异构代理资源与工具包（HARK）

HARK是一个用于结构化建模优化和非优化异构代理经济选择的工具包。有关HARK的使用信息，请参阅Econ-ARK网站。

Econ-ARK项目采用开放式治理模式，并由NumFOCUS提供财政赞助。请考虑捐赠以帮助该项目支付开发时间、专业服务、差旅、研讨会和其他各种需求，捐赠可享受税收减免。

本项目受行为准则约束。

问题/评论/帮助

我们有一个Gitter Econ-ARK 社区。

目录

• 安装
• 使用
• 引用
• 支持
• 发布类型
• API文档
• 简介
  • 对于学生：HARK的温和介绍
  • 对于经济学家：使用HARK进行结构化建模
  • 对于计算经济学开发者
• 为HARK做出贡献
• 当前项目团队成员
  • 创始人
  • TSC（技术指导委员会）
  • 合作者
  • 发布团队
• 贡献者
• 免责声明

安装

通过运行以下命令从Anaconda Cloud安装：

conda install -c conda-forge econ-ark

通过运行以下命令从PyPi安装：

pip安装econ-ark

使用

我们从一个几乎是最简单的消费模型开始：一个具有CRRA效用的消费者

对除了（随机的）死亡日期之外的所有事情都有完美的预见能力。

代理的问题可以用贝尔曼形式表示为

要模拟上述问题，首先从适当的HARK模块导入PerfForesightConsumerType模型，然后使用适当的参数创建代理实例

import HARK

from HARK.ConsumptionSaving.ConsIndShockModel import PerfForesightConsumerType

PF_params = {
    "CRRA": 2.5,  # Relative risk aversion
    "DiscFac": 0.96,  # Discount factor
    "Rfree": 1.03,  # Risk free interest factor
    "LivPrb": [0.98],  # Survival probability
    "PermGroFac": [1.01],  # Income growth factor
    "T_cycle": 1,
    "cycles": 0,
    "AgentCount": 10000,
}

# Create an instance of a Perfect Foresight agent with the above paramaters
PFexample = PerfForesightConsumerType(**PF_params)

一旦模型创建完成，请使用.solve()让代理解决问题

# Tell the agent to solve the problem
PFexample.solve()

解决问题将填充代理的.solution列表属性，其中包含每个时期的解决方案。在无限期模型的情况下，列表中只有一个元素，位于索引零处。

您可以从解决方案的.cFunc属性检索解决方案的消费函数

# Retrieve the consumption function of the solution
PFexample.solution[0].cFunc

或者您可以从解决方案的.hNrm属性检索按永久性收入归一化的人均财富的解决值

# Retrieve the solved value for human wealth normalized by permanent income
PFexample.solution[0].hNrm

有关上述示例的详细说明，请参阅演示笔记本A Gentle Introduction to HARK。

有关更多示例，请访问econ-ark/DemARK存储库。

引用

如果您在您的工作或研究中使用Econ-ARK，请引用我们的数字对象标识符或复制以下BibTex。

[1] Carroll, Christopher D, Palmer, Nathan, White, Matthew N., Kazil, Jacqueline, Low, David C, & Kaufman, Alexander. (2017, October 3). econ-ark/HARK

BibText

@InProceedings{carroll_et_al-proc-scipy-2018,
  author    = { {C}hristopher {D}. {C}arroll and {A}lexander {M}. {K}aufman and {J}acqueline {L}. {K}azil and {N}athan {M}. {P}almer and {M}atthew {N}. {W}hite },
  title     = { {T}he {E}con-{A}{R}{K} and {H}{A}{R}{K}: {O}pen {S}ource {T}ools for {C}omputational {E}conomics },
  booktitle = { {P}roceedings of the 17th {P}ython in {S}cience {C}onference },
  pages     = { 25 - 30 },
  year      = { 2018 },
  editor    = { {F}atih {A}kici and {D}avid {L}ippa and {D}illon {N}iederhut and {M} {P}acer },
  doi       = { 10.25080/Majora-4af1f417-004 }
}

