jovem. Near-aggregation result falha (R 2 ≈ 0.66).
Possı́veis soluções: (1) estender a lei de movimento, incorporando outros

momentos; ou (2) aproximar a distribuição com uma fórmula funcional
paramétrica (um polinômio cúbico, por exemplo).
Desigualdade de riqueza ao longo do ciclo da vida
Até então, as contribuições de Storesletten, Telmer e Yaron (2001, 2004).
Paper seminal (estabeleceu a metodologia): Huggett (1996), cujo

objetivo era estudar a desigualdade de riqueza ao longo do ciclo da vida.
Estrutura do modelo muito parecida com (mas não idêntica a)

Storesletten, Telmer and Yaron (2004).

Resultado (Huggett, 1996):
Problema: não replica desigualdade de riqueza no topo da distribuição.

Resultado (Huggett, 1996):

Solução: De Nardi (2004). Até então, toda herança é acidental (agentes

não-altruı́stas). De Nardi propõe duas extensões:
Permitir que agentes altruı́stas derivem utilidade ao deixar heranças
não acidentais (bequest motive).
Permitir que a produtividade seja transmitida de pai para filho via
uma cadeia de Markov persistente (human-capital link).
Agente sobrevive com certeza até j = 60 anos, quando, a partir daı́, se

defronta com uma probabilidade ϕj de sobreviver.
Neste caso, as preferências (utilidade instantânea) são
u(c) + (1 − ϕj )φ(b(a0 ))
onde b(a0 ) = a0 − τ · max(0, a0 − aex ), e φ(·) é utilidade instantânea

derivada ao deixar herança positiva.

Resultado (De Nardi, 2004):
Problema: reconcilia parcialmente a desigualdade de riqueza no topo da

distribuição gerada pelo modelo com os dados.
Aplicação: Public Insurance
Preliminar: Gouveia e Strauss (1994) propõe a seguinte fórmula funcional
h − 1 i
T (y ) = a0 y − y −a1 + a2 a1
para estimar o imposto de renda efetivo nos EUA. Note que:

a1 = 0 ⇒ T (y ) = a0 y (imposto linear);
a1 = −1 ⇒ T (y ) = −a0 a2 (imposto lump-sum).
Alı́quota de imposto média e marginal:

T (y ) h
−1
i
t(y ) = = a0 1 − (1 + a2 y a1 ) a1
y
h i
0 − 1 −1
T (y ) = a0 1 − (1 + a2 y a1 ) a1
y → ∞ ⇒ t(y ), T 0 (y ) → a0
a1 > 0 ⇒ t 0 (y ) > 0 (sistema de imposto progressivo)
Conessa e Krueger (2006): Incorpora a fórmula funcional do slide

anterior (tax schedule) em um modelo com mercados incompletos e
considerações de ciclo da vida.
Pergunta. Qual é o nı́vel de (a0 , a1 , a2 ) que maximiza uma função de

bem-estar social utilitarista?

Conessa e Krueger (2006):
“The optimal US income tax is well approximated by a flat tax rate

of 17.2% and a fixed deduction of about $9, 400.”
“The steady state welfare gains from a fundamental tax reform

towards this tax system are equivalent to 1.7% higher consumption
in each state of the world.”
“An explicit computation of the transition path [...] indicates that a

majority of the population currently alive (roughly 62%) would
experience welfare gains, suggesting that such fundamental income
tax reform is not only desirable, but may also be politically feasible.”

Aplicação: Taxação Ótima com Comprometimento
Conessa, Kitao e Krueger (2008): escolhe (a0 , a1 , a2 ) simultanemente

com uma alı́quota τk que incide sobre a renda do capital, de forma a
maximizar uma função de bem-estar social utilitarista.

Aplicação: Taxação Ótima com Comprometimento
Conessa, Kitao e Krueger (2008):
“The optimal capital income tax rate is significantly positive at 36

percent. The optimal progressive labor income tax is, roughly, a flat
tax of 23 percent with a deduction of $7, 200.”
“The high optimal capital income tax is mainly driven by the life
cycle structure of the model [...].
“[...] the optimal progressivity of the labor income tax is attributable

to the insurance and redistribution role of the tax system.”
Como conciliar com Domeij e Heathcote (2004)? Não há “life cycle
structure”, mas τk∗ = 0.37.

Resumo: taxação ótima vs. ótimo restrito
Resumo:
Em relação a mercado completos: sobre-acumulação de capital

(Ayagari, 1994).
Em relação ao ótimo restrito: sub-acumulação de capital (Dávila,

Hong, Krusell e Rı́os-Rull, 2012).
Relembrando o problema de Ramsey: dado {gt }, qual é τk∗ no

estado estacionário?
Mercados completos (Chamley, 1986): τk∗ = 0; τl∗ e B ∗ ajustam

para equilibrar a restrição orçamentária do governo.
Mercados incompletos: é ótimo alguma redistribuição de renda do

rico (que possui muito capital e trabalha pouco) ao pobre (que
possui pouco capital e trabalha muito). Pode ser ótimo τk∗ ↑, τl∗ ↓.
Resumo: taxação ótima vs. ótimo restrito
Resumo (continuação):
Chamley (1986), com mercados completos, τk∗ = 0 (ressalvas de

Straub e Werning, 2020).
Domeij e Heathcote (2004), com mercados incompletos sem ciclo

da vida, τk∗ = 0.37.
Conessa, Kitao e Krueger (2008), com mercados incompletos e ciclo

da vida, τk∗ = 0.36. Ciclo da vida é importante para gerar τk∗ alto.
Como concilar os artigos? Conjectura:
Em Conessa, Kitao e Krueger (2008), imposto de renda T (y )

mais progressivo que em Domeij e Heathcote (2004).
Logo, em Domeij e Heathcote (2004), τk∗ ↑, τl∗ ↓ absorve parte
da progressividade negligenciada no imposto sobre a renda.
Outra diferença: Conessa, Kitao e Krueger (2008) não
consideram dinâmica de transição.
Lembre. Debate recente: HIP vs RIP.
Como modelar o processo estocástico para renda do indivı́duo i.
yti = g (t, observáveis) + αi + β i t + zti + εit

| {z } | {z } | {z }
componente comum heterog. determ. comp. estocástico
onde zti = ρzt−1

i
+ ηti
Até a década de 80: estimativas eram de 0.5 < ρ < 0.7 e σβ >> 0.
Heterogeneous Income Profile (HIP).
McCurdy (1982): não rejeitou (nos dados) a hipótese nula de que

σβ ≈ 0; impôs σβ = 0 e estimou ρ ≈ 1. Restricted Income Profile (RIP).
Guneven (2009): mostrou que o teste de McCurdy possui baixa potência.
Debate importante: modelagem do processo estoc. para renda afeta

substancialmente resultados quantitativos desta classe de modelos.
Referências: Guvenen (2009, RED); Guvenen (2012, resenha).

Equilı́brio Competitivo com Firmas Heterogêneas
Eduardo Zilberman
PUC-Rio
Eduardo Zilberman PUC-Rio Firmas Heterogêneas 323/419

Sob que circunstâncias podemos considerar uma firma representativa?
Exemplo:
M firmas, indexadas por i = 1, 2, ..., M
mesma tecnologia neoclássica: z i F (k i , ni )
Fk > 0, Fn > 0, Fkk < 0, Fnn < 0
mercados competitivos
Cada firma toma os preços como dado:

max{z i F (k i , ni ) − wni − (r + δ)k i }
k i ,ni
CPOs: z i Fk (k i , ni ) = r + δ e z i Fn (k i , ni ) = w , o que implica:
Fk (k i , ni ) r +δ
i i
=
Fn (k , n ) w
Como F é homogênea de grau 1, Fk e Fn são homogêneas de grau 0.
fk (k i /ni ) Fk (k i , ni ) r +δ
i i
= i i
=
fn (k /n ) Fn (k , n ) w
Como o LHS é estritamente decrescente em k i /ni ,
ki

r +δ k
=g = , para todo i
ni w n
onde k é a média de k i (e n é a média de ni ).
Mas note que, para z i > z j , temos uma contradição:

z i fk (k/n) = r + δ = z j fk (k/n)
Alguma introspecção: firmas i, tal que z i = z̄ = max{z 1 , ..., z M },

