Ajan tabanlı modelleme ve hesaplamalı iktisat

Abstract

Rasyonellik ve homojenlik varsayımları ile iktisadi ajanlar arasındaki etkileşimi göz ardı eden temsili ajan yaklaşımı, dinamik stokastik genel denge modellerine dayanan yerleşik iktisada duyulan güvenin azalmasına yol açmıştır. 1990ların sonlarından itibaren ajan tabanlı hesaplamalı yaklaşım finansal iktisat, endüstriyel organizasyon, makro iktisat, politik iktisat ve iktiadi ağ oluşumu başta olmak üzere sosyal bilimlerde yaygınlaşmaya başlamıştır. Son olarak 2008 küresel finansal kriz yerleşik, iktisadın daha yüksek sesle tartışılmasına ve ajan tabanlı yaklaşımın daha çok benimsenmesine neden olmuştur. Bu yeni yaklaşım araştırmacılara pasif haldeki fiziksel varlıklardan durumları, inanışları ve davranış kuralları olan aktif karar alıcılara kadar çeşitli ajanların bulunduğu yapay bir dünya kurmalarına imkân vermektedir. Bu yapay dünyalarda ajanların birbirleriyle ya da çevreleriyle etkileşimi onların adaptif (uyarlanabilir) olmasına ve kompleks adaptif bir sistem meydana getirmelerine izin vermektedir. Bu çalışmada, ajan tabanlı yaklaşımın temel unsurlarının incelenmesi ve DSGE modellerine göre üstünlüklerinin gösterilmesi amaçlanmıştır.

Assumptions of rationality and homogeneity, and framework of representative agent that rule out in- teractions between agents have led to a decline in confidence to mainstream economics based on dynamic stochastic equilibrium models. Starting from late 1990s, agent-based computational approach has become increasingly popular in social sciences, especially in financial economics, industrial organization, macro- economics, political economy, and economic network formation. Finally, 2008 global financial crisis has caused mainstream to be argued loudly and agent-based approach to be adopted more. This new approach enables researchers to construct artificial worlds where various agents ranging from passive entities to active decision makers who have believes, states and rules of behavior. In these artificial worlds, interactions of agents with each other and their environments let agents be adaptive (learning) and create a complex adaptive system. This study aims to examine the main dynamics of agent-based approach and its advantages compared to DSGE models.