Simulaciones en Econom - pareto.uab.espareto.uab.es/xvila/ETSE/Master-ETSE-UAB.pdf · 2 La...

31Enero2008Simulaciones en (micro)Economía UAB

Simulaciones en Economía[Primera parte]

Modelización Basada en Agentes(AgentBased Modelling)

Xavier VilàDept. d'Economia i d'Història Econòmica

UAB


Conten ido

1. El Análisis Económico. 2. La economía como Sistema Complejo3 Modelos Computacionales Basados en Agentes4. Toolkits vs. programación5. Netlogo y ejemplos

5.1. El modelo de Segregación de Schelling5.2. El modelo de Hotelling

7. El problema de la adecuación: Algoritmos Genéticos y Juegos Evolutivos8. Otros usos, otros recursos


1 . - E l A n á l i s i s E c o n ó m i c o

Interrelación

P.I.B Paro Inflación Tipo de Interés Consumo etc...



● Macroeconomía:

Estudia el comportamiento y la relación entre les variables agregadas

● Microeconomía: Estudia el comportamiento de los agentes económicos y el funcionamiento de los mercados y otras instituciones



El “método” del Análisis Económico

Se basa en la construcción de modelossimplificadores de la realidad (matemáticos) para analizarlos de forma útil y obtener resultados

No se consiste ni en la observación ni en la descripción


E j e m p l o : E l D i l e m a d e l P r i s i o n e r o ( 1 )

Ante la realización de un crimen sobre el cual la policía no tiene pistas, dos sospechosos son detenidos y encerrados en celdas separadas. Para poder ir al Juzgado con algún argumento, la policía explica por separado la situación a cada uno de los detenidos en los siguentes términos:



● Lo que vamos a proponerte ahora se lo propondremos también al otro detenido, pero no podréis hablar entre vosotros.

● Sabemos que el autor ha sido uno de vosotros, pero no tenemos ninguna prueba. Tu testimonio puede ser nuestra única prueba.

● Si firmas una declaración acusando al otro, la podremos utilizar ante el juez para inculparlo y a ti te dejaremos en libertad inmediatamente. Pero si el otro detenido firma una declaración similar, entonces el juez tendrá pruebas que os acusan a los dos y recibiréis una condena de 1 año cada uno.

● Si no accedes a firmar esta declaración te arriesgas a que el otro si lo haga y entonces toda la condena recaerá sobre ti: 5 años de prisión.

● Si ambos os negáis a firmar, entonces no habrá manera de que el juez os pueda condenar. Eso si, por no haber colaborado con nosotros os mantendremos en “prisión preventiva” 2 semanas, hasta el día del juicio.



Las “reglas del juego” están claras, las ha explicado la policía

Los “jugadores” somos el otro detenido y yo.

Mis “opciones” están claras, Acusar o Callar

Dependiendo de lo que haga el otro y de lo que haga yo acabaré libre, 2 semanas en la carcel, 1 año en la carcel o 5 años en la carcel.

Elementos que interesan



Acusar

Callar

Acusar Callar

Prisionero 1

Prisionero 2

1 , 1 0 , 5

5 , 0 2 s. , 2 s.


2 L a E c o n o m í a c o m o S i s t e m a C o m p l e j o

El “método” del Análisis Económico“Teorema”

Hipótesis 1 Hipótesis 2 ... Hipótesis n

Resultado

(Demostraciónlógica formal)

(Sobre los agentesy las instituciones)

(Sobre la economía)



El “método” del Análisis EconómicoEjemplo: Dilema del Prisionero

● Los agentes son racionales● Los agentes sabem que los otros son racionales● Los agentes tienen toda la información● Los agentes solo consideran su propio interés

Los dos acusarán



El resultadono es cierto en la realidad

Al menos una delas hipótesis no es correcta



... o la economía no se comportalógicamente ...



Gran número de componentes elementales

Pautas de comportamiento auto-organizadas, sin diseño

Amplificación de pequeñas fluctuaciones

Fases de transición – Equilibrio

Comportamiento difícil de predecir o explicar analíticamente

Emergencia de pautas complejas a nivel “macro” a partir de comportamientos simples a nivel “micro”



Cuando ponemos harina, huevos y azucar mezclados en un horno obtenemos algo más que una masa recalentada

Cuando se mezclan compradores, vendedores y mercancías en un mercado obtenemos algo más que un grupo de agentes cargando mercancías de un lado al otro

“Propiedades Emergentes”


