Ekonomiczna szklana kula: czy wielki model gospodarki pozwoli przewidywać kryzysy?

Każdy z nas codziennie wykonuje wiele czynności o skutkach ważnych dla gospodarki: robimy zakupy, oddajemy swój czas pracodawcy, by wytwarzać towary albo świadczyć usługi w zamian za wynagrodzenie, płacimy podatki, bierzemy i spłacamy kredyty itd.

Ekonomię, która jako dyscyplina naukowa narodziła się w czasach nowożytnych, od początku interesowało, czy tego rodzaju zjawiskami, w ujęciu globalnym, rządzą jakieś prawa. Poznanie tych praw pozwalałoby nie tylko lepiej rozumieć zjawiska ekonomiczne, ale też je przewidywać. Jak to istotne, boleśnie przekonujemy się za każdym razem, gdy na świecie wybucha kryzys.

Tradycyjna ekonomia opisuje, co kieruje decyzjami konsumentów i producentów (to dziedzina mikroekonomii), oraz bada, co determinuje globalne trendy (tym zajmuje się makroekonomia).

W ostatnich latach, dzięki rozwojowi mocy obliczeniowej komputerów, popularność zyskało jednak inne podejście, w którym próbuje się badać i przewidywać zjawiska makroekonomiczne, modelując zachowania olbrzymiej liczby ekonomicznych agentów – czyli jednostek podejmujących własne wybory. 

Jednym z pionierów ekonomii opartej na wielu agentach jest Doyne Farmer, profesor Uniwersytetu Oksfordzkiego, którego najnowszy pomysł wywołał w środowisku duże poruszenie. Farmer zaplanował stworzenie modelu globalnej gospodarki, w którym decyzje każdej firmy na świecie byłyby symulowane w oparciu o wielkie zbiory danych. Koszt całego przedsięwzięcia: 100 milionów dolarów.

Taki model miałby moc predykcyjną, z którą nie mógłby konkurować żaden istniejący model makroekonomiczny. Do czego można by go wykorzystać? Zdaniem Farmera mógłby on przewidywać kryzysy finansowe, a także posłużyć do ograniczania zmian klimatycznych. Globalny kryzys finansowy z 2008 r. kosztował świat około 10 bilionów dolarów. 100 milionów dolarów to przy tym mała suma – zaledwie jedna stutysięczna tej kwoty.

Doyne Farmer jest nietuzinkowym ekonomistą. Ma doktorat z fizyki, obroniony na Uniwersytecie Kalifornijskim w Santa Cruz. W latach 70., będąc jeszcze na studiach, zbudował z kolegami przenośny komputer, który ukryli w podeszwie buta i używali do obliczeń pozwalających im pokonać ruletkę. Osiągnęli 20-procentową przewagę nad kasynem, chociaż borykali się z ciągłymi problemami technicznymi.

Ostatecznie Farmer poświęcił się badaniom rynków finansowych. Fizyk od lat jest związany z Santa Fe Institute, instytucją postrzeganą jako „klub dla geniuszy”, gdzie od 1984 r. badacze, których zainteresowania wykraczają poza ramy dyscyplin, spotykają się, by odkrywać prawa rządzące dynamiką systemów złożonych – w fizyce, biologii i społeczeństwie. 

W Oxfordzie Farmer jest dyrektorem programu Ekonomii Złożoności w założonym w 2012 r. Institute for New Economic Thinking – ufundowanym przez powstały w 2009 r. w Nowym Jorku think tank o tej samej nazwie, którego celem jest tworzenie nowych teorii ekonomicznych, mających na celu naprawić „zepsuty” system gospodarczy.

Stworzenie super modelu świata opartego na bardzo szczegółowych danych jest tylko jednym z przykładów tego, jak Farmer próbuje zrewolucjonizować metody używane w ekonomii. Wcześniej jego pionierskie modele rynków finansowych wyjaśniały anomalie ruchów cen akcji oraz to, jak „racjonalne” decyzje inwestorów mogą doprowadzić do kryzysów finansowych.

Badał też związek pomiędzy wahaniami cen akcji a skłonnością inwestorów do wyprzedawania swoich aktywów finansowych. Jeśli wielu inwestorów zachowa się w ten sam sposób, powoduje to dalszy spadek cen akcji i może doprowadzić do fali niewypłacalności firm, które posiadają takie wyprzedawane aktywa.

Farmer w modelowaniu rynków finansowych używa modeli agentowych. Są to modele, w których agenci, reprezentujący różne osoby – np. producentów, inwestorów lub konsumentów – są opisywani za pomocą rozmaitych cech i zasad zachowań. Oddziałują na siebie, naśladują zachowania innych i konkurują z sobą.

