Modelos baseados em agentes · guia do modelo
ABM de crescimento Schumpeter-Keynes: pergunta, estrutura e uso
Modelo de crescimento com inovação, imitação, seleção de firmas, crédito e demanda keynesiana.
Como inovação e seleção entre firmas interagem com demanda e crédito para criar crescimento irregular?
Contexto
Modelo de crescimento com inovação, imitação, seleção de firmas, crédito e demanda keynesiana.
Melhor para estudar crescimento e ciclo quando produtividade, estrutura industrial e demanda se movem juntos.
Leia esta página como uma referência de mecanismo. O ponto não é uma previsão pontual, mas o caminho pelo qual agentes, regras e redes produzem um resultado macro.
Como as partes se conectam
A primeira leitura deve identificar quem são os agentes, quais estados cada um carrega e quais regras de decisão atualizam o sistema.
Depois vem a estrutura de interação: mercado, rede, contrato, fila, cadeia produtiva ou ligação financeira. É ali que a microdecisão vira resultado agregado.
A saída precisa ser lida como distribuição e trajetória, não só como média. ABMs são úteis quando a cauda, o nó central ou a sequência de eventos muda a interpretação.
Aplicações
Use a visão geral para decidir se a pergunta exige agentes heterogêneos, redes ou sequência de eventos. Se não exige, um modelo mais simples pode ser melhor.
Compare cenários pela propagação: quem é atingido primeiro, qual ligação transmite o choque e onde o sistema amplifica ou absorve o movimento.
Troque para DSGE quando o foco for um contrafactual estrutural com equilíbrio claro; troque para modelos empíricos quando a pergunta principal for desempenho preditivo.
Componentes
Unidade decisória do modelo, como família, firma, banco, operador ou órgão de política, com estado e regra próprios.
Relação entre agentes, como crédito, pagamento, fornecimento, transação ou contrato de trabalho.
Resultado que emerge das interações, como produto, default, preço, desemprego, liquidez ou emissão.
Premissas
As decisões dos agentes vêm de regras explícitas, heurísticas ou processos calibrados, não de uma solução representativa única.
Se falhar: o resultado pode refletir uma regra arbitrária em vez de um mecanismo econômico defendido.
Distribuições iniciais, sementes e alvos de calibração precisam ser lidos junto com cada cenário.
Se falhar: diferenças entre cenários podem vir da configuração inicial, não da política ou do choque.
Um único caminho simulado não basta; padrões devem sobreviver a sementes, cenários e checagens de sensibilidade.
Se falhar: uma trajetória chamativa pode ser confundida com propriedade estável do modelo.
Continue a leitura
Conceitos, dados e modelos próximos
Abra o conceito, a série de dados, a política ou o modelo próximo que ancora esta página.