कम्प्यूटेशनल अर्थशास्त्र

कम्प्यूटेशनल अर्थशास्त्र एक अंतःविषय शोध अनुशासन है जिसमें कंप्यूटर विज्ञान, अर्थशास्त्र और प्रबंधन विज्ञान सम्मिलित है। यह विषय आर्थिक प्रणालियों के कम्प्यूटेशनल मॉडलिंग को सम्मिलित करता है। इनमें से कुछ क्षेत्र अद्वितीय हैं जबकि कई मॉडलों ने डेटा विश्लेषण और अन्य समस्याओं के समाधान की स्वीकृति देकर अर्थशास्त्र के क्षेत्रों की स्थापना किया, जिनमे कंप्यूटर और संबद्ध संख्यात्मक विधियों के अतिरिक्त अनुसंधान शोध कठिन था।

अर्थशास्त्र अनुसंधान के विभिन्न क्षेत्रों में कम्प्यूटेशनल के प्रकारों को प्रयुक्त किया गया है, जिसमें निम्न सम्मिलित हैं लेकिन केवल यही सीमित नहीं है:

अर्थमिति


 * गैर-क्रमादेशन दृष्टिकोण
 * अर्ध-क्रमादेशन दृष्टिकोण और यंत्र शिक्षण

गतिक तंत्र मॉडलिंग:


 * अनुकूलीकरण
 * गतिक प्रसंभाव्यता सामान्य संतुलन मॉडल
 * घटक-आधारित कम्प्यूटेशनल अर्थशास्त्र

इतिहास
कम्प्यूटेशनल अर्थशास्त्र समवर्ती रूप से क्षेत्र के गणितीकरण के साथ विकसित हुआ। 20वीं सदी के प्रारम्भ के समय जॉन टिनबर्गेन और रैगनार फ्रेश जैसे प्रवर्तकों ने अर्थशास्त्र के कम्प्यूटरीकरण और अर्थमिति के विकास को आगे बढ़ाया। अर्थमिति में प्रगति के परिणामस्वरूप, प्रतिगमन विश्लेषण, सांख्यिकीय परिकल्पना परीक्षण और अन्य कम्प्यूटेशनल सांख्यिकीय विधियों को आर्थिक अनुसंधान में व्यापक रूप से स्वीकृत किया गया। सैद्धांतिक मोर्चे पर वास्तविक व्यापार चक्र (आरबीसी) मॉडल और गतिक प्रसंभाव्यता सामान्य संतुलन मॉडल (डीएसजीई) सहित जटिल वृहत् अर्थशास्त्रम्संबंधी मॉडल ने संख्यात्मक समाधान विधियों के विकास और अनुप्रयोग को प्रेरित किया है जो गणना पर बहुत अधिक निर्भर करते हैं। 21वीं सदी में कम्प्यूटेशनल एल्गोरिदम के विकास ने आर्थिक अनुसंधान के साथ पूर्वानुमान करने के लिए कम्प्यूटेशनल तरीकों के लिए नए साधन तैयार किए है। आर्थिक अनुसंधान के विभिन्न क्षेत्रों में यंत्र शिक्षण मॉडल और घटक-आधारित मॉडलिंग जैसे नवीन दृष्टिकोणों का सक्रिय रूप से पता लगाया गया है, अर्थशास्त्रियों को एक विस्तारित टूलकिट अर्पित की गई है जो प्रायः पारंपरिक प्रकारों से चरित्र में भिन्न होती है।