Interakcje te generują pewne wzorce, do których poszczególne osoby dostosowują swoje wybory. Zjawisko to dobrze ilustruje model segregacji stworzony przez ekonomistę Thomasa Schellinga, który pokazał, że jeżeli ludzie chcą, by przynajmniej jedna trzecia sąsiadów była do nich podobna (np. pod względem rasowym, etnicznym czy majątkowym), to w efekcie doprowadzi to do całkowitej segregacji miasta.

Segregacja przestrzenna, która pojawiła się w modelu w wyniku interakcji agentów, była właśnie takim wzorcem, którego wystąpienie w modelu zaskoczyło samego Schellinga. Pozornie niewinna potrzeba, by przynajmniej trzech na dziesięciu sąsiadów było do mnie podobnych, prowadzi do niespodziewanych efektów na poziomie makro.

Ekonomia głównego nurtu jest bardzo konserwatywna i nie akceptuje łatwo nowinek naukowych, także takich, a może szczególnie takich, które podważają zasadność założeń, na których opierają się tradycyjne modele. Dlatego modele agentowe przez kilkadziesiąt lat znajdowały się na uboczu ekonomii. 

Doyne Farmer, dzięki swoim pracom na temat rynków finansowych oraz wytrwałości w tłumaczeniu zalet modeli agentowych w ekonomii i finansach, sprawił, że niektóre banki, np. Bank Anglii zaczęły używać takich modeli.

Było to nie lada wyzwaniem, jako że banki od lat opierały swoje polityki na modelach równowagi, aby oceniać stabilność gospodarczą i finansową. W takich modelach złożoność systemów ekonomiczno-społecznych jest zredukowana do jednego agenta, który reprezentuje wszystkie osoby w społeczeństwie i podejmuje zawsze optymalne decyzje. 

Modele używane przez banki nie uwzględniały zatem decyzji indywidualnych inwestorów ani finansowych instrumentów pochodnych (derywat), które służą do ograniczenia ryzyka inwestycji, ale są także wykorzystywane do spekulacji giełdowych.

W rezultacie modele te nie były w stanie przewidzieć kryzysów wynikających z interakcji na rynku finansowym ani narastania ryzyka systemowego, które pojawia się na zasadzie efektu domina (nagłe niewypłacalności dużych instytucji wpływają na aktywa innych instytucji, które szybko także stają się niewypłacalne).

Obecnie zespół Farmera buduje agentowe modele makroekonomiczne dla wielu krajów świata, w których decyzje indywidualnych firm są modelowane w oparciu o szczegółowe dane przedsiębiorstw. Modele agentowe rynków finansowych przyniosły rewolucję w przewidywaniu kryzysów – czy podobną rewolucję w makroekonomii zrodzą modele złożoności zasilane wielkimi zbiorami danych?

Propozycja Farmera nie jest pierwszym rozwiązaniem tego rodzaju. Od innych odróżnia go skala tego projektu. Tradycja modelowania agentowego w makroekonomii sięga lat 80., kiedy powstała pierwsza praca Richarda R. Nelsona i Sidneya G. Wintera. Badacze ci odwzorowywali reguły decyzyjne przedsiębiorstw inwestujących w innowacje i imitujące inne firmy działające na rynku. 

Ich model opierał się na tzw. idei kreatywnej destrukcji, spopularyzowanej przez austriackiego ekonomistę Josepha Schumpetera. Zgodnie z nią każda innowacja jest twórczym przełomem: firma, która ją wprowadza, zyskuje silną pozycję na rynku i ponadprzeciętne korzyści, a jednocześnie odbiera przewagę tym, którzy wcześniej zarabiali na starszych rozwiązaniach (przykładem są maszyny do pisania, całkowicie wyparte przez komputery).

Od czasu pracy Nelsona i Wintera powstało wiele makroekonomicznych modeli agentowych, które pokazywały, jak proces kreatywnej destrukcji wyjaśnia dynamikę cykli gospodarczych (np. przejście od recesji do rozkwitu).

Większość takich modeli zadowalała się wyjaśnianiem procesów gospodarczych występujących i zależności pomiędzy nimi, a nie próbą przewidywania przyszłości. Jest samo w sobie nie lada wyzwaniem, aby model wyjaśniał kilka zjawisk naraz, np. rosnące PKB i cykle gospodarcze, wymaga to często wielu miesięcy żmudnej pracy poprzez dopasowanie parametrów i zmienianie założeń modelu – czyli „poprawiania równań”.

