Финансовая неустойчивость и макроэкономическая нестабильность: агентно ориентированное моделирование

ФГОБУ ВПО «Финансовый университет  
при Правительстве Российской Федерации» 
 

 

 

 
А. К. Караев, М. В. Мельничук  

 

 

 

 
Финансовая неустойчивость  
и макроэкономическая нестабильность:  
агентно ориентированное моделирование 

 

 

Монография 

 

 

 

 

 

 

 

 

Москва 
Издательско-торговая корпорация «Дашков и К°» 
2014 

УДК 336 
ББК 65.26 
К21 
Рецензенты: 

И. Н. Рыкова — руководитель Центра отраслевой экономики ФГБУ 
«Научно-исследовательский финансовый институт» Министерства финансов 
Российской Федерации, д.э.н., академик РАЕН; 
Г. Н. Куцури — профессор кафедры «Государственные и муниципальные финансы» Финансового университета при Правительстве Российской 
Федерации, д.э.н., профессор. 
Авторы: 
А. К. Караев — директор Центра поведенческой экономики Финансового 
университета при Правительстве Российской Федерации, д.т.н., профессор; 

М. В. Мельничук — директор Центра инновационных языковых страте
гий Финансового университета при Правительстве Российской Федерации, 
д.э.н., профессор. 

 
Караев А. К. 
Финансовая неустойчивость и макроэкономическая нестабильность: агентно ориентированное моделирование: Монография /  
А. К. Караев, М. В. Мельничук. — М.: Издательско-торговая корпорация «Дашков и К°», 2014. — 158 с. 
 
ISBN 978-5-394-02475-7 
 
В монографии рассмотрены примеры использования агентных мо
делей в исследовании причин и механизма формирования финансовой 
неустойчивости на кредитном рынке и ее распространения по всей кредитной сети, приводящей к макроэкономической нестабильности. В ком- 
бинированной агентно ориентированной SFC-модели воспроизводятся 
основные реально наблюдаемые стилизованные факты, включая распределение доходов или богатства среди домохозяйств, распределение 
фирм по размерам, бизнес-циклы и другие эмпирические распределения с «тяжелыми хвостами».  

Для научных и практических работников, а также студентов маги
стратуры экономических вузов. 
 

 

 

 

 

© Караев А. К., Мельничук М. В., 2014 

ОГЛАВЛЕНИЕ 

 

Введение  ...............................................................................................................  4 

1. Агентно ориентированное моделирование развивающихся  
экономических и финансовых систем  ............................................................ 14 
1.1. Сложность, комплексность и эмерджентность развивающихся  
экономических систем  ......................................................................................... 14 
1.2. Междисциплинарный подход к изучению современных 
экономических процессов и явлений. Эконофизика и сетевой подход  ......... 19 
1.3. Основные элементы и базовая структура агентно ориентированных  
моделей  .................................................................................................................. 70 
1.4. Обзор основных направлений дизайна эффективной  
экономической (фискальной, монетарной) и социальной  политики  ............. 76 

2. Cистемные риски и неустойчивость финансово-экономических  
систем  .................................................................................................................... 85 
2.1. Проблемы  несамоусреднения в макроэкономических  
моделях  .................................................................................................................. 85 
2.2. Динамика нелинейной финансово-экономической системы  
фирмы – банк на основе агентно ориентированной модели с учетом  
влияния информационных процессов  ................................................................ 93  
2.3. Системные риски, каскад банкротств и безопасность  
финансово-экономических систем  ................................................................... 107 
2.4. Динамика вертикально-интегрированной четырехсекторной  
(домохозяйства, фирмы, банки, правительство) макроэкономической  
системы взаимодействующих агентов  ............................................................. 117 
Заключение  ........................................................................................................ 147 
Литература  ........................................................................................................ 149 
 
 

 

“Я вижу будущее мира, и оно принадлежит агентно ориентированному моделированию… Агентно  ориентированное моделирование может стать революционным моментом 
в истории науки, в нашем восприятии мира, в понимании того, какое место мы занимаем в 
этом мире и как мы взаимодействуем с другими людьми” 

Charles M.Macal,  
Director, Center for Complex Adaptve Systems Simulation (CAS2),  
Decision & Information Sciences Division, 
 Argonne National Laboratory Argonne. 
 