“sobrevivem” (possuem lucro não-negativo).
z̄fk (k/n) = r + δ e z̄fn (k/n) = w
Conclusão: firma representativa com tecnologia z̄F (k, n) existe.
Duas classes de modelos
1 Mercados Incompletos com Empreendedorismo (a la Lucas)
2 Equilı́brio Industrial Competitivo (a la Hopenhayn)

Modelo preliminar: Lucas (1978)
Modelo de Lucas (1978): modelo de um perı́odo
População (medida um) neutra ao risco, dotada de:
uma unidade (inelástica) de trabalho
K unidades de capital
habilidade gerencial (managerial ability), θ ∼ G (θ)
Cada agente possui acesso a uma tecnologia de produção θF (k, n),

com retornos decrescentes de escala.
Fn > 0, Fk > 0, Fnn < 0, Fkk < 0
O agente decide se quer ser trabalhador e ganhar w , ou ser um

empreendedor e lucrar π(θ, r , w )

Modelo de Lucas (1978): modelo de um perı́odo
Função lucro: dado r e w ,
π(θ, r , w ) = max{θF (k, n) − wn − r (k − K )}

n,k
Note que as CPOs, θFk (k, n) = r e θFn (k, n) = w , induzem

demandas por capital, k d (θ, r , w ), e por trabalho, nd (θ, r , w ).
Pode-se mostrar que k d (θ, r , w ), nd (θ, r , w ) e π(θ, r , w ) são

crescentes em θ.

Equilı́brio competivo: (w , r , θ) tal que:
1 Escolha ocupacional ótima. Defina θ tal que:

w = π(θ, r , w ).
Como π(θ, r , w ) é crescente em θ, tal θ existe e é único:
se θ < θ, agente escolhe trabalhar
se θ > θ, agente escolhe empreender
2 oferta de trabalho = demanda por trabalho

Z ∞
G (θ) = nd (θ, r , w )dG (θ)
θ
3 oferta de capital = demanda por capital

Z ∞
K= k d (θ, r , w )dG (θ)
θ

Comentários:
Sob determinadas hipóteses sobre G , equilı́brio existe e é único.
O empreendedores são os agentes com habilidade gerencial maior.
A distribuição do tamanho das firmas e dos lucros são endógenas.

O tamanho, medido por n ou k, é crescente em θ.
Modelo possui previsões para a distribuição de renda (lucros) e

distribuição do tamanho das firmas.
Em particular, as distribuições são truncadas a esquerda.

Mercados Incompletos com Empreendedorismo
Introduzindo Lucas (1978) em uma economia com mercados incompletos.
Extensões:
Agentes são dotados com:
trabalho-eficiência z, que segue uma cadeia de Markov πz .

habilidade gerencial θ, que segue uma cadeia de Markov πθ .
Além de um setor “corporativo” neoclássico, F (K , H),

empreendedores podem produzuir em sua própria firma:
f (k, n, θ) = θk η1 nη2 , com η1 + η2 < 1.
Lucro da firma θ: π(θ, ·).
No inı́cio de cada perı́odo, agentes decidem se querem ser

empreendedor ou trabalhador.
Problema do trabalhador:
V w (a, z, θ) = max
0
{u(c) + βE [max{V w (a0 , z 0 , θ0 ), V e (a0 , z 0 , θ0 )}]}
a ,c
s.a
c + a0 = wz + (1 + r )a
a0 ≥ 0
Problema do empreendedor:
V e (a, z, θ) = max
0
{u(c) + βE [max{V w (a0 , z 0 , θ0 ), V e (a0 , z 0 , θ0 )}]}
a ,c
s.a
c + a0 = π(a, z, θ)
a0 ≥ 0
Note que escolha ocupacional é feita no inı́cio do perı́odo.

Pergunta: como modelar π(a, z, θ)? Várias maneiras ...
Por exemplo (introduzindo fricção financeira no lada da firma):
π(a, z, θ) = max {θk η1 nη2 − (˜
r + δ)(k − a) − w max{n − z, 0}}
k,n
s.a
k ≤ (1 + d)a

r se k ≤a
r˜ =
r +φ se k >a
Formulação captura:
Empreendedores trabalham (apenas) na própria firma.
Firmas são reestritas ao crédito, sendo que d = (k − a)/a é a razão
de alavancagem pela qual a firma pode se endividar.
Spread φ, ao se endividar.
Exemplo: d → ∞ e φ = 0, não há fricção no lado da firma.
Definição de equilı́brio usual. Note que haverá uma distribuição
estacionária endógena de firmas na economia.
Literatura. Paper seminal: Quadrini (2000).
Ajuda a explicar a desigualdade no topo da distribuição.
Intuição:
Dado acesso a uma tecnologia de poupança/investimento (firma própria),

empreendedores com habilidade gerencial alta podem acumular a uma
taxa mais rápida que trabalhadores (que poupam a uma taxa r ).

Literatura. Cagetti e De Nardi (2006). Extende o modelo incorporando

elementos de ciclo da vida (herança e aposentadoria, por exemplo).
Resultado: modelo replica várias dimensões da economia americana.

Literatura. Cagetti e De Nardi (2006).

Literatura. Cagetti e De Nardi (2006).

Literatura. Kitao (2008).
Empreendedorismo e taxação do capital (associado a poupança).

Literatura. Guvenen et al (2019).
“Use It or Lose It: Efficiency Gains from Wealth Taxation.”

Duas classes de modelos
1 Mercados Incompletos com Empreendedorismo (a la Lucas)
2 Equilı́brio Industrial Competitivo (a la Hopenhayn)

Motivação
Ayiagari (1994): mercados incompletos
Tecnologia de produção representativa: zF (K , H) (retornos

constantes de escala)
Introduziu heterogeneidade no lado dos consumidores
Risco idiosincrático
Hopenhayn (1992): “mercados completos”
“Fixar a curva demanda” (consumidor representativo)
Introduzir heterogeneidade do lado das firmas
Truque: retornos decrescentes de escala. Por que?
Com retornos constantes de escala, uma firma representativa

existe.
Hopenhayn (1992): equilı́brio industrial
Modelo com uma indústria e várias plantas (firmas):
Indústria:
produz um bem homogêneo
competitiva (toma os preços como dado)
pequena no sentido que não afeta o salário (w é dado)
função de demanda exógena pelo bem produzido na indústria
Hopenhayn (1992) não modelou o lado do consumidor
Trivial incorporá-lo (exemplo: Hopenhayn e Rogerson (1993))
livre entrada de plantas na indústria
Plantas:
retornos decrescentes de escala
sujeitas a choques de produtividade
único fator de produção: trabalho
pagam um custo fixo para operar
plantas podem sair da indústria
plantas podem entrar, desde que paguem um custo fixo de
entrada
Demanda agregada: D(p), como D 0 < 0
Tecn. da planta (firma): y = zf (n), com f 0 > 0, f 00 < 0 e f (0) = 0
Produtividade segue cadeia de Markov: Γ(z 0 , z) = Pr(z 0 = zt+1 |z = zt )
Problema da firma incumbente: dado o preço p, o salário w e o custo

fixo φ,
π(z) = max{pzf (n) − wn − φ}
n
Note que:
Lucros são crescentes em z
CPO implica que: w = pzf 0 (n)
Como f 00 < 0, plantas mais produtivas empregam mais
Distribuição de z induz uma distribuição do tamanho n das firmas.

Decisão de saı́da: no começo do perı́odo, antes da realização do choque

z, a planta decide se sai ou não da indústria
( )
1 X
0 0
v (z; p) = π(z; p) + max v (z ; p)Γ(z , z), 0
1+r 0 z
Isto gera uma função polı́tica: χ(z; p) = {0, 1}
Problema da firma entrante: paga um custo φe por um perı́odo para

entrar na indústria e sorteia z de uma distribuição discreta G
1 X
v e (p) = −φe + v (z; p)G (z)
1+r z
Firma entra se v e (p) ≥ 0. Em equilı́brio, livre entrada de firmas faz

v e (p) = 0. Defina m como a medida de firmas entrantes.