Pierwszy model agentowy oparty na wielkich zbiorach danych, o mocy predykcyjnej przekraczającej tradycyjne modele makroekonomiczne, stworzył Sebastian Poledna z zespołem z Międzynarodowego Instytutu Stosowanej Analizy Systemowej (IIASA) w Wiedniu.

Ekonomista ten opracował model Austrii liczący tyle samo agentów, co mieszkańców tego państwa. Parametry zostały skalibrowane przy użyciu danych ze spisu powszechnego i badań ankietowych przedsiębiorstw.

W prognozowaniu wzrostu gospodarczego na kilka lat w przód model Poledny pokonał modele makroekonomiczne używane przez banki, także przez NBP. Badacz użył swojego rozwiązania do oszacowania potencjalnych strat spowodowanych przez powodzie (tradycyjne modele ekonomiczne mogą tylko szacować w przybliżeniu skalę strat).

Projekt z Wiednia wzbudził wiele ekscytacji w środowisku ekonomistów zajmujących się modelowaniem agentowym. Został on zreplikowany dla kilku krajów. W tym samych czasie zaczęły się pojawiać głosy krytyczne badaczy, którzy uważali, że modele agentowe nie po to zostały stworzone, aby służyć przewidywaniom, ale raczej odkrywaniu mechanizmów wyjaśniających złożone zjawiska. Oraz że nie da się przewidywać przyszłości, ponieważ z samej swej natury innowacje są nieprzewidywalne.

Nie zniechęca to Doyne’a Farmera. Chociaż innowacje mogą wydawać się z natury nieprzewidywalne, to ich pojawianie się podlega pewnym empirycznym prawidłowościom. Dowodu na to dostarczył sam Farmer. Wspólnie z kilkoma współpracownikami opracował teorię uogólniającą prawa Moore’a, aby wyjaśnić, jak koszty nowych technologii spadają wraz ze wzrostem produkcji.  

Prawo Moore’a pochodzi od Gordona Moore’a, współzałożyciela firmy Intel, który zauważył, że liczba tranzystorów w mikroczipie podwaja się mniej więcej co dwa lata. Według Farmera, jeśli zgromadzimy szczegółowe dane dotyczące wielu różnych technologii, będziemy mogli je wykorzystać do sporządzania wiarygodnych prognoz dotyczących postępu technologicznego. Na przykład będziemy mogli przewidywać dynamikę spadku cen energii odnawialnych, na czym koncentruje się Farmer. 

Dlatego nie ustaje on w zbieraniu danych. Jego zespół już stworzył model, który obejmuje wszystkie istniejące na świecie 30 tys. firm energetycznych oraz 160 tys. platform wiertniczych, elektrowni i innych aktywów. Pozwala to na precyzyjne modelowanie cen i podaży paliw. „Dosłownie modelujemy procesy decyzyjne wszystkich przedsiębiorstw energetycznych na świecie” – mówił Farmer w rozmowie z brytyjskim „The Guardian”.

Wśród możliwych zastosowań swojego wymarzonego super modelu całej gospodarki Farmer wymienia ograniczenie zmian klimatycznych. Uważa on, że modele klimatyczne głównego nurtu przeszacowują koszt transformacji energetycznej, bo nie uwzględniają postępu technologicznego na rynku energii odnawialnej. Dlatego jego model, jeżeli powstanie, będzie mógł bardziej realistycznie niż dotychczasowe modele przewidywać zarówno zmiany klimatyczne, jak i opracowywać polityki, które miałyby im przeciwdziałać. 

Brzmi to wszystko niesamowicie, jednak nie wszyscy ekonomiści podzielają optymizm Farmera. Problemem jest to, że nie da się modelować wszystkiego. Sukces transformacji energetycznej jest zdeterminowany dostępnością metali rzadkich – a niektóre z nich, jak kobalt, mogą się wyczerpać do 2050 r.

Jeśli nie odkryjemy nowych złóż tego metalu lub pierwiastków zastępczych, to wystarczającej ilości paneli słonecznych nie da się wyprodukować nawet przy największym spadku cen energii odnawialnej. A przy tym nawet najlepszy model nie jest w stanie przewidzieć nowych „radykalnych” technologii, niepolegających na ulepszaniu już istniejących rozwiązań technologicznych.

