2014年编程语言在宏观经济模型中的比较：效率与特性探讨

本文档《A Comparison of Programming Languages in Economics (16-Jun-2014)》由S. Borağan Aruoba和Jesús Fernández-Villaverde两位学者于2014年6月撰写，主要探讨了经济学研究中几种主流编程语言的应用比较。他们选择了解决宏观经济模型——随机新古典增长模型（stochastic neoclassical growth model），这是现代宏观经济学的核心模型。他们采用了C++11、Fortran 2008、Java、Julia、Python、Matlab、Mathematica和R这七种编程语言来实现相同的价值函数迭代算法（value function iteration with grid search）。 作者在文章中详细记录了这些代码在Mac和Windows计算机上的执行时间，并对每种语言的性能进行了评估。他们的研究旨在揭示不同编程语言在经济学建模中的优势和劣势，这对于理解编程语言在经济学研究中的适用性和效率至关重要。文中涉及的关键领域包括动态均衡经济理论（Dynamic Equilibrium Economies）、计算方法以及编程语言的选择。 通过对比分析，作者可能讨论了C++11的高效性和性能优化，Fortran 2008的数值计算专长，Java的跨平台能力，Julia的新颖性和对并行计算的支持，Python的易用性和丰富的库支持，Matlab的图形化界面和数据分析功能，Mathematica的高级数学符号计算，以及R在统计分析领域的广泛运用。此外，他们还提到了与 Manuel Amador、Matthew MacKay、John Stachurski、Florian Oswald等人的合作，以及NSF的财务支持。 该研究不仅有助于经济学家和程序员了解各自工具的适用场景，也推动了经济学研究中编程语言技术的发展和应用讨论。对于那些在经济模型开发和数值模拟中寻求最有效工具的读者来说，这篇文章提供了宝贵的参考和实践指导。