clear all;
close all;

% Definovani strukturalnich parametru modelu
% tj. parametry preferenci (domacnosti) a technologii (firmy)
% strukturalni = policy invariant = nezavisle na hopo

% alpha : kapitalovy podil na vystupu
% beta  : diskontni faktor
% delta : mira depreciace
% theta : parametr rizikove averze, take (inverzni) mezicasova elast.  substituce 
% gamma : uroven technologie

alpha = .35;
beta  = .98;
delta = .025;
theta = 2;
gamma = 5;

%  Najdete steady state uroven kapitalu jako funkci strukturalnic  parametru
%  kstar = ((1/beta - 1 + delta)/(alpha*gamma))^(1/(alpha-1));

%  Definovani poctu diskretnich hodnot k 
g = 3;

%  Mozne stavy kapitalu
k = [2.85
     3.00
     3.15]

% (a)
% Vypocitejte matici spotreby c (3 × 3)   pro vsechny mozne kombinace hodnot k_t a  k_t+1

% vypocet v cyklu

for i = 1 : g
   for j = 1 : g
      c(i,j) = gamma*k(i)^alpha + (1-delta)*k(i) - k(j);
      % i je citac pro stavovou promenou  k_t
      % j je citac pro ridici promenou k_t+1
   end
end

% efektivni vypocet




% prirazeni uzitku 
% vypocet v cyklu

% for i = 1 : g
%    for j = 1 : g
%       u(i,j) = (c(i,j)^(1-theta) - 1)/(1-theta);    
%         i je citac pro stavovou promenou  k_t
%         j je citac pro ridici promenou k_t+1
%    end
% end

% efektivni vypocet



% (b)
% hodnotova funkce 
v = [167.6
     168.1
     168.6];
 
% Transformace vektoru v na matici 3 x 3, kde kazdy radek je identicky

% definovani sloupcoveho vektoru jednicek
one =   [ ];

% prenasobeni vektoru jednicek a transponovaneho vektoru v
tmp1 = [ ];

% alternativne pomoci fce repmat
tmp0 = [];

% Vykresleni vysledku 
disp(''); % blank line
disp('v transformovany:')
disp(tmp1);

% Vypocet souctu {u(k_t,k_t+1) + beta*v(k_t+1)}
tmp2 = [];

% Vykresleni vysledku
disp(''); % blank line
disp('Matice ve slozenych zavorkach:')
disp(tmp2);

% (c)
%  Nalezeni nejvetsi hodnoty v kazdem radku
%  i.e. pro kazde k_t najdi hodnotu k_t+1, ktera maximalizuje cilovou funkci

Tv = [];

disp(''); % blank line
disp('Vysledna hodnota z maximalizace pro kazde k_t:')
disp(Tv);

% (d)
% Nalezeni optimalniho rozhodovaciho pravidla  (zatim jen jeden krok)

% najdi, ktery prvek k_t+1 (jeho poradi ve vektoru) dava optimalni hodnotu
Tv = [ ];


disp(''); % blank line
disp('Prvek vektoru k_t+1 pri optimalnim vyberu:')
disp('');


% (optimalni) rozhodovaci pravidlo pro kapital (prevod poradi vektoru na hodnotu kapitalu k_t+1)
kdr = [];


disp(''); % blank line
disp('rozhodovaci pravidlo pro k_t+1:')
disp(kdr);

% (optimalni) rozhodovaci pravidlo pro spotrebu, jako funkce stavu k
cdr = [];


% (e)
% Vyse uvedene v cyklu 

% nastaveni parametru pro cyklus
convcrit = 1E-9;  % konvergencni kriterium (male cislo)
diff = 1;         % arbitrarne zvolene cislo (vetsi jak convcrit)
iter = 0;         % citac iteraci

% while diff > convcrit
    %   pro kazde k_t nadji k_t+1, ktera maximalizuje sumu okamziteho
    %   uzitku a diskonovaneho budouciho uzitku
    
    
    
% end

% rozhodovaci pravidla
kdr = [];
cdr = [];