Компьютерные симуляции и экономическая наука
advertisement
VII Международный симпозиум по эволюционной экономической теории. Пущино. 13-15 сентября 2007 г. Н.А. Макашева (ИНИОН РАН, ГУ-ВШЭ) Компьютерные симуляции и экономическая наука: методологический и эпистемологический аспекты, или может ли техника изменить не только стиль нашей жизни, но и наш способ получения научного знания? Целью данной работы прояснить методологическое и эпистемологическое значение компьютерных симуляций как нового инструмента исследования и возможности, которые он открывает для преодоления ряда принципиальных ограничений ортодоксальной экономической науки. Компьютерные симуляции используются для исследования явлений, являющихся результатом взаимодействия элементов, который невозможно объяснить, обращаясь непосредственно к исходным характеристикам составляющих элементов. Непосредственное наблюдение за некой совокупностью позволяет увидеть то, что можно сравнить со следом на поверхности воды, когда подводные течения скрыты от глаз наблюдателя. Неудивительно, что в этом случае наиболее естественным способом получить какие-либо данные, характеризующие объект, исследования, направленные на выявление являются эмпирические закономерностей между наблюдаемыми фактами. При таком подходе мы имеем дело со специфическим знанием, поскольку в лучшем случае можем надеяться на установление надежных более или менее статистически функциональных зависимостей, которые далеко не всегда способны удовлетворить даже не очень взыскательные практические потребности. Но даже когда полученные эмпирические закономерности оказываются достаточно устойчивыми ( независимо от того, какой критерий устойчивости используется) и в силу этого даже получают название законов, например, закон неравенства Парето, тем не менее вопрос о природе и причинах происходящего, механизмах, лежащих в основе наблюдаемых и зафиксированных зависимостей, и об условиях, в которых они оказались возможными, Работа выполнена при поддержке гранта ГУ-ВШЭ № 06-04-0058. В данной работе термин «computer simulation» , который чаще всего переводится как «компьютерные симуляции», соответственно используется термин «симуляционная модель», хотя в качестве синонимов используется и «компьютерное моделирование», как это предложено в Нельсон Р., Уинтер С. Эволюционная теория экономических изменений. М.: Финстатинформ, 2000.С..237. 1 остается открытым1. Его решение предполагает получение иного знания, например, касающегося природы действующих объектов, структур, в которых они действуют, и т.д. Именно здесь находится точка, где сходятся ( или пересекаются) основные методы получения научного знания: теоретический и эмпирический, и основные способы построения умозаключений: дедуктивный и индуктивный. Старые проблемы и новый способ моделирования Тот факт, что установленные эмпирически закономерности, как правило, являются универсальными и не дают ответов на вопросы «почему», не обеспечивает эпистемологическую привлекательность теоретического метода и дедукции как способа умозаключений. Однако универсальность выводов, полученных и с помощью дедукции, также не является абсолютной – ее степень полностью определена качеством исходных предпосылок, поскольку сама по себе процедура получения выводов в этом смысле нейтральна. Разумеется, в рамках данной работы нет необходимости касаться великой битвы между эмпириками и теоретиками, сторонниками дедуктивного и индуктивного методов даже в части, относящейся к экономической науке, не говоря уже о более широкой перспективе. Напомним лишь, что данная проблема интересовала экономистов еще со времени Дж.С.Милля, а знаменитый спор между представителями австрийской школы и исторической, в ходе которого обсуждался вопрос о наилучшем научном методе, – одна из наиболее ярких страниц методологической истории экономической науки XIX в. В XX в. дискуссии по методологическим вопросам часто возникали в связи с обсуждением тех или иных теоретических проблем. Упомяну лишь о двух., во многих отношениях показательных и имеющих отношение к обсуждаемым вопросам. На рубеже 1920-х и 1930-х годов при исследовании экономического цикла сторонники дедуктивного метода были вынуждены отстаивать свои позиции перед лицом наступающего эмпиризма, позиции которого заметно усилились благодаря развитию экономико-статистического и эконометрического инструментариев. Тогда ключевой фигурой среди защитников дедукции и теоретического метода был Ф.