본문으로 이동

계산경제학

한울위키, 우리 모두의 백과사전.
행동과학의 일부
경제학
파일:Supply-demand-equilibrium.svg
도구 및 방법론
경제 이론

실증 방법

규범 및 정책

분야 및 하위 분야

계산경제학(computational economics) 또는 알고리즘 경제학(algorithmic economics)은 컴퓨터 과학과 경제학을 결합하여 경제학에서 계산 비용이 많이 드는 문제를 효율적으로 해결하는 학제간 분야이다.[1] 이러한 분야 중 일부는 독특하며, 다른 분야는 컴퓨터와 관련 수치 방법 없이는 연구하기 어려운 문제에 대한 강력한 데이터 분석 및 솔루션을 허용함으로써 기존 경제학 분야를 확립한다.[2]

계산경제학의 주요 발전에는 탐색 및 매칭 이론, 게임 이론, 선형 계획법 이론, 알고리즘 메커니즘 디자인, 공평한 분할 알고리즘이 포함된다.

역사

계산경제학은 분야의 수학화와 동시에 발전했다. 20세기 초, 얀 틴베르헌과 랑나르 프리슈와 같은 선구자들은 경제학의 전산화와 계량경제학의 성장을 촉진했다. 계량경제학의 발전 결과로, 회귀 모델, 가설 검정 및 기타 계산 통계 방법이 경제 연구에서 널리 채택되었다. 이론적 측면에서, 실물 경기 순환(RBC) 모델 및 동태확률 일반균형(DSGE) 모델을 포함한 복잡한 거시경제 모델은 계산에 크게 의존하는 수치 해법의 개발 및 적용을 추진했다. 21세기에는 계산 알고리즘의 개발이 경제 연구와 상호 작용하는 새로운 계산 방법의 수단을 만들었다. 기계 학습 모델 및 행위자 기반 모형과 같은 혁신적인 접근 방식은 다양한 경제 연구 분야에서 활발히 탐구되어 경제학자들에게 전통적인 방법과는 다른 특성을 지닌 확장된 도구 세트를 제공했다.

응용

행위자 기반 모형

파일:Icons8 flat search.svg 이 부분의 본문은 행위자 기반 모형입니다.

계산경제학은 컴퓨터 기반 경제 모형을 사용하여 분석적으로, 통계적으로 공식화된 경제 문제를 해결한다. 이를 위한 연구 프로그램 중 하나는 행위자 기반 계산경제학(ACE)으로, 상호 작용하는 행위자들의 동적 시스템으로서 전체 경제를 포함한 경제 과정의 계산 연구이다.[3] 따라서 이는 복잡 적응계 패러다임의 경제학적 적응이다.[4] 여기서 "행위자"는 실제 사람을 의미하는 것이 아니라 "규칙에 따라 상호 작용하도록 모델링된 계산 객체"를 의미한다.[5] 행위자는 사회적, 생물학적 및 물리적 개체를 나타낼 수 있다. 균형 상태에서 행위자의 수학적 최적화에 대한 이론적 가정은 시장 힘에 적응하는 제한된 합리성을 가진 행위자들의 덜 제한적인 가정으로 대체된다.[6] 게임 이론적 맥락을 포함한다.[7] 모델러가 결정한 초기 조건에서 시작하여 ACE 모델은 오직 행위자 상호 작용에 의해 시간이 지남에 따라 발전한다. 이 방법의 과학적 목표는 경험적으로 뒷받침되는 이론이 시간이 지남에 따라 축적될 수 있는 방식으로 이론적 발견을 실제 데이터와 비교하여 테스트하는 것이다.[8]

계산경제학의 기계 학습

기계 학습 모델은 방대하고 복잡하며 구조화되지 않은 데이터 세트를 해결하는 방법을 제공한다. 커널 방법 및 랜덤 포레스트와 같은 다양한 기계 학습 방법이 데이터 마이닝 및 통계 분석에 개발되고 활용되었다. 이러한 모델은 STAR 방법과 같은 전통적인 통계 모델에 비해 우수한 분류, 예측 기능 및 유연성을 제공한다. 인과 기계 학습 및 인과 트리와 같은 다른 방법은 추론 테스트를 포함한 뚜렷한 이점을 제공한다.

