The Lucas Tree Model in the age of AI: an agent-based reinforcement learning approach (2024)
- Authors:
- Autor USP: MORAES, KAUÊ LOPES DE - FEA
- Unidade: FEA
- Sigla do Departamento: EAE
- DOI: 10.11606/D.12.2024.tde-14052024-164218
- Subjects: ECONOMIA; FINANÇAS; APRENDIZADO COMPUTACIONAL; POLÍTICA DE PREÇO
- Keywords: Agent-based model; Aprendizado de máquina; Aprendizado por reforço; Asset pricing; Economics; Finance; Lucas Tree Model; Machine learning; Modelo baseado em agentes; Modelo de Árvore de Lucas; Reinforcement learning
- Language: Inglês
- Abstract: Esta dissertação explora a integração da teoria econômica com técnicas avançadas de aprendizado de máquina (aprendizado por reforço), com um foco específico na modelagem baseada em agentes (ABM) para simulação de mercados financeiros. O principal objetivo é desenvolver um ambiente de simulação de mercado de ativos, fundamental para aprofundar a compreensão das dinâmicas dos mercados financeiros. Utilizando o modelo de árvore de Lucas, esta dissertação estabelece um quadro para testar e validar as técnicas de simulação desenvolvidas, dado que o modelo tem solução analítica em alguns casos. O modelo é replicado por meio de uma abordagem baseada em agentes, criando um ambiente simulado propício para gerar os dados necessários ao treinamento de modelos de inteligência artificial. O projeto computacional desenvolvido para este estudo é caracterizado pela sua flexibilidade, permitindo a exploração de diversos cenários econômicos e o relaxamento de várias hipóteses tradicionais em modelos de macro-finanças. Esta flexibilidade é crucial, pois permite abordar cenários que são desafiadores de serem tratados com métodos analíticos tradicionais. Os resultados corroboram com a eficácia da modelagem baseada em agentes na replicação do modelo econômico clássico e na geração de dados para análises mais aprofundadas. Este trabalho não apenas oferece novas perspectivas sobre o modelo de árvore de Lucas, mas também estabelece uma base para pesquisas futuras, que podem expandir e exploraroutras facetas complexas dos mercados financeiros
- Imprenta:
- Data da defesa: 01.02.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MORAES, Kauê Lopes de. The Lucas Tree Model in the age of AI: an agent-based reinforcement learning approach. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/12/12138/tde-14052024-164218/. Acesso em: 31 mar. 2026. -
APA
Moraes, K. L. de. (2024). The Lucas Tree Model in the age of AI: an agent-based reinforcement learning approach (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/12/12138/tde-14052024-164218/ -
NLM
Moraes KL de. The Lucas Tree Model in the age of AI: an agent-based reinforcement learning approach [Internet]. 2024 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/12/12138/tde-14052024-164218/ -
Vancouver
Moraes KL de. The Lucas Tree Model in the age of AI: an agent-based reinforcement learning approach [Internet]. 2024 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/12/12138/tde-14052024-164218/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