घटक आधारित मॉडल
कम्प्यूटेशनल अर्थशास्त्र विश्लेषणात्मक और सांख्यिकीय रूप से तैयार की गई आर्थिक समस्याओं को हल करने के लिए कंप्यूटर आधारित आर्थिक मॉडलिंग का उपयोग करता है। एक शोध कार्यक्रम उस अंत तक घटक-आधारित कम्प्यूटेशनल अर्थशास्त्र (एसीई), आर्थिक प्रक्रियाओं का कम्प्यूटेशनल अध्ययन, संपूर्ण अर्थव्यवस्थाओं सहित, पारस्परिक घटकों की गतिशील प्रणालियों के रूप में है। जैसे यह जटिल अनुकूली प्रणाली प्रतिमान का एक आर्थिक अनुकूलन है। यहाँ "घटक" का अर्थ कम्प्यूटेशनल वस्तु से है जिसे नियमों के अनुसार परस्पर क्रिया के रूप में प्रतिरूपित किया गया है। वास्तविक घटक सामाजिक, जैविक और भौतिक संस्थाओं का प्रतिनिधित्व कर सकते हैं। संतुलन में घटकों द्वारा गणितीय अनुकूलन की सैद्धांतिक धारणा को खेल-सैद्धांतिक संदर्भों सहित विणपन की क्षमता के अनुकूल सीमित तर्कसंगतता के साथ घटकों के कम प्रतिबंधात्मक अभिधारणा द्वारा प्रतिस्थापित किया जाता है। मॉडलर द्वारा निर्धारित प्रारंभिक स्थितियों से प्रारम्भ होकर एक एसीई मॉडल पूरी तरह से घटक प्रभाव द्वारा संचालित समय के माध्यम से आगे बढ़ता है। विधि का वैज्ञानिक उद्देश्य वास्तविक विश्व के डेटा के विरुद्ध सैद्धांतिक निष्कर्षों का परीक्षण करना है, जो सामान्यतः समर्थित सिद्धांतों को समय के साथ संचित करने की स्वीकृति देता है।

कम्प्यूटेशनल अर्थशास्त्र में मशीन लर्निंग
मशीन लर्निंग मॉडल विशाल, जटिल, असंरचित डेटा समूह को हल करने के लिए एक विधि प्रस्तुत करते हैं। विभिन्न मशीन लर्निंग विधियों जैसे कि कर्नेल विधि और यादृच्छिक वन को आंकड़ा खनन और सांख्यिकीय विश्लेषण में विकसित और उपयोग किया गया है। ये मॉडल पारंपरिक सांख्यिकीय मॉडल की तुलना में अपेक्षाकृत वर्गीकरण, पूर्वानुमानित क्षमता, नम्यता जैसे कि स्टार पद्धति प्रदान करते हैं। इसकी अन्य विधियाँ जैसे कि प्रयोजनार्थक मशीन लर्निंग और प्रयोजनार्थक-ट्री लर्निंग विशिष्ट लाभ प्रदान करती हैं, जिसमें अनुमान परीक्षण भी सम्मिलित है।

आर्थिक अनुसंधान में मशीन लर्निंग उपकरण का उपयोग करने के उल्लेखनीय लाभ और हानि हैं। अर्थशास्त्र में एक मॉडल का चयन और विश्लेषण शीघ्र रूप से किया जाता है। आर्थिक अनुसंधान सिद्धांत के आधार पर एक मॉडल का चयन किया जाता है फिर डेटा के साथ मॉडल का परीक्षण/विश्लेषण किया जाता है। इसके बाद अन्य मॉडलों के साथ अंतः वैधीकरण किया जाता है। दूसरी ओर मशीन लर्निंग मॉडल ने "ट्यूनिंग" प्रभावों का निर्माण किया है। जैसा कि मॉडल अनुभवजन्य विश्लेषण करता है। यह समवर्ती रूप से विभिन्न मॉडलों को सत्यापित करता है और अनुमान या तुलना करता है। यह प्रक्रिया पारंपरिक लोगों की तुलना में अधिक जटिल अनुमान लगा सकती है।