경제 연구에서 기계 학습 도구를 활용하는 것에는 주목할 만한 장단점이 있다. 경제학에서는 모델이 한 번에 선택되고 분석된다. 경제 연구는 원칙에 따라 모델을 선택한 다음 데이터로 모델을 테스트/분석하고 다른 모델과의 교차 검증을 수행한다. 반면에 기계 학습 모델에는 내장된 "튜닝" 효과가 있다. 모델이 실증 분석을 수행하면서 동시에 다양한 모델을 교차 검증, 추정 및 비교한다. 이 과정은 전통적인 모델보다 더 강력한 추정치를 산출할 수 있다.

전통 경제학은 기존 원칙을 기반으로 데이터를 부분적으로 정규화하는 반면, 기계 학습은 모델 피팅에 대한 보다 긍정적/경험적 접근 방식을 제시한다. 기계 학습은 분류, 예측 및 적합도 평가에 뛰어나지만, 많은 모델은 경제 연구자에게 더 큰 관심사인 통계적 추론 능력이 부족하다. 기계 학습 모델의 한계는 기계 학습을 활용하는 경제학자들이 현대 실증 연구의 핵심 초점인 강력한 통계적 인과 추론을 위한 전략을 개발해야 함을 의미한다. 예를 들어, 경제 연구자들은 기계 학습 알고리즘에서 잘 지정되지 않는 교락 변수, 신뢰 구간 및 기타 매개변수를 식별하기를 원할 수 있다.[9]

기계 학습은 더 복잡한 이질적인 경제 모델 개발을 효과적으로 가능하게 할 수 있다. 전통적으로 이질적인 모델은 광범위한 계산 작업을 필요로 했다. 이질성은 취향, 신념, 능력, 기술 또는 제약의 차이일 수 있으므로, 이질적인 모델을 최적화하는 것은 동질적인 접근 방식(대표 행위자)보다 훨씬 더 지루하다.[10] 강화 학습 및 딥 러닝의 개발은 이질성 분석의 복잡성을 크게 줄여 경제 내 행위자들의 행동을 더 잘 반영하는 모델을 만들 수 있다.[11]

계산경제학 분야에 신경망과 딥 러닝을 채택하고 구현하면 데이터 클리닝 및 데이터 분석의 중복 작업을 줄여 대규모 데이터 분석에 드는 시간과 비용을 크게 낮추고 연구자들이 대규모로 데이터를 수집하고 분석할 수 있게 된다.[12] 이는 경제 연구자들이 새로운 모델링 방법을 탐색하도록 장려할 것이다. 또한, 데이터 분석에 대한 강조를 줄임으로써 연구자들은 인과 추론, 교락 변수, 모델의 현실성 등과 같은 주제에 더 집중할 수 있게 될 것이다. 적절한 지침 아래 기계 학습 모델은 대규모 실증 데이터 분석 및 계산을 통해 정확하고 적용 가능한 경제학을 개발하는 과정을 가속화할 수 있다.[13]

동태확률 일반균형 (DSGE) 모델

파일:Icons8 flat search.svg 이 부분의 본문은 DSGE 모델입니다.

동적 모델링 방법은 거시경제 연구에서 경제 변동을 시뮬레이션하고 정책 변화의 효과를 테스트하기 위해 자주 채택된다. DSGE는 계산 기술과 솔루션에 크게 의존하는 동적 모델의 한 종류이다. DSGE 모델은 시간 간 불확실성이 있는 환경에서 실제 세계 경제의 특성을 포착하기 위해 미시적 기초가 있는 경제 원칙을 활용한다. 본질적인 복잡성을 고려할 때, DSGE 모델은 일반적으로 분석적으로 다루기 어렵고, 보통 컴퓨터 소프트웨어를 사용하여 수치적으로 구현된다. DSGE 모델의 주요 장점 중 하나는 행위자의 동적 선택을 유연하게 추정할 수 있다는 것이다. 그러나 많은 학자들은 DSGE 모델이 비현실적인 축소형 가정에 의존한다고 비판한다.

