Die vorliegende Arbeit vermittelt einen Überblick über die Anwendungsbereiche von Modellen, die auf einem Agentensystem aufbauen. Der Schwerpunkt der Arbeit liegt dabei auf der Darstellung der Vielseitigkeit von Agentenmodellen und deren Bedeutung für die Wirtschaftswissenschaften. Es werden konkrete Modelle vorgestellt, um verschiedene Anwendungsmöglichkeiten darzustellen. Mit Hilfe der betrachteten Systeme werden insbesondere die Möglichkeiten und Vorteile der Verwendung von Agentenmodellen aufgezeigt.
Der Begriff des Agenten ist nicht eindeutig definiert. Eine Verwendung findet sich im täglichen Gebrauch wieder, mit der Bedeutung eines "`Beauftragten"'. In den Wirtschaftswissenschaften wird der Begriff im Zusammenhang mit der Principal-Agent-Theorie verwendet, wobei hier der Agent der Unterstellte ist, der Informationen und Charaktereigenschaften zurück hält (vgl. Ickerott, 2007, S. 12f.). Die für diese Arbeit relevante Definition eines Agenten ist auf Wooldridge u. Jennings (1995) zurückzuführen, die charakteristische Verhaltensweisen eines Agenten zusammenfassen. Die vier Hauptmerkmale dabei sind, dass Agenten:
• ohne Einfluss von Außen agieren können (Autonomie),
• über eine Sprache verfügen, mittels derer sie mit anderen Agenten oder mit der Außenwelt kommunizieren können (soziale Fähigkeiten),
• auf Ereignisse und Entwicklungen reagieren können (Reaktionsfähigkeit),
• durch eigene Ziele selbst die Initiative ergreifen können (Proaktivität).
In der Literatur finden sich weitere Eigenschaften von Agenten, wie zum Beispiel rationales Handeln, Intelligenz, die Fähigkeit Schlussfolgerungen zu ziehen und Lernfähigkeit (vgl. Ickerott, 2007, S. 16ff.).
Zunächst werden Grundlagen und die Anfänge der Modellierung auf Agentenebene in den Sozialwissenschaften aufgezeigt (Kapitel 2). Anschließend folgt eine Betrachtung von Agentensystemen in ausgewählten Bereichen der Wirtschaftswissenschaften (Kapitel 3). Bei der Auswahl der Modelle im dritten Kapitel wurden nur solche berücksichtigt, bei denen Austauschbeziehungen innerhalb des Systems, also ohne äußerliche Einwirkungen, bestehen und verändert werden (endogene Interaktionen). Durch die Modellierung von endogenen Interaktionen kann sichergestellt werden, dass neue Verbindungen zwischen den Agenten geknüpft werden und dadurch eine realitätsnähere Abbildung erreicht wird, da Beziehungen schneller erneuert werden (vgl. Vriend, 2006, S. 1049).
Inhaltsverzeichnis
1 Einleitung
2 Grundlagen und Anfange der agentenbasierten Modellierung
2.1 Klassifizierung nach Nwana
2.2 Das Modell von Schelling
2.3 Weitere Entwicklungen in den Sozialwissenschaften
3 Anwendungen in den Wirtschaftswissenschaften
3.1 Das Gefangenendilemma
3.2 Modellierung von Markten
3.2.1 Aktien- und Devisenmarkte
3.2.2 Guter- und Dienstleistungsmarkte
3.3 Modelle auf Unternehmensebene
3.3.1 Supply Chain Management
3.3.2 Agentensysteme auf Produktionsebene
4 Fazit und Ausblick
Literaturverzeichnis
Anhang
A Abbildungen
B Klassifizierung der betrachteten Modelle nach Nwana
1 Einleitung
Die vorliegende Arbeit vermittelt einen Uberblick liber die Anwendungsberei- che von Modellen, die auf einem Agentensystem aufbauen. Der Schwerpunkt der Arbeit liegt dabei auf der Darstellung der Vielseitigkeit von Agentenmodel- len und deren Bedeutung fur die Wirtschaftswissenschaften. Es werden konkre- te Modelle vorgestellt, um verschiedene Anwendungsmaglichkeiten darzustel- len. Mit Hilfe der betrachteten Systeme werden insbesondere die Moglichkeiten und Vorteile der Verwendung von Agentenmodellen aufgezeigt.