Definição: um equilı́brio recursivo estacionário para essa indústria
consiste de: regras de decisões n e χ, funções valores {v , v e }, preço p,
uma medida invariante de firmas incubentes λ, e uma medida invariante
de firmas entrantes m, tal que
Dado p, n(z; p) soluciona o problema estático da firma
Dado p, χ(z; p) soluciona a decisão de saı́da da firma incumbente, e

v (z; p) é a função valor associada.
Livre entrada de firmas implica que, ao preço de equilı́brio,

1 X
φe = v (z; p)G (z)
1+r z
Mercado de bem “clears”:

X
D(p) = zf (n(z; p))λ(z; p)
z
continua ...
seja Z um elemento de uma famı́lia apropriada de subconjuntos de

Z X
λ(Z) = Γ(Z, z)[1 − χ(z)]λ(z) + mG (Z)
z∈Z
Note que:
X
λ(z 0 ) = Γ(z 0 , z)[1 − χ(z)]λ(z) + mG (z 0 )
z∈Z
Em forma matricial, supondo I nı́veis de produtividade
λI ×1 = PI ×I λI ×1 + mGI ×1
Onde P é a matriz de transição incluindo a possibilidade de saı́da. Logo,
λ = m[(I − P)−1 G ]

Método de solução:
(1) Conjecture p0 e solucione o problema estático da firma para obter

n(z, p0 ), tal que
π(z; p0 ) = p0 zf (n(z; p0 )) − wn(z; p0 ) − φ
(2) Dado a função lucro π(z; p0 ), solucione numericamente

( )
1 X
0 0
v (z; p0 ) = π(z; p0 ) + max v (z ; p0 )Γ(z , z), 0
1+r 0 z
para obter χ(z; p0 ) e v (z, p0 )
(3) Verifique se p0 satisfaz a condição de livre entrada

1 X
v e (p0 ) = −φe + v (z; p0 )G (z) = 0
1+r z
Se não, conjecture um novo p1 e volte ao passo 1.

Método de solução (cont.):
Falta calcular m e λ. Para isso, explore
λ = m[(I − P)−1 G ]
(4) Conjecture m0 e compute λ0
(5) Verifique se o mercado de bens “clears”:

X
D(p) = zf (n(z; p))λ(z; p)
z
Se não, atualize m1 e volte ao passo (4).

Aplicações
Este modelo é útil para estudar:
Distribuição do tamanho das firmas.
Job turnover e plant turnover.
Efeitos de polı́ticas: subsı́dios e impostos.
Difusão de tecnologia.
O papel das fricções financeiras na dinâmica das firmas.
Alocação ineficiente de fatores de produção.

Aplicação: Hopenhayn e Rogerson (1993)
Objetivo: estudar o impacto de restrições a demissão (fire) na

produtividade média da indústria.
Custo de demitir (fire):
τ (n − n0 ) n0 < n

se
g (n0 , n) =
0 se n0 ≥ n
Note que n vira uma variável de estado.
Problema da firma (emprego e saı́da):

  
0 0 0 1 X
0 0 0 0

v (z, n; p) = max pzf (n ) − wn − φ − g (n , n) + max v (z , n ; p)Γ(z , z), −g (0, n ) 
n0 1+r
z0
 

Aplicação: Hopenhayn e Rogerson (1993)
Resultados: custo de demissão
reduz a realocação de trabalhadores (job turnover) das firmas pouco

produtivas para as mais produtivas
impede que firmas ineficientes saiam do mercado (alto custo de

demissão)
Conclusão: esta polı́tica reduz a produtividade média da indústria.
Quantitativamente, esse efeito é alto.

Aplicação: Factor Misallocation
Evidência empı́rica recente: não apenas o nı́vel de fatores, mas também

como estes são distribuı́dos entre firmas, são fundamentais para explicar
a diferença de TFP agregada e renda entre paı́ses.
Hsieh e Klenow (2009): “ ... when capital and labor are hypothetically
reallocated to equalize marginal products to the extent observed in the
United States, we calculate manufacturing TFP gains of 30%-50% in
China and 40%-60% in India.”
Referência: Restuccia e Rogerson (2008)
Objetivo: estudar as implicações da distribuição de fatores em um

modelo com firmas heterogêneas.

Summary
Neoclassical growth model: commonly used to understand cross-country

differences in per capita income.
Thesis: not only the level of factor accumulation that matters, but also
how these factors are allocated across heterogeneous production units.
Approach: calibrate a version of neoclassical growth model that

incorporate heterogeneous production units a la Hopenhayn (1992).
Need for idiosyncratic distortions.

Model
Household: infinite-lived representative household, endowed with one unit

of labor every period, and K0 units of initial capital, maximizes
∞
X
β t u(Ct )
t=0
subject to
∞
X ∞
X
pt (Ct + Kt+1 − (1 − δ)Kt ) = pt (rt Kt + wt Nt + Πt − Tt )
t=0 t=0

Model (cont.)
Incumbents: a finite number of firms indexed by TFP s, maximizing
π(s, τ ) = (1 − τ )sk α nγ − wn − rk − cf
where α, γ ∈ (0, 1) and 0 < α + γ < 1
Establishment-level TFP s is assumed constant.
After production takes place, each establishment faces a constant

probability of death equal to λ.
1+R 1
Value of the incumbent: W (s, τ ) = π(s, τ ) R+λ , where R = β − 1.

Model (cont.)
With NO idiosyncratic distortions: capital to labor ratio (k/n) are the

same across plants.
Policy distortions: τ ∈ {τ− , 0, τ+ }, unknown at time of entry and remain

fixed onwards.
Probability the establishment s faces policy τ : P(s, τ )
Assumption: government budget balance is achieved every period

through taxation or redistribution T to the representative consumer.

Model (cont.)
Entrants: after paying a fixed cost of entry ce , s ∈ {s1 , ..., sns } is drawn
from a pdf h(s), i.i.d. across entrants.
Value of the entrant:

X
We = max {x̄(s, τ )W (s, τ )h(s)P(s, τ ) − ce }
x̄∈{0,1}
(s,τ )
Law of motion: µ0 (s, τ ) = (1 − λ)µ(s, τ ) + x̄(s, τ )h(s)P(s, τ )E
x̄(s,τ )
Invariant distribution: µ(s, τ ) = λ h(s)P(s, τ )E

Equilibrium
(i) Consumption optimization;
(ii) Plant optimization;
(iii) Free entry: We = 0;
(iv) Market clearing;
(v) Government budget balance;
(vi) µ is an invariant distribution.

Calibration
Growth model: standard procedures.
α + γ = 0.85
Benchmark economy: U.S. without distortions.
1
1−γ−α
ni si
FOCs: nj = sj
h(s) is chosen to match the number of employment per firm distribution

Exercises
Idea: choose taxes and subsidies such that there is no effect on aggregate
capital accumulation (isolate the distribution effect).
Two exercises:
(1) τ is uncorrelated with s.
(2) τ is positively (negatively) with s.

Results

Results (cont.)
Low TFP firms receive a subsidy; high TFP firms are taxed.

Comments
The variable Ys /Y represents the output share of plants that are

receiving a subsidy, the variable S/Y is the total subsidies paid out to
plants receiving subsidies as a fraction of output, and the variable τs is
the size of the subsidy required to generate a steady-state capital stock
equal to that in the distortion free economy.
Nota: literatura sobre misallocation cresceu muito nos últimos anos.
Em relação a firmas, olhar o que Francisco Buera, Joseph Kaboski,

Benjamin Moll, Yongseok Shin, Daniel Xu, etc, estão fazendo.

Agentes Heterogêneos em Tempo Contı́nuo
Eduardo Zilberman
PUC-Rio
Eduardo Zilberman PUC-Rio Agentes Heterogêneos em Tempo Contı́nuo 364/419

Referências
Achdou, Han, Lasry, Lions e Moll (2020): Heterogeneous Agent Models

in Continuous Time. Veja apêndice e apêndice numérico também!
Ahn, Kaplan, Moll, Winberry e Wolf (2018): When Inequality Matters for
Macro and Macro Matters for Inequality.
Lecture notes: https://benjaminmoll.com/lectures/.
Códigos:
https://benjaminmoll.com/codes/,
https://github.com/gregkaplan/phact/,
https://sehyoun.com/EXAMPLE_PHACT_KS.html,
https://sehyoun.com/EXAMPLE_one_asset_HANK_web.html.

