ÉCOLE THÉMATIQUE du CNRS

ÉCONOMIE COGNITIVE

Ile de Berder (Morbihan) 14-19 mai 2000

retour à la page d'accueil de l'Ecole : Berder2000

Programme et résumés

CNRS 2000

Une version papier de ce document a été distribuée sur place aux participants.


 

Lundi 15 mai

9h-10h30 : André Orléan : Problématiques de l’Economie Cognitive

11h-12h30 Bernard Walliser : Révision des croyances

16h-19h30 Jean-Yves Jaffray et Michèle Cohen : Révision des croyances non probabilistes : théories et expérimentations

18h-19h30 Jean Baratgin : Psychologie de la révision des croyances : le modèle bayésien en question

 

Mardi 16 mai

9h-10h30 Paul Bourgine : Modèles de la cognition

11h-12h30 Alan Kirman : Modèles de la rationalité

16h-19h30 Bertrand Munier : Rationalité face au risque et expérimentation

18h-19h30 Paul Bourgine et Benoit Leloup : Compromis exploration/exploitation

 

Mercredi 17 mai

9h-10h30 Jacques Lesourne : Marché et Auto-organisation

11h-12h30 Marco Valente : Learning and Evolutionary Economics

13h30-15h Gérard Weisbuch : Oranisation des marchés en rationalité limitée

13h30-15h Patrick Cohendet : Routines et connaissances

15h- après-midi libre

 

Jeudi 18 mai

9h-10h30 Jean-François Lallier : Théorie des jeux evolutionistes

11h-12h30 Jean-Pierre Nadal : Apprentissage, Réseaux de neurones et phénomènes collectifs

16h-17h30 Marie Cottrell : Apprentissage auto-organisateur : applications à l’analyse exploratoire de données

18h-19h30 Marco Valente : Models of learning : GA, CS ans GP

16h-17h30 Bernard Ruffieux : Approches expérimentales de l’efficacité informationnelle des marchés

18h-19h30 Jean-Michel Dalle : Ordre endogène et diffusion des innovations

 

Vendredi 19 mai

9h-10h30 Serge Galam : Imitation et dynamique de la formation des opinions

11h-12h30 André Orléan : Institutions, rationalité et conventions

14h-15h30 Denis Phan : Apprentissages individuels et collectifs dans un système multi-agent reposant sur la programmation objet

14h-15h30 Bastien Choppard : Modèles de compétition d’opinions

16h-17h30 : Synthèse

Berder2000  Berder2000
Accueil    Haut


RESUMES


Problématiques de l’Économie cognitive

André Orléan

CEPREMAP

andre.orlean"at"cepremap.cnrs.fr

 

La notion d’économie cognitive me semble pouvoir être revendiquée par trois approches. La première correspond aux nombreux travaux que mènent économistes et gestionnaires à propos des décisions individuelles et de la manière de les modéliser. Il s’agit d’une tradition fort ancienne qui remonte à la naissance même de ces disciplines. Cette économie peut, à l’évidence, être qualifiée de " cognitive " puisqu’elle a pour objet les processus mentaux des agents économiques. Rationalité procédurale, rationalité limitée, révision des croyances, comportement face au risque sont quelques-uns des domaines explorés par cette " économie cognitive ". Notre école thématique lui consacrera les journées de lundi et mardi. Notons que la communauté de recherche qui est ici concernée n’est nullement limitée aux seuls économistes et gestionnaires. Tout au contraire, elle est le lieu d’une forte interdisciplinarité qui rassemble des psychologues et des logiciens. Herbert Simon symbolise parfaitement cette dimension interdisciplinaire.

 

Une deuxième définition de l’économie cognitive prend appui sur l’existence de convergences de facto entre théorie économique et sciences cognitives naissantes autour de l’utilisation d’outils formels spécifiques comme les modèles connexionnistes ou les systèmes de classeurs. Il s’est ainsi créé une interdisciplinarité sauvage, fort féconde. La liste de ces rencontres est longue et disparate car les outils concernés peuvent appartenir à des disciplines très diverses (intelligence artificielle, physique statistique, neurobiologie, mathématiques, etc.). Je classerais volontiers les travaux et les publications du Santa Fe Institute dans cette catégorie. Dans cet exemple précis, ce sont les outils formels propres à l’analyse des systèmes complexes qui ont été mobilisés. Au cours de notre école thématique, cette forme d’économie cognitive est bien représentée : le compromis exploration/exploitation, le modèle connexionniste, les sytèmes de classeurs ou la notion d’auto-organisation sont quelques illustrations de convergences entre économie et sciences cognitives.

 

Enfin, une troisième acception du terme " économie cognitive " a été avancée pour désigner un programme de recherches propre à la théorie économique. Ce programme de recherches met en avant les impasses actuelles du paradigme dominant en Économie, trop peu sensible au rôle que jouent les représentations, les croyances et les institutions. Il s’agit alors de développer une économie qui donne toute sa place à ces notions. Cette attitude trouve, en France, plusieurs défenseurs. On pense, par exemple, à l’économie des conventions qui a construit ses analyses autour de la question de la coordination des croyances individuelles et des " dispositifs cognitifs collectifs ". Soulignons qu’il s’agit d’un courant pluridisciplinaire puisque la sociologie y joue un grand rôle avec les travaux de Mark Granovetter sur les réseaux ou ceux de Laurent Thévenot sur la notion d’objet. Les travaux de Bernard Walliser sont également représentatifs de cette troisième approche. Il définit l’économie cognitive à la convergence d’une approche cognitiviste stricto sensu et d’une approche évolutionniste. Cette troisième perspective est présente implicitement dans un grand nombre des exposés que propose notre école thématique.

 

Si distinguer ces trois définitions peut être éclairant pour qui veut démêler certaines des confusions auxquelles l’utilisation du terme " économie cognitive " donne lieu, il n’en reste pas moins que ces trois approches partagent de nombreux points communs que l’exposé mettra en évidence. On insistera tout particulièrement sur la dimension interdisciplinaire de l’économie cognitive.

 

 

BIBLIOGRAPHIE

 

Anderson, P. ; Arrow, K. et D. Pines (éds.), The economy as an evolving complex system, Santa Fe Institute in the Sciences of Complexity, Addison-Wesley Publishing Company, 1988.

Boltansky, Luc et Laurent Thévenot, De la justification, Gallimard, 1991.

Conein, B. ; Dodier, N. et L. Thévenot (éds.), Les objets dans l’action, série " Raisons pratiques ", n°4, Paris, Éditions de l’EHESS, 1993.

Lesourne, Jacques et André Orléan (éds.), Advances in Self-Organization and Evolutionary Economics, Economica, 1999.

Munier, Bertrand et André Orléan, Rapport sur les liens entre sciences cognitives et sciences économiques et de gestion, décembre 1993.

Orléan, André (éd.), Analyse économique des conventions, Presses Universitaires de France, 1994

Walliser, Bernard, L’économie cognitive, Odile Jacob, 2000.

 

Berder2000  Berder2000
Accueil    Programme


LA REVISION DES CROYANCES

Bernard Walliser

ENPC-Ecole Polytechnique

walliser"at"pss.enpc.fr

 

 

En contrepoint de la formalisation classique des préférences de l’acteur, se développe actuellement une formalisation de ses croyances, qui s’appuie tant sur la logique épistémique que sur le calcul des probabilités. Ces croyances s’expriment de façon équivalente sous une forme syntaxique (propositions et opérateurs de connaissance) ou sémantique (mondes possibles et relations d’accessibilité). Elles traduisent l’incertitude de l’acteur sous forme ensembliste (propositionnelle) ou probabiliste, voire prennent en compte une incertitude plus radicale et des possibilités d’erreur. Elles adoptent une structure hiérarchique quand un acteur a des croyances sur ses propres croyances (incertitude +ambiguïté), comme dans le cas des fonctions de croyances ou des familles de probabilités. Elles sont surtout hiérarchiques quand les acteurs ont des croyances croisées (´ je sais que tu sais que je sais…. ª), une situation typique dans les interactions stratégiques de la théorie des jeux.

Le problème central est dès lors celui de la révision des croyances, pertinente aussi bien dans un raisonnement éductif que dans un apprentissage épistémique. Cette révision intervient dans deux contextes distincts :

a) le ´ revising ª, lorsqu’un message apporte une information nouvelle sur un contexte inchangé (ce message pouvant être en contradiction avec la croyance initiale)

b) l’ ´updating ª, lorsqu’un message apporte une information sur l’évolution du contexte (ce message étant toujours compatible avec la croyance initiale).

La révision est alors soumise à des axiomes traduisant la rationalité cognitive de l’acteur , auxquels correspondent des règles de révision explicites. D’abord étudiée dans un cadre ensembliste, elle peut être étendue à un cadre probabiliste, où la règle de Bayes, habituellement utilisée en revising , voit son domaine d’application mieux cerné.

La révision des croyances peut également être appliquée à des croyances hiérarchiques, avec l’apparition d’un nouveau contexte de révision , le ´ focusing ª, relatif à un message sur un objet tiré au hasard dans une population. Le problème de la révision se pose également lorsqu’un acteur reçoit un message incertain et celui de la révision itérée lorsque l’acteur reçoit plusieurs messages successifs. Enfin, la révision des croyances est étroitement liée à d’autres modes de raisonnement comme la déduction non monotone, l’abduction ou le raisonnement conditionnel (en particulier contrefactuel), également mobilisés en théorie des jeux .

 

BIBLIOGRAPHIE

 

Billot,A.-B.Walliser (1998) : Epistemic properties of belief hierarchies, Journal of Mathematical Economics , 32, 185-205.

Dubois,D.-Prade,H.(1994) : A survey of belief revision and updating rules in various uncertainty models, International Journal of Intelligent Systems,9,61-100.

Gardenfors,P .(1988) : Knowledge in flux, MIT Press.

Hughes,G.-Creswell,M.(1985) : An introduction to modal logic, Methuen.

TARK5 1986-1988-1990-1992-1994-1996-1998) : Biannual conferences on Theoretical Aspects of Reasoning and Rationality,Morgan Kaufmann.

Walliser,B.(2000) : L’Economie Cognitive, Odile Jacob.

Walliser,B.-D.Zwirn(2000) : Can Bayes rule be justified by cognitive rationality principles ?, mimeo CREA

Berder2000  Berder2000
Accueil    Programme


Psychologie de la révision des croyances :

le modèle bayésien en question

Jean Baratgin

baratgin"at"staps.univ-mrs.fr

 

Depuis les années 1960, de nombreux courants de recherches en psychologie se sont efforcés de vérifier si l’être humain révise ses degrés de croyances de manière cohérente en prenant comme modèle la " théorie bayésienne ". Les principales conclusions de ses études (souvent citées en économie) sont globalement pessimistes sur le " caractère bayésien " de l’agent. Il est trouvé " conservateur " car ses révisions se révèlent moins optimales que ce que prescrit la règle de Bayes (cf. par exemple : Phillips et Edwards, 1966 ; Peterson et Beach, 1967 ; Edwards, 1968), il néglige les taux de base (la référence numérique qui décrit la distribution d'un caractère dans une population) assimilés dans les expériences aux degrés de croyance a priori (Kahneman et Tversky, 1972 ; Kahneman et Tversky, 1973), il est plus performant sous un format fréquentiste (Gigerenzer, Hell et Blank, 1988, Gigerenzer et Hoffrage, 1995). Cette littérature, cependant,réduit souvent le bayésianisme au simple usage de la règle de Bayes. Il apparaît en conséquence légitime avant tout travail expérimental de préciser la notion de " cohérence bayésienne ". En particulier, dans une interprétation radicalement subjective du modèle bayésien (interprétation épistémique de la probabilité et apprentissage subjectif du nouveau message par l’agent, cf. par exemple de Finetti, 1937), les résultats expérimentaux sont questionnables. Cette interprétation a comme implication principale pour l’étude expérimentale de considérer le protocole informationnel utilisé par l’agent (et donc l’obligation de considérer les facteurs pragmatiques et contextuels de la tâche expérimentale). Suivant ce point de vue, le problème phare de la littérature expérimentale de l’utilisation des taux de base est revue. Les deux résultats principaux trouvés sont d’une part, le lien entre le respect de la contrainte de complémentarité et l’utilisation des taux de base, et d’autre part, l’utilisation des taux de base quand ceux-ci coïncident avec les croyances a priori des sujets (Baratgin et Noveck, 2000). Enfin, une perspective de recherche expérimentale sur l’aspect dynamique de la révision des croyances est proposé en mettant l’accent sur l’étude des propriétés formelles de la révision des croyances (cf. Walliser et Zwirn, 2000).

BIBLIOGRAPHIE

Baratgin, J et Noveck, I. (2000). "Not only the base rates are neglected in the Engineer-Lawyer problem : an investigation of reasoners’ underutilization of complementarity". Memory and Cognition. 1, 519-590.

De Finetti, B. (1937). " La prévision, ses lois logiques, ses sources subjectives ". Annales de l’institut Henri Poincaré, Vol. VII, p. 1-68.

Edwards, W. (1968). "Conservatism in human processing". In Kleinmuntz, B. (Ed.), Formal representation of human judgment. New-York: Wiley. Plusieurs passages sont repris dans Kahneman, Slovic, et Tversky (1982), p. 359-369.

Gigerenzer, G. et Hoffrage, U. (1995). "How to Improve Bayesian Reasoning Without Instruction: Frequency Formats". Psychological Review, 102, p. 684-704.

Gigerenzer, G., Hell, W. et Blank, H. (1988). Presentation and content: The use of base rates as a continuous variable. Journal of Experimental Psychology: Human Perception and Performance, 14, p. 513-525.

Kahneman, D. et Tversky, A. (1972a). "On prediction and judgment". ORI Research Monograph, 12(4).

Kahneman, D. et Tversky, A. (1973). "On the psychology of prediction". Psychological Review, 80, p. 237-251.

Peterson, C. R. et Beach, L. R. (1967). "Man as an intuitive statistician". Psychological Bulletin, 68, p. 29-46.

Phillips, L. D. et Edwards, W. (1966). "Conservatism in a simple probability inference task". Journal of Experimental Psychology, 72, p. 346-354.

