계산경제학

Computational economics
시리즈의 일부
경제학
지점 및 분류
개념, 이론 및 기술
응용 프로그램별
저명한 경제학자
저명한 경제학 비평가
리스트

컴퓨터 경제학은 컴퓨터 과학, 경제 및 관리 [1]과학을 포함하는 학문 간 연구 분야입니다.이 주제는 경제 시스템의 계산 모델링을 포함한다.이러한 영역 중 일부는 독특한 반면, 다른 영역은 컴퓨터와 관련된 수치적 [2]방법 없이 연구하기 어려운 문제에 대한 강력한 데이터 분석과 해결책을 가능하게 함으로써 경제 분야를 확립했습니다.

계산 방법은 다음을 포함하지만 이에 국한되지 않는 다양한 경제 연구 분야에 적용되어 왔다.

계량경제학: 비모수적 접근법, 반모수적 접근법 및 기계학습.

동적 시스템 모델링:최적화, 동적 확률적 일반 평형 모델링 및 에이전트 기반 모델링.[3]

역사

계산 경제학은 그 분야의 수학화와 동시에 발전했다.20세기 초, 얀 틴베르겐과 라그나 프리슈와 같은 선구자들은 경제학의 전산화와 계량경제학의 성장을 발전시켰다.계량경제학의 발전의 결과로, 회귀 모형, 가설 검정 및 기타 계산 통계 방법은 경제 연구에 널리 채택되었다.이론적으로 보면, 실제 비즈니스 사이클(RBC) 모델과 동적 확률적 일반 평형(DSGE) 모델을 포함한 복잡한 거시 경제 모델은 계산에 크게 의존하는 수치적 솔루션 방법의 개발과 적용을 추진해왔다.21세기에 계산 알고리즘의 개발은 경제 연구와 상호작용하는 계산 방법을 위한 새로운 수단을 만들었다.기계학습 모델 및 에이전트 기반 모델링과 같은 혁신적인 접근방식은 경제 연구의 다양한 영역에서 활발하게 연구되어 경제학자들에게 기존의 방법과는 성격이 자주 다른 확장된 툴킷을 제공합니다.

적용들

에이전트 기반 모델링

주요 기사:에이전트 기반 모델

컴퓨터 경제학은 컴퓨터 기반 경제 모델을 사용하여 분석 및 통계적으로 공식화된 경제 문제를 해결합니다.이를 위해 연구 프로그램은 에이전트 기반 컴퓨터 경제학(ACE)으로, 상호작용하는 [4]에이전트의 동적 시스템으로서 경제 전체(경제 전체 포함)의 계산 연구이다.이와 같이, 이것은 복잡한 적응 [5]시스템 패러다임의 경제적 적응이다.여기서 "에이전트"는 실제 [3]사람이 아닌 규칙에 따라 상호작용하는 것으로 모델링된 "컴퓨팅 객체"를 의미합니다.에이전트는 사회적, 생물학적 및/또는 물리적 실체를 나타낼 수 있습니다.균형 상태에 있는 에이전트에 의한 수학적 최적화의 이론적 가정은 게임이론적인 [7]맥락을 포함하여 시장 힘에 [6]적응하는 제한된 합리성을 가진 에이전트의 덜 제한적인 가정으로 대체된다.모델러에 의해 결정된 초기 조건부터 시작하여 ACE 모델은 에이전트의 상호작용만으로 시간이 지남에 따라 발전합니다.이 방법의 과학적 목적은 경험적으로 뒷받침된 이론이 시간이 [8]지남에 따라 축적될 수 있도록 실제 데이터에 대해 이론적인 발견을 테스트하는 것이다.

컴퓨터 경제학 기계학습

머신러닝 모델에서는, 방대한 복잡한 비정형 데이터 세트를 해결할 수 있는 방법이 제시되고 있습니다.커널 방법 및 랜덤 포레스트와 같은 다양한 기계 학습 방법이 개발되어 데이터 마이닝 및 통계 분석에 활용되고 있습니다.이러한 모델은 STAR 방법과 같은 기존 통계 모델에 비해 우수한 분류, 예측 기능 및 유연성을 제공합니다.인과적 기계 학습 및 인과적 나무와 같은 다른 방법은 추론 테스트를 포함하여 뚜렷한 이점을 제공한다.

