Содержание к диссертации
Введение
Глава 1. Моделирование поведения человека в социально-экономической среде
1.1. Моделирование поведения человека с использованием технологий искусственного интеллекта
1.2. Агент-ориентированные модели 28
1.2.1. Моделирование экономических агентов с использованием технологий искусственного интеллекта
1.2.2. Новое средство получения знаний — агент- ориентированные модели
1.2.3. Известные примеры агент-ориентированных моделей 35
1.2.3.1 Гражданское направление 35
1.2.3.2 Военное направление 47
1.2.4. Программное обеспечение для реализации агент-ориентированных моделей
1.2.5. Соединение агент-ориентированных и CGE моделей: зарубежный опыт
1.2.6. Недостатки используемых подходов и предлагаемое решение для разработки гибридных агент-ориентированных моделей 59
1.3. Нейронные сети как инструмент моделирования реакции людей 61
1.4. Методология проектирования гибридных агент-ориентированных , моделей
1.5. Краткое резюме 73
Глава 2. Среда функционирования искусственных обществ - CGE модели
2.1. Обзор и классификация CGE моделей 74
2.2. Применение CGE подхода при моделировании экономики России 80
2.3. Преимущества CGE моделей как инструмента исследования экономики
2.4. Этапы проектирования CGE моделей 85
2.5. Системы обозначения в CGE моделях 86
2.6. Механизмы достижения равновесия на различных рынках 87
2.7. Процесс калибровки CGE моделей 89
2.8. Технология проведения вычислительных экспериментов 92
2.9. Обзор пакетов для численного разрешения CGE моделей 95
2.10. CGE модели экономики России 98
2.10.1. CGE модель «Россия: Центр — федеральные округа» 98
2.10.2. CGE модель «Социальная Россия» 130
2.10.3. CGE модель «R USEC — Газпром» 135
2.10.4. CGEмодель «RUSEC - естественные монополии» 137
2.10.5. CGE модель конкурирующих партий России 142
2.10.6. CGE модель отраслей 143
2.10.7. CGE модель экономики знаний 149
2.11. Почему именно CGE модели 162
2.12. Краткое резюме 166
Глава 3. Практическая реализация гибридных агент ориентированных моделей
3.1. Проектирование гибридной агент-ориентированной модели с искусственными обществами, принимающими решения о поиске работы (ГАОМ№ 1)
3.1.1. Концептуальный взгляд на модель (взаимодействие искусственных обществ в экономической системе)
3.1.2. Краткое описание модели (экономические агенты и основные взаимосвязи)
3.1.3. Рынки 175
3.1.4. Экономические агенты макроуровня 180
3.1.4.1. Государственный сектор 180
3.1.4.2. Рыночный сектор 186
3.1.4.3. Теневой сектор 190
3.1.4.4. Правительство -регулирующий орган 194
3.1.4.5. Банковский сектор 197
3.1.4.6. Внешний мир 197
3.1.4.7. Интегральные показатели модели 198
3.1.5. Экономический агент микроуровня — совокупность искусственных обществ
3.1.6. Адекватность модели —ретроспективный прогноз 202
3.2. Проектирование гибридной агент-ориентированной модели с искусственными обществами, принимающими решения о расходах (ГАОМ № 2)
3.2.1. Концептуальный взгляд на модель (взаимодействие искусственных обществ в экономической системе)
3.2.2. Краткое описание модели (экономические агенты и основные взаимосвязи)
3.2.3. Рынки 210
3.2.4. Экономические агенты макроуровня 213
3.2.4.1. Совокупный производитель товаров и услуг 213
3.2.4.2. Государство 217
3.2.4.3. Банковский сектор 220
3.2.4.4. Внешний мир 220
3.2.5. Экономический агент микроуровня — искусственные общества
3.2.6. Адекватность модели —ретроспективный прогноз 223
3.3. Краткое резюме 224
Глава 4. Данные для моделей и спецификация нейронных сетей 226
4.1. Обработка данных из статистических сборников Росстата 226
4.2. Обработка анкет из социологических баз данных RLMS 229
4.2.1. Гибридная агент-ориентированная модель №1 229
4.2.2. Гибридная агент-ориентированная модель №2 246
4.3. Архитектуры нейронных сетей, используемых в агент-ориентированных моделях
4.3.1. Гибридная агент-ориентированная модель №1 252
4.3.2. Гибридная агент-ориентированная модель №2 266
4.4. Краткое резюме 276
Глава 5. Вычислительные эксперименты 278
5.1. Влияние изменений ставок основных налогов на количество работников, задействованных в теневом секторе
5.2. Оценка влияния повышения заработной платы работникам российских предприятий и организаций на количество работников, задействованных в теневом секторе 281
5.3. Моделирование эффектов коррупции и теневой экономики 286
5.4. Выделение дополнительных инвестиционных ресурсов экономике России за счет средств государственного внебюджетного инвестиционно-кредитного фонда 291
Заключение 297
Литература 300
- Программное обеспечение для реализации агент-ориентированных моделей
- Технология проведения вычислительных экспериментов
- Экономический агент микроуровня — совокупность искусственных обществ
- Гибридная агент-ориентированная модель №1
Введение к работе
Актуальность
В большинстве математических моделей, изучающих макроэкономические системы, поведение таких микроэкономических агентов, как отдельные домохозяйства, зачастую не рассматривается достаточно подробным образом. Тем не менее, особенности поведения именно этих агентов должны приниматься во внимание при прогнозировании последствий того или иного государственного управленческого решения.
Обычно в макроэкономических моделях либо описывается поведение агрегированного домохозяйства (инструментарием в этом случае является оптимизация соответствующей функции полезности); либо в модель включаются рассчитанные ранее экзогенные параметры, отражающие результаты экономических решений домохозяйств. В экономической литературе эти два подхода часто подвергаются обоснованной критике, поскольку в большинстве случаев они не позволяют получить в рамках таких моделей реалистичные оценки взаимодействия домашних хозяйств и реального сектора экономики.
