支持大众推动的经济学科学：概念经济学的FRACTI

为了使研究真正有用，我们需要人性化的方法来可视化证据。同时，交流方法和程序被视为比作为实验输出的解释性文本和数字更为重要[26][27]，不能与需要人类可视化的其他项目不同。提供可访问性、可再现性和通信的环境的最终目标是协作。协作允许一个实验的结果被其他实验无缝利用，允许对模型和数据进行扩展以适应其他场景，同时跟踪每个修订或改进的所有权。协作只能通过交换可跟踪的工件来实现。生产和使用工件的方式必须对整个社区透明。B、 科学支持系统的原则在定义和检验假设以及透明地追踪和保护作为科学证据的基础数据方面，必须与[一]节所述的科学方法的原则平行，具体而言：o允许定义理论驱动的假设o允许检验假设o允许独立方复制和验证假设o允许从历史数据中推断关于假设的假设o保护历史数据，因为这些相同的科学原理在各种经过审查和调整后，该科学支持框架可用于其他研究领域的相同特征。三、

FRACTI协作和透明调查的概念框架FRACTI的目标现已确立并明确：为科学支持系统定义一个平台，该平台侧重于透明协作、结果重复性、可访问性和开放性。透明协作：支持在公共表示和可视化之后对大型数据集进行透明定义。共享项目可以由不同的用户组根据不同的场景进行详细检查和执行。合作者可以轻松定义和回溯自己的假设，支持分享、跟踪和贡献来源，确保结果可复制，并在这个意义上发挥科学支持系统的作用[20][17]。再现性：分析研究的科学方法，科学要求：任何人都必须能够再现模型和场景。可以重新执行大型数据集和模型，允许不同的组织和个人轻松复制结果可访问性：最终用户不必精通计算机科学，就可以在框架中使用、协作或可视化模型或场景开放性：表示特定配置的元模型实例，执行或模拟可以跨环境或不同的实现进行交换。无论出资的所有权、来源或地点如何，都可以追踪调查的数据和方法。该框架的概念布局本质上是一个通过称为模型的抽象来表示经济学专业领域知识的建议。

尽管长期以来，学术界一直在尝试在各种领域开展类似的工作[28][29]，但大多数作品都专注于比较分析或评估特定表征的性质。另一方面，本研究遵循基于角色的知识表示定义，其中知识系统的描述是根据特定表示所扮演的五个核心角色来定义的【30】。首先，模型是代理。在这个意义上，根据定义，代理是目标想法本身的替代品，因此，衡量这个代理与它打算表示的计算之间的距离或接近程度是次要的或不相关的。其次，模型应该能够定义人类的表达。模型应该用适合人类消费的语言定义人类理解的度量和概念，即使不是直接自然的。第三，模型是“实用有效计算”的媒介。如果有适当的技术和足够的资源，模型应该能够在计算机中复制。第四，模型通过定义“关于如何看待世界以及如何看待世界的一系列决定”，为代表性确立了“本体论承诺”[31][32]。模型是对现实的近似，当我们定义模型时，我们决定考虑什么和忽略什么。这些决定是本体论上的承诺，“不是偶然的副作用，但它们在我们的表述中至关重要”[30]。最后，模型定义了一个“智能推理的碎片理论”，以概念和推理为代表，得到认可和推荐。模型代表了“一些洞察，表明人们如何明智地对问题或调查进行推理”[30]。

以下主题描述了支持这些核心角色的知识表示系统，包括可共享的内容、本研究贡献的范围、如何建立称为方面的基本构建块以及FRACTI元模型定义的结构约束。A、 用户贡献在本工作范围内，贡献一词适用于参与者（用户）生产的工件，并通过共享的科学支持系统转移或贡献给更广泛的用户社区。有一些特殊类别的贡献，将在本研究的未来阶段详细说明。贡献应暂时涵盖与金融科学相关的广泛模型、方法和结果【23】。一些例子包括小型、中型或大型数据集；低、中、高频时间序列；计算处理器和可视化绘图；以及与历史和实时执行、模拟和回测相关的结果。对框架的每一项贡献都有一套强制性属性，以便加以定义和共享：分类、识别、出处记录、所有权和安全性。分类：贡献遵循一个分类系统，该系统作为整体研究的一部分正在开发中。这种分类系统被称为贡献分类法，应该考虑到存储、处理和可视化的核心宏观功能。身份识别：应按照共享身份识别的共同标准[33]以允许共享和所有权的方式正确识别贡献。