Walliser, B. et Zwirn, D. (2000). "Can Bayes rule be justify by cognitive rationality principles ". CREA

Berder2000  Berder2000
Accueil    Programme


Révision des croyances non probabilistes :

théories et expérimentations

Michèle Cohen* et Jean-Yves Jaffray**

*EUREQua-Université Paris 1 - **LIP6-Université Paris 6

cohenmd"at"asterix.univ-paris1. fr

jean-yves.jaffray"at"lip6.fr

 

Les procédures de révélation des probabilités subjectives se heurtent fréquemment au phénomène suivant : la probabilité d’un événement et celle de son complémentaire ont une somme inférieure à l’unité (´ défaut ªde probabilité ), ( Ellsberg, 1961).

Cet écart entre observation et théorie disparaît dans les modèles où les croyances sur les événements ne sont plus additives.

Nous introduirons le modèle CEU, (Denneberg, 1994, Schmeidler, 1982, 1989, Cohen et Tallon, 2000) ´ espérance d’utilité à la Choquet ª dans lequel les capacités des événements peuvent s’interpréter soit comme des probabilités inférieures, (modèle à lois a priori multiples, Gilboa et Schmeidler, 1989), soit plus généralement comme des combinaisons de probabilités inférieures et supérieures (modèle de Hurwicz généralisé, Hurwicz, 1951, Jaffray et Philippe, 1997).

Nous présenterons également des modèles où les capacités ne sont pas interprétées comme des probabilités imprécises mais des fonctions de croyance ( Shafer, 1976, Jaffray et Wakker, 1994), ou de possibilité/nécessité, ( Dubois et Prade, 1994).

La révision des croyances pose, dans ces modèles, des problèmes qui n’apparaissent pas dans le modèle Bayésien : il existe en effet plusieurs façons d’acquérir de l’information ( Cohen, Gilboa, Jaffray et Schmeidler, 2000).

La formule de conditionnement de Bayes peut se généraliser de diverses manières ( Fagin et Halpern, 1990, Gilboa et Schmeidler, 1993, Walley, 1981, 1991) et la formule la plus appropriée à tel ou tel type d’information n’est pas forcément évidente ; l’existence même d’un conditionnement transformant les capacités en d’autres capacités est elle-même discutable ( Jaffray, 1992).

Une petite illustration expérimentale sensibilisera les participants aux problèmes liés à la diversité des types d’information.

Partant de la typologie standard ( focusing, updating, Dubois et Prade, 1994 ), on discutera de l’existence et de la forme d’un conditionnement dans chacun des types introduits.

BIBLIOGRAPHIE

Cohen, M. et J.M. Tallon, 2000, ´ Décision dans le risque et l’incertain : L’apport des modèles non-additifs ª, Revue d’économie politique, Bilans, essais, n°3.

Dempster A.P., 1967 :``Upper and lower probabilities induced by a multivalued mapping``. Ann. Math. Statist., 38, 325-339.

Denneberg, D. (1994) : Non-additive measure and integral. Kluwer Academic Publishers, Dordrecht.

Dubois, D. and H. Prade (1994) :`` Focusing versus Updating in Belief Function Theory ``, in Advances in the Dempster-Shafer Theory of Evidence (M. Fedrizzi, J. Kacprzyk and R.R. Yager, Eds), Wiley and Sons.

Ellsberg, D.(1961) : ''Risk, Ambiguity and the Savage axioms'', Quartely Journal of Economics, 75, 643-669.

Fagin R. and J.Y. Halpern, (1990) :``A new approach to updating beliefs``, Proc. of 6th Conference on Uncertainty in A.I.

Gilboa I. and D. Schmeidler, (1989) :`` Maxmin Expected Utility with Non-Unique Prior``, Journal of Mathematical Economics``, 18, 141-153.

Gilboa I. and D. Schmeidler, (1993) :``Updating Ambiguous beliefs``, Journal of Economic Theory, 59, 33-49.

Hurwicz, Leonid, Optimality Criteria for Decision Making Under Ignorance, Cowles Commission Discussion Paper, Statistics, n° 370, 1951 (mimeographed).

Jaffray J.Y. (1992) :``Bayesian updating and belief functions``, IEEE transactions on systems, man, and cybernetics, 22, 5, 1144-1152.

Jaffray, J.Y. and F. Philippe (1997) :`` On the Existence of Subjective Upper and Lower Probabilities``, Mathematics of Operations Rechearch, 22, n°1, 165-185.

Jaffray, J.Y. and P. Wakker, (1994) : `` Decision Making with belief functions : Compatibility and incompatibility with the sure thing principle``, Journal of Risk and Uncertainty, 8, 255-271.

Schmeidler, D.(1982) :`` Subjective probability without additivity ``(temporary title), Working Paper, Foerder Institute for Economic Research, Tel Aviv University.

Schmeidler, D.(1986) :`` Integral Representation without Additivity``, Proceedings of the American Mathematical Society, 97, 253-261.

Schmeidler, D., (1989) :``Subjective probability and expected utility without additivity``, Econometrica, 57, 571-587.

Shafer, G. (1976). A mathematical theory of evidence, Princeton Uty Press.

Walley, P. (1981) : ''Coherent lower (and upper) probabilities'', Statistics Research Report 22, University of Warwick, Coventry, U.K.

Walley P.(1991). : Statistical Reasoning and Imprecise Probabilities, Chapman \& Hall, London.

 

 

Berder2000  Berder2000
Accueil    Programme


Modèles de la Cognition

Paul Bourgine

CREA, Ecole Polytechnique

bourgine"at"poly.polytechnique.fr

 

 

Depuis une vingtaine d'années les sciences de la cognition (psychologie cognitive, neurosciences, linguistique, intelligence artificielle) tendent à devenir un champ unifié, soumis à un nomadisme de concepts et de modèles traversant les diverses disciplines. Parmi eux, les paradigmes de la cognition ont joué historiquement et continuent à jouer un rôle majeur non seulement dans le développement de chaque discipline mais encore dans l'unification du champ tout entier. Ces paradigmes de la cognition, au premier rang desquels il faut citer le cognitivisme, le connexionnisme et le constructivisme, ont suscité des débats très stimulants pour toutes les disciplines. Et les divergences, après avoir été longtemps la source de fortes oppositions, peuvent aussi être envisagées comme des vues complémentaires de ce qu'est la cognition, en tant qu'objet de science.

Plutôt que d'examiner directement ces paradigmes de la cognition, on les traite à travers deux activités qui sont essentielles aussi bien pour la compréhension des mécanismes cognitifs que pour celui des processus de décision : la résolution de problème et l'apprentissage.

La résolution de problème est d'abord envisagée à partir des expérimentations en psychologie cognitive. Le point de vue est alors celui du paradigme cognitiviste : la cognition est conçue comme manipulation de symboles, qui représentent les états du monde. Les expérimentations mettent en évidence les limites des capacités cognitives des sujets et la manière dont ils utilisent leurs connaissances expertes pour résoudre des problèmes. Sous l'influence de la psychologie de la Gestalt, elles permettent aussi de bien montrer l'importance du processus de formulation et de reformulation d'un problème.

La résolution de problème est ensuite étudiée du point de vue des neurosciences. Le point de vue est celui du paradigme connexionniste. Les symboles ne sont plus là pour coder les états du monde mais l'idée représentationnaliste reste présente : la cognition est conçue comme une dynamique d'états du réseau neuronal, qui représentent les états du monde. Le critère de réussite est celui d'une bonne anticipation des conséquences. Ces anticipations dans des environnements complexes sont expliquées par les capacités d'apprentissage. L'attention se déplace fondamentalement des processus de résolution de problème vers les processus d'apprentissage.

Les paradigmes cognitivistes et connexionnistes, en partageant l'idée représentationnaliste, sont en fait des théories d'un pur esprit. Le paradigme constructiviste met davantage l'accent sur l'idée moniste de l'unité du corps et de l'esprit et sur l'importance de l'activité interprétative qui affaiblit l'idée représentationaliste.

Cet examen des différents paradigmes de la cognition permet de dresser une synthèse des modes de résolution de problème et des modes d'apprentissage et de mieux comprendre les modes de raisonnements et la nature de la connaissance.

 

BIBLIOGRAPHIE

Aubin J.P.,1991. Viability Theory, Birkhäuser.

Bourgine P., 1994, What is knowledge?, in AIFA proceedings.

Bourgine P., 1996, modèles d’agents autonomes et leurs interactions co-évolutionnistes, in

Penser l’Esprit, V. Rialle et D. Fisette (eds), Presses universitaires de Grenoble, 1996.

Brooks R., 1991. Intelligence without representation. Artificial Intelligence,47, Jan., 139-159.

Dreyfus Hubert L., 1972, Intelligence Artificielle, mythes et réalités, Flammarion, Paris, 1984.

Holland, J.H., 1975. Adaptation in natural and artificial systems. Ann Arbor : the university of Michigan Press.

Kohonen T., 1984. Self-Organization and Associative Memory. Springer Verlag.

McCulloch W.S. et Pitts W., 1943. A logical calculus of the ideas immanent in nervous activity. Bull. Mathem. Biophys, 5, p.115-133.

Minsky M., 1975. A framework for representing knowledge. in P.Winston (Ed.), The psychology of computer vision. New york: Mc Graw-Hill, 211-277.

Newell A. et Simon H.A., 1972. Human Problem Solving. Englewood, Prentice Hall.

Peirce Charles S., Textes fondamentaux de sémiotique, Méridiens Klincksiek, Paris, 1987.

Petitot J., 1990, Physique du sens, editions du CNRS.

Rosh E., 1978, Principles of Categorization, in Cognition and Categorization, ed. E.Rosh and B.B.Lloyd, Lawrence Erlbaum, Hillsdalle, N.J., 27-48.

Rumelhart D.E. and J.Mc Clelland, 1986, Parallel Distributed Processing, MIT Press/ Bradford Books.

Simon H.A., 1976. From subtantive to procedural rationality. Method and Appraisal in Economics, Latsis S.J.(ed.), p. 129-148. Cambridge University Press, Cambridge.

Varela F.,1990, Connaître les sciences cognitives, Seuil.

Varela F., E. Thompson & E. Rosch, 1991, The Embodied Mind, MIT Press.

Watkins C., 1989, Learning with Delayed Reward, PhD, Cambridge University Psychology Department.

Wilson S.W., 1987, Classifier systems and the animat problem. Machine Learning 2, p. 199-228

Berder2000  Berder2000
Accueil    Programme


La rationalité individuelle et la rationalité collective:

L'importance des interactions entre des individus.

Alan Kirman

I.U.F., Université d'Aix-Marseille,

GREQAM, EHESS, Marseille

kirman"at"ehess.cnrs-mrs.fr

La notion de structure organisationnelle et de réseau de relations interpersonnelles est centrale dans la plupart des sciences sociales. Pourtant, ces aspects préoccupent relativement peu les économistes. J'essaierai dans mon cours de démontrer qu’il y a une relation étroite entre la notion de rationalité de l'économiste et l'organisation de l'économie qu'il suppose. La préoccupation de base des économistes a été de définir les états d’équilibre d’une économie résultant des choix d’individus optimisateurs mais tous autonomes. Ceci est dû aux origines de l’économie théorique moderne et au fait que les économistes persistent à vouloir travailler sur une base microéconomique "rigoureuse". Je suggèrerai que les économistes devraient s’intéresser davantage aux interactions directes entre les agents économiques et à l’évolution des réseaux gouvernant ces interactions.

 

Je discuterai aussi du rôle de la théorie des jeux où, certes, les interactions directes sont envisagées mais où la rationalité attribuée aux agents est à ce point extrême que l'on est obligé de se limiter à des exemples presque caricaturaux. Je suggèrerai que nous pouvons éviter d'imposer une forme de rationalité très poussée et que l’on peut attribuer aux individus des règles très simples de choix d'actions. Ceci dit, on doit constater que la rationalité collective est dans un certain sens supérieure ou au moins différente de la rationalité des individus. L'agrégation "produit" la rationalité et n'est pas simplement la somme des actions rationnelles. Je donnerai des exemples de cette émergence de la rationalité collective. Ceci nous permet d’expliquer des comportements macroéconomiques qui cadrent mal avec le modèle standard et rapprochent la vision de l’économie de celle des autres sciences sociales.

 

En particulier, nous pouvons adopter une approche ´ cognitive ª de l'étude de l'individu dont l’intérêt est de considérer l’identité individuelle et les institutions comme émergentes dans le sens où elles sont définies dans le cadre du système. Cela signifie que non seulement les objectifs mais aussi les préférences des agents sont formés par la société. Il n’y a qu’un pas à faire pour estimer que le récent travail de Young, ainsi que d’autres, sur l’évolution des conventions et des normes, entrent dans cette catégorie. Je mentionnerai certains de ces travaux dans le cours.

 

L'approche que j'envisage est beaucoup plus dynamique que l'approche par l'équilibre standard. Pour citer un exemple, considérons la façon dont les agents économiques prennent leurs décisions. Si les agents agissent séquentiellement, ils peuvent très bien inférer des informations des actes des autres. Cela peut amener à des "comportements grégaires" et une littérature s'est développée récemment pour expliquer comment de tels comportements peuvent amener à la formation de bulles spéculatives sur les marchés financiers. Ainsi, au fur et à mesure que se développent les échanges, des individus peuvent influencer les anticipations des autres individus et des fluctuations peuvent en résulter ; par ailleurs, certains individus peuvent négliger leurs propres informations en faveur de celles qui découlent des actions des autres, ce qui peut donner lieu à une "cascade informationnelle". Je donnerai des exemples de ce phénomène.

 

L'émergence des liens entre les individus peut être expliquée par l'utilisation de règles de comportement très simples, sans avoir recours à un comportement optimisateur ou stratégique. J'en présenterai des exemples.

 

En conclusion, mon but est de suggérer que la rationalité traditionnelle des agents économiques est excessive et artificielle. Une économie où les agents ont un comportement simple et où ils interagissent avec un sous-groupe des autres agents mais où, néanmoins, le résultat agrégé a une certaine cohérence, me semble plus convaincant et plus plausible que le modèle standard.

 

BIBLIOGRAPHIE

Banerjee A. (1992), "A simple model of herd behaviour", Quarterly Journal of Economics, 108, pp. 797-817.

Bikhchandani S., Hirschleifer D. et Welch I. (1992), "A theory of fads, fashion, custom and cultural change as informational cascades", Journal of Political Economy, 100, pp. 992-1026.