Вместе с тем, в 1960-е годы возникло новое научное направление – компьютерное имитационное моделирование, которое в настоящее время включает четыре следующих типа: моделирование динамических систем, системная динамика, дискретно-событийное моделирование и агентное моделирование. Последнее является самым современным.
Все эти четыре направления применяются, в том числе, и для решения экономических задач на разных уровнях абстракции. При этом, чем больше модель соответствует моделируемому объекту при решении конкретной проблемы, тем она считается более адекватной. Агентное моделирование, развитие которого напрямую определяется увеличивающимися вычислительными возможностями современных компьютеров, позволяет представить (смоделировать) систему практически любой сложности из большого количества взаимодействующих объектов, не прибегая к их агрегированию. Появились программные средства (например, отечественный продукт AnyLogic), позволяющие сочетать ве четыре вышеперечисленные направления имитационного моделирования.
Однако наибольшие трудности возникают при совмещении объектов разного уровня абстракции в рамках одной модели. В этой связи разработчики экономико-математических моделей все чаще ставят вопрос об актуальности проблем построения иерархических динамических моделей, включающих в себя хозяйствующих субъектов макроуровня и агентов микроуровня, поведение которых должно быть описано более реалистично, нежели применяемые на практике методы их представления.
Эти проблемы, как будет показано в работе, можно решить путем построения гибридных агент-ориентированных моделей (ГАОМ), представляющих собой новое научное направление.
Степень разработанности
Разработке агент-ориентированных моделей (АОМ) посвящено большое количество работ. Среди авторов можно выделить: Н. Аннаби, Г. Балдассара, А. Белтратти, М. Биркина, П. Бретта, Ю. Виленски, Р. Гротманна, Х. Дегучи, Б. Декалюве, В.А. Житкова, Д. Зизо, В.А. Истратова, Ю. Карпова, Д. Кокборна, С. Коша, Х. Ли, В.Л. Макарова, С. Маргарита, С.И. Паринова, В. Паундстоуна, А. Рубинштейна, Т. Саргента, Д. Сгроя, П. Терна, Л. Тесфатси, М. Упала, Д. Хелбинга, М. Цветовата, Т. Шеллинга, Р. Шелтона, Р. Экстелла, А. Энгельбрехта, Д. Эпштейна.
На основе анализа публикаций в данной области можно сделать следующие выводы:
1. Подавляющее большинство АОМ являются абстрактными, и основная цель их разработки не связана с решением практических задач. Иными словами, модели используют условные данные и создаются в основном для отработки нового инструментария.
2. Среди малочисленной группы моделей, рассматривающих реальное явление или процесс, только небольшая часть имеет отношение к экономической сфере.
3. Однако даже представители этой, небольшой группы моделей, рассматривают только некоторые аспекты микроэкономических явлений.
В этой связи можно считать разработанные в ходе исследования ГАОМ не только одними из первых в мире, но и соответствующими самым современным направлениям в прикладной экономической науке.
Кроме того, в отличие от большинства имеющихся разработок, описываемые в диссертации модели используют реальные данные и способны выдавать адекватные результаты. Для разработанных ГАОМ в качестве базовых экономических систем используются вычислимые модели общего равновесия (CGE модели). Модели этого класса сами по себе также являются новым направлением в прикладной экономике, получившим широкое распространение во всем мире.
Для более адекватного отображения поведения людей в разработанных ГАОМ применяется совокупность нейронных сетей – одно из направлений искусственного интеллекта (ИИ), более других подходящее для решаемых задач.
Вопросами ИИ занимаются многие ученые и практики, и, кроме того, эта область исследований уже давно преобразовалась в отдельную отрасль информатики. Среди авторов, внесших заметный вклад в развитие ИИ, следует выделить А.Н. Адаменко, Е.П. Бакулина, К. Бишопа, С. Бобровского, В.В. Борисова, Н.Е. Егорову, И.В. Заенцева, Д.И. Коренькова, Б. Коско, В.В. Круглова, А.М. Кучукова, Е.В. Левнера, А.И. Масаловича, Д. Паттерсона, В.Я. Пивкина, А.С. Птускина, Г. Саймона, А. Тьюринга, А.А. Фридмана.
Как показывается в диссертации, CGE модели, в свою очередь, наиболее естественно соединяются с АОМ, и это позволяет построить модели другого класса и получить принципиально новые результаты.
Несмотря на широкое распространение в зарубежных странах моделирования экономических процессов посредством использования CGE подхода, в России это направление появилось совсем недавно, а термин «вычислимая модель», являющийся синонимом CGE модели, был введен академиком РАН В.Л. Макаровым при разработке модели экономики России – RUSEC в 1999 году.
Различные аспекты CGE моделирования рассматривались в трудах следующих ученых: П. Адамса, А.С. Акопова, А. Алексеева, Н. Аннаби, А.А. Афанасьева, С.Б. Байзакова, Н.В. Бахтизиной, Г.Л. Бекларян, П. Берка, Г.Е. Бесстремянной, А. Брука, А.Л. Ведева, Н.Г. Главацкой, Е. Голана, П. Диксона, Л. Йохансена, Д. Кокборна, В.Л. Макарова, Д. Маркусена, С.Н. Нугербекова, Б. Парментера, К. Пирсона, Т. Рузерфорда, Г. Скарфа, Б. Смита, М. Тишена, Н. А.Турдыевой, Л. Тэйлора, А. Фельтенштейна, Л. Хантера, А. Харбергера, В. Харрисона, А. Шаха, Д. Хорриджа, С.Я. Чернавского, С.Р. Шаракаевой, К. В.Юдаевой.
Попытки объединить CGE и микросимуляционные модели предпринимались, начиная с 2000 года. Однако такие модели нельзя назвать АОМ, так как несмотря на включение в них данных по домохозяйствам, обработка домашними хозяйствами сигналов макроуровня происходила путем максимизации функции полезности.
