금융, 경제 및 정책: 종이에서 코드로의 경로

이 페이지의 내용

총 60개 도구 · 기여하는 방법

에이전트가 조사한 건설 경로입니다. 실행 라인은 실제로 수행된 제한된 작업을 보고합니다. 비교 섹션에서는 게시된 결과를 주장하기 전에 남은 내용을 정의합니다. 인간의 과학적 검토가 보류 중입니다.

퀀트립#

QuantLib — 도서관과 몬테카를로에서 계산한 유럽 콜이 원래 가격 방정식과 일치할 수 있습니까?

경로: 종이 모델 적응. 실행: 실행되지 않습니다. 소스 신뢰도: 높다.

퀀트립용 논문#

Fischer Black; Myron Scholes (1973). The Pricing of Options and Corporate Liabilities. 10.1086/260062.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전문 액세스: 게시자 메타데이터를 실시간으로 확인합니다. 이전에 검사된 사용자 제공 제한 품목 PDF 재배포가 없습니다.

논문의 목표: 가정 p. 640; 방정식. 오후 13시 644. 방정식. 13은 과거 관찰보다는 명시적으로 합성 입력을 사용하는 목표입니다.

퀀트립용 코드 및 입력#

아티팩트 또는 업스트림 소스. Black/Scholes 작성자 코드가 아닌 현재 공식 구현 및 수치 엔진 비교입니다. 기존 OSRI Python 적응은 방정식을 구현합니다.

검사된 소스: 응. 참조: 마스터. 커밋: 9ba30347b4ea179a5f4daec446cd221d21b8721f.

파일: Examples/EquityOption/EquityOption.cpp

용어: BSD-3-절

환경 및 컴퓨팅: 기존 랩 Python 3.12 환경: QuantLib 1.44 및 고정된 수치 종속성; 또는 별도의 CMake 빌드에서 업스트림 C++ 예제를 컴파일합니다. CPU; 교육 사례의 경우 초에서 분까지입니다.

입력: 기존 OSRI 적응은 합성 현물=100, 파업=100, 비율=0.05, 변동성=0.2, 성숙도=1년, 50000 경로 및 시드 42를 사용합니다. C++ 업스트림 예제에는 다른 풋옵션 입력이 있습니다.

데이터 액세스: 합성 입력; 시장 데이터 구독이 없습니다.

퀀트립 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. # Existing lab command, not a new execution in this research pass
  2. python simulation-lab/examples/option_monte_carlo.py --help
  3. # Follow the existing CPU walkthrough with its pinned requirements and explicit output directory. Do not mix the C++ example parameters with the Python target.

예상 출력: 기본 옵션 CSV, 매개변수 JSON, Monte Carlo 표준 오류 및 신뢰 구간.

논문과의 비교: 방정식을 계산합니다. 13 독립적으로; QuantLib 분석 값을 배정밀도 공식과 비교하고 보고된 표준 오류를 사용하여 몬테카를로 오류를 평가합니다. 기존 실행 분석 값은 10.450583572185565였습니다. 이를 일치시키면 경험적으로 게시된 테이블이 아닌 합성 방정식 예가 확인됩니다.

실행 결과: 소스 검사만; 이 경로에 대한 새로운 실행은 없습니다.

실행 증거: 녹음된 내용이 없습니다.

차단제: 원본 1973년 소스 코드 아티팩트가 없습니다. 기존 예는 현대적인 적응입니다.

다음 작업: 수치 방법 연구를 제안하기 전에 현재 공식 테스트를 유지하고 성숙도/화폐성/변동성 및 수렴 대 경로 수에 대한 그리드를 추가합니다.

간격: 이전 연구실 릴리스에서 방정식 적용이 이미 실행되었습니다. 새로운 종이 결과 재생산이 없습니다.

퀀트립 소스#

거주하다#

ABIDES — 대량 구매 주문은 시뮬레이션 주문장과 후속 가격 경로를 어떻게 변경합니까?

경로: 종이 모델 적응. 실행: 실행되지 않습니다. 소스 신뢰도: 높다.

거처용 종이#

David Byrd; Maria Hybinette; Tucker Hybinette Balch (2019). ABIDES: AI 연구를 위한 충실도 높은 시장 시뮬레이션을 향하여. arXiv:1904.12066v1; 컨퍼런스 버전 DOI 10.1145/3384441.3395986.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전체 텍스트 액세스: 오픈 HTML 검사; Crossref는 2020 컨퍼런스 ABIDES 기록을 확인합니다. 여기의 세부 목표는 명시적으로 2019년 사전 인쇄입니다.

논문의 목표: 섹션 6, 그림 6-7: 탐욕 제어 영향 이벤트 및 정렬된 이벤트 연구 경로; 섹션 5 그림 4는 과거 IBM/MSFT 거래를 사용합니다.

abides에 대한 코드 및 입력#

아티팩트 또는 업스트림 소스. 사전 인쇄에 의해 명시적으로 연결된 저장소입니다. 현재 Impact.py는 사전 인쇄에 설명된 과거 데이터 오라클과 달리 생성된 평균 복귀 오라클을 사용합니다.

검사된 소스: 응. 참조: 마스터. 커밋: c4bf157678928934417aba6073eb0651aeaf6d15.

파일: 구성/impact.py; 구성/rmsc03.py; 요구사항.txt; 읽어보기.md

용어: BSD-3-절

환경 및 컴퓨팅: 고립된 역사적 Python 환경; 종속성을 해결하기 전에 이전 NumPy/pandas/SciPy 요구 사항을 검사하세요. 최신 CPU 환경에 설치하지 마십시오. CPU; 많은 에이전트 이벤트 simulation; 시드 배치를 예약하기 전에 한 세션을 벤치마킹하세요.