Kirman A, (1999) ´ Aggregate Activity and Market Organisation", Revue européene des sciences sociales, 1999, vol 37, pp.189-230

Weisbuch G., A.P. Kirman, and D. Herreiner (2000), "Market Organisation and Trading Relationships". A paraître Economic Journal, Avril 2000

Berder2000  Berder2000
Accueil    Programme


Rationalité face au risque et expérimentation

 

Bertrand Munier

GRID-ENS Cachan

munier"at"grid.ens-cachan.fr

Depuis longtemps déjà, Herbert Simon a souhaité, en diverses occasions, qu’une étude des processus de décision des agents économiques soit menée. Il a bien lui-même fourni un cadre dans lequel on peut postuler que s’inscrivent ces processus de décision, mais il n’a jamais fait de test formel, ni empirique ni expérimental, de ce qu’il a avancé. C’est d’autant plus curieux qu’il a fait la critique de ce qu’il appelle " armchaireconomics " en affirmant que les économistes ne prennent pas la précaution de dégager de leurs tests l’impact que peuvent y avoir les modèles de décision. En particulier, on peut se demander pourquoi il n’existe pas de test formel des processus de décision en rationalité limitée. La plupart des économistes reconnaissent que les arguments de la rationalité limitée sont à prendre en considération, mais il est très difficile de savoir s’ils attribuent un effet important ou pas à ce type de rationalité.

On propose donc ici d’examiner, en recourant à des méthodes expérimentales d’étude de la décision face au risque, comment l’on peut mettre en évidence l’existence de schémas de rationalité limitée. Après avoir discuté comment on peut formuler une hypothèse qui soit testable à cet égard (I), on rapporte une série d’expérimentations qui permettent de tester la formulation proposée, même si ce n’était pas là l’objet premier de ces expérimentations (II). Dans un troisième temps, on se propose d’examiner si des modèles généraux comme le modèle à dépendance de rangs peuvent rendre compte des comportements observés : selon la réponse que l’on pourra apporter à cette question, on pourra qualifier de façon assez restrictive la notion de rationalité limitée mise en évidence, ou au contraire lui donner une portée à la fois très générale et très substantielle (III). Enfin, on cherchera à savoir si la considération de critères multiples permet d’obtenir des précisions sur les caractères de la rationalité limitée mise en évidence (IV). L’ensemble constitue une contribution à la façon dont on peut considérer que les agents économiques ‘organisent’ leurs investigations pour décider face au risque.

La première partie précisera comment on peut mettre en correspondance la notion de rationalité limitée et celle de décision ‘programmable’ au sens de Simon lui-même. On en tirera la formulation recherchée, permettant de dégager une hypothèse testable.

La difficulté de la seconde partie sera de mettre au point des méthodes non paramétriques qui permettent d’observer, de la façon la plus dégagée possible d’hypothèses auxiliaires, les choix exprimés par des sujets. On débouchera sur un principe simple, qui permet de concevoir la méthode dite " du resserrement progressif " aux fins de déterminer les loteries que les sujets considèrent comme équivalentes à celle qu’on leur propose. On montrera que l’on peut tirer de cette démarche simple beaucoup d’information sur les caractéristiques de ces indifférences locales. On conclura à la mise en évidence d’une rationalité limitée.

Mais s’agit-il d’effets dont des modèles les plus généraux tels que le modèle à dépendance de rangs peuvent rendre compte ? Ou s’agit-il de phénomènes que même ces modèles plus généraux ne parviennent pas à saisir ? La réponse est, cette fois-ci, plus difficile à donner et demandera à être qualifiée de façon spécifique. Mais il reste que l’expérimentation sur la décision face au risque est un domaine privilégié de l’économie cognitive, plus précisément une méthode d’examen possible des caractéristiques cognitives des agents économiques.

Enfin, la quatrième partie du propos nécessite un détour productif. Celui--ci consiste à généraliser la théorie de l’utilité multi-attribut pour la dégager des contraintes de l’utilité espérée. Ces contraintes apparaissent en effet comme paravents derrière lesquels il est difficile d'observer le traitement cognitif des probabilités, comme cela est maintenant connu. Mais cette généralisation n’est certainement pas une évidence. A travers des théorèmes de décomposition, qu’il suffit d’étendre, on parvient à montrer que la théorie de l’utilité multiattribut peut être appuyée sur une fonctionnelle de préférence à dépendance de rangs. Plusieurs questions peuvent alors être éclairées. D’une part, la transformation des probabilités est-elle une question de perception des probabilités ? Ou s’agit-il d’un traitement décisionnel du risque ? Si c’est la seconde branche de l’alternative, quels facteurs peuvent influer sur ce traitement décisionnel ? La mise au point d’un logiciel interactif permet l’encodage — soit en laboratoire d’expérimentation, soit dans un ‘laboratoire vivant’ comme une entreprise — des fonctions de transformation de probabilités, des fonctions d’utilité partielles et des coefficients d’échelle. On peut alors tenter de répondre aux questions précédentes. L’étude des aspects cognitifs de la décision face au risque se trouve ainsi substantiellement avancée.

BIBLIOGRAPHIE

Abdellaoui, M. and B. Munier, 1994a, ´ The Closing In Method : An Experimental Tool to Investigate Individual Choice Patterns under Risk ª, in : Munier, B. and M.J. Machina, eds., Models and Experiments in Risk and Rationality, Kluwer Academic Publishers, Dordrecht/Boston, pp. 141-155.

Abdellaoui, M. and B. Munier, 1994b,  ´ On the Fundamental Risk-Structure Dependence of Individual Preferences under Risk : An Experimental Investigation ª, NR GRID 94-07.

Abdellaoui, M. and B. Munier, 1998, ´ The Risk-Structure Dependence Effect : Experimenting with an Eye to Decision-Aid ª, Annals of Operations Research, vol. 80, pp. 237-252.

Abdellaoui, M. and B. Munier, 1999, ´ How consistent are Probability trade-offs in individual preferences under risk ? Some preliminary results ª, in : Machina, M.J. and B. Munier, eds., Beliefs, Interactions and Preferences in Decision Making, Dordrecht/Boston, Kluwer A.P. pp. 285-296.

Allais, M., 1953, ´ Le Comportement de l’Homme rationnel devant le Risque : Critique des Postulats et Axiomes de l’Ecole Américaine ª, Econometrica, vol. 21, pp. 503 et s.

Beaudouin, F., B. Munier and Y. Serquin, 1999, ´ Multi-Attribute Decision-aid in Nuclear Power Plants Maintenance under Generalized Expected Utility ª, in : Machina, M.J. and B. Munier, eds., op. cit.

Camerer, C., 1992, ´ Recent Tests of Generalizations of Expected Utility Theory ª, in : W. Edwards, ed., Utility Theories, Measurements and Applications, Dordrecht/Boston, Kluwer Academic Publishers.

Hammond, P., 1996, ´ Consequentialism, Structural Rationality and Game Theory ª, in : K.J. Arrow, E. Colombatto et al., The Rational Foundations of Economic Behaviour, London, MacMillan. pp. 25-42.

Kreps, D.M., 1997, ´ Bounded Rationality ª in : P. Newman (ed.), The New Palgrave Dictionary of Economics and the Law, London, Macmillan. P. 168-173.

Machina, M.J. and B. Munier, eds., 1999, Beliefs, Interactions and Preferences in Decision Making, Dordrecht/Boston, Kluwer Academic Publishers.

Munier, B., 1989, ´ Calcul économique et révision de la théorie de la décision en avenir risqué ª, Revue d’Économie Politique, vol. 99, n°2, pp. 276-306.

Munier, B., 1995, ´ Entre rationalités instrumentale et cognitive : contributions de la dernière décennie à la modélisation du risque ª, Revue d’economie Politique, vol. 105, n°1, pp. 5-70.

Munier, B., 1996, ´ Hammond’s Consequentialism : A Qualification ª, published as ´ Comment ª, in : Arrow, K.J., E. Colombatto, , M. Perlman, C. Schmidt, eds., Rational Foundations for Economic Behaviour, London, Macmillan.

Munier, B., R. Selten et al., 1999 ´ Bounded Rationality Modeling ª, Marketing Letters, vol. 10, n°3, pp. 233-248.

Quiggin, J., 1993, Generalized Expected Utility, The Rank-Dependent Model, Kluwer Academic Publishers, Boston/Dordrecht.

Rubinstein, A., 1998, Modeling Bounded Rationality, Cambridge, Massachussets, MIT Press.

Simon, Herbert A., 1955-1983, ´ The Role of Expectations in an Adaptative or Behavioristic Model ª, in : Herbert A. Simon, 1983, Models of Bounded Rationality, Cambridge, Mass., Harvard University Press, pp. 380-399, see p. 391 in particular.

Simon, H.A., 1978, ´ Rationality as a Process and as a Product of Thought ª, American Economic Review, vol. 68, n°1, pp. 1-16.

Simon, H.A., 1986, ´ The Failure of Armchair Economics ª, Challenge , (November-December), p. 18-25.

 

Berder2000  Berder2000
Accueil    Programme


Compromis exploration/exploitation

Paul Bourgine* et Benoît Leloup**

*CREA, Ecole Polytechnique et **GRID, ENS Cachan

bourgine"at"poly.polytechnique.fr,

leloup"at"grid.ens-cachan.fr

Le dilemme exploration/exploitation est inhérent aux processus cognitifs et évolutionnistes. En effet, l'agent est génériquement en situation d'avoir des croyances incertaines : il a des probabilités 'subjectives' et non pas 'objectives' ; il a des hésitations sur la manière de raisonner les conséquences, etc.. Cette situation générique d'incertitude produit un dilemme : si l'agent veut gagner davantage à court terme, il va rejouer la stratégie qu'il croit être la meilleure au vu de ses informations incertaines présentes ; mais si l'agent veut gagner davantage sur le long terme, il lui faut diminuer ses incertitudes sur quelle est la meilleure stratégie. Il est utile de remarquer que ce dilemme existe même en l'absence de coûts d'exploration. Le dilemme provient en fait d'une contrainte informationnelle : il est nécessaire d'essayer des stratégies même médiocres pour acquérir davantage d'information à leur sujet. Le dilemme ainsi compris doit être géré à tous les niveaux d’organisation, depuis l’individu jusqu’aux plus grandes organisations : toute gestion de ce dilemne aboutit à des compromis d’exploration/exploitation.

Nous nous intéresserons d'abord au paradigme standard du compromis exploration/exploitation, les bandits à k-bras et on donne quelques bases théoriques sur le compromis. Nous examinerons ensuite un protocole computationnel relatif au paradoxe de l'ultimatum. Nous en tirerons enfin quelques implications pour l'économie cognitive.

La solution théorique au problème du bandit à k-bras consiste à introduire, de différentes manières, un indice associé à chaque bras, appelé l'indice de Gittins. La théorie indique que les stratégies optimales sont les stratégies à base d'indice : il faut choisir à chaque instant le bras qui a le meilleur indice. Le problème k-dimensionnel se ramène à k-problèmes 1-dimensionnel de détermination de l'indice de chaque bras. On examine le cas d'un bras obéissant à la loi normale, qui fournit une solution générique approchée au calcul de l'indice.

Le protocole computationnel utilise la solution théorique précédente. Il met en scène une population d'offreurs et une population de répondants, jouant au jeu répété de l'ultimatum. Dans le jeu de l'ultimatum, l'offreur propose le partage d'une certaine somme entre lui et le répondant : si le répondant accepte, le partage proposé devient effectif ; s'il refuse, personne ne garde rien. L'équilibre de Nash de ce jeu est une proposition (100%,e%) que le répondant accepte toujours. Les expérimentations ne sont pas conformes à ce résultat théorique : les offres sont en moyenne de 20% inférieure et 30% des répondants refusent le partage. C'est ce qu'on appelle le paradoxe du jeu de l'ultimatum. Sous l'hypothèse que la population des répondants modifie beaucoup plus lentement ses comportements que celle des offreurs, on montre que les stratégies d'apprentissage optimales sont les stratégies à base d'indices. Les résultats des simulations sont compatibles avec la diversité des offres constatées expérimentalement.

Les implications du compromis exploration/exploitation pour la théorie microéconomique sont intéressantes : des agents apprenant de façon optimale ne convergent pas nécessairement vers les mêmes stratégies, même lorsque leur environnement est homogène et stationnaire ; leurs stratégies restent hétérogènes et dépendantes du chemin. Il en résulte aussi, en contrepoint, un résultat de limitation : on ne peut à la fois être optimal dans le processus d'apprentissage et dans le résultat de ce processus. Ces conclusions s'imposent encore davantage si les agents n'apprennent pas de façon optimale et si leur environnement n'est pas homogène ou pas stationnaire.

 

BIBLIOGRAPHIE

 

Bellman, R. E. (1956): "A Problem in the Sequential Design of Experiments." Sankhyã Series: A, 30, 221-252.

Bellman, R. E. (1957): Dynamic Programming, Princeton University Press.

Bernardo, J. M., and A. F. M. Smith (1994): Bayesian Theory, John Wiley & Sons.

Binmore, K., A. Shaked, and J. Sutton (1989): "An Outside Option Experiment." Quarterly Journal of Economics, 104, 753-770.

Binmore, K., P. Morgan, A. Shaked, and J. Sutton (1991): "Do People Exploit their Bargaining Power?: An Experimental Study." Games and Economic Behavior, 3, 295-322.

Bolton, G. E. (1991): "A Comparative Model of Bargaining: Theory and Evidence." American Economic Review, 81, n°5, 1096-1136.

Forsythe, R., J. L. Horowitz, N. E. Savin, and M. Sefton (1994): "Fairness in Simple Bargaining Experiments." Games and Economic Behavior, 6, 347-369.

Gale, J., K. Binmore, and L. Samuelson (1995): "Learning to be Imperfect: the Ultimatum Game." Games and Economic Behavior, 8, 56-90.

Gittins, J. C. (1979): "Bandit Processes and Dynamic Allocation Indices." Journal of the Royal Statistical Society, Series: B, 41, 148-177.

Gittins, J. C. (1989): Multi-armed Bandit Allocation Indices, John Wiley & Sons.

Güth, W., and S. Huck (1997): "From Ultimatum Bargaining to Dictatorship - An Experimental Study of Four Games Varying in Veto Power." Metroeconomica, 48, n°3.

Güth, W., R. Schmittberger, and B. Schwarz (1982): "An Experimental Analysis of Ultimatum Bargaining." Journal of Economic Behavior and Organization, 3, 367-388.

