基于经济Agent的模型标定方法比较

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《A Comparison of Economic Agent-Based Model Calibration Methods》
---
作者：
Donovan Platt
---
最新提交年份：
2019
---
英文摘要：
  Interest in agent-based models of financial markets and the wider economy has increased consistently over the last few decades, in no small part due to their ability to reproduce a number of empirically-observed stylised facts that are not easily recovered by more traditional modelling approaches. Nevertheless, the agent-based modelling paradigm faces mounting criticism, focused particularly on the rigour of current validation and calibration practices, most of which remain qualitative and stylised fact-driven. While the literature on quantitative and data-driven approaches has seen significant expansion in recent years, most studies have focused on the introduction of new calibration methods that are neither benchmarked against existing alternatives nor rigorously tested in terms of the quality of the estimates they produce. We therefore compare a number of prominent ABM calibration methods, both established and novel, through a series of computational experiments in an attempt to determine the respective strengths and weaknesses of each approach and the overall quality of the resultant parameter estimates. We find that Bayesian estimation, though less popular in the literature, consistently outperforms frequentist, objective function-based approaches and results in reasonable parameter estimates in many contexts. Despite this, we also find that agent-based model calibration techniques require further development in order to definitively calibrate large-scale models. We therefore make suggestions for future research.
---
中文摘要：
在过去几十年中，人们对基于代理的金融市场和更广泛经济模型的兴趣不断增加，这在很大程度上是因为这些模型能够再现一些经验观察到的风格化事实，而这些事实不容易通过更传统的建模方法恢复。然而，基于代理的建模范式面临着越来越多的批评，尤其是对当前验证和校准实践的严格性，其中大多数仍然是定性和程式化的事实驱动。虽然近年来有关定量和数据驱动方法的文献有了显著的扩展，但大多数研究都集中于引入新的校准方法，这些方法既不是以现有替代方法为基准，也不是在其产生的估计质量方面进行严格测试。因此，我们通过一系列计算实验，比较了许多著名的ABM校准方法（既有现有的也有新的），试图确定每种方法各自的优缺点以及所得参数估计的总体质量。我们发现，虽然贝叶斯估计在文献中不太流行，但它始终优于基于目标函数的频繁估计方法，并在许多情况下得到合理的参数估计。尽管如此，我们还发现基于代理的模型校准技术需要进一步发展，以便最终校准大规模模型。因此，我们对未来的研究提出建议。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--
一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> A_Comparison_of_Economic_Agent-Based_Model_Calibration_Methods.pdf (1.42 MB)

2022-6-14 04:14:24 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：agent Age Quantitative Applications alternatives

C O M A C O M p A R I S O N C O M I C A G E N T-B A S E DM O D L C A L I B R AT I O N M E T H O D Sdonovan platt*牛津大学马丁学院数学研究所，牛津大学新经济思想研究所（INET）抽象金融市场和更广泛经济的基于代理的模型在过去几十年中持续增长，这在很大程度上是由于他们能够再现大量经验观察到的风格化事实，而这些事实不容易通过更传统的建模方法恢复。然而，基于代理的建模范式面临着无数的批评，尤其是对当前验证和校准实践的严格性，其中大多数仍然是定性和程式化的事实驱动。虽然近年来有关定量和数据驱动的校准方法的文献有了显著的扩展，但大多数研究都侧重于引入新的校准方法，这些方法既不是以现有的替代方法为基准，也不是严格测试其产生的估计的质量。因此，我们通过一系列计算实验，比较了许多著名的ABM校准方法，包括已建立的和新颖的方法，以确定每种方法各自的优缺点以及所得参数估计的总体质量。我们发现，虽然贝叶斯估计在文献中不太流行，但它始终优于基于目标函数的频繁方法，并在许多情况下得到合理的参数估计。

