Агентная вычислительная экономика
| Часть серии о |
| Мультиагентные системы |
|---|
| Мультиагентное моделирование |
| Агент-ориентированное программирование |
| Связанный |
Агентная вычислительная экономика ( ACE ) — область вычислительной экономики , изучающая экономические процессы, включая целые экономики , как динамические системы взаимодействующих агентов . Как таковая, она попадает в парадигму сложных адаптивных систем . [1] В соответствующих агентных моделях « агенты » — это «вычислительные объекты, моделируемые как взаимодействующие по правилам» в пространстве и времени, а не реальные люди. Правила сформулированы для моделирования поведения и социальных взаимодействий на основе стимулов и информации. [2] Такие правила также могут быть результатом оптимизации, реализованной с помощью методов искусственного интеллекта (таких как Q-обучение и другие методы обучения с подкреплением). [3]
Теоретическое предположение о математической оптимизации агентов, находящихся в равновесии, заменяется менее ограничительным постулатом об агентах с ограниченной рациональностью , адаптирующихся к рыночным силам. [4] Модели ACE применяют численные методы анализа для компьютерного моделирования сложных динамических задач, для решения которых более традиционные методы, такие как формулирование теорем, могут не найти готового применения. [5] Начиная с начальных условий, заданных разработчиком модели, вычислительная экономика развивается с течением времени, поскольку составляющие ее агенты неоднократно взаимодействуют друг с другом, включая обучение на основе взаимодействий. В этом отношении ACE можно охарактеризовать как восходящий культурный подход к изучению экономических систем . [6]
ACE имеет сходство и совпадение с теорией игр как агентным методом моделирования социальных взаимодействий. [7] Но практики также отметили отличия от стандартных методов, например, в том, что события ACE моделируются исключительно на основе начальных условий, независимо от того, существуют ли равновесия или их можно вычислить, а также в содействии моделированию автономии и обучения агентов. [8]
Этот метод выиграл от постоянного совершенствования методов моделирования в области информатики и увеличения компьютерных возможностей. Конечная научная цель метода состоит в том, чтобы «проверить теоретические выводы на реальных данных таким образом, чтобы позволить эмпирически подтвержденным теориям накапливаться с течением времени, при этом работа каждого исследователя должным образом основывается на предыдущей работе». [9] Этот предмет был применен к таким областям исследований, как ценообразование активов , [10] конкуренция и сотрудничество , [11] транзакционные издержки , [12] структура рынка , промышленная организация и динамика, [13] экономика благосостояния , [14] и конструкция механизма , [15] информация и неопределенность , [16] макроэкономика , [17] и марксистская экономика . [18] [19]
Обзор [ править ]
« Агенты » в моделях ACE могут представлять отдельных лиц (например, людей), социальные группы (например, фирмы), биологические объекты (например, выращивание сельскохозяйственных культур) и/или физические системы (например, транспортные системы). Разработчик моделей ACE обеспечивает начальную конфигурацию вычислительной экономической системы, состоящей из нескольких взаимодействующих агентов. Затем разработчик модели отходит назад, чтобы наблюдать за развитием системы с течением времени без дальнейшего вмешательства. В частности, системные события должны управляться взаимодействиями агентов без внешнего навязывания условий равновесия. [20] В число проблем входят те, которые являются общими для экспериментальной экономики в целом. [21] и разработка общей основы для эмпирической проверки [22] и решение открытых вопросов в агентном моделировании. [23]
ACE — это официально назначенная группа особых интересов (SIG) Общества вычислительной экономики. [24] Исследователи из Института Санта-Фе внесли свой вклад в разработку ACE.
Пример: финансы [ править ]
Одной из областей, где часто применяется методология ACE, является ценообразование активов. У. Брайан Артур , Эрик Баум, Уильям Брок , Карс Хоммс и Блейк ЛеБарон, среди других, разработали вычислительные модели, в которых многие агенты выбирают из набора возможных стратегий прогнозирования, чтобы предсказать цены на акции, что влияет на их спрос на активы и таким образом, влияет на цены акций. Эти модели предполагают, что агенты с большей вероятностью выберут стратегии прогнозирования, которые в последнее время были успешными. Успех любой стратегии будет зависеть от рыночных условий, а также от набора стратегий, которые используются в данный момент. Эти модели часто обнаруживают, что большие взлеты и падения цен на активы могут происходить, когда агенты переключаются между стратегиями прогнозирования. [10] [25] [26] Совсем недавно Брок, Хоммес и Вагенер (2009) использовали модель этого типа, чтобы доказать, что введение новых инструментов хеджирования может дестабилизировать рынок. [27] и некоторые статьи предполагают, что ACE может быть полезной методологией для понимания финансового кризиса 2008 года . [28] [29] [30] См. также обсуждение в разделе «Финансовая экономика» § «Финансовые рынки» и «Отклонения от рациональности» .
