مقدمه ای بر مدل‌سازی عامل پایه و اقتصاد محاسباتی عامل‌پایه؛ ارائه یک مدل ساده برای بازار با اطلاعات نامتقارن

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای اقتصاد دانشگاه علامه طباطبائی

2 دانشیار دانشگاه علامه طباطبائی

چکیده

در این مقاله سعی شده است مدل‌سازی عامل پایه و قابلیت‌ها و کارکرد آن در اقتصاد، که امروزه «اقتصاد محاسباتی عامل پایه» نامیده می‌شود، معرفی ‌گردد. مدل‌های رایج اقتصادی گاهی برای آنکه امکان حل تحلیلی داشته باشند مبادرت به وضع فروض بیش از اندازه ساده کننده می‌کنند و به همین دلیل گاهی آن‌قدر از واقعیت فاصله می‌گیرند که سیاست‌گذار اقتصادی نمی‌تواند به نتایج این مدل‌ها به راحتی اعتماد کند. تلاش‌های زیادی توسط اقتصاددانان برای کاستن این شکاف صورت گرفته است که اقتصاد محاسباتی عامل پایه یکی از آنهاست. موضوعات و مسائلی در اقتصاد همچون عدم تعادل، ناهمگنی، یادگیری و عقلانیت محدود، غیرخطی بودن، تعاملات محلی، ساختار شبکه‌ای، پیچیدگی، خطای تجمیع و کلیت‌گرایی از جمله مسائلی است که در این مقاله برشمرده می‌شود و ظرفیت‌های اقتصاد محاسباتی عامل پایه در مواجهه با این مسائل تبیین می‌گردد. در پایان نیز یک مدل عامل پایه، با موضوع اطلاعات نامتقارن در بازار محصولاتی با کیفیت پنهان از دید مصرف‌کننده، ارایه شده است تا برخی از قابلیت‌های این رویکرد جدید به تصویر کشیده شود.

کلیدواژه‌ها


عنوان مقاله [English]

An Introduction to Agent Based Modeling and Agent Based Computational Economics; A Simple Model for Markets Where Consumers are Imperfectly Informed

نویسندگان [English]

  • Mohsen Karimi 1
  • Teymoor Mohammadi 2
1 Associate Professor of Economics, Allameh Tabataba’i University
2 Associate Professor of Economics, Allameh Tabataba’i University
چکیده [English]

This paper introduces Agent Based Modeling (ABM) approach in social sciences especially in economics. By comparing the restrictions of mainstream economic models to those of agent based models we explain the benefits and capacities of using agent based modeling in economics named Agent based Computational Economics (ACE). Due to this restrictions and over simplifying assumptions in traditional models, sometimes economic policy makers cannot trust the results of these models because those assumptions caused them to be far from reality especially in case of abnormality and non-equilibrium. ACE is one of the so many efforts of economist to reduce this gap between economic models and economic realities. We enumerate some of the economic issues such as non-equilibrium, heterogeneity, learning and bounded rationality, nonlinearity, local interaction, network structure, complexity, aggregation failure and holism, and we explain the capacities of ACE to face with each of these issues. Finally we present a simple agent based model to deal with Markets Where Consumers are imperfectly informed about products quality

کلیدواژه‌ها [English]

  • Agent Based Modelling (ABM)
  • Agent Based Computational Economics (ACE)
  • Simulation
  • complexity
  1. Arthur, W. B. (2006). Chapter 32 Out-of-Equilibrium Economics and Agent-Based Modeling. Handbook of Computational Economics. 2:1551-1564.
  2. Axtell, R. (2003). Economics as Distributed Computation. Meeting the Challenge of Social Problems via Agent-Based Simulation: Post-Proceedings of the Second International Workshop on Agent-Based Approaches in Economic and Social Complex Systems. Springer Japan: 3-23.
  3. Bedau, M. A. (2002). weak emergence. Principia, 6(1): 5
  4. Blume, L. E. and S. N. Durlauf (2005). The Economy As an Evolving Complex System, III: Current Perspectives and Future Directions, Oxford University Press.
  5. Epstein, J. M. (2006). Remarks on the foundations of agent-based generative social science. Handbook of computational economics, 2: 1585-1604.
  6. Gode, D. K. and S. Sunder (1993). Allocative Efficiency of Markets with Zero-Intelligence Traders: Market as a Partial Substitute for Individual Rationality. Journal of Political Economy 101(1): 119-137.
  7. Gourieroux, C. and A. Monfort (1997). Simulation-based Econometric Methods, Oxford University Press.
  8. Hofstadter, D. R. (1979). Godel, Escher, Bach: An Eternal Golden Braid, Basic Books, Inc.
  9. Holland, J. H. (1995). Hidden order: how adaptation builds complexity, Addison Wesley Longman Publishing Co., Inc.
  10. Kirman, A. P. (1992). Whom or What Does the Representative Individual Represent? The Journal of Economic Perspectives, 6(2): 117-136.
  11. Page, S. E. (2012). Aggregation in agent-based models of economies. The Knowledge Engineering Review, 27(2): 151-162.
  12. Richiardi, M., R. Leombruni, N. J. Saam and M. Sonnessa (2006). A Common Protocol for Agent-Based Social Simulation. Journal of Artificial Societies and Social Simulation, 9(1)..
  13. Richiardi, M. G. (2012). Agent-based computational economics: a short introduction. The Knowledge Engineering, 27(2): 137-149.
  14. Richiardi, M. G. (2017). The Future of Agent-Based Modeling. Eastern Economic Journal, 43(2): 271-287.
  15. Smallwood, D. E. and J. Conlisk (1979). Product Quality in Markets Where Consumers are Imperfectly Informed. The Quarterly Journal of Economics, 93(1): 1-23.
  16. Tesfatsion, L. J., K. L. (eds) (2006). Handbook of Computational Economics, Elsevier.