2023年5月12日，太阳集团tcy8722第十六期宏观经济与金融论坛以线上形式举行，苏黎世大学助理教授杨雨成作了题为“Deep HAM: A Global Solution Method for Hete- rogeneous Agent Models with Aggregate Shocks”的报告。会议由太阳集团tcy8722助理研究员张仁斌主持，部分师生参会。

对于高维异构代理模型一般有两种方法，分别是全局求解和局部求解。报告提出了一种高效、可靠和可解释的全局求解方法，即基于深度学习的求解具有总体冲击的异质性个体模型的算法（Deep HAM）。状态分布近似地由一组广义矩表示，深度神经网络用于近似值和策略函数，并在直接模拟的路径上优化目标。报告指出，该方法能提供一个精确的全局解法，具有三个特点：一是在求解复杂的异质智能体模型时具有计算效率，并且不受维数诅咒的影响；二是它的广义矩具有可解释性，这对于理解宏观经济学中异质性是否重要以及如何重要的经典问题至关重要；三是它像解决竞争均衡一样容易地解决了约束效率（constrained efficiency）问题，这为规范研究开辟了新的可能性。最后，报告对比了KS和Deep HAM的求解结果，发现对Deep HAM整体求解更为快速高效。报告发现，若模型中含有aggregate shock，则求解更为快速。会议最后，参会人员就连续性模型的离散化、使用总体矩的现实含义等问题进行讨论。

杨雨成，普林斯顿大学经济学博士，苏黎世大学助理教授。北京大学学士，威斯康星大学麦迪逊分校硕士，研究兴趣为宏观经济学、机器学习、金融以及数据科学，在机器学习与宏观经济学方面的系列工作获得了学术界与政策界（如美联储、英国财政部）的关注。

图文|许思萌