A Learning Model of Financial Instability

一句话总结

构建了一个具有常增益适应性学习的 Lucas 资产定价模型，证明只要投资者对新信息赋予足够权重，自确认均衡就会因 Neimark-Sacker 分岔而失稳，从而内生地产生反复的资产价格繁荣-崩溃周期，正式化了 Minsky 的金融不稳定假说。

研究问题

如何在主流新古典经济学框架内形式化 Minsky 的"金融不稳定假说"，使"稳定孕育不稳定"的叙事成为优化均衡模型的内生结果？
投资者基于过去回报的常增益学习行为，如何与债务/资产组合动态相互反馈，从而产生重复出现而非一次性的繁荣-崩溃周期？
金融不稳定与学习动态系统的"基本动态不稳定性"之间是否存在精确的数学对应（分岔条件）？

核心贡献

首次将 Minsky 假说嵌入标准 Lucas 资产定价模型：在小型开放经济版本中引入风险股票与无风险债券，使代理人面临真正的投资组合选择问题，债务动态成为内生变量，区别于此前学习/外推文献仅聚焦单一风险资产或一次性泡沫的设定。
证明 SCE 仅在极小增益下局部稳定：定理 2 给出了存在临界增益 $\bar{\varepsilon}$ 、在该临界值发生 Neimark-Sacker 分岔的精确刻画；月度校准下 $\bar{\varepsilon} = 6.47 \times 10^{-7}$ ，远小于经验文献中常用的增益值，说明 SCE 在经济学上"几乎从不"稳定。
识别两类崩溃机制：约束触发（杠杆约束 binding）和不确定性触发（快速繁荣推升主观波动率，导致组合份额下调，进而引发价格暴跌）；后者是模型中的主导机制，且不同于多数文献（崩溃只是回归基本面），本模型的崩溃使价格远低于基本面。
建立"金融不稳定 ≡ 动态不稳定"的数学等价关系：通过直接分析离散时间非线性动力系统而非小增益常微分逼近，证明经典 Marcet-Sargent 路径的小增益稳定性结论在本环境下具有误导性。

维度1：模型设定

基本信息

作者: Noah Williams
机构: Miami Herbert Business School, University of Miami
日期: January 2023
关键词: adaptive learning, financial instability, Minsky hypothesis, asset pricing, boom-bust cycles, constant gain learning, bifurcation

一、核心研究问题与动机

本文旨在用一个简洁的适应性学习模型 (adaptive learning model) 来形式化 Minsky 的"金融不稳定假说" (Financial Instability Hypothesis)。核心问题是：投资者基于过去回报的学习行为如何内生地产生资产价格的反复繁荣与崩溃周期？

研究背景

2008 年金融危机后，Minsky 的金融不稳定假说重新获得学术界和公众的关注
Minsky 的叙事逻辑：稳定时期导致投资者提高预期回报、降低风险估计 -> 增加杠杆 -> 资产价格上升 -> 信念自我强化 -> 最终崩溃
此前缺乏将该假说纳入主流新古典经济学框架的形式化模型
传统理性预期模型难以捕捉投资者情绪的时变特征

核心论点

只要投资者对新信息赋予足够的权重，学习过程本身就会产生基本的动态不稳定性 (fundamental dynamic instability)，从而驱动金融不稳定
稳定期播下自身毁灭的种子：市场繁荣通过增加主观不确定性或触发借贷约束而导致崩溃

二、理论框架与模型方法

模型设定

基于 Lucas (1978) 消费资产定价模型的变体（小型开放经济版本）
两种资产：风险股票（价格 $P_t$ ，股利 $D_t$ ）和无风险债券（固定利率 $R$ ）
代理人具有幂效用函数，风险厌恶系数 $\gamma$ ，折现因子 $\beta$
股利增长率为 i.i.d. 过程： $\log D_{t+1} = \log D_t + d + \sigma W_{t+1}$ （二项分布冲击）

理性预期均衡 (REE) 基准

零债务均衡下，价格-股利比恒定为 $\delta^* = \frac{\beta \exp((1-\gamma)d)\bar{\phi}}{1 - \beta \exp((1-\gamma)d)\bar{\phi}}$
股票回报为 i.i.d.，均值 $\mu$ ，标准差 $\sigma$
投资者将全部财富投入股票（ $v_t \equiv 1$ ）

自确认均衡 (Self-Confirming Equilibrium, SCE)