Der Begriff des Agenten ist nicht eindeutig definiert. Eine Verwendung findet sich im taglichen Gebrauch wieder, mit der Bedeutung eines ,,Beauftragten“. In den Wirtschaftswissenschaften wird der Begriff im Zusammenhang mit der Principal-Agent-Theorie verwendet, wobei hier der Agent der Unterstellte ist, der Informationen und Charaktereigenschaften zuruck halt (vgl. Ickerott, 2007, S. 12f.). Die fur diese Arbeit relevante Definition eines Agenten ist auf Wooldridge u. Jennings (1995) zuriickzufuhren, die charakteristische Verhaltenswei- sen eines Agenten zusammenfassen. Die vier Hauptmerkmale dabei sind, dass Agenten:
- ohne Einfluss von Aufien agieren kannen (Autonomie),
- uber eine Sprache verfugen, mittels derer sie mit anderen Agenten oder mit der Aufienwelt kommunizieren konnen (soziale Fahigkeiten),
- auf Ereignisse und Entwicklungen reagieren kannen (Reaktionsfahigkeit),
- durch eigene Ziele selbst die Initiative ergreifen kannen (Proaktivitat).
In der Literatur finden sich weitere Eigenschaften von Agenten, wie zum Bei- spiel rationales Handeln, Intelligenz, die Fahigkeit Schlussfolgerungen zu ziehen und Lernfahigkeit (vgl. Ickerott, 2007, S. 16ff.).
Zunaachst werden Grundlagen und die Anfaange der Modellierung auf Agenten- ebene in den Sozialwissenschaften aufgezeigt (Kapitel 2). Anschliefiend folgt eine Betrachtung von Agentensystemen in ausgewaahlten Bereichen der Wirt- schaftswissenschaften (Kapitel 3). Bei der Auswahl der Modelle im dritten Kapitel wurden nur solche berticksichtigt, bei denen Austauschbeziehungen inner- halb des Systems, also ohne aaufierliche Einwirkungen, bestehen und veraandert werden (endogene Interaktionen). Durch die Modellierung von endogenen In- teraktionen kann sichergestellt werden, dass neue Verbindungen zwischen den Agenten geknupft werden und dadurch eine realitatsnahere Abbildung erreicht wird, da Beziehungen schneller erneuert werden (vgl. Vriend, 2006, S. 1049).
2 Grundlagen und Anfange der agentenbasierten Modellierung
2.1 Klassifizierung nach Nwana
Bei der Klassifizierung nach Nwana (1996) werden die verschiedenen Agenten identifiziert, indem sie auf die Existenz der oben genannten Hauptmerkmale hin untersucht werden. Dabei werden die Autonomie und die Proaktivitat in einem Kriterium zusammengefasst.
Gemafi Abbildung A1 existieren durch die Kombination der Merkmale vier Agentenklassen. Eine erste vereint die Autonomie mit der Fahigkeit mit an- deren Agenten in Kontakt zu treten (,,Collaborative Agents“). Eine weitere Klasse bilden die ,, Interface Agents“, sie agieren autonom und sind lernfahig. Des Weiteren kann ein Typus identifiziert werden, der in einer beliebigen Form mit seiner Umwelt kommunizieren kann und gleichzeitig Lernfahigkeiten be- sitzt (,,Collaborative Learning Agents“). Die letzte Klasse vereint alle drei Fahigkeiten und Merkmale und wird daher als „ Smart Agent“ bezeichnet (vgl. Nwana, 1996, S. 209f.). Im Folgenden wird bei den vorgestellten Modellen diese Klassifizierung angewendet, um unter anderem RAickschlusse auf die Komple- xitat des jeweiligen Systems ziehen zu konnen.
Da in der vorliegenden Arbeit bewusst nur Modelle gewahlt wurden, die en- dogene Interaktionen modellieren, wird das Kriterium der Kontaktfaahigkeit immer erfullt sein.
2.2 Das Modell von Schelling
Die Anfaange der agentenbasierten Modellierung sind auf die Sozialwissenschaf- ten zuriickzufuhren. Schelling (1971, S. 143ff.) war einer der Ersten, der sich mit der Modellierung von Agenten, deren Verhalten und den daraus entste- henden Gleichgewichten beschaaftigte. Er entwickelte ein Modell, mit dem man eine Entmischung/Segregation von Individuen in einem Wohngebiet abbilden kann.
