宏觀經(jīng)濟學在上個世紀經(jīng)歷了多次危機與發(fā)展。

從18世紀亞當·斯密古典宏觀經(jīng)濟學中「看不見的手」到上世紀20～30年代美國大蕭條時期的凱恩斯革命，從二戰(zhàn)后薩繆爾森的新古典綜合到70～80年代美國滯漲時期的貨幣主義，從新古典宏觀經(jīng)濟學的理性預期到行為經(jīng)濟學，尤其是2008年全球金融危機后，對宏觀經(jīng)濟現(xiàn)象的研究越來越重視對人的復雜行為的準確建模。

20世紀末到21世紀初，基于代理的建模（Agent-based Modeling, ABM）在計算經(jīng)濟學中受到一定程度的關(guān)注。

ABM強調(diào)了主流方法動態(tài)隨機一般均衡（DSGE）模型中「完美世界」假設(shè)的缺陷，旨在通過模擬微觀個體的行為及其交互自下而上地涌現(xiàn)出宏觀層面的典型化事實（Stylized facts），例如GDP增長與波動、通脹與失業(yè)率的權(quán)衡。

然而，由于個體行為規(guī)則需要專家設(shè)定，并帶來模型校驗、可解釋性有限的問題，ABM模擬在宏觀經(jīng)濟學領(lǐng)域的發(fā)展一定程度上受限。

如今，大語言模型（LLM）的出現(xiàn)催生了各個領(lǐng)域的智能體研究并取得了多方面的成功，驗證了LLM強大的推理與決策能力，這為模擬更真實的經(jīng)濟個體提供了有效途徑。

論文鏈接：https://arxiv.org/abs/2310.10436v4

清華大學團隊的這項工作使用LLM構(gòu)造EconAgent，在一個宏觀經(jīng)濟系統(tǒng)中模擬了個體的工作與消費行為，并相較于傳統(tǒng)ABM模擬涌現(xiàn)出了更穩(wěn)定、真實的典型事實（Stylized fact, 即經(jīng)典的宏觀經(jīng)濟現(xiàn)象）。

EconAgent與經(jīng)濟模擬系統(tǒng)

論文第一作者為清華大學博士生李念，合作者包括清華大學李勇教授、高宸助理研究員、廖慶敏教授。

經(jīng)濟模擬系統(tǒng)的構(gòu)建

為盡可能保證經(jīng)濟模擬的真實性，經(jīng)濟系統(tǒng)包括了必要的經(jīng)濟活動，包括個體、公司、政府、銀行等經(jīng)濟對象，以及工作、消費、定價等經(jīng)濟活動：

1. 個體通過工作取得月收入；
2. 政府按照稅收政策對所有個體征稅，并將稅收平均返還；
3. 個體決定將稅收收入和儲蓄的一部分用于消費生活必需品；
4. 個體的工作帶來必需品的生產(chǎn)供應(yīng)，個體的消費帶來必需品的消費需求，結(jié)合當前的庫存，供需不平衡會帶來消費市場與勞動市場的動態(tài)變化，即商品價格與個體工資的變動；
5. 每年個體在銀行的儲蓄得到一些利息；銀行通過常用的Taylor Rule進行每年的利率調(diào)整。

EconAgent智能體設(shè)計

為了使EconAgent能根據(jù)自身與外部的經(jīng)濟狀況作出合理決策，研究者進行了如下幾方面設(shè)計。

首先，在prompt中賦予了個體差異化的、基于現(xiàn)實世界的畫像，包括年齡、姓名、職業(yè)等，使得每個個體都具有獨特的特征和背景，從而能夠模擬真實世界中個體的多樣性和復雜性。

其次，prompt中描述了真實經(jīng)濟環(huán)境中的生活場景，使得EconAgent夠感知與理解經(jīng)濟環(huán)境中的信息及其變化趨勢，從而作出正確合理的響應(yīng)。進一步地，研究者對智能體設(shè)計了記憶模塊，以模擬廣泛的宏觀經(jīng)濟趨勢對個體決策的影響；

如此一來，EconAgent不僅能夠感知當前的經(jīng)濟環(huán)境，還能夠考慮市場環(huán)境的歷史變化和長期趨勢。

最后，EconAgent綜合考慮多類經(jīng)濟因素做出自主決策，不依賴于預定義的規(guī)則。

反思prompt與結(jié)果：個體能感知勞動市場與消費市場的變化

實驗結(jié)果：宏觀經(jīng)濟現(xiàn)象與規(guī)律的自主涌現(xiàn)