계산 도구 및 프로그래밍 언어

파일:Icons8 flat search.svg 계량경제학 소프트웨어 문서를 참고하십시오.

경제 연구에서 계산 도구를 활용하는 것은 오랫동안 표준이자 기초였다. 경제학을 위한 계산 도구에는 다양한 행렬 연산(예: 행렬 역행렬) 및 선형 및 비선형 방정식 시스템의 해를 용이하게 하는 다양한 컴퓨터 소프트웨어가 포함된다. 데이터 분석 및 모델링을 목적으로 다양한 프로그래밍 언어가 경제 연구에 활용된다. 계산경제학 연구에 사용되는 일반적인 프로그래밍 언어에는 C++, 매트랩, 줄리아, 파이썬, R 및 Stata가 있다.

이 프로그래밍 언어들 중에서, C++는 컴파일된 언어로서 가장 빠르게 작동하며, 파이썬은 인터프리터 언어로서 가장 느리다. 매트랩, 줄리아 및 R은 성능과 해석 가능성 사이의 균형을 이룬다. 초기 통계 분석 소프트웨어로서 Stata는 가장 전통적인 프로그래밍 언어 옵션이었다. 경제학자들은 Stata의 폭넓은 기능, 정확성, 유연성 및 반복성 때문에 가장 인기 있는 통계 분석 프로그램 중 하나로 받아들였다.

저널

다음 저널들은 계산경제학을 전문으로 다룬다: ACM Transactions on Economics and Computation,[14] Computational Economics,[1] Journal of Applied Econometrics,[15] Journal of Economic Dynamics and Control[16] 및 Journal of Economic Interaction and Coordination.[17]

