讲座题目：Optimal Taxation for Economy with Idiosyncratic Shocks and Aggregate Uncertainty (随机冲击与总体不确定下的最优税收政策)

面向对象：面向全院师生

主讲嘉宾：Zhigang Feng （University of Nebraska at Omaha副教授，博士）

学科方向：宏观经济学，机器学习，公共财政

讲座时间：2024年6月6日（周四）下午2：30- 4：30

讲座地点：经济学院402室

摘要：This paper characterizes the Markov Perfect Equilibrium for optimal taxation in a heterogeneous agent model with aggregate uncertainty. We develop a novel machine learning-based approach that combines histogram-based distribution approximation, deep neural networks for equilibrium function approximation, a modified value and policy iteration algorithm with a penalty method, and an analytically derived distribution transition kernel. Our method addresses the curse of dimensionality and the challenges posed by strategic interactions between households and the government, allowing us to characterize the global dynamics of the economy starting from any initial distribution.

Our quantitative analysis reveals that optimal fiscal policy in the presence of heterogeneous agents and aggregate uncertainty differs significantly from that in representative agent models. The government's optimal taxation decisions are influenced by the distribution of assets and the evolution of inequality over time. We find that the government's ability to redistribute resources through capital and labor income taxes plays a crucial role in shaping the dynamics of inequality. The optimal tax rates respond to changes in the asset distribution and aggregate shocks, highlighting the importance of considering household heterogeneity in the design of fiscal policies.

本文描述了具有总体不确定性的异质代理模型中最优税收的马尔可夫完美均衡。的马尔可夫完美均衡。我们开发了一种基于机器学习的新方法，将基于直方图的 分布近似、用于均衡函数近似的深度神经网络、改进的价值和 近似的深度神经网络、带有惩罚方法的修正值和政策迭代算法，以及分析方法。惩罚方法和分析得出的分布过渡核。我们的方法解决了 "维度诅咒 "和 家庭与政府之间的战略互动所带来的挑战，使我们能够从任何初始分布出发，描述经济的全局动态。从任何初始分布开始。

我们的定量分析揭示了在异质代理和总体不确定性情况下的最优财政政策。存在异质性代理和总体不确定性时的最优财政政策 与代表代理人模型中的最优财政政策有很大不同。政府的 最优税收决策受到资产分布和不平等随时间的演变的影响。以及不平等现象的演变。我们发现，政府 通过资本和劳动所得税进行资源再分配的能力在影响不平等的动态变化中起着至关重要的作用。最优税率对资产分配的变化和总体冲击 和总体冲击的变化做出反应，这突出了在设计财政政策时考虑家庭异质性的重要性。

嘉宾介绍：冯教授是内布拉斯加大学奥马哈分校经济系副教授。他于 2009 年获得迈阿密大学经济学博士学位。在加入内布拉斯加大学之前，冯博士曾在伊利诺伊大学香槟分校、苏黎世大学和普渡大学任教。他的研究主要集中在宏观经济学、计算经济学、公共财政和劳动经济学。目前，他的研究工作主要围绕开发创新的数值方法，利用人工智能解决大规模动态均衡模型。这些模型有助于理解最佳财政政策和债务可持续性。冯博士曾在International Economic Review, Review of Economic Dynamics, Quantitative Economics, and Economic Theory等顶尖经济学期刊上发表文章。他还是一位广受欢迎的演讲者，曾多次受邀在著名大学、中央银行和国际会议上介绍自己的研究成果。