La economía computacional basada en agentes ( ACE ) es el área de la economía computacional que estudia los procesos económicos, incluidas las economías completas , como sistemas dinámicos de agentes que interactúan . Como tal, cae en el paradigma de los sistemas adaptativos complejos . [1] En los correspondientes modelos basados en agentes , los " agentes " son "objetos computacionales modelados como interactuando de acuerdo con reglas" sobre el espacio y el tiempo, no personas reales. Las reglas están formuladas para modelar el comportamiento y las interacciones sociales basadas en incentivos e información. [2]Dichas reglas también podrían ser el resultado de la optimización, realizada mediante el uso de métodos de inteligencia artificial (como Q-learning y otras técnicas de aprendizaje por refuerzo). [3]
El supuesto teórico de optimización matemática por agentes en equilibrio es reemplazado por el postulado menos restrictivo de agentes con racionalidad acotada que se adaptan a las fuerzas del mercado. [4] Los modelos ACE aplican métodos numéricos de análisis a simulaciones por computadora de problemas dinámicos complejos para los cuales los métodos más convencionales, como la formulación de teoremas, pueden no encontrar un uso inmediato. [5] A partir de las condiciones iniciales especificadas por el modelador, la economía computacional evoluciona con el tiempo a medida que sus agentes constituyentes interactúan repetidamente entre sí, incluido el aprendizaje de las interacciones. En estos aspectos, ACE se ha caracterizado como un enfoque de plato de cultura de abajo hacia arriba para el estudio de los sistemas económicos . [6]
ACE tiene similitud y superposición con la teoría de juegos como un método basado en agentes para modelar interacciones sociales. [7] Pero los profesionales también han notado diferencias con los métodos estándar, por ejemplo, en eventos ACE modelados impulsados únicamente por condiciones iniciales, ya sea que existan o no equilibrios o sean computacionalmente manejables, y en la facilitación del modelado de la autonomía y el aprendizaje de los agentes. [8]
El método se ha beneficiado de las continuas mejoras en las técnicas de modelado de la informática y el aumento de las capacidades informáticas. El objetivo científico último del método es "probar los hallazgos teóricos con datos del mundo real de manera que permitan que las teorías respaldadas empíricamente se acumulen a lo largo del tiempo, y que el trabajo de cada investigador se construya de manera apropiada sobre el trabajo anterior". [9] El tema se ha aplicado a áreas de investigación como fijación de precios de activos , [10] competencia y colaboración , [11] costos de transacción , [12] estructura de mercado y organización y dinámica industrial , [13] economía del bienestar , [14] y mecanismo diseño , [15] información e incertidumbre , [16] macroeconomía , [17] y economía marxista . [18] [19]
Descripción general
Los " agentes " en los modelos ACE pueden representar individuos (por ejemplo, personas), agrupaciones sociales (por ejemplo, empresas), entidades biológicas (por ejemplo, cultivos en crecimiento) y / o sistemas físicos (por ejemplo, sistemas de transporte). El modelador ACE proporciona la configuración inicial de un sistema económico computacional que comprende múltiples agentes que interactúan. Luego, el modelador retrocede para observar el desarrollo del sistema a lo largo del tiempo sin más intervención. En particular, los eventos del sistema deben ser impulsados por interacciones de agentes sin la imposición externa de condiciones de equilibrio. [20] Los problemas incluyen los comunes a la economía experimental en general [21] y el desarrollo de un marco común para la validación empírica [22] y la resolución de preguntas abiertas en el modelado basado en agentes. [23]
ACE es un grupo de interés especial designado oficialmente (SIG) de la Society for Computational Economics. [24] Investigadores del Instituto Santa Fe han contribuido al desarrollo de ACE.
Ejemplo: finanzas
Un área donde la metodología ACE se ha aplicado con frecuencia es la fijación de precios de activos. W. Brian Arthur , Eric Baum, William Brock , Cars Hommes y Blake LeBaron, entre otros, han desarrollado modelos computacionales en los que muchos agentes eligen entre un conjunto de posibles estrategias de pronóstico para predecir los precios de las acciones, lo que afecta sus demandas de activos y por tanto, afecta los precios de las acciones. Estos modelos asumen que es más probable que los agentes elijan estrategias de pronóstico que hayan tenido éxito recientemente. El éxito de cualquier estrategia dependerá de las condiciones del mercado y también del conjunto de estrategias que se estén utilizando actualmente. Estos modelos encuentran con frecuencia que pueden ocurrir grandes auges y caídas en los precios de los activos cuando los agentes cambian de estrategia de pronóstico. [10] [25] [26] Más recientemente, Brock, Hommes y Wagener (2009) han utilizado un modelo de este tipo para argumentar que la introducción de nuevos instrumentos de cobertura puede desestabilizar el mercado, [27] y algunos artículos han sugerido que ACE podría ser una metodología útil para comprender la reciente crisis financiera . [28] [29] [30]
Ver también
- ACEGAS
- Simulación social basada en agentes
- Economía artificial
- Economía computacional
- Econofísica
- Modelo macroeconómico
- Sistema de agentes múltiples
- Finanzas estadísticas
Referencias
- ^ • W. Brian Arthur , 1994. " Razonamiento inductivo y racionalidad limitada ", American Economic Review , 84 (2), págs. 406-411 Archivado el 21 de mayo de 2013 en Wayback Machine .
