MultiVeStA | Stefano Blando

Presentazione a MARS @ ETAPS 2026

Tue, 14 Apr 2026 00:00:00 +0000

La scorsa settimana ho presentato il nostro paper, “Statistical model checking of the Island Model: an established economic agent-based model of endogenous growth”, a MARS @ ETAPS 2026 a Torino.

Per me e stato un momento particolarmente importante: era la prima presentazione del mio primo paper di PhD, ed era anche la mia prima conferenza internazionale.

Sono contento che la presentazione sia andata bene. Al di la del talk in se, ho apprezzato molto la possibilita di discutere il lavoro con professori e ricercatori del settore e di passare alcuni giorni in un contesto che ho trovato aperto, stimolante e molto piacevole.

Il paper e co-firmato con Giorgio Fagiolo, Daniele Giachini, Andrea Vandin ed Ernest Ivanaj, e mostra come lo statistical model checking, e in particolare MultiVeStA, possa supportare un’analisi piu rigorosa dell’Island Model.

📄
👉
📰

Statistical model checking of the Island Model: an established economic agent-based model of endogenous growth

Sun, 12 Apr 2026 00:00:00 +0000

Paper Accettato a MARS @ ETAPS 2026

Fri, 20 Mar 2026 00:00:00 +0000

Il nostro paper, “Statistical model checking of the Island Model: an established economic agent-based model of endogenous growth”, e stato accettato a MARS @ ETAPS 2026.

Il lavoro e co-firmato con Giorgio Fagiolo, Daniele Giachini, Andrea Vandin ed Ernest Ivanaj. Il paper mostra come statistical model checking e MultiVeStA possano essere usati per rendere l’analisi dell’Island Model piu rigorosa, piu automatizzata e piu riproducibile, preservando al tempo stesso la sostanza economica del framework originale.

L’ho presentato a Torino, domenica 12 aprile 2026.

📄
👉
🎤

Per me, questo e uno degli esempi piu chiari della direzione che voglio dare al mio lavoro di dottorato: fornire basi statistiche piu forti ai modelli di simulazione complessi senza perderne l’interpretabilita.

Island Model + MultiVeStA - Statistical Model Checking della Crescita Economica

Fri, 06 Mar 2026 00:00:00 +0000

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: , e .

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.