stringtranslate.com

Агентно-ориентированная вычислительная экономика

Агентно-ориентированная вычислительная экономика ( ACE ) — это область вычислительной экономики , которая изучает экономические процессы, включая целые экономики , как динамические системы взаимодействующих агентов . Как таковая, она попадает в парадигму сложных адаптивных систем . [1] В соответствующих агентно-ориентированных моделях « агенты » — это «вычислительные объекты, смоделированные как взаимодействующие по правилам» в пространстве и времени, а не реальные люди. Правила формулируются для моделирования поведения и социальных взаимодействий на основе стимулов и информации. [2] Такие правила также могут быть результатом оптимизации, реализованной с помощью методов ИИ (таких как Q-обучение и другие методы обучения с подкреплением). [3]

Теоретическое предположение о математической оптимизации агентами в равновесии заменяется менее ограничительным постулатом агентов с ограниченной рациональностью , адаптирующихся к рыночным силам. [4] Модели ACE применяют численные методы анализа к компьютерному моделированию сложных динамических проблем, для которых более традиционные методы, такие как формулировка теорем, могут не найти готового применения. [5] Начиная с начальных условий, указанных разработчиком модели, вычислительная экономика развивается с течением времени, поскольку ее составляющие агенты неоднократно взаимодействуют друг с другом, включая обучение в результате взаимодействий. В этом отношении ACE характеризуется как подход «снизу вверх» к изучению экономических систем с использованием культуры . [6]

ACE имеет сходство и частичное совпадение с теорией игр как агентным методом моделирования социальных взаимодействий. [7] Однако практики также отметили отличия от стандартных методов, например, в моделируемых событиях ACE, обусловленных исключительно начальными условиями, независимо от того, существуют ли равновесия или поддаются вычислительной обработке, а также в содействии моделированию автономии и обучения агентов. [8]

Метод извлек выгоду из постоянных улучшений в методах моделирования компьютерной науки и возросших компьютерных возможностей. Конечной научной целью метода является «проверка теоретических выводов на основе реальных данных способами, которые позволяют эмпирически подтвержденным теориям накапливаться с течением времени, при этом работа каждого исследователя соответствующим образом строится на работе, которая была проделана ранее». [9] Предмет был применен к таким областям исследований, как ценообразование активов , [10] энергетические системы , [11] [12] конкуренция и сотрудничество , [13] транзакционные издержки , [14] структура рынка и промышленная организация и динамика, [15] экономика благосостояния , [16] и проектирование механизмов , [17] информация и неопределенность , [18] макроэкономика , [19] и марксистская экономика . [20] [21]

Обзор

« Агенты » в моделях ACE могут представлять отдельных лиц (например, людей), социальные группы (например, фирмы), биологические сущности (например, выращивание урожая) и/или физические системы (например, транспортные системы). Разработчик моделей ACE обеспечивает начальную конфигурацию вычислительной экономической системы, включающей несколько взаимодействующих агентов. Затем разработчик моделей отступает назад, чтобы наблюдать развитие системы с течением времени без дальнейшего вмешательства. В частности, системные события должны управляться взаимодействиями агентов без внешнего навязывания условий равновесия. [22] Вопросы включают в себя те, которые являются общими для экспериментальной экономики в целом [23] и разработки общей структуры для эмпирической проверки [24] и разрешения открытых вопросов в агентном моделировании. [25]

ACE — официально назначенная специальная группа интересов (SIG) Общества вычислительной экономики. [26] Исследователи из Института Санта-Фе внесли свой вклад в разработку ACE.

Пример: финансы

Одной из областей, где часто применялась методология ACE, является ценообразование активов. В. Брайан Артур , Эрик Баум, Уильям Брок , Карс Хоммес и Блейк ЛеБарон, среди прочих, разработали вычислительные модели, в которых многие агенты выбирают из набора возможных стратегий прогнозирования, чтобы предсказать цены акций, 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 недавно оказались успешными. Успех любой стратегии будет зависеть от рыночных условий, а также от набора стратегий, которые в настоящее время используются. Эти модели часто обнаруживают, что большие подъемы и спады цен на активы могут происходить, когда агенты переключаются между стратегиями прогнозирования. [10] [27] [28] Совсем недавно Брок, Хоммес и Вагенер (2009) использовали модель этого типа, чтобы доказать, что введение новых инструментов хеджирования может дестабилизировать рынок, [29] и некоторые статьи предполагают, что ACE может быть полезной методологией для понимания финансового кризиса 2008 года . [30] [31] [32] См. также обсуждение в разделе Финансовая экономика § Финансовые рынки и § Отклонения от рациональности .