尽管如此，我们还发现基于代理的模型校准技术需要进一步发展，以便对大规模模型进行定义性校准。因此，我们对未来的研究提出建议。关键词：基于主体的建模、校准、模拟最小距离、BayesianestimationJEL分类：C13·C521简介经济系统的建模提出了一个巨大的挑战——其组成主体的异质性、与内部相互作用的复杂性，以及其涌现动态的非线性使其极为不同，如果不是不可能用传统的方法来表示的话。因此* 通讯作者多诺万。platt@maths.ox.ac.ukuse几十年来，经济建模的主要范式一直是经验上不一致的假设和忽视经济系统的异质性和非线性（Geanakoplos和Farmer，2008年；Farmerand Foley，2009年；Fagiolo和Roventini，2017年）。这种对传统经济模型的批评，或者更具体地说是对一般均衡理论及其各种扩展的批评，在21世纪末的大衰退之后变得越来越突出，长期以来被认为是可信的这些模型将被证明是等同的，在预测金融危机的可能性和提供具体解决方案方面（Farmer和Foley，2009年；Geanakoplos等人，2012年；Fagiolo和Roventini，2017年）。

在这方面，显然需要对现有方法进行重大改进或开发可行的替代方法。计算能力的最新发展，以及生态学等其他领域的成功，导致了一个不断增长的社区的出现，该社区认为基于代理的模型（ABM）可以在单个代理的水平上模拟系统及其相互作用，可以为经济建模提供更具原则性的方法（Farmer和Foley，2009年；Fagiolo andRoventini，2017年）。事实上，近几十年来，出现了各种各样的经济和金融资产负债表，这些资产负债表在很大程度上摒弃了传统方法的不切实际假设，转而支持基于经验观察行为的更现实的替代方法（Chen 2003；LeBaron 2006）。这种范式转变最终取得了一定程度的成功。更详细地说，ABM以其复制经验观察到的风格事实或在经验测量数据中一致出现的定性属性的能力而闻名，尽管使用传统方法无法轻易恢复此类属性（LeBaron 2006；Barde 2016）。关于这种程式化事实的文献非常发达。Cont（2001）对金融时间序列进行了权威调查，表明经验观察到的资产收益率通常具有厚尾分布，没有序列自相关，并且存在波动率聚类的证据。在更一般的经济背景下，企业规模的分布遵循Zipf分布（Axtell 2001），企业增长率的分布通常是厚尾分布（Dosi et al。

2017).前面的例子绝非详尽无遗，总的来说，近年来出现了范围越来越大、能够再现越来越多的程式化事实的反弹道导弹。尽管取得了上述成功，ABM仍面临着自身的强烈批评，尤其是当前验证和校准实践的不足（Grazzini和Richiardi，2015）。在绝大多数研究中，尤其是在引入大规模模型的研究中，验证程序本质上是定性的，很少会超出证明候选模型再现一组经验观察到的程式化事实的能力之外（Panayi et al.2013；Gueriniand Moneta 2017）。此类调查中的校准同样是基本的，通常采取手动参数调整或特殊过程的形式，旨在选择参数，使模型能够再现验证期间考虑的一组风格化因素。虽然这种以事实为中心的风格化方法乍一看似乎是合理的，但大量的模型能够恢复相似数量的风格化事实，这些模型中采用的行为规则种类繁多，以及在试图识别许多行为规则对紧急动态的因果影响方面所经历的困难，使得模型1具有强大的生命力，其中包括，但并不局限于完全理性的假设和代表性的存在。Geanakoplos和Farmer（2008）对一般均衡理论及其批评进行了更详细的讨论。动态随机一般均衡（DSGE）模型是当代一个突出的例子。3有关基于代理的建模的简要介绍，请参见Macal和North（2010）。4例如，参见Eurace（Cincotti et al.2010）和Schumpeter Meeting Keynes（Dosi et al.2010）。

2010）型号。5 Jacob Leal等人（2016）采用的程序是一个典型的例子。在使用定性、程式化的以事实为中心的方法时，比较是不可能的（LeBaron 2006；Barde 2016；Lamperti et al.2017）。这导致了通常被称为“有限理性荒野”的问题（Geanakoplos and Farmer，2008；Barde，2016）。针对这些批评，出现了一篇涉及更复杂的定量验证和校准技术的小型但不断增长的文献（Fagiolo et al.2017）。虽然已经取得了重大进展，尤其是在过去三年中，但该文献仍存在一些关键弱点。首先，它过度划分。我们的意思是，该研究领域内的大多数出版物都专注于新方法的提出，很少将提出的技术与其他当代替代方法进行比较。这一点，再加上许多新技术的理论属性没有得到很好的理解（Grazzini等人，2017），使得建模者在大量方法之间难以选择，没有明显的理由支持一种方法而不是另一种方法。其次，严重的计算限制导致大多数技术仅适用于几十年前高度简化的模型，不再能够很好地代表基于经济主体的模型的当前状态（Lamperti et al.2017；Fagiolo et al.2017）。