В то же время следует отметить, что актуальность проблемы по разработке гибрида АОМ и CGE модели все чаще отмечается западными учеными. Представитель крупнейшего центра по разработке CGE моделей (Monash University, Австралия) П. Бретт сделал в 2005 году соответствующий доклад на международном семинаре в Германии, посвященном разработке АОМ для проектирования экономической политики.
Базисом для формулировки прикладных задач, решаемых посредством разработанных моделей и последующей интерпретации полученных результатов послужили труды известных ученых и практиков: С.А. Айвазяна, М.Ю. Афанасьева, К.А. Багриновского, О.Б. Брагинского, Е.М. Бухвальда, С.Д. Валентея, А.Е. Варшавского, Ю.Н. Гаврильца, М.В. Глазырина, В.А. Двуреченских, Н.Е. Егоровой, Е.И. Ивановой, Г.Б. Клейнера, Ф.Б. Ларрена, Ю.В. Латова, Д.С. Львова, В.Л. Макарова, Р.И. Нигматулина, Д.Д. Сакса, С.С. Сулакшина, В.М. Полтеровича, Р.В. Фаттахова, С.В. Чистяковой, Ф.И. Шамхалова, В.И. Якунина.
Объектом исследования являются экономические субъекты макро и микроуровня.
Предметом исследования являются социально-экономические процессы, рассматриваемые во взаимодействии объектов макро и микро уровней.
Целью настоящей работы является разработка теоретико-методологических основ для создания гибридных инструментов анализа и имитирования общественных, и главным образом, экономических явлений, которые устанавливают связь между микро - и макроповедением агентов, используют принципы теории общего равновесия и агент-ориентированных моделей и предназначены для решения ряда важных научно-практических задач.
Для достижения поставленной цели потребовалось решить следующие задачи:
Изучить существующие подходы к моделированию экономических агентов микро - и макроуровня в рамках экономики отдельной страны.
Апробировать различные направления ИИ относительно их применимости для формализации поведения экономических объектов микроуровня.
Проанализировать существующие подходы к совмещению макро- и микроуровня в экономических моделях.
Сформулировать методологию построения ГАОМ, которые позволяют более корректно отразить поведение объектов микроуровня, функционирующих в среде макроуровня.
Разработать ГАОМ, в которой рассматривается социально-экономическая система России, включающая как хозяйствующие субъекты макроуровня, подразделяемые по формам собственности, так и совокупность агентов микроуровня – индивидов, принимающих решение о поиске работы.
Разработать ГАОМ, в которой рассматривается социально-экономическая система России, включающая как хозяйствующие субъекты макроуровня, так и совокупность агентов микроуровня, разделенных на пять доходных групп домашних хозяйств, принимающих решение о способе распределения своего бюджета.
Спроектировать информационную базу для наполнения моделей статистическими данными. При этом экономическая составляющая агент-ориентированных моделей заполнялась данными Росстата, а для обучения нейронных сетей были использованы данные социологических баз данных RLMS (The Russia Longitudinal Monitoring Survey или Российский мониторинг экономического положения и здоровья населения).
Осуществить процесс калибровки моделей, заключающийся в подгонке некоторых экзогенных параметров до значений, при которых интегральные показатели модели (такие как ВВП, объем производства в физических единицах и т.д.) совпадали бы с показателями официальной статистики. Калибровка считается неотъемлемой частью разработки вычислимой модели, которая в данном случае является средой для функционирования агентов микроуровня.
Оценить адекватность двух ГАОМ и провести их апробацию с помощью экспериментов, имеющих практическое значение для государственной экономической политики, а также демонстрирующих возможности разработанных инструментов в плане получения результатов, которые было бы сложно получить с помощью моделей других классов.
Теоретической основой исследования послужили разработки отечественных и зарубежных ученых в области вычислимых моделей общего равновесия, АОМ, математического моделирования экономики и экономической теории.
Исследование основывается на методологии и конкретных приложениях научного познания, среди которых можно выделить системный и структурно-функциональный подходы, а также методы экономического, математического и статистического анализа и алгоритмы компьютерного нейросетевого моделирования.
Информационной основой работы явились материалы государственной статистики, данные социологических баз данных RLMS, оперативные отчеты и информационно-аналитические материалы государственных органов управления и экономических служб, а также экспертные оценки.
Научную новизну составляют следующие результаты исследования, полученные лично автором и выносимые на защиту:
-
Разработан новый методический подход к созданию ГАОМ, представляющих собой новый инструмент, совмещающий микроуровень, представленный агент-ориентированной моделью и макроуровень, воплощенный в виде вычислимой модели общего равновесия.
-
Обосновано преимущество применения нейронных сетей для лучшей спецификации поведения домашних хозяйств в экономической среде по сравнению с различными методами их математической формализации, включая некоторые направления ИИ.
-
Впервые разработана ГАОМ социально-экономической системы России, которая включает хозяйствующие субъекты макроуровня, сгруппированные по формам собственности и совокупность агентов микроуровня – индивидов, принимающих решение о поиске работы.
-
Впервые разработана ГАОМ социально-экономической системы России, которая включает хозяйствующие субъекты макроуровня и совокупность агентов микроуровня – домашних хозяйств, сгруппированных по пяти доходным группам, принимающих решение о способе распределения своего бюджета.
-
В рамках одной из моделей осуществлено моделирование механизмов взаимодействия теневого и реального секторов экономики, которое, в отличие от других разработок, характеризуется имитацией двух наиболее важных направлений перетоков средств в бюджеты домашних хозяйств из следующих двух источников: консолидированный бюджет и доходы производителей. Это позволило произвести количественную оценку взаимосвязи между некоторыми составляющими теневой экономики и основными макроэкономическими показателями страны.
