Merge branch 'main' into mccall_correlated

Author: HumphreyYang

lectures/mccall_correlated.md

@@ -34,7 +34,7 @@ tags: [hide-output]
 
 ## 概述
 
-在本讲座中，我们求解一个工资报价由持久性和暂时性成分组成的{doc}`McCall求职搜索模型 <mccall_model>`。
+在本讲座中，我们求解一个工资报价由持续性和暂时性成分组成的{doc}`McCall求职搜索模型 <mccall_model>`。
 
 换句话说，我们放宽了工资随机性在时间上独立的假设。
 
@@ -76,7 +76,7 @@ $$
 
 这里 $\{ \zeta_t \}$ 和 $\{ \epsilon_t \}$ 都是独立同分布的标准正态随机变量。
 
-这里 $\{y_t\}$ 是暂时性成分，$\{z_t\}$ 是持久性成分。
+这里 $\{y_t\}$ 是暂时性成分，$\{z_t\}$ 是持续性成分。
 
 如前所述，劳动者可以：
 
@@ -127,7 +127,7 @@ $$
 
 根据构造，$f^*$ 是 $Q$ 的不动点，即 $Q f^* = f^*$。
 
-在较弱的假设下，可以证明 $Q$ 是 $\mathbb R$ 上连续函数空间上的一个[压缩映射](https://en.wikipedia.org/wiki/Contraction_mapping)。
+在较弱的假设下，可以证明 $Q$ 是 $\mathbb R$ 上连续函数空间上的一个[压缩映射](https://baike.baidu.com/item/%E5%8E%8B%E7%BC%A9%E6%98%A0%E5%B0%84/5114126)。
 
 根据巴拿赫压缩映射定理，$f^*$ 是唯一的不动点，我们可以从任何合理的初始条件开始通过迭代 $Q$ 来得到$f^*$。
 
@@ -167,8 +167,8 @@ $Qf$ 定义中的期望项通过蒙特卡洛计算。
 job_search_data = [
      ('μ', float64),             # 暂时性冲击对数均值
      ('s', float64),             # 暂时性冲击对数方差
-     ('d', float64),             # 持久性状态位移系数
-     ('ρ', float64),             # 持久性状态相关系数
+     ('d', float64),             # 持续性状态位移系数
+     ('ρ', float64),             # 持续性状态相关系数
      ('σ', float64),             # 状态波动率
      ('β', float64),             # 折现因子
      ('c', float64),             # 失业补助
@@ -188,8 +188,8 @@ class JobSearch:
     def __init__(self,
                  μ=0.0,       # 暂时性冲击对数均值
                  s=1.0,       # 暂时性冲击对数方差
-                 d=0.0,       # 持久性状态位移系数
-                 ρ=0.9,       # 持久性状态相关系数
+                 d=0.0,       # 持续性状态位移系数
+                 ρ=0.9,       # 持续性状态相关系数
                  σ=0.1,       # 状态波动率
                  β=0.98,      # 折现因子
                  c=5,         # 失业补助