Genetiska algoritmer i ekonomi

Genetiska algoritmer har i allt högre grad tillämpats på ekonomi sedan John H. Millers banbrytande arbete 1986. Det har använts för att karakterisera en mängd olika modeller inklusive spindelnätsmodellen, modellen för överlappande generationer , spelteori , schemaoptimering och tillgångsprissättning . Specifikt har det använts som en modell för att representera lärande, snarare än som ett sätt att anpassa en modell.

Genetisk algoritm i spindelnätsmodellen

Spindelnätsmodellen är en enkel utbud och efterfrågan modell för en bra över t perioder . Företag (agenter) fattar ett beslut om produktionskvantitet under en given period, men deras produktion produceras inte förrän under följande period. Således kommer företagen att behöva använda någon form av metod för att förutsäga vad det framtida priset kommer att bli. GA används som ett slags inlärningsbeteende för företagen. Inledningsvis är deras produktionsbeslut slumpmässigt, men varje period lär de sig lite mer. Resultatet är att agenterna konvergerar inom området för rationella förväntningar (RATEX) jämvikt för det stabila och instabila fallet. Om valoperatören används konvergerar GA exakt till RATEX-jämvikten.

Det finns två typer av inlärningsmetoder som dessa agenter kan användas med: socialt lärande och individuellt lärande. I socialt lärande är varje företag utrustad med en enda sträng som används som beslut om kvantitetsproduktion. Den jämför sedan denna sträng med andra företags strängar. I det individuella inlärningsfallet är agenter utrustade med en pool av strängar. Dessa strängar jämförs sedan med andra strängar inom agentens populationspool. Detta kan ses som ömsesidigt konkurrerande idéer inom ett företag, medan det i det sociala fallet kan ses som ett företag som lär sig från mer framgångsrika företag. Observera att i det sociala fallet och i det individuella inlärningsfallet med identiska kostnadsfunktioner, att detta är en homogen lösning, det vill säga att alla agenters produktionsbeslut är identiska. Men om kostnadsfunktionerna inte är identiska kommer detta att resultera i en heterogen lösning, där företag producerar olika kvantiteter (observera att de fortfarande är lokalt homogena, det vill säga inom företagets egen pool är alla strängar identiska).

Efter att alla agenter har fattat ett kvantitetsproduktionsbeslut, aggregeras kvantiteterna och kopplas in i en efterfrågefunktion för att få ett pris. Varje företags vinst beräknas sedan. Konditionsvärdena beräknas sedan som en funktion av vinsten. Efter att avkommapoolen har genererats beräknas hypotetiska konditionsvärden. Dessa hypotetiska värden är baserade på någon slags uppskattning av prisnivån, ofta bara genom att ta den tidigare prisnivån.

Se även

Lista över genetiska algoritmtillämpningar § Finans och ekonomi

JH Miller, "A Genetic Model of Adaptive Economic Behavior", University of Michigan arbetsdokument, 1986.
J Arifovic, 'Learning by Genetic Algorithm in Economic Environments', doktorsavhandling, University of Chicago, 1991.
J Arifovic, 'Genetic Algorithm Learning and the Cobweb Model', Journal of Economic Dynamics and Control, vol. 18, nummer 1, (januari 1994), 3–28.
R Hoffmann, "The independent localizations of interaction and learning in the repeated prisoner's dilemma", Theory and Decision, vol. 47, sid. 57–72, 1999.
R Hoffmann, 'Samarbetets ekologi', Theory and Decision, vol. 50, nummer 2. sid. 101–118, 2001.

externa länkar