Bounded rationality and comptexity

Abstract

ÖZ SINIRLI RASYONALİTE VE KARMAŞIKLIK Nomaler, Z. Önder Yüksek Lisans, İktisat Bölümü Tez Yöneticisi: Doç. Dr. Erol Taymaz Nisan 1996, 80 sayfa Bu çalışma, karmaşık bir ortamı gözleyip, farklı seviyede bilgi toplama ve işleme yetileriyle karar alma durumunda olan sınırlı rasyonel yapay birimlerin, yeni gelişen 'yapay sinir ağlan' ve 'bulanık kontrol' teknikleriyle modellenmesini amaçlamaktadır. Modellenen yapay birimler hipotetik bir menkul kıymetler borsasında bulunmaktadırlar. Her dönem geçmiş fiyat hareketlerini gözlemleyip, bir yapay sinir ağı prensibiyle sonraki dönem fiyatları için tahminde bulunurlar, risk değerlendirmesi yapıp bulanık kontrol prensipleriyle yeni portfolyö seçimlerini yaparlar. Yapay birimler farklı sinir ağı yapılarının seçimiyle farklılaştırılmıştır. Bu şekilde modellenen yapay birimler değişik karmaşıklıkta ortamlarda, zaman içinde simule edilmiş ve geleceği mükemmelen görebilen (alimi kül) bir yapay biriminkine göreli nihai başarılan kendi aralarında karşılaştırılmıştır. Yüksek düzeyde dalgalanma ve rassallık biçimindeki karmaşıklığın rasyonellik üstünde kısıtlayıcı etki yaptığı ve karmaşık ortamlarda görece basit birimlerin de daha karmaşık olanlar kadar başarılı olabileceği görülmüştür. Anahtar Sözcükler: Sınırlı Rasyonellik, Yapay Sinir Ağlan, Bulanık Kontrol Sistemleri iv

ABSTRACT BOUNDED RATIONALITY AND COMPLEXITY Nomaler, Z. Önder M.S., Department of Economics Supervisor: Assoc. Prof. Dr. Erol Taymaz April 1996, 80 pages This thesis is an attempt to use the new techniques 'artificial neural networks' and 'fuzzy control' in modeling of boundedly rational artificial agents that observe a complex environment and make decisions with different levels of abilities to gather and to process information. The artificial agents are in a hypothetical stock market. Each period, they observe past price variations, make forecasts for the next period like an artificial neural network, carry out risk analysis and make decisions pertaining to their new portfolio with the principles of a fuzzy controller. Agents are diversified by choosing different number of neural network architectures. Artificial agents modeled and diversified accordingly, are simulated through time for environments of varying complexity and their final performances relative to an omniscient agent, are compared mutually. It is observed that, increasing levels of environmental complexity in the form of increasing volatility and randomness, has a binding effect on rationality and in complex environments, relatively simple agents may perform as well as the more complex ones. Keywords: Bounded Rationality, Artificial Neural Networks, Fuzzy Control Systems m