Banca de DEFESA: Matheus José Silva de Souza

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : Matheus José Silva de Souza
DATA : 30/03/2023
HORA: 20:00
LOCAL: Vídeo Conferência
TÍTULO:

Reconhecendo o Comportamento Econômico

PALAVRAS-CHAVES:

Economia, Aprendizado de Máquina, Avaliação de Modelos, Redes Neurais, Aspirações, Preferências sobre menus, escolhas aleatórias

PÁGINAS: 90
RESUMO:

Este trabalho contempla três capítulos independentes cujo objetivo é contribuir para a compreensão do comportamento humano em termos da preferência revelada. O primeiro capítulo contempla uma revisão de literatura acerca do progresso da modelagem teórica em economia à medida que os modelos são testados em conjunturas do mundo real, focando no relacionamento que nasce entre os modelos teóricos e as ferramentas experimentais, mais precisamente as ferramentas econométricas e de aprendizado de máquina (AM), que devem ser vistas precisamente como ferramentas para economia e não como o objetivo final, como preceitua a Lei de Goodhart. Este capítulo, portanto, serve cini um trabalho que pretende cobrir desde as raízes da modelagem econômica e fornecer uma atualização a novos pesquisados na área sobre as mais recentes ferramentas aplicadas a estudos baseados em dados. O segundo capítulo propõe uma forma de usar algoritmos de AM para avaliar modelos econômicos quando confrontados com dados, usando as medidas de restrição e completeza, que estão relacionadas à habilidade de um modelo de explicar os dados com base ou no seu potencial de detectar estrutura ou por conta da sua flexibilidade em acomodar muitos conjuntos de dados. Uma das principais conclusões é de que redes neurais artificiais (RNA), em particular o perceptron multi-camadas (PMC), ainda que treinado com uma quantidade pequena e balanceada de dados, mostra-se uma alternativa promissora para identificar estruturas comportamentais nos dados, tendo em vista uma seleção de modelos econômicos. Além disso, é obtido que impor o axioma da reflexividade aos dados desempenha um papel crucial para identificar a estrutura de comprtamento subjacente e que a completeza pode ser usada para construir uma ponte entre um modelo determinístico e outro estocástico, permitindo avaliar o potencial conjunto dos dois modelos de entender tanto as preferências por de trás dos dados, quanto justificar a incerteza dos dados. O último capítuloi modela como os agentes atualizam suas crenças a respeito das probabilidades dos eventos, representadas por uma regra de escolha aleatória (REA) com Utilidade Esperada Finita e Aleatória (UEFA), a medida que novas informações se tornam conhecidas. Apresentase, também, que a Consistência Aleatória é uma condição necessária e suficiente para que uma REA seja considerada uma atualização de outra após o agente tomador de decisões aprender novas informações, o que resulta numa contração ou expansão do seu espaço de estados subjetivo. Também é apresentado a questão da representação de contingências invisíveis quando se fala em uma extensão de trabalhos anteriores, que corresponde à caracterização a direção oposta, isto é, quando os estados subjetivos de uma representação UEFA de uma REA está contido no espaço de estados subjetivo de uma representação de uma preferência sobre menus. Por fim, discute-se as condições sob as quais uma coleção de REA representa uma partição de uma REA mais ampla de uma preferência sobre menus.

MEMBROS DA BANCA:
Presidente - 1642911 - DANIEL OLIVEIRA CAJUEIRO
Externo à Instituição - GIL RIELLA - FGV
Interno - 1550794 - JOSE GUILHERME DE LARA RESENDE
Externo à Instituição - MATHEUS SCHMELING COSTA - FGV
Interna - 5161871 - MILENE TAKASAGO