• Leigh Tesfatsion , 2003. "Economía computacional basada en agentes: Modelado de economías como sistemas adaptativos complejos", Ciencias de la información , 149 (4), págs. 262-268 Archivado el 26 de abril de 2012 en Wayback Machine . - ^ Scott E. Page (2008). "Modelos basados en agentes", The New Palgrave Dictionary of Economics , 2ª edición. Resumen .
- ^ Richard S. Sutton y Andrew G. Barto, Aprendizaje por refuerzo: una introducción, The MIT Press, Cambridge, MA, 1998 [1] Archivado el 4 de septiembre de 2009 en Wayback Machine.
- ^ • John H. Holland y John H. Miller (1991). "Agentes adaptativos artificiales en la teoría económica", American Economic Review , 81 (2), págs. 365-370 Archivado el 5 de enero de 2011 en Wayback Machine, pág. 366.
• Thomas C. Schelling (1978 [2006]). Micromotivos y macrocomportamiento , Norton. Descripción Archivado el 2 de noviembre de 2017 en Wayback Machine , vista previa .
• Thomas J. Sargent , 1994. Racionalidad limitada en macroeconomía , Oxford. Descripción y enlaces de la primera página de la vista previa del capítulo . - ^ • Kenneth L. Judd, 2006. "Análisis computacionalmente intensivos en economía", Manual de economía computacional , v. 2, cap. 17, Introducción, pág. 883. [Pp. 881- 893. Pre-pub PDF .
• _____, 1998. Métodos numéricos en economía , MIT Press. Enlaces a la descripción Archivado el 11 de febrero de 2012 en Wayback Machine y vistas previas de los capítulos . - ^ • Leigh Tesfatsion (2002). "Economía computacional basada en agentes: economías en crecimiento desde abajo hacia arriba", Artificial Life , 8 (1), pp.55-82. Resumen y PDF previo a la publicación Archivado el 14 de mayo de 2013 en Wayback Machine .
• _____ (1997). "How Economists Can Get Alife", en WB Arthur, S. Durlauf y D. Lane, eds., The Economy as an Evolving Complex System, II , págs. 533-564. Addison-Wesley. PDF previo a la publicación. - ^ • Joseph Y. Halpern (2008). "Informática y teoría de juegos", The New Palgrave Dictionary of Economics , 2ª edición. Resumen .
• Yoav Shoham (2008). "Computer Science and Game Theory", Communications of the ACM , 51 (8), págs. 75-79 Archivado el 26 de abril de 2012 en Wayback Machine .
• Alvin E. Roth (2002). "El economista como ingeniero: teoría de juegos, experimentación y computación como herramientas para la economía del diseño", Econometrica , 70 (4), págs. 1341-1378 . - ^ Tesfatsion, Leigh (2006), "Economía computacional basada en agentes: un enfoque constructivo de la teoría económica", cap. 16, Handbook of Computational Economics , v. 2, part 2, Estudio ACE del sistema económico. Resumen y pre-pub PDF .
- ^ • Leigh Tesfatsion (2006). "Economía computacional basada en agentes: un enfoque constructivo de la teoría económica", cap. 16, Handbook of Computational Economics , v. 2, [págs. 831-880] secc. 5. Resumen y PDF prepublicado.
• Kenneth L. Judd (2006). "Análisis computacionalmente intensivos en economía", Manual de economía computacional , v. 2, cap. 17, pp. 881- 893. Pre-pub PDF .
• Leigh Tesfatsion y Kenneth L. Judd, ed. (2006). Handbook of Computational Economics , v. 2. Descripción Archivado el 6 de marzo de 2012 en Wayback Machine y enlaces de vista previa del capítulo . - ^ a b B. Arthur, J. Holland, B. LeBaron, R. Palmer, P. Taylor (1997), 'Fijación de precios de activos bajo expectativas endógenas en un mercado de valores artificial', en La economía como un sistema complejo en evolución II , B Arthur, S. Durlauf y D. Lane, eds., Addison Wesley.
- ^ Robert Axelrod (1997). La complejidad de la cooperación: modelos de competencia y colaboración basados en agentes , Princeton. Descripción , contenido y vista previa .
- ^ Tomas B. Klosa y Bart Nooteboom , 2001. "Economía de costos de transacción computacional basada en agentes", Journal of Economic Dynamics and Control 25 (3-4), págs. 503-52. Resumen.
