资源
计算经济学与动态模型神经求解方法方面的文献笔记、课件与复现代码。
文献解读与复现笔记
逐篇论文的解读、推导与复现记录，均以飞书公开链接发布。这是我自己的求解器所依赖的那条文献脉络。
动态模型与异质性主体的神经求解方法
DeepHAM
用神经网络估计非线性异质性主体模型
Deep Equilibrium Nets
Deep Learning for Solving Dynamic Economic Models（Maliar 等）
使用深度学习方法求解 HAM 类模型
连续神经网络求解高维动态规划
连续时间、FBSDE 与 HANK
平均场博弈
课件：AI 求解异质性主体模型
代码
复现：Deep Learning for Solving Dynamic Economic Models
Krusell-Smith 模型复现材料。
复现：Deep Equilibrium NETs
DEQN 类方法的基准实现。
复现：用神经网络估计非线性异质性主体模型
RANK + ZLB 复现材料。
用 PyTorch 求解高维动态规划
高维动态规划问题的深度学习实现。
含转移的 Aiyagari 模型
Aiyagari 环境下转移动态的代码笔记。
CUDA 并行 Aiyagari 求解器
CUDA 实现，并与 Matlab、Fortran 基准做性能对比。