Хайек. В ответ на аргументы эмпириков он указывал, что сложность феномена цикла не может служить оправданием отказа от теоретического подхода и дедуктивного метода, поскольку только теоретический подход может выявить каузальные зависимости. Но у его противников кроме указания на множественность причин цикла и сложность их взаимодействия был и Неслучайно, в период бурного развития экономико-статистических исследований среди экономистовметодологов приобрел популярность инструментализм, отказавшийся оценивать теорию по какому бы то ни было иному критерию, нежели качество прогноза. (См., например, Фридмен М. Методология позитивной экономической науки // THESIS. 1994. №4. C. 20-52). 1 2 другой аргумент - принципиально статический характер экономической теории и ее центральное понятие - равновесие как не соответствующие задаче анализа динамического феномена, каким является циклический процесс2. Возможно, менее известной, но имеющей не менее общий дискуссия, состоявшаяся в середине 1920-х годов между характер была П.Б. Струве и А.Д.Белимовичем. Эти экономисты обсуждали - как тогда было принято обозначать эту тематику – подходы к созданию научной картины экономического мира. В отличие от упомянутой выше дискуссии, здесь в качестве экономической проблемы, в связи с которой обсуждались методологические и эпистемологические вопросы, была проблема цены.3 Речь шла о понимание механизма установления равновесной цены. выступал с позиций эмпиризма, в то время как Белимович, эмпирических исследований, основополагающим методом Струве допуская полезность считал теоретический, основанный на дедукции. Основным аргументом сторонников дедуктивного метода во всех дискуссиях всегда оставался тезис о том, что все действий экономических агентов, процессы в экономике – это производные от и только последние могут порождать каузальные зависимости, которые и должны интересовать ученого. Слабым местом в рассуждениях сторонников дедукции является то, что даже располагая надежным знанием (оставляем в стороне вопрос о том, откуда оно получено и насколько надежно) о поведении индивидов, делать заключение о свойствах экономики в целом можно лишь при очень сильных и далеких от реализма предположениях относительно характера связей между субъектами, о независимости и в то же время подобии образов их поведения и т.д. Именно поэтому Хайек ставил под сомнение содержательную сторону макроэкономики. По его мнению, установленные статистическим образом макроэкономические зависимости не являются каузальными и потому не содержат надежного знания. Что касается прогнозирования, то он не только не рассматривал его как цель науки, но и пытался отделить само понятие прогноза от «приставшего» к нему определения «количественный»4. В данном случае Хайек (прежде всего в работах “Monetary theory and the trade cycle” и “Price and production”) отстаивал традицию, связанную с именами У. Джевонса, К. Викселля, А. Лёве, в какой-то мере А. Маршалла, А. Пигу и противостоящую другой традиции, связанной с именами У. Митчелла, Дж.М.Кларка, К.Жюгляра, Ф.Луца. К последней традиции можно отнести и Н.Д.Кондратьева, во всяком случае, если иметь в виду его концепцию больших циклов. 3 Подробнее см. материалы, опубликованные в разделе «Памятники экономической мысли» альманаха «Истоки. Из опыта изучения экономики как структуры и процесса» (М.:ГУ-ВШЭ, 2006. Р. 428-531). 4 См., например, Хайек Ф. Контрреволюция науки. М.: Фонд «Либеральная миссия», 2003, Hayek F. Economics and knowledge //Econometrica. 1937. Feb. 2 3 В упомянутых дискуссиях противники, несмотря на противоположность их позиций, обладали одной общей чертой (отражающей их принадлежность к позитивизму): они стремились строго разграничить теоретическое и эмпирическое знание, сделать выбор между дедукцией и индукцией, наконец, определить единственно правильный метод. Именно это установка сегодня оказывается под вопросом, также как и имеющая те же корни установка на четкое разграничение субъекта и объекта исследования. что сегодня претендует компьютерное моделирование, - это, То, на в конечном счете, преодоление этих двух разрывов. «Компьютерные симуляции, - писал в 2000 г. один из лидеров симуляционного анализа в социологии, - являются детищем небывалого технологиях (IT), произошедшего прогресса в информационных за последние пятнадцать лет. Некоторые из идей, которые теперь развиваются исследователями, работающими в области симуляций, были высказаны задолго до того, как компьютеры стали доступными, но они игнорировались или считались курьезными, так как не было способов увидеть, как они могут быть реализованы. Так как эксперименты на самом обществе сопряжены с практическими и моральными трудностями, симуляция впервые позволяет принять экспериментальную парадигму… Только большинству социологов в последние годы, необходимое компьютерное обеспечение стало доступным и тем самым способствовало применению симуляций в общественных науках5. Симуляции в методологическом и эмистемологическом контекстах Алгоритм симуляционного исследования как инструмента