跟朱老师学习央行政策分析的“座上宾”—DSGE模型宏观的经济金融环境以不同方式影响着一

宏观的经济金融环境以不同方式影响着一个经济体的不同部门以及一个国家的不同区域，经济金融环境的反转变化会同时对所有的经济部门（包括居民、商业机构、金融机构以及政府和监管部门）产生冲击，继而导致各类机构和不同区域的银行债务人发生关联性违约。

这就需要一个正式的关于金融市场或金融摩擦的模型，来解释经济周期中的重要规律（因此要更加重视货币政策或生产力的冲击）。尤其对于中央银行来说，还需要对其他的一些关键政策因素加以考量并进行分析。而且，如果没有一个强有力的金融市场模型，对金融稳定性检测中的压力测试处理也会有所限制。

——摘自：《中国银行业债务人信用风险——基于DSGE模型的分析》作者：降刚

DSGE模型的坚实微观基础，结合其独有的数据拟合能力，使得它们很快成为央行政策分析的“座上宾”。

与央行的纯统计预测工具或经验预测相比，DSGE模型的预测能力也毫不逊色，有时还可以作为首选。相对于其它方法，基于DSGE模型的较好预测可以视作DSGE模型能可靠刻画数据动态的证据。

——

摘自“香樟经济学术圈”

学习DSGE模型是一个系统性的过程，涉及到经济学理论、计量模型和数值方法等几方面的综合。

对刚接触DSGE模型的学生和研究者而言，在如何进行DSGE模型构建及计算机软件实现需要花费大量的时间和心血去学习。

DSGE模型中涉及到数值方法和计量方法等技术门槛也让部分有志于宏观经济的研究者望而止步。

为此

，我们DSGE课程专门针对DSGE模型初学者和宏观经济研究者，系统全面地介绍DSGE模型的相关理论及计量方法。

希望通过本课程培训引导初学者熟悉DSGE模型的构建及计算机实现，为研究者将来构建自己的DSGE模型和从事基于DSGE模型的政策研究提供帮助。

DSGE模型原理及应用

时间：

2018年4月20-23日 (四天)

地点：

北京市海淀区丹龙大厦附近

安排：

上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00

费用：

4000元 / 3400元 (本科及硕士在读学生价)；食宿自理

主讲人介绍：

朱传奇，目前任教于中山大学岭南学院。

美国波士顿经济学院博士毕业，美国波士顿联邦储备银行助理研究员，并长期从事宏观经济学的科研和教学工作。

其研究方向关注非线性DSGE模型的计量方法，并致力于利用DSGE模型研究中国宏观经济波动和宏观经济政策。

教学方法：

1. 理论模型推导

2. 计量方法和计算方法介绍

3. Matlab和 Dynare上机练习

课程内容及课时安排：

第1讲：课程简介（1课时）

1. 课程简介

2. 宏观经济学模型发展历史

3. DSGE模型介绍及培训安排

第2讲：宏观经济数据（3课时）

1. 宏观经济数据处理

1.1 宏观经济数据来源

1.2 趋势剔除和周期提取

1.2.1 线性去除趋势法

1.2.2 Hodrick-Prescott滤波法

1.2.3 Band Pass 滤波法

1.3 经济周期统计描述

2. Matlab上机训练（1课时）

第3讲：真实商业周期（Real Business Cycle）模型（10课时）

1. RBC模型（3课时）

1.1 RBC基准模型介绍(King et al.(1988))

1.2 求解模型均衡条件

2. DSGE模型近似及求解（2课时）

2.1 对数线性化

2.2 线性差分模型组求解方法

2.2.1 Blanchard and Kahn(1980)方法

2.2.2 Klein(2000)方法

2.2.3 Uhlig(1999)待定系数法

3. 参数校准（2课时）

3.1 参数校准原理

3.2 矩匹配(Matching Moments)

4. RBC派生模型（Money-in-Utility模型，Cash-in-Advance模型）(1课时)

5. Matlab 上机训练（2课时）

第4讲：Dynare安装及使用（3课时）

1. Dyanre 安装和配置

2. Dynare 软件使用：以RBC模型为例

3. Dynare 上机训练（2课时）

第5讲：新凯恩斯主义模型（New-Keynesian）模型（10课时）

1. New-Keynesian模型（6课时）

1.1 模型主体介绍

1.2 粘性价格定价法则(Calvo定价)及详细推导

1.3 均衡条件求解

1.4 对数线性化及线性求解

1.5 参数校准及模型模拟

2. Matlab训练（1课时）

3. Smets和Wounter (2007, AER) （3课时）

3.1 模型介绍及详细推导

3.2 Dynare程序实现

第6讲：DSGE模型贝叶斯估计方法及应用（10课时）

1. 状态空间模型

1.1 卡尔曼滤波(Kalman Filter)

2. 贝叶斯估计基本原理

2.1 Markov Chain Monte Carlo方法

2.1.1 Gibbs sampler

2.1.2 Metropolis-Hastings算法

2.2 模型参数先验概率选取

2.3 后验分布与统计推断

3. 案例：New-Keynesian模型的贝叶斯估计

3.1 Smets and Wounters (2007AER)

3.2 上机训练（2课时）

优惠：

现场班老学员9折优惠；

同一单位三人以上同时报名9折优惠；

以上优惠不叠加。

报名流程：

1：点击 "阅读原文”，网上填写信息提交；

2：给予反馈，确认报名信息；

3：网上订单缴费（需要刷公务卡或者转账的老师请联系我们）；

4：开课前一周发送课程电子版讲义，软件准备及交通住宿指南。

联系方式：

魏老师

QQ：2881989714

Tel：010-68478566

Mail：vip@pinggu.org