Solving heterogeneous-agent models with parameterized cross-sectional distributions

Open Access

Abstract

A new algorithm is developed to solve models with heterogeneous agents and aggregate uncertainty that avoids some disadvantages of the prevailing algorithm that strongly relies on simulation techniques and is easier to implement than existing algorithms. A key aspect of the algorithm is a new procedure that parameterizes the cross-sectional distribution, which makes it possible to avoid Monte Carlo integration. The paper also develops a new simulation procedure that not only avoids cross-sectional sampling variation but is also more than ten times faster than the standard procedure of simulating an economy with a large but finite number of agents. This procedure can help to improve the efficiency of the most popular algorithm in which simulation procedures play a key role. ; Cet article développe une nouvelle méthode de résolution des modèles macrodynamiques à agents hétérogènes. Cette méthode propose de directement paramétriser l'évolution de la distribution des richesses suite à des chocs macroéconomiques ou des politiques économiques plutôt que de la simuler. Cette stratégie se révèle non seulement plus rapide mais aussi plus précise que les techniques traditionnelles de simulation de Monte Carlo en évitant tout biais d'échantillonnage. Nous montrons que cette avancée se révèle cruciale pour évaluer les effets redistributifs des fluctuations et des politiques économiques.