有关认可Econ-ARK的更多信息，请访问我们的网站。

支持

需要帮助？请打开GitHub问题或联系TSC。

发布类型

• 当前：处于积极开发中。当前版本的代码位于其主版本号的分支上（例如，v0.10.x）。
• 开发：目前处于积极开发中。当前版本代码正在开发中。

当前版本遵循语义化版本控制。更多详细信息请参阅发布文档。

文档

最新版本的文档可在docs.econ-ark.org找到。

简介

为学生：HARK的温和介绍

到目前为止，经济学家在“大数据”方面所做的许多工作，与开普勒对天文数据的处理方式类似：整理数据，寻找模式和规律以及相互关系。

另一种称为“结构建模”的方法旨在对经济数据进行处理，就像牛顿对天文数据所做的那样：提供一种深刻而严谨的数学（或计算）框架，提炼出产生“大数据”的潜在行为的本质。

笔记本HARK的温和介绍详细说明了如何轻松利用我们的工具箱进行结构建模。从简单的完美预期模型开始，我们解决了一个代理问题，然后通过添加收入冲击和改变构建属性进行实验。

为经济学家：使用HARK进行结构建模

对代表性代理模型回答大衰退提出的重要问题的能力的不满，导致宏观经济学文献中出现了向“异质代理”模型转变的强烈趋势，在这种模型中，微观经济代理人（消费者；企业）解决与微观经济数据相匹配的结构性问题；通过明确模拟解决此类模型的群体的均衡行为来推导出总结果。

类似的建模技术也越来越多地受到微观经济学家的欢迎，这些技术涵盖了从劳动经济学到产业组织等多个领域。在宏观经济学和结构微观经济学中，这些技术广泛应用的障碍主要是，直到现在，编写结构模型需要大量的专业知识和定制软件开发。

HARK提供了一个强大、设计良好的开源工具箱，可以比过去更有效地构建此类模型。

我们的DCEGM Upper Envelope笔记本演示了如何使用HARK复制Iskhakov, Jørgensen, Rust, and Schjerning论文，以解决离散-连续退休储蓄问题。

笔记本从经验结果中制作结构估计是使用HARK进行快速结构估计的另一例证，基于MPC Heterogeneity and Household Balance Sheets by Fagereng, Holm, and Natvik的第9表。

有关如何创建自己的模型或使用工具和模型创建应用的更多信息，请参阅HARK手册。

为HARK做出贡献

我们希望向Econ-ARK的贡献对每个人来说都既有趣、愉快又富有教育意义。

贡献远远超出了拉取请求和提交。尽管我们很高兴能给你机会在HARK上留下你的印记，但我们也非常期待收到各种其他贡献，包括

• 文档更新、增强、设计或错误修复
• 拼写或语法修正
• REAME.md修正或重新设计
• 添加单元测试或功能测试
• 整理GitHub问题 — 例如指出相关文件，检查可重现性
• 在Twitter上搜索#econ-ark并帮助需要帮助的其他人
• 回答带有econ-ark标签的StackOverflow问题
• 教授他人如何为HARK做出贡献
• 撰写关于HARK的博客、演讲或创建教程
• 帮助我们的邮件列表中的其他人

如果你担心或者不知道如何开始，你可以随时联系TSC，或者简单地提交一个问题，成员可以帮助你提供指导！

在你的第一次贡献之后，请告诉我们，我们将把你添加到下面的贡献者名单中！

有关开发安装的更多信息，请参阅快速入门指南。

有关为HARK做出贡献的更多信息，请参阅贡献指南。这是合作者维护Econ-ARK项目时遵循的指南。

免责声明

这是HARK的beta版本。代码尚未经过充分的测试。我们希望它是有用的，但绝对没有任何保证（明示或暗示）它能正常工作或满足你的需求。请自行承担风险。并且，如果你发现错误，请通过在GitHub页面上提交问题来告诉我们！