입력: 합성 적응의 경우 config/impact.py, 제어 및 처리의 동일한 무작위 시드, 문서화된 탐욕 매개변수. 정확한 문서 재생을 위해서는 원본 기록 틱 및 구성 수정이 추가로 필요합니다.

데이터 액세스: 합성 오라클에는 진드기가 필요하지 않습니다. 원래의 과거 거래일에는 허가된 진드기 접근이 필요할 수 있습니다.

abides 구축 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. # Proposed command from inspected CLI; clone and checkout the pinned artifact first
  2. python -u abides.py -c impact -s 1234 -g 0.3 -l impact_g03
  3. python -u abides.py -c impact -s 1234 -g 1.9 -l impact_g19
  4. # Repeat paired control/treatment experiments over independently selected seeds; inspect -i semantics (it disables impact).

예상 출력: 거래소/주문장 로그, 정렬된 거래/중간 가격 시리즈, 시드당 가격-영향 곡선.

논문과의 비교: 이벤트 시간 및 서명된 가격 변동 측정항목을 미리 선언합니다. 기록 구성 및 입력을 복구한 후 그림 6/7을 사용하여 시간 경과에 따른 치료 제어 영향을 비교합니다. 현재 합성 오라클 실행은 적응입니다. 용지 곡선 값과 공차는 아직 추출되지 않았습니다.

실행 결과: 소스 검사만; 이 경로에 대한 새로운 실행은 없습니다.

실행 증거: 녹음된 내용이 없습니다.

차단제: 현재 구성은 다른 백그라운드 에이전트/oracle을 사용합니다.; 기록 용지 구성 및 진드기 데이터는 복구되지 않습니다.; 기록 환경이 실행되지 않았습니다.

다음 작업: 종이 시대의 커밋/구성 및 합법적인 틱 입력을 복구합니다. 적응에 명시적으로 라벨을 지정하면서 쌍을 이루는 합성 충격 실험으로 시작합니다.

간격: 실행 가능한 RMSC03 튜토리얼만으로는 이러한 종이 수치를 재현할 수 없습니다.

abides의 출처#

핀#

FinRL — PPO, A2C 및 DDPG의 앙상블이 논문의 기준에 비해 위험 조정 주식 거래 성능을 향상합니까?

경로: 종이 모델 적응. 실행: 실행되지 않습니다. 소스 신뢰도: 중간.

Finrl용 종이#

양홍양; 류샤오양; Shan Zhong; 안와르 왈리드(2020). 자동화된 주식 거래를 위한 심층 강화 학습: 앙상블 전략. 10.1145/3383455.3422540.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전체 텍스트 액세스: Crossref 제목/저자/연도 확인; 저자 대학에서 주최하는 논문 텍스트를 사용할 수 있습니다.

논문의 목표: 경험적 앙상블 대 개인 에이전트 및 DJIA/최소 분산 백테스트; 목표는 전체 텍스트에서 추출할 표/그림 번호와 수치 허용 오차를 포함하는 종이 성능 비교입니다.

finrl의 코드 및 입력#

아티팩트 또는 업스트림 소스. ICAIF 2020 실험을 위해 명시적으로 명명되었지만 이후 업데이트된 작성자가 관리하는 노트북입니다. 이후 arXiv 기록으로 연결된 정확한 종이 저장소는 HTTP 404를 반환합니다.

검사된 소스: 응. 참조: 마스터. 커밋: 286fef6c828a02a2ccf807c05b292d8cb28f8e95.

파일: examples/FinRL_Ensemble_StockTrading_ICAIF_2020.ipynb

용어: MIT; 시장 데이터 재사용 권한 별도

환경 및 컴퓨팅: 격리된 고정 FinRL/Stable-Baselines3/PyTorch/Jupyter 환경. 노트북은 변경 가능한 Git HEAD에서 FinRL를 설치합니다. 실행 전에 테스트된 불변 버전으로 교체하세요. 소규모 진단에 CPU 사용 가능; 전체 롤링 앙상블 훈련 예상 시간, GPU는 선택 사항입니다.

입력: DJIA 구성 요소, 조정된 OHLCV 및 지표, 거래 비용, 분할 날짜, 난류 임계값, 교육 예산 및 시드. 검사된 노트북은 현재 2010-01-01..2021-10-01 열차 및 2021-10-01..2023-03-01 테스트를 사용하므로 원본 2020 evaluation가 아닙니다.

데이터 액세스: 노트북은 YahooDownloader를 호출합니다. 정확한 과거 입력을 동결하고 공급자 조건 및 조정 가격 처리를 확인합니다. 실시간 거래가 필요하지 않습니다.

finrl 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. # Proposed preparation: clone FinRL-Meta and checkout the recorded commit
  2. # Inspect every notebook cell; pin FinRL dependency and archive lawful input data before training
  3. jupyter nbconvert --execute --to notebook --ExecutePreprocessor.timeout=-1 examples/FinRL_Ensemble_StockTrading_ICAIF_2020.ipynb --output ensemble.executed.ipynb

예상 출력: 실행된 노트북, 모델, 계정 값 CSV, 앙상블 선택 추적 및 백테스트 통계 테이블.

논문과의 비교: 원본 evaluation 우주를 재현하고 분할합니다. 반복되는 시드에 대한 연간 수익률, 하락률 및 Sharpe 통계를 비교하십시오. 공차/분포 비교를 미리 선언합니다. 현재 노트북 날짜 및 종속성은 변경이 필요하며 일치할 때까지 조정으로 설명되어야 합니다.