- ^ • Roberto Leombruni y Matteo Richiardi, ed. (2004), Industria y dinámica laboral: el enfoque de la economía computacional basada en agentes. Publicaciones científicas mundiales ISBN 981-256-100-5 . Descripción Archivado el 27 de julio de 2010 en Wayback Machine y enlaces de vista previa del capítulo.
• Joshua M. Epstein (2006). "Growing Adaptive Organizations: An Agent-Based Computational Approach", en Generative Social Science: Studies in Agent-Based Computational Modelling , págs. 309- 344. Descripción Archivado el 26 de enero de 2012 en Wayback Machine y resumen . - ^ Robert Axtell (2005). "La complejidad del intercambio", Economic Journal , 115 (504, Features), págs. F193-F210 .
- ^ • The New Palgrave Dictionary of Economics (2008), 2ª edición:
Roger B. Myerson "mecanismo de diseño". Resumen.
_____. "principio de revelación". Resumen.
Tuomas Sandholm. "Computación en el diseño de mecanismos". Resumen.
• Noam Nisan y Amir Ronen (2001). "Diseño de mecanismos algorítmicos", Juegos y comportamiento económico , 35 (1-2), págs. 166-196 .
• Noam Nisan y col ., Ed. (2007). Teoría algorítmica de juegos , Cambridge University Press. Descripción Archivado el 5 de mayo de 2012 en Wayback Machine . - ^ Tuomas W. Sandholm y Victor R. Lesser (2001). "Contratos de compromiso nivelado e incumplimiento estratégico", Juegos y comportamiento económico , 35 (1-2), págs. 212-270 .
- ^ • David Colador , Peter Howitt , Alan Kirman, Axel Leijonhufvud , y Perry Mehrling , 2008. "Modelos DSGE allá: hacia una basada en Macroeconomía Empíricamente," American Economic Review , 98 (2), pp. 236 -240. PDF previo a la publicación.
• Thomas J. Sargent (1994). Racionalidad limitada en macroeconomía , Oxford. Descripción y enlaces de la primera página de la vista previa del capítulo.
• M. Oeffner (2009). ' Macroeconomía keynesiana basada en agentes '. Tesis doctoral, Facultad de Economía, Universidad de Würzburg. - ^ AF Cottrell, P. Cockshott, GJ Michaelson, IP Wright, V. Yakovenko (2009), Econofísica clásica . Routledge, ISBN 978-0-415-47848-9 .
- ^ Leigh Tesfatsion (2006), "Economía computacional basada en agentes: un enfoque constructivo de la teoría económica", cap. 16, Handbook of Computational Economics , v. 2, part 2, Estudio ACE del sistema económico. Resumen y pre-pub PDF .
- ^ Resumen de métodos Archivado el 26 de mayo de 2007 en Wayback Machine : Departamento de economía, política y administración pública, Universidad de Aalborg, sitio web de Dinamarca .
- ^ Vernon L. Smith , 2008. "Economía experimental", The New Palgrave Dictionary of Economics , segunda edición. Resumen .
- ^ Bektas, A., Piana, V. & Schuman, R. Un enfoque de validación empírica de nivel meso para modelos económicos computacionales basados en agentes que se basan en microdatos: un caso de uso con un modelo de elección de modo de movilidad. SN Bus Econ 1, 80 (2021). https://doi.org/10.1007/s43546-021-00083-4
- ^ Giorgio Fagiolo, Alessio Moneta, y Paul Windrum, 2007. "Modelos Una guía crítica para validación empírica del agente basado en la economía: metodologías, procedimientos y problemas abiertos," Computational Economía , 30, pp. 195 -226.
- ^ Sitio web de la Sociedad de Economía Computacional .
- ^ W. Brock y C. Hommes (1997), "Una ruta racional hacia la aleatoriedad". Econometrica 65 (5), págs. 1059-1095.
- ^ C. Hommes (2008), 'Agentes interactivos en finanzas', en The New Palgrave Dictionary of Economics .
- ^ Brock, W .; Hommes, C .; Wagener, F. (2009). "Más instrumentos de cobertura pueden desestabilizar los mercados" (PDF) . Revista de Control y Dinámica Económica . 33 (11): 1912–1928. doi : 10.1016 / j.jedc.2009.05.004 .
- ^ M. Buchanan (2009), ' Modelado de fusión. ¿Podrían los modelos informáticos basados en agentes prevenir otra crisis financiera? . Nature, vol. 460, núm. 7256. (5 de agosto de 2009), págs. 680-682.
- ^ JD Farmer, D. Foley (2009), "La economía necesita modelos basados en agentes". Nature, vol. 460, núm. 7256. (5 de agosto de 2009), págs. 685-686.
- ^ 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. Modelización a gran escala de sistemas económicos, sistemas complejos, 22 (2), 175-191, 2013