경제 연구에서 기계 학습 도구를 사용하는 것에는 주목할 만한 장점과 단점이 있다.경제학에서는 모형을 한 번에 선택하고 분석한다.경제 연구는 원칙에 기초한 모델을 선택한 다음 데이터로 모델을 테스트/분석한 후 다른 모델과 교차 검증할 것이다.한편, 머신 러닝 모델에는 「튜닝」효과가 짜넣어져 있습니다.모형이 경험적 분석을 수행할 때 여러 모형을 동시에 검증, 추정 및 비교합니다.이 과정은 기존의 추정치보다 더 강력한 추정치를 산출할 수 있다.

전통적인 경제학은 기존 원칙을 기반으로 데이터를 부분적으로 표준화하며, 기계 학습은 모델 적합에 대해 보다 긍정적이고 경험적인 접근을 제공한다.기계 학습은 분류, 예측 및 적합도 평가에 탁월하지만, 많은 모델은 경제 연구자들에게 더 큰 관심을 보이는 통계적 추론을 위한 용량이 부족하다.기계 학습 모델의 한계란 기계 학습을 활용하는 경제학자들이 현대 경험 연구의 핵심 초점인 강력한 통계적 인과 추론을 위한 전략을 개발할 필요가 있다는 것을 의미한다.예를 들어, 경제학 연구자들은 기계 학습 알고리즘에서 [9]잘 지정되지 않은 교란 요인, 신뢰 구간 및 기타 매개변수를 식별하기를 원할 수 있습니다.

기계 학습은 보다 복잡한 이기종 경제 모델의 개발을 효과적으로 가능하게 할 수 있다.기존에는 이기종 모델에는 광범위한 계산 작업이 필요했습니다.이질성은 취향, 신념, 능력, 기술 또는 제약의 차이일 수 있으므로, 이질적인 모델을 최적화하는 것은 동질적인 접근법(대표 에이전트)[10]보다 훨씬 더 지루하다.강화 학습과 딥 러닝의 개발은 이종 분석의 복잡성을 크게 줄여 [11]경제에서 에이전트의 행동을 더 잘 반영하는 모델을 만들 수 있다.

신경 네트워크의 채택과 구현, 컴퓨터 경제학 분야의 딥 러닝은 데이터 클리닝과 데이터 분석의 중복 작업을 줄여 대규모 데이터 분석의 시간과 비용을 크게 절감하고 연구자들이 [12]대규모로 데이터를 수집, 분석할 수 있도록 한다.이것은 경제 연구자들이 새로운 모델링 방법을 탐구하도록 장려할 것이다.또한 데이터 분석에 대한 강조가 감소하면 연구자가 인과 추론, 교란 변수 및 모델의 현실성과 같은 주제 문제에 더 집중할 수 있다.적절한 지침에 따라 기계 학습 모델은 대규모 경험적 데이터 분석 및 [13]계산을 통해 정확하고 적용 가능한 경제 개발 과정을 가속화할 수 있다.

동적확률일반평형(DSGE)모델

주요 기사: DSGE 모델

동적 모델링 방법은 경제 변동을 시뮬레이션하고 정책 변화의 효과를 테스트하기 위해 거시 경제 연구에서 자주 채택된다.DSGE는 계산 기술과 솔루션에 크게 의존하는 동적 모델의 한 클래스입니다.DSGE 모델은 미시적 근거를 가진 경제 원리를 사용하여 시간적 불확실성이 있는 환경에서 실제 세계 경제의 특성을 포착합니다.DSGE 모델은 본질적으로 복잡하기 때문에 일반적으로 분석적으로 다루기 어렵고 일반적으로 컴퓨터 소프트웨어를 사용하여 수치적으로 구현됩니다.DSGE 모델의 주요 장점 중 하나는 에이전트의 동적 선택을 유연하게 추정할 수 있다는 것입니다.그러나 많은 학자들은 DSGE 모델이 대부분 비현실적인 축소형 가정에 의존한다고 비판해왔다.

