Fondations comportementales et cognitives de la modélisation mutli-agents – BECOA

Nous faisons à la fois des expériences comportementales et computationnelles. Le but est d’utiliser les données obtenues grâce aux expériences comportementales pour fonder les simulations computationnelles. Nos expériences comportementales incluent des expériences sur des marchés financiers (Akiyama et al 2012, 2013), une loterie auto-construite (Yamada et al in progress), des jeux de coordination (Hanaki et al 2013), des jeux de “concours de beauté” (Hanaki et al in progress), et des jeux de vote avec une majorité pondérée (Esposite et al 2012, Guerci et al 2013).
Nous combinons aussi l’approche computationnelle et comportementale dans la mesure où nous laissons les sujets humains interagir avec agents computationnels (par exemple, Akiyama, Hanaki, Ishikawa 2012 and 2013 pour des expériences sur des marchés financiers et Hanaki et al 2013 pour des jeux de coordination). Cela permet d’étudier l’effet de l’incertitude stratégique (à propos du comportement des autres) que les humains rencontrent dans leurs interactions. Nos expériences computationnelles incluent des modèles de simulation de marchés financiers avec agents, dans lesquels des traders à la rationalité limitée essaient d’apprendre les bonnes stratégies d’anticipation en imitant leurs voisins (Masmoudi 2013) ou en gardant en mémoire les performances de plusieurs stratégies (Takahashi, 2012, Lespagnol 2013). Dans d’autres contextes, nous considérons la conséquence d’agents suivant plusieurs règles d’apprentissage dans des loteries auto-construites (Yamada and Terano 2013), des agents apprenant dans un marché de bien périssables (Rouchier, 2013), des marchés de biens différenciés (Hanaki and Rouchier 2013), dans des organisations (Hanaki and Owan 2013), et des enchères (Guerci et al 2013), entre autres. Ces expériences computationnelles nous permettent de mieux comprendre comment les interactions entre diverses règles de rationalité limitée (dont les règles d’adoption) créent des résultats globaux variés.

Une implication de nos expériences comportementales, qui s’avère robuste jusqu’à maintenant, est qu’il est important de prendre en compte l’hétérogénéité et la rationalité limitée. Tandis que la plupart des modèles agents reposent sur l’hypothèse que les agents suivent une loi uniforme de règles (adaptives), nos expériences montrent que l’hétérogénéité doit être introduite, en particulier en ce qui concerne le degré de sophistication du modèle. Par exemple, dans nos expériences sur les marchés financiers (Akiyama et al, 2013) où nous tentions de séparer l’effet de la rationalité limitée (ou de la confusion) et de l’incertitude stratégique (à propos des comportements des autres), nous avons trouvé des effets significatifs de rationalité limitée et d’incertitude stratégique. Nous avons aussi trouvé que l’incertitude stratégique est corrélée positivement avec le consentement des sujets à penser (mesuré par un score sur un test de reflexion cognitive). Ces résultats poussent à modéliser les interactions entre agents à rationalité limitée hétérogène pour comprendre mieux les résultats des expériences comportementales de laboratoire. Un autre résultat important issu de notre marché financier et de notre expérience de vote pondéré (Esposite et al 2012) est le très fort effet d’inertie (ou ancrage) des résultats passés, ce qui fait que dans la plupart des cas les sujets ont du mal à réagir à une information qui concerne un changement de situation.
Nous avons pris cette direction en considérant les conséquences explicites des interactions entre agents à rationalité hétérogène dans des environnements variés (enchères, oligopolie de biens différenciés, et un cadre de théorie des jeux). Et nous avons trouvé que parfois des agents moins sophistiqués peuvent obtenir des résultats meilleurs que des agents plus sophistiqués et que leur comportement peut dominer la population à travers l’imitation ou l’apprentissage, ce qui occasionne des environnements plus volatils.

Bien que de nombreux résultats aient été obtenus et aient intéressé de nombreux chercheurs, notre projet est encore en cours.
Certaines de nos approches antérieures ont été reconsidérées après des commentaires liés à des soumissions dans des revues internationales à comité de lecture (par exemple les expériences sur le vote pondéré et les marchés financiers). Les protocoles d’expérience ont été modifié et de nouvelles expériences ont été conduites. Pour certaines tâches, nous avons eu du retard, mais maintenant tous les logiciels nécessaires aux expériences comportementales sont prêts et des expériences vont être conduites de façon extensive au début 2014. Des expériences supplémentaires sont prévues également. De nombreuses discussions et réflexions ont conduit à la construction de modèles qui répliquent les données d’expérience.
Au cours de ce projet, nous avons aussi étendu notre réseau de recherche en participant à des conférences internationales et en organisant nos propres ateliers de travail avec des chercheurs proches de nos thématiques. Nous avons senti, durant les 24 mois passé sur ce projet, la prise de conscience des économistes au sujet des interactions entre agents hétérogènes à rationalité limitée, en particulier pour mieux comprendre les données d’expériences de laboratoire ou de terrain. Nous pensons que, bien qu’à une échelle modeste, nous avons contribué à faire progresser cette tendance.

Jusqu’à maintenant nous avons produit 7 publications dans des journaux à comité de lecture (6 internationaux et 1 français), 8 articles dans des conférences internationales à comité de lectur ou des chapitres d’ouvrage, et 8 documents de travail qui sont soumis à des revues internationales avec comité de lecture. Nous avons aussi beaucoup présenté notre travail, don’t au moins 34 présentations dans des conférences internationales (don’t des keynote lectures). Certains d’entre nous ont présenté dans divers séminaires et des écoles d’été.

Nous nous proposons de développer des modèles multi-agents plus réalistes, basés en particulier sur des fondements solides du comportement et de les utiliser pour affiner notre compréhension de la dynamique des marchés financiers. Les modèles multi-agents (Agent Based Modeling, ABM) sont reconnus, de plus en plus, comme des outils alternatifs et prometteurs qui permettent de s’affranchir des limites des modèles standards pour mieux appréhender la complexité de notre économie moderne. Les ABM nous permettent notamment d’étudier avec précision les interactions entre agents économiques avec une grande souplesse quant à la manipulation des paramètres contextuels qui sont au cœur de ces interactions. Toutefois, jusqu’à présent, les fondements de ces modèles ne semblent pas suffisamment solides pour décrire fidèlement le comportement des agents et en particulier leur comportement d’apprentissage. C’est pourquoi nous proposons de mener des expériences comportementales conjointement à des tâches computationnelles afin de tester et éventuellement de valider les hypothèses qui sont à la base de ces modèles. Nous mettrons l’accent plus particulièrement sur une des questions les plus importantes de la littérature sur les processus d’apprentissage et la modélisation multi-agents : comment les agents appréhendent leur environnement et font appel à leur expérience (passée) pour faire face à de nouvelles situations. Pour répondre à cette question fondamentale, nous compléterons notre réflexion par une analyse de données concernant les comportements observés dans des expériences sur les marchés financiers. Ceci nous conduira à étudier les effets de contagion des opinions et des comportements sur ces marchés.