宏观异质性代理人模型及算法研究进展

宏观理论的发展以及数据可得性的提高促进了异质性代理人模型的发展,系统梳理该模型的发展历程及求解算法十分必要。从算法角度讲,虽然离散时间异质性代理人模型的求解方法已有多种,但其求解逻辑无法规避状态变量的离散化迭代过程,因此难以解决“维数诅咒”问题。而连续时间异质性代理人模型的稳态则可由偏微分方程系统来表示,避免了在状态变量上的迭代过程,具有求解效率高、经济含义突出、适用性广、算法通用性强等特点。因此,连续时间异质性模型将会成为宏观模型的新主流。

动态离散选择模型及其估计方法发展综述

动态离散选择模型是一类离散控制动态规划,其对于理解机构在不同情况中的行为决策是非常重要的.从动态离散选择模型的基本原理、应用现状和构造性估计满足的假设出发,一方面针对动态选择模型的小样本异质性问题,给出非线性有偏修正模型和最小均方误差估计法来弥补最大似然估计在估计小样本时的有偏性.另一方面为了达到期望价值函数的收敛性和避免高维数所带来的计算负担,叙述了常规贝叶斯估计方法、贝叶斯-MCMC-DP估计法、马尔科夫链-蒙特卡洛-人工神经网络估计法等其他的估计方法.