The computational modeling of economic processes 相关算法：reactive reinforcement learning (e.g. Roth-Erev RL); belief-based learning (e.g. fictitious play, Camerer/Ho’s EWA algorithm); anticipatory learning (e.g. Q-learning, adaptive dynamic programmming); evolutionary learning (e.g. genetic algorithms); and connectionist learning (e.g. artificial neural networks, deep learning).
本研究在一般均衡的视角下解决了基于代理人的金融经济模型中的货币和财政政策设计问题。我们提出了一种人工经济模型，其中涉及不同的代理人类型，即家庭，企业，商业银行，中央银行和政府。代理商采取内生性的财务决策，包括家庭的消费和证券投资，公司的资本结构和股息政策，商业银行的借贷利率，中央银行的固定设施以及政府的税收策略。经济政策由收取税收和发行政府债券的政府以及由固定基准利率的中央银行制定。特别需要注意的是对家庭信念形成的建模，这取决于对金融市场和实体经济的观察，以及对家庭偏好结构的了解，该结构结合了预期理论得出的一些心理特征。我们提出一项财政政策实验，由政府决定增加失业救济金，然后分析该财政措施对金融市场的影响。较高的支出水平是由政府发行新债券筹集的资金，导致债券价格下降。另一方面，更高的家庭购买力推动了消费和价格上涨，从而提高了企业的股权和股票价格水平。因此，根据我们的研究，可以认为采用的财政措施对金融市场具有重大影响。
该模型最初是用来模拟一个由公司、住户与政府组成的简单市场经济，后来扩展到引入银行主体、联邦储备主体、房地产主体和资本品生产主体，模型被应用于对美国宏观经济与过度经济进行仿真。1999年扩展后的ASPEN两国模型用于分析国际贸易对国民经济的影响，到2000年，ASPEN-EE模型用来分析电力系统的行为及其对其他国民经济基本结构的影响等，都取得了很好的效果。
瓶颈：不过，针对政策制定的ACE模型往往只能给出定性分析而不能像传统的宏观模型那样给出定量分析，这使得ACE在政策制定上的应用有很大的局限性。这就要求模型制定者提高自身能力来为政策的形成、控制以及评估提供更好的模型
核心的问题在于我无法说服自己两个问题
1）为什么我选的参数值是对的 2）为什么我选的函数形式是对的（强化学习好像没有这个问题）
另一个想法： 也就是不同性质的不同企业的互动对总产出波动的影响。
基于主体的计算经济学模型在美国的应用银行市场
威尔曼斯，杰森·托马斯
如果是模拟整个经济市场：参数选择可能包括： 模拟模型包括银行，对冲基金，美联储系统，股票交易模拟，信息市场和联邦，以及公司和私人家庭，信贷客户。