出处：平台应跟踪出资的所有权、保管权或地点的年表，以及金融实体出资协会的历史。所有权和安全性：鉴于捐款的敏感性，只有在有适当授权和适当身份验证的情况下，系统才能确保所有权和访问权。在政策允许的特定情况下，可能会授予监管或监督机构的访问权限。贡献无处不在。如果有适当的政策和授权，无论设备的位置或类型如何，都可以访问贡献。该平台应该能够提供几乎无限的存储和计算能力。出处和所有权根据几乎无限的存储功能进行注册。缴款国能够记录所有历史数据和金融实体之间的关联历史。该平台应允许分布式访问，以便跨多个处理器和区域利用可扩展的计算能力。B、 作为整体研究的一部分，我们引入了方面的分类法，目前仅限于四个方面：流、反应、分布和模拟。流方面定义了一种面向图形的领域特定语言，用于通过可重用和可交换的处理器将绑定到通用配置元数据的执行元数据片段路由到其中[34][35][36][37][38]。反应式是原语和公式的直观表示，其中原语和其他公式的公式组成是以声明方式定义的[39][40]。

Distribution通过扩展概念DSL来支持端点，在计算能力和存储方面处理与规模相关的方面【41】。模拟支持离散事件模拟的各个方面，以实现时间序列事件的历史和实时生成及重演。该方面与模拟元模型相关联，以表示模型、模式、冲击、基准及其关系[42][43]。这些方面的组合将作为概念框架中其他更复杂抽象的基本构建块。面定义了框架中的计算表示，其结构细节将在本研究的未来阶段进行描述。C、 元模型FRACTI的元模型定义了贡献和事实之间关联的结构约束，并根据其作为配置、执行或仿真元模型的用途进行分类。配置元模型：表示时间方面配置的版本快照，允许执行流的精确定义和再现性。此元模型的实例将确定用于生成任何特定结果集的所有数据的执行顺序、版本和出处跟踪。执行元模型：表示流经模型的一个或多个兼容步骤的分层数据片段。执行元模型的实例与一个特定的配置元模型相关。模拟元模型：支持通过模型给出的假设和验证中的方法之间的关联，以及通过冲击或模式给出的每个执行，以及通过基准给出的结果的最终比较，来注册实验。四、

使用案例FRACTI背后的意图是为科学方法的客观应用、跨异构用户社区的大规模协作以及对经济学模拟的支持提供一个平台。在这个主题上，我们提出了三个场景，作为每种使用案例的示例，描述了神经网络快速学习方法的假设选择【44】。A、 科学方法应用研究员A正在研究一种基于灵敏度分析的神经网络快速学习新方法。这项研究的目的是找到一种快速学习的方法，同时利用1994-1996年的历史数据集预测某一天的道琼斯指数。研究员A  在平台中记录以下贡献：o假设H 和无效假设H! o  六种可能的问题解决方案的可插拔实现：标准算法、线性最小二乘、二阶、自适应步长、适当的权重和重缩放单层神经网络的可插拔实现o指数价格变化时间序列的输入数据集，以及记录学习时间和拟合研究人员的输出数据集A 针对6个场景中的每个场景执行并收集一次结果数据。对于每个执行和数据收集周期，只需要切换解决方案的可插拔实现。研究员A 收集每次执行的输出数据集，并将结果提供给平台。他还记录了实验的最终结果，指出自适应步长是最快的方法，并提供了最佳的整体拟合。

