Հաշվողական տնտեսագիտություն

Վիքիպեդիայից՝ ազատ հանրագիտարանից
Jump to navigation Jump to search

Հաշվողական տնտեսագիտություն, միջդիսցիպլինար հետազոտական ​​առարկա է, որը ներառում է համակարգչային գիտություն, տնտեսագիտություն և կառավարման գիտություն[1]։ Այս առարկան ներառում է տնտեսական համակարգերի հաշվողական մոդելավորում։ Այս ոլորտներից մի քանիսը եզակի են, մինչդեռ մյուսները ստեղծեցին տնտեսագիտության ոլորտներ՝ թույլ տալով տվյալների կայուն վերլուծություն և խնդիրների լուծումներ, որոնք դժվար կլիներ հետազոտել առանց համակարգիչների և հարակից թվային մեթոդների[2]։

Հաշվողական մեթոդները կիրառվել են տնտեսագիտության տարբեր ոլորտներում, ներառյալ, բայց չսահմանափակվելով հետևյալով.

Էկոնոմետրիկա. ոչ պարամետրային մոտեցումներ, կիսապարամետրիկ մոտեցումներ և մեքենայական ուսուցում։

Դինամիկ համակարգերի մոդելավորում. օպտիմիզացում, դինամիկ ստոխաստիկ ընդհանուր հավասարակշռության մոդելավորում և գործակալների վրա հիմնված մոդելավորում[3]։

Պատմություն[խմբագրել | խմբագրել կոդը]

Հաշվարկային տնտեսագիտությունը զարգացել է ոլորտի մաթեմատիկացմանը զուգահեռ։ 20-րդ դարի սկզբին այնպիսի ռահվիրաներ, ինչպիսիք են Յան Թինբերգենը և Ռագնար Ֆրիշը, առաջ մղեցին տնտեսագիտության համակարգչայինացումը և էկոնոմետիկայի աճը։ Տնտեսագիտության առաջընթացի արդյունքում ռեգրեսիոն մոդելները, հիպոթեզների փորձարկումը և հաշվողական վիճակագրական այլ մեթոդներ լայնորեն ընդունվեցին տնտեսական հետազոտություններում։ Տեսական առումով բարդ մակրոտնտեսական մոդելները, ներառյալ իրական բիզնես ցիկլի (RBC) մոդելը և դինամիկ ստոխաստիկ ընդհանուր հավասարակշռությունը (DSGE) մոդելները խթանել են թվային լուծման մեթոդների մշակումը և կիրառումը, որոնք մեծապես հիմնված են հաշվարկների վրա։ 21-րդ դարում հաշվողական ալգորիթմների զարգացումը ստեղծեց նոր միջոցներ հաշվողական մեթոդների համար՝ տնտեսական հետազոտությունների հետ փոխազդելու համար։ Նորարար մոտեցումները, ինչպիսիք են մեքենայական ուսուցման մոդելները և գործակալների վրա հիմնված մոդելավորումը, ակտիվորեն ուսումնասիրվել են տնտեսական հետազոտությունների տարբեր ոլորտներում՝ տնտեսագետներին առաջարկելով ընդլայնված գործիքակազմ, որը հաճախ իր բնույթով տարբերվում է ավանդական մեթոդներից։

Դիմումներ[խմբագրել | խմբագրել կոդը]

Գործակալի վրա հիմնված մոդելավորում[խմբագրել | խմբագրել կոդը]

Հաշվարկային տնտեսագիտությունը օգտագործում է համակարգչային տնտեսական մոդելավորում՝ վերլուծական և վիճակագրական ձևակերպված տնտեսական խնդիրները լուծելու համար։ Այդ նպատակով հետազոտական ​​ծրագիր է գործակալների վրա հիմնված հաշվողական տնտեսագիտությունը (ACE), տնտեսական գործընթացների հաշվողական ուսումնասիրությունը, ներառյալ ամբողջ տնտեսությունները, որպես փոխազդող գործակալների դինամիկ համակարգեր[4]։ Որպես այդպիսին, դա բարդ հարմարվողական համակարգերի պարադիգմի տնտեսական հարմարեցումն է[5]։ Այստեղ «գործակալը» վերաբերում է «հաշվարկային օբյեկտներին, որոնք մոդելավորվել են որպես կանոնների համաձայն փոխազդող, այլ ոչ թե իրական մարդկանց[3]։ Գործակալները կարող են ներկայացնել սոցիալական, կենսաբանական և/կամ ֆիզիկական էակներ։ Հավասարակշռության մեջ գտնվող գործակալների կողմից մաթեմատիկական օպտիմալացման տեսական ենթադրությունը փոխարինվում է սահմանափակ ռացիոնալությամբ գործակալների պակաս սահմանափակող պոստուլատով, որոնք հարմարվում են շուկայական ուժերին[6], ներառյալ խաղի տեսական համատեքստերը[7]։ Մոդելավորողի կողմից որոշված ​​սկզբնական պայմաններից ելնելով, ACE մոդելը զարգանում է ժամանակի ընթացքում՝ առաջնորդվելով բացառապես գործակալների փոխազդեցությամբ։ Մեթոդի գիտական ​​նպատակն է փորձարկել տեսական բացահայտումները իրական աշխարհի տվյալների դեմ այնպիսի եղանակներով, որոնք թույլ են տալիս ժամանակի ընթացքում կուտակել էմպիրիկորեն հաստատված տեսությունները[8]։

