Artificial Intelligence, Learning and Computation in Economics and Finance

این کتاب تحقیقات مرزی را در مورد استفاده از روش‌های محاسباتی برای مدل‌سازی تعاملات پیچیده در اقتصاد و امور مالی ارائه می‌کند. هوش مصنوعی، یادگیری ماشین و شبیه‌سازی ابزارهای موثری برای تجزیه و تحلیل و یادگیری از انواع داده‌های بزرگ و همچنین جدید ارائه می‌دهند. این ابزارهای محاسباتی در زیرشاخه های مختلف اقتصاد، امور مالی و همچنین در مکاتب مختلف فکری اقتصادی نفوذ کرده اند. این کتاب از طریق 16 فصل نوشته شده توسط پیشگامان اقتصاد، امور مالی، علوم کامپیوتر، روانشناسی، پیچیدگی و آمار/اقتصاد سنجی، تحقیقات اصلی آنها را معرفی می کند و یافته هایی را که به دست آورده اند ارائه می کند.

مطالعات نظری و تجربی ارائه شده در این کتاب از رویکردهای مختلفی مانند مدل‌سازی مبتنی بر عامل، شبیه‌سازی‌های عددی، اقتصاد محاسباتی و همچنین استفاده از ابزارهایی از هوش مصنوعی و الگوریتم‌های یادگیری ماشین استفاده می‌کنند. استفاده از روش‌های محاسباتی برای انجام آزمایش‌های فکری خلاف واقع نیز معرفی شده است، که به فراتر رفتن از محدودیت‌های مطرح شده توسط ابزارهای سنتی ریاضی و آماری کمک می‌کند.

این کتاب همچنین شامل بحث‌هایی در مورد روش شناسی، معرفت شناسی، تاریخچه و مسائل مربوط به پیش بینی، اعتبار سنجی و استنتاج، که همگی با استفاده روزافزون از رویکردهای محاسباتی در تحلیل اقتصادی مرتبط شده اند.

This book presents frontier research on the use of computational methods to model complex interactions in economics and finance. Artificial Intelligence, Machine Learning and simulations offer effective means of analyzing and learning from large as well as new types of data. These computational tools have permeated various subfields of economics, finance, and also across different schools of economic thought. Through 16 chapters written by pioneers in economics, finance, computer science, psychology, complexity and statistics/econometrics, the book introduces their original research and presents the findings they have yielded.

Theoretical and empirical studies featured in this book draw on a variety of approaches such as agent-based modeling, numerical simulations, computable economics, as well as employing tools from artificial intelligence and machine learning algorithms. The use of computational approaches to perform counterfactual thought experiments are also introduced, which help transcend the limits posed by traditional mathematical and statistical tools.

The book also includes discussions on methodology, epistemology, history and issues concerning prediction, validation, and inference, all of which have become pertinent with the increasing use of computational approaches in economic analysis.