Learning processes of dynamically optimizing heterogeneous agents

Volkswirtschaftliche Modelle werden heute häufig als mikro-fundierte dynamische Optimierungsmodelle konstruiert. Dabei wird meist ein repräsentativer Agent mit rationalen Erwartungen betrachtet. Durch adaptive Lernalgorithmen können rationale Erwartungen als Ergebnis von optimierendem Verhalten erklärt werden, allerdings kann dann die Annahme repräsentativer Agenten irreführend sein. Die vorliegende Arbeit vergleicht unterschiedliche Ansätze, wie adaptives Lernen in ein einfaches dynamisches Konsummodell integriert werden kann und untersucht insbesondere deren Konvergenz und Stabilität für den Fall heterogener Einkommen und Erwartungen. Es wird gezeigt, dass das Lernen zukünftiger Zinssätze über einen unendlichen Zeithorizont robuster ist als die übliche Methode, bei der Agenten über eine Euler-Gleichung ihren eigenen zukünftigen Konsum lernen. Zu dieser Methode wird eine erweiterte Variante vorgeschlagen, die auch bei heterogenen Agenten zu rationalen Erwartungen konvergiert.