Table des matières - Gilles Daniel

Table des matières - Gilles Daniel Table des matières - Gilles Daniel

gillesdaniel.com
from gillesdaniel.com More from this publisher
01.01.2015 Views

278 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société. varier le comportement de chaque agent du moins informé au plus informé, de manière systématique. Il est également possible, très simplement, de changer le cœur même du modèle, en modifiant par exemple le mécanisme de fixation du prix. Au lieu de prendre comme prix du marché l'estimation médiane des participants, permettant ainsi d'équilibrer offre et demande, on pourrait voir ce que donne le modèle lorsqu'on s'écarte de cet équilibre, et utilise l'estimation moyenne des participants comme prix du marché. Cette simple modification, dénuée ici de sens économique, a un impact immédiat sur les profils de profits, comme le montre la Figure 12.8. Figure 12.8. Le prix est à présent défini comme l'estimation moyenne des participants, et non plus l'estimation médiane. Avec cette nouvelle définition du prix, il apparaît que les traders ont tout intérêt à utiliser les pièces connues, quel que soit leur niveau d'information. En effet, le profil des profits moyens devient une fonction strictement croissante du niveau d'information lorsque seul I 0 est aléatoire, et par exemple I 3 ne peut que réduire son profit en passant à une stratégie non informée ou aléatoire.

Modélisation, implémentation et exploration d'un Système Multi-Agents. 279 12.6. Conclusion Ce chapitre peut être vu comme une brève introduction à la conception et à la simulation de systèmes multi-agents. En particulier, nous avons présenté, à travers un simple exemple d'application, les différentes étapes que sera amené à suivre le modélisateur : une fois le cadre théorique établi et les questions de recherche posées, un modèle conceptuel doit être proposé comme outil tentant de répondre à ces questions. Il s'agit alors d'élaborer, à partir de ce modèle conceptuel, un modèle informatique qui, une fois implémenté, pourra être simulé (pour répondre aux questions initiales, avec robustesse) et exploré (pour éventuellement poser de nouvelles questions). Avant même toute simulation, le passage du cadre théorique au modèle conceptuel, puis au modèle informatique et à son implémentation, forcent le modélisateur à expliciter de nombreux détails et à se poser de nouvelles questions. Loin de constituer un problème, le fait d'avoir ainsi à coucher noir sur blanc l'ensemble des hypothèses du modèle nous apparaît comme un travail des plus salutaires. Enfin, le modélisateur n'est pas seul, et se trouve accompagné dans sa démarche par toute une panoplie de plateformes logicielles dédiées aux simulations multiagents, et mettant à sa disposition des outils puissants de conception et de modélisation, quel que soit son niveau initial de programmation. L'avenir des simulations en Sciences Sociales se situe sans doute à la croisée des chemins entre d'une part des plateformes de plus en plus accessibles, complètes et inter-opérables, et d'autre part un minimum de formation des futurs modélisateurs aux concepts de base de la programmation. 12.7. Bibliographie [FRI 53] FRIEDMAN M., “The Case for Flexible Exchange Rates”, in Essays in Positive Economics, Chicago, University of Chicago Press, p.157-203, 1953. [GIL 02] GILBERT N., BANKES S., “Platforms and Methods for Agent-based Modeling”, Proceedings of the National Academy of Sciences, USA, vol. 99, n°3, p.7199-7200, 2002. [GRO 76] GROSSMAN S.J., “On the Efficiency of Competitive Stock Markets Where Trades Have Diverse Information”, Journal of Finance, vol.31, n°2, p.573-585, 1976. [HUB 04] HUBER J., “A contribution to solving an old puzzle: why different trading strategies persist in competitive markets“, Journal of Academy of Business and Economics, vol.3, p.171-180, 2004. [HUB 06] HUBER J., KIRCHLER M., SUTTER M., “Vom Nutzen zusätzlicher Information auf Märkten mit unterschiedlich informierten Händlern - Eine experimentelle Studie”, Zeitschrift für Betriebswirtschaftliche Forschung, vol.58, p.38-61, 2006.

278 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.<br />

varier le comportement de chaque agent du moins informé au plus informé, de<br />

manière systématique.<br />

Il est également possible, très simplement, de changer le cœur même du modèle,<br />

en modifiant par exemple le mécanisme de fixation du prix. Au lieu de prendre<br />

comme prix du marché l'estimation médiane <strong>des</strong> participants, permettant ainsi<br />

d'équilibrer offre et demande, on pourrait voir ce que donne le modèle lorsqu'on<br />

s'écarte de cet équilibre, et utilise l'estimation moyenne <strong>des</strong> participants comme prix<br />

du marché. Cette simple modification, dénuée ici de sens économique, a un impact<br />

immédiat sur les profils de profits, comme le montre la Figure 12.8.<br />

Figure 12.8. Le prix est à présent défini comme l'estimation moyenne <strong>des</strong> participants, et non<br />

plus l'estimation médiane.<br />

Avec cette nouvelle définition du prix, il apparaît que les traders ont tout intérêt à<br />

utiliser les pièces connues, quel que soit leur niveau d'information. En effet, le profil<br />

<strong>des</strong> profits moyens devient une fonction strictement croissante du niveau<br />

d'information lorsque seul I 0 est aléatoire, et par exemple I 3 ne peut que réduire son<br />

profit en passant à une stratégie non informée ou aléatoire.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!