Авторы приводят достаточные и необходимые условия стабильности линейной структурно неоднородной экономики при неоднородном адаптивном обучении агентов, расширяя результаты Хонкапойи и Митры (2006), Колюжнова (2011) и Богомоловой и Колюжнова (2019, 2020). Используя подход, основанный на альтернативном определении Db-стабильности, авторы получают альтернативные (по отношению к критериям и достаточным условиям в терминах соответствующих матриц Якоби у Богомоловой и Колюжнова (2019)) критерии сильной δ-стабильности при смешанном неоднородном RLS/SG-обучении и достаточные условия слабой δ-стабильности для неоднородного RLS-обучения для четырех классов моделей: моделей без лагов и с лагами эндогенной переменной и с t- или (t–1)-датировкой ожиданий. Используя этот подход, авторы получают для случая диагональной структуры процесса шоков критерии сильной δ-стабильности для одномерных моделей без лагов эндогенной переменной при смешанном неоднородном RLS/SG-обучении и достаточные условия слабой δ-стабильности для одномерных моделей с лагом эндогенной переменной при неоднородном RLS-обучении, представленные в экономически содержательных терминах условий «одинакового знака» и E-стабильности подходящим образом определенных ассоциированных экономик, их подэкономик и средних экономик. В подобных терминах представлены и достаточные условия сильной δ-стабильности для двумерных моделей без лагов эндогенной переменной при смешанном неоднородном RLS/SG-обучении для случая диагональной структуры процесса шоков. Используя подход, основанный на характеристическом уравнении, авторы получают экономически содержательные необходимые условия, которые могут использоваться в качестве быстрого теста на отсутствие δ-стабильности. Фундаментальность применяемого подхода позволяет применить его результаты к большинству существующих и перспективных линейных и линеаризованных экономических моделей (включая оцененные DSGE-модели, используемые центральными банками большинства стран мира) с адаптивным обучением экономических агентов.
В рамках данного исследования разрабатывается метод применения результатов модели анализа информационного фона в модели формирования ожиданий адаптивно обучающихся экономических агентов в общей постановке DSGE-модели. Этот метод тестируется на малой DSGE-модели экономики России с адаптивным обучением, разработанной нами в ИЭОПП СО РАН. На примере этой модели показывается, что предлагаемый метод улучшает соответствие данных, имитируемых моделью, экономической статистике, что позволяет использовать эту модель для прогнозирования макроэкономических показателей, рассматривая различные сценарии развития экономики при разной окраске будущего информационного фона. Делается вывод, что управление новостным потоком оказывает влияние на функционирование экономики и может потенциально использоваться как элемент экономической политики, последствия которой можно оценить, используя наш метод. Универсальность метода, предложенного в работе, позволяет распространить его применение на широкий ряд DSGE-моделей, используемых центральными банками большинства стран мира.