Güth, W., and R. Tietz (1990): "Ultimatum Bargaining Behavior: A Survey and Comparison of Experimental Results." Journal of Economic Psychology, 11, 417-449.

Ochs, J., and A. Roth (1989): "An Experimental Study of Sequential Bargaining," American Economic Review, 79, 355-384.

Roth, A. E. (1995): "Bargaining Experiments." The Handbook of Experimental Economics, editor, John H. Kagel and Alvin E. Roth, Princeton University Press, Chap. 4, 253-348.

Roth, A. E., and I. Erev (1995): "Learning in Extensive-Form Games: Experimental Data and Simple Dynamics Models in the Intermediate Term." Games and Economic Behavior, 8, 164-212.

Roth, A. E., V. Prasnikar, M. Okuno-Fujiwara, and S. Zamir (1991): "Bargaining and Market Behavior in Jerusalem, Ljubljana, Pittsburgh, and Tokyo: An Experimental Study." American Economic Review, 81, 1068-1095.

Rothschild, M. (1974): "A two-armed Bandit Theory of Market Pricing." Journal of Economic Theory, 9, 185-202.

Savage, L. J. (1954): The foundations of statistics, John Whiley.

Selten, R. (1967): "Die Strategiemethode zur Erforschung des Eigeschrankt Rationalen Verhaltens im Rahmen eines Oligopolexperiments", in Beitrage zur Experimentellen Wirtschaftsforschung, Sauermann, H., editor, Mohr, J.C.B., Tubingen, 136-168.

Stähl, I. (1972): Bargaining Theory, Stockholm: Stockholm School of Economics.

Thäler, R. H. (1988): "Anomalies: The Ultimatum Game." Journal of Economic Perspective, 2, 185-206.

Winter, E., and S. Zamir (1997): "An Experiment with Ultimatum Bargaining in a Changing Environment." December, Working Paper n°157, Center for Rationality and Interactive Decision Theory, The Hebrew University of Jerusalem.

Berder2000  Berder2000
Accueil    Programme


Marché et Auto-organisation

Jacques Lesourne

 

 

 

L'exposé sera consacré à la présentation de modèles simples d'auto-organisation. Acheteurs et vendeurs sont en nombre donné. Les premiers cherchent à acquérir à chaque période une unité de bien à un prix inférieur ou égal au montant qu'ils se sont fixés. Pour s'informer, ils tirent au hasard un échantillon de vendeurs et s'informent des prix que ces derniers proposent. Ils achètent auprès du vendeur le moins exigeant si le prix est acceptable. D'une période à l'autre, ils révisent leur plafond de prix qui est, en tout état de cause, borné supérieurement. Des hypothèses analogues sont faites pour les vendeurs, mais ces derniers ne cherchent pas.

Moyennant des hypothèses qui seront précisées oralement, on peut montrer que, si le tirage d'échantillon est gratuit, le système précédent converge en probabilité vers un état stable à prix unique, les acheteurs étant séparés en deux groupes ainsi que les vendeurs.

Il n'y a donc nul besoin d'un commissaire-priseur pour que le marché s'auto-organise et construise un prix et des partitions des agents sans que ces derniers en aient conscience. On décrira ensuite les phénomènes qui apparaissent lorsque sont introduits des coûts d'irréversibilité (comme des coûts d'information, par exemple).

En conclusion, on dégagera la signification de cette approche pour une reconstruction de la microéconomie.

 

 

BIBLIOGRAPHIE

 

Simon H.A., 1957, Models of Man, Wiley.

Stiglitz J., 1979, Equilibrium in product market with imperfect information, American Review, Mai 1979.

Nelson R.N. et Winter S.G., 1982, An evolutionary theory of economic change, the Belknap Press of Harvard University Press, Cambridge (Mass.)

Zeleny M., 1981, Autopoïesis, a theory of living organization, North-Holland, New-York

Schelling T.M., 1978, Micromotives and macrobehaviour, Norton.

Kirman A., 1988, On ants and markets, European University Institute, Florence.

Lesourne J., 1991, Economie de l'ordre et du désordre, Economica.

 

Berder2000  Berder2000
Accueil    Programme


Learning and Evolutionary Economics

Marco Valente

University of Trento

mv"at"business.auc.dk

 

The goal of this talk is to briefly introduce Evolutionary Economics with the purpose to underline the importance that this approach gives to learning. In the end are given few hints, in no technical terms, on the characteristics of the most popular learning systems used.

The metaphor of biological evolution for framing economic phenomena has always been a tempting one (actually, the very work of Darwin has been inspired by the economic work by Malthus; see also Marshal, Veblen, Schumpeter). However, it is only since the publication of Nelson and Winter, 1982, that a formal approach to Economics based on evolutionary thinking has been attempted.

In short, an evolutionary system can be defined (Nelson, 1995) by:

The main characteristic that put apart EE from mainstream neoclassical economics concerns the methodology implicitly suggested. Mainstream economic thinking, borrowing the scientific methodology from Physics, develops from the concept of equilibrium, focusing on the conditions that provide such state and overlooking the actual events out of equilibrium. The most evident example of this approach concerns the "as · if" hypothesis (Friedman, 1953): this states that it is possible to neglect the actual mechanisms driving real world events, as long as we can analyse the constraints which select the equilibrium out of the all possible results. At the opposite, EE thinking starts from the definition of the basic units of analysis building constructively a model of the world, which may or may not be an equilibrium. And therefore, EE necessitates a way to represent explicitly economic events. In particular, concerning human economic behaviours, EE necessitates to represent heterogeneous, learning agents, such as the boundedly rational behaviour (Simon, 1982).

The necessity to represent the action of learning brought many EE scholars to develop an interest in the area artificial of adaptive systems. These are systems that, with different approaches, aim at reproducing some of the characteristics of actual learning: the Genetic Algorithms, Classifier Systems and Genetic Programming. These systems share the basic concept of being adaptive systems: they apply a trial-and-error strategy to develop knowledge about a give problem tuning the trade-off between the exploitation of the knowledge gained and the exploration of new knowledge.

The use of artificial adaptive systems has become very popular because they do not require any prior knowledge of the problem on which they are applied and don't need to make specific assumptions about the capacity of agents. Users just need to define:

- a research space (the set of whole possible solutions, which may also be extremely large)

- an objective function (a way to measure the relative goodness of attempted solutions)

Such limited requirements make these systems very attractive. In fact, it is possible to build models (which are, by definition, simplifications of real world realities) in which agents are endowed an adequately limited rational capacity. However, there are few aspects concerning the use of adaptive systems in Economics that need to be carefully considered.

First, it is frequent that economic models do not have an exogenous objective function, but this is collectively determined by the very elements subject to it. Think, for example, of competing firms in an oligopoly: their outcome depends on the behaviour of the competitors, and therefore the same strategy may be a success or a failure. Second, modellers may intend to represent learning at different levels. That is, we may want to implement a learning mechanism at level of individual agents (e.g. firm learning a R&D strategy), or at level of whole aggregates (markets learning to supply high quality products). A third aspect concerns the timing issue: learning systems develop their own knowledge while acting in an environment. This means that the modeller has to decide, often on the base of rather arbitrary assumptions, the relation between the frequency of learning and the frequency of acting. Note that these are not only technical problems for the implementation of the model, but theoretical decisions concerning the model design and their analytical use. Frequently, reasoning about the design of the model, which is disciplined by the need to express in computational terms, rather than in mathematical terms, provide very useful insights even before testing the earliest results.

BIBLIOGRAPHY

Andersen, E.S., 1994, Evolutionary economics: post-Schumpeterian Contributions, Francis Pinter, London.

Aversi,R., G.Dosi, G.Fagiolo, M.Meacci and C.Olivetti, 1999, "Demand Dynamics With Socially Evolving Preferences ", Industrial and Corporate Change, 8-2, p.353-408

Brenner, T. (ed.), 1999, Computational Techniques for Modelling Learning in Economics, Kluwer.

Cohen, CD, R Burkhart, G Dosi, M Egidi, L Marengo, M Warglien and S Winter, 1996, "Routines and other recurring action patterns of organizations: contemporary research issues", Industrial and Corporate Change, Vol. 5:3

Dosi, G., Marengo, L., Fagiolo, G., 1996, "Learning in Evolutionary Environments", CEEL Working Papers, WP 1996-05, Trento, http://www-ceel.gelso.unitn.it/LabEcSper/PUBLICATIONS/paperCeel.html

Dosi,G., Marengo,L., Bassanini,A. and Valente,M. ,1999, "Norms as Emergent Properties of Adaptive Learning: the Case of Economic Routines", Journal of Evolutionary Economics, 9-1, p.5-26.

Goldberg, D.E., 1989, Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley.

Hodgson, G.N., 1993, Economics and Evolution, Cambridge, Polity Press.

Holland, J.H., 1975, Adaptation in Natural and Artificial Systems, Ann Arbor, University of Michigan Press.

Holland, J.H., K.J.Holyoak, R.E.Nisbett and P.R. Thagard,(1986), Induction: Processes of Inference, Learning, and Discovery, MIT Press,Cambridge,Massachusetts.

Koza, J.R., 1992, Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, Cambridge, MA, USA.

Marengo L., "Alternative methodologies for modelling evolutionary dynamics: Introduction". Journal of Evolutionary Economics, 1997, Vol. 4, pp. 331-338.

Marengo L., Tordjman H., "Speculation, Heterogeneity and Learning: A Model of Exchange Rate Dynamics". Kyklos : internationale Zeitschrift für Sozialwissenschaften, 1996, Vol. 49, pp. 407-438.

Marengo L., Tamborini R., Beltrametti L., Fiorentini R., 1997, "A Learning-to-Forecast Experiment on the Foreign Exchange Market with a Classifier System", Journal of Economic dynamics & control, Vol. 21, pp. 1543-1575.

Nelson,R., 1995, "Recent Evolutionary Theorizing about Economic Change ", Journal of Economic Literature ,vol 33,p.48-90.

Nelson,R. and Winter,S., 1982, An Evolutionary Theory of Economic Change, Cambridge, Harvard University Press.

Simon, H.A., 1982, Models of Bounded Rationality, Cambridge, MIT Press.

Valente, M., 2000, Evolutionary Economics and Computer Simulations - A Model for the Evolution of Markets, PhD Thesis, Aalborg, Denmark, http://www.business.auc.dk/~mv/ThesisHome/ThesisHeader.html

Vriend, N.J., 2000, "An Illustration of the Essential Difference between Individual and Social Learning, and its Consequences for Computational Analyses", Journal of Economic Dynamics and Control, 24, 1-19

[Web Search Departing Sites]

http://www.econ.iastate.edu/tesfatsi/
Besides her own work , the Tesfatsion's web pages contain a lot of material concerning agent based models.

http://cournot.u-strasbg.fr/yildi/
The Murat Yildizoglou pages contain very extensive material on evolutionary models, including many relevant pointers for further researches.

http://www.santafe.edu/
The Santa Fe Institute is a major reference point for anyone concerned with the use of computers in social sciences.

http://pscs.physics.lsa.umich.edu/PEOPLE/rlr-home.html
Rick Riolo is one of the most famous people involved in the implementation of Classifier System.

http://gal4.ge.uiuc.edu/
ILLiGAL (Illinois Genetic Algorithms Laboratory ) groups many references on the use of Genetic Algorithms and other learning systems.

http://liinwww.ira.uka.de/bibliography/Ai/genetic.programming.ht ml
Bibliography on Genetic Programmin compiled by Koza and Langdon.

http://cyclone.cs.clemson.edu/GA/clife/Welcome.html
The "Hitch-hikers' guide to evolutionary computation"

http://www.faqs.org/faqs/ai-faq/genetic/part2/index.html
Generally useful FAQ's: what's GA, CS, GP?

http://www.soc.surrey.ac.uk/~scs1ec/emssbib.html
A hierarchically ordered, extensive bibliography compiled by E.Chattoe on many subjects concerning evolutionary simulations.

Berder2000  Berder2000
Accueil    Programme


Routines et Connaissances

Patrick Cohendet

BETA-Université Louis Pasteur

cohendet"at"cournot.u-strasbg.fr

 

La présentation s'efforcera dans un premier temps de montrer le rôle et l'importance théorique de la notion de routines comme réponse organisationnelle efficace des organisations face à des contextes sélectifs divers. On examinera ensuite les caractéristiques principales de la notion de routines, avant de discuter dans une troisième partie de manière plus précise de l'articulation théorique de la notion de routines avec les développements actuels sur l'économie de la connaissance et particulièrement sur le lien entre la notion de routine et les notions de communautés (épistémique, de pratique, et autres types de communautés). Dans cette perspective, les principaux points traités sont les suivants:

 

 

BIBLIOGRAPHIE

 

M.D.Cohen et alii, "Routines and other recurring action patterns of organizations", ICC, 1996

B.Reynaud "Types of rules, Interpretation and economic dynamics", ICC, 1996

G.Dosi, L.Marengo, L.Bassanini, M.Valente "Norms as emergent properties of adaptative learning, the case of economic routines", Journal of evolutionary economics, 1999

B.Coriat, G.Dosi "Learning how to govern and learning how to solve problems", IIASA working paper, 1994

B.Ancori, A.Bureth, P.Cohendet " the economics of knowledge: recent debates on tacitness and codification", ICC, 2000

 

Berder2000  Berder2000
Accueil    Programme


Organisation des marchés en rationalité limitée*

Gérard Weisbuch

Laboratoire de Physique Statistique-ENS

weisbuch"at"lps.ens.fr

 

Nous présenterons les résultats généralisables obtenus sur le problème de l'acheteur et du choix des produits en appliquant un formalisme inspiré de la mécanique statistique et en particulier du "champ moyen''. Nous considérons le problème d'un acheteur qui doit choisir un produit (ou un vendeur) parmi d'autres. L'approche que nous allons décrire est d'ailleurs applicable au problème plus général d'un acteur devant choisir une technologie, une règle de comportement, une option politique etc. Nous nous limiterons à deux exemples extrêmes dans la gamme des informations disponibles pour l'acheteur :

Nous supposerons que les agents ont une stratégie probabiliste. Leur problème est alors de passer de l'ensemble I(t) des informations dont ils disposent au temps t à une probabilité d'achat P(t) dans le simplex Sm, où m est le nombre des choix offerts :

P(t) --> Sm .
Suivant l'approche décrite plus haut, nous décomposons l'application P(t) en deux, une application de l'espace des informations I(t) vers un espace de préferences U(t) et une seconde application de U(t) vers le simplex Sm. La première application est le codage de l'information, basé sur une dynamique d'apprentissage, et la seconde le processus de choix probabiliste.