पारंपरिक अर्थशास्त्र मे सम्मिलित सिद्धांतों के आधार पर डेटा को आंशिक रूप से सामान्य किया जाता है, जबकि मशीन लर्निंग मॉडल को प्रयुक्त करने के लिए अधिक अनुभवजन्य दृष्टिकोण प्रस्तुत किया जाता है। हालांकि मशीन लर्निंग वर्गीकरण प्रभाव और प्रयुक्त अच्छाई का मूल्यांकन करने में उत्कृष्टता प्राप्त होती है। कई स्थितियों में सांख्यिकीय अनुमान की क्षमता का अभाव होता है, जो आर्थिक शोधकर्ताओं के लिए अधिक रुचि रखते हैं। मशीन लर्निंग मॉडल की सीमाओं का अर्थ है कि मशीन लर्निंग का उपयोग करने वाले अर्थशास्त्रियों को जटिल सांख्यिकीय कारण अनुमान के लिए योजना विकसित करने की आवश्यकता होती है जो आधुनिक अनुभव अनुसंधान का मुख्य भाग है। उदाहरण के लिए अर्थशास्त्र के शोधकर्ता भ्रमित करने, विश्वास अंतराल और अन्य मापदंडों की पहचान करने की कल्पना कर सकते हैं जो मशीन लर्निंग एल्गोरिदम में अच्छी तरह से निर्दिष्ट नहीं हैं।

मशीन लर्निंग अधिक जटिल विषम आर्थिक मॉडल के विकास को प्रभावी रूप से सक्षम कर सकता है। परंपरागत रूप से विषम मॉडलों को व्यापक कम्प्यूटेशनल प्रोग्राम की आवश्यकता होती है। चूंकि विविधता, विश्वास, क्षमता, कौशल या बाधाओं में अंतर हो सकता है। एक विषम मॉडल का अनुकूलन सजातीय दृष्टिकोण (प्रतिनिधि घटक) की तुलना में बहुत अधिक कठिन है प्रबलित लर्निंग और डीप लर्निंग का विकास विषम विश्लेषण की जटिलता को महत्वपूर्ण रूप से कम कर सकता है और ऐसे मॉडल बना सकता है जो अर्थव्यवस्था में घटकों के व्यवहार को अपेक्षाकृत रूप से दर्शाते हैं।

तंत्रिका नेटवर्क को अपनाने और प्रयुक्त करने, कम्प्यूटेशनल अर्थशास्त्र के क्षेत्र में गहन शिक्षा डेटा की सफाई और डेटा विश्लेषणात्मक के अनावश्यक कार्य को कम कर सकती है, बड़े पैमाने पर डेटा विश्लेषणात्मक के समय और लागत को अपेक्षाकृत कम कर सकती है और शोधकर्ताओं को एक महान पर डेटा एकत्र करने या विश्लेषण करने में सक्षम बनाती है। यह आर्थिक शोधकर्ताओं को नई मॉडलिंग विधियों का पता लगाने के लिए प्रोत्साहित करती है। इसके अतिरिक्त डेटा विश्लेषण पर दुर्बल शोधकर्ताओं को विषय-वस्तु जैसे कारण संबंधी अनुमान, समिश्र चर और मॉडल के यथार्थवाद पर अधिक ध्यान केंद्रित करने में सक्षम करती है। उपयुक्त मार्गदर्शन के अंतर्गत मशीन लर्निंग मॉडल बड़े पैमाने पर अनुभवजन्य डेटा विश्लेषण और संगणना के माध्यम से प्रयुक्त अर्थशास्त्र विकसित करने की प्रक्रिया को अपेक्षाकृत तीव्र कर सकते हैं।

गतिक प्रसंभाव्यता सामान्य संतुलन मॉडल (डीएसजीई)
आर्थिक अस्थिरता का अनुकरण करने और नीतिगत परिवर्तनों के प्रभावों का परीक्षण करने के लिए व्यापक आर्थिक अनुसंधान में गतिशील मॉडलिंग विधियों को प्रायः अपनाया जाता है। कम्प्यूटेशनल तकनीकों और समाधानों पर अधिक निर्भर गतिशील मॉडलों का डीएसजीई एक वर्ग है। डीएसजीई मॉडल सूक्ष्म-स्थापित आर्थिक सिद्धांतों का उपयोग वास्तविक विश्व अर्थव्यवस्था की विशेषताओं को अंतर-अनिश्चितता वाले वातावरण में प्रयुक्त करने के लिए करते हैं। उनकी अंतर्निहित जटिलता को देखते हुए, डीएसजीई मॉडल सामान्य रूप से या विश्लेषणात्मक रूप से आकर्षक होते हैं और सामान्यतः कंप्यूटर सॉफ्टवेयर का उपयोग करके संख्यात्मक रूप से प्रयुक्त किए जाते हैं। डीएसजीई मॉडल का एक प्रमुख लाभ यह है कि वे नम्यता के साथ घटकों के गतिशील विकल्पों के अनुमान की सुविधा प्रदान करते हैं। हालांकि कई विद्वानों ने डीएसजीई मॉडल की अपेक्षाकृत कम रूप वाली धारणाओं पर निर्भरता के लिए आलोचना की है जो अपेक्षाकृत रूप से अवास्तविक हैं।