실행 결과: 소스 검사만; 이 경로에 대한 새로운 실행은 없습니다.

실행 증거: 녹음된 내용이 없습니다.

차단제: 현재 정확한 원본 저장소 URL은 404입니다.; 노트북 데이터 분할은 종이보다 최신입니다.; 변경 가능한 종속성 설치 및 무작위 시드가 완전히 고정되지 않았습니다.

다음 작업: 보관된 종이 시대의 노트북/데이터를 복구한 다음 반복되는 시드로 동결된 백테스트를 실행합니다. 그동안 작가 노트를 건설 비계로 사용하세요.

간격: 최신 노트북 반환을 재현된 ICAIF-2020 결과로 설명하지 마십시오.

finrl의 소스#

엔진#

Open Source Risk Engine — 중앙 청산은 시스템적 노출과 거래상대방 신용 리스크를 어떻게 변화시키는가?

경로: 논문 결과 후보자. 실행: 시도됨; 막힌. 소스 신뢰도: 높다.

엔진용 종이#

니콜라이 노바치크; 샤린 오할로란(2024). Computing the impact of central clearing on systemic risk. 10.3389/frai.2024.1138611.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전체 텍스트 액세스: 방법, 검증, 결과 및 소스 각주를 포함하여 검사된 전체 HTML을 엽니다.

논문의 목표: 섹션 7.3–7.6 ORE 위험 계산 및 노트북 시각화, 섹션 8.4 그림 15: 노출의 50%가 CCP에 집중되어 있습니다. 그림 14 상대적 CVA 영향. 각주 13, 16–17 링크 코드 및 ORE v1.8.4.0 입력.

엔진용 코드 및 입력#

아티팩트 또는 업스트림 소스. 종이로 연결된 저자 노트북 및 사전 계산된 simulation 출력. 저장소 트리에는 ORE를 호출하는 업스트림 생성기가 아닌 대시보드 자산이 포함되어 있습니다. ORE v1.8.4.0은 기사에서 별도로 참조됩니다.

검사된 소스: 응. 참조: 마스터. 커밋: 677f5e7b639d4b8de18767a0f2b8db4844ceaf1a.

파일: 대시보드/central_clearing/simulation_cva/central_clearing_sim_cva.ipynb; 대시보드/central_clearing/simulation_cva/environment.yml; 대시보드/central_clearing/simulation_cva/df_risk_systemic.csv; 대시보드/central_clearing/simulation_cva/df_risk_cp.csv; 대시보드/central_clearing/simulation_cva/risk_graphs_nx.json

용어: 저장소 라이센스를 찾을 수 없습니다. 작성자 자산을 재배포하기 전에 권한을 검사하세요. ORE 자체 BSD-3-Clause.

환경 및 컴퓨팅: 기록 대시보드는 Windows 관련 Conda Python 3.7.5, pandas 0.23.4, networkx 2.2를 사용합니다. Linux로 포팅하려면 새로운 기록 환경이 필요합니다. 새로운 simulation에는 ORE v1.8.4.0과 누락된 생성기가 추가로 필요합니다. CPU에 맞게 작게 다시 플롯합니다. 전체 ORE 포트폴리오/네트워크 배치는 발전기 복구 후에 프로파일링되어야 합니다.

입력: 그림 재현을 위한 번들 위험 CSV/그래프 원래 생성된 포트폴리오, 시장/보정 파일, 무작위 그래프 설정 및 새로 실행하는 데 필요한 ORE 입력.

데이터 액세스: 공개 대시보드에는 합성 출력 테이블이 포함되어 있습니다. 재사용 라이센스가 지정되지 않았습니다. 종이에 참조된 번들 ORE 시장 입력.

엔진 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. # Proposed replot route, after constructing a compatible isolated environment
  2. cd dashboards/central_clearing/simulation_cva
  3. jupyter notebook central_clearing_sim_cva.ipynb
  4. # Fresh simulation cannot be specified completely from this repository: retrieve portfolio-generation and ORE orchestration code first.

예상 출력: 대시보드 노출/CVA 도표 및 분석된 위험 표 새로운 ORE 노출 CSV에는 오케스트레이션이 누락되어 있어야 합니다.

논문과의 비교: 새로운 ORE 수치 출력이 없습니다. 이전의 저장된 출력 지분 50.339%–50.927%는 여전히 정확한 서류상 50% 진술과 다르며 심사되지 않은 상태로 유지됩니다.

실행 결과: 신선한 simulation는 검색된 작성자 아티팩트에서 실행할 수 없습니다. 전체 소스/기록에 포트폴리오 생성기 또는 ORE 오케스트레이션이 없습니다. 이전에 저장된 출력 분석은 별도로 유지되며 새로 실행된 것으로 계산되지 않습니다.

실행 증거: 작성자 코드 시도; 기록 실행

차단제: 작성자 포트폴리오 생성기, ORE 조정/구성 및 원본 시드 사양이 누락되었습니다. 종이에 연결된 저장된 출력 버전의 대응/불일치가 해결되지 않았습니다.; 대시보드 저장소에서 라이선스를 찾을 수 없습니다.

다음 작업: 작성자 생성기/구성 아티팩트 및 버전이 지정된 ORE v1.8.4.0 입력을 검색합니다. 그런 다음 실행하기 전에 숫자 목표와 허용 오차를 선언합니다.

간격: 작성자 포트폴리오 생성기, ORE 조정/구성 및 원본 시드 사양이 누락되었습니다. 종이에 연결된 저장된 출력 버전의 대응/불일치가 해결되지 않았습니다.; 대시보드 저장소에서 라이선스를 찾을 수 없습니다.