* le texte complet est disponible en http://www.lps.ens.fr/~weisbuch/chap4b/chapac.html

 

BIBLIOGRAPHIE

Anderson S. P., A. de Palma and J.F. Thisse (1993), Discrete Choice Theory of Product Differentiation, Cambridge (MA): MIT Press.

Arthur, B. W. (1994) "Increasing Returns and Path Dependence in the Economy'', (University of Michigan Press).

Durlauf S. (1990), "Locally Interacting Systems, Coordination Failure and the Behaviour of Aggregate Activity", mimeo, Stanford University, Stanford, CA.

Föllmer H. (1974) "Random Economies with Many Interacting Agents", Journal of Mathematical Economics, 1/1, 51-62.

Kilani, K. and J. Lesourne (1995), "Endogeneous Preferences, Self-Organizing Systems and Consumer Theory", Mimeo 95-6, Laboratoire d'Econométrie, Conservatoire National des Arts et Métiers, Paris.

Kirman, A.P. and A. Vignes (1991), "Price Dispersion. Theoretical Considerations and Empirical Evidence from the Marseilles Fish Market", in K.G. Arrow (ed), Issues in Contemporary Economics, London (UK): Macmillan.

Lesourne, J. (1992), The Economics of Order and Disorder, Oxford: Clarendon Press.

Orléan A. (1995), "Bayesian Interactions and Collective Dynamics of Opinions: Herd Behavior and Mimetic Contagion", Journal of Economic Behavior and Organization, 28, 257-274.

Vriend N. (1994), "Self-Organized Markets in a Decentralized Economy", Working Paper 94-03-013, Santa Fe Institute, Santa Fe, NM.

Weisbuch G. (1990), Complex Systems Dynamics, Redwood City (CA): Addison Wesley.

Weisbuch G., Kirman A. and Herreiner D. (2000), "Market Organisation and Trading Relationships'', Economic Journal.

Berder2000  Berder2000
Accueil    Programme


Théorie des jeux évolutionnistes

Jean-François Laslier

Laboratoire d'Econométrie - Ecole Polytechnique

laslier"at"poly.polytechnique.fr

 

Un "jeu évolutionniste'' est un objet complexe, constitué d'un jeu non coopératif au sens formel du terme, sous forme normale ou extensive, et d'un processus dynamique. Le jeu formel sous-jacent, ou jeu de base, définit seulement les utilités associées aux configurations d'action (principe de satisfaction). Le processus dynamique spécifie les hypothèses de confrontation, information, évaluation et décision dans la répétition du jeu de base. C'est donc par la spécification de la dynamique que le modélisateur peut introduire les processus de maximisation, apprentissage, sélection, imitation, renforcement,... qu'il juge pertinents. Les apports de la Théorie des Jeux Evolutionnistes sont de deux ordres. D'une part, la recherche a tenté de trouver des descriptions du comportement temporel du système qui ne dépendent pas trop du détail du processus dynamique considéré. De tels résultats ont été obtenus pour les dynamiques évolutionnistes "de base'', c'est à dire celles comportant seulement un mécanisme de sélection ou renforcement (type réplicateur) éventuellement couplé avec un mécanisme de mutation ou exploration de faible intensité. Il s'agit donc de résultats "généraux''. D'autre part la Théorie des Jeux Evolutionnistes a permis de donner un éclairage nouveau à certains problèmes particuliers.

Objet du cours: Le cours expose quelques définitions et résultats de la Théorie des Jeux Evolutionniste. On rappelle d'abord le vocabulaire de base de la Théorie des Jeux: stratégies, paiements, équilibres. Ensuite on présente les modèles standards de la dynamique des populations. Troisièmement on discute les re-interprétations de ces modèles biologiques populationnels en des modèles d'apprentissage individuel, et on explique les autres approches de l'apprentissage individuel dans les jeux. Quatrièmement on discute les ré-interprétations des mêmes modèles en des modèles de l'apprentissage des normes dans les sociétes humaines, et on explique les autres approches de l'apprentissage collectif. A travers ces considérations, on souhaite donner aux auditeurs les éléments nécessaires pour qu'ils puissent juger des forces et des faiblesses de la métaphore évolutionniste en Sciences Sociales.


BIBLIOGRAPHIE

Un classique très recommendable:

Maynard Smith, J. (1982) Evolution and the Theory of Games, Cambridge University Press.

Un autre classique, particulièrement clair du point de vue mathématique:

Weibull, J. (1995) Evolutionary Game Theory, MIT Press.

La lecture des deux livres suivants nécessitent une cannaissance préalable de la théorie des jeux:

Samuelson, L. (1997) Evolutionary Games and Equilibrium Selection, MIT Press.

Fudenberg, D. and D. Levine (1998) The Theory of Learning in Games, MIT Press.

Les deux monographies suivantes sont plus orientées en direction des applications:

Vega-Redondo, F. (1996) Evolution, Games and Economic Behavior , Oxford University Press.

Young, H. P. (1998) Individual Strategy and Social Stucture, An Evolutionary Theory of Institutions, Princeton University Press.

Enfin un livre très accessible, sans technique, presque de la vulgarisation. L'auteur pousse à fond l'usage de la métaphore évolutionniste pour la discussion politique et éthique.

Skyrms, B. (1996) Evolution of the Social Contract, Cambridge University Press.

 

Berder2000  Berder2000
Accueil    Programme


Apprentissage, réseaux de neurones

et phénomènes collectifs

 

Jean-Pierre Nadal

Laboratoire de Physique Statistique - ENS

Jean-Pierre.Nadal"at"lps.ens.fr

 

Ce cours portera sur la dynamique et les mécanismes d'apprentissage et d'(auto)organisation dans les systèmes composés d'un grand nombre d'unités, fortement int erconnectées : principalement réseaux de neurones mais aussi populations d'agents, systèmes "connexionistes".

Je présenterai les principaux types de réseaux de neurones, tant du point de vue de la modélisation en neurosciences que comme outil informatique pour l'analyse de données ou le traitement du signal. J'introduirai les notions d'apprentissage et d'adaptation dans ces réseaux (apprentissage supervisé, apprentissage non supervisé, auto-organisation,...). Je présenterai les principaux algorithmes d'apprentissages et indiquerai en quoi l'étude théorique de ces systèmes relève des probabilités et statistiques (en particulier statistiques bayésiennes), de la théorie de l'information, de la physique statistique. Je discuterai sommairement la dynamique des systèmes fortement interconnectés (en particulier le cas des "réseaux à attracteurs").

J'insisterai sur la notion de "phénomènes collectifs" : dans le cas d'un très grand nombre d'unités, le système (réseau de neurones, population d'agents) va avoir un comportement bien décrit par un petit nombre de quantités "macroscopiques", dans une très large mesure indépendantes des détails au niveau "microscopique" (c-à-d des particularités des unités qui composent le système). En variant un paramètre (par exemple le niveau de bruit, le nombre de formes mémorisées,...), on passera d'un type de comportement à un autre type par une transition abrupte lorsque le paramètre passe par une valeur seuil, dite valeur "critique".

J'illustrerai ce propos par l'étude de la capacité de mémorisation dans un réseau de neurones, et par un exemple d'auto-organisation dans une population d'agents.

BIBLIOGRAPHIE

mémoires associatives et phénomènes collectifs :
Amit D. J., Modeling Brain Function Cambridge University Press, 1989.

réseaux de neurones et neurosciences computationnelles :
Arbib M. A. Editor, The Handbook of Brain Theory and Neural Networks Bradford Books/The MIT Press, 1995.

théorie de l'information :
Cover, T. M. and Thomas, J. A., Information Theory Wiley, 1991.

inférence statistique, apprentissage et physique statistique :
Grassberger P. and Nadal J.-P. Editors, From Statistical Physics To Statistical Inference and Back NATO ASI Series C, Vol. 428. Kluwer Acad. Pub., Dordrecht, 1994.

une introduction avancée aux réseaux de neurones :
Hertz J., Krogh A., and Palmer R. G., Introduction to the Theory of Neural Computation Addison-Wesley, Cambridge MA, 1991.

physique statistique des sytèmes complexes : pour ceux qui veulent aller (beaucoup) plus loin... :
Mézard M., Parisi G., and Virasoro M., Spin Glass Theory and Beyond World Scientific Pub., Singapore, 1987.

un exemple de (bonne) application des réseaux de neurones et autres techniques d'apprentissage :
Weigend A. S. and Gershenfeld N. A., Time series prediction, Addison-Wesley 1994

Livres en Français :

Hérault et Ch. Jutten, Réseaux neuronaux et traitement du signal Hermes, 1994

J.-P. Nadal, Réseaux de neurones : de la physique à la psychologie, Armand Colin/Dunod, 1993

Thiria S., Lechevallier Y., Gascuel O. et Canu S., Statistique et méthodes neuronales, Dunod, 1997.

G. Weisbuch, Dynamique des systèmes complexes : une introduction aux réseaux d'automates InterEditions/Editions du CNRS, 1989

Berder2000  Berder2000
Accueil    Programme


Models of Learning: GA, CS and GP

Marco Valente


University of Trento
mv"at"business.auc.dk

 

This talk describes in some detail the main systems used to represent adaptive learning: Genetic Algorithms (GA), Classifier Systems (CS) and Genetic Programming (GP). The goal of the talk is to provide the elements to decide which system may be more appropriate for a purported use. It will also be discussed the kind of problems that generally emerge during the implementation of these systems, that is, the use of simulation models for economic research.

The systems of learning with genetic flavour have been proposed in the early 70's in the area of artificial intelligence. The "traditional" AI tried to use the computers to reproduce intelligent behaviours by means of feeding the machine with as much "basic knowledge" as possible, and then using the speed of data retrieving and logical elaboration to select the correct piece to be used at any given moment. These produced, for example, the "expert systems" (find the correct suggestion an expert would give in that situation), or logical machines (develop the whole set of logical implications from given assumptions). J.Holland instead used a different approach (Holland, 1975). His idea was to provide the computer with a "basic language" and a fitness function, resembling the "language" of genetic coding (all possible combinations of the basic genes) and the biological response (fitness of individual in a given environment). The computer started with a random sample of strings (i.e. random "words" of the language), assigning each the fitness response. Then the program continuously creates new strings in a similar way that new genetic material is produced by existing one, exploring better and better areas of the whole potential space of research.

The power of this genetic system resides in the fact that the number of "words" represented by the basic language may be virtually unlimited. The exploration does not necessitate considering at once the whole space of research, but only a very small portion of it. Using the bits of information obtained from the fitness responses it is therefore possible to obtain increasingly better elements. This system, the GA, was basically designed after the biological evolution of species. Initial random individuals survive from one generation to the next in proportion to their relative fitness. New individuals are created by mixing chunks of existing individuals' genetic material, and mutating with low probability. However, this system did not seem adequate for the representation of knowledge evolution followed by humans. In Holland et al., 1986, is formally faced this problem. One of the proposals is the Classifier System (see also Goldberg, 1989). The CS uses the GA way to explore, select and retain new knowledge (i.e. random initial endowment, selection, and genetical recombination and mutation). However, the basic element of knowledge is not a generalized "word" of a language, but it is a "classifier" condition-action. The condition- part operates a classification of the states on which the action part can be successfully operated. In this way, it is considered explicitly the human activity of developing a classification of relevant states of the world, on each of which different actions need to be operated. CS improve GA in that allow the learning system to develop differentiated responses for different states of the world (a fundamental condition for representing human behaviour). Moreover, CS introduces the differentiation between the timing of action of the simulated agent and the timing of elaboration of information. From the theoretical viewpoint, the CS allows to develop quite sophisticated structures, like the default hierarchies, that are thought to be at the base of the intelligent behaviour when coping with real world complex situations. On the other hand, CS require quite high technical skills for their implementation. Moreover, they often fail to succeed in developing "intelligent" behaviour, since the calibration is very complex.

In the early 90's a new system was proposed: Genetic Programming (Koza, 1992). The goal of this new system is to make computers develop their own programs, aimed at solving a given problem. The Genetic Programming, GP, is very similar to the GA, but instead of using a basic language of "static" elements (i.e. 0's and 1's forming strings), it uses elementary functional elements, like arithmetical operators, conditional statements, etc. Of course, the GP are, in theory, far more general than any other system, since their "research space" includes any conceivable computable structure, including the classification represented in CS.

Although many researchers from different areas contributed to the development of the above mentioned systems, the common environment for their development is highly technical. This, for example, is responsible for the potential conflict between who uses learning systems for pure optimization purposes (the "engineer approach") and the ones that prefer a more social attitude, requiring learning systems to have the same balance between intelligent and · non-intelligent (satisficing?) behaviour that humans show.

The software tools made available are themselves mainly thought for technical applications, and need a quite high degree of programming skills to be applied to a specific context. Moreover, besides the simplicity of their basic design, the actual implementation often requires many specifications that require, again, a deep understanding of, both, the problem to which they are applied and the internal mechanism of the artificial learning system.

Besides the development of a learning system, a more general concern is the use of simulation models in social sciences. That is, the development of an artificial economy, intrinsically dynamical, in which artificial agents act and develop gives rise to many technical problems that are not yet fully solved by off-the-shelves products. Moreover, differently from "engineering" problems, simulation models in social sciences do not need to "solve the problem", but have the more vague goal of increasing our knowledge. This means that the simulation need to provide all the information concerning whole patterns followed and help in finding the explanation for the simulated events.

BIBLIOGRAPHY

Andersen, E.S., 1994, Evolutionary economics: post-Schumpeterian Contributions, Francis Pinter, London.

Aversi,R., G.Dosi, G.Fagiolo, M.Meacci and C.Olivetti, 1999, "Demand Dynamics With Socially Evolving Preferences ", Industrial and Corporate Change, 8-2, p.353-408

Brenner, T. (ed.), 1999, Computational Techniques for Modelling Learning in Economics, Kluwer.

