Mastering Stochastic OLG Models in Continuous Time
创建于 更新于
摘要
本文提出有限差分神经算子，用于求解带有个体风险与总量风险的连续时间重叠世代模型。该方法将高维分布压缩为有限维表示，由神经网络输出低维状态空间上的价值函数有限差分网格，从而兼顾高维分布处理效率、边界条件控制与价值函数形状约束。[page::0][page::1][page::2] 在包含总量风险以及同时包含总量和个体风险的两类模型中，训练损失均降至约10^-6，并较好刻画了借贷约束附近的个体动态与稳定但显著的财富分布波动。[page::16][page::17][page::21][page::22]
