GENERATIVE MARKET EQUILIBRIUM MODELS WITH STABLE ADVERSARIAL LEARNING VIA REINFORCEMENT LINK
创建于 更新于
摘要
本报告提出一种基于生成对抗网络(GAN)与深度强化学习相结合的“Reinforced-GAN”算法，用于计算含有交易成本等摩擦的多代理金融市场均衡模型。该方法通过引入反馈机制稳定训练过程，实现了在多代理高维复杂环境下对资产溢价与波动性内生生成的精准模拟，超越传统解析及数值方法的限制。算法具备理论逼近保证，并通过多场景数值实验验证了其在LQ偏好及非线性交易成本下的优越性能及可扩展性，为金融均衡价量模型的求解提供了创新路径[page::0][page::1][page::4][page::9][page::10][page::13][page::15][page::17].