Ideia
Em tempo contı́nuo, solucionar modelos com agentes heterogêneos
equivale a solucionar um sistema com duas equações diferenciais.
1 Hamilton-Jacobi-Bellman (HJB): equação que governa as escolhas

individuais.
2 Kolmogorov Forward (KF): equação que governa a evolução da

distribuição.
Nota: ferramental é bastante geral (veja os exemplos na página do Moll).
Nesta aula: versão em tempo contı́nuo de ...
1 Huggett (1993) baseada em Achdou et al (2020), mas tudo

generalizável para Aiyagari (1994);
2 Krusell e Smith (1998) baseada em Ahn et al (2018).

Fator de desconto em tempo contı́nuo
Fator de desconto usual em modelos de tempo discreto:
t
t 1
β =
1+ρ
onde β ∈ (0, 1) e, portanto, ρ > 0.
Compondo uniformemente a taxa de desconto n vezes dentro de uma

mesma unidade de tempo:
t t nt
1 1 1
× ... × =
1 + ρn 1 + ρn 1 + ρn
| {z }
n vezes
Exemplo: se o perı́odo é anual, e a taxa é composta todo trimestre,

faz-se n = 4; se a taxa é composta todo mês, faz-se n = 12.
Ambas as fórmulas expressam o valor presente de uma unidade no

perı́odo t, sob diferentes hipóteses de desconto.
Fator de desconto em tempo contı́nuo
Fazendo n → ∞, obtém-se o fator de desconto em tempo contı́nuo:

nt
1
lim ρ = e −ρt
n→∞ 1 +
n
Prova: defina s = n/ρ, logo

sρt s ρt
ρ nt 1 1
lim 1 + = lim 1 + = lim 1+
n→∞ n s→∞ s s→∞ s
s
Portanto, basta mostar que lims→∞ 1 + 1s = e.
Defina w = 1/s e note que, aplicando L’Hopital, obtém-se:

s
ln (1 + w ) 1 1
lim = 1 ⇒ lim 1 + = lim (1 + w ) w = e
w →0 w s→∞ s w →0

Agentes Heterogêneos: Problema do Consumidor
Problema do consumidor em tempo discreto: dado {r } e (a0 , y0 ),
∞
X
max
∞
E0 e −ρt u(ct ) s.a
{ct }t=0
t=0
ct + at+1 = (1 + rt )at + yt
at+1 ≥ a
Restrição orçamentária em tempo contı́nuo:

at+∆ − at
∆ct + at+∆ = (1 + ∆rt )at + ∆yt ⇐⇒ = rt at + yt − ct
∆
dat
∆ → 0, logo = rt at + yt − ct
dt
Problema do consumidor em tempo contı́nuo: dado {r } e (a0 , y0 ),
Z ∞
max E0 e −ρt u(ct )dt s.a
{ct }t≥0 0
dat
= (yt + rt at − ct )
dt
at ≥ a
Agentes Heterogêneos: processos de Poisson
Parênteses: processo de Poison,
λk
P(k eventos em um intervalo) = e −λ ,
k!
Hipótese (generalizável): yt segue um processo de Poisson com dois

estados, [y1 < y2 ], com intensidades λ1 e λ2 .
Comentários:
λi é a intensidade com que se pula do estado i para o estado j.
A probabilidade de se permanecer no estado i é
P(k = 0 eventos em um intervalo) = e −λi

Agentes Heterogêneos: da eq de Bellman a eq HJB
“Eq de Bellman” (tempo discreto), para i = 1, 2, ignorando as restrições:
vi (at , t) = max u(ct ) + e −ρ [e −λi vi (at+1 , t + 1) + (1 − e −λi )vj (at+1 , t)

ct
Para ∆ pequeno, e −ρ∆ ≈ 1 − ρ∆ e e −λi ∆ ≈ 1 − λi ∆,

vi (at , t) = max ∆u(ct ) + (1 − ρ∆)[(1 − λi ∆)vi (at+∆ , t + ∆) + λi ∆vj (at+∆ , t + ∆)] ⇐⇒
ct

⇐⇒ ρ∆vi (at , t) = max ∆u(ct ) + (1 − ρ∆) (vi (at+∆ , t + ∆) − vi (at , t + ∆) + vi (at , t + ∆) − vi (at , t))+
ct

+λi ∆(vj (at+∆ , t + ∆) − vi (at+∆ , t + ∆)) ⇐⇒
( "
vi (at+∆ , t + ∆) − vi (at , t + ∆) at+∆ − at
⇐⇒ ρvi (at , t) = max u(ct ) + (1 − ρ∆) +
ct at+∆ − at ∆
vi (at , t + ∆) − vi (at , t)

+ + λi vj (at+∆ , t + ∆) − vi (at+∆ , t + ∆)
∆
∆ → 0, logo equação de Hamilton-Jacobi-Bellman (tempo contı́nuo):

∂vi (at , t) dat ∂vi (at , t)
ρvi (at , t) = max u(ct ) + + + λi (vj (at , t) − vi (at , t))
ct ∂a dt ∂t

Agentes Heterogêneos: Hamilton-Jacobi-Bellman
Restrição orçamentária em tempo contı́nuo:

dat
= rt at + yt − ct
dt
Problema do consumidor recursivo em tempo contı́nuo:

∂vi (a, t)
ρvi (a, t) = max u(c) + (r (t)a + yi − c)+
c ∂a

∂vi (a, t)
+ + λi (vj (a, t) − vi (a, t))
∂t

∂vi (a,t) ∂vi (a,t)
CPO em c: u 0 (ci (a, t)) = ∂a ⇐⇒ ci (a, t) = u 0−1 ∂a .
Logo, da RO: si (a, t) = r (t)a + yi − ci (a, t).

Agentes Heterogêneos: Hamilton-Jacobi-Bellman
Hamilton-Jacobi-Bellman Equation:

∂vi (a, t)
ρvi (a, t) = max u(c) + (r (t)a + yi − c)+
c ∂a

∂vi (a, t)
+ + λi (vj (a, t) − vi (a, t))
∂t
Cadê a restrição ao crédito a ≥ a? Em tempo contı́nuo, por construção,
ela nunca está ativa no interior do espaço de estados.
Note que a CPO, u 0 (ci (a, t)) = ∂vi∂a(a,t)

, vale para todo a ≥ a. Como
garantir que a restrição ao crédito não seja violada?
si (a, t) = yi + r (t)a − ci (a, t) ≥ 0 ⇐⇒ yi + r a ≥ ci (a, t)
Restrição ao crédito aparece apenas na condição de contorno:
∂vi (a, t)
u 0 (yi + r (t)a) ≤ u 0 (ci (a, t)) = .
∂a
Vantagem computacional em relação ao caso discreto: CPOs são
“estáticas” (hoje e amanhã são a mesma coisa) e com “igualdade”.
Agentes Heterogêneos: Kolmogorov Forward Equation
Distribuição de riqueza no estado yi :
Gi (a, t) = Pr(at ≤ a, yt = yi )
No estado yi , em um horizonte ∆, a riqueza evolui de acordo com:
at+∆ = at + ∆si (at )
Risco idiossincrático: pular de yi para yj com probabilidade ∆λi , logo
Pr (at+∆ ≤ a, yt+∆ = yi ) = (1 − ∆λi )Pr(at ≤ a − ∆si (a), yt = yi )+

+∆λj Pr(at ≤ a − ∆si (a), yt = yj )
[se tem riqueza < a − ∆si (a) em t, tem riqueza < a em t + ∆].