анализа большого класса феноменов на первый взгляд может показаться весьма простым и универсальным: определить внешнюю среду, «населить» ее некоторым количеством агентов (элементов), установить правила, по которым они действуют, написать программу, которая воспроизводит процесс их взаимодействия в соответствии с некоторыми правилами, а в некоторых моделях также со случайными элементами; задать исходные параметры, касающиеся характеристик среды и поведения агентов; осуществить как можно больше прогонок с различными генераторами случайных чисел (если элементы случайности присутствуют), чтобы выявить наиболее устойчивые закономерности; проделать эту операцию при различной спецификации параметров; если есть возможность, сравнить полученную картину с реальностью и подумать, что и как можно исправить, чтобы улучшить результат. 5 Gilbert N. The simulation of social process // T.Coppock (ed) Information technology and scholarship. Oxford, 2000. P.203-204. 4 Несмотря на кажущуюся простоту, здесь каждый шаг сопряжен со многими техническими и содержательными проблемами, особенно сложными, когда в модели присутствует стохастика. Возникает вопрос, почему этот, казалось бы, технический инструментарий может иметь отношение к спорам, которые уже не одно десятилетие ведутся методологами и философами науки. Уже сама по себе эта ситуация уникальна. В истории общественных дисциплин никогда не было случая, чтобы техническая или технологическая новация, которой, безусловно, является компьютер, оказала влияние на способ получения научного знания6. Но действительно ли последствия сколь значительны? Некоторые приверженцы метода компьютерных симуляций, на самом деле, видят в нем новый способ получения научного знания, который также открывает перспективу экспериментирования в общественных науках. Они считают, что компьютерные симуляции предлагают новый взгляд на такие принципиальные эпистемологические и методологические проблемы, как соотношение эмпирического и теоретического подходов, дедукции и индукции, индивидуализма и холизма, 7, а в случае экономической науки - микро- и макротеории и т.д. Попытки найти методологический компромисс, или третий путь, получения научного знания, предпринимались и раньше, и в этом стремлении сторонники компьютерных симуляций не являются пионерами. Здесь можно вспомнить так называемое статистическое мировоззрение, экономической теории становилась в рамках которого фундаментом теоретическая статистика, в каком-то смысле объединяющая теоретический и эмпирический подходы. В 1930-е годы, опираясь на работы А. А. Чупрова, Н.Д. Кондратьев пытался предложить и обосновать «статистиковероятностный» подход в рамках своей общей исследовательской программы создания теории экономической динамики (генетики). С точки зрения Кондратьева, задача науки – познание «каузально-необходимых» закономерностей, установление которых он считал возможным, поскольку они представляют собой «результат действия закона больших чисел»8. Можно сказать, что компьютерные симуляции как метод исследования – это Ссылка, например, на большие эконометрические модели, появление которых стало возможны благодаря компьютерам, не является контраргументом, поскольку в этом случае компьютеры выполняли исключительно расчетные функции в рамках усложненного регрессионного анализа. 7 Заметим, что «двоичный» характер методологии ортодоксальной экономической науки, т.е. восприятие экономических явлений либо через призму индивидов, либо ориентируясь на экономики как органическое целое, во многом, как мне кажется, объясняется тем, что аналитически легче работать с множеством атомов (изолированных, имеющих неизменную внутреннюю структуру элементов), чем с ограниченным числом агентов большего размера, т.е. чем-то отличающихся друг от друга. 6 8 Кондратьев Н.Д. Основные проюлемы экономической статики и динамики. М.:Наука, 1991.С. 219. 5 движение к той же цели, хотя и другим путем. Об эпистемологических претензиях компьютерных симуляций можно судить по нескольким заявлениям его приверженцев. Так, в 1997 г. его значимость определялась следующим образом: « Симуляция – это третий путь для науки. Подобного дедукции, она начинается с набора явно заданных предпосылок. Но в отличие от дедукции она не доказывает теорем. Вместо этого симуляция создает данные, которые можно анализировать с помощью индукции. Однако в отличие от данных, полученных с помощью обычной индукции, данные, полученные симуляционным путем, порождены строго специфицированными правилами, и являются результатом непосредственных измерений реального мира. Если не индукция может быть использована для выяснения закономерностей в данных, а дедукция - для определения следствий из предпосылок, то симуляционное моделирование работает на интуицию»9. Очень важным с эпистемологической точки зрения является признание того, что компьютерные симуляции открывают возможности для экспериментирования в области общественных наук. Речь идет об экспериментах с искусственными объектами, каковыми могут быть так называемые «искусственные общества», «отрасли», «рынки» и т.