使用深度强化学习分析具有大量主体的微观基础一般均衡模型
计算机科学与博弈论
2022-02-25 v2 人工智能
机器学习
综合经济学
经济学
摘要
真实经济可建模为具有许多异质主体（如消费者、企业与政府）的序贯不完美信息博弈。动态一般均衡（DGE）模型常在此设定下用于宏观经济分析。然而，使用现有理论或计算方法寻找一般均衡颇具挑战，尤其当采用微观基础建模个体主体时。在此，我们展示如何使用深度多主体强化学习（MARL）在微观基础 DGE 模型中寻找关于主体类型的 -元均衡（-meta-equilibria）。标准 MARL 无法学习非平凡解，而我们的结构化学习课程实现了向有意义解的稳定收敛。在概念上，我们的方法更灵活且无需不现实假设（例如为分析易处理性而常用的连续市场出清）。此外，我们的端到端 GPU 实现能够以大量 RL 经济主体实现快速实时收敛。我们在具有 100 个工人-消费者、10 家企业以及一个征税并再分配的社会计划者的开放与封闭真实经济周期（RBC）模型中展示了我们的方法。我们通过最优响应分析验证所学解为 -元均衡，表明其符合经济直觉，并展示我们的方法能在开放 RBC 模型中学习一系列定性不同的 -元均衡。由此，我们表明硬件加速的 MARL 是基于微观基础建模经济复杂性的一个有前景的框架。
引用
@article{arxiv.2201.01163,
title = {Analyzing Micro-Founded General Equilibrium Models with Many Agents using Deep Reinforcement Learning},
author = {Michael Curry and Alexander Trott and Soham Phade and Yu Bai and Stephan Zheng},
journal= {arXiv preprint arXiv:2201.01163},
year = {2022}
}