엔진 소스#

귀를 기울이다#

HARK / Econ-ARK — 작성자 관련 코드가 Carroll의 버퍼 재고 절약 수치와 표를 재생성할 수 있습니까?

경로: 논문 결과 후보자. 실행: 실행된 예시입니다. 소스 신뢰도: 높다.

하크용 종이#

크리스토퍼 D. 캐롤(1997). Buffer-Stock Saving and the Life Cycle/Permanent Income Hypothesis. 10.1162/003355397555109.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전문 액세스: 이전에 검사된 사용자 제공 제한 전문. 실시간 Crossref 및 Econ-ARK 자재 기록이 확인되었습니다.

논문의 목표: 그림 I, V, VI, VII 및 표 I-II는 그림 1a/1b, 그림 5a/b/c, 그림 6/7 및 표 1/2 출력 코드에 해당합니다. 원래 기준선 pp. 5–8은 이미 실험실에서 주석을 달았습니다.

Hark용 코드 및 입력#

아티팩트 또는 업스트림 소스. Econ-ARK는 이것을 Carroll, Yusuf 및 Son의 복제로 식별합니다. 소스는 종이와 관련된 그림/표를 명시적으로 저장합니다.

검사된 소스: 응. 참조: 마스터. 커밋: 0a278360b77eeac1df1e91374c168b3091365fbf.

파일: 재현.sh; 코드/Python/BufferStock-LifeCycle.py; 바인더/environment.yml; 종이/그림; 종이/테이블

용어: 저장소 라이센스와 HARK Apache-2.0을 별도로 검사하십시오. 제한 품목은 제외됩니다.

환경 및 컴퓨팅: 역사적인 Econ-ARK 노트북 런타임; README 문서 econark/econ-ark-notebook:0.10.4; Python 스크립트 메타데이터에 3.7.6이 나와 있습니다. 최신 HARK 0.17.2에서는 API가 변경되었습니다. CPU; 정책 기능 솔루션 및 가계 수명주기 simulation, 그 다음에 플로팅.

입력: 고정된 스크립트의 교정 및 수명 주기 프로필을 작성합니다. 충격 분포 세부 정보, 실업 확률, 할인 요인 및 정확한 성장 변형을 보존합니다.

데이터 액세스: 코드/입력 프로필은 공개적으로 사용 가능합니다. 원본 PDF는 제한된 상태로 유지되며 재배포되지 않습니다.

구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. git clone https://github.com/econ-ark/BufferStock-LifeCycle.git
  2. cd BufferStock-LifeCycle
  3. git checkout 0a278360b77eeac1df1e91374c168b3091365fbf
  4. # Prepare its historical environment; inspected reproduce.sh runs the Python script using IPython
  5. bash reproduce.sh

예상 출력: 종이/그림/Figure1a.png, Figure1b.png, Figure5a.png, Figure5b.png, Figure5c.png, Figure6.png, Figure7.png; 종이/테이블/table1.tex 및 table2.tex.

논문과의 비교: 실제 스크립트 실행이 복원되었습니다. 기준 목표 순자산은 인쇄된 0.32가 아닌 0.31로 반올림됩니다. 저자 구현 방법은 원본 논문과 다릅니다. 종이 복제에 대한 주장은 없습니다.

실행 결과: 정확한 소스에서 생성된 7개의 그림 PNG와 2개의 LaTeX 테이블. 엄격한 원본-논문 기준 목표 비교가 실패했습니다. SciPy 진행되지 않음 경고가 유지되었습니다.

실행 증거: 작성자 코드 시도; 기록 실행

차단제: 엄격한 인쇄된 테이블 비교가 실패합니다.; 저자 이산화/simulation 및 보정 규칙은 원본 논문과 다릅니다.; SciPy 전체 스크립트의 다른 곳에서 진행되지 않는 경고; 모든 수량의 수렴이 확립되지 않았습니다.

다음 작업: 수치 설정/충격 분포 및 결정론적 목표 잔여물을 감사합니다. 종이 결과 재현을 선언하기 전에 불일치를 해결하십시오.

간격: 엄격한 인쇄된 테이블 비교가 실패합니다.; 저자 이산화/simulation 및 보정 규칙은 원본 논문과 다릅니다.; SciPy 전체 스크립트의 다른 곳에서 진행되지 않는 경고; 모든 수량의 수렴이 확립되지 않았습니다.

Hark의 출처#

퀀테콘#

QuantEcon.py — 무보험 특유 소득 위험은 예방적 저축과 균형 자본에 어떤 영향을 미칩니까?

경로: 종이 모델 적응. 실행: 실행되지 않습니다. 소스 신뢰도: 높다.

퀀테콘용 종이#

S. 아이야가리 라오(1994). 무보험 특유 위험 및 총 저축. 10.2307/2118417.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전체 텍스트 액세스: Crossref 신원 확인됨; 이 패스에서는 전체 원본 용지를 읽을 수 없습니다. 유지보수 담당자의 전체 모델 강의/코드 점검.

논문의 목표: QuantEcon 강의 Aiyagari 모델, 균형 구현 및 자본 공급/수요 도표; 원문 정량표 대상은 아직 검사되지 않았습니다.

퀀테콘용 코드 및 입력#

아티팩트 또는 업스트림 소스. 1994년 작성자 프로그램이 아닌 Aiyagari 모델의 유지관리자가 작성한 교육 구현입니다. 라이브 강의는 두 가지 상태의 단순화된 소득 프로세스를 사용합니다.

검사된 소스: 응. 참조: 메인. 커밋: 007bbd592a4c1f43931ebb0eeb0e64ba36fa8a47.

