库快速上手#

如果你不想先经过 BCW 示例，而是希望从一个可用环境直接走到第一次 finhjb 求解，就从这里开始。

下面这个例子故意保持得很小。它不是经济模型模板，而是为了把包里的对象分工讲清楚。

开始前#

最小可用求解示例#

下面这个例子是故意压到最小的。它不是研究模型，而是一个 package smoke test，用来清楚展示 Parameter / Boundary / PolicyDict / Policy / Model 这五层结构。

from dataclasses import dataclass

import jax.numpy as jnp
import finhjb as fjb


class Parameter(fjb.AbstractParameter):
    offset: float = 0.0


class PolicyDict(fjb.AbstractPolicyDict):
    control: object


@dataclass
class Boundary(fjb.AbstractBoundary[Parameter]):
    pass


@dataclass
class Policy(fjb.AbstractPolicy[Parameter, PolicyDict]):
    @staticmethod
    def initialize(grid: fjb.Grid, p: Parameter) -> PolicyDict:
        return PolicyDict(control=jnp.zeros_like(grid.s))

    @staticmethod
    @fjb.explicit_policy(order=1)
    def keep_zero(grid: fjb.Grid) -> fjb.Grid:
        grid.policy["control"] = jnp.zeros_like(grid.s)
        return grid


@dataclass
class Model(fjb.AbstractModel[Parameter, PolicyDict]):
    @staticmethod
    def hjb_residual(v, dv, d2v, s, policy, jump, boundary, p):
        return v - (s + p.offset)

    @staticmethod
    def auxiliary(grid: fjb.Grid):
        return {"value_mean": jnp.mean(grid.v)}


parameter = Parameter()
boundary = Boundary(
    p=parameter,
    s_min=0.0,
    s_max=1.0,
    v_left=0.0,
    v_right=1.0,
)
solver = fjb.Solver(
    boundary=boundary,
    model=Model(policy=Policy()),
    policy_guess=True,
    number=200,
    config=fjb.Config(derivative_method="central"),
)

state, history = solver.solve()
grid = state.grid

print(type(state).__name__)
print(history.shape)
print(grid.df.head())
print(grid.aux)

这个例子说明什么#

  • Parameter 放模型输入

  • Boundary 定义状态和值函数边界

  • PolicyDict 声明求解器要维护哪些策略数组

  • Policy 负责初始化和策略更新

  • Model.hjb_residual(...) 是求解器要逼近为零的核心方程

这就是最小直接 package 工作流。若你的目标是自己写模型，而不是先复现 BCW，它就是更合适的起点。

求解后先看什么#

第一次求解后，优先检查：

  • type(state).__name__

  • history

  • state.grid.boundary

  • state.grid.df.head()

  • state.grid.df.tail()

  • 如果你实现了 auxiliary(grid)，再看 state.grid.aux

相关页面#