-
Произведено моделирование дополнительного инвестирования в экономику России и рассчитаны последствия для макро - и микроуровней системы, выражающиеся как в изменении основных макропоказателей, так и в изменении численности домохозяйств в рамках доходных групп.
-
С помощью разработанных ГАОМ произведена имитация крупномасштабных решений по повышению заработной платы работникам предприятий и организаций России с целью анализа их влияния на увеличение темпов экономического роста, а также на уменьшение численности работников, задействованных в теневом секторе.
-
В рамках разработанных ГАОМ смоделированы некоторые механизмы налогового регулирования, выражающиеся в снижении ставок основных налогов, в целях анализа воздействия этих мер на снижение численности работников, задействованных в теневом секторе.
Апробация исследования
Первая из разработанных ГАОМ была отмечена в качестве одной из основных разработок Российской академии наук за 2005 г., готовой к практическому применению.
Представленные в главе 5 диссертации расчеты проводились в рамках экономической доктрины Российской Федерации, разрабатываемой Центром проблемного анализа и государственно-управленческого проектирования в 2007-2008 гг.
Помимо этого, разработанные модели и полученные с их помощью результаты обсуждались на перечисленных ниже международных конференциях и практических семинарах.
-
Междисциплинарный семинар «Философско-методологические проблемы искусственного интеллекта» (20 апреля 2005 г., г. Москва), пленарный доклад «Компьютерное моделирование искусственных миров».
-
Научный семинар «Социально-политические процессы и экономическое состояние России» (25 марта 2005 г., г. Москва), доклад «Количественная оценка эффективности государственного планирования бюджета».
-
28-я международная научная школа-семинар «Системное моделирование социально - экономических процессов» имени академика С.С. Шаталина (6-10 октября 2005 г., г. Нижний Новгород), пленарный доклад «Моделирование ограниченной рациональности поведения домохозяйств с помощью CGE модели со встроенными нейронными сетями».
-
Научный семинар «Социально-политические процессы и экономическое состояние России» (30 сентября 2005 г., г. Москва), доклад «Неэффективность государственной политики в сфере борьбы с теневыми зарплатами».
-
Семинар Лаборатории искусственных обществ (1 февраля 2006 г., г. Москва), доклад «Моделирование искусственных обществ».
-
Ежегодная всероссийская научная конференция «Математическое моделирование последствий финансово-экономических государственных управленческих решений» (31 мая 2006 г., г. Москва), доклад «Проблемы формирования государственных политик в России».
-
29-ая международная научная школа-семинар «Системное моделирование социально - экономических процессов» имени академика С.С. Шаталина (9-13 октября 2006 г., г. Воронеж), пленарный доклад «Агент-ориентированная модель социально-экономической системы России со встроенными нейронными сетями».
-
IX Всероссийская научно-техническая конференция «НЕЙРОИНФОРМАТИКА-2007» (23-26 января 2007 г., г. Москва), доклад «Опыт разработки агент-ориентированной модели».
-
Немчиновские чтения (1 марта 2007 г. Москва), пленарный доклад «Опыт разработки агент-ориентированной модели экономики России».
-
Всероссийская научно-практическая конференция «Государственная политика противодействия коррупции и теневой экономике в России» (6 июня 2007 г., г. Москва), доклад «Моделирование эффектов коррупции и теневой экономики с помощью вычислимой модели общего равновесия».
-
30-я международная научная школа-семинар имени С.С. Шаталина «Системное моделирование социально-экономических процессов» (27 сентября – 1 октября 2007 г., г. Руза), пленарный доклад «Оценка эффективности финансовых вложений в экономику знаний: предварительные результаты»;
-
Российское научное экономическое собрание «Проблемы модернизации экономики и экономической политики России. Экономическая доктрина Российской Федерации» (19 – 20 октября 2007 г., г. Москва), доклад «Применение вычислимых моделей для проектирования государственных управленческих решений».
-
Научно-практическая конференция «Стратегические задачи и проблемы управления транспортно-промышленным развитием азиатской части России «Горизонт 2030» (21 марта 2008 г., г. Москва), пленарный доклад «Экономика знаний».
-
Научная сессия «Инновационная экономика: математические модели» (19 мая 2008 г., г. Москва), доклад «Вычислимая модель экономики знаний».
-
Астанинский экономический форум (26 – 27 июня 2008 г., г. Астана, Казахстан), доклад «Экономика знаний и развитие Азиатской части России».
-
Второй мировой конгресс по социальному моделированию (WCSS-2, 14 – 17 июля 2008 г., г. Вашингтон, США), доклад «How to overcome the traffic jam in Moscow: Simulation of the district’s and satellite town’s specialization».
Следует также отметить, что результаты исследований высоко оценены рядом научных фондов и организаций – ниже представлен список наград за работы, непосредственно связанные с данным исследованием.
Награда международного научного фонда экономический исследований имени академика Н.П. Федоренко за лучшую работу в 2002 г. по специальности «экономика».
Медаль Российской академии наук за цикл работ, посвященных разработке и применению вычислимых моделей общего экономического равновесия (март 2005 г.).
Грант Президента РФ за работу «Разработка и апробация вычислимой модели общего экономического равновесия с применением технологий искусственного интеллекта» (сентябрь 2005 г.).
Премия Фонда содействия отечественной науки по программе «Лучшие экономисты РАН» (февраль 2006 г.).
Премия Фонда Ж. Алферова за цикл работ по математическому моделированию экономики (апрель 2006 г.).
Публикации. Диссертантом опубликовано 62 научные работы, общим объемом 346,6 п.л. (авторских – 65,45 п.л.).
Практическая значимость работы
Разработанные в ходе диссертационного исследования модели неоднократно использовались для оценки эффекта ряда мер государственной политики в сфере налогового регулирования и инвестиционного стимулирования экономики России. Комплекс мер вошел в разработанную Центром проблемного анализа и государственно-управленческого проектирования «Экономическую доктрину Российской Федерации», предназначаемую для рассмотрения Правительством Российской Федерации и Президентом России.