각주

  1. ↑ 가 나 Computational Economics. ""About This Journal" and "Aims and Scope."
  2. ↑ • Hans M. Amman, David A. Kendrick, and John Rust, ed., 1996. Handbook of Computational Economics, v. 1, Elsevier. Description 보관됨 2011-07-15 - 웨이백 머신 & chapter-preview links. 보관됨 2020-04-06 - 웨이백 머신    • Kenneth L. Judd, 1998. Numerical Methods in Economics, MIT Press. Links to description 보관됨 2012-02-11 - 웨이백 머신 and chapter previews.
  3. ↑ • Scott E. Page, 2008. "agent-based models," The New Palgrave Dictionary of Economics, 2nd Edition. Abstract.    • Leigh Tesfatsion, 2006. "Agent-Based Computational Economics: A Constructive Approach to Economic Theory," ch. 16, Handbook of Computational Economics, v. 2, [pp. 831-880]. doi:10.1016/S1574-0021(05)02016-2.    • Kenneth L. Judd, 2006. "Computationally Intensive Analyses in Economics," Handbook of Computational Economics, v. 2, ch. 17, pp. 881- 893. Pre-pub PDF.    • L. Tesfatsion and K. Judd, ed., 2006. Handbook of Computational Economics, v. 2, Agent-Based Computational Economics, Elsevier. Description 보관됨 2012-03-06 - 웨이백 머신 & and chapter-preview links.    • 토머스 사전트, 1994. Bounded Rationality in Macroeconomics, Oxford. Description and chapter-preview 1st-page links.
  4. ↑ • W. 브라이언 아서, 1994. "Inductive Reasoning and Bounded Rationality," American Economic Review, 84(2), pp. 406-411 보관됨 2013-05-21 - 웨이백 머신.    • Leigh Tesfatsion, 2003. "Agent-based Computational Economics: Modeling Economies as Complex Adaptive Systems," Information Sciences, 149(4), pp. 262-268 보관됨 4월 26, 2012 - 웨이백 머신.    • _____, 2002. "Agent-Based Computational Economics: Growing Economies from the Bottom Up," Artificial Life, 8(1), pp.55-82. Abstract and pre-pub PDF 보관됨 2013-05-14 - 웨이백 머신.
  5. ↑ Scott E. Page, 2008. "agent-based models," The New Palgrave Dictionary of Economics, 2nd Edition. Abstract.
  6. ↑ • W. Brian Arthur, 1994. "Inductive Reasoning and Bounded Rationality," American Economic Review, 84(2), pp. 406-411 보관됨 2013-05-21 - 웨이백 머신.    • John H. Holland and John H. Miller (1991). "Artificial Adaptive Agents in Economic Theory," American Economic Review, 81(2), pp. 365-370 보관됨 2011-01-05 - 웨이백 머신.    • Thomas C. Schelling, 1978 [2006]. Micromotives and Macrobehavior, Norton. Description 보관됨 2017-11-02 - 웨이백 머신, preview.    • 토머스 사전트, 1994. Bounded Rationality in Macroeconomics, Oxford. Description and chapter-preview 1st-page links.
  7. ↑ • 조지프 할펀, 2008. "computer science and game theory," The New Palgrave Dictionary of Economics, 2nd Edition. Abstract.    • Yoav Shoham, 2008. "Computer Science and Game Theory," Communications of the ACM, 51(8), pp. 75-79 보관됨 2012-04-26 - 웨이백 머신.    • 앨빈 로스, 2002. "The Economist as Engineer: Game Theory, Experimentation, and Computation as Tools for Design Economics," Econometrica, 70(4), pp. 1341–1378 보관됨 2004-04-14 - 웨이백 머신.
  8. ↑ Leigh Tesfatsion, 2006. "Agent-Based Computational Economics: A Constructive Approach to Economic Theory," ch. 16, Handbook of Computational Economics, v. 2, sect. 5, p. 865 [pp. 831-880]. doi:10.1016/S1574-0021(05)02016-2.
  9. ↑ Athey, Susan (2019), “The Impact of Machine Learning on Economics”, 《The Economics of Artificial Intelligence》 (University of Chicago Press), 507–552쪽, doi:10.7208/chicago/9780226613475.003.0021, ISBN 9780226613338, S2CID 67460253, 2022년 5월 5일에 확인함 
  10. ↑ Jesus, Browning, Martin Carro (2006). 《Heterogeneity and microeconometrics modelling》. CAM, Centre for Applied Microeconometrics. OCLC 1225293761. 
  11. ↑ Charpentier, Arthur; Élie, Romuald; Remlinger, Carl (2021년 4월 23일). 《Reinforcement Learning in Economics and Finance》 (영어). 《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. 181–213쪽. arXiv:1809.09953. doi:10.3982/ecta16901. ISSN 0012-9682. S2CID 203696381. 
  13. ↑ 《Deep learning for individual heterogeneity: an automatic inference framework》. 2021년 7월 27일. arXiv:2010.14694. doi:10.47004/wp.cem.2021.2921. S2CID 236428783. 
  14. ↑ “ACM Teac”. 
  15. ↑ 《Journal of Applied Econometrics》. 《Wiley Online Library》. 2011. doi:10.1002/(ISSN)1099-1255. hdl:2027.42/34956. 2011년 10월 31일에 확인함. 
  16. ↑ Journal of Economic Dynamics and Control, including Aims & scope link.  For a much-cited overview and issue, see:   • Leigh Tesfatsion, 2001. "Introduction to the Special Issue on Agent-based Computational Economics," Journal of Economic Dynamics & Control, pp. 281-293.   • [Special issue], 2001. Journal of Economic Dynamics and Control, Agent-based Computational Economics (ACE). 25(3-4), pp. 281-654. Abstract/outline links.
  17. ↑ “Journal of Economic Interaction and Coordination”. 《springer.com》. 2011. 2011년 10월 31일에 확인함. 

외부 링크

원본 주소 "https://www.hanul.wiki/w/index.php?title=계산경제학&oldid=2139457"