Dabei nahm er an, dass zwei verschiedene Gruppen von Individuen existieren. Die betrachteten Personen streben an, zufrieden zu sein, wobei es kein Mafi der Zufriedenheit gibt, sondern nur die beiden Zustande ,,ist zufrieden“ und ,,ist nicht zufrieden“. Ein Individuum ist dann zufrieden, wenn in seiner Nachbar- schaft ein bestimmter Anteil derselben Gruppe angehort wie es selbst. Unter Nachbarschaft wird eine spezifizierte Anzahl von angrenzenden Personen ver- standen (vgl. Schelling, 1971, S. 149).
In einer ersten Version reihte Schelling die Individuen in einer Linie an, wobei er zweierlei Munzen verwendete, die die beiden Typen darstellten (vgl. Schelling, 2006, S. 249).
Die Nachbarschaft wird hier durch die Anzahl k der nachsten Nachbarn auf einer Seite verstanden, so dass jedes Individuum, welches sich fern des Randes der Reihe befindet, 2k Nachbarn hat. Die Zufriedenheit der Person kann dann gegeben sein, wenn zum Beispiel mindestens 50% der Nachbarschaft derselben Gruppe angehooren.
Das Modell ist in Abbildung A2 beispielhaft aufgebaut. Die unzufriedenen Individuen werden in jeder Runde identifiziert und aufgelistet. In der Reihenfolge von links nach rechts ziehen diese dann zu der nachstgelegenen Stelle zwischen zwei Elementen, an der sie zufrieden sind. Eine Runde ist beendet, wenn jeder gelistete Agent einmal umgezogen ist. Der Umzug wirkt sich allerdings auf die alte und die neue Nachbarschaft aus. Zum einen wird durch den Wegzug einer Person das Verhaltnis in der alten Nachbarschaft verandert, so dass zufriedene Individuen des gleichen Typs unzufrieden werden konnen. Zum anderen wird durch den Zuzug das Verhaltnis in der neuen Nachbarschaft verandert, so dass Individuen des anderen Typs unzufrieden werden koonnen. Solange unzufriede- ne Agenten existieren, wird eine neue Runde initiiert, der Prozess endet, wenn alle Personen zufrieden sind.
Da dieses Modell durch seine eine Dimension wenig der Realitat entspricht, erweiterte Schelling das Modell zu einem zweidimensionalen Raster. Zufriedenheit ist wie bei dem eindimensionalen Modell definiert. Jedoch konnen zwischen den einzelnen Elementen Leerraume existieren. Dies ist notig, damit ein unzu- friedenes Individuum uberhaupt umziehen kann und keine Regelung bezliglich einer Verdrangung getroffen werden muss (vgl. Schelling, 1971, S. 154).
Diese einfachen Modelle zeigen auf, wie Agentensysteme funktionieren. Mit Hilfe der Klassifizierung nach Nwana kann festgestellt werden, dass das hier be- trachtete Modell dem Typ der Collaborative Agents zugeordnet werden kann. Es liegt eine autonome Vorgehensweise vor, da ohne weitere Einflusse von Aufien eigene Ziele verfolgt werden. Die getatigten Aktionen haben auf das System Auswirkungen, so dass das Merkmal der sozialen Interaktion erfullt ist. Die Fahigkeit des Lernens wurde in diesem Modell noch nicht impliziert, dies ware aber vorstellbar und kdnnte eine Erweiterung darstellen.
2.3 Weitere Entwicklungen in den Sozialwissenschaften
Die Sozialwissenschaften und die agentenbasierte Modellierung betrachten bei- de die sozialen Beziehungen zwischen Agenten. Daher finden sich in den Sozialwissenschaften viele Anwendungen von Agentensystemen. So wurde zum Beispiel von Epstein (2006, S. 88ff.) eine kunstliche Bevalkerung modelliert, um Bevalkerungsentwicklungen liber mehrere Jahre zu simulieren. Das Modell basiert auf einer realen Siedlung der Anasazi-Kultur und versuchte das Sied- lungsverhalten und die damit verbundene Ausbreitung abzubilden.
Ein Modell, welches allerdings auch die Lernfahigkeit der Agenten implemen- tiert, ist zum Beispiel das Modell von Arthur (1994). Er modellierte das Verhal- ten einer bestimmten Anzahl von Personen (Agenten), die eine Bar besuchen machten. Die maximale Zahl der Gaste, die die Bar besuchen konnen, ohne dass eine Uberfullung eintritt, liegt jedoch unterhalb der gesamten Zahl der Agenten. Ein Agent versucht vorherzusagen, wie viele Besucher tatsachlich in der naachsten Periode die Bar aufsuchen. Dabei kann er zum Beispiel einen gewichteten Durchschnitt der letzten Perioden annehmen oder eine gleiche Be- sucherzahl wie in der Vorperiode (vgl. Arthur, 1994, S.409). Die verschiedenen Strategien werden bewertet, indem deren jeweilige Genauigkeit im Nachhin- ein liberprlift wird. Die Vorhersage mit der hochsten Genauigkeit wird in der nachsten Periode angewendet. Dieses Modell entwickelt somit Smart Agents, da die Agenten alle Eigenschaften nach Nwana (Autonomie, Interaktionen, Lernfaahigkeit) aufweisen.
