威尼斯人平台

2024年8月，威尼斯人平台 聂军教授申报的重点项目“异质性动态宏观模型的机器学习求解算法与应用研究”项目获2024年度国家自然科学基金委审批立项，获资助直接经费160万元。威尼斯人平台 刘熙莹副教授、刘岩副教授、熊琛副研究员等作为主要成员参与该项目。校内外其他主要参与成员还包括赵耀辉教授、朱胜豪教授、陈南教授、蔡恒进教授、冯志钢副教授和杨雨成助理教授。

国家自然科学基金作为国家支持基础研究和应用基础研究的主渠道，基金项目立项数是衡量高校科研能力和科研水平的重要指标。在推动科学创新、培养科研人才、促进学科交叉与融合、服务国家重大需求以及提升国际竞争力等方面发挥着不可替代的重要作用。

项目负责人简介

聂军，武汉大学二级教授、博士生导师、泰康讲席教授、威尼斯人平台 院长。武汉大学经济学和数学双学士、纽约大学经济学博士。博士期间师从诺贝尔经济学奖得主、宏观经济学大师托马斯·萨金特教授。长期从事宏观经济与政策方向的研究，发表学术论文和研究报告五十余篇。其学术成果和一些对经济的独特见解被国际主流媒体广泛报道，多次接受采访和重要决策机构咨询。研究论文发表在Economic Journal、Journal of Economic Theory、Journal of International Economics、Journal of European Economic Association、European Economic Review、Review of Economic Dynamics、Journal of Economic Dynamics and Control等国际顶级期刊。目前担任中国第一本被SSCI收录的经济和金融类英文期刊Annals of Economics and Finance（《经济学和金融学年刊》）的联合主编。

项目简介

选题依据

1. 高质量发展的现实需求

我国经济已步入高质量发展阶段，社会主要矛盾从“发展不足”转变为“发展不平衡、不充分”，围绕就业、分配、教育、医疗、住房、养老等民生问题的研究需求日益突出。习近平总书记在《求是》文章中指出，“推动高质量发展需要做好做大‘蛋糕’，并进一步分好‘蛋糕’，让现代化建设成果惠及全体人民”。这对经济政策研究提出了更高要求，亟需从分配、结构优化等多维度进行科学分析。

2. 异质性个体动态宏观模型的重要性

以代表性个体为基础的传统动态宏观模型，难以有效刻画和分析高质量发展阶段中个体差异带来的复杂经济现象。异质性个体动态宏观模型（Heterogeneous Agent Dynamic Macro Models）能够通过细化个体禀赋、需求与结构差异，更系统地分析就业、分配和社会福利等问题。这类模型已经成为近年来宏观经济学的重要前沿领域，为构建政策制定所需的理论基础提供了可能性。

3. 模型算法的技术瓶颈与突破

异质性个体模型求解的主要挑战在于高维异质性主体的内生分布问题，其状态变量往往是无穷维，导致“维数灾难”。传统算法（如Krusell-Smith方法）通过分布降维近似，取得了初步成效，但在远离稳态的动态路径中表现有限。近年来，机器学习和人工智能的迅速发展为宏观模型的求解提供了全新路径。深度学习算法可以对复杂动态系统中的高维状态进行全局求解，为异质性动态宏观模型的进一步发展奠定技术基础。

4. 中国经济特征的特殊需求

中国经济具有高度的异质性与显著的结构转型特征。无论是地区之间的发展差距，还是行业与微观主体的多样性，都使得异质性研究成为不可忽视的关键问题。此外，中国经济尚远未达到稳态发展阶段，传统依赖稳态附近分析的方法难以满足政策研究需求。结合微观大数据与全局非线性分析的异质性动态宏观模型，是理解和解决中国经济复杂现实问题的核心工具。

研究聚焦的问题

1. 如何通过机器学习的方法建立适合高维异质性动态宏观模型的算法体系

目前，传统算法在处理异质性主体内生分布的动态问题时，存在计算效率低、精度不足的困境。研究将聚焦于利用机器学习技术，尤其是深度学习算法，对模型的高维内生状态变量进行全局求解，突破“维数灾难”的瓶颈。这将为异质性宏观模型在理论与实践中的广泛应用奠定算法基础。

2.如何构建与中国微观大数据相结合的应用于重大现实问题的异质性动态宏观模型并进行量化政策分析

结合中国微观经济大数据和实际政策需求，构建能够反映中国经济特征的异质性动态宏观模型是支持政策分析的关键。在中国经济高质量发展的阶段，这一研究需要重点关注微观主体的异质性（如居民、企业的行为差异）、结构转型路径与地区差异，以开发更具针对性的建模框架。微观大数据为模型提供了刻画异质性的丰富基础，但也带来了求解复杂性和数据处理的严峻挑战。通过引入机器学习方法，可以有效处理高维数据与复杂性问题，实现对异质性主体行为的动态均衡分析，并支持量化政策效果的深入研究。

通过以上研究，这一课题旨在实现理论创新与实践需求的有机结合，为宏观经济学发展与现实经济问题的解决作出贡献。

课题的研究价值

理论意义：本研究旨在基于深度学习方法构建一套适用于异质性动态宏观模型求解的通用算法体系。这一体系将为复杂宏观经济模型的求解提供创新的技术路径，填补当前研究中算法手段的不足，并为异质性动态宏观经济模型的广泛应用奠定算法范式的基础。这不仅丰富了宏观经济建模的理论工具箱，还为未来更多学术研究的开展提供了技术支撑。

现实意义：本研究致力于结合中国经济的独特特征和微观大数据的丰富资源，开发异质性动态宏观模型，为中国经济的本质特征研究提供更为精准的分析框架。这种结合将使政策制定者能够更清晰地理解经济中的异质性因素及其动态影响，从而为高效、精准的政策设计提供坚实的科学依据和技术参考，有力支持中国迈向高质量发展的战略目标。