很简单，如果系统是stable的，就是xt会趋于一个确定的值，那么transversality条件肯定满足，因为beta是小于1的。所以我们只需要考虑差分系统stability成立就可以了。具体可参考SLP 6.4。

我好像没碰到这样的情况哦，我学的时候只在一个地方用过transversality condition，就是把BK算法里面分离出来的non-predetermined variable放在一起进行forward-looking solve的时候，有可能要用一次transversality来维稳。还有就是用Sims算法的时候，向前解也可能要用。但我觉得我们好象看见的情况不是一回事。我学BK算法是用的老师notes还有Dejong的教材，你把你说的情况发给我看一下呢，如果你有相关资料的话。

我用离线文件发到你QQ上了

楼主的分享很好，继续带给我们好东西哦！

学习

我自己再次看了这个note，有些东西我没有说清楚，英语也需要修改。下次修改好了之会再传一次上来。

DSGE模型求解本质就是解一个动力系统，也就是一个差分方程组。但往往所有经济学学生都是在微分方程都没学过的情况下就来学差分方程。很多关于微分方程组求解的内容其实大有学问，而且需要很多时间来学习。虽然不是必须的前期铺垫，但是大家也发现了关于差分方程的书籍少之又少。但是微分方程已经成了一个非常庞大的知识系统，有一整套的方案来对付动力系统。差分方程组的知识很多都是从那里演变过来的。

所以我感觉有必要单独对微分和差分方程组的解写一个note。动力系统求解远远比单独求一个微分或者差分方程难，还要看它是不是线性的。

楼主的观点非常有见地

写的非常清晰，赞一个。一个小建议，讨论两个方法后，能不能加入一个growth model，在方程形式、求解等方面做个例子，应该会更有帮助。

好东西，学习了！

建议少搞这些形而上学的东西，多联系经济实际，次贷危机、主权债务危机、银行坏账、大企业倒闭、如何实现外需替代等等，这些问题实用并且重大。

我在论坛里面发的内容，不代表任何我的研究内容。

替别人代发？

每个经济工作者都有自己领域，我的领域不是挖老凯恩斯学派的思想。我跟随的学派是New neoclassical synthesis，你不需要用你熟悉的领域来判断我们其它领域是否在做正常人作的事情。我所跟随的领域，确实有很多内在缺陷，对经济的解释力度也很有限。但来自学派内部的批评有力度是因为别人懂，别人懂新新古典综合错在什么地方。但是如果你要批评我们所从属的领域的话，你可以从新凯恩斯和新兴古典开始批，这两个学派都是搞“形而上”的，都用DSGE和高难度数学技术。

是的，这种脱离实际的高难度经济数学游戏毫无意义。

谢谢

好东西，谢谢！

很好啊，谢谢

楼主太强大了！！谢谢~~

dsgdfhgrthrth

很好的材料，支持

跳跃变量（jump variables）是指具有前瞻性预期的内生变量，会事先反映未来即将发生的冲击，这常见于完全预期(perfect foresight)模型;当模型中的行为人(agent)的情报集合有新的讯息进入，行为人会立即调整跳跃变量，而使此变量呈现跳跃式的变动；相对于跳跃变量，就是缓慢调整的内生变量，他的情报集合永远是以前已知的讯息，或是受限于体系调整机制，仅能反映以前的经济状况，也就是说，此变量调整受限于以前变量的的调整，例如:他的调整服从一个AR模型，这类变量受到冲击的反应，永远是缓慢调整而呈现平滑的时间路径。

我这样解释不知道对不对。跳跃变量具有前瞻性 (forward-looking) 的性质，他的解一定是当期变量为未来期变量的函数，假如没有终端条件 (transversality condition) ，那么就没有办法解出确切的解，因为有终端条件 (transversality condition)，才能知道未来期的变量往哪里跑，更明确地说：跳跃变量解若是当期变量为未来期变量的函数，所以一定需要获得未来期变量的信息，才能解出当期变量。类似的逻辑，前定变量 (predetermined variable) 具有回顾性(backward-looking) 的性质 (例如资本累积方程式)，他的解一定是当期变量为前期变量的函数，因此他一定要有起始条件 (initial condition) 才能解出。把两个合在一起，就能解释：假如特征根为大于1的‘爆炸特征值’的数目等于跳跃变量的数目，就有一个均衡的调整路径。假如模型有两个变量，一个是跳跃变量，一个是前定变量，假如求出的特征根(绝对值)为一个小于1、一个大于1，模型就有一个收敛路径为马鞍路径 (saddle path)。需要提醒的是：理性预期的agent是掌握模型所有信息，模型有一个爆炸特征值，这个信息让agent已经知道系统有一个不稳定性质，也知道收敛路径为马鞍路径，一旦系统脱离了均衡点，agent马上调整跳跃变量到马鞍路径然后收敛到均衡点。我指的马鞍路径就是符合终端条件的收敛路径，这里的终端条件就是让爆炸特征根无法运作的条件。假如模型有一个是跳跃变量，却没有爆炸特征根，那就会形成多重调整路径，因为调整系统是整个稳定，跳跃变量不管怎么调整都会到达均衡，这个就是indeterminacy的议题。以上为我的学习心得，有错请指正，谢谢。

来学一下

好复杂 学习！