д. Действительно, задавая различные начальные условия, меняя правила поведения элементов системы, можно изучать, как меняются ее свойства той или иной системы (совокупности). Причем при определении характеристик элементов и правил их взаимодействия исследователь может опираться как на эмпирические данные, так и на теоретические представления. Эмпирические данные могут также использоваться при оценке полученных результатов. «Когда осуществляется симуляция, система действует определенным образом и демонстрирует некоторые свойства. Симуляция может либо обеспечить проверку теории, если таковая имеется, либо просто дает возможность экспериментатору наблюдать и фиксировать поведение изучаемой системы… Конструирование искусственных систем, делает возможным новую методологию (подчеркнуто мною – Н.М.) научного исследования» 10. Применительно к экономической науке это означает претензию на преодоление «двоичного» характера методологии ортодоксальной экономической теории, т.е. разрыва между микро- и макроуровнями анализа, а также ее принципиально статического характера. Насколько эти претензии обоснованны – предмет особого рассмотрения. Критический реализм как философская основа компьютерных симуляций? 9 Axelrod R. Advancing the art of simulation in the social sciences // R. Conte, R. Hegselmann and P. Terna (eds.) Simulating social phemonema. Berlin: Springer-Verlag, 1997 . P.24-25. 10 Conte R., Gilbert N. Introduction. Computer simulation for social theory// R.Conte, N.Gilbert (eds) Artificial Society: The Computer Simulation of Social life. L.:UCL Press, 1995. P.3-4. 6 По поводу эпистемологических претензий компьютерных симуляций существуют серьезные сомнения. Причем, если бы эти сомнения высказывались лишь последовательными ортодоксами, сторонниками mainstream economics, то их можно было бы объяснить консерватизмом мышления и стремлением защитить устаревшую парадигму. Но сомнения, звучат и со стороны противников экономической ортодоксии. Так, Т. Лоусон – сегодня один из наиболее последовательных критиков философских оснований мейнстрима и сторонник так называемого трансцендентального (критического) реализма видит в нынешнем увлечении дедуктивной экономической компьютерными симуляциями лишь ответ науки на потребность в большем реализме. В данном случае, как он полагает, эта потребность удовлетворяется за счет построения новых моделей, как и всегда, работающих с атомистическими индивидами11. Возможно, что в этом высказывании проявилось подозрительное отношение Лоусона к построению моделей, которые он считает проявлением формализма в экономической науке; а с ним Лоусон ведет непримиримую борьбу. Но, несмотря на такую оценку, именно критический реализм сегодня рассматривается многими представителями философская и методологическая позиция, симуляционного направления как в наибольшей степени соответствующая задачам и возможностям этого инструментария12. Критический реализм претендует, если так можно сказать, на менее догматическую позицию при определении методологических и эпистемологических принципов и приемов по сравнению с тем, как предполагает позитивизм и как это представляют многие экономисты, занимавшиеся вопросами методологии (например, М.Фридмен, П.Самуэльсон, Ф. Хайек). Методологический «недогматизм» Лоусона во многом является следствием специфического представления об объекте научного анализа, который характерен для трансцендентального реализма, а именно: структурированность13, социальной реальности и открытость социальных систем. означает, что социальная реальность способны воспринимать, но структур, состоит нетранзитивность Структурированность не только из событий, которые мы механизмов и т.д., которые не могут быть наблюдаемы, но которые лежат в основе наблюдаемых явлений. Нетранзитивность Лоусон Т. Современная «экономическая теория» в свете реализма // Вопросы экономики. 2006. № 2. С. 9495. 12 См, например, Werker C., Brenner Th. Empirical calibration of simulation models 04/13 // Paper on economics and evolution. Max-Planck-Gesellschaft. Jena, 2004 13 Понятие структуры, как мне представляется, близко к понятию института и, пожалуй столь же расплывчато. Природа и тех и других зависит от деятельности людей, хотя людьми может вполне не осознаваться (здесь мы можем вспомнить Хайека и его идею спонтанного порядка). 11 7 предполагает, что указанные структуры и механизмы не даны нам непосредственно в наблюдаемых событиях и потому между характеристиками элементов и системы в целом невозможно установить достаточно простые взаимосвязи. Предпосылка об открытости предполагает присутствие истинной неопределенности, в данном случае связанной с тем, что в общественных системах действует человек, принципы принятия решений которым невозможно полностью детерминировать. Признание факта открытости социальных систем означает разрыв с основополагающей предпосылкой позитивизма, согласно которой одна и та же причина всегда порождает один и тот же эффект (внутреннее условие закрытости), а одно и то же следствие всегда вызывается одной и той же причиной (внешнее условие закрытости)14. Именно это обстоятельство позволило свести неопределенность к риску и рассматривать ее в терминах вероятности, а также придать используемым понятиям количественное измерение. Тем самым открывались перспективы и для эконометрического анализа и связанного с ним количественного прогнозирования15. В открытых или квази-открытых системах различные причины могут вызывать одно следствие, а одна и та же причина может вызывать различные следствия. Отсюда представление об установленных зависимостях как обусловленных временем и местом и не являющихся универсальными. Выявление и исследование структур и механизмов, управляющих течением наблюдаемых событий в таких системах, и является с точки зрения критического реализма задачей науки, задачей сложной, поскольку ни индуктивным, ни дедуктивным способом решить ее невозможно. Именно поэтому сторонники критического реализма призывают отказаться и от дедукции, и от индукции как способов рассуждений в пользу абдукции16. Они также считают эксперимент необходимой составляющей процесса познания социальной реальности, позволяющим «нащупать» скрытые от непосредственного наблюдения процессы. Эта позиция и является тем общим местом, где сходятся возможности компьютерного моделирования и цели научного исследования, определенные критическим реализмом. Но было бы неверно рассматривать критический реализм как некое руководство к исследовательской практике, тем более что в разных науках и при решении разных проблем компьютерные симуляции, а также методологические проблемы и 14 Downward P., Finch J., Ramsay J. Critical realism, empirical methods and inference: a critical discussion// Cambridge journal of economics. 2002. Vol. 26. P.482. 15 См., например, Lawson T. Abstraction, tendencies and stylized facts: a realist approach to economic analysis // Cambridge journal of economics. 1989. Vol 13. P. 59-78; Downward P., Finch J., Ramsay J. Critical realism, empirical methods and inference: a critical discussion// Cambridge journal of economics. 2002. Vol. 26. P.481-500. 16 Термин, введенный Ч.Пирсом, для обозначения метода, предполагающего изучение фактов и создания теории для их объяснения. 8 аналитические перспективы, с ними связанные, имеют свою специфику и далеко не всегда вписываются в русло критического реализма. Более того, поскольку при компьютерных симуляциях задача исследования структур, лежащих в основе наблюдаемых событий, неизбежно должна быть поставлена в плоскость моделирования, возникает вопрос о том, как можно отразить и учесть наличие этих структур. Очевидно, что экономическая реальность представляет собой многоуровневую структуру; при переходе с одного уровня которой на другой возникают качественно новые свойства, т.е. имеет место явление, которое сегодня принято называть эмерджентностью17. При компьютерных симуляциях обычно рассматриваются только два уровня: микро и макро, или, чтобы избежать аналогий с микро и макроэкономикой, нижний и верхний. В экономике нижний уровень – это экономические агенты - фирмы или потребители, верхний - экономика в целом, рынки, отрасли – в зависимости от задачи. Разумеется, ограничиваясь только двумя уровнями, исследователь сужает задачу по сравнением с той, которая была заявлена критическим реализмом. Более того, компьютерные симуляции сами по себе не позволяют исследовать структуры, они лишь воспроизводят взаимодействие агентов и дают результат, который может случить «подсказкой» для исследователя структур. Видимо, это сужение задачи, неизбежное при любой формализации, и не устраивает Лоусона. Но нас интересует не столько соответствие возможностей компьютерных симуляций задачам, которые ставит перед наукой критический реализм, сколько возможности симуляций при исследовании объектов, состоящих из взаимодействующих элементов. Укажем на некоторые моменты, заставляющие с некоторой осторожностью относиться к претензиям симуляционного подхода. При выборе конкретного объекта исследования в роли своеобразного «ограничителя», как правило, выступает случайный процесс (randomness): он замещает все внутренние процессы, которые исследователь не хочет моделировать и воплощает все внешние процессы, которые его не интересуют 18. К числу таких «неинтересных» процессов могут быть отнесены: процесс исходного распределения клеток на решетке в так называемой игре жизни19, начального распределения мнений по некоторым вопросом и степени восприимчивости к чужому мнению среди членов популяции в моделях Эмерджентное свойство системы не может быть аналитически выведено из свойств ее элементов. Более корректно говорить о том, что этого нельзя сделать с помощью существующего аналитического аппарата, не исключая того, что когда-нибудь в будущем это окажется возможным. 