Der Ubergang von den Sozialwissenschaften als Herkunft der Agentenmodel- lierung zu den Wirtschaftswissenschaften ist fliefiend, wie man an dem Modell von Epstein u. Axtell (1996) erkennen kann. Der Kern des Modells ist die Un- tersuchung des Verhaltens von Agenten in einer bestimmten Nachbarschaft, basiert aber auf der Betrachtung eines Giterhandels mit diesen Nachbarn.
3 Anwendungen in den Wirtschaftswissenschaften
3.1 Das Gefangenendilemma
Eine erste Anwendung eines Agentenmodells in den Wirtschaftswissenschaften soil hier am Gefangendilemma gezeigt werden. In der Spieltheorie ist das Gefangenendilemma ein Spiel, bei dem zwei Spieler jeweils zwischen Koopera- tion und Verrat entscheiden konnen. Die Problemstellung dabei ist, dass die hochste Auszahlung erreicht wird, wenn beide Spieler kooperieren. Die domi- nante Strategie ist es jedoch, den anderen zu verraten (vgl. Vriend, 2006, S. 1061). Das Gefangendilemma kann auf viele reale Situationen angewendet werden (vgl. Ashlock et al., 1996, S. 102), wie zum Beispiel das Verhalten zweier Unternehmer in einem Duopol, so dass es fur die Betrachtung mit einem agen- tenbasierten Modell interessant ist.
Ashlock et al. (1996, S. 99ff.) greifen das Spiel auf und untersuchen durch die Anwendung eines Agentensystems, welche Strategien gespielt werden und wel- che Auszahlungen dabei generiert werden koonnen. Das Modell soll Aussagen dartiber treffen, welche Strategie mit welchem Partner gespielt wird und stellt somit eine Moglichkeit dar, Ergebnisse des Prozesses vorherzusagen. Es werden 30 Agenten modelliert, die in einem wiederholten Spiel annahernd unendlich miteinander spielen. Die Agenten wahlen in jeder Runde einen Partner, indem sie einen Agenten auffordern mit ihm zu spielen, bei dem die bisherige Aus- zahlung im Schnitt am hoochsten war, wobei die juongsten Ergebnisse stoarker gewichtet werden. Ein Angebot wird angenommen, wenn der erwartete Ge- winn uber einem bestimmten Schwellenwert liegt. Die Agenten unterscheiden sich lediglich in dieser Grenze, wobei jedem Agenten zu Beginn ein bestimm- ter Schwellenwert zufallig zugewiesen wird. In dem Modell existiert eine Form von Lernfahigkeit dadurch, dass Strategien entweder gemischt werden oder sich zufallig andern. Jedoch sind es nicht die Agenten, die sich anpassen, sondern es werden neue Agenten mit der neuen Strategie generiert und andere vernichtet. Betrachtet man das System mit der Entwicklung der Agenten als Ganzes, kann man von Lernfahigkeit ausgehen. Das System weist somit Lernfahigkeit, Au- tonomie und Interaktionen auf, sodass man von Smart Agents sprechen kann.
Das Ergebnis der Simulation ist, dass die Agenten bezuglich ihrer Spielerwahl wahlerisch werden. Mit steigendem Schwellenwert steigt auch ihr durchschnitt- licher Gewinn, da beide die Kooperation wahlen. Daraus ergibt sich die weitere Beobachtung, dass es Individuen gibt, die nicht mehr an dem Spiel teilnehmen sobald ihre Grenze durch die Anpassungen so weit gestiegen ist, dass sie keine Partner mehr finden, die ihren Schwellenwert ubersteigen. Dann erhalten sie nur noch eine geringe Abfindung als Auszahlung. Es entwickelt sich aber auch eine Gruppe, die zwar einen hohen Schwellenwert besitzt, aber eine geringe durchschnittliche Auszahlung hat. Diese ist zu wuhlerisch und muss schliefilich doch ein Angebot annehmen (vgl. Ashlock et al., 1996, S. 102).