Проделанная автором работа получила высокую оценку экспертов Центра проблемного анализа и государственно-управленческого проектирования. Этот факт отражен в справке о внедрении результатов диссертационной работы.
Структура работы
Диссертационная работа изложена на 362 страницах и состоит из введения, пяти глав, заключения, библиографического списка литературы, содержащего 224 источника, и семи приложений.
В первой главе рассматриваются вопросы моделирования поведения человека в социально-экономической среде. Особое внимание уделяется моделированию поведения людей, рассматриваемому через призму ИИ – нового направления в информатике. Одно из направлений ИИ – нейронные сети, рассмотрено более подробно, поскольку именно этот аппарат был взят за основу при разработке ГАОМ. Помимо этого, в этой главе вводятся понятия «искусственного общества» и «агент-ориентированных моделей» уже укоренившиеся в зарубежной литературе и привнесенные в Россию академиком РАН В.Л. Макаровым. Конечная цель процесса по созданию таких моделей – отследить влияние флуктуаций агентов, действующих на микроуровне, на показатели макроуровня. В обзоре литературы представлены как гражданские, так и военные разработки по этой теме.
Далее рассматривается одна из актуальных на сегодняшний день задач, сформулированная, в том числе авторитетными зарубежными научными центрами – задача разработка гибрида АОМ и вычислимой модели общего равновесия. После анализа имеющегося опыта, описывается методологический подход к решению данной проблемы, на основе которого были разработаны описываемые в диссертации модели.
Во второй главе автором рассматриваются отдельные положения теории CGE моделей, выбранных в качестве базовых экономических систем в составе ГАОМ. Здесь проанализированы их преимущества перед другими методами моделирования экономики, а также описаны основные этапы проектирования CGE моделей. Помимо этого, отдельное внимание уделяется вопросам калибровки CGE моделей, механизмам их работы и наиболее распространенным технологическим способам их численного разрешения. Затем приводятся краткие описания разработанных CGE моделей различных объектов экономики России с полученными с их помощью результатами, а также аргументы в пользу применения CGE моделей в качестве среды для функционирования искусственных обществ.
Третья глава диссертации является основополагающей и состоит из двух основных разделов, посвященных подробному описанию разработанных в ходе исследования ГАОМ, которые рассматривают различные аспекты деятельности людей – членов искусственных обществ. В первом случае члены искусственных обществ принимают решение о поиске работы, а во втором случае – о способе распределения своего бюджета. В обоих случаях решения принимаются в зависимости от сигналов, посылаемых экономической системой. Описания моделей выполнены в соответствии с методикой проектирования ГАОМ, предложенной автором в первой главе.
В четвертой главе приведены использованные источники для наполнения моделей статистической информацией, описаны процедуры обработки анкет из социологических баз данных RLMS, а также технические характеристики используемых нейронных сетей. В части описания методологии включения нейронных сетей в CGE модель четвертая глава тесно взаимосвязана с предыдущей.
Пятая глава посвящена анализу результатов экспериментов, проведенных с использованием разработанных в ходе исследования моделей.
Программное обеспечение для реализации агент-ориентированных моделей
Модель построена на условных данных, но, тем не менее, полученные результаты выглядят вполне логично: технологическое превосходство отмечалось у корпораций, осуществляющих наибольшие вложения в инновации и тем самым ориентированных на долгосрочную прибыль. Хотя следует отметить, что более убедительно эти результаты смотрелись бы в случае использования реальных данных применительно к экономике Японии, в которой модель была разработана.
В следующей, гибридной АОМ анализируется розничной рынок бензина в графстве Западный Йоркшир, Великобритания [Heppenstall, Evans, Birkin, 2006]. Гибридной модель названа в силу того, что авторы объединяют собственную модель поведения агентов - продавцов бензина с SI-моделью (spatial interaction model), которая определяет поведение покупателей бензина. Компьютерная реализация модели выполнена на языке Java.
Каждый продавец бензина (бензоколонки, как входящие в крупные национальные или международные заправочные сети, так и независимые, а также супермаркеты) описывается двумя параметрами: цена бензина на данной заправочной станции и производственные издержки. Цель продавца -максимизировать прибыль. Продавцы имеют возможность «наблюдать» цены в окрестностях своей бензоколонки на заправочных станциях конкурентов. Радиус «наблюдения» задается при запуске модели и остается постоянным. Если цена конкурентов отличается от собственной цены продавца, то он устанавливает свою цену на уровне конкурентов, при этом продавец учитывает расстояние до конкурента таким образом, что чем дальше находится конкурирующая бензоколонка, тем меньше она влияет на решение об изменении цены. Дополнительно вводятся два ограничения: цена не может падать ниже какого-то определенного уровня и прирост цены не может выходить за определенные рамки (и минимальный уровень, и диапазон прироста цены фиксируются перед запуском модели и в ходе работы модели не пересматриваются).
В зависимости от динамики прибыли продавец выбирает стратегию поведения: 1) если прибыль растет, то действующая тактика (повышать/снижать цену) применяется и дальше; 2) если прибыль падает, то цену повышают; если прибыль продолжает падать, то цену снижают; 3) если прибыль постоянна в течение двух итераций, то цену не меняют.
Авторы исходят из предположения, что в основном автомобилисты покупают бензин по дороге на работу, а не ездят за ним специально. Поэтому дополнительно была использована сетевая модель определения кратчайшего пути: был составлен граф, узлы которого обозначали «центры тяжести» округов графства, взвешенные по количеству населения, а грани соответствовали расстояниям между ними. Автомобилисты могут передвигаться из узла в узел (из дома на работу и обратно) при необходимости через другие узлы по граням графа. Использование подобной сетевой модели заметно изменило распределение потребителей по территории графства, придав ему большее правдоподобие.
