Maschinelles Lernen optimaler Zinspolitik

Maschinelles Lernen optimaler Zinspolitik

Auftraggeber/Zuwendungsgeber

Deutsche Bundesbank

Zeitraum: 01.04.2018 – 31.03.2019

Im Rahmen des Forschungsprojekts soll anhand realitätsnaher modellbasierter Simulationen der Volkswirtschaft algorithmisch die optimale Zinspolitik von Zentralbanken bestimmt werden. Für die volkswirtschaftlichen Simulationen wird das im ZEW entwickelte makroökonomische Modell von Riedler (2017) um eine realistische Modellierung des heterogenen Konsum- und Sparverhaltens von Haushalten erweitert. Die algorithmische Bestimmung der „optimalen“ Zinspolitik erfolgt durch den Einsatz von modernen Methoden des maschinellen Lernens. Dabei „erlernt“ die Zentralbank im Rahmen einer großen Zahl von Simulationsdurchläufen die zum Erreichen einer bestimmten Zielgröße jeweils optimale Zinssetzungsstrategie. Mit diesem Vorgehen lassen sich einige der derzeit in der öffentlichen und wissenschaftlichen Diskussion befindlichen Vorschläge für eine optimale Zinspolitik, wie bspw. der „Taylor Rule“ (siehe Taylor, 1993), realitätsnah evaluieren.

Projektteam

Jesper Riedler

Jesper Riedler

Projektleitung
Advanced Researcher

Zum Profil
Dominik Rehse

Dominik Rehse

Stellvertretende Leitung

Zum Profil
Auftraggeber/Zuwendungsgeber
Deutsche Bundesbank, Frankfurt am Main, DE
Kooperationspartner
Deutsche Bundesbank, Frankfurt am Main, DE