单主体决策

论文用actor–critic强化学习刻画经济主体如何在不知道完整环境规律时学习消费—储蓄决策。智能体通过探索行动获得奖励，把经历写入记忆并持续更新对世界的主观认识，再据此调整策略。随机最优增长模型中的实验表明，该机制能适应潜在随机过程的变化；不同探索程度会形成不同经验、学习路径和福利结果，为动态经济决策提供了区别于完全理性求解的适应性学习模型。

该文追问双曲贴现与标准指数贴现是否总能产生相同的可观测消费储蓄行为。作者在准双曲贴现模型中加入习惯形成，并在对数效用和柯布—道格拉斯生产下推导显式政策函数。结果表明，习惯参数会改变双曲贴现主体的消费储蓄决策，却不改变对应指数贴现模型的决策，因此两类偏好并非普遍具有观察等价性。该结论依赖特定效用与生产函数设定，实证区分仍需另行检验。