我剛剛在我的網頁上發佈了我的調查論文《深度學習在解決經濟模型中的應用》： 在一兩週內，它也將作為工作論文在NBER和CEPR流通。不過，我想提前讓大家知道，因為我對結果非常滿意，這在很大程度上要感謝我收到的一些出色的早期反饋。 正如我常常所說，深度學習的持續革命正在改變我們解決動態均衡經濟模型的方式。從本質上講，解決一個模型就是近似未知的目標函數（例如，代理的價值函數、決策規則或最佳反應函數）。深度學習在這項任務上通常表現得非常出色。 在論文中，我強調這種成功並不是“魔法”，而是深度學習能夠發現模型相關變量（例如，狀態變量）更好表示的直接結果。神經網絡的層將輸入變量轉化為信息高效的表示，這些表示更容易被近似。湯姆·薩金特喜歡說，找到狀態是一門藝術。深度學習儘可能地試圖自動化這門藝術。 這就是為什麼在許多情況下，我們現在可以解決幾年前計算上不可行的高維問題。 此外，設計用於解決這些模型的深度網絡的結構，除了激活函數中封裝的非線性外，基本上是線性的，這允許大規模並行化。 這篇調查論文旨在從基礎開始。我的目標受眾是只有非常基本的解法知識的一年級研究生，甚至是有動機的本科生。 我非常希望能得到反饋。你能跟上整個論點嗎？有沒有不清楚的步驟？我曾在賓夕法尼亞大學、西班牙銀行、劍橋大學、歐洲央行、哈佛大學、約翰霍普金斯大學、西北大學、牛津大學、普林斯頓大學、加州大學聖巴巴拉分校和斯坦福大學教授過基於這些材料的課程，但我總是希望能有新鮮的視角來提出改進建議。 所有的幻燈片資料和代碼鏈接都可以在這裡找到： 在“經濟學家的機器學習”下。 最終，我可能會將這篇調查論文和幻燈片資料作為更長篇幅的基礎，但首先，我需要清理我桌子上過多的進行中的項目。