파일: lectures/aiyagari.md

용어: 강의/도서 라이센스 및 QuantEcon.py MIT 별도; 코드를 복사하기 전에 검사하세요.

환경 및 컴퓨팅: 고정된 Python + 퀀테콘, JAX/JAXLIB, SciPy 및 matplotlib; 강의에서처럼 JAX 64비트를 활성화하세요. GPU를 사용하여 강의를 제작했지만 CPU를 지원합니다. CPU 지원; 첫 번째 JAX 컴파일은 오버헤드를 추가합니다.

입력: 강의 모델: 로그 효용성, 베타=0.96, 100 자산 포인트, 두 가지 생산성 상태 [0.1,1.0], 전환 [[0.9,0.1],[0.1,0.9]], 알파=0.33, 델타=0.05. 이는 교육 기본값이며 용지 보정과 일치한다고 주장되지 않습니다.

데이터 액세스: 합성 모델 입력, 가정용 마이크로데이터가 필요하지 않습니다.

퀀테콘 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. git clone https://github.com/QuantEcon/lecture-python.myst.git
  2. cd lecture-python.myst
  3. git checkout 007bbd592a4c1f43931ebb0eeb0e64ba36fa8a47
  4. # Proposed: execute lectures/aiyagari.md as a MyST/Jupyter notebook in its pinned book environment; preserve all cells and outputs.

예상 출력: 저축정책, 고정분배, 자본공급곡선, 수요곡선, 균형이자율/자본.

논문과의 비교: 교육 사례의 경우 그리드 개선에 따른 정상성, 확률 정규화, 자원 타당성 및 자본 시장 잔차를 검증합니다. 1994년 수치 비교 이전에 원본 논문의 이산화/보정 및 명명된 표 셀을 복구합니다.

실행 결과: 소스 검사만; 이 경로에 대한 새로운 실행은 없습니다.

실행 증거: 녹음된 내용이 없습니다.

차단제: 원본 논문 결과/표 및 교정은 감사되지 않습니다. 도서 환경 및 JAX 버전에는 테스트된 잠금이 필요합니다.

다음 작업: 고정된 강의를 실행하고 수치 배열/잔차를 내보낸 다음 별도의 종이 일치 교정 및 정량적 비교를 구성합니다.

간격: 단순화된 강의를 원본 종이 테이블 재현으로 표시하지 마십시오.

퀀테콘 소스#

og-core#

OG-Core — 대체 세금 기능 표현은 조세 정책에 대한 거시경제적 반응 예측을 어떻게 변경합니까?

경로: 종이 모델 적응. 실행: 실행되지 않습니다. 소스 신뢰도: 중간.

og-core용 종이#

Jason DeBacker; Richard W. Evans; Kerk L. Phillips (2019). Integrating Microsimulation Models of Tax Policy into a DGE Macroeconomic Model. 10.1177/1091142118816744.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전체 텍스트 액세스: 게시자/Crossref 메타데이터 및 작성자 복제 README 검사; 저자/컨퍼런스에서 전체 텍스트 초안을 확인할 수 있습니다.

논문의 목표: 세금 기능 대안 및 기준/개혁 일반 균형 결과 게시된 정확한 표/그림 번호와 셀은 여전히 ​​최종 문서 검사가 필요합니다. 작성자 저장소는 TFI_tables_Figures.py를 제공합니다.

og-core용 코드 및 입력#

아티팩트 또는 업스트림 소스. 현재 OG-Core는 OG-USA와 같은 국가 모델에 연결된 현대적인 프레임워크입니다. 정확한 2019년 문서 코드는 rickecon/TaxFuncIntegr에 있으며 역사적인 OG-USA를 사용합니다. OG-Core로 전환하는 것은 동일한 코드 재실행이 아닌 포트입니다.

검사된 소스: 응. 참조: 마스터. 커밋: 7c31fbb5e3cb0fc49de5e99da444af9c7c0bb469.

파일: 예제/run_ogcore_example.py; 예제/예제-차이점; ogcore/SS.py; ogcore/TPI.py

용어: CC0-1.0

환경 및 컴퓨팅: 절연된 전류 OG-Core Python 환경; 2019년 결과를 재현하는 경우 별도의 과거 TaxFuncIntegr 환경입니다. 참고 README는 run_examples를 가리키지만 검사된 스냅샷은 실제로 example/를 사용합니다. CPU; 업스트림 README는 전체 기준/개혁 경로가 2시간을 초과할 수 있음을 경고합니다.

입력: 현재의 공식 사례는 정확한 역사적 논문 실험이 아닌 자체 지출 경로에 따라 기준 기업 세율 0.21과 개혁 0.35를 설정합니다. 종이 경로에는 보존된 세금 기능 적합성과 역사적 인구 통계가 필요합니다.

데이터 액세스: 현재 예제에는 합성/기본 교정이 포함되어 있습니다. 종이에 맞는 것은 가능하지만 PUF 마이크로데이터는 제한됩니다.

og-core 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. git clone https://github.com/PSLmodels/OG-Core.git
  2. cd OG-Core
  3. git checkout 7c31fbb5e3cb0fc49de5e99da444af9c7c0bb469
  4. # Proposed environment install from the pinned pyproject, then run the actual inspected entry point
  5. python examples/run_ogcore_example.py

예상 출력: example/OG-Core-Example/BASELINE 및 REFORM 출력, model_params.pkl, SS/SS_vars.pkl, TPI/TPI_vars.pkl, example_output.csv 및 example_plots.

