The ABCs of Agent Based Computational Economics

Agent-based-computational-economic-modelsThe unrealistic assumptions that economic models are based on have rendered many models insufficient and impractical in application in the real world. Aishwarya Ketkar offers Agent Based Computation as an answer for those who want to simulate models capturing actual human behaviour and experiences….

Economy is an interactive complex system reflecting the interaction between various agents  residing within it. The attempts at classifying Economics into a perfect science are transforming  into varied perspectives being used to predict consumer behavior. There is a clear indication of  evolution of a novel mathematical ideology into economics taking aid of the massive computing  power made feasible by technology.

Leon  Walras  was the first person to classify Economics as a science. To Walras and the  Physicists of his time, economy was a closed system following simple mathematics to gain  equilibrium.  The  general  notion  pointed  towards  external  shocks,  followed  by temporary disequilibrium adjustment and new equilibrium. Physics was at a very rudimentary level when Physicists first applied the concept of equilibrium in Economics. The first law of Thermodynamics (Energy conservation) was the only discovery present in Physics (of Thermodynamics). The  establishment of second law of Thermodynamics (endless increasing entropy) itself proved that  there was no one simple mathematical perspective to handle Economic systems. Now that a lot  of principles in Physics have evolved, the perspective to look at Economic systems has changed  tremendously. What is baffling today, is aptness of applying non evolutionary mathematical  algorithms to define and predict an economic phenomenon.

ACE amalgamates the elements and views from Economics, Computer Science and Social  Sciences to study modern Economic systems. Excellent surveys of extant literature in this field  indicate that the conceptualization of an economy as a system of interacting agents is not a new  concept; the simple issue is that there is no stable evidence to suggest the convergence of  economic  processes  towards  a  stable  equilibrium.  Additionally,  the  assumption  of  perfect  rationality  advocated  by  traditional  Economics  is  increasingly  being  abandoned  by  social  scientists. It is assumed that an individual gets information, processes it, analyses it and then  makes decisions. Theoretically, outcomes predicted by these systems are misleading and differ  from their outcomes in the present world. The assumption of perfect rationality is a restrictive  assumption. ACE corrects this caveat by enabling more realistic assumptions which lead to more  definite outcomes.

The  idea  of  ACE  is  simple: Agents  (decision  makers)  interact  with  each  other  and  the environment they are placed in through a predefined set of ‘simple’ rules. They achieve locally  optimal results that may or may not result in global optima. These rules can be designed to be  perfectly rational or not depending on the phenomenon under research. The rules can evolve over  time to simulate effects of experience and culture. Thus, the economy can be modeled as a  ‘complex adaptive system’ which it ideally should be.

One of the most significant studies in Agent Based Computational Economics is the work done  by Joshua Epstein and Robert Axtell that resulted in development of the Sugarscape model. The  Sugarscape model envisions the behavior of artificial people namely the agents on a landscape  growing generalized resources namely, Sugar. A certain amount of Sugar is established on the  landscape which keeps growing at a uniform rate as a fixed period passes. The agents are born on  the landscape of the sugar with a fixed vision, metabolism and genetic attributes which are       randomly chosen from a uniformly distributed population. The field of Agent Based Modeling in  evolutionary biology extensively discussed by Axelrod introduces further evolutionary changes  in the programming of agents on Sugarscape based on the genes inherited through the agents.  The behavior of randomly chosen agents is governed by fairly simple rules that try to maximize  their utility as the economic theory envisages. Their movement, for example, is determined by  their sight, brain power and metabolic rate. They just have to look as far as they can, locate their  sugar source and spend some energy towards moving and acquiring it. When agents exhaust their  energy (determined by metabolic rate), they die. ​ emerge as a result of these simple rules. For instance, as soon as the model is executed, agents  who are born on the sugarscape with little sugar die off quickly before they are able to spot the  sugar. This leads to huddling of agents around the more fertile part of the Sugarscape. Epstein  and Axtell then introduce a variety of other factors into the system namely seasonal variations,  Tribes, and sexual reproduction.

This study is based on the economic tradeoff chosen by the consumers between two goods in  order to attain the maximum level of utility given the constraint that is reaching the highest  indifference curve. It results in the development of an economic market where agents trade Sugar  and Spice based on their metabolisms for the two resources and their present endowments. With  the introduction of Price, the agents can be asked to choose their tradeoff between Sugar and  Spice at that particular Price point. Summing these values across agents and prices gives us a  demand and supply schedule that is generated from the ‘bottom –up’. Epstein and Axtell also  determined the average actual quantity and price at which trades took place. This point can then  be compared to intersection of the supply and demand curves to determine the disparity (if any)  between the market clearing price and the expected clearing price (assuming the existence of a  Walrasian auctioneer).

Sugarscape has had a tremendous impact on the research community in ACE and economics in  general. Almost all contemporary research refers back to their model and its framework. There  are  a  lot of factors that impact the game under consideration. Using ACE there are local  interactions which are modeled under a set of user defined conditions. The output from ACE  models, with less restrictive assumptions, is still a sub optimal outcome; however in cases suchh  as those observed by Mark in his model, there is a rare emergence of globally optimal set of  strategies. Furthermore, it can also be seen that the level of rationality, whether perfect or  bounded, has an impact on the outcome of the model. In this way agent-based simulations cann  help us to close the gap between theory and the real world.

Aishwarya Ketkar is pursuing MS Mathematical Finance at Boston University.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s