Cohen, CD, R Burkhart, G Dosi, M Egidi, L Marengo, M Warglien and S Winter, 1996, "Routines and other recurring action patterns of organizations: contemporary research issues", Industrial and Corporate Change, Vol. 5:3

Dosi, G., Marengo, L., Fagiolo, G., 1996, "Learning in Evolutionary Environments", CEEL Working Papers, WP 1996-05, Trento, http://www-ceel.gelso.unitn.it/LabEcSper/PUBLICATIONS/paperCeel.html

Dosi,G., Marengo,L., Bassanini,A. and Valente,M. ,1999, "Norms as Emergent Properties of Adaptive Learning: the Case of Economic Routines", Journal of Evolutionary Economics, 9-1, p.5-26.

Goldberg, D.E., 1989, Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley.

Hodgson, G.N., 1993, Economics and Evolution, Cambridge, Polity Press.

Holland, J.H., 1975, Adaptation in Natural and Artificial Systems, Ann Arbor, University of Michigan Press.

Holland, J.H., K.J.Holyoak, R.E.Nisbett and P.R. Thagard,(1986), Induction: Processes of Inference, Learning, and Discovery, MIT Press,Cambridge,Massachusetts.

Koza, J.R., 1992, Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, Cambridge, MA, USA.

Marengo L., "Alternative methodologies for modelling evolutionary dynamics: Introduction". Journal of Evolutionary Economics, 1997, Vol. 4, pp. 331-338.

Marengo L., Tordjman H., "Speculation, Heterogeneity and Learning: A Model of Exchange Rate Dynamics". Kyklos : internationale Zeitschrift für Sozialwissenschaften, 1996, Vol. 49, pp. 407-438.

Marengo L., Tamborini R., Beltrametti L., Fiorentini R., 1997, "A Learning-to-Forecast Experiment on the Foreign Exchange Market with a Classifier System", Journal of Economic dynamics & control, Vol. 21, pp. 1543-1575.

Nelson,R., 1995, "Recent Evolutionary Theorizing about Economic Change ", Journal of Economic Literature ,vol 33,p.48-90.

Nelson,R. and Winter,S., 1982, An Evolutionary Theory of Economic Change, Cambridge, Harvard University Press.

Simon, H.A., 1982, Models of Bounded Rationality, Cambridge, MIT Press.

Valente, M., 2000, Evolutionary Economics and Computer Simulations - A Model for the Evolution of Markets, PhD Thesis, Aalborg, Denmark, http://www.business.auc.dk/~mv/ThesisHome/ThesisHeader.html

Vriend, N.J., 2000, "An Illustration of the Essential Difference between Individual and Social Learning, and its Consequences for Computational Analyses", Journal of Economic Dynamics and Control, 24, 1-19

 

 

 

Berder2000  Berder2000
Accueil    Programme


Apprentissage auto-organisateur :

application à l’analyse exploratoire de données

Marie Cottrell

Samos-Université Paris 1

Marie.Cottrell"at"univ-paris1.fr

 

L’algorithme de Kohonen est un des algorithmes d’apprentissage les plus célèbres. On l’appelle aussi algorithme d’auto-organisation, ou carte de Kohonen, ou plus brièvement SOM (Self-Organizing Map).

Il a été défini par Teuvo Kohonen, dans les années 80, à partir de motivations neuromimétiques (cf. Kohonen, 1984, 1995). On sait que des signaux d’entrée voisins excitent des régions voisines dans différents cortex comme le cortex visuel, auditif, sensoriel, par exemple. Cette ´ organisation ª des champs récepteurs se met en place progressivement au cours d’un apprentissage (plus ou moins long). C’est cette observation qu’a exploitée T.Kohonen pour définir son algorithme, qui a pour caractéristique essentielle de faire correspondre à des entrées voisines des unités (et des vecteurs-codes) identiques ou voisins. Ce résultat s’obtient après un processus d’apprentissage stochastique, non supervisé, puisque les correspondances entrées-sorties ne sont pas prédéterminées. Il existe aussi une version batch de cet algorithme, mais on perd alors l'aspect progressif et dépendant de l’expérience de l’algorithme original.

Dans le contexte d’analyse des données qui nous intéresse ici, l’ensemble des entrées (ou inputs) est un ensemble fini rangé dans une matrice de données, formée de N individus ou observations, décrits par un identificateur et p variables. L’algorithme regroupe alors les observations en classes, en respectant la topologie de l’espace des observations.

Cela veut dire qu’on définit a priori une notion de voisinage entre classes et que des observations voisines dans l’espace des variables (de dimension p) appartiennent (après classement) à la même classe ou à des classes voisines.

Les voisinages entre classes peuvent être choisis de manière variée, mais en général on suppose que les classes sont disposées sur une grille rectangulaire qui définit naturellement les voisins de chaque classe. On peut aussi considérer une topologie unidimensionnelle dite en ficelle, ou éventuellement un tore ou un cylindre.

Principe de l’algorithme de Kohonen

L’algorithme de classement est itératif. L’initialisation consiste à associer à chaque classe un vecteur code (ou représentant) de p dimensions choisi de manière aléatoire. Ensuite, à chaque étape, on choisit une observation au hasard, on la compare à tous les vecteurs codes, et on détermine la classe gagnante, c’est-à-dire celle dont le vecteur code est le plus proche au sens d’une distance donnée a priori. On rapproche alors de l’observation les codes de la classe gagnante et des classes voisines.

Cet algorithme est analogue à la version stochastique de l’algorithme des centres mobiles, mais dans ce dernier cas, il n’existe pas de notion de voisinage entre classes et on ne modifie à chaque étape que le code (ou représentant) de la classe gagnante.

Nous présenterons les principales propriétés de l’algorithme de Kohonen et des applications en analyse de données et prévision. Nous définirons plusieurs variantes de l’algorithme de base permettant de faire de l’analyse exploratoire de données tant quantitatives que qualitatives.

 

 

BIBLIOGRAPHIE

E. de Bodt, P.Grégoire, M.Cottrell : Simulation de l'évolution de la structure à terme des taux d'intérêt: une approche non paramétrique, Banque & Marchés, 36, p. 21-28, 1998.

E.de Bodt M.Verleysen, M.Cottrell : Kohonen Maps versus Vector Quantization for Data analysis Proc. of ESANN’97, Avril 1997, Brugge, M.Verleysen Ed., Editions D Facto, Bruxelles, p. 211-218, 1997.

M.Cottrell, P.Letremy, E.Roy : Analyzing a contingency table with Kohonen maps : a Factorial Correspondence Analysis, Proc. IWANN’93, J.Cabestany, J.Mary, A.Prieto Eds., Lecture Notes in Computer Science, Springer-Verlag, 305-311, 1993.

M.Cottrell, S.Ibbou : Multiple correspondence analysis of a crosstabulation matrix using the Kohonen algorithm, Proc. ESANN'95, M.Verleysen Ed., Editions D Facto, Bruxelles, 27-32, 1995.

M.Cottrell, B.Girard, Y.Girard, C.Muller, P.Rousset : Daily Electrical Power Curves : Classification and Forecasting Using a Kohonen Map, From Natural to Artificial Neural Computation, Proc. IWANN'95, J.Mira, F.Sandoval eds., Lecture Notes in Computer Science, Vol.930, Springer, 1107-1113, 1995.

M.Cottrell, E. de Bodt : A Kohonen Map Representation to Avoid Misleading Interpretations, Proc. ESANN’96, M.Verleysen Ed., Editions D Facto, Bruxelles, 103-110, 1996.

M.Cottrell, E. de Bodt, E.F.Henrion : Understanding the Leasing Decision with the Help of a Kohonen Map. An Empirical Study of the Belgian Market, Proc. ICNN'96 International Conference}, Vol.4, 2027-2032, 1996.

M.Cottrell, P.Rousset :, The Kohonen algorithm: A Powerful Tool for Analysing and Representing Multidimensional Quantitative and Qualitative Data, Proc. IWANN’97, 1997.

M.Cottrell, J.C.Fort, G.Pagès : Theoretical aspects of the SOM Algorithm, WSOM’97, Helsinki 1997, Neurocomputing 21, 119-138, 1998.

M.Cottrell, P.Rousset, B.Girard : Forecasting of curves using a Kohonen classification, Journal of Forecasting, 17, p. 429-439, 1998.

M.Cottrell, E.de Bodt, E.Henrion, C.VanWymeersch : Self-Organizing Maps for Data Analysis: An Application to the Belgian Leasing Market, J. of Computational Intelligence in Finance, Vol. 6, n°6, p.5-23, 1998.

E.de Bodt M.Cottrell et M.Verleysen : Using the Kohonen algorithm for quick initialization of Simple Competitive Learning), Proc. of ESANN’99, Avril 1999, Brugge, M.Verleysen Ed., Editions D Facto, Bruxelles, p. 19-26, 1999.

G.Deboeck, T.Kohonen : Visual Explorations in Finance with Self-Organization Maps, Springer, 1998.

P.Gaubert, M.Cottrell : Neural network and segmented labour market, European Journal of Economics and Social Systems, Vol. 13, N°1, p.19-40, 1999.

P.Gaubert, M.Cottrell : A dynamic analysis of segmented labor market, Fuzzy Economic Review, Vol. IV, N° 2, p.63-82, 1999

P.Gaubert, M.Cottrell : Classification of recurring unemployed workers and unemployment exits, ACSEG’98, Louvain-la-Neuve, European Journal of Economics and Social Systems, Jan 2000

S.Kaski: Data Exploration Using Self-Organizing Maps, Acta Polytechnica Scandinavia, 82, 1997.

T.Kohonen: Self-Organization and Associative Memory, (3rd edition 1989), Springer, Berlin, 1984.

T.Kohonen: Self-Organizing Maps, Springer, Berlin, 1995.

A.Lendasse, M.Verleysen, E.de Bodt, P.Grégoire, M.Cottrell : Forecasting Time-series by Kohonen Classification,), Proc. of ESANN’98, Avril 1998, Brugge, M.Verleysen Ed., Editions D Facto, Bruxelles, p. 221-226, 1998.

E.Oja and S.Kaski: Kohonen Maps, Elsevier, 1999.

Berder2000  Berder2000
Accueil    Programme


Approches expérimentales

de l’efficacité informationnelle des marchés

Bernard Ruffieux

E.N.S.G.I.-Grenoble

Bernard.Ruffieux"at"inpg.fr

 

Smith et al. (1988) created laboratory asset markets in which they observed that market prices consistently differed from the fundamental value of the asset, and labeled the price patterns as "bubbles" and "crashes". In subsequent work, laboratory asset market bubbles have been given the definition "trade at high volumes at prices that are considerably at variance from intrinsic values" (King et al. 1993). A market crash can be defined as a rapid drop in transaction prices. The markets studied by Smith et al. (1988) traded assets with a lifetime of a known finite number of periods, in which the asset paid a dividend in each period, and the dividend was typically the only source of intrinsic value. The dividend paid was identical for each trader and the dividend process was common information to all traders. When subjects participated in this type of market for the first time, the prices tended to climb to levels higher than the fundamental value, and then to crash toward the fundamental value near the end of the time horizon. A typical time series of prices shows that prices increase to a level greater than the fundamental value, and then a crash occurs. After the crash, prices closely track the fundamental value.

The sharp differences between the observed prices and the fundamental values have motivated several extensions of the original Smith et al. (1988) experiment. The extensions examine the robustness of the bubble and crash phenomenon. King et al. (1993) study the effect of allowing short selling, allowing margin buying, having an equal initial endowment of the asset for each agent, imposing a fee on transactions (‘Tobin tax’ style), imposing limits on price changes, and using businesspeople as subjects. They observe bubbles in all of their treatments. Fisher and Kelly (1998) construct two asset markets operating simultaneously and observe bubbles and crashes in both markets. Porter and Smith (1995) study the effect of futures markets and of removing the uncertainty in the dividend process. The futures market reduces the bubble, but does not dampen it. Van Boening et al. (1993) study asset market with call markets (two-sided sealed-bid auctions), and also observe price bubbles and crashes.

During the session, we shall produce an experimental bubble with the students, then we shall present general procedures and results from the literature, and recent works. We shall finish with a discussion on the implications for cognitive approaches.

 

BIBLIOGRAPHY

Ball, S., and C. Holt (1998), "Classroom Games: Speculation and Bubbles in an Asset Market," Journal of Economics Perspectives, 12(1), pages 207-218.

Camerer, C., and Weigelt (1991), "Information Mirages in Experimental Asset Markets", Journal of Business, 64(4), pp. 463-493.

Duxbury D. (1995) "Experimental Asset Markets Within Finance", Journal of Economic Surveys, 9(4), pages 331-371.

King R., V. Smith, A. Williams, and M. Van Boening (1993), "The Robustness of Bubbles and Crashes in Experimental Stock Markets," in Nonlinear Dynamics and Evolutionary Economics, I Prigogine, R. Day and P. Chen eds., Oxford University Press.

Noussair Ch., Robin S., Ruffieux B. (1998), Bubbles and Anti-Crashes in Laboratory Asset Markets with Constant Fundamental Values, Working Paper, Krannert Graduate School of Management, Purdue University.

Noussair Ch., Robin S., Ruffieux B. (2000), Price Bubbles in Laboratory Asset Markets with Constant Fundamental Values, Experimental Economics, 2nd submission.

Porter, D., and V. Smith (1995), "Futures Contracting and Dividend Uncertainty in Experimental Asset Markets," Journal of Business, 68(4), pages 509-541.

Smith V., G. Suchanek, and A. Williams (1988), "Bubbles, Crashes and Endogenous Expectations in Experimental Spot Asset Markets," Econometrica, 56, 1119-1151.

Smith, V, M. Van Boening, and C. Wellford (2000), Dividend Timing and Behavior in Laboratory Asset Markets, University of Mississippi working paper.

Sunder S. (1995), ‘Experimental Asset Markets: A Survey’, in The Handbook of Experimental Economics, J. Kagel and A. Roth, eds, Princeton University Press.

Van Boening, M., A. Williams, and S. LaMaster (1993), "Price Bubbles and Crashes in Experimental Call Markets", Economics Letters, Vol. 41, pages 179-185.

 

Berder2000  Berder2000
Accueil    Programme


Ordre endogène et diffusion des innovations

 

Jean-Michel Dalle

ENS-Cachan et IDHE

jmdalle"at"dir.ens-cachan.fr

 

 

L’étude de la diffusion des innovations technologiques constitue une question essentielle de l’économie de l’innovation, qui a donné lieu depuis les années 50 à de nombreux travaux empiriques et théoriques importants (Griliches, 1957 ; Mansfield, 1961 ; pour un survey récent : Lissoni & Metcalfe, 1994). La nature même de la question a au demeurant conduit les économistes à se confronter très tôt dans ce domaine à la prise en compte de phénomènes dynamiques où l’existence d’interactions et l’hétérogénéité des acteurs jouent un rôle important, et donc à un nécessaire effort de modélisation sur des voies relativement originales.

