Island Model + MultiVeStA - Statistical Model Checking della Crescita Economica
Questo progetto riproduce ed estende l’Island Model di Fagiolo e Dosi (2003), un modello agent-based fondamentale della crescita economica endogena, usando MultiVeStA, uno strumento per lo statistical model checking sequenziale di sistemi stocastici.
Il paper e stato accettato a MARS @ ETAPS 2026 (Workshop on Models for Formal Analysis of Real Systems, European Joint Conferences on Theory and Practice of Software).
Lavoro con Giorgio Fagiolo, Daniele Giachini, Andrea Vandin ed Ernest Ivanaj (Scuola Superiore Sant’Anna).
Pagine collegate: Proceedings, pagina della pubblicazione e resoconto della presentazione.
Cosa fa il modello
L’Island Model cattura la crescita endogena attraverso l’interazione di tre tipi di agenti eterogenei che operano su un fitness landscape:
- Miners sfruttano la loro nicchia produttiva corrente, accumulando competenze nel tempo
- Imitators copiano l’agente visibile con maggior successo, diffondendo conoscenza nell’economia con probabilita φ
- Explorers cercano nuove isole casualmente, guidando l’innovazione ed evitando il lock-in
L’intuizione chiave e che la tensione tra exploitation ed exploration, parametrizzata da ε, genera dinamiche di crescita autosostenute senza richiedere progresso tecnologico esogeno.
Cosa aggiunge MultiVeStA
L’analisi Monte Carlo standard usa un numero fisso di simulazioni senza garanzie formali sulla qualita della stima. MultiVeStA applica sequential statistical model checking: esegue le simulazioni in modo adattivo, fermandosi solo quando l’intervallo di confidenza al 95% su E[logGDP] e piu stretto di δ=0.05 a ogni istante temporale. Questo fornisce una garanzia formale di precisione: la dimensione campionaria e determinata dalla varianza dei dati, non dal ricercatore.
La nostra analisi conferma l’ottimalita di un’esplorazione moderata (ε ≈ 0.1), riproduce tutti gli stylized facts del modello originale e stabilisce tramite analisi controfattuale con Welch t-test che 6 confronti su 7 tra coppie di parametri producono traiettorie di crescita statisticamente distinguibili. L’unica eccezione (ρ=3.0 vs ρ=5.0) rivela un effetto di saturazione nella localita della conoscenza.
Interactive Explorer
L’app interattiva permette di esplorare il modello dal vivo: osservare gli agenti muoversi nel paesaggio tecnologico, seguire le cascata di imitazione e gli eventi di esplorazione, eseguire l’analisi di sensibilita MultiVeStA su α, φ e ρ, e vedere come converge il campionamento sequenziale.