 
ВВЕДЕНИЕ 
 
Глобальная экономика представляет собой многомасштабную комплексную систему, и для изучения ее функционирования требуется многодисциплинарный подход. В частности, чтобы понимать природу  
финансовых кризисов, усовершенствовать способы их раннего обнаружения и разрабатывать  новую комплексно-ориентированную экономическую политику, необходимо исследовать взаимодействия и обратные 
связи между финансовыми рынками и макроэкономикой, важность которых доказал кризис первого десятилетия ХХI века. 
18 ноября 2010 года председатель правления Европейского Центрального Банка (ЕЦБ) Жан-Клод Трише, открывая главную ежегодную 
конференцию Центральных Банков, обратился к научному сообществу с 
призывом разрабатывать принципиально новые подходы к изучению и 
пониманию экономики: 

"….Когда наступил кризис, сразу стали очевидными серьезные ограничения существующих экономических и финансовых моделей. Макромодели не 
смогли не только предсказать кризис  ... [они даже не смогли внятно объяснить], что происходит  с экономикой... Главный урок, который можно извлечь ... всегда есть опасность совершения фатальных ошибок  при использовании только лишь одного инструмента, одной методологии  и 
парадигмы. Лежащие в основе рациональных моделей атомистические 
агенты стремятся решать только оптимизационные задачи, при этом в 
моделях не учитывается нерациональность поведения агентов в период кризиса…Я с большой надеждой и воодушевлением приветствую свежие идеи 

из других дисциплин: физики, техники, психологии, биологии. Привлечение 
специалистов из этих областей к совместной работе с экономистами и руководителями центральных банков является потенциально очень ценным...  
Решительно могу предположить, что именно эмпирический подход, который ставит во главу угла индуктивный метод рассуждений на основе реальных данных, а не дедуктивный метод рассуждений, основанный на абстрактных положениях или предположения, должен и будет лежать в центре 
будущих методов исследования, среди которых превалирующая роль принадлежит компьютерному  моделированию ... ". 
Таким образом, выявление скрытых механизмов и процессов,  лежащих 
в основе функционирования интерактивных комплексных социальноэкономических систем, является одной из наиболее актуальных научных 
проблем нашего века.  
Не менее важной проблемой является генерируемый этой системой поток данных, нарастающий с колоссальной скоростью. Для   преобразования 
этих данных  в знания для эффективного управления поведением реальных 
социально-экономических систем необходимы новые модели на основе новых, социально интерактивных, надежных и адаптивных информационных и 
коммуникационных технологий (ИКТ).  
Для решения таких масштабных проблем  (в соответствии с предложением Трише) необходима интеграция различных научных дисциплин, таких 
как ИКТ, естественные науки, социальные науки (экономика, финансы, социология), компьютерные  науки. Такая интеграция способствовала бы симбиотической коэволюции этих областей и созданию комплексных компью
терных и научных методов (новые платформы для развития и применения 
принципов добычи данных - Data Mining, поиска процессов -Process 
mining, вычислительного и искусственного интеллекта и т.д.), которые в 
сочетании с экономической теорией и эконометрическими методами 
могут быть использованы для идентификации возникающих социальных и экономических рисков, нестабильностей и кризисов.  

 

Моделирование поведения экономики  

как сложной развивающейся сети 

 

 Представление об экономике как о комплексной системе восходит 
еще ко временам Адама Смита, который  описал экономику и создаваемое ею социальное благосостояние как эмерджентный процесс, основанный на самоорганизованном поведении независимо и автономно 
действующих самомотивированных индивидуумов.  
Комплексные системы, состоящие из большого количества взаимодействующих индивидуальных элементов, поднимают целый ряд очень 
серьезных проблем, требующих новых и инновационных подходов их 
решения, и бросают вызов традиционному мышлению: они являются 
динамическими, а не статическими, по сути  вероятностными, а не детерминистскими, весьма трудны для прогнозирования и управления и 
насыщены нелинейными или сетевыми взаимодействиями между составляющими частями (агентами). На индивидуальное поведение элементов системы оказывает прямое воздействие поведение системы в целом, и в то же время их взаимодействия ведут к возникновению 
качественно новых свойств в поведении системы на агрегированном 
уровне. Связь с позиций «здравого смысла» между размером события и 
его последствиями больше не работает: незначительные изменения обладают способностью вызывать крупномасштабные события.  
Комплексные системы характеризуются критическими точками и 
резким изменением смены режимов поведения. Эти особенности могут 
привести к серьезным сбоям в работе системы, вызываемыми каскадными явлениями: распространение эпидемий, увеличение заторов на 
дорогах, аварийные отключения энергосистем и коллапс межбанковского рынка. Чрезвычайные события в таких системах наблюдаются гораздо чаще, чем предполагается стандартными допущениями прикладной 
эконометрики, то есть наблюдаемые данные не соответствуют гауссовому, или нормальному, распределению. Частота возникновения и раз

