Die Untersuchung komplexer ökonomischer Probleme unter Anwendung klassischer analytischer Methoden bedeutet für gewöhnlich, eine große Zahl an vereinfachenden Annahmen zu treffen, z. B., dass sich Agenten rational oder homogen verhalten. In den vergangenen Jahren hat die stark zunehmende Verfügbarkeit von Rechenkapazität ein neues Gebiet der ökonomischen Forschung hervorgebracht, in der auch Heterogenität und Formen eingeschränkter Rationalität abgebildet werden können: Computational Economics. Innerhalb dieser Disziplin kommen rechnergestützte Simulationsmodelle zum Einsatz, mit denen komplexe ökonomische Systeme analysiert werden können. Es wird eine künstliche Welt geschaffen, die alle relevanten Aspekte des betrachteten Problems beinhaltet. Unter Einbeziehung exogener und endogener Faktoren entwickelt sich dabei in der Simulation die modellierte Ökonomie im Laufe der Zeit. Dies ermöglicht die Analyse unterschiedlichen Szenarien, sodass das Modell als virtuelle Testumgebung zum Verifizieren oder Falsifizieren von Hypothesen dienen kann.

Lernziele:

Der/die Studierende

• versteht die Methoden des Computational Economics und wendet sie auf praktische Probleme an,
• evaluiert Agentenmodelle unter Berücksichtigung von begrenzt rationalem Verhalten und Lernalgorithmen,
• analysiert Agentenmodelle basierend auf mathematischen Grundlagen,
• kennt die Vor- und Nachteile der unterschiedlichen Modelle und kann sie anwenden,
• untersucht und argumentiert die Ergebnisse einer Simulation mit geeigneten statistischen Methoden,
• kann die gewählten Lösungen mit Argumenten untermauern und sie erklären.

Anmerkung:

Die Vorlesung wird vom Institut AIFB angeboten. Daher ist eine Einrechnung der Leistung NUR in der Informatik möglich, d. h.die Vorlesung wird nicht im Market Engineering Modul anrechenbar sein.

• R. Axelrod: "Advancing the art of simulation in social sciences". R. Conte u.a., Simulating Social Phenomena, Springer, S. 21-40, 1997.
• R. Axtel: "Why agents? On the varied motivations for agent computing in the social sciences". CSED Working Paper No. 17, The Brookings Institution, 2000.
• K. Judd: "Numerical Methods in Economics". MIT Press, 1998, Kapitel 6-7.
• A. M. Law and W. D. Kelton: "Simulation Modeling and Analysis", McGraw-Hill, 2000.
• R. Sargent: "Simulation model verification and validation". Winter Simulation Conference, 1991.
• L. Tesfation: "Notes on Learning", Technical Report, 2004.
• L. Tesfatsion: "Agent-based computational economics". ISU Technical Report, 2003.

Weiterführende Literatur:

• Amman, H., Kendrick, D., Rust, J.: "Handbook of Computational Economics". Volume 1, Elsevier North-Holland, 1996.
• Tesfatsion, L., Judd, K.L.: "Handbook of Computational Economics". Volume 2: Agent-Based Computational Economics, Elsevier North-Holland, 2006.
• Marimon, R., Scott, A.: "Computational Methods for the Study of Dynamic Economies". Oxford University Press, 1999.
• Gilbert, N., Troitzsch, K.: "Simulation for the Social Scientist". Open University Press, 1999.