3 M o d e l o s C o m p u t a c i o n a l e s B a s a d o s e n A g e n t e s

Computación versus Simulación

Computación: Buscar las soluciones a un problema utilizando técnicas computacionales y/o algoritmos para el cálculo de estas soluciones

– Caja negra– Importa el resultado final– El interés está en la eficiencia, convergencia, que la solución sea correcta

Simulación: Estudia el comportamiento de un sitema utilizando técnicas computacionales que simulan el comportamiento de sus componentes

– Caja de cristal– Todo el proceso es importante– El interés está en la complejidad del sistema, lo adecuado de les simulacions, las pautas regulares que aparecen (emergen)


Computac ión

u(x,y)=xy

y=f(x)

qd(p)=qo(p)(x*,p*)


S imu lac ión[ M o d e l o s B a s a d o s e n A g e n t e s ]

(x*,p*)


S i m u l a c i o n s d e I r v i n g F i s c h e r ( 1 8 9 3 )


S i m u l a c i o n s d e I r v i n g F i s h e r ( 1 9 2 5 )


4 Too lk i t s v s P rogramac ión

● Swarm – General-Purpose Simulation System (Objective C - Java, Open)

● AnyLogic - Multi-Paradigm Simulation Software (Java - Eclipse, Proprietary)

● Ascape - Agent Landscape (Java, Free Open Source)

● Repast - Recursive Porous Agent Simulation Toolkit (Java,Python,C#; Open)

● NetLogo - General purpose complexity modeling and simulation

environment (Java - Multi-Platform, Freeware)

● ECJ - Evolutionary Computation Library (Java, Open Source)

● MASON - Multi-Agent Simulator On Networks (Java - ECJ, Open Source)

●

● (Más generales: AgentBuilder, AgentSheets, ...)


Swarm

Swarm is a platform for agentbased models (ABMs) that includes:

● A conceptual framework for designing, describing, and conducting experiments on ABMs; ● Software implementing that framework and providing many handy tools; and ● A community of users and developers that share ideas, software, and experience.

Swarm Development Group


AnyLog ic

AnyLogic is the first and only dynamic simulation tool that brings together System Dynamics, Processcentric (AKA Discrete Event), and Agent Based approaches within one modeling language and one model development environment

XJTechnologies, St.Petersburg, Russia

http://www.xjtek.com/anylogic/features/multimethodmodeling/

http://www.xjtek.com/anylogic/features/systemdynamics/

http://www.xjtek.com/anylogic/features/discreteevent/

http://www.xjtek.com/anylogic/features/discreteevent/

http://www.xjtek.com/anylogic/features/agentbased/


AnyLog ic


Ascape

Ascape is an innovative tool for developing and exploring generalpurpose agentbased models

A highlevel framework supports complex model design, while enduser tools make it possible for nonprogrammers to explore many aspects of model dynamics. Ascape is written entirely in Java

Design and Development: Miles Parker (Metascape, LLC)

Development: Mario Inchiosa, Josh Miller (NuTech Solutions, Inc.)

Initiators: Joshua Epstein and Robert Axtell (The Brookings Institution)


Ascape


Repas t

Repast Simphony is a free and open source agentbased modeling toolkit that offers users a rich variety of features

DevelopersMark Altaweel, Dariusz Blachowicz, Nick Collier. Tom Howe. Bob Najlis, Michael North, Jonathan Ozik, Miles Parker, Eric Tatara, Jerry R. Vos

Repast Organization for Architecture and Development (ROAD)

InitiatorsSallach, Collier, Howe, North (University of Chicago) > (Argonne National Laboratory)

http://repast.sourceforge.net/repast-license.html


Repas t


NetLogo

NetLogo is a crossplatform multiagent programmable modeling environment, descendant of StarLogo

Developed

Uri Wilensky (and Team) at the Center for Connected Learning (Northwestern Univeristy)


NetLogo


EC J

ECJ is a research EC system written in Java. It was designed to be highly flexible, with nearly all classes (and all of their settings) dynamically determined at runtime by a userprovided parameter file

ECJ is developed at George Mason University's ECLab Evolutionary Computation Laboratory.

By Sean Luke, Liviu Panait, Gabriel Balan, Sean Paus, Zbigniew Skolicki, Elena Popovici, Joseph Harrison, Jeff Bassett, Robert Hubley, and Alexander Chircop


Mason

MASON is a fast discreteevent multiagent simulation library core in Java, designed to be the foundation for large custompurpose Java simulations, and also to provide more than enough functionality for many lightweight simulation needs. MASON contains both a model library and an optional suite of visualization tools in 2D and 3D.