меры наводнений, землетрясений, войн, стоимость финансовых активов 
и даже экономические рецессии характеризуются существенно негауссовыми степенными распределениями результатов наблюдений. 
Сетевой ракурс.  Одним из самых успешных подходов к изучению 
экономики с позиций комплексных систем стало использование сетевых 
моделей: сети межбанковских займов и  международной торговли, сети 
корпоративной собственности  и т.д. В поведении этих сетей самое 
важное заключается в том, что все эти сети взаимодействуют друг с 
другом, но пока эти взаимодействия остаются неисследованными.  
Взгляд на экономику как на систему развивающихся связных сетей 
дает совершенно другую экономико-политическую перспективу. Ключевой особенностью является то, что поведение экономики на агрегированном уровне возникает из взаимодействий как индивидуумов в каждой сети, так и самих сетей. Традиционные рекомендации в области 
экономической политики основаны на реакциях индивидуальных узлов 
(люди, фирмы, институты) в ответ на изменения в политике. Предлагаемый сетевой подход открывает возможность идентифицировать и 
выделять внутри системы ключевые узлы, повышая тем самым эффективность проводимой политики.  
Он также позволяет лицам, принимающим политические решения, 
воздействовать на механизм развития структуры сети. Так, например, в 
Базельских соглашениях основной упор был сделан на управление и повышение жизнеспособности отдельных финансовых институтов, а не на 
способах их взаимозависимости, и, следовательно, на жизнеспособности и устойчивости всей банковской системы в целом.   
Динамика и развитие  таких сетей отражает рост и развитие экономики в целом. Колебания и изменения в сетях в течение делового цикла 
потенциально дают гораздо более точный и детализированный взгляд на 
изменения состояний экономики, чем ряд агрегированных показателей, 
таких как ВВП и безработицы.  
В монографии рассмотрены примеры создания платформы с исходными данными, которые необходимы для построения этих сетей, и раз

работку инструментов их визуализации и анализа их взаимодействий, 
роста и динамики.  
Сетевая структура.  Ключевым аспектом исследования динамики 
развивающейся сети является выявление необходимой информации о 
структуре релевантных сетей в определенный момент времени, а также 
контроль за их развитием во времени.  
В создаваемые агентно ориентированные модели необходимо 
включить ключевые свойства топологии сетей и поведенческие правила 
агентов, которые позволят структуре развиваться во времени. В частности, то, что считалось ключевым свойством финансовых сетей - их 
связность - должно быть заменено другими сетевыми характеристиками, такими как степень распределения и кластеризации, которые могут 
служить показателями уязвимости. 
В сравнении с эконометрическими моделями или моделями DSGE 
(модели динамического стохастического общего равновесия)  - основного направления -мэйнстрим экономической науки, которые формулируются в терминах агрегированных величин, агентно ориентированное 
моделирование проводится на микроскопическом уровне - на уровне 
агентов, которыми могут быть домохозяйства,  фирмы или правительства. Эти модели используют вычислительные мощности, позволяющие 
имитировать поведение огромного (более миллиона) количества различных агентов, они не зависят от сложных математических допущений 
или решений в замкнутом виде, что позволяет реализовать нелинейное 
поведение системы без ограничений по степени реализма.  
В последние годы поведенческая экономика сделала огромный шаг 
вперед в понимании и объяснении реального поведения экономических 
агентов. Полученные знания используются в агентно ориентированном 
моделировании  поведения комплексных интерактивных связных сетей, 
отслеживания их взаимодействий через потребление, производство, 
бюджеты, займы, потоки товаров и услуг, инвестиции, торговлю и т.п. 
Финансовые рынки. На финансовых рынках ежедневно производятся сотни миллионов торговых операций. Только на валютных рын