См. также [ править ]
- АСЕГЕС
- Агентское социальное моделирование
- Искусственная экономика
- Искусственный финансовый рынок
- Вычислительная экономика
- Эконофизика
- Макроэкономическая модель
- Мультиагентная система
- Статистические финансы
Ссылки [ править ]
- ^ • У. Брайан Артур , 1994. « Индуктивное рассуждение и ограниченная рациональность », American Economic Review , 84 (2), стр. 406–411. Архивировано 21 мая 2013 года в Wayback Machine .
• Ли Тесфацион , 2003. «Агентная вычислительная экономика: моделирование экономики как сложных адаптивных систем», Information Sciences , 149(4), стр. 262–268. Архивировано 26 апреля 2012 года в Wayback Machine . - ^ Скотт Э. Пейдж (2008). «Агентные модели», Новый экономический словарь Пэлгрейва , 2-е издание. Абстрактный .
- ^ Ричард С. Саттон и Эндрю Г. Барто, Обучение с подкреплением: Введение, MIT Press, Кембридж, Массачусетс, 1998 г. [1] Архивировано 4 сентября 2009 г. в Wayback Machine.
- ^ • Джон Х. Холланд и Джон Х. Миллер (1991). «Искусственные адаптивные агенты в экономической теории», American Economic Review , 81 (2), стр. 365–370. Архивировано 5 января 2011 г. в Wayback Machine, стр. 365–370. 366.
• Томас К. Шеллинг (1978 [2006]). Микромотивы и макроповедение , Нортон. Описание. Архивировано 2 ноября 2017 года на Wayback Machine , предварительный просмотр .
• Томас Дж. Сарджент , 1994. Ограниченная рациональность в макроэкономике , Оксфорд. Описание и ссылки на первую страницу предварительного просмотра главы . - ^ • Кеннет Л. Джадд, 2006. «Вычислительно-интенсивный анализ в экономике», Справочник по вычислительной экономике , т. 2, гл. 17, Введение, с. 883. [С. 881–893 . Предварительная публикация в формате PDF .
• _____, 1998. Численные методы в экономике , MIT Press. Ссылки на описание. Архивировано 11 февраля 2012 г. на Wayback Machine и предварительный просмотр глав . - ^ • Ли Тесфацион (2002). «Агентная вычислительная экономика: рост экономики снизу вверх», Искусственная жизнь , 8 (1), стр. 55-82. Аннотация и предварительная публикация в формате PDF. Архивировано 14 мая 2013 г. в Wayback Machine .
• _____ (1997). «Как экономисты могут оживить», в книге ВБ Артура, С. Дюрлауфа и Д. Лейна, ред., « Экономика как развивающаяся сложная система», II , стр. 533-564. Аддисон-Уэсли. Предварительная публикация в формате PDF. Архивировано 15 апреля 2012 г. в Wayback Machine . - ^ • Джозеф Ю. Халперн (2008). «Информатика и теория игр», Новый экономический словарь Пэлгрейва , 2-е издание. Абстрактный .
• Йоав Шохам (2008). «Информатика и теория игр», Communications of the ACM , 51 (8), стр. 75-79. Архивировано 26 апреля 2012 года в Wayback Machine .
• Элвин Э. Рот (2002). «Экономист как инженер: теория игр, экспериментирование и вычисления как инструменты экономики проектирования», Econometrica , 70 (4), стр. 1341–1378 . - ^ Тесфацион, Ли (2006), «Агентная вычислительная экономика: конструктивный подход к экономической теории», гл. 16, Справочник по вычислительной экономике , т. 2, часть 2, Исследование экономической системы ACE. Аннотация и предварительная публикация в формате PDF .
- ^ • Ли Тесфацион (2006). «Агентная вычислительная экономика: конструктивный подход к экономической теории», гл. 16, Справочник по вычислительной экономике , т. 2, [стр. 831-880] разд. 5. Аннотация и предварительно опубликованный PDF-файл .
• Кеннет Л. Джадд (2006). «Вычислительно-интенсивный анализ в экономике», Справочник по вычислительной экономике , т. 2, гл. 17, стр. 881–893 . Предварительная публикация в формате PDF .
• Ли Тесфацион и Кеннет Л. Джадд, изд. (2006). Справочник по вычислительной экономике , т. 2. Описание. Архивировано 6 марта 2012 г. в Wayback Machine и предварительный просмотр главы. ссылки. - ^ Перейти обратно: а б Б. Артур, Дж. Холланд, Б. ЛеБарон, Р. Палмер, П. Тейлор (1997), «Ценообразование активов в соответствии с эндогенными ожиданиями на искусственном фондовом рынке», в книге « Экономика как развивающаяся сложная система II» , Б. Артур, С. Дюрлауф и Д. Лейн, ред., Аддисон Уэсли.
- ^ Роберт Аксельрод (1997). Сложность сотрудничества: агентные модели конкуренции и сотрудничества , Принстон. Описание , содержание и предварительный просмотр .
- ^ Томас Б. Клоса и Барт Нутебум , 2001. «Экономика затрат на транзакционные вычисления на основе агентов», Журнал экономической динамики и контроля 25 (3–4), стр. 503–52. Абстрактный.