Смотрите также

Ссылки

  1. ^ • W. Brian Arthur , 1994. "Inductive Reasoning and Bounded Rationality", American Economic Review , 84(2), стр. 406-411 Архивировано 21 мая 2013 г. в Wayback Machine .
       • Leigh Tesfatsion , 2003. "Agent-based Computational Economics: Modeling Economies as Complex Adaptive Systems", Information Sciences , 149(4), стр. 262-268 Архивировано 26 апреля 2012 г. в Wayback Machine .
  2. ^ Скотт Э. Пейдж (2008). «Модели на основе агентов», Новый экономический словарь Пэлгрейва , 2-е издание. Аннотация.
  3. ↑ Ричард С. Саттон и Эндрю Г. Барто, Обучение с подкреплением: Введение, The MIT Press, Кембридж, Массачусетс, 1998 [1] Архивировано 4 сентября 2009 года в Wayback Machine
  4. ^ • 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. 366.
       • Томас К. Шеллинг (1978 [2006]). Микромотивы и макроповедение , Нортон. Описание Архивировано 2 ноября 2017 г. в Wayback Machine , предварительный просмотр.
       • Томас Дж. Сарджент , 1994. Ограниченная рациональность в макроэкономике , Оксфорд. Описание и ссылки на 1-ю страницу предварительного просмотра глав.
  5. ^ • Кеннет Л. Джадд, 2006. "Computationally Intensive Analyses in Economics", Handbook of Computational Economics , т. 2, гл. 17, Введение, стр. 883. [Стр. 881- 893. Предварительно опубликованный PDF.
       • _____, 1998. Numerical Methods in Economics , MIT Press. Ссылки на описание Архивировано 11 февраля 2012 г. на Wayback Machine и предварительные просмотры глав.
  6. ^ • Ли Тесфацион (2002). "Агентно-ориентированная вычислительная экономика: рост экономик снизу вверх", Искусственная жизнь , 8(1), стр. 55-82. Аннотация и предварительная публикация PDF-файла. Архивировано 14 мая 2013 г. на Wayback Machine .
       • _____ (1997). "Как экономисты могут получить жизнь", в WB Arthur, S. Durlauf и D. Lane, ред., Экономика как развивающаяся сложная система, II , стр. 533-564. Addison-Wesley. Предварительная публикация PDF-файла. Архивировано 15 апреля 2012 г. на Wayback Machine .
  7. ^ • Джозеф И. Хэлперн (2008). "Компьютерная наука и теория игр", Новый экономический словарь Palgrave , 2-е издание. Аннотация.
       • Йоав Шохам (2008). "Компьютерная наука и теория игр", Communications of the ACM , 51(8), стр. 75-79 Архивировано 26 апреля 2012 г. в Wayback Machine .
       • Элвин Э. Рот (2002). "Экономист как инженер: теория игр, экспериментирование и вычисления как инструменты для проектирования экономики", Econometrica , 70(4), стр. 1341–1378.
  8. ^ Тесфацион, Ли (2006), "Агентно-ориентированная вычислительная экономика: конструктивный подход к экономической теории", гл. 16, Справочник по вычислительной экономике , т. 2, часть 2, ACE исследование экономической системы. Аннотация и предварительная публикация PDF.
  9. ^ • Ли Тесфацион (2006). "Агентно-ориентированная вычислительная экономика: конструктивный подход к экономической теории", гл. 16, Справочник по вычислительной экономике , т. 2, [стр. 831-880] раздел 5. Аннотация и предварительная публикация в формате PDF.
       • 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, ред. (2006). Справочник по вычислительной экономике , т. 2. Описание Архивировано 6 марта 2012 г. на Wayback Machine и ссылках на предварительный просмотр глав.
  10. ^ ab B. Arthur, J. Holland, B. LeBaron, R. Palmer, P. Taylor (1997), «Ценообразование активов в условиях эндогенных ожиданий на искусственном фондовом рынке», в книге «Экономика как развивающаяся сложная система II» , под ред. B. Arthur, S. Durlauf и D. Lane, Addison Wesley.
  11. ^ Шимечек, Кристоф; Ниенхаус, Кристина; Фрей, Ульрих; Спербер, Эвелин; Сарфарази, Сейедфарзад; Нич, Феликс; Кохемс, Йоханнес; Гази, А. Ахраф Эль (17 апреля 2023 г.). "AMIRIS: Агентно-ориентированная рыночная модель для исследования возобновляемых и интегрированных энергетических систем". Журнал программного обеспечения с открытым исходным кодом . 8 (84): 5041. doi :10.21105/joss.05041. ISSN  2475-9066.
  12. ^ Хардер, Ник; Куссоус, Рамиз; Вайдлих, Анке (1 октября 2023 г.). «Соответствие назначению: реалистичное моделирование оптовых рынков электроэнергии с помощью многоагентного глубокого обучения с подкреплением». Энергия и ИИ . 14 : 100295. doi : 10.1016/j.egyai.2023.100295 . ISSN  2666-5468.
  13. ^ Роберт Аксельрод (1997). Сложность сотрудничества: агентские модели конкуренции и сотрудничества , Принстон. Описание, содержание и предварительный просмотр.
