我刚刚在我的网页上发布了我的调查论文《深度学习在解决经济模型中的应用》： 在一两周内，它也将作为工作论文在NBER和CEPR流通。不过，我想提前让大家知道，因为我对结果非常满意，这在很大程度上要感谢我收到的一些出色的早期反馈。 正如我常常所说，深度学习的持续革命正在改变我们解决动态均衡经济模型的方式。从本质上讲，解决一个模型就是近似未知的目标函数（例如，代理的价值函数、决策规则或最佳反应函数）。深度学习在这项任务上通常表现得非常出色。 在论文中，我强调这种成功并不是“魔法”，而是深度学习能够发现模型相关变量（例如，状态变量）更好表示的直接结果。神经网络的层将输入变量转化为信息高效的表示，这些表示更容易被近似。汤姆·萨金特喜欢说，找到状态是一门艺术。深度学习尽可能地试图自动化这门艺术。 这就是为什么在许多情况下，我们现在可以解决几年前计算上不可行的高维问题。 此外，设计用于解决这些模型的深度网络的结构，除了激活函数中封装的非线性外，基本上是线性的，这允许大规模并行化。 这篇调查论文旨在从基础开始。我的目标受众是只有非常基本的解法知识的一年级研究生，甚至是有动机的本科生。 我非常希望能得到反馈。你能跟上整个论点吗？有没有不清楚的步骤？我曾在宾夕法尼亚大学、西班牙银行、剑桥大学、欧洲央行、哈佛大学、约翰霍普金斯大学、西北大学、牛津大学、普林斯顿大学、加州大学圣巴巴拉分校和斯坦福大学教授过基于这些材料的课程，但我总是希望能有新鲜的视角来提出改进建议。 所有的幻灯片资料和代码链接都可以在这里找到： 在“经济学家的机器学习”下。 最终，我可能会将这篇调查论文和幻灯片资料作为更长篇幅的基础，但首先，我需要清理我桌子上过多的进行中的项目。