Agentes Heterogêneos: Kolmogorov Forward Equation
Reescrevendo:
Gi (a, t + ∆) = (1 − ∆λi )Gi (a − ∆si (a), t) + ∆λj Gj (a − ∆si (a), t)
Deduzindo Gi (a, t) dos dois lados, e rearranjando:

Gi (a, t + ∆) − Gi (a, t)
=
∆
Gi (a − ∆si (a)) − Gi (a, t)
= − λi Gi (a − ∆si (a), t) + λj Gj (a − ∆si (a), t)
∆
∆ → 0, logo
∂Gi (a, t) ∂Gi (a, t)
= −si (a) − λi Gi (a, t) + λj Gj (a, t)
∂t ∂a
∂Gi (a,t)
Defina gi (a, t) = ∂a , e diferencie:
∂gi (a, t) ∂[si (a)gi (a, t)]
=− − λi gi (a, t) + λj gj (a, t)
∂t ∂a
Huggett em Tempo Contı́nuo: Equilı́brio
Dado gi (a, 0), equilı́brio (incluindo dinâmica de transição) caracterizado por duas PDEs (HJB e KF) e mkt clearing.
Hamilton-Jacobi-Bellman Equation (runs backwards and looks forward):
∂vi (a, t) ∂vi (a, t)

ρvi (a, t) = max u(c) + (yi + r (t)a − c) + λi (vj (a) − vi (a)) +
c ∂a ∂t
Kolmogorov Forward Equation (runs forward and looks backward):
∂gi (a, t) ∂[si (a, t)gi (a, t)]

=− − λi gi (a, t) + λj gj (a, t)
∂t ∂a
Market Clearing:
Z ∞
0= a[g1 (a, t) + g2 (a, t)]da
a
Lembre que:
Z ∞
∂vi (a, t)

0−1
si (a, t) = yi + r (t)a − ci (a, t), ci (a, t) = u , [g1 (a, t) + g2 (a, t)]da = 1
∂a a
Condição de contorno:
0 ∂vi (a, t)
u (yi + r (t)a) ≤ .
∂a

Huggett em Tempo Contı́nuo: Equilı́brio Estacionário
Equilı́brio estacionário caracterizado por duas ODEs (HJB e KF), e
market clearing.
Hamilton-Jacobi-Bellman Equation:
ρvi (a) = max [u(c) + vi0 (a)(yi + ra − c) + λi (vj (a) − vi (a))]
c
Kolmogorov Forward Equation:

d[si (a)gi (a)]
0=− − λi gi (a) + λj gj (a),
da
Market Clearing:
Z ∞
0= a[g1 (a) + g2 (a)]da
a
ci (a) = u 0−1 (vi0 (a)),

R∞
Lembre que: si (a) = yi + ra − ci (a), a [g1 (a) + g2 (a)]da = 1.
Condição de contorno: u 0 (yi + r a) ≤ vi0 (a).

Resultados teóricos no equilı́brio estacionário explorando a HJB (e r < ρ).
Hipótese: o coeficiente de aversão absoluta ao risco, −u 00 (c)/u 0 (c), é

finito no limite de endividamento a,
u 00 (y1 + r a)
< ∞.
u 0 (y1 + r a)
Para função utilidade u usual, condição suficiente (mas não necessária):
a > −y1 /r (restrição mais apertada que limite natural de endividamento).
Alguns resultados analı́ticos:

√
1 s1 (a) = 0; s1 (a) < 0 se a > a; s1 (a) ≈ −ν a − a perto de a = a;
s
(ρ − r )u 0 (c 1 ) + λ1 (u 0 (c 1 ) − u 0 (c 2 ))
onde ν = 2
−u 00 (c 1 )
2 lima→a s10 (a) = −∞ (implica convergêcia para a = a após uma

sequência choques ruins, y1 , em tempo finito).
3 Muitos outros no paper ...
Provas envolvem basicamente envelope no HJB, CPOs e exp. de Taylor.
Ilustrando os resultados analı́ticos explorando a HJB (e r < ρ):

Resultados teóricos no equilı́brio estacionário explorando a KF (e r < ρ).
Para i = 1, 2, solução analı́tica para a distribuição estacionária:

Z a
si (a)gi (a) λ1 λ2
gi (a) = exp − + dx
si (a) a s1 (x) s2 (x)
Implicação: para i = 1, “Dirac mass at a”.
Lembre que s1 (a) = 0, lima→a s10 (a) = −∞ e s2 (a) > 0 (este última
resultado ilustrado graficamente).
Pode-se mostrar que lima→a g1 (a) = ∞ e g2 (a) > 0, tal que:
s1 (a)g1 (a) + s2 (a)g2 (a) = 0

“Prova”:
Equação KF no estado estacionário:
d[si (a)gi (a)]

− λi gi (a) + λj gj (a) = 0
da
Somando em i:
d[s1 (a)g1 (a) + s2 (a)g2 (a)]

= 0 ⇒ s1 (a)g1 (a) + s2 (a)g2 (a) = constante
da
Como a distribuição estacionária é limitada:
s1 (a)g1 (a) + s2 (a)g2 (a) = 0
Substituindo de volta na KF:
gi0 (a) si0 (a)

!
d[si (a)gi (a)] si (a) λi λj
− λi gi (a) + λj gi (a) = 0 ⇐⇒ =− + +
da sj (a) g (a) si (a) si (a) sj (a)
Integrando entre a e a para achar a solução (e tirando exponencial depois):
Z a ! !
si (a) a s1 (x) s2 (x)
Nota. Tem constante de integração e condição de contorno (ver paper), mas a equação acima está correta.

Resultados teóricos no equilı́brio estacionário explorando a KF (e r < ρ).
Para i = 1, 2, solução analı́tica para a distribuição estacionária:

Z a
si (a) a s1 (x) s2 (x)
Implicação: para i = 1, “Dirac mass at a”.
Lembre que s1 (a) = 0, lima→a s10 (a) = −∞ e s2 (a) > 0 (este última
resultado ilustrado graficamente).
Pode-se mostrar que lima→a g1 (a) = ∞ e g2 (a) > 0, tal que:
s1 (a)g1 (a) + s2 (a)g2 (a) = 0

Ilustrando os resultados analı́ticos explorando a KF e HJB (e r < ρ):
Em tempo contı́nuo, exceto pela massa de Dirac em a quando i = 1,

distribuições condicionais em i são suaves.

Ljungqvist e Sargent (2012), Figura 18.7.2: distribuição estacionária do
modelo de Huggett em tempo discreto.
Distribuição não é suave. Em tempo discreto, a massa de Dirac em a se

propaga de forma discreta para o resto do espaço de estados. Em tempo
contı́nuo, os agentes saem da restrição ao crédito de maneira suave.
Oferta de ativos:
Z ∞
S(r ) = a[g1 (a; r ) + g2 (a; r )]da
a
Lema: S(r ) é contı́nuo [já que si (a; r ) e gi (a; r ) são contı́nuos em r ].

Existência de eq estacionário: limr ↑ρ S(r ) = ∞ e limr ↓−∞ S(r ) = a.

Pergunta importante: sob que condições o equilı́brio é único? Desafio
(efeitos renda vs. subst): achar condições tais que S 0 (r ) > 0.
Exemplo numérico: r aumenta de rL para rH > rL .
Poupança aumenta para qualquer nı́vel de riqueza e, portanto,

distribuições estacionárias “deslocam” para direita. Logo, S(rH ) > S(rL ).
Condições suficientes para unicidade: a = 0 e
u 0 (c)
IES(c) = − ≥ 1, para todo c ≥ 0.
u 00 (c)c
Solução Numérica: Tempo Discreto vs. Tempo Contı́nuo
c 1−γ −1
Hipótese (CRRA): u(c) = 1−γ . CPOs:
t contı́nuo: c −γ = vj0 (a), j = 1, 2.
P2
t discreto: c −γ ≥ β k=1 πjk vk0 (a0 ), a0 = yj + (1 + r )a − c, j = 1, 2.
Vantagens de modelar tempo contı́nuo para obter solução numérica:
1 Restrição de crédito só aparece na condição de contorno.
Não precisa lidar com a restrição ao crédito (CPO com “=”).
2 CPOs são “estáticas”, “amanhã = hoje”.

− 1
Dado conjectura para v , rápido obter cj (a) = vj0 (a) γ .

Não há necessidade de computar somatórios (ou intregrais).

Em tempo discreto, cj (a) é definido implicitamente pela CPO.

Solução Numérica: Tempo Discreto vs. Tempo Contı́nuo
c 1−γ −1
Hipótese (CRRA): u(c) = 1−γ . CPOs:
t contı́nuo: c −γ = vj0 (a), j = 1, 2.
P2
t discreto: c −γ ≥ β k=1 πjk vk0 (a0 ), a0 = yj + (1 + r )a − c, j = 1, 2.
Vantagens de modelar tempo contı́nuo para obter solução numérica:
3 HJB e KF discretizados resultam em um sistema de equações, sendo

as matrizes subjacentes esparsas (tempo contı́nuo implica em
matrizes bloco-tridiagonais).
Solucionar o sistema implica inverter matrizes esparsas.