Angewendet auf die Realitat ergibt dies, dass sich die Kooperation in einem solchen Netzwerk, bei dem man sich den Mitspieler aussuchen kann, lohnt. Die freie Wahlmuglichkeit des Partners tritt jedoch in der Realitat selten auf, da keine vollstaandige Informationen und weitere soziale Abhaangigkeiten zwischen den Agenten vorliegen, so dass das Modell nicht immer sinnvoll angewendet werden kann. Auch ist die Anzahl der Agenten zu gering, um eindeutige Aussa- gen zu treffen. Eine grofiere Anzahl wurde jedoch die Komplexitat exponentiell steigern, denn fur eine bestimmte Anzahl von Agenten n gibt es 2 - (2n)2n Aus- pragungen (vgl. Ashlock et al., 1996, S. 106).
3.2 Modellierung von Markten
3.2.1 Aktien- und Devisenmarkte
Auch im Bereich der Aktien- und Devisenmarkte, also beim Handel mit Ge- schuftsanteilen und Wahrungen, wurden agentenbasierte Modelle entwickelt, um das Geschehen dieser Murkte abzubilden. Sowohl Landes u. Loistl (1992) als auch Palmer et al. (1994) definieren zunachst einen Markt, ordnen dann den Agenten Verhaltensstrategien und Eigenschaften zu und lassen sie schliefi- lich agieren.
Der Markt wird bei Landes u. Loistl (1992, S. 212f.) durch den Marktzustand z definiert. Die Variablen des Zustandes zu einem bestimmten Zeitpunkt sind unter anderem die aktuell und in der Vergangenheit gebotenen Preise und Mengen, Trends der Preise und Mengen und die Erwartungen der Agenten uaber die Entwicklung von Preisen und Mengen.
Auf dem Markt existieren Marktteilnehmer mit unterschiedlichen Pruferenzen. Sie versuchen ihren Nutzen ^ zu maximieren, wobei sie in jeder Entscheidungs- runde eine von vier maoglichen Aktionen ausfuahren koannen.
Entweder konnen sie die Huhe ihrer Gebote und Anfragen anpassen, wenn sich ihre Erwartungen uber die Preise durch Beobachtung des Marktes geundert ha- ben. Alternativ konnen sie eine bestimmte Menge an Aktien nachfragen oder anbieten. Dabei sind flir die Menge der zu kaufenden oder zu verkaufenden Aktien die Erwartungen des Agenten uber die zuktinftigen Preise mafigeblich. Die dritte Moglichkeit ist, einen Handel abzuschliefien, bei dem der Agent un- ter Berucksichtigung seiner Erwartungen einen positiven Nutzen vermutet. Die letzte mogliche Aktion ist, ein abgegebenes Gebot uber einen Kauf oder Ver- kauf zuriickzuziehen, da sich die Annahme liber die zukunftigen Preise geondert hat (vgl. Landes u. Loistl, 1992, S. 213).
Die Aktionen der einzelnen Agenten liber eine Periode hinweg fuhren zu einem neuen Marktzustand z', welcher wieder neue Aktionen der Agenten hervorruft. Dies bedeutet, dass das Modell rekursiv ablauft und keinen exogen bestimmten Zeithorizont benotigt.
Die Agenten dieses Modells agieren somit autonom und sind vernetzt, so dass es sich hier um Collaborative Agents handelt.
Erwartungen sind im Modell von Landes und Loistl die entscheidende De- terminante fur die Aktionen und somit flir das Geschehen auf dem Aktien- markt. Dies entspricht den Gegebenheiten in der Realitat, denn auch hier wird auf Grundlage der Vermutung liber die Preisentwicklung eine Aktion (Kauf/Verkauf) getatigt.
Bei den meisten Betrachtungen des Aktienmarktes wird das Ziel verfolgt, Gleichgewichte zu bestimmen. Allerdings werden dazu Annahmen getroffen, wie zum Beispiel liber Arbitragefreiheit, um Gleichgewichtspreise und -mengen im Voraus berechnen zu konnen (vgl. Zwick, 2003, S. 25f.). Diese Annahmen entsprechen jedoch nicht den realen Bedingungen des Marktes und das pro- gnostizierte Gleichgewicht tritt nicht immer ein, so dass es notwendig ist, daflir eine Erklirung zu finden und die Restriktionen zu lockern.
Das betrachtete Modell von Landes und Loistl ermiglicht durch das Kernele- ment der Erwartungen den Blick auf den Prozess des Handelns, so dass die Mikrostruktur erkennbar wird. Jeder Agent entscheidet so, dass sein Nutzen mit seiner ermittelten Erwartung uber die Preise maximiert wird. Jede getrof- fene Entscheidung ist die Grundlage vieler weiterer Entscheidungen anderer Agenten.
Jedoch existieren auch Gleichgewichtstheorien, die ebenfalls Erwartungen uber zuklinftige Zustinde von Modellparametern mit beriicksichtigen. So ermiglicht die „Theorie der rationalen Erwartungen“, unter Berucksichtigung von Erwartungen uber beispielsweise Inflation und zuklinftige Preise, ein Gleichgewicht zu bestimmen (vgl. Lucas, 1972, S. 103). Die Theorie impliziert drei entschei- dende Restriktionen (vgl. Palmer et al., 1994, S. 265)):
- vollstandige Information,
- rational handelnde Individuen und
- identische Erwartungen.
In der Realitat sind jedoch nicht immer alle drei Restriktionen erfullt. Manche Marktteilnehmer haben mehr, andere weniger Informationen, auch handeln Individuen nicht immer rational. Zudem verwenden sie unterschiedliche Verfah- ren, um ihre Erwartungen uber die Zukunft zu spezifizieren und die Teilnehmer kaonnen nicht die Erwartungshaltungen anderer erkennen.
Zwar identifiziert die Theorie der rationalen Erwartungen bereits eine Form von Agenten, jedoch wird der Prozess, der zum Gleichgewicht fuhrt, ver- nachlassigt. Das Modell von Palmer et al. bildet hier einen Ansatzpunkt, da sowohl Erwartungen eine Rolle spielen, als auch der Prozess und die Interak- tionen der Teilnehmer beruacksichtigt werden.
Das folgende Modell von Palmer et al. (1994) versucht ebenfalls das Markt- geschehen auf dem Aktienmarkt mit Hilfe eines agentenbasierten Systems ab- zubilden. Das Modell erzeugt einen kunstlichen Markt der als Santa Fe Institute Artificial Stock Market (SFI-ASM) bekannt wurde. Dieses System wurde mehrfach abgewandelt und angepasst, um Entwicklungen des Aktienmarktes zu erklaren und nachvollziehen zu konnen (vgl. Ehrentreich, 2008, S. 92f.). An dieser Stelle wird das urspriingliche Modell von Palmer et al. vorgestellt, um die Grundidee der Agentenorientierung besser zu erkennen, da die daraus ent- wickelten Systeme eine fur ihre Bestimmung spezielle Komplexitat aufweisen. Ein einfaches Modell eines Marktes wird zu Grunde gelegt, welches den Rah- men fur die Aktionen der Agenten bietet. Der Zeithorizont ist unbestimmt und auf dem Markt befindet sich eine bestimmte Anzahl von Agenten, die nicht zwingend homogene Strukturen aufweisen mussen (vgl. Palmer et al., 1994, S. 266). So konnen sich zum Beispiel Risikoneigung, Nutzenfunktionen und vor- handene Informationen von Agent zu Agent unterscheiden. Jeder Agent hat ein Vermogen, welches sich in Aktien und Bargeld aufteilt, wobei ein negatives Vermogen nicht moglich ist. Diese Restriktion kann allerdings auch aufgehoben werden, so dass eine Kreditaufnahme und somit ein realitotsnoheres Ergebnis erreicht werden kann. Der Markt selbst funktioniert uber Angebot und Nach- frage, wobei kein Gleichgewicht erzwungen wird und Uberschussnachfrage oder -angebot herrschen kann (vgl. Palmer et al., 1994, S. 267). Die vergangenen Perioden werden von den Agenten beobachtet, so dass ihre Entscheidungen uber den Preis eines Angebotes oder einer Nachfrage auf den Erfahrungen der Vergangenheit basiert.
Palmer et al. (1994, S.270) fiihren zudem ein induktives System ein, welches den Agenten ermoglicht, aus ihren bisherigen Entscheidungen zu lernen und ihr Verhalten auf die Veranderungen der Marktgegebenheiten anzupassen. Der Markt andert sich im Laufe des Modells, so dass keine optimale Strategie existiert, die zu jedem beliebigen Zeitpunkt zu einer Nutzenmaximierung des Agenten fuhrt. Jeder der Agenten kann mit Hilfe von 60 Regeln liber sein An- gebot, beziehungsweise seine Nachfrage entscheiden, wobei er jede Regel mit den bisherigen Erfolgen und Misserfolgen bewertet. Ein Teil der Regeln wel- che sich nicht bewahrten wird zudem durch neue Regeln ersetzt, die sich aus Veraanderung einer Regel oder durch Mischen zweier Regeln entwickelt werden. Dies unterscheidet dieses Modell von dem vorherigen von Landes und Loistl, denn neben der Autonomie und den Interaktionen besitzen die Agenten Lern- fahigkeit, so dass es sich hier um Smart Agents handelt.
