Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top
List Forum für Wirtschafts- und Finanzpolitik
Published in: List Forum für Wirtschafts- und Finanzpolitik 4/2019

06-02-2019 | Aufsätze

Potential, Erfolge und Herausforderungen der Agenten-basierten Modellierung in den Wirtschaftswissenschaften

Author: Herbert Dawid

Published in: List Forum für Wirtschafts- und Finanzpolitik | Issue 4/2019

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Dieser Artikel diskutiert die Anwendung von Agenten-basierten Modellen in der volkswirtschaftlichen Forschung. Es wird eine kurze Einführung in die ökonomische Analyse mittels Agenten-basierter Modelle gegeben und die Entwicklung der entsprechenden Forschung in den letzten Jahren skizziert. Schließlich werden die wichtigsten Vorzüge des Ansatzes und auch die zentralen Herausforderungen diskutiert.
previous article Feministische Ökonomik als Gegenprogramm zur Standardökonomik: Kommentar zum Beitrag von Aysel Yollu-Tok und Fabiola Rodríguez Garzón
next article Potential, Erfolge und Herausforderungen der Agenten-basierten Modellierung in den Wirtschaftswissenschaften: Kommentar zum Beitrag von Herbert Dawid

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now
Footnotes
1
Eine kritische Diskussion der neuen Entwicklungen im Bereich der DSGE Modellierung, die auch auf Probleme der empirischen Schätzung dieser Modelle eingeht, findet sich in Fagiolo and Roventini (2017).
 
2
Siehe z. B. Haldane (2016).
 
3
Die Tatsache, dass in einem wohl-definierten Agenten-basierten Modell von jedem Anfangszustand aus Trajektorien des Modells mittels Simulation ermittelt werden können, heißt natürlich nicht, dass die generierten Trajektorien aus ökonomischer Sicht sinnvoll sind. So ist es zum Beispiel nicht ausgeschlossen, dass Trajektorien ins Unendliche divergieren oder jegliche Aktivität in der Ökonomie zusammen bricht. Angemessenes Design und Kalibrierung des Modells sind dafür verantwortlich, dass die von dem Modell generierte Dynamik im ökonomischen Sinn fruchtbar interpretierbar sind.
 
4
Dies bedeutet insbesondere, dass die einzelnen Agenten nicht das gesamte ökonomische Modell im Rahmen dessen sie interagieren kennen.
 