Для проверки надежности модели авторы имитировали резкое изменение цены бензина на одной случайно взятой бензоколонке, изменение производственных издержек на бензоколонках, а также сравнили карту прибыльности бензоколонок графства с более поздними данными о том, какие бензоколонки были вынуждены закрыться. Во всех случаях проверки были пройдены. Поскольку средние экономические показатели деятельности заправочных станций в графстве (такие как прибыльность, объем продаж бензина и т.п.) модель, по собственному признанию авторов, определяет примерно на том же уровне, что и регрессионные модели, то наиболее интересным результатом оказывается возможность оценить географическое распределение центров прибыли и убыточности розничного рынка бензина и некоторых других экономических показателей. На основе когнитивной теории новых религиозных движений (Cognitive Theory of New Religious Movements, CTNRMS) и АІМ-модели (Agent based Information Entrepreneur Model) в следующей АОМ исследуется теория религии, и в частности возникновение новых религиозных течений, такая модель позволяет преодолевать проблему огромного числа произвольных взаимозависимых переменных [Upal, 2005]. Автор задается вопросами: являются ли решения, предложенные новыми религиозными лидерами, хорошими решениями и являются ли они наилучшими с точки зрения самих лидеров. Эксперименты показывают, что далеко не всегда лидеры предлагают хорошие решения социальных проблем, но, как ни парадоксально, эти решения все же нередко становятся полезными, если в сообществе укореняются нормы, предложенные новыми религиозными лидерами. В этом случае возникают обособленные социальные группы. Модель выполнена на языке Java. Большинство разработанных АОМ выложены в свободном доступе в интернете (на страницах ученых-разработчиков или на популярных порталах, содержащих информацию по данной проблематике). Так, существуют специализированные издания, тематика которых напрямую связана с разработкой АОМ, например онлайновый журнал JASSS (Journal of Artificial Societies and Social Simulation, http://jasss.soc.surrev.ac.uk/JASSS.html), уже ставший достаточно известным. Отметим также российский ежеквартальный интернет-журнал «Искусственные общества» (http_://www. artsoc.ru/html/journal.htm). Также следует упомянуть про новое направление в прикладной экономике - агент-ориентированной экономике (Agent based Computational Economics, АСЕ), основой которой является моделирование виртуального мира, «населенного» автономными агентами (экономическими, биологическими и т.д.). В проект по созданию подобных миров вовлечено много исследователей, разработки которых выложены на сайте http://www.econ.iastate.edu/tesfatsi/ace.htm. Управление созданным виртуальным миром в соответствии с методологией АСЕ осуществляется без вмешательства извне, т.е. только посредством взаимодействия агентов [Tesfatsion, 2002]. При этом агенты должны обладать способностью к обучению. Перечислять разработанные АОМ можно сколь угодно долго, поскольку число таких разработок увеличивается в прогрессии. Однако сейчас более важно сделать следующие выводы.
Технология проведения вычислительных экспериментов
И тот и другой подходы являются не совсем корректными, поскольку при экзогенно введенных долях домашние хозяйства расходуют средства своего бюджета по одинаковой схеме, независимо от сложившейся экономической ситуации. В случае же определения этих долей путем решения оптимизационной задачи, во-первых, возникают множественные равновесия, а во-вторых - данный способ моделирования поведения домашних хозяйств не позволяет реалистично оценить их взаимодействие с реальным сектором экономики.
В этой связи, при моделировании реакции домашних хозяйств на сигналы макросистемы целесообразно использовать нейронные сети, которые восполняют пробел в области несовершенства методов математической формализации поведения агентов микроуровня.
В концептуальной модели этот аппарат используется следующим образом. Сначала формулируется цель моделирования поведения домашних хозяйств (к примеру, прогнозирование трудовой мобильности между секторами экономики или прогнозирование спроса на определенную группу товаров), а затем проводится специальное социологическое обследование для получения массива данных относительно реакции людей (в рамках обозначенной цели) на изменение макроэкономической ситуации (как правило, изменение заработной платы). Следует отметить, что специальное обследование имеет смысл проводить только в исключительных случаях, поскольку для большинства задач можно использовать существующие специализированные базы данных мониторингов экономического положения населения России (RLMS или NOBUS).
Далее, в описанном в диссертации (глава 4) процессе обучения нейронной сети подбирается ее топология с соответственно настроенными значениями ее параметров, наилучшим образом отражающая поведение домашних хозяйств.
Входных переменных нейронной сети, т.е. управляющих параметров макросистемы не так много: размеры заработной платы, пенсий и пособий, а также ставки некоторых налогов. Естественно, что в реальной жизни число управляющих параметров шире, к примеру, это могут быть методы не денежного стимулирования труда работников (похвальные грамоты, знаки отличия и т.д.), но их количественное измерение, а также степень влияния на мотивацию работников трудно формализуемо. Поэтому в предлагаемой методике предусматриваются только методы прямого монетарного воздействия на домашние хозяйства.
Далее формируется набор агентов микроуровня, в своей совокупности представляющих компоненты агент-ориентированной модели или «искусственное общество». Более подробно процесс включения искусственных обществ в CGE модель описан в четвертой главе.
Таким образом, экономическая система, реализованная в виде CGE модели, представляет собой макроуровень, определяющий поведение искусственных обществ, к примеру, в плане смены работы. В свою очередь, искусственные общества представляют микроуровень, на котором генерируемые людьми решения приводят к обратному воздействию на экономическую систему, которое выражается, к примеру, в изменении численности работников по отраслям экономики или в изменении спроса на какой-либо вид конечной продукции (рис. 23).