논문과의 비교: 먼저 오래된 예제 차이점 이름을 해결한 후 시장 정리/오일러 잔차 및 자체 회귀 참조를 사용하여 현재 공식 예제를 재현합니다. 그런 다음 명명된 TaxFuncIntegr 종이 케이스를 포팅하고 동일한 교정 하에서 집계 전환 경로를 비교합니다.

실행 결과: 소스 검사만; 이 경로에 대한 새로운 실행은 없습니다.

실행 증거: 녹음된 내용이 없습니다.

차단제: 정확한 역사적 모델은 현재 OG-Core가 아닌 OG-USA를 사용합니다. README 경로/출력 이름 및 예제/예제-차이점은 현재 스크립트에 비해 오래되었습니다.; 용지 일치 포트와 전체 출력 비교가 수행되지 않습니다.

다음 작업: 호환 가능한 OG-Core 릴리스를 동결하고 해당 예제를 실행합니다. 작성자 아카이브와 명시적인 차이점을 사용하여 종이 교정 포트를 별도로 정의합니다.

간격: 현재 OG-Core 튜토리얼은 역사적인 논문 복제로 제시될 수 없습니다.

og-core 소스#

세금 계산기#

Tax-Calculator — 논문의 미시 세율 추정치와 거시 세금 기능 비교를 재생성할 수 있습니까?

경로: 논문 결과 후보자. 실행: 실행된 예시입니다. 소스 신뢰도: 높다.

세금 계산기용 종이#

Jason DeBacker; Richard W. Evans; Kerk L. Phillips (2019). Integrating Microsimulation Models of Tax Policy into a DGE Macroeconomic Model. 10.1177/1091142118816744.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전체 텍스트 액세스: 게시자/Crossref 메타데이터 및 작성자 복제 README 검사; 저자/컨퍼런스에서 전체 텍스트 초안을 확인할 수 있습니다.

논문의 목표: 2018년 5월 저자 원고 DEP_TaxFuncs.pdf, 표 7 및 8, 선호 사양 정상 상태 GDP 변화 +0.07%; 2019년 최종 저널 수치표는 독립적으로 일치하지 않습니다.

세금 계산기용 코드 및 입력#

아티팩트 또는 업스트림 소스. 논문/초안에 대한 저자 복제 코드; Tax-Calculator를 호출하고 적합한 세금 기능 출력과 해결된 모델 출력을 저장합니다.

검사된 소스: 응. 참조: 마스터. 커밋: 715cc76e3305c00dd64d79521c504bb388c6d87d.

파일: run_TaxFuncInt.py; TFI_tables_Figures.py; 환경.yml; 2017_law.json; OUTPUT_BASELINE; 출력_개혁

용어: CC0-1.0 헌신; LICENSE.md를 검사했습니다. Tax-Calculator 자체도 CC0입니다.

환경 및 컴퓨팅: 기록 Python 3.6 환경, 느슨한 Conda 환경의 Taxcalc>=0.19.0.yml, 기록 OG-USA 로컬 패키지. 이 파일에 의해 유지되지 않는 정확한 해결된 기록 종속성 버전입니다. README에서는 전체 12가지 사례 분석을 위해 10개 이상의 프로세서 또는 100시간 이상의 직렬로 약 10시간을 추정합니다.

입력: 새로운 세금 기능 추정을 위한 원본 IRS PUF; 부분 공개 경로로 제공되는 미리 계산된 적합 기능 피클 파일. CPS 데이터는 PUF를 대체할 수 있지만 실험을 변경합니다.

데이터 액세스: IRS PUF는 공개되지 않았습니다. 기존 추정 함수를 사용할 수 있습니다. PUF/제한된 세금 기록을 업로드하지 마십시오.

세금 계산기 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. git clone https://github.com/rickecon/TaxFuncIntegr.git
  2. cd TaxFuncIntegr
  3. git checkout 715cc76e3305c00dd64d79521c504bb388c6d87d
  4. # Historical environment must be reconstructed; README contains a pyton typo and outdated Python/ folder path. Inspect files before use.
  5. # Proposed: set run_micro=False to reuse published fitted functions; do not claim this reruns the microsimulation stage
  6. python run_TaxFuncInt.py
  7. python TFI_tables_figures.py

예상 출력: 기준/개혁 적합 세금 기능, SS/TPI 출력, 출판 테이블 및 플롯 스크립트의 수치.

논문과의 비교: 숫자 +0.069545535%는 선언된 허용 오차에서 2018년 5월 초안 +0.07%와 일치합니다. 6개의 기본 출력이 보관된 작성자 SS와 일치합니다. 범위는 제공된 맞춤 입력을 사용하여 새로운 매크로 해결입니다. 두 경우 모두 음의 G는 실패한 경제적 타당성으로 유지되므로 이 일치도 작은 오일러 잔차도 유효한 정책 예측을 설정하지 않습니다.

실행 결과: 새로운 기준선과 반사실적인 거시 안정 상태가 해결되었습니다. 저자-원고 SS GDP 반올림 목표가 일치합니다. 두 폐쇄 모두 부정적인 정부 지출을 요구하기 때문에 경제적 타당성 진단은 실패합니다. Tax-Calculator를 가져왔지만 microsimulation/PUF 추정이 실행되지 않았습니다.

실행 증거: 작성자 코드 시도; 기록 실행

차단제: 새로운 Tax-Calculator 미시 추정에는 원래 제한된 IRS PUF를 사용할 수 없습니다. 정부 지출은 해결된 거시 안정 상태 모두에서 마이너스입니다.; 최종 2019 저널 테이블 ID가 확인되지 않았습니다. 선택된 비교는 2018년 5월 저자 원고입니다.; 전체 세금 기능 피팅 및 전환 경로는 다시 실행되지 않습니다.