当信念参数 $(m, s) = (\mu, \sigma)$ 时，代理人的信念在均衡路径上正确
信念偏离 SCE 时回报不再 i.i.d.，因为净资产头寸和信念共同决定价格

任意信念下的均衡

给定信念 $\theta = (m, s)$ ，代理人选择最优消费比例 $c(\theta)$ 和投资组合权重 $v(\theta)$
均衡价格： $P_t = \delta(\theta)(RB_{t-1} + D_t)$ ，其中 $\delta(\theta) = \frac{(1-c)v}{1-(1-c)v}$
价格-股利比： $P_t/D_t = \delta(\theta) \cdot \omega_t$ （ $\omega_t$ 为相对净资产头寸）
关键特征：当投资组合份额 $v$ 接近 1 时，定价函数 $\delta$ 对 $v$ 的变化极其敏感，微小的投资组合调整即可引发巨大的价格波动

投资组合约束

引入借贷约束 $v \leq \bar{v}_t$ ，确保代理人能偿还债务
与 Minsky 的"投机性融资"和"庞氏融资"概念相对应
约束的松紧随净资产头寸 $\omega_t$ 的变化而演化

适应性学习机制

代理人使用常增益学习规则 (constant gain learning)，增益参数 \varepsilon > 0：
- $m_{t+1} = m_t + \varepsilon(\log(Z_t) - m_t)$ （均值估计更新）
- $s^2_{t+1} = s^2_t + \varepsilon([\log(Z_t) - m_t]^2 - s^2_t)$ （方差估计更新）
常增益学习对近期观测赋予更高权重，适合追踪时变参数
体现了 Minsky 描述的"遗忘"特征：过去的危机经验逐渐淡出记忆

信念收敛与稳定性

定理 1：当 $\gamma \leq 2$ 时，SCE 信念 $\bar{\theta} = (\mu, \sigma)$ 是学习动态的局部稳定不动点（仅对极小的增益成立）
定理 2（核心结果）：存在临界增益 $\bar{\varepsilon}$ ，当 $\varepsilon < \bar{\varepsilon}$ 时 SCE 局部渐近稳定；当 $\varepsilon = \bar{\varepsilon}$ 时发生 Neimark-Sacker 分岔（离散时间的 Hopf 分岔）；当 $\varepsilon > \bar{\varepsilon}$ 时出现稳定的闭合不变曲线（极限环）
月度校准下临界增益 $\bar{\varepsilon} = 6.47 \times 10^{-7}$ ，极小，说明即使很小的学习权重也足以打破稳定性

三、主要发现与结论

繁荣-崩溃动态机制

繁荣阶段：危机后波动率估计偏高 -> 逐渐下降 -> 投资者增加股票配置 -> 推高价格和实现回报 -> 信念自我强化 -> 价格-股利比从约 40 飙升至 270+
崩溃触发（两种机制）：
- 约束触发：投资组合份额 $v_t$ 触及上限 $\bar{v}_t$ -> 回报不及预期 -> 信念向下修正 -> 抛售
- 不确定性触发（更主要）：快速上涨导致波动率估计 $s_t$ 急剧上升，超过均值估计 $m_t$ 的增速 -> 投资者削减风险资产 -> 微小的投资组合调整引发价格暴跌（如 $v_t$ 从 0.975 降至 0.970 即导致 P/D 比率下降 30%）
崩溃后：价格大幅低于基本面 -> 低预期回报 + 高波动率估计 -> 投资者回避股票 -> 随着时间推移危机记忆淡化 -> 新一轮周期开始

量化校准

使用 S&P 500 月度数据（1871-2017，Shiller 数据集）
年度校准： $(\mu, \sigma) = (0.015, 0.113)$ ， $\gamma = 2$ ， $\beta = 0.9751$
月度校准： $(\mu, \sigma) = (0.0028, 0.0144)$ ， $\beta = 0.9996$
模型能产生定性上与数据一致的繁荣-崩溃模式
单一自由参数（增益 $\varepsilon$ ）难以同时匹配 P/D 比率的均值、标准差和崩溃频率三个目标

动态不稳定性驱动金融不稳定

分岔分析表明：金融不稳定源于学习动态系统的基本动态不稳定性
即使确定性平均系统，在接近但高于临界增益时也会经历数百万期的极端振荡后才收敛到极限环
随机系统中，信念和净资产头寸的共同演化产生复杂的非线性动态