Zaniepokojenie budzi także fakt, że uproszczone wersje modelu Poledny, w których jeden „agent” reprezentuje tysiąc lub dziesiątki tysięcy osób, dawały podobne wyniki jak modele odwzorowujące każdego człowieka osobno. Mimo ogromnej szczegółowości supermodele w praktyce i tak upraszczają ludzkie zachowania, więc ich przewaga może być mniejsza, niż przekonują ich zwolennicy. Ich dużym osiągnięciem jest modelowanie różnorodnych agentów, np. gospodarstw domowych, które różnią się majątkiem, aktywami i zarobkami. 

Słabością tych modeli jest jednak to, że wszyscy zachowują się tak samo, np. taką samą część dochodu przeznaczają na jedzenie czy rozrywkę, niezależnie od dochodu lub etapu życia. Zatem nie są te modele tak uniwersalne, jak postulują to ich autorzy, i nie da się za ich pomocą analizować polityk w skali mikro, np. tego, jak rozwiązaniami urzędowymi wpływać na wybory konsumpcyjne gospodarstw domowych.

Super modele pozwalają odpowiadać na pewne pytania, ale nie pozwalają symulować rzeczywistych decyzji konsumpcyjnych milionów osób. W rezultacie przeskalowanie modelu w celu zredukowania liczby agentów nie zmienia znacząco jego wyników. 

I jeszcze jedna wątpliwość. Super model świata Doyne’a Farmera obiecuje niespotykaną dziś moc predykcyjną dzięki połączeniu modeli agentowych, szczegółowych danych i wielkich mocy obliczeniowych.

Pytanie: do przewidywania czego potrzebujemy takich modeli? „Małe” modele agentowe rynków finansowych doskonale wyjaśniały mechanizmy prowadzące do kryzysów finansowych, takich jak ten z 2008 r., tylko wcześniej nikt nie zwracał na nie uwagi.

Natomiast prognozowanie np. wzrostu gospodarczego jest zawsze obciążone błędem spowodowanym różnego rodzaju szokami w gospodarce i nawet model Poledny dokładnie „widzi” PKB tylko na kilka kwartałów do przodu. Żaden model ekonomiczny nie przewidzi choćby pandemii i wojny, których skutki możemy analizować tylko ex post.

W pracy pod kierunkiem Tatiany Filatovej, profesor Ekonomii Obliczeniowej na Uniwersytecie w Delfcie, opublikowanej w czasopiśmie Amerykańskiej Akademii Nauk („PNAS”), proponujemy inne rozwiązanie – łączenie różnego rodzaju modeli.

Idea jest następująca: skoro istnieją już rozwiązania teoretyczne, które dość dobrze przewidują wzrost gospodarczy czy skutki zmian klimatycznych dla ekonomii, to użyjmy ich. Poprawmy jednak ich słabości, czyli nierealistyczne założenia na temat interakcji społecznych – dla przypomnienia, mają one tylko jednego agenta reprezentującego całe społeczeństwo. Zamieńmy więc te komponenty na sieci agentów, których sparametryzujemy w oparciu o rzeczywiste dane. 

Modele klasyczne zakładają istnienie racjonalnych podmiotów gospodarczych optymalizujących swoje decyzje, np. firm minimalizujących koszty czy decydentów planujących polityki, aby poprawić dobrobyt społeczny.

Z kolei modele agentowe doskonale sprawdzają się w analizie funkcjonowania instytucji społecznych i zróżnicowanych zachowań ludzkich, w tym np. decyzji dotyczących inwestycji w ubezpieczenia na wypadek katastrof klimatycznych, czy zachowań proklimatycznych, takich jak zakup samochodów elektrycznych lub paneli słonecznych. 

Wybory te nie podlegają często prostej logice optymalizacji – bo są podejmowane pod wpływem decyzji innych osób. We wspomnianej pracy przekonujemy, że łączenie modeli, które sprawdziły się w wyjaśnieniu zjawisk na różnych poziomach decyzyjnych (globalnym, sektorowym i indywidualnym), ma szansę pomóc w analizie bardziej skutecznych niż dotychczasowe polityk klimatycznych, a przy tym nie wymaga angażowania olbrzymich mocy obliczeniowych. 

Ale czy łączenie różnych modeli sprawdzi się lepiej w rozwiązywaniu problemu zmian klimatycznych niż jeden super model Doyne’a Farmera? To pytanie za 100 milionów dolarów.

KAROLINA SAFARZYŃSKA jest profesorką ekonomii, pracuje na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego. Zajmuje się ekonomią złożoności i ekonomią behawioralną. Tworzy modele teoretyczne, które służą projektowaniu optymalnych rozwiązań politycznych i ekonomicznych wykorzystywanych w przeciwdziałaniu zmianom klimatycznym.