経済シミュレーションの話。つづき？ ……。 前回のマッチングの話のつづき。…

jrf> 経済シミュレーションの話。つづき？

……。

前回のマッチングの話のつづき。

マッチングしたあと、追っていって、つじつまが合うように逆に、データから優位性や労働コストを導くやり方を変化させる必要があるだろう。そういったパラメータを決めるやり方は機械学習的に学習できるかもしれない。まぁ、夢想に過ぎないが。

そういうマッチングとは別に、今ある優位性などのパラメータが次の期どういうふうに変化するか…というのも学習できるかもしれない。ここは誤差逆伝播法とかの機械学習ではなく、優位性などがどうランダムに変化したかを MCMC 法とかで推定し、それを利用することもできるかもしれない。ただ、そうやって優位性などが求まったとしても、それを実経済にどう当て嵌めるかという部分では機械学習的なやり方が必要かもしれない。

企業10社でシミュレーションしていて、ある社がつぶれたとするとき、これまでの実社会との対応とその次の期の対応が少しずつ変わっていくとして、どう対応を変えていくのがつじつまが合うか…みたいなことも考えねばならず、これはなかなか難しそうで、そうすると、データもたくさん欲しいが、そこまで大量のデータはない…となるかもしれない。

……。

村田安雄『動的経済システムの最適制御』(関西大学出版局, 1998年) をチラと読んでいて、経済の微分方程式をどう導くかという部分、需要と供給のバランスが崩れているとき、その度合いに応じて、投資がなされやすくなるというのが微分方程式を導いていた。

micro_economy_*.py では、需給のバランスは必ず合うように最適化されるため、需給のバランスの度合い…みたいなものは考えないでいい。ただ、生産コスト等をランダムに変化させてその新しいパラメータで需給が変わるとき、最適化の目的である価格を適当に変化させるという方向はありうると思う。

その方向の一つとしては、価格最適化のための初期値をそういった需給を補うような価格変化で決めるというものが考えられる。二つ目は、最適化は別にして、その価格変化が需給の変化から予想されるものとどれぐらい乖離しているか調べるという方向が考えられる。三つ目は、二つ目とほぼ同じで、最適化は別に記録するが、こちらは需給による価格変化でシステムをループさせ、それを別に記録した最適化とどれだけ乖離していくかを調べるという方向が考えられる。

以前、2国モデルなどを考えて輸出入を考えたいと私は言っていたが、自国とそれ以外の世界という2「国」モデルまたは、2国あってそれ以外の世界という3「国」モデルをするとして、じゃあ、その複数国を一度に最適化するかというとそうではなく、1国ずつ逐次にするべきだと考えていた。

その際、別の国のデータを価格にどのように反映するかが問題になるが、上の需給バランスから価格が変化するという枠組であれば、自然に対応できるように思う。まぁ、因果は逆で、価格が決まっていて、次回の需給が変化する感じになるかもしれないが。