Воздействие на макроэкономическую систему извне, например, изменение налоговых ставок, затрагивает как напрямую агентов макроуровня, так и опосредовано членов искусственных обществ, которые, в свою очередь, могут оказать сильное обратное воздействие. Итак, в первой главе мы рассмотрели основные направления в моделировании поведения людей, сделали обзор наиболее известных АОМ, дали определения основным понятиям: агент-ориентированная модель и искусственное общество. Далее мы проанализировали зарубежный опыт соединения CGE моделей и АОМ и определили в этом ключе свою позицию, соответствующую концепциям АОМ. Также в первой главе были рассмотрены основные теоретические аспекты нейронных сетей. Глава 2. Среда функционирования искусственных обществ - CGE модели В этой главе рассмотрены отдельные положения теории CGE моделей, их преимущества перед другими методами моделирования экономики, а также описаны основные этапы проектирования CGE моделей. Помимо этого, отдельно рассмотрены вопросы калибровки CGE моделей, описаны механизмы их работы и наиболее распространенные технологические способы их численного разрешения. Затем приводятся краткие описания разработанных CGE моделей различных объектов экономики России с полученными с их помощью результатами, а также аргументы в пользу применения CGE моделей в качестве среды для функционирования искусственных обществ. По своей сути любая CGE модель представляет собой систему уравнений, решением которой является общее экономическое равновесие, как правило, сводящееся к уравновешиванию спроса и предложения на рынках товаров и услуг, рассматриваемых в модели. Равновесие достигается путем итеративного пересчета с помощью прикладных пакетов, обзор которых приведен в 2.9 этой главы. CGE модели можно определить в трех ключевых аспектах. Во-первых, они включают в себя экономических агентов, результаты деятельности которых находят отражение во всей экономической системе. Именно поэтому CGE модели называются общими. Обычно в число агентов входят домашние хозяйства, максимизирующие полезность от приобретаемых ими товаров и услуг, и фирмы, максимизирующие свою прибыль. Также в качестве экономических агентов могут выступать правительства и торговые союзы. Во-вторых, CGE модели включают в себя систему уравнений, посредством решения которой достигается равновесие на рынке каждого товара, услуги и фактора производства.
Экономический агент микроуровня — совокупность искусственных обществ
Эта модель представлена 5 экономическими агентами (государственный, рыночный и теневой сектора экономики, совокупное правительство и совокупный потребитель) и 3 отраслями (производство агрегированного потребительского блага - «другие товары и услуги», отрасли здравоохранения и образования).
Основными параметрами модели являются промежуточные и конечные продукты, труд, капитал (основные фонды), цены на товары и факторы производства, налоговые ставки, статьи расходов и доходов консолидированного бюджета и внебюджетных фондов, а также макроэкономические показатели (ВВП, валовой выпуск, доходы и расходы потребителей).
В модели рассматриваются 4 вида рынков с государственными, рыночными и теневыми ценами: рынок труда; рынок капитала; рынок промежуточных продуктов; рынок конечных продуктов. Кратко опишем функции агентов. 1. Государственный сектор экономики производит продукцию отраслей здравоохранения и образования и «другие товары». Затем он разделяет этот выпуск на промежуточные товары для межотраслевой и межсекторной торговли и инвестиций в производство и конечные товары для продажи потребителю. Другими словами, каждая отрасль государственного сектора: покупает и продает промежуточный продукт по всем ценам; покупает и продает капитал по государственным ценам; покупает услуги труда по государственным ценам; определяет доли выпуска для продажи на рынках промежуточного и готового продукта по всем ценам; платит налоги и получает субсидии от государства; хранит деньги на счетах в банках. 2. Поведение рыночного сектора немногим отличается от государственного. Разница заключается в использовании рыночных цен на рынках труда и капитала. Каждая отрасль рыночного сектора: покупает и продает промежуточный продукт по всем ценам; покупает и продает капитал по рыночным ценам; покупает услуги труда по рыночным ценам; определяет доли выпуска для продажи на рынках промежуточного и готового продукта по всем ценам; платит налоги; хранит деньги на счетах в банках. 3. Теневой сектор формируется за счет притока факторов производства (труда и капитала) государственного и рыночного секторов экономики. В модели рассматриваются 2 компоненты теневого сектора: собственно занятость в неформальной экономике и неформальная занятость в рамках легальной экономики (по основному месту работы). Более подробно про разработанную модель можно прочитать в препринтах ЦЭМИ РАН и прочих изданиях [Бесстремянная, Бахтизин, 2004], [Besstremyannaya, Bakhtizin, 2004], [Besstremyannaya, Bakhtizin, 2006], [Бесстремянная, 2006]. С помощью модели «Социальная Россия» был проведен ряд вычислительных экспериментов. Ниже описан один из них. Вычислительный эксперимент: анализ реакции отраслей социальной сферы -здравоохранения и образования на изменение налоговых ставок. Цель эксперимента: анализ эффективности государственных мер по снижению налоговой нагрузки в отраслях социальной сферы. Количественно оценивались эффекты от: 1) снижения ставки ЕСН на 10% (до уровня, когда ставка равняется 32%); 2) снижения ставки ЕСН на 20% (до уровня 28%); 3) снижения ставки ЕСН на 30% (до уровня 26%). Необходимость в проведении исследования. Состояние здоровья населения и уровень образования, а также доступность медицинских и образовательных услуг в последнее время становятся приоритетными задачами для государственной политики. В переходный период 1990-х годов государственное финансирование этих отраслей в реальном выражении значительно сократилось. Вследствие этого уменьшилась доступность услуг для широких слоев населения. В медицине и образовании наряду со структурными изменениями и дисбалансами возросли и укоренились неформальные практики, которые стали нормой как для потребителей, так и для поставщиков медицинских и образовательных услуг. Помимо неофициальных возросли и официальные частные расходы, связанные с получением образования и медицинской помощи.
