中文

掌握连续时间下的随机OLG模型

综合经济学 2026-08-11 v1 最优化与控制
作者: Yves Achdou , Johannes Brumm , Lukas Frank
在 arXiv 上查看 ↗ PDF ↗

摘要

我们提出了一个在连续时间下求解具有异质性和总体风险的世代交叠（OLG）模型的综合框架。我们通过主方程对均衡的一般刻画作用于连续异质性状态（年龄和财富）的联合分布。我们的计算策略是将该分布的有限维表示作为神经网络的输入，神经网络进而输出（条件）值函数的有限差分表示。这个想法可以普遍应用于具有总体风险的异质性代理人模型，我们称之为有限差分神经算子。我们的方法结合了现代神经网络和传统有限差分方法的优点：在高维分布上是无网格的，并在低维状态变量中保留了对边界条件的控制。此外，我们的方法能够强制执行形状约束。我们通过求解一个仅具有总体风险的连续时间OLG模型（其中我们通过其支撑函数刻画分布）以及一个具有两种风险的OLG模型来展示其灵活性。

关键词

世代交叠模型 连续时间 主方程 神经算子 有限差分法 异质性代理人模型

引用

@article{arxiv.2608.11134,
  title  = {Mastering Stochastic OLG Models in Continuous Time},
  author = {Yves Achdou and Johannes Brumm and Lukas Frank},
  journal= {arXiv preprint arXiv:2608.11134},
  year   = {2026}
}