- ^ • Роберто Леомбруни и Маттео Ричиарди, изд. (2004), Динамика промышленности и труда: агентно-ориентированный экономический подход. Мировое научное издательство ISBN 981-256-100-5 . Описание. Архивировано 27 июля 2010 г. на Wayback Machine на предварительный просмотр главы . Ссылки .
• Джошуа М. Эпштейн (2006). «Растущие адаптивные организации: агентно-ориентированный вычислительный подход», в журнале « Генеративная социальная наука: исследования в области агентно-ориентированного вычислительного моделирования» , стр. 309–344 . Описание. Архивировано 26 января 2012 года в Wayback Machine и аннотация . - ^ Роберт Экстелл (2005). «Сложность обмена», Economic Journal , 115 (504, Особенности), стр. F193–F210 .
- ^ • Новый экономический словарь Palgrave (2008), 2-е издание:
Роджер Б. Майерсон «Проектирование механизмов». Абстрактный.
_____. «принцип откровения». Абстрактный.
Туомас Сандхольм. «вычисления в проектировании механизмов». Абстрактный.
• Ноам Нисан и Амир Ронен (2001). «Проектирование алгоритмических механизмов», Игры и экономическое поведение , 35 (1-2), стр. 166–196 .
• Ноам Нисан и др ., изд. (2007). Алгоритмическая теория игр , Издательство Кембриджского университета. Описание. Архивировано 5 мая 2012 года в Wayback Machine . - ^ Туомас В. Сандхольм и Виктор Р. Лессер (2001). «Контракты об уровне обязательств и стратегические нарушения», Games and Economic Behavior , 35(1-2), стр. 212-270 .
- ^ • Дэвид Коландер , Питер Ховитт , Алан Кирман, Аксель Лейонхувуд и Перри Мерлинг , 2008. «За пределами моделей DSGE: к эмпирической макроэкономике», American Economic Review , 98 (2), стр. 236–240 . Предварительный PDF-файл .
• Томас Дж. Сарджент (1994). Ограниченная рациональность в макроэкономике , Оксфорд. Описание на первую страницу предварительного просмотра главы и ссылки .
• М. Оффнер (2009). « Агентная кейнсианская макроэкономика ». Кандидатская диссертация, экономический факультет Вюрцбургского университета. - ^ А. Ф. Коттрелл, П. Кокшотт, Г. Дж. Майклсон, И. П. Райт, В. Яковенко (2009), Классическая эконофизика . Рутледж, ISBN 978-0-415-47848-9 .
- ^ Ли Тесфацион (2006), «Агентная вычислительная экономика: конструктивный подход к экономической теории», гл. 16, Справочник по вычислительной экономике , т. 2, часть 2, Исследование экономической системы ACE. Аннотация и предварительная публикация в формате PDF .
- ^ Краткое описание методов. Архивировано 26 мая 2007 г. на сайте Wayback Machine : веб-сайт факультета экономики, политики и государственного управления Ольборгского университета, Дания .
- ^ Вернон Л. Смит , 2008. «Экспериментальная экономика», Новый экономический словарь Пэлгрейва , 2-е издание. Абстрактный .
- ^ Бектас А., Пиана В. и Шуман Р. Подход к эмпирической проверке агентских вычислительных экономических моделей на мезоуровне, основанный на микроданных: вариант использования модели выбора режима мобильности. СН Автобус Экон 1, 80 (2021). https://doi.org/10.1007/s43546-021-00083-4
- ^ Джорджио Фаджиоло, Алессио Монета и Пол Виндрам, 2007. «Критическое руководство по эмпирической проверке агентных моделей в экономике: методологии, процедуры и открытые проблемы», Computational Economics , 30, стр. 195–226 .
- ^ Веб-сайт Общества вычислительной экономики .
- ^ В. Брок и К. Хоммс (1997), «Рациональный путь к случайности». Эконометрика 65 (5), стр. 1059–1095.
- ^ К. Хоммес (2008), «Взаимодействующие агенты в финансах», в The New Palgrave Economic Dictionary .
- ^ Брок, В.; Хоммс, К.; Вагенер, Ф. (2009). «Больше инструментов хеджирования может дестабилизировать рынки» (PDF) . Журнал экономической динамики и контроля . 33 (11): 1912–1928. дои : 10.1016/j.jedc.2009.05.004 .
- ^ М. Бьюкенен (2009), « Моделирование кризиса». Могут ли компьютерные модели на основе агентов предотвратить новый финансовый кризис? .' Природа, Том. 460, № 7256. (5 августа 2009 г.), стр. 680-682.
- ^ Дж. Д. Фармер, Д. Фоли (2009), «Экономике необходимо агентное моделирование». Природа, Том. 460, № 7256. (5 августа 2009 г.), стр. 685-686.
- ^ М. Холкомб, С. Коакли, М. Киран, С. Чин, К. Гриноф, Д. Уорт, С. Синкотти, М. Раберто, А. Тельо, К. Дейсенберг, С. ван дер Хуг, Х. Давид , С. Гемков, П. Хартинг, М. Ньюгарт. Крупномасштабное моделирование экономических систем, Сложные системы, 22(2), 175-191, 2013 г.