다음 작업: 회계 폐쇄 타당성을 해결하고 최종 저널 테이블/버전을 확인합니다. 새로운 microsimulation 추정이 필요한 경우에만 합법적인 PUF 액세스를 사용하십시오.

간격: 새로운 Tax-Calculator 미시 추정에는 원래 제한된 IRS PUF를 사용할 수 없습니다. 정부 지출은 해결된 거시 안정 상태 모두에서 마이너스입니다.; 최종 2019 저널 테이블 ID가 확인되지 않았습니다. 선택된 비교는 2018년 5월 저자 원고입니다.; 전체 세금 기능 피팅 및 전환 경로는 다시 실행되지 않습니다.

세금 계산기 소스#

openfisca 코어#

OpenFisca — 목표 현금 혜택은 아동 수당과 비교하여 어떻게 근로 인센티브 절벽을 생성합니까?

경로: 해결되지 않았습니다. 실행: 실행되지 않습니다. 소스 신뢰도: 낮다.

openfisca-core용 논문#

맥스 게니스(2022). 목표 현금 지원은 근로 인센티브에 어떤 영향을 미치나요?. CGO Research in Focus, 2022-06-17(연구 보고서, DOI 없음).

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전문 액세스: 전체 보고서를 열고 출판사 작성자/날짜를 검사합니다. 이것은 저널 기사가 아닌 출판된 정책 연구 보고서입니다.

논문의 목표: 케임브리지 가문의 순이익 절벽과 매사추세츠의 빈곤 simulation. 보고서에 따르면 주 전역의 전반적인 빈곤 감소는 15%, 아동 빈곤은 42%입니다. 이는 경험적 개입 효과가 아닌 모델 예측입니다.

openfisca-core용 코드 및 입력#

아티팩트 또는 업스트림 소스. 보고서에 정확한 작성자 노트북이 연결되어 있지만 저장소는 현재 404를 반환합니다. 변경할 수 없는 스냅샷이 복구되지 않았습니다. 이 보고서는 과거 OpenFisca-US를 연결합니다. 최신 PolicyEngine은 상호 교환이 가능한 것으로 간주되지 않습니다.

검사된 소스: 아니. 참조: 확립되지 않았습니다.. 커밋: 확립되지 않았습니다..

파일: analyze.ipynb(보고서에 이름이 지정됨, 검사에 사용할 수 없음)

용어: 사용할 수 없습니다. 소스/데이터 재배포 조건을 가정하지 마십시오.

환경 및 컴퓨팅: 노트북 및 종속성 핀이 복구될 때까지 해결되지 않은 과거 OpenFisca-US/Core 환경입니다. 현재 OpenFisca 코어만으로는 과거 국가 모델이나 정책 보고서를 재현할 수 없습니다. 아마도 CPU microsimulation; 데이터가 복구될 때까지 크기를 알 수 없습니다.

입력: 원본 보고서 노트북, 가구 사양, 2022년 법률 스냅샷, 설문조사 마이크로데이터/가중치 및 혜택 가정 모두 여전히 복구 및 조건 검사가 필요합니다.

데이터 액세스: 공개적으로 신고하세요. 원본 노트북/데이터는 현재 사용할 수 없습니다. 일반 OpenFisca 국가 템플릿은 별도의 튜토리얼이며 이 연구 아티팩트를 제공하지 않습니다.

openfisca-core 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. # Recovery steps only; no working execution command is established
  2. # Retrieve analysis.ipynb from the author or an authenticated archive; verify it matches the report
  3. # Reconstruct the historical OpenFisca-US and Core versions, law period, data and weights
  4. # Only then execute the recovered notebook in an isolated environment and compare the reported targets.

예상 출력: 예상되는 건설 결과: 가처분 소득-소득 곡선, 빈곤 변화 및 예산 중립 아동 수당 비교. 코드가 복구될 때까지 파일 이름을 알 수 없습니다.

논문과의 비교: 회복 후에는 원래 가중치와 정의를 사용하여 특정 보고 계열의 혜택 절벽과 명시된 빈곤율 변화를 비교합니다. 반올림 허용오차를 미리 선언합니다. 현행법/국가 패키지를 대체품으로 사용하지 말고 재생산이라고 부르세요.

실행 결과: 소스 검사만; 이 경로에 대한 새로운 실행은 없습니다.

실행 증거: 녹음된 내용이 없습니다.

차단제: 정확한 재생 저장소는 HTTP 404를 반환합니다.; 과거 모델 버전, 입력 데이터 권한 및 가중치가 복구되지 않았습니다.

다음 작업: 공개 연습을 구성하기 전에 저자 노트북/아카이브 및 공유 가능한 입력 사양을 요청하거나 남아 있는 아카이브가 있는 대체 논문을 선택하세요.

간격: 이 도구에는 아직 이 후보로부터 액세스할 수 있는 검사된 연구 코드 경로가 없습니다.

openfisca-core 소스#

다이나레#

Dynare — 발표된 베이지안 DSGE 모델의 충격 반응과 사후 추정치를 재생성할 수 있습니까?

경로: 논문 결과 후보자. 실행: 실행된 예시입니다. 소스 신뢰도: 높다.

다이나레용 종이#

Frank Smets; Rafael Wouters (2007). Shocks and Frictions in US Business Cycles: A Bayesian DSGE Approach. 10.1257/aer.97.3.586.

출판 유형: 기본 메타데이터 레코드를 참조하세요. 여기에 분류되지 않았습니다.. 기본 메타데이터. 메타데이터 검증: 확인되었습니다. 전문 액세스: 공식 AEA 기사 기록 및 복제 패키지 소개 페이지를 검사했습니다. 코드 검사에서는 유지 관리된 타사 구현을 사용합니다.

