というプレプリントがarXivに上がっている（H/T beさんツイート；著者の一人のShaliziが「君の好きなDSGEはダメダメ（Your Favorite DSGE Sucks）」と題した自ブログエントリ*1で内容を解説し、ツイートに流している）。原題は「Empirical Macroeconomics and DSGE Modeling in Statistical Perspective」で、著者はDaniel J. McDonald（ブリティッシュコロンビア大学バンクーバー校）、Cosma Rohilla Shalizi（カーネギーメロン大学）。
以下はその結論部（Discussion）の前半。
As we said in the introduction, there are very few who will defend the forecasting record of DSGEs. Rather, their virtues are supposed to lie in their capturing the structure of the economy, and so providing theoretical insight, with meaningful parameters, and an ability to evaluate policy and counterfactuals. We have examined these claims on behalf of DSGEs through checking how well a DSGE can be estimated from its own simulation output and by series permutation. In both cases, the results are rather negative.
If we take our estimated model and simulate several centuries of data from it, all in the stationary regime, and then re-estimate the model from the simulation, the results are disturbing. Forecasting error remains dismal and shrinks very slowly with the size of the data. Much the same is true of parameter estimates, with the important exception that many of the parameter estimates seem to be stuck around values which differ from the ones used to generate the data. These ill-behaved parameters include not just shock variances and autocorrelations, but also the “deep” ones whose presence is supposed to distinguish a micro-founded DSGE from mere time-series analysis or reduced-form regressions. All this happens in simulations where the model specification is correct, where the parameters are constant, and where the estimation can make use of centuries of stationary data, far more than will ever be available for the actual macroeconomy.
If we randomly re-label the macroeconomic time series and feed them into the DSGE, the results are no more comforting. Much of the time we get a model which predicts the (permuted) data better than the model predicts the unpermuted data. Even if one disdains forecasting as end in itself, it is hard to see how this is at all compatible with a model capturing something — anything — essential about the structure of the economy. Perhaps even more disturbing, many of the parameters of the model are essentially unchanged under permutation, including “deep” parameters supposedly representing tastes, technologies and institutions.
（拙訳）
導入部で述べたように、DSGEの予測の記録を擁護する人はほとんどいない。むしろDSGEの長所は経済の構造を捉えること、それによって意味のあるパラメータで理論的洞察を提供すること、および、政策と反実仮想を評価する能力にあるとされている。我々は、DSGEが自身のシミュレーション結果ならびに系列の入れ替えについてどの程度上手く推計できるかを検証することにより、DSGEを擁護するこうした主張を調べた。いずれのケースでも、結果はかなり否定的なものであった。
我々が推計したモデルで、数世紀分のすべて定常的なレジームのデータをシミュレートし、そのシミュレーション結果からモデルを再推計したところ、結果は残念なものとなった。予測誤差は悪いままで、データのサイズに伴う縮小は極めて遅かった。パラメータの推計についても概ね同様で、重要な違いは、多くのパラメータ推計値が、データ生成に使われたのとは違う値の周辺に固着するように見えることだった。このような悪しき振る舞いをするパラメータには、ショックの分散や自己相関だけでなく、その存在によってミクロ的基礎付けがなされたDSGEモデルが単なる時系列分析や誘導型の回帰とは違うものになるとされる「深い」パラメータも含まれていた。そうしたことはすべて、モデルの仕様が正しく、パラメータが一定で、推計が数世紀分の定常データというそもそも実際のマクロ経済で利用できるよりも遥かに多量のデータを利用できる状況で生じた。
我々がマクロ経済の時系列の名前をランダムに変更してDSGEに流し込んだところ、その結果もやはり残念なものとなった。（入れ替えられた）データの予測の方が入れ替え前のデータの予測よりも良いモデルが得られることが多かった。予測それ自体を目的とすることを軽視するとしても、経済の構造について何かしら――それが何であっても――本質的なことを捉えるモデルと、この結果がそもそも両立するとは考えづらい。おそらくさらに残念なことに、モデルのパラメータの多くが入れ替え前後で基本的に変化せず、その中には嗜好、技術、制度を表すとされる「深い」パラメータが含まれていた。
