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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
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://www.teses.usp.br/teses/disponiveis/12/12138/tde-14052024-164218/. Acesso em: 27 dez. 2025. -
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://www.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 2025 dez. 27 ] Available from: https://www.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 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/12/12138/tde-14052024-164218/
Informações sobre o DOI: 10.11606/D.12.2024.tde-14052024-164218 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