从这一点来看，他的发现将毫无疑问和透明地与他所遵循的方法（模型）绑定，输入数据和发现，因此社区中的任何其他参与者都可以利用、检查或质疑他的发现。B、 大规模协作研究员B 与研究员在同一领域工作A. 他开发了一种称为基于灵敏度的线性学习方法的新方法，并希望将该方法的性能与研究人员发现的早期方法进行比较A. 研究员B 提供了一个称为SBLLM的新的可插拔实现。研究员B 将此单一实现添加到研究人员已经提供的场景中A 并重新运行现有的7个场景。研究员B  记录原始模型的新修订，现在带来了一个额外的场景，并记录实验结果：SBLLM现在是最快的学习方法，提供了最佳拟合。从那时起，世界上任何一位研究人员都可以参与这项寻求更好学习方法的科学探索。C、 模拟研究员C  也在研究与研究员A和研究员相同的课题B .  他认为，之前的研究结果有些缺陷，因为它们没有考虑到许多自变量。研究员C  定义了一个新的假设，说明学习方法的性能确实受到至少两个自变量的影响：o层数N 主题网络的作为漂移随机游动的一般输入D  和方差σ 研究员C  将每个自变量映射到一个参数，定义参数N, D 和σ.研究员C 提供了一种新的可插拔的神经网络实现N  层，以及用于漂移的随机游走生成器D 和方差σ.

他还对研究人员创建的模型进行了新的修订A,  后来由研究人员补充B .  该修正模型现在考虑了随机游走生成器和可变层神经网络。研究员C 对所有7种方案中的每种排列执行一次运行N, D 和σ 以及道琼斯1994-1996年的历史数据作为基线。研究员C 向平台反馈他的输出数据集，并解释他的最终发现：SBLLM是N = 1的合理值D 和σ.  对于N! > !1，发现其他方法表现更好。研究员C  开始研究解释可能的原因。五、 结论总体研究的目标是定义一个概念框架FRACTI，以支持大规模协作、模拟和数据的可追溯性以及简化的表示，以便异构用户社区能够在计算金融领域进行结构化的科学研究。本文的具体目的是介绍这种表示的蓝图，概述定义，并回顾这类平台在计算金融领域应用的具体挑战。在未来阶段，正在进行的研究旨在通过将贡献分类和详细的计算模式（称为方面）添加到这项工作的范围来扩展本文的内容。这项研究还旨在提供一些展示，以举例说明这些概念的具体使用，并向感兴趣的社区公开这些概念[45][46]。超出当前研究范围的最后一个命题是基于FRACTI概念的计算平台的物化。

该平台将支持科学原理的简单性，利用提供几乎无限存储和计算能力的现代技术，允许跨异构用户社区进行透明、控制和大规模协作。这样一个平台将成为一个可信的环境，用于大规模交流与经济相关的想法、程序和数据。其结果可用于教育普通投资者，为研究界提供可靠数据，并允许对全球市场监督进行适当控制，最终可用于确定健全的公共政策。六、 参考书目【1】拉吉·穆尼尔（Rajial-Munir），《现代科学方法和现代科学本质的简短介绍》，Kindle ed.，亚马逊图书，ed.：rm@munir.info, 2010.[2] Chiara Franzoni和Henry Sauermann，《大众科学：开放合作项目中的科学研究组织》，《研究政策》，第43卷，第1-20页，2014年。[在线]。http://ssrn.com/abstract=2167538[3] Harry Markowitz，“投资组合选择”，《金融杂志》，第7卷，第1期，第77-91页，1952年3月。[4] Harry Markowitz，《投资组合选择：有效的投资多元化》，考尔斯经济研究基金会，编辑：美国纽约：John Wiley&Sons，1959年。[5] Edward Tsang，“理解金融市场的新方法”，英国科尔切斯特埃塞克斯大学计算金融和经济代理中心（CCFEA），工作文件WP046-10 2010。[6] Colin Camerer、George Lowenstein和Drazen Prelec，“神经经济学：神经科学如何通知经济学”，《经济文学杂志》，第四十三卷，第9-64页，3月。