Ekonomia behawioralna

nieobowiązkowe

Celem zajęć jest przedstawienie fundamentów ekonomii behawioralnej: ograniczona racjonalność, laboratoryjne eksperymenty ekonomiczne, modele uczenia się, oraz modele z heterogenicznymi aktorami. Przedmiot omówi empiryczne i teoretyczne aplikacje tych narzędzi w kontekście mikro-, makroekonomii oraz rynków finansowych, a także ich relacje z paradygmatem doskonałej racjonalności i skutki dla polityki gospodarczej.

Przedmiot dzieli się na trzy podstawowe działy: metodologia i modelowanie preferencji; modele uczenia się i lokalnej interakcji; wieloagentowe modele finansowe i makroekonomiczne. Przedmiot ma następującą strukturę:

I. Preferencje:

1. Wstęp do ekonomii behawioralnej i paradoksy racjonalności.

2. Metodologia eksperymentów na przykładzie preferencji społecznych.

3. Wykorzystanie eksperymentów do projektowania modeli ekonomicznych na przykładzie teorii perspektywy.

II. Lokalna interakcja:

4. Teoria gier w perspektywie eksperymentalnej, na przykładzie dylematu więźnia.

5. Ewolucyjna teoria gier.

6. Modele uczenia się.

7. Algorytm Q-learning i aplikacje w organizacji przemysłu.

8. Wstęp do finansów behawioralnych.

III. Modele wieloagentowe:

9. Złożoność i własności emergentne na przykładzie modelu Schellinga.

10. Model wyboru między heurystykami (Heuristic Switching Model).

11. Algorytmy genetyczne oraz uczenie się indywidualne i społeczne.

12. Dynamiczne heurystyki.

13. EURACE i makroekonomiczne modele wieloagentowe.

14. Aplikacja modeli wieloagentowych do transformacji energetycznej.

Literatura obowiązkowa:

Kirman, A. P. (1992). Whom or what does the representative individual represent?. Journal of Economic Perspectives, 6(2), 117-136.

Literatura uzupełniająca:

Anufriev, M., Assenza, T., Hommes, C., and Massaro, D. (2013). Interest rate rules and macroeconomic stability under heterogeneous expectations. Macroeconomic Dynamics, 17(8), 1574-1604.

Anufriev, M., Hommes, C.\ and Makarewicz, T.\ (2019). Simple forecasting heuristics that make us smart: Evidence from different market experiments. Journal of the European Economic Association, 17(5), 1538-1584.

Barrage, L. and Nordhaus, W. (2024). Policies, projections, and the social cost of carbon: Results from the DICE-2023 model. Proceedings of the National Academy of Sciences,

121(13), e2312030121.

Branch, W. A. (2004). The theory of rationally heterogeneous expectations: evidence from survey data on inflation expectations. The Economic Journal, 114(497), 592-621.

Brock, W. A., and Hommes, C. H. (1997). A rational route to randomness. Econometrica, 1059-1095.

Calvano, E., Calzolari, G., Denicolo, V., and Pastorello, S. (2020). Artificial intelligence, algorithmic pricing, and collusion. American Economic Review, 110(10), 3267-3297.

Camerer, C., and Hua Ho, T. (1999). Experience-weighted attraction learning in normal form games. Econometrica, 67(4), 827-874.

Clark, W. A. (1991). Residential preferences and neighborhood racial segregation: A test of the Schelling segregation model. Demography, 28(1), 1-19.

Cooper, D. J., and Kagel, J. H. (2016). Other-regarding preferences. The handbook of experimental economics, 2, 217.

Dosi, G., Fagiolo, G., and Roventini, A. (2010). Schumpeter meeting Keynes: A policy-friendly model of endogenous growth and business cycles. Journal of Economic Dynamics and Control, 34(9), 1748-1767.

Fehr, E., and Gachter, S. (2000). Cooperation and punishment in public goods experiments. American Economic Review, 90(4), 980-994.

Frey, B. S., and Meier, S. (2004). Social comparisons and pro-social behavior: Testing" conditional cooperation" in a field experiment. American Economic Review, 94(5), 1717-1722.

Hommes, C., and Lux, T. (2013). Individual expectations and aggregate behavior in learning-to-forecast experiments. Macroeconomic Dynamics, 17(2), 373-401.

Kahneman, D. (2003). Maps of bounded rationality: Psychology for behavioral economics. American economic review, 93(5), 1449-1475.

Jang, B., Kim, M., Harerimana, G., and Kim, J. W. (2019). Q-learning algorithms: A comprehensive classication and applications. IEEE access, 7, 133653-133667

Kirman, A. P., and Vriend, N. J. (2001). Evolving market structure: An ACE model of price dispersion and loyalty. Journal of Economic Dynamics and Control, 25(3-4), 459-502.

Lamperti, F., Dosi, G., Napoletano, M., Roventini, A. and Sapio, A. (2020). Climate change and green transitions in an agent-based integrated assessment model. Technological Forecasting and Social Change, 153, 119806.

Levitt, S. D., and List, J. A. (2007). What do laboratory experiments measuring social preferences reveal about the real world?. Journal of Economic perspectives, 21(2), 153-174.

Miller, J. H. (1996). The coevolution of automata in the repeated prisoner's dilemma. Journal of Economic Behavior \& Organization, 29(1), 87-112.

Noussair, C. N., and Tucker, S. (2013). Experimental research on asset pricing. Journal of Economic Surveys, 27(3), 554-569.

Schelling, T. C. (1971). Dynamic models of segregation. Journal of mathematical sociology, 1(2), 143-186.

Smith, V. L., Suchanek, G. L., and Williams, A. W. (1988). Bubbles, crashes, and endogenous expectations in experimental spot asset markets. Econometrica, 1119-1151.

Tversky, A., and Kahneman, D. (1992). Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and Uncertainty, 5(4), 297-323.

Tversky, A., and Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131.

Weibull, Jörgen W. Evolutionary game theory. MIT press, 1997.

W zakresie wiedzy:

1. Student zna pojęcie ograniczonej racjonalności i jego relacji z paradygmatem doskonałej racjonalności.

2. Student zna podstawy metodologii eksperymentalnej.

3. Student zna popularne modele uczenia się i modele wielo-agentowe.

W zakresie umiejętności:

1. Student potrafi budować modele ekonomiczne w oparciu o świadomy wybór realistycznych założeń o zachowaniu agentów ekonomicznych.

2. Student potrafi zaprojektować laboratoryjny eksperyment ekonomiczny.

Podstawą oceny jest pisany na koniec przedmiotu esej, o długości około 10 stron standardowego maszynopisu. Zadaniem studentów jest wybór tematu z ogólnej tematyki przedmiotu, przedstawienie krótkiego opisu literatury związanej z wybranym tematem, oraz jedno z dwojga:

- propozycja eksperymentu, łącznie z metodologią analizy danych, powiązanego z tematem (realizacja eksperymentu nie jest wymagana dla eseju);

- mały oryginalny model behawioralny powiązany z tematem eseju.