Aucun modèle n’est pourtant véritablement parvenu jusqu’à récemment à intégrer de manière satisfaisante l’existence d’interactions/externalités ainsi que l’hétérogénéité des adopteurs potentiels tout en préservant un degré de généralité satisfaisant, alors même que les phénomènes mis en évidence empiriquement se caractérisent au contraire par la présence de très fortes régularités : celles-ci tiennent notamment à la bien connue forme logistique des courbes de diffusion, pour laquelle il n’a donc longtemps pas existé de véritable explication structurelle, sans parler d’une liaison robuste entre les caractéristiques des trajectoires de diffusion et celles des innovations et des marchés.

L’apparition récente de nouveaux outils de modélisation en économie de l’innovation a permis de ce point de vue des progrès très importants. Cette apparition est due à la conjonction de plusieurs évolutions qui tiennent notamment à la mise en évidence du rôle que jouentles interactions directes entres les acteurs, i.e. des interactions non médiées par des prix (Kirman, 1983, 1992, 1997) et en particulier, dans le cas plus spécifique de l’économie de l’innovation, les externalités positives locales et globales (David, 1988 ; Arthur, 1989) mais aussi à la nécessaire prise en compte de processus à proprement parler dynamiques et non plus simplement statiques (Nelson & Winter, 1982 ; David, 1985 ; Dosi, 1988), et généralement à la remise au goût du jour depuis Schelling (1971, 1978) de la traditionnelle question de l’agrégation des actions individuelles, qui n’est autre que la question de la compréhension des phénomènes collectifs, et qui se pose en effet désormais dans un contexte où l’on doit considérer l’évolution au cours du temps de populations d’agents hétérogènes entre lesquels existent des structures d’interactions.

Comme d’autres phénomènes économiques, la diffusion des innovations est donc marquée et influencée par différentes formes d’endogène, si l’on caractérise ainsi ´ à la Schelling ª l’apparition d’équilibres métastables communs à la totalité ou à un sous-ensemble des trajectoires possibles d’un système et dus à la coordination décentralisée des actions de nombreux acteurs (Dalle, 1997). Il s’agit typiquement de ce que nous avons appelé des ordres endogènes de type 1, liés à l’uniformisation des comportements des acteurs et donc ici à la standardisation (David, 1985 ; Arthur, 1989) mais dont l’analogue sur les marchés financiers serait la formation de bulles spéculatives (Orléan, 1990, 1992), mais aussi d’ordres endogènes de type 2, liés à l’apparition de territoires, qu’il s’agisse de niches ou d’enclaves technologiques (Dalle, 1995 ; David, Foray & Dalle, 1998), mais aussi d’ordres de type 3, précisément liés à la forme logistique des courbes de diffusion, à laquelle il devient ainsi facile de donner une explication générale, mais aussi aux variations de la vitesse de diffusion en fonction de la répartition statistique des comportements probables d’adoption, c’est-à-dire en fonction des caractéristiques des produits et des marchés (Dalle, 1998).

Tous ces résultats ne sont évidemment pas neutres en termes d’intérêt général. La question centrale tient de ce point de vue essentiellement aux conséquences éventuellement fâcheuses des phénomènes de standardisation et a l’apparition de standards inefficaces, phénomènes dont les conséquences font au demeurant aujourd’hui largement la une des journaux. Au delà de l’explication de tels phénomènes (David, 1985, 1987), il devient possible avec une compréhension plus fine des phénomènes collectifs sous-jacents de suggérer dans ce domaine différentes pistes à l’action publique, qui peuvent certes conclure à son inefficacité hors d’une fenêtre initiale dont la durée peut toutefois être évaluée, mais aussi suggérer différentes stratégies susceptibles par exemple d’allonger la durée de cette fenêtre et de favoriser ainsi l’apprentissage collectif qui ensemble permettront la sélection des meilleurs standards (Dalle & Foray, 1998, 1999).

BIBLIOGRAPHIE

Arthur W.B. (1989), Competing technologies, increasing returns and lock-in by historical events, Economic Journal 99: 116-131.

Dalle J.-M. (1995), Dynamiques d’adoption, coordination et diversité, Revue Economique, 46: 1081-1098.

Dalle J.-M. (1997), La question de l’ordre endogène en économie, Thèse de doctorat, Ecole Polytechnique, 300 p., non publiée.

Dalle J.-M. (1998), Local interaction structures, heterogeneity, and the diffusion of technological innovations, in Lesourne J. & Orléan A. (eds), Self-organization and evolutionary approaches: new developments, Economica: Paris, pp. 240-261.

Dalle J.-M., Foray D. (1998), The innovation vs. standardization dilemma : some insights from stochastic interaction models, in Schweitzer F. & Silverberg G. (eds), Evolution and Self-Organization in Economics, Duncker & Humblot : Berlin, pp. 147-182.

Dalle J.-M., Foray D. (1999), Quand les agents économiques sont-ils négligeables (ou décisifs)?, in Callon M. et al. (eds), Réseau et coordination, Economica : Paris, pp. 111-131.

David P.A. (1985), Clio and the economics of QWERTY, American Economic Review (Papers and Proceedings) 75: 332-337.

David P.A. (1987), Some new standards for the economics of standardization in the information age, in Dasgupta, Stoneman Eds., Technology policy and economic performance, Cambridge UP, Cambridge, Mass., pp. 206-239.

David P.A. (1988), Putting the past into the future of economics, Technical Report 533, Institute for Mathematical Studies in the Social Sciences: Stanford University.

David P.A., Foray D., Dalle J.-M. (1998), Marshallian externalities and the emergence and spatial stability of technological enclaves, Economics of Innovation and New Technology 6: 147-182.

Dosi G. (1988), Sources, procedures, and microeconomic effects of innovation, Journal of Economic Literature 26: 1120-1171.

Griliches Z. (1957), Hybrid corn: an exploration into the economics of technical change, Econometrica 25: 501-522.

Kirman A.P. (1983), Communication in markets, Economic Letters 12: 101-108.

Kirman A.P. (1992), Whom or what does the representative individual represent?, Journal of Economic Perspectives 6: 117-136.

Kirman A.P. (1997), Economies with interacting agents, in Arthur, Durlauf, Lane (eds), The Economy as an Evolving Complex System II ; Santa Fe Institute, Studies un the Sciences of Complexitity, Addison-Wesley : Reading, Mass.

Lissoni F., Metcalfe J.S. (1994), Diffusion of innovation ancient and modern: review of the main themes, in Dodgson M., Rothwell R. eds, The Handbook of Industrial Innovation, Edward Elgar, 1994, pp. 106-141.

Mansfield E. (1961), Technical change and the rate of imitation, Econometrica 29: 41-66.

Nelson R.R., Winter S.G. (1982), An evolutionary theory of economic change, Harvard University Press: Cambridge MA.

Schelling T.C. (1971), Dynamic models of segregation, Journal of Mathematical Sociology 1: 143-186.

Schelling T.C. (1978), Micromotives and macrobehavior, Norton: New York.

 

 

Berder2000  Berder2000
Accueil    Programme


Imitation and dynamics of opinion forming

Serge Galam

Laboratoire des Milieux Désordonnés et Hétérogènes-Université Paris 6

galam"at"ccr.jussieu.fr

Every day, millions of people get together to make up a decision about some issue of interest for the group or the collectivity they represent. The spectrum of group nature is almost infinite. It includes professionnal groups having to decide on some technical issue, as well as all kind of friendly groups. The nature of the decision itself is even more diversified. It can be a high rank political issue related to some military retaliation, like recently about bombing Yougoslavia. It can be also a public jury to decide about a murder guilt. But it can equally be casual with some school board to decide on the cafeteria setting.

A priori to decide about bombing a country or painting a dinning room seems and is of a totally different nature. Especially the decision cost and the associated human consequences. Nevertheless it may be that the respective groups undergoing the decision making do obey an identical process of group decision making. At least that is the hypothesis behind our approach. In this work, we are assuming here the existence of some universal mechanisms which produce group decision making.

Of course, we are dealing with the character of the decision rather than with the nature of the decision itself. We aim to determine for a given issue the psycho-sociological conditions under which a group either polarize or get to a compromise [1].

Modelizing a complex social situation using Statistical Physics have started long ago [2]. For instance to study strike process [3]. They are getting more numerous in recent years. Among others, we can cite voting in political organisations [4], group power dynamics [5], social impact [6], outbreak of cooperation [7], stock market [8], and more recently traffic flows [9] and sexual reproduction [10].

To keep the presentation simple, we used a model in which a group of N persons has to make up a decision with respect to two options "yes" and "no". The model is articulated around a Postulate of minimum conflict. Competing interactions are also present.

Formally we are using a random field Ising ferromagnetic model in an external magnetic field at zero temperature. However here the system is finite in size. Moreover "random fields" may have a non-zero configurational average. Results may also depend on the field configuration.

Our model does not aim at novelty in Statistical Physics. It is aimed instead at drawing the psycho-sociological implications of a human-like version of a physical model.

We will first consider the simplest situation with only pair interactions. A measure of the group conflict is determined. The concept of a symmetry breaking choice is introduced. Then we deal with quantizing the anticipation effect at work in the group process of making up a collective choice. Surrounding pressure as well as individual biases will be included. Given a class of individual conflicts we study mechanisms by which either a compromise or a polarization of the group is produced. Examples will discussed in details. Last, but not least we will comment on the possible extension to non-rational behavior, i. e., in physical terms, to non-zero temperatures.

BIBLIOGRAPHY

 

[1] S. Galam and S. Moscovici, Towards a theory of collective phenomena. I: Consensus and attitude change in groups, European Journal of Social Psychology, 21, 49-74 (1991)

[2] S. Galam and S. Moscovici, Collective Phenomena and the Applications of Physics to Other Fields of Science, in N. A. Chigier and E. A. Stern (eds.), Brain Research

Publications, New York (1974)

[3] S. Galam, Y. Gefen, and Y. Shapir, Sociophysics: a new approach of sociological collective behavior, J. Math. Sociology 9, 1 (1982)

[4] S. Galam, Majority rule, hierarchical structure and democratic totalitarianism, J. Math. Psychology , 30, 426 (1986);

[4] S. Galam, Social paradoxes of majority rule voting and renormalization group, J. Stat. Phys. 61, 943-951 (1990)

[5] S. Galam and S. Moscovici, Towards a theory of collective phenomena. II: Conformity and Power, Euro. J. Social Psychology 24, 481 (1994);

[5] S. Galam and S. Moscovici, Towards a theory of collective phenomena. III: Conflicts and Forms of Power, Euro. J. Social Psychology 25,217 (1995)

[6] M. Lewenstein, A. Nowak, and B. Latané, Statistical mechanics of social impact, Phys. Rev. A45, 1 (1992)

[6] G. A. Kohring, Ising models of social impact: the role of cumulative advantage, J. Phys. I. France 6, 301 (1996)

[7] N. S. Glance and B. A. Huberman, The outbreak of cooperation, J. Math. Sociology 17(4), 281 (1993)

[8] M. Levy, H. Levy and S.Solomon, Microscopic simulation of the stock market, J. Phys. I. France 5,1087 (1995)

[9] D. Helbing, A. Hennecke, and M. Treiber, Phase diagram of traffic states in the presence of inhomogeneities, Physical Review Letters 82, 4360 (1999)

[10] D.Stauffer, P.M.C.de Oliveira, S.Moss de Oliveira and R.M.Zorzenon dos Santos, Monte Carlo Simulations of Sexual Reproduction, Physica, A231, 504 (1996)

 

Berder2000  Berder2000
Accueil    Programme


Imitation, rationalité et convention

André Orléan

CEPREMAP

andre.orlean"at"cepremap.cnrs.fr

 

 

 

L’imitation intéresse l’économie cognitive parce qu’elle est, parmi les processus de diffusion de croyances au sein d’une population, une des formes les plus simples et les plus communément utilisées. Le présent exposé se propose d’illustrer cette thèse à l’aide de plusieurs exemples. Pour ce faire, on partira d’une typologie distinguant trois formes distinctes d’imitation, ce qu’on appellera le " mimétisme normatif ", le " mimétisme informationnel " et le " mimétisme autoréférentiel ". Par mimétisme normatif, nous entendons la conduite qui consiste à faire siens les comportements ou les croyances des autres dans le but de se faire admettre au sein d’un groupe ou par peur des sanctions que ferait courir une attitude déviante. Le mimétisme informationnel consiste à imiter les autres parce qu’on les suppose mieux informés que nous le sommes. Le mimétisme autoréférentiel s’intéresse à des situations sociales complexes dans lesquelles les individus cherchent à se rapprocher d’une opinion majoritaire qui n’est pas déterminée ex ante, l’exemple le plus classique nous étant donné par le fameux " concours de beauté " de Keynes.

On commencera par montrer l’intérêt de ces concepts au travers d’une série d’exemples économiques, le plus souvent tirés de la finance. Notre thèse est que les dynamiques financières ne peuvent être rendues intelligibles uniquement à partir d’une analyse des fondamentaux économiques mais nécessitent impérativement une prise en compte de la dimension cognitive des interactions. On retrouve ici la thèse fondamentale de l’économie cognitive.

Dans un second temps, on analysera les modélisations qui ont été proposées pour rendre compte de ces différentes formes d’imitation. La question qui est alors centrale est celle des liens entre imitation et rationalité : s’agit-il de comportements rationnels ? Sous quelles conditions ? Une grande variété de modèles sera mise en évidence et étudiée (entre autres Akerlof pour l’étude des sanctions, Bickchandani et alii pour l’analyse des cascades informationnelles et B. Arthur pour celle des externalités positives et des standards).

Pour conclure, nous nous intéresserons plus spécifiquement à la dimension auto-organisatrice de l’imitation : sous quelles conditions les dynamiques de contagion peuvent-elles déboucher sur l’émergence de nouvelles conventions ? Ici, c’est le mimétisme autoréférentiel qu’on étudiera. L’exemple financier et monétaire nous conduira à mettre en avant certaines contraintes portant sur la plus ou moins grande légitimité intrinsèque des opinions en concurrence.

