BriefGPT - AI 论文速递
·
全球经济中的最优贸易和工业政策：深度学习框架
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
我们提出了一个名为DL-opt的深度学习框架，用于解决可量化的一般均衡贸易模型中的最优政策问题。通过DL-opt，我们解决了非合作性关税和产业补贴问题，并揭示了纳什政策的部门性差异。研究还表明，全球双重竞争相比于全球关税战会导致更低的关税和更高的福利结果。这些发现强调了考虑部门性差异和政策组合在理解全球经济竞争中的重要性。
🎯
关键要点
- 提出了名为DL-opt的深度学习框架，用于解决可量化的一般均衡贸易模型中的最优政策问题。
- DL-opt解决了涉及7个经济体和44个行业的非合作性关税和产业补贴问题，考虑了部门性规模经济。
- 定量分析揭示了纳什政策的显著部门性差异：规模弹性增加时，纳什产业补贴增加；贸易弹性增加时，纳什关税降低。
- 全球双重竞争相比于全球关税战会导致更低的关税和更高的福利结果。
- 研究强调了在理解全球经济竞争时考虑部门性差异和政策组合的重要性。
➡️
