Ekonomia behawioralna 2400-M2ABEB
Przedmiotem zajęć w trakcie przedmiotu Ekonomii Behawioralnej jest przedstawienie podstaw i zakresu badawczego współczesnej ekonomii behawioralnej, z perspektywy teoretycznej i empirycznej. Przedmiot skupia się na trzech ważnych obszarach tematycznych: zachowaniu agentów o ograniczonej racjonalności, interakcji rynkowych takich agentów, oraz skutkach dla makro-gospodarki, ze szczególnym uwzględnieniem wyzwań dla polityki gospodarczej. Celem konwersatorium jest omówienie teoretycznych aspektów omawianych pojęć oraz ich relacji z narzędzami statystycznymi i eksperymentalnymi, za pomocą których bada się racjonalność empirycznych agentów.
W kolejnych blokach omawiane są następujące treści:
pojęcie ograniczonej racjonalności agentów ekonomicznych i relacji modeli behawioralnych z paradygmatem racjonalnych agentów gospodarczych, w szczególności w kontekście teorii gier i modeli równowagi ogólnej, metodologiczne i empiryczne wyzwania dla obu paradygmatów, oraz ich związki z innymi naukami społecznymi;
metodologia eksperymentów laboratoryjnych w naukach ekonomicznych, ze szczególnym uwzględnieniem tzw. ważności wewnętrznej i zewnętrznej, norm etycznych prowadzenia eksperymentów i relacji eksperymentów z behawioralnymi modelami zachowania agentów ekonomicznych;
aplikacje eksperymentów do badania preferencji, podejścia do ryzyka oraz interakcji w kluczowych grach strategicznych, ze szczególnym uwzględnieniem gier o kosztownej kooperacji, oraz konfrontacja prawidłowości empirycznych z typowymi zastosowaniami Równowagi Nasha;
modele uczenia się na podstawie doświadczenia, w tym Uczenie przez Wzmacnianie, Ważenie Doświadczenia oraz Algorytmy Genetyczne, oraz porównanie tych modeli do dynamiki ewolucyjnej w paradygmacie ewolucyjnej teorii gier, zastosowanie tych modeli do objaśniania prawidłowości empirycznych i eksperymentalnych;
pojęcie złożoności i własności emergentnych, na podstawie dyskryminacji przestrzennej i modelu Schellinga;
Model Przełączania Heurystyk w behawioralnych finansach i makroekonomii, aplikacje empiryczne i eksperymentalne tego modelu, rola oczekiwań w stabilności dynamicznej modeli ekonomicznych, rola chaosu topologicznego, nieliniowych systemów dynamicznych i heterogeniczności agentów w modelach uczenia się;
modele uczenia się z dynamicznymi heurystykami, wstęp do ekonomii obliczeniowej i wieloagentowych modeli obliczeniowych;
behawioralna makroekonomia, wieloagentowe modele makroekonomiczne, rola innowacji, zdecentralizowanej interakcji pomiędzy agentami, oraz akumulacji kapitału fizycznego, rola i wyzwania dla polityki gospodarczej w takim środowisku, modele EURACE, Schumpter spotyka Keynesa, zastosowania do polityki przemysłowej i transformacji energetycznej.
Szacunkowy nakład pracy studenta: 3ECTS x 25h = 75h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
zajęcia: 30h (K) 0h (S)
konsultacje: 2h (K) 0h (S)
przygotowanie do zajęć: 0h (K) 15h (S)
praca nad esejem : 0h (K) 28h (S)
Razem: 32h (K) + 43h (S) = 75h
Rodzaj przedmiotu
Założenia (opisowo)
Efekty kształcenia
Po ukończeniu przedmiotu, student:
W ZAKRESIE WIEDZY:
zna i rozumie podstawowe narzędzia ekonomii behawioralnej, w tym metodologię eksperymentów, modele uczenia się i modele wieloagentowe;
zna i rozumie pojęcie ograniczonej racjonalności i jej związki z paradygmatej doskonałej racjonalności;
zna i rozumie efekty nieliniowości w modelach gospodarczych, pojęcie chaosu, złożoność, oraz ich rolę dla polityki gospodarczej.
W ZAKRESIE UMIEJĘTNOŚCI:
potrafi zaprojektować eksperyment laboratoryjny celem analizy zachowań agentów gospodarczych;
potrafi skonstruować i przeanalizować model ekonomiczny z heterogenicznymi aktorami z ograniczoną racjonalnością;
potrafi zidentyfikować i znaleźć bieżącą literaturę w tematyce ekonomii behawioralnej.
W ZAKRESIE KOMPETENCJI:
wykazuje elastyczność i głębokie zrozumienie metodologii projektowania i wykorzystania modeli ekonomicznych;
jest gotów powiązać analizę ekonomiczną w praktycznych aplikacjach z dorobkiem innych nauk społecznych i psychologii.
Kryteria oceniania
Uzyskanie zaliczenia przedmiotu wymaga:
1. uzyskania co najmniej 50% punktów z eseju na koniec semestru, w którym student ma przedstawić przegląd literatury oraz jedno z dwojga:
- propozycję eksperymentu,
- mały model behawioralny,
gdzie temat eseju pozostaje do wyboru dla studenta, w obrębie tematyki przedmiotu.
2. Skala ocen:
[0%-50%) – ndst
[50%-60%) – dst
[60%-70%) – dst +
[70%-80%) – db
[80%-90%) – db+
[90%-100%] – bdb.
Literatura
Literatura podstawowa:
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.