Решить определенную часть проблем в этих отраслях может налоговая реформа. Базовая цель этой реформы состоит в стимулировании предприятий и граждан к тому, чтобы полностью отражать свои доходы. По мнению правительства, реформа позволит отказаться от теневых зарплат, что улучшит как условия предпринимательской активности, так и доступность услуг для населения, которая, в частности, отражена в соотношении между легальным и теневым секторами в соответствующих отраслях. Предложенное правительством Российской Федерации снижение налоговой нагрузки на экономику, в частности, предусматривает снижение ставки ЕСН. Параметры снижения этой ставки были упомянуты выше.
Согласно данным таблицы, при максимальном варианте снижения ставки ЕСН происходит максимальное увеличение ВВП и выпуска в экономике в целом. Последний сценарий соответствует новому размеру ЕСН для большинства заработных плат, принятому Федеральным законом от 20 июля 2004 г. № 70-ФЗ. Однако если при таком сценарии в сфере образования происходит наибольший рост производства в государственном и рыночном секторах, то в сфере здравоохранения увеличение выпуска наблюдается лишь в государственном секторе, а в рыночном снижение ЕСН до 26%, наоборот, приводит к наибольшему его сокращению.
Гибридная агент-ориентированная модель №1
Второй сценарий предполагает инвестирование той же суммы, что и в предыдущем случае, но по другой схеме (рис. 5.2). В рамках такой схемы планируется уменьшить инфляцию.
По отношению к 2006 г. прирост ВВП в 2015 г. составил: вариант 0 -82,3% (среднегодовой рост 6,89%); вариант 1 102 5% (средіїегодовой юст 8,15%); вариант 2 - 121,6% (среднегодовой рост 9,24%); вариант 3 - 139,8% (среднегодовой рост 10,21%).
Как видно, темпы экономического роста в данном случае оказались несколько ниже, чем в предыдущей серии расчетов, однако за счет плавного ввода инвестиций удалось практически избежать роста цен. Так, в случае варианта, предусматривающего максимальный объем дополнительного инвестирования предприятий и организаций, среднегодовой прирост индекса потребительских цен составляет 0,22% по сравнению с базовым вариантом развития экономики. Среднегодовые значения инфляции составили: вариант 0 -9,91%; вариант 1 - 9,94%; вариант 2 - 10,06%; вариант 3 - 10,13%.
Проведенные расчеты показали, что помимо увеличения темпов роста экономики, дополнительные инвестиции в основные фонды предприятий и организаций в России влекут за собой уменьшение числа домохозяйств с наименьшими доходами. Одновременно с этим прирастает численность домохозяйств всех остальных групп, причем более других увеличилась вторая группа. 1. Анализ существующих подходов к совмещению макро- и микроуровней в экономических моделях, в которых макроуровень представлен CGE моделью, позволил выявить следующие основные недостатки имеющихся подходов: в моделях класса CGE-IMH учет домашними хозяйствами сигналов макроуровня происходит путем максимизации функции полезности, что приводит к множественным равновесиям в случае итеративного разрешения CGE моделей; кроме того, данный способ моделирования поведения домашних хозяйств не позволяет реалистично оценить их взаимодействие с другими секторами экономики; в CGE-SMS моделях не предусмотрен процесс обмена информацией между макро- и микроуровнями в процессе-итеративного пересчета; — — 2. В этой связи в работе была предложена методология построения ГАОМ с использованием нейронных сетей, что позволило преодолеть отмеченные недостатки известных методов математической формализации поведения агентов микроуровня. 3. В процессе формализации поведения экономических агентов микроуровня апробировались различные направления ИИ, и в результате эмпирического сопоставления было выявлено, что для целей исследования лучше всего подходят нейронные сети. После исследования видов топологий нейронных сетей выяснилось, что для представления агентов микроуровня в ГАОМ наилучшими по статистическим характеристикам оказались многослойные персептроны. 4. Теоретически обоснована целесообразность использования для многоуровневого моделирования экономики России комплекса, включающего CGE модель и нейронные сети. 5. Разработанная методология построения ГАОМ включает в себя следующие основные этапы: формулировка цели моделирования поведения домашних хозяйств; проведение специального социологического обследования для получения массива данных относительно реакции объектов микроуровня (в рамках обозначенной цели) на изменение макроэкономической ситуации, либо использование существующих баз данных мониторингов экономического положения населения России (например, RLMS или NOBUS) в случае достаточности приведенных в них данных; спецификация поведения агентов микроуровня в ГАОМ посредством построения соответствующих нейронных сетей; формирование набора агентов микроуровня, в своей совокупности представляющих компоненты агент-ориентированной модели или «искусственное общество»; реализация экономической системы в виде CGE модели макроуровня определяющего «среду функционирования» искусственных обществ. 6. На основе разработанной методологии были построены две ГАОМ: ГАОМ-1 социально-экономической системы России, отражающая хозяйствующих субъектов макроуровня, сгруппированных по формам собственности и совокупность агентов микроуровня — индивидов, принимающих решение о поиске работы; ГАОМ-2 социально-экономической системы России, отражающая хозяйствующих субъектов макроуровня и совокупность агентов микроуровня - домашних хозяйств, сгруппированных по пяти доходным группам и принимающих решение о способе распределения своего бюджета. 7. Для наполнения обеих ГАОМ использовались данные Росстата, а для обучения нейронных сетей социологические базы данных RLMS. Была произведена калибровка обоих моделей по статистическим данным о ВВП, объеме производства в физических единицах, индексе потребительских цен и т.д. При построении моделей число переменных моделей было сокращено с целью достижения разумного баланса между известными и калибруемыми параметрами (или с целью сокращения степеней свободы при калибровке). 8. Проверка адекватности моделей методом ретропрогнозирования показала, что расхождения между расчетными и фактическими значениями основных эндогенных параметров, таких как ВВП и индекс потребительских цен, незначительны. На базе построенных моделей были проведены вычислительные эксперименты, имеющие практическое значение для формирования государственной экономической политики и продемонстрировавшие возможность получения результатов, которые проблематично получить с помощью моделей других классов.
