Core Concepts
정부(리더)와 대규모 가구(추종자) 간의 비대칭적 동적 게임을 포착하고, 미시 기반에 기반하여 거시경제 정책의 효과를 해석할 수 있는 방법론을 제시한다.
Abstract
이 논문은 거시경제 정책 문제를 Stackelberg 평균장 게임(SMFG)으로 모델링하고, 실제 데이터 기반 사전 훈련과 모델 독립적 Stackelberg 평균장 강화학습(SMFRL) 알고리즘을 제안한다.
기존 방법의 한계:
정부와 가구 간 동적 상호작용 및 피드백 모델링의 어려움
대규모 가구의 행동 전략 해결의 어려움
실제 경제 환경의 복잡성으로 인한 가정 충족의 어려움
SMFG 모델링:
정부(리더)가 먼저 정책을 수립하고, 대규모 가구(추종자)가 이에 반응하는 Stackelberg 가정
추종자의 상태-행동 분포를 통해 거시 정책과 미시 의사결정 간 연결
해결 방법:
실제 데이터 기반 사전 훈련을 통한 추종자 정책 초기화
모델 독립적 SMFRL 알고리즘을 통한 SMFG 해결
실험 결과:
SMFRL 알고리즘이 다른 모델 기반/모델 독립 알고리즘 대비 SMFG 해결에 우수한 성능
SMFG 방법론이 다른 경제 정책 대비 GDP, 복지, 형평성 측면에서 우수한 성과
일부 가구가 시장 정보를 고려하지 않더라도 SMFG 방법론의 효과성 유지
Stats
GDP 증가율은 약 9.6 × 10^12%에 달한다.
가구의 평균 소비는 약 4 × 10^11에 이른다.
가구의 평균 노동 시간은 약 0.8에 달한다.
가구의 평균 효용은 약 95에 이른다.
가구의 평균 자산은 약 1.5 × 10^12에 달한다.
가구의 평균 소득은 약 1.3 × 10^12에 이른다.
Quotes
"정부(리더)가 먼저 정책을 수립하고, 대규모 가구(추종자)가 이에 반응하는 Stackelberg 가정"
"추종자의 상태-행동 분포를 통해 거시 정책과 미시 의사결정 간 연결"