揭示财富分布的动态变化

我引入一种利用简单连续时间随机模型分解财富分布演变的新方法，该方法将流动性、储蓄、劳动收入、回报率、人口统计、遗产继承和选择性婚配的影响分离开来。基于随机微积分的两个结果，我证明这种分解是非参数识别的，并且可以仅基于重复的横截面数据进行估计。我利用收入、财富和人口统计的历史数据，对美国自 1962 年以来的情况进行了估计。我发现，自 20 世纪 80 年代以来，推动顶层 1% 财富份额上升的主要因素，按重要性递减排序为：顶层更高的储蓄率、更高的财富回报率（主要以资本利得形式体现）以及更高的劳动收入不平等。然后，我使用该模型研究财富税的影响。我推导出税基如何对长期净税率做出反应的简单公式，这些公式嵌套了若干现有模型的见解，并可使用可估计的弹性进行校准。在基准校准中，顶层收入最大化的财富税率很高（约 12%），但从此税种征收的收入远低于静态情形。