計算経済学

計算経済学は、コンピュータベースの経済モデルを使用して、分析的かつ統計的に定式化された経済問題を解決します。そのための研究プログラムとして、エージェントベース計算経済学（ACE）があります。これは、経済プロセス、特に経済全体を、相互作用するエージェントの動的システムとして計算的に研究するものです。^{[ 3 ]}このように、複雑適応システムパラダイムの経済学への応用と言えます。^{[ 4 ]}ここでいう「エージェント」とは、現実の人間ではなく、「ルールに従って相互作用するものとしてモデル化された計算オブジェクト」を指します。 ^{[ 5 ]}エージェントは、社会的、生物学的、および/または物理的な実体を表すことができます。均衡状態にあるエージェントによる数学的最適化という理論的仮定は、市場の力に適応する限定合理性を持つエージェントという、より制約の少ない仮説に置き換えられます。 ^{[ 6 ]}ゲーム理論的文脈も含まれます。^{[ 7 ]}モデラーによって決定された初期条件から始まり、ACEモデルはエージェントの相互作用のみによって駆動され、時間とともに前進します。この方法の科学的目的は、理論的な発見を現実世界のデータと照らし合わせて検証し、経験的に裏付けられた理論が時間とともに蓄積されるようにすることである。^{[ 8 ]}

機械学習モデルは、膨大で複雑な非構造化データセットを解決するための手法を提供します。カーネル法やランダムフォレストなど、さまざまな機械学習手法が開発され、データマイニングや統計分析に活用されています。これらのモデルは、 STAR法などの従来の統計モデルと比較して、優れた分類能力、予測能力、柔軟性を提供します。因果機械学習や因果ツリーなどの他の手法は、推論テストなど、独自の利点を提供します。

経済学研究において機械学習ツールを活用することには、顕著な利点と欠点がある。経済学では、モデルは選択され、同時に分析される。経済学研究では、原理に基づいてモデルを選択し、データを用いてそのモデルをテスト／分析し、その後、他のモデルとの交差検証を行う。一方、機械学習モデルには「チューニング」効果が組み込まれている。モデルは実証分析を行う際に、様々なモデルを同時に交差検証、推定、比較する。このプロセスにより、従来の方法よりも頑健な推定値が得られる可能性がある。

従来の経済学は既存の原理に基づいてデータを部分的に正規化するのに対し、機械学習はモデル適合に対してより実証的/経験的なアプローチを提供する。機械学習は分類、予測、適合度の評価に優れているが、多くのモデルは統計的推論の能力を欠いており、これは経済学者にとってより関心が高い。機械学習モデルの限界は、機械学習を利用する経済学者が、現代の実証研究の中核となる、堅牢な統計的因果推論のための戦略を開発する必要があることを意味する。たとえば、経済学者は、機械学習アルゴリズムでは十分に指定されていない交絡因子、信頼区間、その他のパラメータを特定したいと考えるかもしれない。 ^{[ 9 ]}

機械学習は、より複雑な異質経済モデルの開発を効果的に可能にする可能性がある。従来、異質モデルには膨大な計算作業が必要であった。異質性とは、嗜好、信念、能力、スキル、制約の違いである可能性があるため、異質モデルの最適化は、均質アプローチ（代表的エージェント）よりもはるかに面倒である。^{[ 10 ]}強化学習と深層学習の開発は、異質分析の複雑さを大幅に軽減し、経済におけるエージェントの行動をよりよく反映するモデルを作成する可能性がある。^{[ 11 ]}

計算経済学の分野におけるニューラルネットワークや深層学習の採用と実装は、データクリーニングやデータ分析の冗長な作業を減らし、大規模データ分析の時間とコストを大幅に削減し、研究者が大規模なデータを収集、分析することを可能にする可能性がある。^{[ 12 ]}これにより、経済学の研究者は新しいモデリング手法を探求するようになるだろう。さらに、データ分析への重点が軽減されることで、研究者は因果推論、交絡変数、モデルの現実性といった主題に、より集中できるようになる。適切な指導の下、機械学習モデルは、大規模な実証データ分析と計算を通じて、正確で応用可能な経済学を開発するプロセスを加速させる可能性がある。^{[ 13 ]}

マクロ経済学の研究では、経済変動をシミュレートし、政策変更の影響を検証するために、動的モデリング手法が頻繁に採用されています。DSGEモデルは、計算技術と解法に大きく依存する動的モデルの一種です。DSGEモデルは、ミクロ経済学の原理に基づき、時間的不確実性のある環境における現実世界の経済特性を捉えます。DSGEモデルは本質的に複雑であるため、一般的に解析的に扱うことは困難であり、通常はコンピュータソフトウェアを用いて数値的に実装されます。DSGEモデルの大きな利点の1つは、エージェントの動的な選択を柔軟に推定できることです。しかし、多くの研究者は、DSGEモデルが非現実的な縮約形仮定に依存しているとして批判しています。

経済学研究において計算ツールを活用することは、長年にわたり標準であり、基礎となってきました。経済学における計算ツールには、さまざまな行列演算（例えば行列の逆行列計算）の実行や、線形および非線形方程式系の解法を容易にする多様なコンピュータソフトウェアが含まれます。経済学研究では、データ分析やモデリングのためにさまざまなプログラミング言語が利用されています。計算経済学研究でよく用いられるプログラミング言語には、C++、MATLAB、Julia、Python、R、Stataなどがあります。

これらのプログラミング言語の中で、コンパイル言語であるC++が最も高速であり、インタプリタ言語であるPythonが最も低速です。MATLAB、Julia、Rは、パフォーマンスと解釈性のバランスが取れています。初期の統計分析ソフトウェアとして、Stataは最も一般的なプログラミング言語の選択肢でした。経済学者は、Stataをその広範さ、正確性、柔軟性、再現性から、最も人気のある統計分析プログラムの1つとして採用しました。