当前位置: 首页 - 资讯中心 - 新闻动态 - 正文

2023年3月11日,william威廉亚洲官方第二十五期研究生知新学术论坛在中心校区知新楼B423聚贤报告厅举行,对外经贸大学教授朱胜豪作了题为“使用机器学习解动态经济学模型”的报告。论坛由学院助理研究员张仁斌主持,部分师生参会。


如何将机器学习应用到动态经济学模型中是一个重要的经济学前沿问题,朱胜豪分别讲解了以神经网络为核心的深度学习和强化学习如何求解动态经济模型。首先,他介绍了异质性个体模型,指出传统的方法是构建贝尔曼方程(The Bellman Equation)求解动态规划问题,难点在于如何追踪经济体内分布函数的发展变化,提出机器学习方法则能够有效克服该缺陷。朱胜豪阐释了机器学习应用于求解动态规划问题中的主要思路:分别采用有监督学习和无监督学习,利用贝尔曼方程生成数据与构造损失函数,由此训练神经网络,最后根据神经网络遍历状态变量的定义域来刻画预期项。除贝尔曼方程之外,他还介绍了如何根据欧拉方程构造神经网络并利用深度学习以求解模型。随后,他讲解了如何使用强化学习求解经济动态模型,即绕过贝尔曼方程,利用强化学习找到最优的策略函数直接最大化life time utility。强化学习是指个体不断地根据环境的反馈信息进行试错学习,进而调整优化自身的状态信息,寻求最优策略以实现效用最大化。一个重要的算法是演员-评论家算法(Actor-Critic Model),该算法将value-based算法和policy-based算法结合起来,该算法同时需要生成负责策略的Actor网络和负责评价的Critic网络,类似于演员在表演的同时,评论家随时纠正其表现,并且两者在不断优化更新。最后,朱胜豪指出了如何使用实变函数理论来理解机器学期的机制,例如无穷维度下的最优控制、随机分析以及不动点定理。会议过程中,朱胜豪与参会人员针对算法逻辑、参数设定、迭代次数选择等问题进行了充分讨论。


本次讲座主题前沿,内容深刻,将机器学习理论与求解动态经济模型相结合,打破了传统求解方法的思维框架,使参会人员对经济学动态模型的求解有了全新的认知,有助于进一步理解机器学习在经济学领域的应用。


朱胜豪,对外经贸大学教授,纽约大学经济学博士。主要研究领域为收入分配、金融经济学和宏观经济学。研究论文发表在Econometrica、Journal of Economic Theory、International Economic Review、Economic Theory等国际一流学术期刊。


文|林泽浩图|徐雅雯



上一篇: 关于举办第82期青联学术午餐会

下一篇: 党的二十大精神学者谈 | william威廉亚洲官方副院长汤玉刚:以高水平市场经济体系驱动高质量发展