ках каждый день продается и покупается около трех триллионов евро, 
что соответствует почти 25-кратному дневному мировому ВВП.  
С точки зрения экономической теории остается загадкой, зачем нужен такой большой объем торгов и почему валютные рынки так активны. Никто не может ответить на вопрос, какая доля приходится на реальную экономическую деятельность и каков процент спекулятивных 
сделок. Создание и изучение сетей трейдеров будет способствовать пониманию функционирования фондовых рынков. Получение соответствующих данных по некоторым основным рынкам может привести к 
прорыву в понимании реальных механизмов функционирования рынков 
и причин их дестабилизации. 
Кредитные сети.  Мировой финансовый кризис нового тысячелетия выявил важность  кредитов для функционирования всей экономики 
и прояснил, насколько недостаточна наша информация о сети кредитования -  Федеральный резервный банк США, например, не имел во время кризиса возможностей отслеживать кредитные рынки США,  несмотря на наличие полномочий контроля над банками. Мировые 
центральные банки извлекли урок из этой ситуации и  организовали 
кампанию по предоставлению им более широких возможностей по отслеживанию кредитных рынков: так, например, Федеральный резервный банк США  имеет теперь подробную сводку о  транзакциях всех 
коммерческих банков в США на поминутной основе. Аналогичные проекты по сбору данных готовятся Английским банком и Европейским 
центральным банком.  
Возможности новых научных подходов. В настоящее время существуют два стандартных подхода формирования макроэкономической политики: во-первых, эконометрические модели или модели временного ряда, 
нацеленные на поиск структуры в макроэкономических временных данных; во-вторых,  модели динамического стохастического общего равновесия (DSGE), являющиеся эталоном современной макроэкономики и  
ориентирующиеся на поведение рационального репрезентативного экономического индивидуума,  которое полностью соответствует поведению 

всей системы, кроме того предполагается что репрезентативный экономический агент способен понимать эволюционное развитие экономики и 
действовать соответствующим образом. 
В основу разрабатываемых  агентно ориентированных моделей положена совершенно новая концепция, предусматривающая взаимодействие многих гетерогенных экономических индивидуумов, обладающих 
более или менее полной информацией, взамодействующих друг с другом, и анализ возникающих в результате такого взаимодействия агрегированных экономических явлений.  
Решение всех наиболее крупных вышеназванных проблем сводится 
к необходимости существенного расширения научной платформы для 
проведения  макроэкономического анализа и прогнозирования с использованием сложных агентно ориентированных моделей, а также  к  интеграции в реальном времени реальных данных, генерируемых экономикой  с модельными результатами,   с активным применением передовых 
ИКТ-инструментов, которые позволяли бы лицам, формирующим политику, осуществлять контроль за мировой экономикой, обнаруживать потенциальные кризисы на ранней стадии их зарождения и разрабатывать 
средства их предотвращения. 
В монографии определены следующие проблемы и направления 
для исследований с использованием агентных моделей. 
Финансовая неустойчивость. Важной задачей является исследование (не)стабильности и (не)устойчивости глобальных финансовых 
рынков с учетом следующих ключевых факторов: 
— гетерогенности экономических агентов,  
— сетевых эффектов,  
— распространения информации,  
— психологии рынка,  
— социального обучения (научения) и ожидания.  
В монографии повышенный интерес уделяется выявлению сетевой 
структуры (каркасу)  комплексных систем для анализа и понимания 
причин возникновения нелинейных обратных связей на финансовых и 

других рынках, проведены исследования их взаимодействия друг с другом и, в частности, проведено моделирование влияния фактора асимметрии информации на процесс принятия решений экономическими 
агентами.  
Результаты проведенных исследований позволят объяснить причины возникновения чрезвычайных событий и кризисов, определят превентивные или профилактические меры по предотвращению данных явлений, укажут на способы управления кризисом с точки зрения 
комплексности системы, диагностируют роль финансовых инноваций, 
институционального дизайна и рыночного регулирования в достижении 
стабильности и устойчивости мировых финансовых рынков. 
В настоящее время широко распространено мнение, что современные рынки стали гораздо более уязвимыми и подвержены внезапным 
резким изменениям в результате разработанных алгоритмов автоматической торговли. Последние, например, часто включают команду стоплосс (ограничения на потери),  сигнализирующую о необходимости 
продать, если цена падает до определенного уровня. Если многие алгоритмы будут иметь одинаковые пороговые значения, это может вызвать 
обвал продаж, как это произошло в мае 2010 года на Нью-Йоркской 
фондовой бирже (NYSE). Такого рода взаимодействия между современными компьютерными и информационными технологиями, с одной 
стороны,  и динамикой рынка, с другой стороны, будут играть существенную роль в направлении разработки адекватных моделей поведения 
финансовых рынков в наших исследованиях. 
(Об этом же говорил Председатель ФРС Бен Бернанке : 

«…внезапное резкое  падение рынка оказалось как раз примером того, какими сложными и хаотичными, в формальном смысле, стали эти системы … 
Не является ли случившееся с фондовым рынком малым примером того, как 
можно вызвать обвал, или как какая-нибудь новая технология может взаимодействовать с паникой на рынке?» (из интервью с Беном Бернанке, IHT, 
17 мая, 2010).     
Вопрос, рассматриваемый в настоящее время с прагматической 
точки зрения, состоит в том, как ограничить влияние алгоритмов авто