재귀적 효용함수를 이용한 동적 프로그래밍을 위한 심층 학습
Deep Learning for Dynamic Programming with Recursive Utility
재귀적 효용함수(recursive utility)를 갖는 고차원 이산 시간 동적 프로그래밍 문제를 풀기 위한 최초의 딥러닝 알고리즘인 확실성 등가 학습(CEL, Certainty Equivalent Learning)을 제안하며, 신경망으로 가치 함수, 정책 함수, 확실성 등가 함수를 공동 근사하는 시뮬레이션 기반의 격자망 없는(mesh-free) 방식을 채택했다. Epstein-Zin DSGE, 소잡음 강건 제어, 다변량 전략적 자산 배분 등 다양한 벤치마크에서 기존 VFI 방식에 필적하는 정확도를 달성하면서도 고차원 상태·제어 공간으로의 확장성을 입증했다.