5
Siehe z. B. Goudet et al. (2015) für eine Analyse des französischen Arbeitsmarktes.
 
Literature
Anufriev, M., Assenza, T., Hommes, C., & Massaro, D. (2013). Interest rules and macroeconomic stability under hetergenous expectations. Macroeconomic Dynamics, 17, 1574–1604.CrossRef
Arifovic, J., & Ledyard, J. (2010). A behavioral model for mechanism design: individual evolutionary learning. Journal of Economic Behavior and Organization, 78, 374–395.CrossRef
Arifovic, J., Bullard, J., & Kostyshyna, O. (2013). Social learning and monetary policy rules. Economic Journal, 123, 38–76.CrossRef
Arifovic, J., Dawid, H., Deissenberg, C., & Kostyshyna, O. (2010). Learning benevolent leadership in a heterogenous agents economy. Journal of Economic Dynamics and Control, 34, 1768–1790.CrossRef
Arthur, W., Holland, J., LeBaron, B., Palmer, R., & Taylor, P. (1997). Asset pricing and endogenous expectations in an artificial stock market. In W. Arthur, S. Durlauf & D. Lane (Hrsg.), The economy as an evolving complex system II. Reading, MA: Addison-Wesley.
Artinger, F., & Gigerenzer, G. (2016). Heuristic pricing in an uncertain market: ecological and constructivist rationality. SSRN: Working Paper.
Aymanns, C., Farmer, J. D., Kleinnijenhuis, A. M., & Wetzer, T. (2018). Models of financial stability and their application in stress tests. In C. Hommes & B. LeBaron (Hrsg.), The handbook of computational economics (Bd. 4, S. 329–391). Amsterdam: North-Holland.
Balint, T., Lamperti, F., Mandel, A., Napoletano, M., Roventini, A., & Sapio, A. (2017). Complexity and the economics of climate change: a survey and a look forward. Ecological Economics, 158, 252–265.CrossRef
Barde, S., & van der Hoog, S. (2017). An empirical validation protocol for large-scale agent-based models. Bielefeld: Universität Bielefeld. Working Papers in Economics and Management No. 04-2017CrossRef
Battiston, S., Delli Gatti, D., Gallegati, M., Greenwald, B., & Stiglitz, J. (2007). Credit chains and bankruptcy propagation in production networks. Journal of Economic Dynamics and Control, 31, 2061–2084.CrossRef
Branch, W., & McGough, B. (2018). Heterogeneous expectations and micro-foundations in macroeconomics. In C. Hommes & B. LeBaron (Hrsg.), The handbook of computational economics (Bd. 4, S. 3–62). Amsterdam: North-Holland.
Carroll, C. (2003). Macroeconomic expectations of households and professional forecasters. Quarterly Journal of Economics, 118, 269–298.CrossRef
Chang, M.-H. (2015). A computational model of industry dynamics. London.: Routledge.
Dawid, H. (2015). Modeling the economy as a complex system. In B. A. Furtado, P. Sakowski & M. Tovolli (Hrsg.), Modeling complex systems for public policies (S. 191–216). Brasilia: IPEA.
Dawid, H., & Delli Gatti, D. (2018). Agent-based macroeconomics. In C. Hommes & B. LeBaron (Hrsg.), The handbook of computational economics (Bd. 4, S. 63–156). Amsterdam: North-Holland.
Dawid, H., & Gemkow, S. (2014). How do social networks contribute to wage inequality? Insights from an agent-based analysis. Industrial and Corporate Change, 23, 1171–1200.CrossRef
Dawid, H., & Harting, P. (2012). Capturing firm behavior in agent-based models of industry evolution and macroeconomic dynamics. In G. Bünsdorf (Hrsg.), Evolution, organization and economic behavior Bd. 6. Cheltenham: Edward Elgar.
Dawid, H., & Reimann, M. (2004). Evaluating market attractiveness: individual incentives vs. industry profitability. Computational Economics, 24, 321–355.CrossRef
Dawid, H., Harting, P., & Neugart, M. (2014). Economic convergence: policy implications from a heterogeneous agent model. Journal of Economic Dynamics and Control, 44, 54–80.CrossRef
Dawid, H., Harting, P., & Neugart, M. (2018). Cohesion policy and inequality dynamics: insights from a heterogeneous agents macroeconomic model. Journal of Economic Behavior and Organization, 150, 220–255.CrossRef
De Grauwe, P., & Macchiarelli, C. (2015). Animal spirits and credit cycles. Journal of Economics Dynamics and Control, 58, 95–117.CrossRef
Dieci, R., & He, X.-Z. (2018). Heterogeneous agent models in finance. In C. Hommes & B. LeBaron (Hrsg.), The handbook of computational economics (Bd. 4, S. 257–328). Amsterdam: North-Holland.
Dosi, G., Fagiolo, G., Napoletano, M., & Roventini, A. (2013). Income distribution, credit and fiscal policies in an agent-based Keynesian model. Journal of Economic Dynamics and Control, 37, 1598–1625.CrossRef
Dosi, G., Marengo, L., Bassanini, A., & Valente, M. (1999). Norms as emergent properties of adaptive learning: The case of economic routines. Journal of Evolutionary Economics, 9, 5–26.CrossRef
Dosi, G., Pereira, M., Roventini, A., & Virgillito, M. (2017). When more flexibility yields more fragility: the microfoundations of Keynesian aggregate unemployment. Journal of Economic Dynamics and Control, 81, 162–186.CrossRef
Duffy, J. (2012). Macroeconomics: a survey of laboratory research. In J. H. Kagel & A. E. Roth (Hrsg.), The handbook of experimental economics (Bd. 2, S. 1–90). Amsterdam: Elsevier.
Fagiolo, G., & Roventini, A. (2017). Macroeconomic policy in DSGE and agent-based models redux: new developments and challenges ahead. Journal of Artificial Societies and Social Simulation, 20, 1.CrossRef
Farmer, D. J., & Foley, D. (2009). The economy needs agent-based modelling. Nature, 460, 685–686.CrossRef
