科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决agent建模过程中由于待估参数过多导致的参数膨胀问题,文章提出了一种基于机器学习和智能采样相结合的替代模型算法,可以在仿真预算有限的约束下高效生成原模型的替代模型。利用Catboost的机器学习算法,替代模型可以自动寻找出对输出结果产生重要影响的参数并不断逼近其真实值,从而在较低的时间成本下完成主体建模的校准、验证和敏感性分析工作。以行为金融学中经典的异质交易者定价模型为对象进行应用分析,结果表明所提出的算法具有很好的实际应用效果,在保证预测精度的前提下显著节省了时间成本。
-
单位中国地质调查局发展研究中心; 中央财经大学
