Структурное подразделение: Центр математического моделирования экономических процессов
Руководитель работ: Полбин Андрей Владимирович, Директор научно-исследовательского центра, Кандидат экономических наук
Сроки выполнения: 2023 год.
Актуальность исследования: Численное решение динамических стохастических моделей общего равновесия (Dynamic Stochastic General Equilibrium, DSGE), занимающих важное место в современном макроэкономическом анализе, в большинстве случаев сводится к переходу к системе линейных разностных уравнений с последующим ее анализом. Безусловным преимуществом такого подхода является простота имплементации и возможность работы с многомерными моделями. Однако будучи локальным методом, он приводит к потере части важной информации о взаимном движении макроэкономических переменных, особенно когда экономика находится вдали от долгосрочного равновесия и подвержена большим по величине шокам, что особенно актуально для российской экономики в последние годы. Глобальные методы, преодолевающие эту проблему, сталкиваются, однако, с другой – «проклятием размерности». Это не позволяет применять глобальные методы к современным DSGE моделям, которые для наилучшего отражения реальности включают в себя разного рода клинья / жесткости, что обуславливает наличие в модели вектора состояния большой размерности. В связи с этим разработка и применение эффективных глобальных методов остается актуальной задачей экономико-математического моделирования. Одним из наиболее перспективных направлений сегодня стал подход, основанный на нейросетевых технологиях. Преимущество этого подхода состоит в отвязке от дискретных сеток разбиения исходного многомерного пространства вектора состояния и в преодолении, таким образом, проклятия размерности. Нейросетевые технологии получения глобального решения DSGE моделей для развитых экономик успешно апробированы, для стран же с высокой зависимостью от экспорта сырьевых товаров, насколько нам известно, успешные примеры применения нейронных сетей для нахождения решения DSGE моделей в литературе не представлены. В этой связи представляется актуальным разработать алгоритмы, основанные на глубоком обучении, для нахождения глобального решения DSGE модели для российской экономики, что позволит описывать поведение экономических агентов в условиях наличия ограничений на заимствования, изучать особенности динамики макроэкономических показателей РФ при воздействии больших шоков и разрабатывать в данных условиях эффективные меры экономической политики.
Основная цель исследования: Разработка алгоритмов, основанных на глубоком обучении, для нахождения глобального решения DSGE модели для российской экономики.
Основные фундаментальные и прикладные задачи, решаемые в рамках исследования:
- Изучение теоретических и практических исследований в части применения нейронных сетей для решения динамических стохастических моделей общего равновесия;
- Выявление места нейросетевых технологий в общем спектре численных методов позволяющих аппроксимировать глобальное решение;
- Учет точек недифференцируемости при аппроксимации функции политики;
- Постановка конкретных моделей и их решение с помощью нейронных сетей;
- Формирование рекомендаций по разработке архитектуры сети и выбору гиперпараметров в зависимости от особенностей модели;
- Численный имитационный анализ на основе разработанной модели по анализу влияния шоков и мер экономической политики.