KI-Durchbruch: BIS löst komplexe HANK-Modelle mit neuronalen Netzen

Die Bank für Internationalen Zahlungsausgleich (BIS) präsentiert einen bahnbrechenden Ansatz zur Lösung komplexer ökonomischer Modelle.

Unter dem Titel „Generatives Ökonomisches Modellieren“ wird eine Hybridmethode vorgestellt, die neuronale Netze mit konventionellen Lösungstechniken verbindet.

Ziel ist es, hochdimensionale, nicht-lineare dynamische Modelle, wie sie in der modernen Makroökonomie vorkommen, zugänglich zu machen.

Die Methode trainiert neuronale Netze auf vereinfachten Submodellen, um das Verhalten des vollständigen Modells zu approximieren und so die „Fluch der Dimensionalität“ zu umgehen.

Angewendet auf ein komplexes HANK-Modell mit Finanzfriktionen, zeigen die Ergebnisse, dass aggregiertes Risiko das Vorsichtsmotiv der Haushalte verstärkt und Finanzschocks ausgeprägte nicht-lineare Effekte hervorrufen.

Dies eröffnet neue Möglichkeiten für die Analyse von Schocktransmissionen und Politikimplikationen.

Die Forschung der BIS reiht sich in die wachsende Debatte um den Einsatz künstlicher Intelligenz zur Bewältigung komplexer Herausforderungen in der Wirtschaftsmodellierung ein.

Traditionelle Methoden stoßen bei hochdimensionalen Modellen mit heterogenen Akteuren und Nichtlinearitäten, wie den wichtigen HANK-Modellen, an ihre Grenzen.

Dieser neue Ansatz ist bemerkenswert, da er einen pragmatischen Weg aufzeigt, die Stärken von KI und etablierten numerischen Methoden zu kombinieren.

Er könnte die analytischen Fähigkeiten von Zentralbanken und Finanzinstitutionen erheblich erweitern und präzisere Einblicke in die Auswirkungen von Schocks und geldpolitischen Maßnahmen ermöglichen.