Agenti artificiali e mercati finanziari: vincoli, casualità e imitazione

L'utilizzo dei modelli di simulazione ad agenti in economia e finanza è portatore di nuovi punti di vista alla disciplina, che spesso si vede contrapposta all'ortodossia e i suoi assiomi. La modellizzazione permette di ricreare mondi artificiali semplificando, a volte eccessivamente, il comportamento dei singoli agenti o i meccanismi con cui questi interagiscono. Negli ultimi due decenni la disciplina è stata oggetto di forti critiche e altrettanto forti apprezzamenti, per la sua apparente contrapposizione alla teorizzazione attraverso formule matematiche. Le motivazioni dell'utilizzo dei modelli di simulazione ad agenti verranno analizzate nel capitolo 1, con i dovuti riferimenti all'economia e alla finanza ortodosse. In particolare si espongono le nozioni riguardanti l'equilibrio statico e quello dinamico e si in- troduce il fondamentale concetto di razionalità limitata, in opposizione alla perfetta razionalità dell'homo oeconomicus. Si illustrano quindi le peculia- rita` dei modelli agent-based, e se ne distinguono i vari utilizzi in ambito economico. Nel capitolo 2 si analizza uno dei primi saggi sugli agenti zero intelligence, in cui assume particolare rilevanza il meccanismo di mercato, l'asta doppia continua, e la presenza di vincoli di bilancio per il raggiungimento di un equilibrio. La minima razionalita` degli agenti artificiali, nel saggio di Gode e Sunder, viene confrontata con la razionalità degli agenti umani, con risultati allo stesso tempo sorprendenti e ambigui. L'ambiguità e le semplificazioni sono dunque fonti delle critiche al modello analizzato nel primo capitolo e agli ABM in generale. L'eterogeneità complica i modelli ABM ma permette una migliore rappresentazione della realtà: è il caso del modello di LeBaron presentato nel capitolo 3, in cui gli agenti sono in grado di migliorare la propria strategia basandosi sul passato. In questo modello viene introdotto il concetto di memoria degli agenti, sottoforma di probabilità condizionate, e il concetto di informazione limitata e non uniforme nel mercato, con la presenza di insider trading. Le ipotesi del modello consentono inoltre l'analisi delle deviazioni del prezzo di mercato dal prezzo di equilibrio, dato dalle aspettative razionali. I modelli di simulazione ad agenti consentono di rappresentare in modo realistico il comportamento degli agenti, tenendo conto dell'evoluzione delle scienze cognitive e degli apporti della finanza comportamentale. La scelta di regole fisse per gli agenti deve tenere conto della razionalit`a limitata del modellizzatore, mentre l'utilizzo di regole e strategie che evolvono, ad esempio attraverso l'utilizzo di reti neurali artificiali per l'apprendimento, permette di superare questo limite. Il capitolo 4 esamina dapprima gli apporti della psicologia alla finanza comportamentale, e introduce i modelli ad agenti intelligenti. Si illustra infine, nell'ultima parte del capitolo, l'impatto dell'imitazione sui mercati finanziari, distinguendo tra imitazione spuria e imitazione intenzionale: l'imitazione può essere considerata come una forma primordiale di apprendimento. L'ultimo capitolo esamina una proposta di modello ad agenti per l'analisi dell'impatto dei vincoli e dell'imitazione in un mercato finanziario dominato dal caso. Si spiegano dettagliatamente le assunzioni del modello, con le relative implicazioni, e si illustrano le regole che seguono gli agenti e gli algoritmi utilizzati per la gestione degli ordini.