Titulo: Optimización de políticas fiscales usando aprendizaje por refuerzos
Área: Investigación Operativa, Inteligencia Artificial
Nombre del proponente: Ignacio Ramírez
Email de contacto: nacho@fing.edu.uy
Descripción de la propuesta:

Lo siguiente es tomado de economipedia.com:
"La política fiscal es una disciplina de la política económica centrada en la gestión de los recursos de un Estado y su Administración. Está en manos del Gobierno del país, quién controla los niveles de gasto e ingresos mediante variables como los impuestos y el gasto público para mantener un nivel de estabilidad en los países."

Los problemas de la política económica involucran decisiones complejas, que toman en cuenta una cantidad enorme de variables, y consecuencias críticas a corto, mediano y largo plazo. En ese contexto, y dado el éxito de los métodos de RL y DRL en este tipo de escenarios, la idea de aplicarlos para la toma de decisiones económicas está tomando mucha fuerza (ver referencias al final del documento adjunto).
La idea es hacer una revisión del estado del arte, elegir por lo menos tres métodos, implementarlos y ensayarlos en un escenario sintético predefinido (por ejemplo, en el trabajo de
Zheng et. al (2021) se desarrolló un simulador para probar los algoritmos que está disponiblepara el publico en: https://github.com/salesforce/ai-economist -- ver también
https://einstein.ai/the-ai-economist).


Adjuntos: documento PDF ReinforcementLearningEconomics.pdf
Marcas: