• 検索結果がありません。

確率モデルの数値計算

N/A
N/A
Protected

Academic year: 2021

シェア "確率モデルの数値計算"

Copied!
4
0
0

読み込み中.... (全文を見る)

全文

(1)

確率モデルの数値計算

Numerical Simulations of Stochastic Models

物理学専攻 小野清敬

Kiyotaka Ono 1.1

はじめに

 物理のみならず様々な分野で用いられている確率 モデルを経済に適用する。経済を確率的に扱う理由 として、為替相場、株式市場の出来高などは刻々と 変わっており正確に推定、測定することができない。

よって、こうした変化はランダムな過程、つまり確 率過程として扱うほうが自然である。

[1]

経済や社会の個々の活動主体

(人・会社・国など)

をエージェントと呼ぶ。従来の経済学では主として 同一のエージェントの集まりがその対象とされてき た。しかし、青木

1

の主張である、「経済システムは 異質的なクラスターの集まりで、平均的経済量を扱 うのではなくゆらぎを取り入れた確率的な扱いが必 要。」から、エージェントをいくつかの「タイプ」に 分類し、異なったタイプのエージェント間の相互作 用を調べ、いくつかの異なったタイプの群れが時間 と共にどういう経過をたどるか解析し、それによる 確率的ゆらぎを分析することを本研究の目的とする。

1.2

ダイナミクス

 将来における事象の起こる確率は現在の状態だけ から決まり、過去の状態には依存しない性質をマル コフ性といい、状態

i

から次の時点で状態

j

に移る 確率

P { X n+1 = j | X n = i, ..., X 1 = i 1 , X 0 = i 0 }

= P { X n+1 = j | X n = i } (1)

が成り立つ。

1

青木正直 カリフォルニア大学ロサンゼルス校

(UCLA)

済学部名誉教授

有限または可算の状態空間を持つモデルを連続マ ルコフ・チェーンとよび、その変化は、ある状態

j

から状態

k

への遷移として、時間が連続的に変化す る場合には、

P r(X t+τ = k | X t = j) = w j,k +o(τ), j ̸ = k, j, k S (2)

と規定できる

(w j,k :遷移率)。

1.3

マスター方程式

 マスター方程式は確率モデルの時間変動を捉える 方程式で、式

(3)

のように表される。これはある時 点である特定の状態をとる確率が、確率流の流入

(右

辺第

1

項)と流出

(右辺第 2

項)によってどのように 変化をするかを示している。

dP j (t)

dt = ∑

k ̸ =j

[P k (t)w kj w jk P j (t)], j S (3)

2.

モデル

 エージェントのタイプが二つあるクラスターモデル を考える。一つは技術力の優れた

advanced company

のクラスター1、もう一つは

less advanced com- pany

のクラスター2である。各クラスターのサイ ズを

n 1 , n 2

とすると、クラスターサイズの遷移率は

w { (n 1 , n 2 ), (n 1 + 1, n 2 ) } = c 1 n 1 + f 1 (4) w { (n 1 , n 2 ), (n 1 , n 2 + 1) } = c 2 n 2 (5) w { (n 1 , n 2 ), (n 1 1, n 2 ) } = d 1 n 1 (6) w { (n 1 , n 2 ), (n 1 , n 2 1) } = d 2 n 2 (7) w { (n 1 , n 2 ), (n 1 + 1, n 2 1) } = λf 1 d 2 (e + an 1 )n 2

(8)

(2)

w { (n 1 , n 2 ), (n 1 1, n 2 + 1) } = bλf 1 d 1 n 1 (9)

となる。また、このモデルのマスター方程式は

∂P (n 1 , n 2 ; t)

∂t = P(n 1 + 1, n 2 ; t)d 1 (n 1 + 1) +P (n 1 , n 2 + 1; t)d 2 (n 2 + 1)

+P (n 1 1, n 2 ; t) { c 1 (n 1 1) + f 1 } +P (n 1 , n 2 1; t)c 2 (n 2 1)

+P (n 1 + 1, n 2 1; t)(n 1 + 1)(n 1 + 1)b 1

+P (n 1 1, n 2 + 1; t)(n 2 + 1) { a 2 (n 1 1) + b 2 }

P (n 1 , n 2 ; t) { c 1 n 1 + f 1 + c 2 n 2 + d 1 n 1 + d 2 n 2

+n 1 b 1 + n 2 (a 2 n 1 + b 2 ) } (10)

となる。

1:

モデル

3.1

キュムラント法

 キュムラント母関数を用いて、マスター方程式を 解く。

確率母関数を

G(z 1 , z 2 ; t) =

n 1 ,n 2

P(n 1 , n 2 ; t)z n 1 1 z 2 n 2 (11)

と定義し、マスター方程式と確率母関数から確率母 関数

G

に対する偏微分方程式を導く。

また、キュムラント母関数を

K(θ 1 , θ 2 ; t) = lnG(e θ 1 , e θ 2 ) (12)

と定義する。

1:

キュムラント法でのパラメーター

  スタンダードパラメーター

γ = 0.1 r = 0, 0001 m = n = 0.01/r

b = 50/γ a = 0.0001 e = 0.001

次にキュムラント母関数をテイラー展開する。

K(θ 1 , θ 2 ; t) = k 1 θ 1 k 2 θ 2

+ 1

2 (k 11 θ 2 + 2k 12 θ 1 θ 2 + k 22 θ 2 2 ) +・

(13)

ここで

k i

はクラスター

i

のサイズ

n i

の平均、k

ii

クラスターのサイズ

n i

の分散、k

12

は共分散である

(i = 1, 2)。

G

についての偏微分方程式を方程式

(13)

を使って、

常微分方程式

k ˙ 1 = 1 (n + b)γ 1 k 1 + 2 k 2 + 2 A 0 , (14) k ˙ 2 = (m + e)γ 2 k 2 + 1 k 1 γ 2 A 0 , (15) k ˙ 11 =1 2(n + b)γ 1 k 11 + (2/γ + b n)k 1

+eγ 2 (2k 12 + k 2 ) + 2aγ 2 (k 1 k 12 + k 2 k 11 ) + 2 A 0 , (16) k ˙ 22 = 2(m + e)γ 2 k 22 + γ 2 (2/γ + e m)k 2

+bγ 1 (2k 12 + k 1 ) 2aγ 2 (k 1 k 22 + k 2 k 12 ) + 2 A 0 , (17)

k ˙ 12 = ((n + b)γ 1 + (m + e)γ 2 )k 12 + 1 (k 11 k 1 ) + 2 (k 22 k 2 )

2 (k 1 k 12 + k 2 k 11 k 1 k 22 k 2 k 12 ) 2 A 0 , (18)

が導かれ、この5つの方程式を解くことによってク ラスターの振る舞いを解析する。

(14)-(18)

の右辺をゼロとおいて解いた定常解は

k 1 = 252, k 2 = 499874, k 11 = 322, k 22 = 5

×

10 7 , k 12 = 6494

となる。

(3)

2:

モンテカルロ法でのパラメーター パラメーター

c 1 = 4.0 c 2 = 7.2 d 1 = 5.0 d 2 = 7.1 f 1 = 10.0 γ = 0.1 r = 0.0001 m = n = 0.01/γ b = 50/γ a = 0.0001 e = 0.001

3.2

シミュレーション

 初期値を

k 1 = 10000, k 2 = 50000, k 11 = 322, k 22 = 5

×

10 7 , k 12 = 6494

にする。

結果:図

2〜図 6

初期値を定常解から大幅にずらしても、長期的に見 ると定常解近傍に解がいき、定常解の吸引域

(basin of attraction)

が大きいことがわかる。

4.1

モンテカルロ法

 モンテカルロ法を用いて遷移確率から直接クラス ターの振る舞いを見る。

4.2

シミュレーション

 初期値

n 1 = 250, n 2 = 500000

結果:図

7

モンテカルロ法において定常解の吸引域は確認で きなかった。キュムラント法との結果の違いとして、

キュムラント法はキュムラント母関数をテーラー展 開し、第

2

項までを扱って解いたのに対して、モン テカルロ法は遷移率から直接解いたためだと考えら れる。

5.

変動係数と共分散

 変動係数から各クラスターのゆらぎの大きさ、共 分散からセクター1,2の相関関係をみる。クラス ター

i(i = 1, 2)

の変動係数

r i

をキュムラント法にお いて

r i = √

k ii /k i , c o = k 12 /k 1 k 2 (19)

モンテカルロ法においては

r i =

< (n i < n i >) 2 >

< n i > , (20)

3:

変動係数・共分散

r 1 r 2 c o

0.07 0.014 5.1 × 10 5

c o = < (n 1 < n 1 >)(n 2 < n 2 >) >

< n 1 >< n 2 > (21)

と定義する。

これより、キュムラント法における変動係数・共

分散は表

3、モンテカルロ法における変動係数・共

分散は図

8、図 9

となる。

6.

まとめ

 変動係数は平均値に対する相対的な散らばりの大

きさ

(ゆらぎ)

を表しており、一般の巨視的体系では、

非常に小さな量である。このモデルにおいて変動係 数が大きい場合、平均値だけではこの系の挙動をう まく説明することができない。これはクラスターサ イズの時間発展が過去の履歴に強く依存しているか らである。これを

non-self averaging phenomena

定義する。一方、変動係数が小さい場合、平均値に よってこの系の様子が分かる。これを

self averaging phenomena

と定義する。

[4]

本研究において、モンテカルロ法、キュムラント 法どちらにおいてもクラスター1は

non-self aver- aging phenomena、クラスター2は self averaging phenomena

という結果を得た。

経済におけるこの現象の例を挙げると、国民所得 の平均に基づいた経済政策を評価する場合、国民所 得の変動係数が大きいと平均値に基づいた経済政策 にそれほど信頼性がなく、経済政策の効果が単純に 予見できない。

参考文献

[1]

青木正直『異質的エージェントの確率動学入門』

共立出版

2003

(4)

[2]

青木正直『経済における確率的モデルへの招待』

サイエンス社

2004

[3] M.Aoki,T.Nakano,G,Yoshida,An Example of Schumperterian Dynamics,unpublished pa- per,2004

[4] M.Aoki,Thermodynamic Limits of Macroeco- nomic or Financial Models,EconPapers,2006 [5]

遠藤靖 『確率モデルの基礎』東京電機大学出版

2002

[6]

小倉久直『確率過程入門』森北出版株式会社

1998

[7]

阿部龍蔵『統計力学』東京大学出版会

1966

10000

8000

6000

4000

2000

0

k1

1000 800 600 400 200 0

tx10

3

k

1

:252.424

2: k 1

500

400

300

200

100

0

k2x103

1000 800 600 400 200 0

tx10

3

k

2

:499873

3: k 2

4000

3000

2000

1000

0

k11

1000 800 600 400 200 0

tx10

3

k

11

:322.591

4: k 11

55 50

45 40 35 30 25

k22x106

1000 800 600 400 200 0

tx10

3

k

22

:4.999 x10

7

5: k 22

80

60

40

20

0

k12x103

1000 800 600 400 200 0

tx10

3

k

12

:6494.63

6: k 12

503

502

501

500

499

x103

3000 2500 2000 1500 1000 500 blue : 10000 green : 50000 yellow:100000 pink :150000 purple:200000 black :250000

gray :300000 light blue:350000 brown :400000 navy :450000 red :500000

7: n 1 , n 2

100

80

60

40

20

0

r1,r2x10-3

500 400 300 200 100

tx10

3

blue :r

1

green:r

2

8:

変動係数

-20 -15 -10 -5 0

cox10-6

500 400 300 200 100

tx10

3

9:

共分散

参照

関連したドキュメント

(注)本報告書に掲載している数値は端数を四捨五入しているため、表中の数値の合計が表に示されている合計

(2011)

、肩 かた 深 ふかさ を掛け合わせて、ある定数で 割り、積石数を算出する近似計算法が 使われるようになりました。この定数は船

この P 1 P 2 を抵抗板の動きにより測定し、その動きをマグネットを通して指針の動きにし、流

各テーマ領域ではすべての変数につきできるだけ連続変量に表現してある。そのため

以上の基準を仮に想定し得るが︑おそらくこの基準によっても︑小売市場事件は合憲と考えることができよう︒

(注)本報告書に掲載している数値は端数を四捨五入しているため、表中の数値の合計が表に示されている合計

この場合,波浪変形計算モデルと流れ場計算モデルの2つを用いて,図 2-38