論文の概要: Solving Heterogeneous General Equilibrium Economic Models with Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2103.16977v1
• Date: Wed, 31 Mar 2021 10:55:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-02 00:23:43.269178
• Title: Solving Heterogeneous General Equilibrium Economic Models with Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習による不均一一般均衡経済モデルの解法
• Authors: Edward Hill, Marco Bardoscia and Arthur Turrell
• Abstract要約: 一般均衡マクロ経済モデルは、政策立案者が国の経済を理解するために使う中核ツールである。 私たちは強化学習の手法を使って、単純で異種で計算効率の良い方法でこれらのモデルを解く。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: General equilibrium macroeconomic models are a core tool used by policymakers to understand a nation's economy. They represent the economy as a collection of forward-looking actors whose behaviours combine, possibly with stochastic effects, to determine global variables (such as prices) in a dynamic equilibrium. However, standard semi-analytical techniques for solving these models make it difficult to include the important effects of heterogeneous economic actors. The COVID-19 pandemic has further highlighted the importance of heterogeneity, for example in age and sector of employment, in macroeconomic outcomes and the need for models that can more easily incorporate it. We use techniques from reinforcement learning to solve such models incorporating heterogeneous agents in a way that is simple, extensible, and computationally efficient. We demonstrate the method's accuracy and stability on a toy problem for which there is a known analytical solution, its versatility by solving a general equilibrium problem that includes global stochasticity, and its flexibility by solving a combined macroeconomic and epidemiological model to explore the economic and health implications of a pandemic. The latter successfully captures plausible economic behaviours induced by differential health risks by age.
• Abstract（参考訳）: 一般均衡マクロ経済モデルは、政策立案者が国の経済を理解するために使う中核ツールである。 彼らは経済を、おそらく確率的効果と組み合わせて、動的均衡におけるグローバル変数(価格など)を決定する前方のアクターの集合として表現している。 しかし、これらのモデルを解くための標準的な半分析技術は、異種経済アクターの重要な効果を含めることが困難である。 新型コロナウイルス(covid-19)のパンデミックは、例えば年齢や雇用部門の異質性の重要性を、マクロ経済の結果やより簡単に組み込めるモデルの必要性においてさらに強調した。 我々は強化学習の手法を用いて, 単純で拡張性, 計算効率のよい方法で, 異種エージェントを組み込んだモデルを解く。 世界的な確率性を含む一般均衡問題を解き、その柔軟性をマクロ経済・疫学モデルと組み合わせて解き、パンデミックの経済・健康への影響を探究することにより、解析的な解法が知られているトイ問題の正確性と安定性を実証する。 後者は、年齢による異なる健康リスクによって引き起こされるもっともらしい経済行動をうまく捉えている。

関連論文リスト

• Global Solutions to Master Equations for Continuous Time Heterogeneous Agent Macroeconomic Models [2.133330089821556]
  エージェント分布を近似し,非線型偏微分方程式により経済の平衡を特徴づける。 ニューラルネットワークを用いて値関数を表現し、ディープラーニングツールを用いた微分方程式の解法を訓練する。 この手法の主な利点は、高次元非線形問題に対する大域的な解を見つけることができることである。
  論文  参考訳（メタデータ） (2024-06-19T17:42:53Z)
• Model-Based RL for Mean-Field Games is not Statistically Harder than Single-Agent RL [57.745700271150454]
  モデルに基づく関数近似を用いた平均フィールドゲーム(MFG)における強化学習のサンプル複雑性について検討した。 本稿では、モデルクラスの複雑性を特徴付けるためのより効果的な概念である部分モデルベースエルダー次元(P-MBED)を紹介する。
  論文  参考訳（メタデータ） (2024-02-08T14:54:47Z)
• EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities [43.70290385026672]
  EconAgentは、マクロ経済シミュレーションのための人間のような特徴を持つ大規模言語モデルを用いたエージェントである。 まず,エージェントの判断による市場動態を取り入れたシミュレーション環境を構築する。 認識モジュールを通して、異なる意思決定機構を持つ異種エージェントを作成する。
  論文  参考訳（メタデータ） (2023-10-16T14:19:40Z)
• Ecosystem-level Analysis of Deployed Machine Learning Reveals Homogeneous Outcomes [72.13373216644021]
  本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。 デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。 これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
  論文  参考訳（メタデータ） (2023-07-12T01:11:52Z)
• Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
  労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。 本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-24T17:16:27Z)
• Forecasting and stabilizing chaotic regimes in two macroeconomic models via artificial intelligence technologies and control methods [0.3670422696827526]
  経済における重要な課題の1つは、将来の経済変数の値に対する経済エージェントの期待を予測することである。 数学的モデルの振る舞いはカオスを含む不規則であり、予測力を低下させる。 2つの経済モデルの振舞いの状況を調査し、不規則な力学を同定する。
  論文  参考訳（メタデータ） (2023-02-20T11:55:15Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• On the Opportunities and Risks of Foundation Models [256.61956234436553]
  これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。 本報告では,基礎モデルの可能性とリスクについて概説する。 これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
  論文  参考訳（メタデータ） (2021-08-16T17:50:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。