TY - JOUR

T1 - Адаптивная регрессия для агент-ориентированного моделирования

AU - Tsyplakov, Alexander

N1 - Цыплаков, А. А. Адаптивная регрессия для агент-ориентированного моделирования / А. А. Цыплаков // Экономика и математические методы. – 2023. – Т. 59, № 4. – С. 111-125. – DOI 10.31857/S042473880028256-0. Статья подготовлена по плану НИР ИЭОПП СО РАН (проект № 121040100262-7) «Инструменты, технологии и результаты анализа, моделирования и прогнозирования пространственного развития социально-экономической системы России и ее отдельных территорий».

PY - 2023

Y1 - 2023

N2 - Рассматривается алгоритм для реализации адаптивного поведения агентов в агент-ориентированных моделях (АОМ). Предполагается, что агент обладает некоторой внутренней параметрической моделью окружающего мира, которая порождает функцию правдоподобия для получаемой агентом информации об окружающем мире. Процесс адаптивного обучения агента за счет изменения параметров представлен в виде фильтрации в общей модели пространства состояний. В статье описан алгоритм SQ-фильтра, в котором используется линейная гауссовская плотность перехода и квадратичное по параметрам приближение для логарифмической функции правдоподобия. Данный алгоритм является модификацией классического фильтра Калмана. Он приложен к линейной регрессии с меняющимися параметрами. При поступлении агенту новой информации оценки параметров, в число которых входят как коэффициенты регрессии, так и дисперсия ошибки, корректируются оценки параметровадаптивным образом с учетом возможных выбросов. Работоспособность предложенной адаптивной регрессии проверена на двух экономических АОМ. Алгоритм показал хорошие результаты как в модели искусственного фондового рынка при предсказании агентами-трейдерами рыночной цены, так и в модели российской экономики при предсказании фирмами спроса на свою продукцию. С его помощью можно наделять агентов правдоподобным поведением без использования чрезмерно сложных расчетов.

AB - Рассматривается алгоритм для реализации адаптивного поведения агентов в агент-ориентированных моделях (АОМ). Предполагается, что агент обладает некоторой внутренней параметрической моделью окружающего мира, которая порождает функцию правдоподобия для получаемой агентом информации об окружающем мире. Процесс адаптивного обучения агента за счет изменения параметров представлен в виде фильтрации в общей модели пространства состояний. В статье описан алгоритм SQ-фильтра, в котором используется линейная гауссовская плотность перехода и квадратичное по параметрам приближение для логарифмической функции правдоподобия. Данный алгоритм является модификацией классического фильтра Калмана. Он приложен к линейной регрессии с меняющимися параметрами. При поступлении агенту новой информации оценки параметров, в число которых входят как коэффициенты регрессии, так и дисперсия ошибки, корректируются оценки параметровадаптивным образом с учетом возможных выбросов. Работоспособность предложенной адаптивной регрессии проверена на двух экономических АОМ. Алгоритм показал хорошие результаты как в модели искусственного фондового рынка при предсказании агентами-трейдерами рыночной цены, так и в модели российской экономики при предсказании фирмами спроса на свою продукцию. С его помощью можно наделять агентов правдоподобным поведением без использования чрезмерно сложных расчетов.

KW - Адаптивное обучение

KW - Фильтр Калмана

KW - Агент-ориентированные модели

UR - https://www.mendeley.com/catalogue/ca3b3cc3-461b-3410-8af1-0ea1904c8ca3/

UR - https://www.elibrary.ru/item.asp?id=57605922

U2 - 10.31857/s042473880028256-0

DO - 10.31857/s042473880028256-0

M3 - статья

VL - 59

SP - 111

EP - 125

JO - Economics and the Mathematical Methods

JF - Economics and the Mathematical Methods

SN - 0424-7388

IS - 4

ER -