基于神经网络与硬约束的DSGE模型非线性逼近
理论经济学
2023-10-23 v1
摘要
近来若干论文建议利用神经网络来逼近DSGE模型中的政策函数，以规避维度灾难（例如求解许多HANK模型时出现），同时保留非线性。该方法的一个重要步骤是将所讨论经济模型的约束表示在神经网络的输出中。我提出并展示了一种处理这些约束的新方法的优势，该方法直接约束神经网络输出，从而按构造满足经济约束。这是通过可微的重缩放操作组合实现的，因此与拟合神经网络时使用的标准梯度下降方法兼容。该方法具有若干吸引人的性质，并且被证明优于现有文献提出的基于惩罚的方法——后者虽然在理论上合理，但由于我指出的若干原因，在实践中可能表现不佳。
引用
@article{arxiv.2310.13436,
title = {Non-linear approximations of DSGE models with neural-networks and hard-constraints},
author = {Emmet Hall-Hoffarth},
journal= {arXiv preprint arXiv:2310.13436},
year = {2023}
}