Deep-MacroFin：用于连续时间经济模型的信息均衡神经网络
机器学习
2025-05-15 v4 计算工程、金融与科学
计算金融
摘要
在本文中，我们提出了 Deep-MacroFin，一个用于求解偏微分方程的全面框架，特别聚焦于连续时间经济学模型。该框架利用深度学习方法，包括多层感知器（Multi-Layer Perceptrons）和新开发的 Kolmogorov-Arnold 网络。它通过由 Hamilton-Jacobi-Bellman（HJB）方程和耦合代数方程封装的经济信息进行优化。神经网络的应用有望以比其他数值方法更少的计算需求和限制来准确求解高维问题。该框架可以方便地适配高维偏微分方程组。重要的是，它提供了比现有库更高效（100D 问题中 CUDA 内存减少 5 倍，FLOPs 减少 40 倍）和更用户友好的实现。我们还引入了一种时间步进方案来增强非线性 HJB 方程的训练稳定性，从而能够求解 50D 经济模型。
引用
@article{arxiv.2408.10368,
title = {Deep-MacroFin: Informed Equilibrium Neural Network for Continuous Time Economic Models},
author = {Yuntao Wu and Jiayuan Guo and Goutham Gopalakrishna and Zissis Poulos},
journal= {arXiv preprint arXiv:2408.10368},
year = {2025}
}
备注
30 pages, 13 figures