arXiv · cs.AI · Ruxin Chen, Zeqiang Zhang · 6 小时前模型评分39
用校准平均场强化学习纠正经济模型模拟中的结构与参数偏差
From Individual Learning to Market Equilibrium: Correcting Structural and Parametric Biases in RL Simulations of Economic Models
导读
研究指出标准强化学习智能体在经济学模拟中会内化自身对市场的影响，在凹生产函数的搜索匹配模型中收敛到买方垄断配置而非竞争均衡，且时间贴现方式扭曲跨期权衡。为此提出校准平均场强化学习框架，让智能体针对外生总量状态优化以恢复价格接受行为，并重新校准奖励结构反映真实经济机会成本，迭代更新后收敛到恢复竞争均衡的固定点。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：金融
事件类型：研究发布
证据摘录
- “To resolve these issues, we propose a Calibrated Mean-Field Reinforcement Learning framework that restricts the agent to optimize against an exogenous aggregate state to restore price-taking behavior, and recalibrates the RL reward structure to reflect true economic opportunity costs.”
来源：arXiv · cs.AI · arxiv.org