MASON is a joint effort between George Mason University's ECLab Evolutionary Computation Laboratory and the GMU Center for Social Complexity, and was designed by Sean Luke, Gabriel Catalin Balan, and Liviu Panait, with help from Claudio CioffiRevilla, Sean Paus, Keith Sullivan, Daniel Kuebrich, Joey Harrison, and Ankur Desai.


5 N e t L o g o

NetLogo es un entorno de programación para modelizar y simular fenómenos naturales y sociales

Diseñado para simular sistemas complejos que evolucionan en el tiempo con miles de agentes actuando de forma concurrente

Fácil de aprender y de utilizar Biblioteca considerable de modelos escritos que pueden ser

utilizados y modificados Lenguaje de programación natural (scripting) Interficie de usuario simple y potente


5 N e t L o g o


5 N e t L o g o

Interficie gráfica

Lenguaje de programación


5 N e t L o g o

La Interficie gráfica contiene tres tipos de objetos:

● Controles (controls) (Azul)

● Paràmetros (settings) (Verde)

● Informadores (views) (Beige)


5 N e t L o g o

CONTROLES (Azul)

Controlan la ejecución del programa

Botones (Buttons)

Centro de comandos (Command Center)


5 N e t L o g o

Parámetres (Settings) (VERDE)

Permiten modificar los parámetres delmodel

● Barras (Sliders)

● Interruptores (Switches)

● Menús (Choosers)


5 N e t L o g o

Informadors (BEIGE)

Dan información sobre el funcionamiento y los resultados del modelo

Monitores

Gráficos (Plots)

Texto

El “mundo”


5 N e t L o g o

El mundo: La ventana principal de NetLogo.

Tamaño

Velocidad

turtle/patch inspector(rightclick)


5 N e t L o g o

● Agents

● Procedures

● Variables

“Lenguage de programación”


5 N e t L o g o

Hay 3 tipos de agents en NetLogo:

Patches Turtles

Observer


Patches

No se mueven, pero son tan activos como los otros agentes

Forman una cuadrícula en 2D conectada por los extremos (torus)

Tienen coordenadas enteras (pxcor, pycor)

minpxcor < pxcor < maxpxcorminpycor < pycor < maxpycor


5 N e t L o g o


Tur t les

Se mueven sobre los patches, no necesariamente en su centro

Tienen coordenades decimales (xcor,ycor)y orientación (heading) para moverse

Pueden tener diferentes formas (shape) y colores (color)


Tur t les


Observer

Puede crear nuevos agentes y controles

Puede pasar órdenes a los patches y turtles

Puede modificar los parámetros y los valores de las variables

Puede dar información sobre el estado de la simulación

Es el intérprete entre el investigador y los agentes


Observer


Procedures

Para dar instrucciones a los agentes (a través del observador) disponemos de,

primitives: instrucciones que forman parte de NetLogo

Ex: forward,clear,if,turtleswith...

procedures: instrucciones que crea el usuario a partir de las primitives

Ex: to setupclearallcreateturtles 10

end


Var iab les

Las variables sirven para guardar valores numéricos o alfabéticos. Hay de 3 tipos

Variables globales

Variables propias de turtles y propias patches

Variables locales


E jemp lo : Segregat ion

En un mundo cuadriculado hay dos tipos de agentes: rojos y verdes

Cada agente está dispuesto a convivir con vecinos del otro tipo, pero quiere que un cierto porcentaje sea de su mismo tipo

Si un agente, en su ubicación, no tiene suficientes vecinos similares, buscará otra ubicación que esté libre ...

... y así sucesivamente hasta que todos esten satisfechos.

Ex: Si se quiere un 30% de similares ...

No Satisfecho Satisfecho


8 Ot ros usos , o t ros recursos

Simulaciones y herramientas “reales”

● JASA: Java Auction Simulator API (Steve Phelps, U of Liverpool)● jES: Java Enterprise Simulator (Pietro Terna, University of Torino)● TNG: A C++ Framework for Studying the Formation and Evolution of Trade Networks (Leigh Testfasion, Iowa State University)● AMES Market Package: Agent-Based Modeling of Electricity Systems (Iowa State University)● Santa Fe Artificial Stock Market (Santa Fe Institute - Paul E. Johnson, University of Kansas)

y ...

● “Business Games”, Logistics Simulators,

Simulaciones en Econom - pareto.uab.espareto.uab.es/xvila/ETSE/Master-ETSE-UAB.pdf · 2 La...

Documents

Transcript of Simulaciones en Econom - pareto.uab.espareto.uab.es/xvila/ETSE/Master-ETSE-UAB.pdf · 2 La...