論文の概要: Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2303.04833v1
• Date: Fri, 24 Feb 2023 17:16:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-12 03:31:42.360281
• Title: Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning
• Title（参考訳）: 強化学習を用いた不均一エージェントマクロ経済モデルの正規化競合平衡
• Authors: Ruitu Xu, Yifei Min, Tianhao Wang, Zhaoran Wang, Michael I. Jordan, Zhuoran Yang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 151.03738099494765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study a heterogeneous agent macroeconomic model with an infinite number of households and firms competing in a labor market. Each household earns income and engages in consumption at each time step while aiming to maximize a concave utility subject to the underlying market conditions. The households aim to find the optimal saving strategy that maximizes their discounted cumulative utility given the market condition, while the firms determine the market conditions through maximizing corporate profit based on the household population behavior. The model captures a wide range of applications in macroeconomic studies, and we propose a data-driven reinforcement learning framework that finds the regularized competitive equilibrium of the model. The proposed algorithm enjoys theoretical guarantees in converging to the equilibrium of the market at a sub-linear rate.
• Abstract（参考訳）: 労働市場で競争する家計や企業を無限に数える異質なエージェントマクロ経済モデルについて検討する。 各世帯は収入を得て、その基盤となる市場条件に照らされた凹凸ユーティリティを最大化しつつ、各段階の消費に従事している。 世帯は、市場状況に応じて割引累積ユーティリティを最大化する最適な貯蓄戦略を見出すとともに、世帯の行動に基づいて企業利益を最大化し、市場状況を決定することを目指している。 本モデルは,マクロ経済学研究における幅広い応用を捉え,モデルの正規化競争均衡を求めるデータ駆動型強化学習フレームワークを提案する。 提案アルゴリズムは,市場均衡を線形以下の速度で収束させる理論的保証を享受する。

関連論文リスト

• Deep Reinforcement Learning Agents for Strategic Production Policies in Microeconomic Market Simulations [1.6499388997661122]
  複数の生産者と競合する市場で効果的な政策を得るためのDRLベースのアプローチを提案する。 我々のフレームワークは、静的およびランダムな戦略を一貫して上回るいくつかのシミュレーションに適応的な生産ポリシーを学習することを可能にする。 その結果,DRLで訓練したエージェントは生産水準を戦略的に調整し,長期利益率を最大化できることがわかった。
  論文  参考訳（メタデータ） (2024-10-27T18:38:05Z)
• Convergence-aware Clustered Federated Graph Learning Framework for Collaborative Inter-company Labor Market Forecasting [38.13767335441753]
  人材需要と供給を予測する労働市場は、経営管理と経済発展に不可欠である。 従来の研究では、変動を予測するために、異なる企業間の需要供給シーケンス間の相互接続を無視していた。 本稿では,メタパーソナライズされた収束型クラスタ型フェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-29T04:11:23Z)
• Parity in Markets -- Methods, Costs, and Consequences [109.5267969644294]
  我々は、市場デザイナーがフィッシャー市場の税や補助金を使って、市場均衡の結果が一定の制約内に収まることを確実にする方法を示します。 我々は、既存の文献で提案されている様々な公正性制約を市場ケースに適用し、その制約から誰が利益を得るか、誰を失うかを示す。
  論文  参考訳（メタデータ） (2022-10-05T22:27:44Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• 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)
• Multi-Asset Spot and Option Market Simulation [52.77024349608834]
  正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。 本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T17:34:28Z)
• Achieving Diverse Objectives with AI-driven Prices in Deep Reinforcement Learning Multi-agent Markets [35.02265584959417]
  深層学習政策立案者を通じて市場価格と割当を計算するための実践的アプローチを提案する。 政策立案者はより柔軟で、多様な目的について価格を調整できます。 この結果のハイライトとして,我々の政策立案者は,資源の持続可能性を維持することに大きく成功している。
  論文  参考訳（メタデータ） (2021-06-10T21:26:17Z)
• Solving Heterogeneous General Equilibrium Economic Models with Deep Reinforcement Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2021-03-31T10:55:10Z)
• Beating the market with a bad predictive model [0.0]
  我々は、価格予測モデルに完全に劣る体系的な利益を一般的に得ることを証明している。 鍵となるアイデアは、予測モデルのトレーニング目標を変更して、それを市場から明示的にデコレーションすることだ。
  論文  参考訳（メタデータ） (2020-10-23T16:20:35Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)

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。