Rotinas numéricas disponı́veis lidando com esse tipo de matriz
eficientemente (por exemplo, comando sparse no MATLAB).
4 Link (veja abaixo) entre HJB e KF. Uma vez que uma equação é
solucionada, a outra sai de graça.
Solução Numérica do Equilı́brio Estacionário
Objetivo: encontrar funções v1 , v2 , g1 , g2 e um escalar r que satisfaz:
HJB:
ρv1 (a) = max [u(c) + v10 (a)(y1 + ra − c) + λ1 (v2 (a) − v1 (a))]
c
ρv2 (a) = max [u(c) + v20 (a)(y2 + ra − c) + λ2 (v1 (a) − v2 (a))]
c
KF e consistência:
d[s1 (a)g1 (a)]
0=− − λ1 g1 (a) + λ2 g2 (a)
da
d[s2 (a)g2 (a)]
0=− − λ2 g2 (a) + λ1 g1 (a)
da
Z ∞
1= [g1 (a) + g2 (a)]da
a
Market clearing:
Z ∞
0= a[g1 (a) + g2 (a)]da ≡ S(r )
a

Solução Numérica do Equilı́brio Estacionário: Algoritmo
Algoritmo: conjecture r 0 , para l = 0, 1, 2, ...
1 Dado r l , solucione a HJB estacionária usando o método de

diferenças finitas. Calcule sil (a), i = 1, 2.
2 Dado sil (a), i = 1, 2, solucione a KF estacionária para gil (a) usando

o método de diferenças finitas.
R∞
3 Dado gil (a), i = 1, 2, compute S(r l ) = a a[g1l (a) + g2l (a)]da. Se
S(r l ) > 0, reduza a taxa de juros r l+1 < r l , e vice-versa.
Itere até que r l ≈ r l+1 e S(r l+1 ) ≈ 0.

Método de Diferenças Finitas (MDF): Primer
Objetivo: aproximar (v1 , v2 , g1 , g2 ) em I pontos discretos, {a1 , a2 , ..., aI },
equi-espaçado, ai − ai−1 = ∆a, para todo i = 2, ..., I .
0
Atenção a notação (mudou)! vi,j = vj (ai ), vi,j = vj0 (ai ) e gi,j = gj (ai ).
0 vi+1,j −vi,j 0
Forward difference approximation: vi,j ≈ ∆a ≡ vi,j,F
0 vi,j −vi−1,j 0
Backward difference approximation: vi,j ≈ ∆a ≡ vi,j,B
Dado a CPO, ci,j = u 0−1 (vi,j

0
).
Produto final do método: sistema de 4I + 1 equações, com matrizes

esparsas, em 4I + 1 icógnitas:
   
v1,1 g1,1
 ..   ..  ρv = u(v) + A(v; r )v
 .   . 
   
 vI ,1   gI ,1 
v=  v1,2  , g =  g1,2  ⇒
   0 = A(v; r )T g
   
 ..   .. 
 .   .  0 = S(g; r )
vI ,2 gI ,2
Solução Numérica (Passo 1): HJB Estacionária - MDF
Objetivo: aproximar (v1 , v2 ) em I pontos discretos, {a1 , a2 , ..., aI },
0
Atenção a notação (mudou)! vi,j = vj (ai ) e vi,j = vj0 (ai ).
0 vi+1,j −vi,j 0
Forward difference approximation: vi,j ≈ ∆a ≡ vi,j,F
0 vi,j −vi−1,j 0
Backward difference approximation: vi,j ≈ ∆a ≡ vi,j,B
Duas complicações:
0 0
1 Quando usar vi,j,B ou vi,j,F ? Importa para propriedades da solução!
2 Equações HJB são não-lineares (não basta inverter uma matriz).

Necessidade de um método iterativo: explı́cito vs. implı́cito.

Solução Numérica: Parênteses sobre Teoria
Barles e Souganidis (1991): sob três condições (próximo slide), a solução

via o método de diferenças finitas converge localmente e uniformemente
para a única solução “viscosa” da equação HJB.
“Viscosidade”: permite convex kinks e restrições na variável de estado a.
Para simplificar o argumento (que é generalizável), suponha que y1 = y2 ,

tal que vi,1 = vi,2 = vi e v1 (a) = v2 (a) = v (a).
Em geral, uma HJB unidimensional pode ser escrita da forma:

0 = F (a, v (a), v 0 (a), v 00 (a))
A versão numérica correspondente em diferenças finitas:

0 = S(∆a, ai , vi ; vi−1 , vi+1 ) = S̃(∆a, ai , vi ; vi − vi−1 , vi+1 − vi )

Solução Numérica: Parênteses sobre Teoria
Barles e Souganidis (1991): sob três condições, a solução via o método

de diferenças finitas converge localmente e uniformemente para a única
solução “viscosa” da equação HJB.
Condição 1 (monotonicidade): S é não-crescente em vi−1 e vi+1 .
Condição 2 (consitência): quando ∆a → 0 e ai → a,
S̃(∆a, ai , vi ; vi − vi−1 , vi+1 − vi ) → F (a, v (a), v 0 (a), v 00 (a)).
Condição 3 (estabilidade): para todo ∆a > 0, S (ou S̃) possui uma

solução vi , i = 1, ..., I , uniformemente limitada (independente de ∆a).
Na prática, as condições 2 e 3 são satisfeitas facilmente, e o desenho do

método de diferenças finitas deve visar atender a condição 1.
Método explı́cito
0 0 u(yj +rai )
Dado r , conjecture vi,j , i = 1, ..., I , j = 1, 2, e.g. vi,j = ρ , compute
εni,j = u(u 0−1 [(vi,j

n 0 n 0
) ])+(vi,j ) (yj +rai −u 0−1 [(vi,j
n 0 n
) ])+λj (vi,−j n
−vi,j n
)−ρvi,j ,
e atualize
n+1 n
vi,j = vi,j + ∆εni,j ,
onde ∆ é um parâmetro não muito grande para garantir convergência.
n+1 n
Itere até convergência: vi,j ≈ vi,j .
Proposição: se ∆ for pequeno o suficiente, e usando os truques nos slides

seguintes, este algoritmo satisfaz as três condições acima.

0
Método explı́cito. Qual medida de vi,j usar na iteração acima?
0 0
Truque (upwind scheme): usar vi,j,B (vi,j,F ) quando si,j,B (si,j,F ) for
negativo (positivo), onde
si,j,B = yj + rai − u 0−1 (vi,j,B

0
) e si,j,F = yj + rai − u 0−1 (vi,j,F
0
).
0 0
Como v é côncavo em a, vi,j,F < vi,j,B e, portanto, si,j,F < si,j,B .
Logo,
0 0 0 0
vi,j = vi,j,F 1{si,j,F >0} + vi,j,B 1{si,j,B <0} + v̄i,j 1{si,j,F ≤0≤si,j,B } ,
0
onde v̄i,j = u 0 (yj + rai ), ou seja, si,j = 0.

0
Método explı́cito. Qual medida de vi,j usar na iteração acima?
Para garantir condição de contorno dada restrição de crédito, impõe-se:

0
v1,j,B = u 0 (yj + ra1 ), j = 1, 2
Na prática, é útil impor restrição a ≤ amax para garantir a estabilidade do

algoritmo. Neste caso, condição de contorno adicional:
vI0,j,F = u 0 (yj + raI ), j = 1, 2

Método implı́cito
0 0 u(yj +rai )
Dado r , conjecture vi,j , i = 1, ..., I , j = 1, 2, e.g. vi,j = ρ , defina
n+1 n
vi,j − vi,j
= u(u 0−1 [(vi,j
n 0 n+1 0
) ])+(vi,j ) (yj +rai −u 0−1 [(vi,j
n 0 n+1
) ])+λj (vi,−j n+1
−vi,j n+1
)−ρvi,j ,
∆
onde ∆ pode ser de qualquer valor.
n+1
Note a linearidade em vi,j . Ideia é solucionar “invertendo” matrizes.
Proposição: usando os truques nos slides seguintes, este algoritmo

satisfaz as três condições acima.

n 0
Método implı́cito. Qual medida de (vi,j ) usar na iteração acima?
n
Truque (upwind scheme): usar (vi,j,B )0 [(vi,j,F
n
)0 ] quando si,j,B
n n
[si,j,F ] for
negativo (positivo), onde
n
si,j,B = yj + rai − u 0−1 [(vi,j,B
n
)0 ] e si,j,F
n
= yj + rai − u 0−1 [(vi,j,F
n
)0 ]
n
Como v é côncavo em a, (vi,j,F )0 < (vi,j,B
n
)0 e, portanto, si,j,F
n n
< si,j,B .
Novamente:
n 0
(vi,j n
) = (vi,j,F )0 1{si,j,F
n
n 0
>0} + (vi,j,B ) 1{si,j,B
n
0
<0} + v̄i,j 1{si,j,F
n n
≤0≤si,j,B },
0
onde v̄i,j = u 0 (yj + rai ), ou seja, si,j = 0.
E condições de contorno (omitidas).

