Modelli agent-based: come nasce una bolla speculativa

Un modello economico è un costrutto teorico usato dagli economisti per rappresentare in maniera semplificata i processi economici e studiarne struttura. Normalmente si basano su relazioni logiche di causa-effetto tra due o più variabili economiche, poi esplicitate in forma matematica.

La maggior parte dei modelli economici applica le classiche teorie dell’equilibrio per rappresentare le relazioni tra le variabili. Questi modelli vengono chiamati modelli factor-based: i fattori godono di relazioni lineari e statiche, si basano sul presupposto che sia sufficiente studiare i fenomeni collettivi a livello aggregato per capire il funzionamento dell’intero sistema con un approccio top-down. Una delle assunzioni più forti presente in questi modelli è la razionalità degli agenti. Unitamente all’assenza di asimmetrie informative questa assunzione genera interazioni “senza attrito”, e dunque qualitativamente diverse dalla realtà.

Come detto in precedenza, questi modelli assumono che esista un equilibrio di lungo periodo, ma a causa di interazioni non razionali degli agenti ci possono essere deviazioni più o meno significative; oltretutto il concetto di equilibrio, essendo collocato nel lungo periodo, è di per sé asintotico. Uno dei modelli factor-based più famosi è il Capital Asset Pricing Model, che forma la base delle moderne teorie di portafoglio.

Per risolvere questo problema hanno iniziato a farsi strada nel tempo modelli che addottano un approccio opposto, ovverosia bottom-up. I modelli cosiddetti agent-based sono una classe di modelli computazionali sviluppati a partire dalla fine degli anni ‘40 e sono usati per simulare le interazioni tra agenti con lo scopo di studiare i loro effetti sul sistema economico. Questi tipi di modelli sono utili per analizzare sistemi complessi – un concetto rubato dalla fisica – cioè sistemi dinamici formati da diversi elementi che hanno tra loro interazioni non banali . Non sono quindi necessariamente lineari, collocandoli già in un’altra dimensione rispetto ai classici modelli factor-based. Maggiore è la quantità e la varietà delle relazioni fra gli elementi di un sistema, maggiore è la sua complessità.

I modelli agent-based si rivelano estremamente utili in tutti quei casi in cui siano osservabili decisioni e comportamenti ben definiti, con conseguenti adattamenti degli agenti. Si suppone quindi la loro dinamicità: in questi modelli l’agente non è statico, ma si confronta con la complessità dell’ambiente  prende decisioni di conseguenza, apprendendo e adattandosi all’ambiente circostante. Una classica applicazione si trova nei mercati finanziari, nel tentativo di spiegarne l’andamento: un esempio si può trovare nelle cause delle recenti crisi finanziarie e bolle speculative.

I mercati finanziari rappresentano un caso esemplare di sistema dove le interazioni possono essere estremamente complesse, prestandosi quindi perfettamente per un’analisi agent-based.

 

A cura di Sara Ceccato del VGen Finance Hub