主要贡献

首次在标准资产定价框架内形式化 Minsky 金融不稳定假说
将债务动态置于故事的核心（区别于此前文献）
证明繁荣-崩溃是学习与遗忘驱动的反复现象（而非单次泡沫事件）
建立金融不稳定与动态不稳定之间的精确数学联系（Neimark-Sacker 分岔）

四、局限性与未来方向

模型局限

简化假设多：代表性代理人设定（无异质性）、外生常数利率、外生产出增长、常数风险厌恶
单一自由参数：仅有学习增益 $\varepsilon$ 可调，无法同时拟合多个经验矩（P/D 比率均值、波动率、崩溃频率）
利率渠道缺失：Minsky 强调的信贷需求推高利率的渠道未被纳入
理论聚焦：主要是理论贡献，实证验证有限
信念规范受限：假设代理人认为回报 i.i.d.（忽略序列相关性），且使用特定的二项分布

未来研究方向

内生化可贷资金供给和利率
引入异质性代理人和信念多样性
放松代表性代理人假设，分析融资与实体经济的互动
分析限制资产泡沫和崩溃的潜在政策响应
纳入更丰富的内在动态（如时变增长率），以更好地匹配经验数据

主题领域	关键文献
非理性信念与资产定价	Adam, Marcet & Nicolini (2016); Adam, Marcet & Beutel (2017); Barberis et al. (2018)
诊断预期	Bordalo, Gennaioli & Shleifer (2018); Gennaioli & Shleifer (2018)
学习与资产价格	Timmermann (1993); Branch & Evans (2011); Jin & Sui (2022)
Minsky 形式化	Taylor & O'Connell (1985); Sethi (1992); Keen (1995); Eggertsson & Krugman (2012)
适应性学习理论	Marcet & Sargent (1989); Evans & Honkapohja (2001); Sargent & Williams (2005)
可预测金融危机	Greenwood, Hanson, Shleifer & Sorensen (2022)
信念与投资组合	Friedman & Laibson (1989); Boz & Mendoza (2014)

维度2：主要结果

零债务 REE 基准： $P_t / D_t = \delta^*$ 恒定，回报 $\log Z_t$ i.i.d.，代理人将全部财富投入股票（ $v_t \equiv 1$ ），SCE 信念 $(m, s) = (\mu, \sigma)$ 唯一。
任意信念下的均衡价格函数： $P_t / D_t = \delta(\theta) \omega_t$ ，其中相对净资产头寸 $\omega_t = 1 + R\kappa(\theta_{t-1})\omega_{t-1} \chi_t$ ；当 $v(\theta) \to 1$ 时 $\delta(\theta) \to \infty$ ，定价对组合份额极度敏感（小变化引发大价格波动）。
常增益学习的稳定性（定理 1-2）：当 $\gamma \leq 2$ 时 SCE 在 $\varepsilon \to 0$ 极限稳定；存在临界 $\bar{\varepsilon}$ 使系统经历 Neimark-Sacker 分岔，超过临界值后出现稳定的闭合不变曲线（极限环）。
繁荣-崩溃机制：危机后 $s_t$ 偏高 → 渐降 → $v_t$ 升 → 价格上涨 → 信念自我强化 → P/D 比从约 40 飙升至 270+ → 快速上涨抬升 $s_t$ 估计 → $v_t$ 下调 → 价格暴跌（ $v_t$ 从 0.975 → 0.970 即可使 P/D 下降 30%）→ 危机记忆淡化 → 新周期。
崩溃后的非对称性：价格远低于基本面、低预期回报 + 高估波动率使代理人长期回避股票，复苏缓慢。

维度3：数值分析与校准

数据来源：S&P 500 月度数据（1871-2017），Shiller 数据集。
年度校准： $(\mu, \sigma) = (0.015, 0.113)$ ， $\gamma = 2$ ， $\beta = 0.9751$ ；月度校准 $(\mu, \sigma) = (0.0028, 0.0144)$ ， $\beta = 0.9996$ 。
临界增益：月度模型 $\bar{\varepsilon} = 6.47 \times 10^{-7}$ ，其特征多项式在临界值处具有一对复特征值 $e^{\pm 1.0471 i}$ ，对应 Neimark-Sacker 分岔。
平均化动力学：在 $\varepsilon = 2.475 \times 10^{-5}$ 下，确定性平均系统在前 250 万期表现为 $v_t$ 在 1 与 0.3 之间的剧烈振荡，最终收敛到形如"figure-eight"的极限环。随机系统则表现为持续的繁荣-崩溃。
拟合权衡：单一自由参数 $\varepsilon$ 难以同时匹配 P/D 比率均值、波动率与崩溃频率三个矩。年度校准下增益减小 → 均值升、波动率降；月度校准下出现非单调关系。