Método implı́cito. Escrevendo na forma matricial.
n+1 n
n+1 0 n+1 0 vi,j −vi,j n+1
Usando as definições de (vi,j,B ) e (vi,j,F ): ∆ + ρvi,j =
n+1 n+1 n+1 n+1
vi+1,j − vi,j vi,j − vi−1,j
= u(u 0−1 [(vi,j
n 0
) ])+ n
(si,j,F )+ + n
(si,j,B )− +λj (vi,−j
n+1 n+1
−vi,j ),
∆a ∆a
n
onde (si,j,B )+ = max(0, si,j,B
n n
) e (si,j,B )− = min(0, si,j,B
n
).
Coletando termos e empilhando em forma matricial:

1 n+1 n 1 1
(v −v )+ρvn+1 = un +An vn+1 ⇐⇒ + ρ I − An vn+1 = un + vn .
∆ ∆ ∆
Itere esse sistema até que vn ≈ vn+1 .

Método implı́cito. Sistema em forma matricial:

1 1
n
+ ρ I − A vn+1 = un + vn ⇒ Bn vn+1 = bn
∆ ∆
| {z }
| {z } n
≡Bn ≡b
n n+1
Itere esse sistema até que v ≈ v

Método de Diferenças Finitas (MDF): Lembrando
Objetivo: aproximar (v1 , v2 , g1 , g2 ) em I pontos discretos, {a1 , a2 , ..., aI },

Produto final do método: sistema de 4I + 1 equações, com matrizes

esparsas, em 4I + 1 icógnitas:
   
v1,1 g1,1
 ..   ..  ρv = u(v) + A(v; r )v
 .   . 
   
 vI ,1   gI ,1 
v=  v1,2  , g =  g1,2  ⇒
   0 = A(v; r )T g
   
 ..   .. 
 .   .  0 = S(g; r )
vI ,2 gI ,2

Solução Numérica (Passo 2): KF Estacionária - MDF
Objetivo: aproximar (g1 , g2 ) nos I pontos discretos, {a1 , a2 , ..., aI },
Notação: gi,j = gj (ai ) para j = 1, 2 e i = 1, ..., I .
Ideia é discretizar a KF:

I
X I
X
0 = −[si,j gi,j ]0 − λj gi,j + λ−j gi,−j e 1= gi,1 ∆a + gi,2 ∆a
i=1 i=1
Novamente (“upwind scheme”),
(si,j,F )+ gi,j − (si−1,j,F )+ gi−1,j (si+1,j,B )− gi+1,j − (si,j,B )− gi,j

− − −λj gi,j +λ−j gi,−j = 0,
∆a ∆a
onde si,j,F e si,j,B saem da última iteração da solução numérica da HJB.

Solução Numérica (Passo 2): KF Estacionária - MDF
Coletando termos e empilhando na forma matricial,
AT g = 0,
onde A sai da última iteração da solução numérica da HJB pelo método
implı́cito. KF saiu de graça. Dois coelhos com uma cajadada só!
Para achar a distrib. estacionária, solucione AT g = 0, ou seja, encontre

o autovetor (normalizado para somar um) associado ao autovalor zero.
Novamente: como AT é esparsa e bloco-tridiagonal, existem rotinas

numéricas muito eficientes para inverter esse tipo de matriz.
Mas AT é singular e, portanto, não inversı́vel.
“Truque sujo”: pegue uma linha de AT e substitua por zeros exceto na

diagonal; na linha correspondente do vetor de zeros 0 coloque um
número qualquer (estes passos garantem inversibilidade).
g é a solução normalizada (para somar um) do sistema modificado.

Generalizações ...
É possı́vel generalizar (ou extender) o ferramental até então para:
Múltiplos ativos (sem e com risco): torna a distribuição de riqueza

mais realı́stica (distribuição estacionária possui caldas mais largas).
Computar a dinâmica de transição.
Economias com produção como em Aiygari (1994).
Modelos com firmas heterogêneas como em Hopenhayn (1992).
Processos de difusão mais gerais (com contı́nuo de choques).
Tratar choques agregados.
...
Krusell e Smith (1998) em tempo contı́nuo
Versão em tempo contı́nuo de Krusell and Smith (1998).
Notação: zt (minúsculo) é o choque idiosincrático; Zt (maiúsculo) é o

choque agregado.
Problema dos agentes:

Z ∞
max E e −ρt u(ct )dt sujeito a
{ct }t≥0 0
da
= wt zt + rt at − ct
dt
zt ∈ {zl , zh }, com intensidades de Poisson λl , λh
at ≥ a
Função de produção agregada:
Yt = e Zt Ktα Nt1−α

O logaritmo da produtividade agregada Zt segue um processo de
Ornstein-Uhlenbeck:
dZt = −ηZt dt + σdWt ,
onde dWt é uma inovação de uma standard Brownian motion.
η é taxa de reversão a média e σ captura a magnitude das

inovações.
√
dWt ≈ lim∆t→0 εt ∆t, onde εt ∼ N(0, 1).
Esse processo é o análogo do processo AR(1) em tempo discreto.

Equilı́brio já em versão recursiva:
∂vt (a, z) 1

0
ρvt (a, z) = max u(c) + st (a, z) + λz (vt (a, z ) − vt (a, z)) + [Et [dvt (a, z)]]
c ∂a dt
dgt (a, z) ∂[st (a, z)gt (a, z)] 0

=− − λz gt (a, z) + λz 0 gt (a, z )
dt ∂a
dZt = −ηZt dt + σdWt
Z α −α Z α−1 1−α
wt = (1 − α)e t Kt N̄ e rt = αe t Kt N̄ −δ
Z Z
Kt = agt (a, z)dadz e N̄ = zgt (a, z)dadz
Comentários:
Lembre: st (a, z) = wt z + rt a − c (optimal saving policy function).
Nota: o subescrito t captura os estados agregados (gt (a, z), Zt ),
mas notação recursiva em relação aos estados individuais (a, z).
Mudança esperada por conta de choques agregados na HJB:

1 vt+s − vt
[Et [dvt (a, z)] = lim Et
dt s↓0 s
Método de solução. Passos:
1 Computar a aproximação não-linear (global) do estado estacionário

sem choques agregados, i.e. Zt = 0, usando diferenças finitas.
Mantém os choques idiossincráticos, e preserva

não-linearidades no nı́vel micro: heterogeneidade importa!
Equivalência à certeza não vale.
2 Computar uma expansão de primeira ordem de Taylor em torno do

estado estacionário computado no passo 1.
Elimina não-linearidades no nı́vel macro; equivalência à

certeza.
Incerteza agregada importa na medida em que afeta a
distribuição do risco idiossincrático.
3 Solucionar o sistema de equações diferenciais que sai do passo 2.

Passo 1. Computar a aproximação não-linear do estado estacionário sem

choques agregados, i.e. Zt = 0, usando diferenças finitas.
Versão estacionária do equilı́brio:

∂v (a, z) 0
ρv (a, z) = max u(c) + s(a, z) + λz (v (a, z ) − v (a, s))
c ∂a
∂[s(a, z)g (a, z)]
0=− − λz g (a, z) + λz 0 g (a, z 0 )
∂a
w = (1 − α)K α N̄ −α e r = αK α−1 N̄ 1−α − δ

Z Z
K= ag (a, z)dadz e N̄ = zg (a, z)dadz
Já aprendemos a solucionar algo parecido!