Der Aktienmarkt selbst wird oft als ein fast vollkommener Markt bezeichnet (vgl. Henrichsmeyer et al., 1993, S. 60). Jedoch existieren Situationen, die nicht durch Gleichgewichtsmodelle erklart werden kannen (vgl. Palmer et al., 1994, S. 269). Zum Beispiel kannen Barsencrashs nicht vorhergesehen werden. Auch so genannte Bubbles, also die Situation, dass durch Herdenverhalten der Preis einer Aktie uber deren Wert ansteigt (vgl. Gerke, 2004, S. 530), kannen nicht durch Rationalitaat erklaart werden.
Durch die Verwendung der agentenbasierten Modellierung und des dargestell- ten induktiven Systems koannen die Probleme der Theorie der rationalen Er- wartung“ fast vollstandig umgangen werden (vgl. Palmer et al., 1994, S. 270). Es ist nicht notwendig die Restriktionen zu formulieren, was zu einem rea- listischeren Abbild des Aktienmarktes fuhrt. Die Individuen werden mit un- terschiedlichen Informationen ausgestattet, agieren zum Teil irrational und werden unterschiedlich modelliert in Hinsicht auf ihre Erwartungen.
Bei beiden Modellen wird durch eine Betrachtung der Mikroebene das Zusam- menspiel auf der Makroebene sichtbar und fuhrt zu einem bestimmten Markt- zustand, welcher nicht zwingend ein Gleichgewicht sein muss (vgl. Zwick, 2003, S. 25). Diese Prozessbetrachtung ermaglicht es, Ungleichgewichte, wie sie in der Realitat zu beobachten sind, nachzuvollziehen und bietet eine Maglichkeit, das Verhalten der Aktien- und Devisenmaarkte zu erklaaren und vorherzusehen.
3.2.2 Guter- und Dienstleistungsmarkte
Der Fischmarkt von Marseille - Kirman und Vriend 2001:
Nach der Betrachtung des Aktienmarktes ist es maglich auch starker unvoll- kommene Markte zu untersuchen, um die Aussagekraft von agentenbasierten Modellen zu prlifen.
Zu diesem Zweck haben Kirman u. Vriend (2001, S. 459ff.) den Fischmarkt von Marseille in einem Modell abgebildet. Die Schwerpunkte des Modells liegen in der Betrachtung der langfristigen Preisstreuung und der Relevanz von Bin- dung an einen Verkaufer oder Kaufer. Auf dem Markt existieren Kaufer und Verkaufer, also zwei verschiedene Typen von Agenten, so dass zwei unterschied- liche Verhaltensmuster und -regeln modelliert werden mussen. Die Verkaufer bestimmen in jeder Periode zunachst ihre zu verkaufende Menge, und die Prei- se, welche sie in den zwei Runden (Vormittag und Nachmittag) einer Periode verlangen. In der zweiten Runde nehmen neben den Verkaufern nur die Kaufer teil, die nach der ersten Runde keinen Fisch erhalten haben. Die Kaufer ent- scheiden sich in jeder Runde fur einen Verkaufer. Die Verkaufer haben die Maglichkeit, die Reihenfolge der Anfragenden zu andern. Der Marktmechanis- mus funktioniert also uber die Preise. Der Verkaufer nennt seinen Preis und der Kaufer entscheidet sich anzunehmen oder abzulehnen. Die Fische sind nicht la- gerungsfahig, so dass nicht verkaufte am Ende der Periode vernichtet werden. Da es sich um die Abbildung eines Grofihandels handelt, werden die Fische von den Kaufern weiter verkauft, wobei Gewinne erzielt werden kannen (vgl. Kirman u. Vriend, 2001, S. 461).
Das Modell ist rekursiv angelegt und die Agenten koannen aus den vergange- nen Handelstagen lernen. Die Verkaufer kannen zwischen verschiedenen Regeln wahlen, wie sie ihre angebotene Menge, die erhobenen Preise und die Reihen- folge der Bedienung bestimmen. Die Regeln werden von ihnen nach ihrem Erfolg bewertet, so dass Regeln mit hoherem Nutzen bevorzugt werden. Die Kaufer verwenden ihrerseits Verfahren, mit denen sie flir sie akzeptable Preise bestimmen und fuar welchen Verkaaufer sie sich in welcher Runde entscheiden. Auch hier wird die Strategie, mit der hachsten Bewertung bevorzugt.