계산 도구 및 프로그래밍 언어

경제 연구에서 계산 도구를 활용하는 것은 오랜 기간 동안 표준이자 기초였다.경제학을 위한 계산 도구는 다양한 행렬 연산(예를 들어 행렬 반전)의 실행과 선형 및 비선형 방정식의 시스템 해법을 용이하게 하는 다양한 컴퓨터 소프트웨어를 포함한다.다양한 프로그래밍 언어가 데이터 분석 및 모델링 목적으로 경제 연구에 사용됩니다.다음은 컴퓨터 경제학 연구에 사용되는 프로그래밍 언어의 일반적인 목록입니다.

C++, MATLAB, Julia(프로그래밍 언어), Python(프로그래밍 언어), R(프로그래밍 언어), Stata

이들 프로그래밍 언어 중 컴파일 언어인 C++가 가장 빠른 반면 인터프리터 언어인 Python은 가장 느린 편이다.MATLAB, Julia 및 R은 성능과 해석 가능성 사이에서 균형을 이룹니다.초기 통계 분석 소프트웨어로서 Stata는 가장 일반적인 프로그래밍 언어 옵션이었습니다.경제학자들은 Stata의 폭, 정확성, 유연성 및 반복성으로 인해 Stata를 가장 인기 있는 통계 분석 프로그램 중 하나로 채택했습니다.

일지

다음의 저널은, ACM Transactions on Economation,[14] Computational [1]Econometrics, Journal of Applied Econometrics,[15] Journal of Economic Dynamics and[16] Control, Journal of Economic Interactions and [17]Coordination을 전문으로 하고 있습니다.