 

 

BIBLIOGRAPHIE

Akerlof, G. A., " A theory of social custom, of which unemployment may be one consequence ", Quaterly Journal of Economics, vol. 94, juin 1990, 599-617.

Arthur, B., " Competing technologies, increasing returns, and lock-in by historical events ", Economic Journal, vol. 99, mai 1989, 116-31.

Arthur, B. et D.A. Lane, " Information contagion ", Structural Change and Economic Dynamics, vol. 4, 1993, 81-104.

Asch, S., " Effects of group pressure upon modification and distorsion of judgment " in H. Guetzkow (éd.), Groups, leadership, and men, Varnegie Press, 1951.

Banerjee, A., " A simple model of herd behavior ", Quarterly Journal of Economics, vol. 107, août 1992, 797-817.

Bickchandani, S., Hirshleifer, D. et I. Welch, " A theory of fads, fashion, custom, and cultural change as informational cascades ", Journal of Political Economy, vol. 100, n°5, 1992, 992-1026.

Boyer, R. et A. Orléan, " Persistance et changement des conventions ", in A. Orléan (éd.) Analyse déconomique des conventions, PUF, 1994.

Boyd, R. et P.J. Richerson, " Rationality, imitation, and tradition " in R. Day et P. Chen (éds.), Nonlinear dynamics and evolutionary economics, Oxford University Press, 1993.

Douglas, M., Ainsi pensent les institutions, Usher, 1989.

Kirman, A., " Ants, rationality, and recruitment ", Quarterly Journal of Economics, vol. 108, février 1993, 137-56.

Sugden, R. The evolution of rights, cooperation, and welfare, Basil Blackwell, 1986.

Young, P., " The evolution of conventions ", Econometrica, vol. 61, n°1, janvier 1993, 57-84.

Berder2000  Berder2000
Accueil    Programme


Modèls of opinion compétition

Bastien Choppard

Département d'Informatique-Université de Genève

Bastien.Chopard"at"cui.unige.ch

 

 

 

 

Cellular Automata models offer a natural framework to model various types of complex systems. They consists of a discrete space-time universe in which simplified actors can mimic some desired behaviors through the use of simple local rules of interaction.

 

A simple cellular automata model for a two-group war over the same "territory'' is presented. It is shown that a qualitative advantage is not enough for a minority to win. A spatial organization as well a definite degree of aggressiveness are instrumental to overcome a less fitted majority. The model applies to a large spectrum of competing groups: smoker-non smoker war, epidemic spreading, opinion formation, competition for industrial standards and species evolution. In the last case, it provides a new explanation for punctuated equilibria. This model also illutrates the importance of considering a finite size system rather than the thermodynamic limit of the model. Dealing with finite, but large systems gives rise to a much richer dynamics that may be a crucial ingredient in social systems.

 

 

 

 

BIBLIOGRAPHY

Chopard B. and Droz M., 1998. Cellular Automata Modeling of Physical Systems. Cambidge University Press, Cambridge.

Galam S., Chopard B., Masselot A. and Droz M., 1998. Species Dynamics: Qualitative Advantage versus Geography, The European Physical Journal B., pp. 529--531

Chopard B., Droz M. and Galam S., 2000. An evolution Theory in Finite Size Systems. Submitted to Phys. Rev. Lett.

 

 

Berder2000  Berder2000
Accueil    Programme


Apprentissages individuels et collectifs

dans un système multi-agents

reposant sur la programmation par objet

Denis Phan*, Antoine Beugnard**

en collaboration avec

Cyrille Piatecki***

*ENST-Bretagne, Dpt economie & ICI-UBO

**ENST-Bretagne, Dpt Informatique

*** Université d'Orléans

Denis.Phan"at"enst-bretagne.fr

Depuis le milieu des années quatre-vingt-dix, on voit se développer des outils conceptuels et opérationnels qui devraient permettre à la fois de penser autrement les marchés et d'en simuler les performances. Dans un ouvrage récent, Bernard Walliser [1999] regroupe sous le nom "d'économie cognitive" deux programmes de recherches majeurs qui contribuent à ces développements Il s'agit d'abord du "programme évolutionniste", qui met l'accent sur les processus d'adaptation des agents à leur environnement, en particulier au sein de réseaux ou de structures d'interaction spécifiques. Il s'agit ensuite du "programme cognitiviste" qui met l'accent sur les processus cognitifs qui déterminent les comportements des agents. Ces deux dimensions peuvent être "opérationnalisées" dans le cadre d'une approche par la simulation connue sous le nom de "modèle multi-agents". Dans cette note, qui se veut avant tout didactique, on représente un marché par un "système multi-agents" (désigné ci-dessous par "Xagents"), modélisé informatiquement selon une approche "objet" (mise en œuvre en Java). La présentation explicite des hypothèses informationnelles, institutionnelles et cognitives du modèle utilise un langage de présentation graphique standard dédié à la modélisation objet (UML - cf. par exemple Muller [2000]). D'un point de vue économique, le marché ainsi représenté est structuré par les propriétés informationnelles et cognitives qui en régulent le fonctionnement. L'accent est mis sur le rôle de la structure et des processus de communication qui supportent les flux informationnels et activent les fonctions cognitives au sein du système Xagents, dans le cas où il existe une forme simple d'interdépendance des préférences.

 

Pour bien comprendre la démarche conceptuelle, on fait abstraction dans cette présentation du rôle de "l'offre" et on se limite à la formation des choix qui structurent "la demande". La méthode suivie et les résultats obtenus peuvent ainsi être plus facilement comparés à des modèles stochastiques standard de compétition technologique ou de formation d'opinion (qu'il s'agisse des modèles à "effet de champ", comme par exemple : Weidlich & Haag [1983], Arthur [1994], Orléan [1995] [1996], ou des modèles fondés sur des champs markoviens Kindermann & Snell J. L. [1980], Dalle [1997] (cf. Aoki [1996] pour une synthèse sur tous ces modèles). L'objectif de cette note est en effet de souligner le lien entre deux démarches complémentaires. La première met plus l'accent sur l'analyse des régularités au niveau macroscopique des systèmes dynamiques composés d'éléments hétérogènes en interaction stochastiques. La seconde insiste plus sur la compréhension par simulation (Dupuy [1994]) des propriétés émergentes de systèmes dynamiques fondés sur l'interaction d'agents autonomes (Varela, Bourgine [1992], Bourgine [1993], Heudin [1998]).. Dans ce but, on introduit d'abord les outils de la modélisation Xagents (1) à partir d'un exemple (un modèle de dilemme du prisonnier spatial inspiré de Nowak, May [1993]). Puis on présente ensuite brièvement les propriétés asymptotiques d'un modèle stochastique très simple qui servira de référence (2). On compare les trajectoires obtenues pour différentes configurations fixes de ces structures de communication, en se limitant au cas "synchrone", où les décisions sont temporellement ordonnancées par un agent centralisateur (3). La dernière partie de l'exposée est consacrée aux enjeux du relâchement de cette dernière hypothèse, qui se traduit par "l'autonomie" des agents logiciels, et à la représentation explicite des processus de communication (4). L'autonomie des agents est en effet la caractéristique fondamentale qui se fonde la spécificité des systèmesXagent, en offrant de nouvelles potentialités de développement à la fois à la formalisation des apprentissages individuels et à celle des apprentissages collectifs. La représentation explicite des processus de communication permet, quand à elle, de formaliser de manière plus fine ces apprentissages, en tirant parti d'une caractéristique essentielle d'un flux de communication qui a été a ce jour peu exploitée : la décomposition du processus en trois étapes (encodage d'information porteuse de sens par l'émetteur, transmission de l'information, décodage d'information en vue de produire du sens (l'interprétation).

 

 

BIBLIOGRAPHIE

 

Les références économiques précédées d'une * sont plus directement liées à la démarche suivie dans cette note. Les références renvoyant à des connaissances complémentaires de nature informatique directement liées aux méthodes développées sont identifiées par **. Les autres références couvrent un champ beaucoup plus large que celui qui est traité dans la présente note, et ne servent qu'à situer la démarche suivie dans la littérature connexe.

* Aoki M. [1996] ; New Approaches to Macroeconomic Modeling : Evolutionary Stochastic Dynamics, Multiple Equilibria and Externalities as Field Effect ; Cambrdge University Press

Arthur W.B. [1989]; "Nash Discovering Automata for Finite-Action Games" mimeo Santa-fee Institute.

Arthur W.B. [1991] ; Designing Economic Agents that Act like Human Agents : A behavioral approach to Bounded Rationality AER 81-2 Papers and Prceedings May.

Arthur W. B. [1994] ; Increasing returns and Path dependance in the Economy ; University of Michigan Press

* Arthur W.B, Durlauf S.N., Lane D.A. (eds). [1997]; The Economy as an Evolving Complex System II ; Santa Fee Institute, Studies un the Sciences of Complexitity, Addison-Wesley Reading Mass.

Axelrod R. [1997] ; The Complexity of Cooperation ; Princeton Studies in Complexity , Princeton University Press NJ.

Banerjee, Weibull [1995] ; Evolutionary Selection and Rational Behavior ; in Kirman A., Salmon M. (eds.) Learning and Rationality in Economics ; Blackwell, Oxford.

Bourgine P. [1993], Models of autonomous agents and of their coevolutionary interactions Entretiens Jacques Cartier, Lyon.

Bourgine P., Douzal V. [1991]; Les algorithmes génétiques et leurs applications Cemagref Antony & Neuro Nimes 91

Cariou E, Beugnard A. [2000] ; "Specifcation of Communication Components in UML"

David P. [1993a] ; " Dépendance du chemin et prévisibilité des systèmes dynamiques avec externalité de réseaux localisées : un paradigme pour l'économie historique ". in Foray, Freeman (eds.), Technologie et Richesse des Nations, Economica, Paris; p. 241-274.

* Dalle J. M. [1997] ; La question de l’ordre en économie ; modèles stochastiques d’interaction et de diffusion des innovations technologiques ; Thèse d’Economie Ecole Polytechnique sous la Direction de R. Salais

Dalle J.M., Foray D. [1995] ; "Des fourmis et des hommes ; modèles stochastiques d'interaction et rationalité individuelle active" ; Cahiers d'Economie et de Sociologie Rurale V37 p. 70-92.

Dosi G., Marengo L., Fagiolo G. [1996] ; "Learning in Evolutionary Environments" WP.

Dupuy J.P. [1994] ; Aux origines des sciences cognitives ; La Découverte, Paris.

Dupuy J.P., Livet P. [1992] ; Rationalité située et savoir collectif ; Le courrier du CNRS N° 79 p. 112

Durlauf S.N. [1997] ; Statistical Mechanics Approaches to Socioeconomic Behavior in Arthur, Durlauf, Lane (eds). [1997].

* Epstein J.M. Axtell R. [1996] ; Growing Artificial Societies, Social Sciences from the Bottom Up, Brooking Institution Press, MIT Press Washington D.C.,Cambridge Mass.

Gandolfo G. [1996] ; Economics Dynamics ; Spinger Verlag 3° enlarged edition. Berlin

Gantmacher F.R. [1966] ; Théorie des Matrices ; Dunod Paris 1966.

** Harrouet F. [1999] Le langage Oris ENIB http://www.enib.fr/~harrouet/

** Heudin. [1998] ; L'évolution au bord du chaos ; Hermes, Paris

Hors, I. ; (1995) ; "Des modèles de transition de phase en économie ?" ; Revue Economique ; p. 817-826.

Holland J. [1975] ; Adaptation in Natural and Artificial Systems ; Univerity of Michigan Press, Ann Arbor, Mich.

Kindermann R., Snell J. L. ; (1980) ; "Markov Random Fields and their Applications" ; American Mathematical Society, Providence, Rhode Island

Kirman [1998] ; "Information et prix" ch 6 in P.Petit (ed.) Economie de l'Information, La Découverte, Paris.

Kirman, Oddou, Weber [1986] ; "Stochastic communication and coalition formation" Econometrica 54 p. 129-138.

Lane [1993] ; Artificial worlds and Economics part I & II Journal of Evolutionnary Economics, 3 p.89-107, p.177-197.

Langton C.G., (ed.) (1995.) ; Artificial life : an overview ; Coll. Complex adaptive systems, MIT Press, Cambridge

*/** Luna F., Stefansson B. [2000] ; Economic Simulations in Swarm: Agent-Based Modelling and Object ; Advances in Computational Economics V14 Kluwer Academic Publishers.

** Muller P.A. [2000] ; Modélisation objet avec UML 2° édition Eyrolles, Paris

Nicolis G. Prigogine I. [1989] ; Exploring Complexity : An Introduction ; trad. française : A la rencontre du complexe ; PUF Paris

Nowak M.A., May R. [1993] ; "The spatial dilemmas of Evolution" ; International Journal of Bifurcation and Chaos, 3-1 p.35-78.

** Ogor R. Rannou R. [1999] Introduction à la modélisation objet et au langage Java Département Informatique ENST-Bretagne.

Orléan A. [1995] ; " Influence informationnelle et efficacité " WP CREA

* Orléan A. [1996] ; The role of imitation in collective learning WP CREA September 25.

** Oaks S., Wong H. [2000] ; Java Threads ; 2° edition O'Reilly Cambridge-Paris

Plouraboué F., Steyer A, Zimmermann, J.B. [1998] "Learning Induced Criticality in Consumer's Adotion Pattern : a neural network approach" ; Economics of Innovations and New technologies, V6 p. 73-90.

Sargent T.J. [1993] ; Bounded rationality in macroeconomics ; Clarendon Press Oxford.

Schelling T.S. [ 1978] ; Micromotives and Macrobehavior W.W. Norton and Co, N.Y., Trad Française : La tyrannie des petites décisions ; Puf, Paris 1980

** Varela, F.J., Bourgine P. [1992] ; Towards a Practice of Autonomous Systems Bradford Book MIT Press Cambridge.

Walliser [1999] ; "a spectrum of equilibration processes in game theory" WP CREA

Walliser [2000] ; L'économie Cognitive ; Odile Jacob, Paris.

Weidlich & Haag [1983] ; Concepts and Models of a Quantitative Sociology, the dynamics of interacting populations ; Springer Verlag Berlin

Weisbusch [1989] ; Dynamique des Systèmes Complexes ; une introduction aux réseaux d'automates ; InterEditions / CNRS

Applets : http://www-eco.enst-bretagne.fr/~phan/complexe/evolution/jevol18.htm

 


Berder2000  Berder2000
Accueil    Programme