Oneri

Abstract

Özet
Rasyonellik ve homojenlik varsayımları ile iktisadi ajanlar arasındaki etkileşimi göz ardı eden temsili
ajan yaklaşımı, dinamik stokastik genel denge modellerine dayanan yerleşik iktisada duyulan güvenin
azalmasına yol açmıştır. 1990’ların sonlarından itibaren ajan tabanlı hesaplamalı yaklaşım finansal iktisat,
endüstriyel organizasyon, makro iktisat, politik iktisat ve iktiadi ağ oluşumu başta olmak üzere sosyal
bilimlerde yaygınlaşmaya başlamıştır. Son olarak 2008 küresel finansal kriz yerleşik, iktisadın daha
yüksek sesle tartışılmasına ve ajan tabanlı yaklaşımın daha çok benimsenmesine neden olmuştur. Bu yeni
yaklaşım araştırmacılara pasif haldeki fiziksel varlıklardan durumları, inanışları ve davranış kuralları olan
aktif karar alıcılara kadar çeşitli ajanların bulunduğu yapay bir dünya kurmalarına imkân vermektedir.
Bu yapay dünyalarda ajanların birbirleriyle ya da çevreleriyle etkileşimi onların adaptif (uyarlanabilir)
olmasına ve kompleks adaptif bir sistem meydana getirmelerine izin vermektedir. Bu çalışmada, ajan
tabanlı yaklaşımın temel unsurlarının incelenmesi ve DSGE modellerine göre üstünlüklerinin gösterilmesi
amaçlanmıştır.

Abstract
Assumptions of rationality and homogeneity, and framework of representative agent that rule out interactions
between agents have led to a decline in confidence to mainstream economics based on dynamic
stochastic equilibrium models. Starting from late 1990s, agent-based computational approach has become
increasingly popular in social sciences, especially in financial economics, industrial organization, macroeconomics,
political economy, and economic network formation. Finally, 2008 global financial crisis has
caused mainstream to be argued loudly and agent-based approach to be adopted more. This new approach
enables researchers to construct artificial worlds where various agents ranging from passive entities to active decision makers who have believes, states and rules of behavior. In these artificial worlds, interactions

of agents with each other and their environments let agents be adaptive (learning) and create a complex
adaptive system. This study aims to examine the main dynamics of agent-based approach and its advantages
compared to DSGE models.