Merging simulation and projection approaches to solve high-dimensional problems with an application to a new Keynesian model
融合模拟与投影求解高维问题：新凯恩斯模型应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦动态模型的数值求解和网格构造，未直接研究所列时间序列、预测或冲击估计方法，故不强行分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
融合模拟与投影求解高维问题：新凯恩斯模型应用
- 研究问题
- 研究如何在高维动态经济模型中构建紧凑求解网格，将随机模拟与投影方法结合，并处理名义利率零下限应用。
- 方法与思路
- 作者先模拟近似解的遍历测度，再用聚类、ε可区分集或其局部自适应变体选取代表点，在固定网格上投影求解。
- 材料陈述的贡献
- 摘要称代表点网格是关键创新，并展示增长模型和大型新凯恩斯模型求解，可在桌面计算机上处理数百个状态变量。
- 阅读关注点
- 应核对遍历测度近似与代表点覆盖的可靠性、零下限附近的求解误差，以及高维可行性的精度和计算成本依据。
- 阅读边界
- 仅据所给OpenAlex版本摘要，无法判断误差保证、硬件条件或适用模型范围；不推断其他版本或刊本变化。
原文摘要
We introduce a numerical algorithm for solving dynamic economic models that merges stochastic simulation and projection approaches: we use simulation to approximate the ergodic measure of the solution, we cover the support of the constructed ergodic measure with a fixed grid, and we use projection techniques to accurately solve the model on that grid. The construction of the grid is the key novel piece of our analysis: we replace a large cloud of simulated points with a small set of “representative” points. We present three alternative techniques for constructing representative points: a clustering method, an ε-distinguishable set method, and a locally-adaptive variant of the ε-distinguishable set method. As an illustration, we solve one- and multi-agent neoclassical growth models and a large-scale new Keynesian model with a zero lower bound on nominal interest rates. The proposed solution algorithm is tractable in problems with high dimensionality (hundreds of state variables) on a desktop computer.