2024年12月21日至22日，首届ADEFT-XueShuo冬季学术研讨会“社科人工智能与人工智能经济学”在线上成功举办。
此次会议由清华大学孵化的学说平台主办，康奈尔大学商学院金融科技中心和斯坦福金融科技高阶实验室等全球多个研究机构和研究中心提供学术支持。
研讨会联席组委由康奈尔大学约翰逊商学院Rudd家族管理学讲席教授、金融学教授及《Management Science》金融主编叢林（丛林），与斯坦福大学管理科学与工程系终身教授Markus Pelger组成。
来自纽约大学的2011年诺贝尔经济学奖得主托马斯·萨金特（Thomas J. Sargent）教授进行了关于“机器学习与Ramsey计划”的精彩分享。
2011年诺贝尔经济学奖得主
机器学习与Ramsey计划
在2024“社科人工智能与人工智能经济学”冬季学术研讨会的开幕主旨演讲种，Thomas J. Sargent教授展示了如何将机器学习技术应用于经典的Ramsey计划问题，为宏观经济学研究提供了新的方法论视角。
Sargent教授首先介绍了Calvo (1978)模型，一个探讨了政府通过货币政策在通货膨胀与社会福利之间的权衡。模型是宏观经济学中的经典设定，但在技术层面，Sargent教授创新地使用机器学习中的梯度上升算法直接求解Ramsey计划中的最优货币增长序列，将无限维优化问题转化为有限维问题。传统上，这类问题通常需要构造解析解或使用数值方法，而机器学习提供了一种更灵活、更直观的方法。结果显示，在最优Ramsey计划下，早期阶段的通货膨胀率低于货币增长率，随后两者逐渐收敛到稳态水平。
接下来，Sargent教授展示了如何使用机器学习发现Ramsey计划的“闭环”（明尼苏达宏观经济学家的方式）表示。他提出可以将计算得到的Ramsey计划结果视为"伪数据"，然后通过最小二乘回归来寻找状态变量与控制变量之间的函数关系。这种方法结合了“人类智慧”和“人工智能”，因为研究者需要根据经济理论来猜测"好的"回归形式。他展示了一系列回归实验，这些回归的值接近1.000，表明它们成功捕捉到了政策函数的关键特征。
值得注意的是，Sargent教授在演讲中提到他目前正在阿根廷，而这个关于货币政策和通货膨胀的讨论在当地具有特殊的现实意义。不仅如此，这次演讲展示了机器学习如何为经典宏观经济学问题提供新的解决思路，不仅推进了研究方法的创新，也为经济学教育开辟了新的途径。通过将计算技术与经济理论的深刻洞察相结合，Sargent教授的工作为未来的经济学研究提供了一个富有启发性的范例。
疯狂暗示↓↓↓↓↓↓↓↓↓↓↓