Մեքենայի ուսուցումը հաշվողական տնտեսագիտության մեջ[խմբագրել | խմբագրել կոդը]

Մեքենայական ուսուցման մոդելները ներկայացնում են հսկայական, բարդ, չկառուցված տվյալների հավաքածուները լուծելու մեթոդ։ Մեքենայի ուսուցման տարբեր մեթոդներ, ինչպիսիք են միջուկի մեթոդը և պատահական անտառը, մշակվել և օգտագործվել են տվյալների արդյունահանման և վիճակագրական վերլուծության մեջ։ Այս մոդելներն ապահովում են ավելի բարձր դասակարգում, կանխատեսման հնարավորություններ, ճկունություն՝ համեմատած ավանդական վիճակագրական մոդելների հետ, ինչպիսին է STAR մեթոդը։ Այլ մեթոդներ, ինչպիսիք են պատճառահետևանքային մեքենայական ուսուցումը և պատճառահետևանքային ծառը, տալիս են հստակ առավելություններ, ներառյալ եզրակացության փորձարկումը։

Տնտեսական հետազոտություններում մեքենայական ուսուցման գործիքների օգտագործման զգալի առավելություններն ու թերությունները կան։ Տնտեսագիտության մեջ մոդելն ընտրվում և վերլուծվում է միանգամից։ Տնտեսական հետազոտությունը կընտրի սկզբունքի վրա հիմնված մոդել, այնուհետև մոդելը կփորձարկի/վերլուծի տվյալների հետ, որին կհաջորդի խաչաձև վավերացում այլ մոդելների հետ։ Մյուս կողմից, մեքենայական ուսուցման մոդելները ներկառուցված են «թյունինգ» էֆեկտներով։ Քանի որ մոդելն իրականացնում է էմպիրիկ վերլուծություն, այն միաժամանակ հաստատում է, գնահատում և համեմատում տարբեր մոդելներ։ Այս գործընթացը կարող է ավելի հստակ գնահատականներ տալ, քան ավանդականները։

Ավանդական տնտեսագիտությունը մասամբ նորմալացնում է տվյալները՝ հիմնվելով գոյություն ունեցող սկզբունքների վրա, մինչդեռ մեքենայական ուսուցումն ավելի դրական/էմպիրիկ մոտեցում է ներկայացնում մոդելների տեղադրմանը։ Չնայած մեքենայական ուսուցումը գերազանցում է դասակարգմանը, կանխորոշմանը և համապատասխանության լավությունը գնահատելուն, շատ մոդելներ չունեն վիճակագրական եզրակացությունների կարողություն, որոնք ավելի մեծ հետաքրքրություն են ներկայացնում տնտեսագիտական ​​հետազոտողների համար։ Մեքենայական ուսուցման մոդելների սահմանափակումները նշանակում են, որ մեքենայական ուսուցում օգտագործող տնտեսագետները պետք է ռազմավարություններ մշակեն կայուն, վիճակագրական պատճառահետևանքային եզրակացության համար, որը ժամանակակից էմպիրիկ հետազոտության հիմնական կենտրոնն է։ Օրինակ, տնտեսագիտության հետազոտողները կարող են հույս ունենալ բացահայտելու շփոթեցնող գործոնները, վստահության միջակայքերը և այլ պարամետրերը, որոնք լավ սահմանված չեն Մեքենայի ուսուցման ալգորիթմներում[9]։