这导致人们对当前方法对目前主导文献的大规模模型的适用性产生了极大的怀疑。因此，我们的目标是采用一种有原则但切实可行的方法来解决上述问题。具体而言，我们通过一系列涉及各种候选模型校准的计算实验，比较了许多著名的ABM校准方法，无论是成熟的还是新颖的，以确定每种方法各自的优缺点。此后，我们将所考虑的校准技术应用于英国住房市场的大规模ABM，以评估在面对最先进的ABM时，在简单模型的情况下所取得的性能保持的程度。通过这些计算实验，我们对ABM校准的当前状态有了更广泛和统一的了解，并对未来的研究提出了建议。2文献综述如前所述，ABM验证和校准文献之间存在显著重叠。在大多数情况下，校准涉及到选择模型参数，这些参数会产生尽可能接近特定数据集中观察到的动力学，并根据某些标准进行测量。同样的标准也可用于验证目的。

因此，虽然我们只关注ABM校准问题，但其中许多讨论也适用于ABM验证。DirectObservationAnalyticalMethodsFrequentIstBayesSimulation-Based方法图1：在尝试校准特定ABM时可能考虑的各种校准策略的图示。在这一点上，值得注意的是，一些作者交替使用术语校准和估计，而其他人则坚持认为在大多数情况下存在细微差别6，这是指相关估计值的偏差和一致性。7其中最著名的可能是Brock和Hommes（1998）模型。8这些可能包括一组程式化事实或一些目标函数。在他们之间。例如，Grazzini和Richiardi（2015）指出，校准仅涉及模型动态和真实数据动态之间的一致性，而估算的另一目的是确保获得的模型参数值准确反映与真实数据生成过程相关的参数值。因此，估计将额外强调获得的参数值周围的不确定性，而在校准的情况下，这可能不太重要。然而，正如Hansen和Heckman（1996）所述，这些术语之间的区别往往是一致的，并不完全清楚。

因此，我们将互换使用这些术语，因为在这两种情况下所采用的方法可能非常相似。现在，我们开始全面回顾ABM校准文献，首先将ABM校准策略分为三个不同的类别，如图1所示，然后我们将对其进行更详细的讨论。2.1直接观察由于ABMs模型系统通过直接模拟其微观成分的相互作用，经常会出现一些模型参数直接反映可观察（或容易推断）的数量，例如特定国家的企业净值或房主年龄分布。在这种情况下，不需要复杂的估计技术，可以轻松地直接从数据中读取参数值。对于一些相对简单的模型，例如Bianchiet al.（2007）考虑的CATS模型，几乎所有模型参数的值都可以通过这种方式确定。虽然对于更复杂的模型来说情况并非如此，但仍然经常出现的情况是，大量参数值可以使用类似的策略来确定，例如在Baptista等人（2016）提出的英国住房市场模型中，该过程被称为微观校准。2.2分析方法大多数ABM包括行为规则，这些规则要求参数不能直接表示可观察的量。因此，即使可以通过直接观察来确定模型许多参数的适当值，仍然有必要对给定的数据集应用统计估计技术，为其余参数选择适当的值。

逻辑上的第一选择可能是最大似然估计，或者矩量法，因为它们是相当普遍和容易理解的方法。在数量非常有限的情况下，最大似然估计已成功应用于ABMs（Alfarano et al.2005；2006；2007），但一般而言，它和相关方法并不合适，因为它们依赖于获得模型模拟的时间序列联合密度函数的解析表达式。这仅适用于非常简单的模型，即使如此，也是不平凡的。2.3基于模拟的方法鉴于大多数感兴趣的ABM与需要关键模型特性解析解的方法不兼容，不可避免地需要考虑生成模拟数据的方法。这些方法代表了最新文献的重点，因此，我们对主题和相关问题进行了广泛详细的讨论。9感兴趣的读者还可以参考Lux和Zwinkels（2017）以及Fagiolo等人（2017）的调查。2.3.1频数推断：模拟最小距离的传统方法绝大多数现有校准尝试都采用了频数推断方法，通常采用通常称为模拟最小距离（SMD）方法的变体（Grazzini和Richiardi，2015；Grazzini等人，2017）。