发帖
雷达卡
资料名称： 《Intermediate Quantitative Economics with Python》（QuantEcon 系列讲义，作者 Thomas
J. Sargent 与 John Stachurski，Jupyter Book 构建）。
帖内资料： 全部讲义的网页版（目录编到 150 项，正文 147 讲，另附排错、参考文献与执行统计）、整本 PDF、逐讲 .ipynb 源文件与 Colab 一键打开入口、GitHub 源仓库。
时间覆盖： 站点标注最近改动为 2025 年 10 月 16 日；仓库仍在更新，页内可见多次同步与升级提交。
许可与引用： CC BY-SA 4.0，引用与改编都需署名，改编后的作品须按同一许可发布。
适用任务： 研究生与高年级本科的宏观、金融与计算经济学课程、数值方法实现练习、把论文里的模型跑成代码、教学备课。
这套讲义解决的是一个具体缺口：经济学教材讲完模型就停在解析解，而真正把模型跑出来需要线性代数、数值方法与编程三件事同时到位。这份材料的做法是每一讲都配一个可执行的 notebook，模型推导与代码在同一页，跑一遍就能看到数值结果。
内容按主题分组，量很大。开头是工具与技术：用模型讲 COVID-19、线性代数、QR 分解、循环矩阵、奇异值分解、VAR 与 DMD、用牛顿法解经济模型。接着是概率与统计：矩阵形式的初等概率、常见分布、大数定律与中心极限定理、多元正态、故障树不确定性，还有一讲直接用神经网络。再往后是贝叶斯与信息：非共轭先验、AR
(1) 参数的后验、AR
(1) 预测、统计散度、似然比过程、Blackwell 定理、贝叶斯与频率学派决策规则比较。
中间偏后是动态与搜索：有限马尔可夫链、库存动态、线性状态空间模型、萨缪尔森乘数—加速数、Kesten 过程与企业动态、财富分布动态、卡尔曼滤波三讲；搜索部分从 McCall 模型一路做到在职搜索与带学习的搜索，共九讲；强化学习单独一组，用 Q-learning 做库存管理与求职搜索。再往后是最优储蓄与家庭问题：吃蛋糕问题、随机回报、时间迭代、内生网格法（含一版用 JAX 实现）、收入波动问题的五种解法。
后半是控制与均衡：LQ 控制从基础到拉格朗日写法、永久收入模型与其稳健版本、确定性等价、不完备市场下的消费平滑；最优增长部分有 Cass-Koopmans 模型及其竞争均衡、带扭曲税的版本、两国模型；多主体模型里能看到湖泊模型（就业与失业）、理性预期均衡、Aiyagari 模型及其内生网格解法、世代交叠模型与社会保障资金的两套算法、线性二次平均场博弈。
最后是资产定价与实证：有限状态资产定价、GMM 估计欧拉方程、Arrow 证券竞争均衡、异质信念与泡沫、仿射资产定价模型、恢复定理、面板数据的 pandas 处理、Python 里的线性回归与最大似然、以及货币数量论的两个图示。
三种读法各有用途。网页版适合按主题跳读，左侧导航按组排列；整本 PDF 适合离线通读或打印，但代码要自己敲；最能体现这套材料价值的是 notebook——每讲对应一个 .ipynb，页面上有「Notebook Launcher」，可以选 Colab 直接打开，环境不用配就能跑。仓库里存的是 MyST 格式的源文件，一讲一个 .md，代码块与输出都跟着版本走。
有两处细节值得先说清，否则容易踩坑。一是许可比常见的 CC BY 更严：这是 CC BY-SA 4.0，署名之外还带「相同方式共享」，你基于它改写的讲义或翻译，必须用同一许可发布，不能改成更宽松的条款。二是版本：站点标的是 2025 年 10 月 16 日最近改动，但仓库仍在持续提交（页内能看到软件栈升级、翻译同步这类 commit），所以引用时最好同时记下访问日期与当时看到的讲次编号，否则同一讲在不同时间的代码可能不同。
还有一页容易被忽略：排错（Troubleshooting）与执行统计。前者收的是环境与包版本冲突这类问题的处理办法，第一次跑 notebook 之前扫一眼能省时间；后者记录每讲的执行耗时，做课程安排时可以据此估工作量——有些讲带 JAX 或大规模数值迭代，跑完要几分钟。
适用与不适用要说清。它假定你已经有微积分、线性代数与概率论的基础，Python 部分不从头教语法，而是直接用 NumPy、SciPy、pandas、matplotlib 与 JAX 写模型；完全没有编程经验的人从这套材料入门会很吃力。如果你的目标是学计量回归的实操（固定效应、工具变量、聚类标准误），这套讲义里只有少数几讲（面板数据、线性回归、最大似然、GMM）相关，系统学计量要另找材料。
────────────────
讲义首页、整本 PDF、GitHub 源仓库与 Colab 入口的地址都在下面，回帖就能看到。
京公网安备 11010802022788号
