Deep Learning in the Sequence Space
创建于 更新于
摘要
本论文提出了一种基于深度学习的新算法，用于在序列空间中逼近动态随机经济的功能理性预期均衡。通过将经合状态用外生冲击的截断历史替代，并设计保证预测政策函数单调凹性的神经网络结构，显著提升了数值求解的稳定性和效率。方法在随机经济增长模型、带有多重风险的重叠世代经济及异质家庭异质企业模型中均获得高精度结果，且均衡条件误差均低于0.1%。此外，该算法利用内生格点法简化训练过程，支持跨状态和异质性的复杂模型求解 [page::0][page::1][page::2][page::43]。