논문의 목표: Paper의 베이지안 추정, 충격 분해 및 충격 반응; 특정 인쇄된 테이블 셀/그림 허용 오차에는 여전히 전체 텍스트 비교가 필요합니다. 공식 복제 아카이브 DOI 10.3886/E116269V1.

dynare용 코드 및 입력#

아티팩트 또는 업스트림 소스. 명시적인 Smets/Wouters 귀속 및 수정을 통해 Johannes Pfeifer의 복제를 유지했습니다. 참조 및 문서 차이점으로 AEA에 연결된 원본 아카이브를 선호합니다.

검사된 소스: 응. 참조: 마스터. 커밋: 26c21f79e4c6a6b19b18e6330edc5b23489907a4.

파일: Smets_Wouters_2007/Smets_Wouters_2007.mod; Smets_Wouters_2007/Smets_Wouters_2007_45.mod; Smets_Wouters_2007/usmodel_data.mat; Smets_Wouters_2007/usmodel_mode.mat

용어: 헤더당 이 Dynare 구현을 위한 GPL-3.0 이상; 원본 데이터/아카이브 용어는 별도입니다.

환경 및 컴퓨팅: 개방형 런타임을 위한 GNU Octave가 포함된 Dynare; 지원되는 Dynare 릴리스를 선택하고 모델의 버전 정보를 검사하세요. 호스트에는 식별된 Octave/Dynare가 없습니다. 시스템 설치가 승인되지 않았습니다. 검사된 기본 모델은 mh_replic=0, mode_compute=0 및 제공된 usmodel_mode를 사용한 다음 충격_분해 y를 사용합니다. 기본적으로 전체 MCMC 체인을 실행하지 않습니다. CPU; 결정적 모드/IRF 검사는 전체 베이지안 MCMC 추정보다 작습니다.

입력: 7개 시리즈 usmodel_data.mat 및 사후 모드 시작 파일이 번들로 제공됩니다. 원본 표본, 변환, 사전 확률, 추정 옵션 및 시드는 선택한 목표와 일치해야 합니다.

데이터 액세스: OpenICPSR을 통해 사용 가능한 원본 AEA 연결 복제 패키지. 번들 데이터가 타사 저장소에 존재합니다. 아카이브 다운로드/액세스 조건을 확인하세요.

다이나레 구성 및 비교#

아래 시퀀스에는 레이블이 지정된 업스트림 명령과 제안된 설정 지침이 포함되어 있습니다. 실행 증거에서 식별된 명령만 여기에서 실행되었습니다. 실행하기 전에 고정된 소스와 필수 구성 요소를 검사하세요.

  1. git clone https://github.com/JohannesPfeifer/DSGE_mod.git
  2. cd DSGE_mod
  3. git checkout 26c21f79e4c6a6b19b18e6330edc5b23489907a4
  4. cd Smets_Wouters_2007
  5. # Proposed Octave command after installing an isolated compatible Dynare runtime
  6. octave --no-gui --eval "dynare Smets_Wouters_2007.mod"

예상 출력: Dynare 모델/결과 파일, 제공된 후방 모드의 evaluation 및 기본 설정에서 y에 대한 충격 분해. 전체 사후/MCMC 진단에는 mh_replic 및 추정 옵션을 명시적으로 변경해야 합니다. 기본 nograph/nodiagnostic은 이러한 출력을 억제합니다.

논문과의 비교: 탐색적 분해 잔차는 7.1e-15입니다. 제공된 모드/설정에서 라플라스 밀도 -1844.0985587. 원래 게시된 숫자 대상/샘플/모드가 일치하지 않으며 런타임/모델 경고가 남아 있습니다.

실행 결과: 신선하게 유지된 모델 evaluation 및 유한 40×9×230 충격 분해가 완료되었습니다. 원본과 논문의 정량적 비교나 사후 추정은 주장되지 않습니다.

실행 증거: 작성자 코드 시도; 기록 실행

차단제: 이전 모드 파일은 현재 모델과 비교하여 확인할 수 없습니다.; gaminv 사전 바인딩 계산이 일부 값에 대해 수렴되지 않았습니다.; 충격 분해 설정에서 음수 배열 치수가 0으로 변환됩니다. 할당되지 않은 정상 상태 블록 변수에서 33개의 전처리기 경고가 발생합니다.; 공식 원본 복제 아카이브를 다운로드하려면 계정이 필요합니다.; 유지되는 모델은 제공된 이전 모드와 230개의 관측치를 사용합니다. 선택된 종이 대상에 대한 대응은 확인되지 않았습니다.

다음 작업: 원본 아카이브/샘플/모드를 일치시키고 사전 바인딩/모드 호환성 경고를 해결한 다음 전체 사후 추정 전에 명명된 용지 비교를 정의합니다.

간격: 이전 모드 파일은 현재 모델과 비교하여 확인할 수 없습니다.; gaminv 사전 바인딩 계산이 일부 값에 대해 수렴되지 않았습니다.; 충격 분해 설정에서 음수 배열 치수가 0으로 변환됩니다. 할당되지 않은 정상 상태 블록 변수에서 33개의 전처리기 경고가 발생합니다.; 공식 원본 복제 아카이브를 다운로드하려면 계정이 필요합니다.; 유지되는 모델은 제공된 이전 모드와 230개의 관측치를 사용합니다. 선택된 종이 대상에 대한 대응은 확인되지 않았습니다.

다이나레 소스#

GitHub에서 소스 보기