Versão aproximada em diferenças finitas do equilı́brio:
ρvi,j = u(u 0−1 (vi,j

0 0
)) + vi,j (wzj + rai − u 0−1 (vi,j
0
)) + λj (vi,−j − vi,j )
0 = −[(wzj + rai − u 0−1 (vi,j

0
))gi,j ]0 − λj gi,j + λ−j g (i, −j)
w = (1 − α)K α N̄ −α e r = αK α−1 N̄ 1−α − δ
X X
K= ai gi,j e N̄ = zj gi,j
j,i j,i


Seguindo so passos dos slides anteriores, e empilhando em matrizes:
(HJB) ρv = u(v) + A(v; p)v
(KF) 0 = A(v; p)T g
(MC + CPOs) p = F(g),
onde p é o vetor de preços, (r , w )T .
Sistema de 2N + 2 equações em 2N + 2 icógnitas.

Passo 2. Computar uma expansão de primeira ordem de Taylor em torno
do estado escaionário computado no passo 1.
Empilhando em matrizes (adicionando choques):

1
(HJB) ρvt = u(vt ) + A(vt ; pt )vt + Et dvt
dt
dgt
(KF) = A(vt ; pt )T gt
dt
(MC + CPOs) pt = F(gt ; Zt )
(P) dZt = −ηZt dt + σdWt ,
Agora, sistema de 2N + 3 equações em 2N + 3 variáveis.
Variável adicional: Zt , que gera flutuações em pt , que por sua vez, afeta
vt , induzindo mudanças em gt

Como Et [dWt ] = 0, pode-se reescrever o sistema acima na forma

matricial:
   
dvt u(vt ) + A(vt ; pt )vt − ρvt
 dgt  
= A(vt ; pt )T gt 
 dt
Et 
 0   F(gt ; Zt ) − pt 
dZt −ηZt
Note que descartamos informação sobre dWt , mas como linearizaremos

esse sistema, é sem perda de generalidade (equivalência a certeza).


Insight! Versão aproximada dos modelos com agentes heterogêneos gera

um sistema de muitas equações, mas que têm a mesma estrutura dos
modelos com agente representativo (com poucas equações). Exemplo:
vt são “jump variables”, assim como o Ct num modelo RBC.
gt são estados endógenos, assim como o Kt num modelo RBC.
Zt é uma variável de estado exógena nos dois casos.


do estado estacionário computado no passo 1.
Como a dimensão do sistema é grande, não é possı́vel linearizar

analiticamente. Necessidade de métodos numéricos.
Expansão de Taylor no sistema acima, com variáveis expressas como

desvios do estado estacionário:
    
dv̂t Bvv 0 Bvp 0 v̂t
 d ĝt   Bgv Bgg Bgp 0    ĝt  dt
 
 0 = 0
Et   
Bpg −I BpZ   p̂t 
dZt 0 0 0 −η Zt

    
dv̂t Bvv 0 Bvp 0 v̂t
 d ĝt   Bgv Bgg Bgp 0   ĝt 
 0 = 0
Et      dt
Bpg −I BpZ   p̂t 
dZt 0 0 0 −η Zt
Passo 3. Solucionar o sistema de equação diferenciais que sai do passo 2.

Blanchard e Kahn neles (só que em tempo contı́nuo)!
Desafio: dimensionalidade. O fato das matrizes serem esparsas (por

conta da continuidade) permite que essas operações (diferenciação,
inversão, ...) sejam feitas de forma computacionalmente eficiente.
Krussell e Smith (1998): uma variável individual de estado endógena, a.
Com mais de uma variável de estado, custo computacional enorme (tanto

em tempo discreto quanto em tempo contı́nuo). Truque: “model
reduction” (veja Ahn et al, 2018).
Discussão
Avanço hercúleo no ferramental numérico que permite estudar
flutuações em um contexto de agentes heterogêneos.
Apesar da facilidade computacional (e.g., dynare), será que agente
representativo é arcabouço natural para estudar dinâmica agregada?
Exemplo em Ahn et al (2017):
Evidência empı́rica: consumo agregado reage a mudanças
previsı́veis da renda agregada, ao mesmo tempo que é
substancialmente menos volátil que a renda realizada.
Agente representativo não é consistente com essa evidência.
Mas modelo com dois ativos e agentes heterogêneos
parametrizado para replicar a distribuição de renda, riqueza e
propensões marginais a cosumir é consistente.
Outro exemplo (Kaplan, Moll e Violante, 2018): HANK vs RANK
Mecanismo de transmissão de choques de polı́tica monetária
difere substancialmente em ambos os modelos.
Velocidade computacional abre uma nova frente: estimação!
Discussão
“[...] the representative-agent short cut may both miss a large part of the
story (the distributional implications) and get the small remaining part
wrong (the implications for aggregates).”
Agenda de pesquisa enorme pela frente!

Mais Macro (I) - Economias Com Agentes Heterogêneos

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Mais Macro (I) - Economias Com Agentes Heterogêneos

Enviado por

Direitos autorais:

Formatos disponíveis

Curso

Economias com agentes heterogêneos, mercados incompletos e risco

Duração: aprox. 12 aulas (segundas as 9hs) de uma hora e meia.

Referência básica: Ljungqvist e Sargent (2012) + slides.

Avaliação: projeto de pesquisa (60%) + exercı́cios avulsos (40%).

Mundo neoclássico: um setor representado por uma firma competitiva

Função de produção: Yt = zt F (Kt , Ht )

Objeto de estudo neste curso: mundo neoclássico com agentes

Principais fontes de heterogeneidade: produtividade no mercado de

Há também as economias com firmas heterogêneas (equilı́brio industrial).

Com mercados completos, economias admitem um agente

Com mercados incompletos, equilı́brio estacionário requer

Arcabouço macroeconômico básico para estudar desigualdade

Laboratório útil para o estudo de polı́ticas públicas que

Pré-requisitos: Sargent e Ljungqvist, seções 2.2 (cadeias de Markov),

Macroeconomia II - 2020.2 - Aulas 1 e 2

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 5/419

Objetivo: agregação das curvas individuais de demanda.

Referência: seção 4D do Mas Colell.

Com M bens de consumo, {c 1 , ..., c M }, cujos preços são dados por

Com N agentes indexados por i = 1, ..., N, cada um dotado com ai

Cada agente possui utilidade ui , estritamente crescente e côncava

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 7/419

Demanda agregada para um bem especı́fico c m :

Portanto, em geral, é preciso saber toda a distribuição de riqueza

Pergunta de primeira ordem em macro: agregação!?

Neste caso, sob que condições podemos escrever a demanda agregada

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 8/419

Para que a demanda agregada dependa apenas de p e A, a igualdade

dc m (p, ai ) dcjm (p, aj )

Em palavras, qualquer realocação de riqueza, que mantém A constante,

Esta condição é verdadeira se todos agentes possuem a mesma propensão

ou seja, curvas de Engel (gastos como fç da riqueza) lineares na riqueza.

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 9/419

Gorman (1961) enunciou seu teorema em termos da utilidade indireta.

Teorema. Se (e somente se) as funções de utilidade indireta dos agentes

vi (p, ai ) = αi (p) + β(p)ai ,

então consumo agregado pode ser expresso como a escolha de um

Para obter agregação a la Gorman, precisamos de uma utilidade

Um termo depende da identidade i e preços p, mas não da

Outro, comum para todos, que é um função dos preços p,

Resultado importante. Para além da agregação, nos ensina como

Resultado poderoso. Obtido apenas impondo hipóteses (fortes) no

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 11/419

Primeiro, utilidade quasi-homotética.

Utilidade u é homotética quando pode ser representada como

onde h é uma função homogênea e g uma transformação monotônica.

É possı́vel mostrar que:

Utilidade quasi-hometética é mais geral: curvas de Engel lineares, mas

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 12/419

Exemplos de preferências quasi-homotéticas incluem:

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 13/419

Segundo, utilidade quasi-linear (linear em um argumento).

Exemplo: dois bens (c1 , c2 ).

max ui (ci1 ) + βci2 sujeito a p1 ci1 + ci2 = ai

Condições de primeira ordem:

onde λi é o multiplicador de Lagrange.

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 14/419

Ambas as demandas possuem propensões marginais a consumir da

De fato, utilidade indireta:

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 15/419

Estrutura de mercado: completos com transações no tempo-0

Eduardo Zilberman PUC-Rio Heterogeneidade e Mercados Completos 16/419

Arrow-Debreu security: instrumento financeiro que dá direito a uma