维度4：局限性

简化假设过多：代表性代理人（无信念异质性）、外生常数无风险利率、外生股利增长、常数 CRRA 偏好。
利率渠道缺失：Minsky 强调的"信贷需求推升利率 → 加重债务负担"的渠道未被纳入（ $R$ 外生）。
信念规范受限：假设代理人坚持回报 i.i.d. 且服从二项分布，忽略观察到的序列相关性；代理人仅学习 $(m, s)$ 两个参数。
单参数拟合：仅有学习增益 $\varepsilon$ 可调，无法同时匹配多个经验矩。
理论聚焦、实证较弱：模型主要是定性匹配繁荣-崩溃模式，未做严格的结构估计或矩匹配。
线性化稳定性分析受限：作者指出 Cho (2018) 的二阶增益相关 ODE 逼近对本模型不准确，结果依赖直接的离散时间数值分析。

维度5：与其他文献的关系

学习与资产定价：与 Adam_Marcet_2016_StockMarketVolatility_Learning 的 Lucas + 适应性学习设定最相近，但 Williams 增加了无风险资产，从而引入投资组合选择和债务动态；此处债务动态承担了 Minsky 故事中的核心角色。
外推与泡沫：Barberis_2015_XCAPM_Extrapolative 与 Barberis, Greenwood, Jin & Shleifer (2018) "Extrapolation and Bubbles" 也使用非理性信念解释泡沫；Williams 的不同在于强调反复的繁荣-崩溃（而非单次泡沫）以及崩溃后的"低于基本面"现象。
诊断预期与信念危机：与 Gennaioli_Shleifer_2018_CrisisOfBeliefs、Gennaioli_2015_NeglectedRisks_FinancialCrises 在动机上相通（均试图解释危机前的过度乐观与崩溃），但 Williams 不依赖 representativeness 启发式，而是用常增益学习内生地产生周期。
异质信念与混沌：Brock_Hommes_1998_HeterogeneousBeliefs_Chaos 通过策略选择内生异质信念产生复杂动态；Williams 则在代表性代理人下通过单一学习规则产生分岔与极限环。
过度自信与回报：Daniel_Hirshleifer_2015_Overconfident_Returns_Trading 强调投资者过度自信引发交易异象；Williams 的机制不依赖过度自信，而是依赖学习权重对新信息的敏感性。
可预测金融危机：呼应 Greenwood, Hanson, Shleifer & Sørensen (2022) 关于"快速信贷与资产价格上涨预测危机"的实证发现。

维度6：可拓展的研究方向

内生化无风险利率与可贷资金供给：补全 Minsky 故事中"信贷需求推升利率"的关键渠道，分析利率反馈如何放大或抑制周期。
异质代理人与信念多样性：引入悲观/乐观或不同学习增益的代理人，分析交易动机与流动性如何影响崩溃严重程度。
金融-实体经济联动：将外生股利替换为内生产出/投资过程，分析繁荣-崩溃对实体经济的反馈。
政策实验：在模型中评估宏观审慎工具（杠杆上限、逆周期资本缓冲）如何降低分岔后的极限环幅度，或干预性地"重置"学习信念。
结构估计：使用 Greenwood-Shleifer 调查预期数据估计学习增益与信念过程，做正式的矩匹配或贝叶斯估计。
更丰富的信念规范：放松 i.i.d. 假设，允许代理人学习时变增长率、状态切换或长记忆，比较与本模型的相对重要性。
崩溃可预测性：刻画哪些可观测变量（价格-股利比、组合份额、波动率估计）能提前预警分岔附近的崩溃，连接到危机预测文献。

关键结论

金融不稳定 = 学习动态不稳定：只要投资者对新信息赋予非零权重（实证上即使极小的增益也已超过临界值），SCE 就在数学上局部不稳定，反复的繁荣-崩溃周期是学习与遗忘共同驱动的内生结果，而非外生冲击的偶然现象。
稳定孕育不稳定的微观机制：崩溃的主导触发不是杠杆约束 binding，而是繁荣本身推升了主观波动率估计 $s_t$ ，使风险厌恶的代理人下调组合份额；当 $v_t$ 接近 1 时定价函数对 $v_t$ 极度敏感，微小的组合调整即引发价格暴跌——这与 Minsky"快速繁荣播下崩溃种子"的叙事高度一致。

Williams_LearningModel_FinancialInstability