Geisdendorf, S. (2018). Evolutionary climate-change modeling - A multi-agent climate-economic model. Computational Economics, 52, 921–951.CrossRef
Gemkow, S., & Neugart, M. (2011). Referral hiring, endogenous social networks, and inequality: an agent-based analysis. Journal of Evolutionary Economics, 21, 703–719.CrossRef
Gigerenzer, G., & Gaissmaier, W. (2011). Heuristic decision making. Annual Review of Psychology, 62, 451–482.CrossRef
Gilbert, N., Pyka, A., & Ahrweiler, P. (2001). Innovation networks-a simulation approach. Journal of Artificial Societies and Social Simulation, 4, 3.
Goudet, O., Kant, J.-D., & Ballot, G. (2015). Forbidding fixed duration contracts: unfolding the opposing effects with a multiagent model of the French labour market. In F. Amblard, F. Miguel, A. Blanchet & B. Gaudou (Hrsg.), Advances in artificial economics, lecture notes in economics and mathematical systems (Bd. 676, S. 151–167). Berlin: Springer.
Haruvy, E., Lahav, Y., & Noussair, C. (2007). Traders’ expectations in asset markets: experimental evidence. American Economic Review, 97, 1901–1920.CrossRef
Hommes, C., Sonnemans, J., Tuinstra, J., & van de Velden, H. (2005). Coordination of expectations in asset pricing experiments. Review of Financial Studies, 18, 955–980.CrossRef
Howitt, P. (2012). What have central bankers learned from modern macroeconomic theory? Journal of Macroeconomics, 34, 11–22.CrossRef
Kirman, A. (1992). Whom or what does the representative individual represent? Journal of Economic Perspectives, 6, 117–136.CrossRef
Kirman, A. (2016). Ants and Nonoptimal self-organization: lessons for macroeconomics. Macroeconomic Dynamics, 20, 601–621.CrossRef
Kirman, A., & Vriend, N. (2001). Evolving market: an ACE model of price dispersion and loyalty. Journal of Economics Dynamics and Control, 25, 495–502.CrossRef
Lamperti, F., Roventini, A., & Sani, A. (2018). Agent-based model calibration using machine learning surrogates. Journal of Economic Dynamics and Control, 90, 366–389.CrossRef
LeBaron, B. (2006). Agent-based computational finance. In L. Tesfatsion & K. Judd (Hrsg.), Handbook of computational economics (Bd. II, S. 1187–1233). Amsterdam: North-Holland.
LeBaron, B., & Tesfatsion, L. (2008). Modeling macroeconomies as open-ended systems of interacting agents. American Economic Review: Papers and Proceedings, 98, 246–250.CrossRef
Lux, T., & Marchesi, M. (1999). Scaling and criticality in a stochastic multi-agent model of a financial market. Nature, 397, 498–500.CrossRef
Lux, T., & Zwinkels, C. (2018). Empirical validation of agent-based models. In C. Hommes & B. LeBaron (Hrsg.), The handbook of computational economics (Bd. 4, S. 437–488). Amsterdam: North-Holland.
Malerba, F., Nelson, R., Orsenigo, L., & Winter, S. (1999). History-friendly models of industry evolution: the computer industry. Industrial and Corporate Change, 1, 3–41.CrossRef
Malerba, F., Nelson, R., Orsenigo, L., & Winter, S. (2016). Innovation and the evolution of industries: history-friendly models. Cambridge: Cambridge University Press.CrossRef
Nelson, R., & Winter, S. (1982). An evolutionary theory of economic change. Cambridge, MA.: Belknap Press.
Neugart, M., & Richiardi, M. (2018). Agent-based models of the labor market. In S.-H. Chen, M. Kaboudan & Y.-R. Du (Hrsg.), The Oxford handbook of computational economics and finance (S. 667–687). Oxford: Oxford University Press.
Ragot, X. (2018). Heterogeneous agents in the macroeconomy: reduced-heterogeneity representations in DSGE models. In C. Hommes & B. LeBaron (Hrsg.), The handbook of computational economics (Bd. 4, S. 215–253). Amsterdam: North-Holland.
Russo, A., Riccetti, L., & Gallegati (2016). Increasing inequality, consumer credit and financial fragility in an agent based macroeconomic model. Journal of Evolutionary Economics, 26, 25–47.CrossRef
Sinitskaya, E., & Tesfatsion, L. (2015). Macroeconomies as constructively rational games. Journal of Economic Dynamics and Control, 61, 152–182.CrossRef
Tesfatsion, L. (2006). Agent-based computational economics: a constructive approach to economic theory. In L. Tesfatsion & K. Judd (Hrsg.), Handbook of computational economics (Bd. II, S. 831–880). Amsterdam: North-Holland.
Vallee, T., & Yildizoglu, M. (2006). Social and technological efficiency of patent systems. Journal of Evolutionary Economics, 16, 189–206.CrossRef
Metadata
Title
Potential, Erfolge und Herausforderungen der Agenten-basierten Modellierung in den Wirtschaftswissenschaften
Author
Herbert Dawid
Publication date
06-02-2019
Publisher
Springer Berlin Heidelberg
Published in
List Forum für Wirtschafts- und Finanzpolitik / Issue 4/2019
Print ISSN: 0937-0862
Electronic ISSN: 2364-3943
DOI
https://doi.org/10.1007/s41025-019-00131-w

Other articles of this Issue 4/2019

List Forum für Wirtschafts- und Finanzpolitik 4/2019 Go to the issue

Replik

Klassische Institutionenökonomik: Replik zum Kommentar von Jan Schnellenbach

Kommentar

(Neo‑)Marxistische Politische Ökonomie als Gegenprogramm zur Standardökonomik: Kommentar zum Beitrag von Hardy Hanappi

Aufsätze

Feministische Ökonomik als Gegenprogramm zur Standardökonomik

Editorial

Einleitung

Kommentar

Die Österreichische Schule als Gegenprogramm zur Standardökonomik: Kommentar zum Beitrag von Karl-Friedrich Israel und Jörg Guido Hülsmann

Aufsätze

Neue Ordnungsökonomik. Zur Aktualität eines kontextualen Forschungsprogramms