Մեքենայական ուսուցումը կարող է արդյունավետորեն հնարավորություն տալ ավելի բարդ տարասեռ տնտեսական մոդելների մշակմանը։ Ավանդաբար տարասեռ մոդելները պահանջում էին ծավալուն հաշվողական աշխատանք։ Քանի որ տարասեռությունը կարող է լինել ճաշակի, համոզմունքների, կարողությունների, հմտությունների կամ սահմանափակումների տարբերությունները, տարասեռ մոդելի օպտիմալացումը շատ ավելի հոգնեցուցիչ է, քան միատարր մոտեցումը (ներկայացուցիչ գործակալ)[10]։ Ուժեղացված ուսուցման և խորը ուսուցման զարգացումը կարող է զգալիորեն նվազեցնել տարասեռ վերլուծության բարդությունը՝ ստեղծելով մոդելներ, որոնք ավելի լավ են արտացոլում գործակալների վարքագիծը տնտեսությունում[11]։

Նեյրոնային ցանցերի ընդունումը և ներդրումը, հաշվողական տնտեսագիտության ոլորտում խորը ուսուցումը կարող են նվազեցնել տվյալների մաքրման և տվյալների վերլուծության ավելորդ աշխատանքը՝ զգալիորեն նվազեցնելով լայնածավալ տվյալների վերլուծության ժամանակն ու արժեքը և հնարավորություն տալով հետազոտողներին հավաքել և վերլուծել տվյալները մեծ մասշտաբով[12]։ սանդղակ. Սա կխրախուսի տնտեսական հետազոտողներին ուսումնասիրել մոդելավորման նոր մեթոդներ։ Բացի այդ, տվյալների վերլուծության վրա շեշտադրման կրճատումը հնարավորություն կտա հետազոտողներին ավելի շատ կենտրոնանալ այնպիսի թեմաների վրա, ինչպիսիք են պատճառահետևանքային եզրակացությունը, շփոթեցնող փոփոխականները և մոդելի իրատեսությունը։ Համապատասխան առաջնորդության ներքո մեքենայական ուսուցման մոդելները կարող են արագացնել ճշգրիտ, կիրառելի տնտեսագիտություն մշակելու գործընթացը՝ լայնածավալ էմպիրիկ տվյալների վերլուծության և հաշվարկների միջոցով[13]։

Դինամիկ ստոխաստիկ ընդհանուր հավասարակշռության (DSGE) մոդել[խմբագրել | խմբագրել կոդը]

Դինամիկ մոդելավորման մեթոդները հաճախ են ընդունվում մակրոտնտեսական հետազոտություններում՝ տնտեսական տատանումները մոդելավորելու և քաղաքականության փոփոխությունների ազդեցությունը ստուգելու համար։ DSGE մեկ դասի դինամիկ մոդելներ, որոնք մեծապես հենվում են հաշվողական տեխնիկայի և լուծումների վրա։ DSGE մոդելներն օգտագործում են միկրո-հիմնավորված տնտեսական սկզբունքներ՝ միջժամանակային անորոշությամբ միջավայրում իրական համաշխարհային տնտեսության բնութագրերը ֆիքսելու համար։ Հաշվի առնելով իրենց բնորոշ բարդությունը՝ DSGE մոդելներն ընդհանուր առմամբ անալիտիկորեն դժվարամարսելի են և սովորաբար իրականացվում են թվային եղանակով՝ համակարգչային ծրագրերի միջոցով։ DSGE մոդելների հիմնական առավելությունն այն է, որ դրանք հեշտացնում են գործակալների դինամիկ ընտրությունների գնահատումը ճկունությամբ։ Այնուամենայնիվ, շատ գիտնականներ քննադատել են DSGE մոդելները՝ իրենց ապավինման համար կրճատված ձևի ենթադրություններին, որոնք հիմնականում անիրատեսական են։

Հաշվողական գործիքներ և ծրագրավորման լեզուներ[խմբագրել | խմբագրել կոդը]

Տնտեսական հետազոտություններում հաշվողական գործիքների օգտագործումը երկար ժամանակ եղել է նորմ և հիմք։ Տնտեսագիտության հաշվողական գործիքները ներառում են մի շարք համակարգչային ծրագրեր, որոնք հեշտացնում են տարբեր մատրիցային գործողություններ (օրինակ՝ մատրիցային ինվերսիա) և գծային և ոչ գծային հավասարումների համակարգերի լուծումը։ Տարբեր ծրագրավորման լեզուներ օգտագործվում են տնտեսական հետազոտություններում տվյալների վերլուծության և մոդելավորման նպատակով։ Հետևյալը ծրագրավորման լեզուների տիպիկ ցանկն է, որոնք օգտագործվում են հաշվողական տնտեսագիտության հետազոտություններում.

