Modèles macroéconomiques à agents : une perspective de physique statistique

Macroeconomic agent-based models : a statistical physics perspective

• Auteur / Autrice : Dhruv Sharma
• Direction : Francesco Zamponi
• Type : Thèse de doctorat
• Discipline(s) : Physique statistique
• Date : Soutenance le 26/11/2020
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Physique en Île-de-France (Paris ; 2014-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de physique de l'ENS (Paris ; 2019-....)
• Partenaire(s) de recherche : établissement de préparation de la thèse : École normale supérieure (Paris ; 1985-....)
• Partenaire(s) de recherche : Equipe de recherche : Équipe de recherche Systèmes désordonnés et applications (Paris)
• Jury : Président / Présidente : Leticia F. Cugliandolo
• Jury : Examinateurs / Examinatrices : Francesco Zamponi, Leticia F. Cugliandolo, Matteo Marsili, Tiziana Assenza, Isabelle Salle, Alan Kirman, Jean-Philippe Bouchaud
• Jury : Rapporteurs / Rapporteuses : Matteo Marsili, Tiziana Assenza

Mots clés

Mots clés contrôlés

Physique statistique

Mots clés libres

Macroeconomie

Physique statistique

Modeles à agents

Systèmes complexes

Systèmes désordonnées

Macroeconomics

Statistical physics

Agent-based models

Complex systems

Disordered systems

Résumé

Les modèles à agents (Agent-Based Models ou ABMs) sont apparus comme un paradigme complémentaire pour la modélisation des phénomènes macro-économiques. Par rapport à d’autres modèles plus établis, tels que les modelés DSGE (Dynamic Stochastic General Equilibrium), les ABMs offrent un cadre flexible pour comprendre la complexité de la macroéconomie tout en prenant en compte la nature hétérogène des acteurs économiques, des institutions et des marchés, sans faire d’hypothèses trop restrictives. Ces modelés adoptent une approche “bottom-up” de la modélisation macro-économique en simulant le comportement de chaque agent individuel dans l’économie puis en s’agrégeant pour révéler des phénomènes émergents tels que les cycles économiques endogènes ou les crashs soudains. L’objet de cette thèse est de faire progresser une méthodologie communément utilisée en physique statistique et de l’appliquer à l’étude de deux modèles macro-économiques. Dans les deux modèles étudiés ici, nous déterminons d’abord le “diagramme de phase” du modèle pour identifier les régimes macroscopiques pertinents afin de développer une compréhension intuitive de la macro-dynamique en n’utilisant qu’un petit sous-ensemble de paramètres. Le premier modèle présenté ici s’appuie sur le paradigme des problèmes de satisfaction des contraintes (de l’anglais Constraint Satisfaction Problems, CSPs) et l’intègre dans le cadre des règles de comportement du modèle via les contraintes budgétaires des agents. Ces contraintes, similaires à celles du perceptron, un CSP bien-etudié, révèlent l’existence de trois régimes et soulignent l’importance de la dette pour la stabilité macro-économique : à un faible niveau d’endettement, l’économie reste sans structure et les faillites sont fréquentes, alors qu’à un niveau élevé la dette conduit à des cycles économiques endogènes. Entre ces deux extrêmes, l’on trouve un régime intermédiaire de stabilité relative avec de faibles niveaux des faillites tout le temps. Dans ce modèle, les préférences des agents, qui sont à l’origine du désordre dans le CSP, évoluent continuellement dans le temps. Nous étudions donc un schéma dynamique simple pour le perceptron et découvrons qu’un paysage rugueux peut en effet exister avec un désordre dynamique. Enfin, nous généralisons l’ABM Mark-0 pour simuler les chocs exogènes de consommation et de productivité dus à la pandémie de COVID. Alors que les approches standards élaborent un modèle pour comprendre un résultat particulier, ce modèle peut générer une variété de scénarios après un choc de type COVID. En outre, nous étudions également l’efficacité de plusieurs politiques, notamment la très controversée “monnaie hélicoptère”, pour éviter l’effondrement économique. Nous insistons donc sur l’importance des ABMs comme des “générateurs de scénarios” polyvalents, pour produire des résultats difficiles à prévoir en raison de la complexité intrinsèque de la dynamique macro-économique.

Agent-based models (ABMs) have emerged as a complementary paradigm for modeling macroeconomic phenomena. Compared to other, more established models such as DSGE (Dynamic Stochastic General Equilibrium) models, ABMs provide a flexible framework for understanding the complexity of the macroeconomy while at the same time taking into account the heterogeneous nature of economic actors, institutions and markets without making overly restrictive assumptions. ABMs take a “bottom-up” approach towards macroeconomic modeling by simulating the behavior of each individual agent in the economy and then aggregating to reveal emergent phenomena such as endogenous business cycles or flash crashes. The object of this thesis is to advance a methodology commonly used in statistical physics and apply it to the study of two macroeconomic agent-based models. In both models studied here, we first determine the “phase-diagram” of the model to identify the relevant macroscopic regimes to develop an intuitive understanding of the macro-dynamics using a small subset of parameters. The first ABM presented here builds upon the paradigm of constraint satisfaction problems (CSPs) and integrates it within the model’s behavioral rules via agents’ budgetary constraints. These constraints, similar to the well-studied perceptron CSP, reveal the existence of three regimes and underscore the importance of debt for macroeconomic stability: at lowlevels of debt, the economy remains structure-less with frequent bankruptcies while high debt leads to endogenous business cycles. Between these two extremes, an intermediate regime of relative stability is found with low levels of bankruptcies for all times. Within this ABM, agents’ preferences, serving as the source of disorder in the CSP, evolve continuously in time. We thus study a simple dynamical scheme for the perceptron and discover that a rugged landscape can indeed exist with dynamic, annealed disorder. Finally, we extend the Mark-0 ABM to simulate exogenous consumption and productivity shocks due to the Covid pandemic. Whereas standard approaches design a model to understand a particular outcome, this model can generate a variety of scenarios after a Covid-like shock. Furthermore, we also investigate the efficacy of several policies, including the much-debated “helicopter money” drop, in avoiding economic collapse. We thus highlight the importance of ABMs as multi-purpose “scenario generators”, for producing outcomes that are difficult to foresee due to the intrinsic complexity of macro-economic dynamics.