研究者模擬了一個百人經(jīng)濟系統(tǒng)，每個模擬步代表一個月，共進行了20年的模擬，從宏觀經(jīng)濟指標與經(jīng)濟規(guī)律兩個方面對模擬結(jié)果進行驗證，并與基于規(guī)則的ABM模擬[1,2]以及RL方法[3]進行對比。

1. 宏觀經(jīng)濟指標：通脹率、失業(yè)率、名義GDP、名義GDP增長率

實驗結(jié)果表明，基于EconAgent的模擬涌現(xiàn)出數(shù)值更合理、波動更穩(wěn)定的宏觀經(jīng)濟指標。例如，通脹率不超過10%、在第3年后基本達到穩(wěn)定。

宏觀經(jīng)濟指標

2. 宏觀經(jīng)濟規(guī)律：Phillips Curve、Okun’s Law

實驗結(jié)果表明，基于EconAgent的模擬涌現(xiàn)出更合理的經(jīng)濟規(guī)律，而其它方法的結(jié)果出現(xiàn)了錯誤的Phillips Curve：失業(yè)率與工資通脹率并不是負相關(guān)關(guān)系。

宏觀經(jīng)濟規(guī)律

EconAgent的決策行為分析

為進一步探究EconAgent所做的決策是否符合真實世界的經(jīng)濟常識，研究者對其工作與消費決策進行多個經(jīng)濟因素的回歸分析。

結(jié)果表明，當稅收越少、政府返還越多、預期收入越高時，工作意愿越高；當儲蓄越高、上個月消費越少時，消費占儲蓄比例越低，意味著EconAgent會保持穩(wěn)定的消費水平；此外，商品價格也是影響工作與消費意愿的重要因素。以上結(jié)論均與現(xiàn)實世界中的人類行為相吻合。

研究者進一步研究EconAgent是否自主地表現(xiàn)出決策機制中的異質(zhì)性。

上圖（a）展示了消費傾向隨年齡增長而逐步增加，這與在傳統(tǒng)宏觀經(jīng)濟研究中觀察到的經(jīng)驗規(guī)律大體一致[4]。

研究者通過與EconAgent的交互，進一步解讀了Phillips Curve中出現(xiàn)負相關(guān)的可能原因。首先，計算失業(yè)率最高和最低的兩年中所有Agent的平均消費傾向。

上圖（b）展示了比較結(jié)果，其中***表示顯著差異（p < 0.001），可以觀察出高失業(yè)率導致消費傾向顯著降低。

為了更深入地了解在高失業(yè)率的勞動市場中選擇減少消費的原因，隨機選擇一個Agent，并基于在失業(yè)率最高的那一年的行為決策歷史，結(jié)合每個季度的經(jīng)濟動態(tài)，為所做出的消費決策提供理由。以下結(jié)果表明，Agent對宏觀經(jīng)濟趨勢有所感知，在面對高失業(yè)率下的勞動市場通貨緊縮時，會選擇謹慎消費。

研究者進一步探究了重要事件對EconAgent行為的影響以及由此產(chǎn)生的宏觀經(jīng)濟模擬結(jié)果的變化，這也是許多ABM研究中廣泛討論的一個話題[5]。

以對全球經(jīng)濟產(chǎn)生重大影響的COVID-19為例，研究者通過prompt的方式將其納入模擬中，如下所示：

下圖對比了失業(yè)率的變化情況，其中「Normal」和「COVID-19」分別表示有無上述提示的模擬結(jié)果。

結(jié)果表明基于EconAgent的模擬成功地復現(xiàn)了全球失業(yè)率的增長，盡管數(shù)值與真實數(shù)據(jù)并不完全匹配，但這表明所提出的框架能夠定性模擬重要事件對宏觀經(jīng)濟產(chǎn)生的影響。

以下是EconAgent的反思示例。

進一步地，研究團隊將EconAgent與研發(fā)的OpenCity智能體平臺[6]相結(jié)合，基于EconAgent驅(qū)動北京真實街區(qū)中的個體工作、消費行為，與企業(yè)的生產(chǎn)行為等經(jīng)濟活動的模擬仿真。

總結(jié)與展望

總而言之，該論文工作結(jié)合LLM智能體與經(jīng)濟模擬，為計算經(jīng)濟學的研究范式開辟了一條新的可能道路，未來有望以DSGE等主流模型為目標，向更精準、更真實的模擬邁進。

進一步地，關(guān)于大語言模型智能體ABM模擬及其在社會、經(jīng)濟、物理、網(wǎng)絡(luò)等領(lǐng)域應(yīng)用的相關(guān)工作，團隊還發(fā)布了首篇綜述論文：《Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives》，該論文已被Humanities and Social Sciences Communications接收。