Daraus ergeben sich unterschiedliche Verhaltensweisen der Kaufer und Verkaufer, insbesondere in Hinsicht auf die Bindung. Das Modell von Kirman und Vriend ermittelt einen Faktor der Loyalitat und stellt fest, dass die Interak- tionen mit Partner, mit denen man haufig Geschafte abwickelte, zunehmen. In der Laufzeit des Modells von 5000 Perioden lasst sich in den jeweiligen ersten Runden ein stabiler Preis beobachten, wobei in der Nachmittagsrunde die Streuung bedeutend grafier ist. Auch der durchschnittliche Preis ist am Nachmittag haher, was auch in der Realitat zu beobachten ist (vgl. Kirman u. Vriend, 2001, S. 478).
Somit stellt das Modell eine realitatsnahe Abbildung in Hinblick auf die beiden Kernelemente Preisstreuung und Loyalitat dar. Jedoch werden viele Aspekte nur schematisch dargestellt oder bleiben unberticksichtigt, um die Komplexitat nicht zu erhahen. So ist die Teilnehmerzahl nicht variabel und die Nachfrage je Kaufer betragt immer eine Einheit, so dass die Gesamtnachfrage, im Gegensatz zu den Beobachtungen auf dem realen Markt, konstant ist. Auch werden zum Beispiel soziale Bindungen aufierhalb des Systems (Verwandtschaft, Freund- schaft) vernachlassigt. Auch die Kosten fur die Suche nach einem Handelspart- ner und fur den Wechsel zu einem anderen Verkaufer werden vernachlassigt (vgl. Kirman u. Vriend, 2001, S. 492).
Ein weiterer Kritikpunkt resultiert aus der Klassifizierung nach Nwana. Die modellierten Agenten besitzen nicht die Fahigkeit aus ihren Erfahrungen her- aus, ihre Strategien anzupassen und sind so lediglich Collaborative Agents. Der Fischmarkt beinhaltet viele Merkmale, die auch andere Grofihandelsmarkte aufweisen (vgl. Kirman u. Vriend, 2001, S. 460), so dass das Modell auch auf viele weitere Markte anwendbar ist, auf denen Guter gehandelt werden. Es bil- det eine Grundlage fur die Erklarung wie Preise und Mengen zustande kommen und wer mit wem einen Handel eingeht.
Auswirkungen von Werbung auf das Kauferverhalten - Vriend 1995:
Ein weiteres Beispiel fur die Abbildung eines Gutermarktes hat Vriend (1995) vorgestellt. Er ging der Frage nach, wie das Aussenden von Signalen in Form von Werbung das Verhalten von Konsumenten und die Bindung an einen Verkaufer beeinflusst.
Auch hier werden zwei verschiedene Typen von Agenten modelliert, zum einen Verkaufer und zum anderen die Konsumenten in der Funktion der Kaufer. Bei dem Modell werden drei Aktionen innerhalb einer Periode (eines Tages) getatigt (vgl. Vriend, 1995, S. 207f.). Zunachst entscheiden die Verkaufer, wie viele Einheiten des Gutes sie fur diesen Tag produzieren mdchten. Dabei wird von einem gegebenen konstanten Verkaufspreis ausgegangen. Die marginalen Kosten je Einheit sind ebenso konstant und es handelt sich um ein nicht- lagerungsfahiges Gut. Des Weiteren kann der Produzent Signale an die Konsumenten versenden, was seinerseits Kosten verursacht. Die Produzenten unter- scheiden sich nicht und haben alle die gleiche Produktionsfunktion. Als zweite Aktion an einem Tag wahlen die Kaufer einen Verkaufer aus. Jeder Kaufer mdchte genau eine Einheit des Gutes pro Tag konsumieren. Die Verteilung der Einheiten erfolgt dann nach dem Windhundprinzip (”first-come first-serve”, vgl. Vriend, 1995, S. 208). Als letzte Aktion evaluieren die Agenten die Erfahrungen, welche sie durch den Handel gewonnen haben.
Die Produzenten ermitteln ihren Gewinn, welcher sich formal darstellen laasst (nach Vriend, 1995, S. 209):
[...]
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.