레퍼런스

  1. ^ a b 계산경제학「이 저널에 대해서」, 「Ams and Scope」.
  2. ^ • Hans M.암만, 데이비드 에이켄드릭, 존 러스트, ed., 1996.컴퓨터 경제학 핸드북, v. 1, Elsevier.설명 Wayback Machine 및 챕터 프리뷰 링크에서 2011-07-15 에 아카이브 되었습니다.2020-04-06년 Wayback Machine에서 보관 • Kenneth L. Judd, 1998.경제학의 수치적 방법, MIT 프레스.Wayback Machine에서 Archived 2012-02-11 설명 및 장 미리보기에 대한 링크입니다.
  3. ^ a b 스콧 E.페이지, 2008."에이전트 기반 모델", The New Palgrave Dictionary of Economics, 제2판.추상적.
  4. ^ • Scott E.페이지, 2008."에이전트 기반 모델", The New Palgrave Dictionary of Economics, 제2판.추상적.• Leigh Tesfatsion, 2006."에이전트 기반 컴퓨터 경제학: 경제 이론에 대한 건설적인 접근", 16장, 컴퓨터 경제학 핸드북, v. 2, 831-880.doi:10.1016/S1574-0021 (05) 02016-2.• Kenneth L. Judd, 2006."계산 집중 분석", 계산 경제학 핸드북, v. 2, 17장, 페이지 881-893.프리퍼브 PDF. • L. Tesfatsion 및 K.Judd, ed., 2006.계산경제 핸드북 v. 2, 에이전트 기반 계산경제학, Elsevier.설명 Wayback Machine 및 챕터 프리뷰 링크에서 2012-03-06 에 아카이브 되었습니다.• Thomas J. Sargent, 1994.옥스퍼드 거시경제학의 한계 합리성설명 및 장 미리보기 1페이지 링크
  5. ^ • W. Brian Arthur, 1994."유도적 추론 및 한계적 합리성", American Economic Review, 84(2), 페이지 406-411 웨이백 머신에 2013-05-21 아카이브.• Leigh Tesfatsion, 2003.「에이전트 베이스의 계산 경제:「복잡한 적응형 시스템으로서의 경제 모델링」, 정보 과학, 149(4), 페이지 262-268, 2012년 4월 26일, Wayback Machine에서 아카이브.• _____, 2002."에이전트 기반 컴퓨터 경제학: 밑바닥부터 성장하는 경제", 인공생명, 8(1), 페이지 55-82.2013-05-14 Wayback Machine에서 요약 및 사전 공개 PDF 아카이브.
  6. ^ • W. Brian Arthur, 1994."유도적 추론 및 한계적 합리성", American Economic Review, 84(2), 페이지 406-411 웨이백 머신에 2013-05-21 아카이브.• John H. Holland와 John H. Miller(1991)"경제 이론의 인공 적응 에이전트", American Economic Review, 81(2), 페이지 365-370 Wayback Machine에서 2011-01-05 아카이브.• Thomas C. 셸링, 1978년 [2006년마이크로모티브와 매크로 동작, 노튼.설명 Wayback Machine에서 보관된 2017-11-02 미리 보기.• Thomas J. Sargent, 1994.옥스퍼드 거시경제학의 한계 합리성설명 및 장 미리보기 1페이지 링크
  7. ^ • 조셉 Y. Halpern, 2008년"컴퓨터 과학과 게임 이론", 뉴 팔그레이브 경제 사전 제2판.추상적.• Yoav Shoham, 2008."컴퓨터 과학과 게임 이론", ACM의 통신, 51(8), 페이지 75-79 웨이백 머신에서 2012-04-26 아카이브.• 앨빈 E Roth, 2002."엔지니어로서의 이코노미스트: 디자인 경제를 위한 도구로서의 게임이론, 실험, 계산" Econometrica, 70(4), 페이지 1341–1378 Wayback Machine에서 2004-04-14 아카이브.
  8. ^ Leigh Tesfatsion, 2006년."에이전트 기반 컴퓨터 경제학: 경제 이론에 대한 건설적인 접근", 16장, 컴퓨터 경제학 핸드북, v. 2, 5장, 페이지 865 [831-880]doi:10.1016/S1574-0021 (05) 02016-2.
  9. ^ "The Impact of Machine Learning on Economics", The Economics of Artificial Intelligence, University of Chicago Press, pp. 507–552, 2019, doi:10.7208/chicago/9780226613475.003.0021, ISBN 9780226613338, S2CID 67460253, retrieved 2022-05-05
  10. ^ Jesus, Browning, Martin Carro (2006). Heterogeneity and microeconometrics modelling. CAM, Centre for Applied Microeconometrics. OCLC 1225293761.
  11. ^ Charpentier, Arthur; Élie, Romuald; Remlinger, Carl (2021-04-23). "Reinforcement Learning in Economics and Finance". Computational Economics. arXiv:2003.10014. doi:10.1007/s10614-021-10119-4. ISSN 1572-9974. S2CID 214612371.
  12. ^ Farrell, Max H.; Liang, Tengyuan; Misra, Sanjog (2021). "Deep Neural Networks for Estimation and Inference". Econometrica. 89 (1): 181–213. doi:10.3982/ecta16901. ISSN 0012-9682. S2CID 203696381.
  13. ^ "Deep learning for individual heterogeneity: an automatic inference framework". 2021-07-27. doi:10.47004/wp.cem.2021.2921. S2CID 236428783. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  14. ^ "ACM Teac".
  15. ^ "Journal of Applied Econometrics". Wiley Online Library. 2011. doi:10.1002/(ISSN)1099-1255. Retrieved October 31, 2011.
  16. ^ Economic Dynamics and Control 저널(목표와 범위 링크 포함)주목받는 개요와 문제에 대해서는, 다음의 문서를 참조해 주세요. • Leigh Tesfatsion, 2001"에이전트 기반 컴퓨터 경제학 특별호 소개", 경제 역학 및 제어 저널, 페이지 281-293.• [특집호], 2001.경제역학 및 제어 저널, 에이전트 기반 계산경제학(ACE). 25(3-4), 페이지 281-654.추상/아웃라인[permanent dead link] 링크.
  17. ^ "Journal of Economic Interaction and Coordination". springer.com. 2011. Retrieved October 31, 2011.

외부 링크