18 Gilbert G. N. Simulation as a research strategy // K. G.Troitzsch, U. Muller ,G.N. Gilbert, J.E.Doran (eds). Social science microsimulation. Berlin:Springel, 1996. P. 450. 19 См., например, Hegselmann R. Cellular automata in the social sciences: perspectives, restrictions and artifacts // Hegselmann R, Muller U., Trroizsch K.G. (eds) Modeling and simulation in the social sciences from the philosophy point of view. Berlin, 1996. P. 209-234. 17 9 эффектов социального взаимодействия20, появления новой технологии при моделировании процессов шумпетерианской конкуренции21 и др. В случае шумпетерианской конкуренции легко просматривается аналогия такого случайного процесса с процессом мутации. Принципиальная проблема, которая возникает при моделировании объектов социальной (экономической) действительности состоит в том, что случайный процесс может «заместить» способность человека анализировать ситуацию и принимать решения, корректирующие его поведение. Если к этому добавить предпосылку об однородности агентов, то поведение людей может быть уподоблено поведению, например, молекул газа в замкнутом объеме. (И в этом случае есть опасность отождествить происходящее в общественной жизни с процессами в природе). В этом случае закономерности, характеризующие всю совокупность, могут быть установлены, в том числе и с помощью компьютерных симуляций, хотя возможны и другие способы. Упреки действующих в «биологизации» экономических агентов, в ситуации неопределенности, звучали уже с появлением первых работ в области эволюционной экономики22. На этом фоне оптимизационная модель неоклассики могла казаться даже «более человеческой». Для того чтобы парировать подобные претензии, эволюционистам пришлось ввести понятие рутинизированного поведения и попытаться доказать, что этот такой тип поведения более соответствует реальности, чем оптимизационная модель, особенно, если люди действуют в условиях неопределенности. Это был способ придать экономическим агентам (в данном случае фирмам) способность анализировать возникающие в системе (в результате их же собственных действий и взаимодействий) свойства и соответствующим образом изменять тип своего поведения (адаптироваться). Можно сказать, что это один из самых простых способов ввести в модель рефлексивность. Еще одним принципиальным шагом в сторону создания новой (эволюционной) парадигмы была предпосылка об исходном и воспроизводящимся многообразии экономических агентов и типов их поведения. Очевидно, что обе эти предпосылки фактически делают невозможным анализировать большие совокупности агентов аналитическим способом. Показательно, что обе предпосылки были сформулированы и приняты в знаменитой книге Р.Нельсона и С. Уинтера23 тогда, когда симуляционный метод был уже известен. Latane B. Dynamic social impact // Hegselmann R, Muller U., Trroizsch K.G. (eds) … P. 287-310. См., например, Kwasnickki W. Schumpeterian modeling // http:/www.prawo.uni.wroc.pl/~kwasnicki 22 См., например, Penrose E.T. Biological analogies in the theory of the firm // American economic review. 1952. Vol. 42, N 5. P. 804-819. 23 Нельсон Р., Уинтер С. Эволюционная теория экономических изменений. М.: Финстатинформ, 2000. 20 21 10 Мне представляется, что именно с возможностью или невозможностью продвинуться в направлении включения явления рефлексивности в модель связаны перспективы компьютерного моделирования при решении проблемы редукции микро- и макро в экономике. Как известно, эта проблема возникла в связи с невозможностью объяснить возникновение незанятых ресурсов в модели, основанной на гипотезе рационального оптимизатора и целом ряде сопутствующих предпосылок. Попытки справиться с этой ситуацией вынудили экономистов – сторонников mainstream ослаблять присутствующие чистой теории еще со времен предпосылки, Вальраса. Главным направлением ревизии было, безусловно, то, что можно назвать, различными способами преодолеть принципиальную статичность теории предположения (отказ от мгновенного характера сделок, об относительной скорости реакции цен и количеств, наличие неопределенности и ожиданий и т.