Agent-based models, l’altra microfondazione

Abbiamo già trattato il tema delle microfondazioni economiche tradizionali. L’articolo che segue, tratto dal blog dell’OCSE, tenta di spiegare perché i modelli tradizionali sono fallaci in partenza mentre invece i modelli agent-based (basati sugli agenti) permettono di modellare i sistemi economici in modo più realistico e quindi trarre delle conclusioni rilevanti.

di Richard Bookstaber, University of California, tratto da OECD Insights

L’economia non se l’è cavata bene nel trattare le crisi. Credo che questo sia dovuto al fatto che ci sono quattro aspetti dell’esperienza umana che si manifestano durante le crisi, che non possono essere adeguatamente trattati con i metodi dell’economia tradizionale.

Il primo di questi è l’irriducibilità computazionale. E’ possibile ridurre il comportamento di un sistema semplice a una descrizione matematica che fornisce una scorciatoia per predirne il comportamento futuro, un po’ come una mappa mostra che seguendo una certa strada è possibile arrivare in una data città senza averla effettivamente percorsa con un mezzo. Sfortunatamente, per molti sistemi, come sostiene Stephen Wolfram, è possibile conoscere quello che accadrà riproducendo fedelmente il percorso del sistema fino al suo punto finale, attraverso la simulazione e l’osservazione, senza che sia possibile raggiungere lo stato finale del sistema prima del sistema stesso. E’ un po’ come la mappa che Borges descrive ne “Il rigore scientifico”, dove “la mappa dell’Impero aveva le dimensioni dell’impero stesso coincidendovi punto per punto”. Non essendo in grado di ridurre l’economia a un sistema computazionale non è possibile fare predizioni attraverso metodi analitici, mentre è questo che si richiede che l’economia possa fare.

Il secondo aspetto è quello legato i fenomeni emergenti, che hanno luogo quando l’effetto complessivo delle azioni degli individui è qualitativamente differente da quello che fa ciascun individuo. Non è possibile anticipare il risultato dell’intero sistema sulla base delle azioni dei suoi singoli membri poiché il sistema nel suo complesso mostrerà proprietà che essi non possiedono. Il fatto, ad esempio, che ci siano persone che si si spintonano nella folla può non dar luogo a nulla oppure a una ressa di persone che fuggono rimanendo schiacciate, anche se non c’è nessuno che lo voglia o che faccia intenzionalmente qualcosa per generare questa situazione. Allo stesso modo nessuno decide di di far scoppiare una crisi finanziaria, e a dire il vero a livello di imprese individuali le decisioni sono prese in linea generale per mettere in atto azioni che consentano di evitare gli effetti negativi di una crisi. Ma ciò che è stabile a livello locale può divenire instabile a livello globale.

Il termine per indicare il terzo aspetto, la “non-ergodicità”, deriva dal fisico tedesco Ludwig Boltzman che definì l’ergodicità (dal Greco ergon=energia, e odos=sentiero) come concetto della meccanica statistica per cui una singola traiettoria che continua abbastanza a lungo con energia costante, sarebbe rappresentativa di un sistema isolato nel suo complesso.
I processi meccanici che guidano il nostro mondo fisico sono ergodici, così come lo sono molti processi biologici. Siamo in grado di prevedere come si sposterà una palla una volta colpita senza sapere come è arrivata alla sua posizione di partenza – il passato non conta. Ma il passato conta nei processi sociali e non è possibile fare estrapolazioni per conoscere il futuro. Le dinamiche di una crisi finanziaria non di riflettono ad esempio nel periodo pre-crisi poiché i mercati finanziari sono in continua evoluzione, così che il futuro può non aver niente a che fare con il passato.
L’incertezza radicale completa il quadro. Essa chiama in causa le sorprese – esiti o eventi che non possono essere anticipati -, che non possono essere formalizzati tramite una distribuzione di probabilità poiché sono al di fuori della lista delle cose che possono accadere. L’energia elettrica, la bomba atomica, o internet sono esempi del passato, e naturalmente non sappiamo per definizione cosa ci aspetta nel futuro. Come affermato da Keynes: “Non esiste alcuna base scientifica per calcolare una qualsiasi probabilità. Noi semplicemente non sappiamo”. Gli economisti parlano anche di “incertezza di Knight”, da Frank Knight, che distinse tra rischio – ad esempio le scommesse in un casinò, dove non conosciamo gli esiti, ma possiamo calcolare le probabilità – e ciò che lui ha chiamato “vera incertezza” laddove non sappiamo tutto quello che sarebbe necessario per calcolare le probabilità. E questa è in effetti la condizione umana. Non sappiamo dove ci stiamo dirigendo, né sappiamo chi saremo una volta arrivati ad un certo punto. La realtà umana significa che un approccio meccanicistico all’economia è fallimentare.
C’è quindi una qualche speranza di capire cosa accadrà nella nostra economia, irriducibile, emergente, non ergodica e radicalmente incerta? Sì, se utilizzeremo metodi che sono più robusti, che non sono ricompresi nella modalità di ottimizzazione sotto aspettative razionali tipica dell’economia attuale. Per trattare le crisi ci occorrono metodi che trattino l’irriducibilità computazionale; che riconoscano i fenomeni emergenti; che tengano conto del fatto che nemmeno il presente si trova riflesso nel passato, figuriamoci il futuro; e che possa trattare l’incertezza radicale. I modelli agent-based potrebbero essere un passo in questa direzione.

I modelli agent-based (ABM) utilizzano un sistema dinamico di interazione tra agenti che consente di far emergere comportamenti macroscopici da regole microfondate. I modelli specificano le regole che determinano come si comporteranno gli agenti sulla base di input di varia natura. Ogni agente valuta individualmente la sua situazione e prende decisioni sulla base delle sue regole. Gli storni che volteggiano nel cielo (uno “stormo”) è un buon esempio. Gli uccelli sembrano operare come un sistema, mentre il volo è basato sulle decisioni dei singoli uccelli. Costruendo un modello macro, top-down perderemo la realtà della situazione, perché a livello macro i movimenti dello stormo sono complessi, non lineari, ma non discendono da nessuna organizzazione di tipo sistemico. Ma è possibile modellare lo stormo sulla base di semplici regole come quella relativa a come un uccello reagisce alla distanza, alla velocità e alla direzione degli altri uccelli, e si dirige verso quello che percepisce come centro dello stormo nelle sue immediate vicinanze.
Parimenti l’approccio agent-based riconosce che gli individui interagiscono e che nell’interagire modificano l’ambiente, procedendo nella fase successiva dell’interazione. Esso funziona senza la finzione di un consumatore o di un investitore rappresentativi sempre e comunque rispondenti a tutto ciò che un modello matematico può rappresentare. Tale approccio consente di costruire una narrazione – unica rispetto alle particolari circostanze che possono verificarsi nel mondo reale – nel quale il sistema può saltare fuori dai sentieri tracciati e rotolare giù lungo un pendio montano. Ed è in base a questa narrazione che siamo indotti a trovare un modo di mettere il sistema in sicurezza.
In breve, l’economia dei modelli agent-based è pronta per confrontarsi con il mondo reale, quel mondo che risulta amplificato e distorto durante i periodi di crisi. E’ dunque questo un nuovo paradigma radicato nel pragmatismo e nella complessità degli esseri umani.