ISSN 2587-7666 (Online)
Поиск
/
ВТЭ

Вопросы теоретической экономики

Институт экономики Российской академии наук

Экономическая теорияНаучная статья

Агент-ориентированное моделирование в экономической науке: теоретико-методологические основы

Agent-Based Modeling in Economic Science: Theoretical and Methodological Foundations

Страницы: 37-51
УДК: 519.86
JEL: B25, C63, B41, C52

Авторы

Капогузов Евгений Алексеевич

д.э.н., профессор

ORCID: 0000-0001-8083-5654

egenk@mail.ru

  • зав. учебно-научной лабораторией, Московский государственный университет им. М.В. Ломоносова
  • ведущий научный сотрудник, Институт экономики РАН

Чупин Роман Игоревич

к.социол.н.

ORCID: 0000-0002-8904-1380

Roman-chupin@ya.ru

  • научный сотрудник, Омский научный центр Сибирского отделения РАН

Поспелов Роман Алексеевич

ORCID: 0000

roman.pospelov.90@mail.ru

  • инженер учебно-научной лаборатории, Московский государственный университет им. М.В. Ломоносова
Получена: 17.08.2026
Принята в печать: 15.10.2026

Аннотация

Статья посвящена теоретико-методологическому обоснованию агент-ориентированного моделирования (АОМ) как инструмента преодоления кризиса ортодоксальной экономической теории. Авторы проводят системный критический анализ ограничений эконометрики и DSGE-моделей как исследовательских инструментов современной экономической науки в условиях структурной нестабильности и гетерогенности агентов. В работе представлена математическая архитектура агент-ориентированной вычислительной системы, включая сетевые структуры взаимодействий, и проведён компаративный анализ АОМ, эконометрики и DSGE-моделей. Авторы обосновывают вывод, что АОМ выступает не альтернативой, а необходимым дополнением к традиционным методам, позволяя моделировать эмерджентные макроэффекты на основе микроповедения агентов. Особое внимание уделяется перспективам методологической триангуляции, сочетающей эконометрическую верификацию, аналитические модели и имитационные эксперименты для анализа сложных экономических систем. В компаративной таблице и отдельном разделе авторами детально сопоставляются три исследовательские инструмента современной экономической науки – эконометрика, DSGE-модели и АОМ. В конце статьи авторы делают вывод о том, что АОМ, обладая высокой гибкостью и реалистичностью, является эффективным методом для сценарного анализа и изучения сложных экономических систем со множеством неоднородных агентов, но требует осторожной интерпретации и триангуляции результатов моделирования с учётом значимых ограничений и особенностей АОМ как исследовательского инструмента.

Ключевые слова

агент-ориентированное моделированиеэконометрический анализметодология экономической наукиDSGE-моделикритический анализсравнение исследовательских инструментов экономической науки

Литература

  1. Агент-ориентированные модели: учебное пособие (2022) / Под ред. В.Л. Макарова, А.Р. Бахтизина, Е.Д. Сушко. – Москва: Департамент научных изданий ГАУГН.
  2. Крепцев Д., Селезнев С. (2016). DSGE-модели российской экономики с малым количеством уравнений. Серия докладов об экономических исследованиях / Банк России. № 12. Май. URL: https://cbr.ru/Content/Document/File/16728/wps_12.pdf (дата обращения: 07.08.2026).
  3. Худякова Е.В., Липатов А.А. (2021). Имитационное моделирование процессов и систем в АПК: Учебник. – М: ИКЦ «Колос-с».
  4. An L. (2012). Modeling human decisions in coupled human and natural systems: Review of agent-based models // Ecological Modelling. Vol. 229, Pp. 25-36.
  5. Arthur W.B. (2021). Foundations of complexity economics // Nature Reviews Physics. Vol. 3. No.2. Pp. 136-145.
  6. Axtell R.L., Farmer J.D. (2022). Agent-based modeling in economics and finance: Past, present, and future // Journal of Economic Literature. Vol. 60 No. 4. Pp. 1302-1354.
  7. Campos P., Rao A., Brazdil P. (2025). Agent-Based Modeling and Learning in Economics: An Overview // Machine Learning Perspectives of Agent-Based Models. – Switzerland: Springer. Pp. 9-48.
  8. Dawid H., Delli Gatti D. (2018). Agent-based macroeconomics // Handbook of Computational Economics. No. 4. Pp. 63-156.
  9. Dosi G., Roventini A. (2019). More is different... and complex! The case for agent-based macroeconomics // Journal of Evolutionary Economics. Vol. 29. No. 1. Pp. 1-37.
  10. Epstein J. M., Axtell R. (1996). Growing Artificial Societies: Social Science from the Bottom Up. – NY: Brookings Institution Press.
  11. Fagiolo G., Roventini A. (2017). Macroeconomic policy in DSGE and agent-based models redux: New developments and challenges ahead // Journal of Artificial Societies and Social Simulation. Vol. 20. No. 1. URL: http://jasss.soc.surrey.ac.uk/20/1/1.html. DOI: 10.18564/jasss.3280 (access date: 07.08.2026).
  12. Farmer J.D., Foley D. (2009). The economy needs agent-based modeling // Nature, 460 (7256). Pp. 685-686.
  13. Macal C.M., North M.J. (2010). Tutorial on agent-based modelling and simulation // Journal of Simulation/ Vol. 4. No. 3. Pp. 151-162.
  14. Shoham Y., Leyton-Brown K. (2008). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. — Cambridge: Cambridge University Press.
  15. Tesfatsion L. (2006). Agent-based computational economics: A constructive approach to economic theory // Handbook of Computational Economics. No. 2. Pp. 831-880.

© Капогузов Евгений Алексеевич, Чупин Роман Игоревич, Поспелов Роман Алексеевич, 2026

© ФГБУН Институт экономики Российской академии наук «Вопросы теоретической экономики», 2026

Для цитирования

Капогузов Евгений Алексеевич, Чупин Роман Игоревич, Поспелов Роман Алексеевич. Агент-ориентированное моделирование в экономической науке: теоретико-методологические основы // Вопросы теоретической экономики. 2026. № 4 (33). С. 37-51. DOI: 10.52342/2587-7666VTE_2026_4_37_51.