Solving large scale normalised rational expectations models

In plaats van het oplossen van het model voor achtereenvolgende periodes, zoals in de Fair-Taylor methode, maakt de hier beschreven methode gebruik van het idee van de Stacked-Time methode om het model voor alle periodes simultaan op te lossen.

Het nieuwe aan de methode is dat deze slechts wordt toegepast op een kleine deelverzameling modelvariabelen, de zogenaamde feedback variabelen, dat gebruik wordt gemaakt van een benaderde 'Shift' Jacobiaan en dat een methode voor deelperiodes wordt beschreven. Dit leidt tot significant kleinere Jacobianen en minder berekeningen voor het oplossen van het model.

De feedback variabelen worden bepaald met behulp van een volgorde algorithme. Dit stuk beschrijft de aanpassing aan Newton's methode door de introductie van een Extended Feedback Jacobian, de introductie van een benaderde 'Shift' Jacobiaan voor het beperken van de rekentijd en een deelperiode methode voor het beperken van de benodigde opslagcapaciteit voor de Jacobiaan. De methode is geïmplementeerd op het CPB en wordt gebruikt voor het GAMMA model. Ook wordt verslag gedaan van de resultaten van een aantal experimenten met Multimod mark III. Deze experimenten laten snellere convergentie dan de Fair-Taylor methode en significant kleinere matrices dan de Stacked-Time methode zien.