Approximating small open economy models with neural network trained by genetic algorithm
Bu tez size mi ait?
Bu kayıt toplu arşivden geldi. Sizinse profilinize bağlayın.
Özet (TR)
Bu tez calışması, Stephanie Schmitt-Grohe ve Martin Uribe(2003)'un calışmışolduğu borç esnekligi olan faiz primini ve dışbükey portföy maliyetlerini içerenküçük açık ekonomik modellerini yakınsamak için doğrudan numerik bir çözümmetodu sunmaktadır. Yeni geliştirilmiş bu metod politika fonksiyonunu birincidereceden yakınsayan metod ile içsel değişkenlerin ikinci momentleri veetki tepkileri göz önüne alınarak karşılaştırılmıştır.Burada sunulan, genetikalgoritma-sinirsel ağ olarak adlandırılan metod, politika fonksiyonunu genetikalgoritma ile eğitilmiş yapay sinirsel ağlar ile parametrize etmektedir. Böylecebu numerik metod, birinci dereceden yakınsama tekniğinden farklı olarak amaçve politika fonksiyonlarının türevlerinin sürekliliğini ve varlığını gerektirmez.En önemlisi de, Genetik algoritmalar, olası küme üzerinde global arama yapmaimkanı veren evrimsel algoritmalar olduğundan, herhangi bir çözüm uzayındasağlıklı sonuçlar sunabilmektedir. Ayrıca, metodumuz, sadece modelin momentlerinideğil, en optimal yolu da sunmaktadır.
Yazar
Yeşim Coşkun
Bu Yayına Nasıl Atıf Yapılır
Yeşim Coşkun (Yüksek Lisans Tezi). Approximating small open economy models with neural network trained by genetic algorithm, 2008, İhsan Doğramacı Bilkent University.
Anahtar Kelimeler
Lisans
Tüm Hakları Saklıdır
Bu eser belirtilen lisans koşulları altında paylaşılmaktadır.
İhsan Doğramacı Bilkent University tezlerinden daha fazlası
- A study over tax and relationship formed around taxation in the Ottoman Empire (16th-17th century)(2019)
- Random sets and choquet-type representations(2021)
- Oil price surges and the yield curve(2024)
- Living alone: Pathways, experiences and future expectations(2025)
- The evolution of a concept: "Vatan" from hometown to shared place(2024)
- Approaches to teaching creative writing in L2 at the tertiary level: A critical interpretive synthesis(2025)