  14. ^ Томас Б. Клоса и Барт Нутебум, 2001. «Экономика транзакционных издержек на основе расчетов с использованием агентов», Журнал экономической динамики и управления 25(3–4), стр. 503–52. Аннотация.
  15. ^ • Роберто Леомбруни и Маттео Ричиарди, ред. (2004), Динамика промышленности и труда: Подход к вычислительной экономике на основе агентов. World Scientific Publishing ISBN 981-256-100-5 . Описание Архивировано 27 июля 2010 г. на Wayback Machine и по ссылкам предварительного просмотра глав.    • Джошуа М. Эпштейн (2006). "Growing Adaptive Organizations: An Agent-Based Computational Approach" в Generative Social Science: Studies in Agent-Based Computational Modeling , стр. 309-344. Описание Архивировано 26 января 2012 г. на Wayback Machine и в виде аннотации. 
  16. ^ Роберт Экстелл (2005). «Сложность обмена», Economic Journal , 115(504, Features), стр. F193-F210.
  17. ^ • Новый экономический словарь Palgrave (2008), 2-е издание:
         Роджер Б. Майерсон «конструкция механизмов». Аннотация.
         _____. «принцип откровения». Аннотация.
         Туомас Сандхолм. «вычисления в проектировании механизмов». Аннотация.
       • Ноам Нисан и Амир Ронен (2001). «Проектирование алгоритмических механизмов», Игры и экономическое поведение , 35(1-2), стр. 166–196.
       • Ноам Нисан и др ., ред. (2007). Алгоритмическая теория игр , Cambridge University Press. Описание Архивировано 5 мая 2012 г. в Wayback Machine .
  18. ^ Туомас В. Сандхолм и Виктор Р. Лессер (2001). «Контракты с выровненными обязательствами и стратегическое нарушение», Игры и экономическое поведение , 35(1-2), стр. 212-270.
  19. ^ • Дэвид Коландер , Питер Ховитт , Алан Кирман, Аксель Лейонхуфвуд и Перри Мерлинг , 2008. «За пределами моделей DSGE: на пути к эмпирически обоснованной макроэкономике», American Economic Review , 98(2), стр. 236-240. Предварительно опубликованный PDF.
       • Томас Дж. Сарджент (1994). Ограниченная рациональность в макроэкономике , Оксфорд. Описание и ссылки на 1-ю страницу предварительного просмотра главы.
       • М. Оффнер (2009). «Кейнсианская макроэкономика, основанная на агентах». Кандидатская диссертация, экономический факультет, Вюрцбургский университет.
  20. ^ AF Cottrell, P. Cockshott, GJ Michaelson, IP Wright, V. Yakovenko (2009), Классическая эконофизика . Routledge, ISBN 978-0-415-47848-9 . 
  21. ^ Ли Тесфацион (2006), "Агентно-ориентированная вычислительная экономика: конструктивный подход к экономической теории", гл. 16, Справочник по вычислительной экономике , т. 2, часть 2, ACE исследование экономической системы. Аннотация и предварительная публикация PDF.
  22. ↑ Краткое изложение методов. Архивировано 26 мая 2007 г. на сайте Wayback Machine : Кафедра экономики, политики и государственного управления, Университет Ольборга, Дания .
  23. ^ Вернон Л. Смит , 2008. «Экспериментальная экономика», Новый экономический словарь Пэлгрейва , 2-е издание. Аннотация.
  24. ^ Бектас, А., Пиана, В. и Шуман, Р. Мезоуровневый подход к эмпирической проверке для основанных на агентах вычислительных экономических моделей, использующих микроданные: пример использования с моделью выбора режима мобильности. SN Bus Econ 1, 80 (2021). https://doi.org/10.1007/s43546-021-00083-4
  25. ^ Джорджио Фаджиоло, Алессио Монета и Пол Виндрам, 2007. «Критическое руководство по эмпирической проверке моделей, основанных на агентах, в экономике: методологии, процедуры и открытые проблемы», Computational Economics , 30, стр. 195–226.
  26. ^ Сайт Общества вычислительной экономики.
  27. ^ W. Brock и C. Hommes (1997), «Рациональный путь к случайности». Econometrica 65 (5), стр. 1059-1095.
  28. ^ C. Hommes (2008), «Взаимодействующие агенты в финансах», в Новом экономическом словаре Palgrave .
  29. ^ Брок, В.; Хоммес, К.; Вагенер, Ф. (2009). «Больше инструментов хеджирования могут дестабилизировать рынки» (PDF) . Журнал экономической динамики и управления . 33 (11): 1912–1928. doi :10.1016/j.jedc.2009.05.004.
  30. ^ М. Бьюкенен (2009), «Моделирование краха. Могут ли компьютерные модели на основе агентов предотвратить еще один финансовый кризис?» Nature, т. 460, № 7256. (5 августа 2009 г.), стр. 680-682.
  31. ^ JD Farmer, D. Foley (2009), «Экономике необходимо агентное моделирование». Nature, т. 460, № 7256. (5 августа 2009 г.), стр. 685-686.
  32. ^ M. Holcombe, S. Coakley, M. Kiran, S. Chin, C. Greenough, D. Worth, S. Cincotti, M. Raberto, A. Teglio, C. Deissenberg, S. van der Hoog, H. Dawid, S. Gemkow, P. Harting, M. Neugart. Крупномасштабное моделирование экономических систем, Complex Systems, 22(2), 175-191, 2013