कम्प्यूटेशनल उपकरण आर (प्रोग्रामिंग भाषा)
आर्थिक अनुसंधान में कम्प्यूटेशनल उपकरणों का उपयोग लंबे समय से आदर्श और मूल आधार रहा है। अर्थशास्त्र के लिए कम्प्यूटेशनल उपकरण में विभिन्न प्रकार के कंप्यूटर सॉफ़्टवेयर सम्मिलित हैं जो विभिन्न आव्यूह संचालन (जैसे व्युत्क्रमित आव्यूह) के निष्पादन की सुविधा प्रदान करते हैं। रैखिक और गैर-रैखिक समीकरणों की प्रणालियों का समाधान करते हैं। डेटा विश्लेषणात्मक और मॉडलिंग के उद्देश्य से आर्थिक अनुसंधान में विभिन्न प्रोग्रामिंग भाषाओं का उपयोग किया जाता है। कम्प्यूटेशनल अर्थशास्त्र अनुसंधान में उपयोग की जाने वाली प्रोग्रामिंग भाषाओं की एक विशिष्ट सूची निम्नलिखित है:


 * C++
 * मैट लैब
 * जूलिया (प्रोग्रामिंग भाषा)
 * पायथन (प्रोग्रामिंग भाषा)
 * आर (प्रोग्रामिंग भाषा)
 * स्टाटा (प्रोग्रामिंग भाषा)

इन प्रोग्रामिंग भाषाओं में, C++ संकलित भाषा के रूप में सबसे तीव्र प्रदर्शन करती है, जबकि व्याख्या की गई भाषा के रूप में पायथन सबसे धीमी है। मैट लैब, जूलिया और आर प्रोग्रामिंग भाषा प्रदर्शन की व्याख्या के बीच संतुलन प्राप्त करते हैं। प्रारंभिक सांख्यिकीय विश्लेषण सॉफ्टवेयर के रूप में स्टाटा प्रोग्रामिंग भाषा सबसे पारंपरिक प्रोग्रामिंग भाषा का विकल्प है। अर्थशास्त्रियों ने स्टाटा को इसकी चौड़ाई, शुद्धता, नम्यता और दोहराव के कारण सबसे लोकप्रिय सांख्यिकीय विश्लेषण प्रोग्रामों में से एक के रूप में स्वीकृत किया है।

पत्रिकाओं
निम्नलिखित पत्रिकाएँ कम्प्यूटेशनल अर्थशास्त्र में अर्थशास्त्र और संगणना, कम्प्यूटेशनल अर्थशास्त्र, अनुप्रयुक्त अर्थमिति पत्रिका, आर्थिक गतिशीलता और नियंत्रण पत्रिका, आर्थिक सहभागिता और समन्वय पत्रिका पर एसीएम अन्तःक्रिया के विशेषज्ञ हैं।

बाहरी संबंध

 * Society for Computational Economics
 * Journal of Economic Dynamics and Control - publishes articles on computational economics
 * Agent-Based Computational Economics - maintained by Leigh Tesfatsion
 * The Use of Agent-Based Models in Regional Science - a study on agent-based models to simulate urban agglomeration
 * Computational Economics with Python - a series of lectures
 * Computational Finance and Economic Agents
 * Journal of Economic Interaction and Coordination - official journal of the Association of Economic Science with Heterogeneous Interacting Agents
 * Chair of Economic Policy, University of Bamberg (Germany)
 * Repository of public-domain computational solutions