д.24). В результате этих усилий появились: равновесная невальрасианская модель, неравновесная вальрасианская, неортодоксальная кейнсианская и т.д. При этом макроуровнь представляли, как правило, макроагента, что уже предполагало два репрезентативных ответ на вопрос о соотношении микро- и макроуровней. Когда же анализ велся в макроэкономических терминах (яркий пример модель Хикса), то соответствующие зависимости, с которыми работал исследователь, имели скорее эмпирическое, нежели аналитическое обоснование. Суть проблемы редукции как проистекающей из стремления связать состояние экономики с результатом взаимодействия экономических агентов, была продемонстрирована Кейнсом при его анализе финансового рынка (явление, которое обозначается как «стадное чувство», «животный дух»), а также при объяснении влияния снижения заработной платы на общий уровень занятости25. Вполне закономерно, что теория Дж.М.Кейнса не содержала формальной модели, поскольку аналитически представить указанные механизмы невозможно. При этом в обоих случаев главным для Кейнса был вопрос о взаимодействии индивидов в условиях ограниченности их знания ( ситуации на финансовом рынке в целом, общенациональной нормы безработицы и т.д.), с одной стороны, и способности корректировать свое поведение в зависимости от оценки происходящего, - с другой. Решение проблемы редукции, как мне представляется, предполагает не только объяснение того, как взаимодействие микроагентов проявляется в свойствах всей Эти усилия породили огромный поток работ и привели к созданию моделей: невальрасианского равновесия и вальрасианского неравновесия, неортодоксальных кейнсианских и т.д. 25 Кейнс Дж.М. Общая теория занятости // Истоки. Выпуск 3. М.: ГУ-ВШЭ, 1998. С.280-292, Ккейнс Дж.М. Общая теория занятости, процента и денег. М.: Наука, 1978, гл.19. 24 11 совокупности (хотя и эта проблема, как было отмечено, очень сложна), но и того, как изменения на уровне популяции воспринимаются участниками и влияют на их поведение. Трудно представить, что эту задачу можно выполнить аналитически. Могут ли ее решение приблизить компьютерные симуляции? Этот вопрос пока остается открытым. В настоящее время весьма успешно развиваются микросимуляции при анализе отраслей, рынков, секторов. Но и здесь остается целый ряд эпистемологических вопросов. Например, тот факт, что компьютерные симуляции – это в большой степени case studies, и потому не могут дать универсального знания: начальных условий достаточно произволен, при том, что выбор спецификаций начальные условия в нелинейных системах очень существенны. Конечно, предварительный анализ исходных спецификаций и использование различных спецификаций отчасти снимает упрек в недостаточной общности полученных результатов. Однако и здесь существует целый ряд препятствий: стремление исследователей задавать весьма простые правила поведения26, ограниченное число спецификаций, которые могут быть испробованы. При этом вполне возможна ситуация, когда при различных спецификациях получается сходная картина совокупности и нет достаточных оснований для выбора наилучшей. И здесь мы сталкиваемся еще с одной особенностью данного метода, которая отчасти помогает уйти от этой проблемы. Речь идет о том, что компьютерные симуляции не ставят задачу найти единственную правильную модель для описания некоего явления. Вполне допускается, что приемлемыми могут оказаться несколько вариантов, по крайней мере до тех пор, пока не появятся основании для сокращения их числа. Подобный плюрализм ставит перед методологом сложный выбор: либо признать, что компьютерные симуляции еще недостаточно совершенный метод, либо, напротив, что они отвечают современным представлениях о качестве научного знания и способах его оценки. *** Компьютерные симуляции сегодня получают все большее применение при исследовании большого класса явлений, относящихся к различным общественным дисциплинам, в том числе и моделирования экономике. Они являются основным инструментом в эволюционной теории, которая противостоит неоклассике как исследовательская парадигма. Компьютерные симуляции еще не могут рассматриваться как третий путь получения научного знания и способ рассуждений, наряду с 26 Werker C., Brenner Th. Empirical calibration of simulation models// ECIS Working papers 04/13. Papers on economics and evolution. Jena: Max-Planck Gesellschaft, 2004. 12 эмпирическим и теоретическим, индукцией и дедукцией. Однако важное методологическое значение этого приема состоит прежде всего в том, что он позволяет «переложить» сложные методологические проблемы экономической науки, прежде всего проблему соотношения микро- и макроуровней, на современный язык, тем самым не только открывает новую перспективу их рассмотрения, но и позволяет определить наиболее сложные моменты на пути их решения. 13