C++, MATLAB, Julia (ծրագրավորման լեզու), Python (ծրագրավորման լեզու), R (ծրագրավորման լեզու), Stata

Այս ծրագրավորման լեզուներից C++-ը որպես կոմպիլացված լեզու ամենաարագն է գործում, մինչդեռ Python-ը որպես մեկնաբանվող լեզու ամենադանդաղն է։ MATLAB-ը, Julia-ն և R-ը հավասարակշռություն են ձեռք բերում կատարման և մեկնաբանելիության միջև։ Որպես վիճակագրական վերլուծության վաղ ծրագրակազմ՝ Stata-ն ծրագրավորման լեզվի ամենավառ տարբերակն էր։ Տնտեսագետներն ընդունեցին Stata-ն՝ որպես վիճակագրական վերլուծության ամենահայտնի ծրագրերից մեկը՝ շնորհիվ իր լայնության, ճշգրտության, ճկունության և կրկնելիության։

Ամսագրեր[խմբագրել | խմբագրել կոդը]

Հետևյալ ամսագրերը մասնագիտացած են հաշվողական տնտեսագիտության մեջ. ACM Transactions on Economics and Computation[14], Computational Economics[1], Journal of Applied Econometrics[15], Journal of Economic Dynamics and Control[16] և Journal of Economic Interaction and Coordination[17]:

Ծանոթագրություններ[խմբագրել | խմբագրել կոդը]

  1. 1,0 1,1 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 Archived 2011-07-15 at the Wayback Machine. & chapter-preview links. Archived 2020-04-06 at the Wayback Machine.    • Kenneth L. Judd, 1998. Numerical Methods in Economics, MIT Press. Links to description Archived 2012-02-11 at the Wayback Machine. and chapter previews.
  3. 3,0 3,1 Scott E. Page, 2008. "agent-based models," The New Palgrave Dictionary of Economics, 2nd Edition. Abstract.
  4. W. Brian Arthur, 1994. "Inductive Reasoning and Bounded Rationality," American Economic Review, 84(2), pp. 406-411 Archived 2013-05-21 at the Wayback Machine..    • Leigh Tesfatsion, 2003. "Agent-based Computational Economics: Modeling Economies as Complex Adaptive Systems," Information Sciences, 149(4), pp. 262-268 Archived April 26, 2012, at the Wayback Machine..    • _____, 2002. "Agent-Based Computational Economics: Growing Economies from the Bottom Up," Artificial Life, 8(1), pp.55-82. Abstract and pre-pub PDF Archived 2013-05-14 at the Wayback Machine..
  5. • 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 Archived 2012-03-06 at the Wayback Machine. & and chapter-preview links.    • Thomas J. Sargent, 1994. Bounded Rationality in Macroeconomics, Oxford. Description and chapter-preview 1st-page links.
  6. • W. Brian Arthur, 1994. "Inductive Reasoning and Bounded Rationality," American Economic Review, 84(2), pp. 406-411 Archived 2013-05-21 at the Wayback Machine..    • John H. Holland and John H. Miller (1991). "Artificial Adaptive Agents in Economic Theory," American Economic Review, 81(2), pp. 365-370 Archived 2011-01-05 at the Wayback Machine..    • Thomas C. Schelling, 1978 [2006]. Micromotives and Macrobehavior, Norton. Description Archived 2017-11-02 at the Wayback Machine., preview.    • Thomas J. Sargent, 1994. Bounded Rationality in Macroeconomics, Oxford. Description and chapter-preview 1st-page links.
  7. Joseph Y. Halpern, 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 Archived 2012-04-26 at the Wayback Machine..    • Alvin E. Roth, 2002. "The Economist as Engineer: Game Theory, Experimentation, and Computation as Tools for Design Economics," Econometrica, 70(4), pp. 1341–1378 Archived 2004-04-14 at the Wayback Machine..
  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. «The Impact of Machine Learning on Economics», The Economics of Artificial Intelligence (University of Chicago Press): pp. 507–552, 2019, http://dx.doi.org/10.7208/chicago/9780226613475.003.0021, վերցված է 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 (անգլերեն)։ ISSN 1572-9974։ doi:10.1007/s10614-021-10119-4 
  12. Farrell Max H., Liang Tengyuan, Misra Sanjog (2021)։ «Deep Neural Networks for Estimation and Inference»։ Econometrica 89 (1): 181–213։ ISSN 0012-9682։ doi:10.3982/ecta16901 
  13. «Deep learning for individual heterogeneity: an automatic inference framework»։ 2021-07-27 
  14. «ACM Teac» 
  15. «Journal of Applied Econometrics»։ Wiley Online Library։ 2011։ doi:10.1002/(ISSN)1099-1255։ Վերցված է October 31, 2011 
  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(չաշխատող հղում).
  17. «Journal of Economic Interaction and Coordination»։ springer.com։ 2011։ Վերցված է October 31, 2011 

Արտաքին հղումներ[խմբագրել | խմբագրել կոդը]