L’economia tradizionale studia cosa guida le decisioni dei consumatori e dei produttori (questo è il campo della microeconomia) e cosa determina le tendenze generali (di questo si occupa la macroeconomia). Ma negli ultimi anni, grazie allo sviluppo della potenza di calcolo dei computer, si è diffuso un altro approccio, che cerca di studiare e prevedere i fenomeni macroeconomici modellando il comportamento di un numero enorme di agenti economici, cioè di unità che prendono decisioni autonome.

Uno dei pionieri dell’economia basata su agenti multipli è Doyne Farmer, professore dell’università di Oxford. Il suo ultimo progetto ha suscitato grande dibattito nell’ambiente scientifico: Farmer ha ideato un modello dell’economia globale in cui, sulla base di un’enorme mole di dati, si simulano le decisioni di ogni azienda nel mondo. L’intera operazione costa cento milioni di dollari.

Un sistema simile avrebbe una capacità di previsione con cui nessun modello macroeconomico esistente potrebbe competere. A cosa potrebbe servire? Secondo Farmer, a prevedere le crisi finanziarie e contribuire anche a mitigare l’emergenza climatica. La crisi finanziaria del 2008 è costata al mondo circa diecimila miliardi di dollari. I cento milioni di Farmer sono una somma esigua in confronto.

Farmer è un economista atipico. Ha conseguito un dottorato in fisica all’università della California a Santa Cruz, negli Stati Uniti. Negli anni settanta, ancora studente, costruì con alcuni colleghi un computer portatile che nascosero nella suola di una scarpa e usarono per effettuare calcoli che gli permettessero di vincere alla roulette. Ottennero un vantaggio del 20 per cento rispetto al casinò, anche se dovettero affrontare continui problemi tecnici.

Successivamente Farmer si è dedicato alla ricerca sui mercati finanziari. Il fisico è legato da anni al Santa Fe institute, un’istituzione considerata come una sorta di “club per geni”: qui dal 1984 ricercatori con interessi che vanno oltre i confini delle varie discipline s’incontrano per scoprire le leggi che regolano la dinamica dei sistemi complessi, nella fisica, nella biologia e nella società. A Oxford, Farmer dirige il programma di Economia della complessità presso l’Institute for new economic thinking, fondato nel 2012 e finanziato dall’omonimo centro studi nato a New York nel 2009. Il suo obiettivo è sviluppare nuove teorie in grado di riparare un sistema economico ormai “rotto”.

La creazione di un modello globale estremamente dettagliato è solo un esempio di come Farmer stia cercando di rivoluzionare i metodi usati in economia. In passato i suoi modelli pionieristici dei mercati finanziari hanno spiegato le anomalie dei movimenti dei prezzi delle azioni e come le decisioni “razionali” degli investitori potessero provocare crisi finanziarie. Lo scienziato statunitense ha anche studiato il legame tra le fluttuazioni dei prezzi delle azioni e la tendenza degli investitori a vendere in massa i propri titoli finanziari. Se molti di loro si comportano allo stesso modo, questo provoca un ulteriore calo dei prezzi delle azioni e può portare a un’ondata di insolvenze delle aziende che possiedono le attività finanziarie svendute.

Per costruire sistemi che descrivono i mercati finanziari, Farmer usa modelli multiagente, in cui i diversi protagonisti – per esempio produttori, investitori o consumatori – sono descritti attraverso varie caratteristiche e regole di comportamento: interagiscono tra di loro, imitano i comportamenti degli altri e si fanno concorrenza.

Queste interazioni generano pattern (schemi) a cui i singoli individui adattano le proprie scelte. Il fenomeno è illustrato bene dal modello di segregazione elaborato dall’economista statunitense Thomas Schelling, il quale ha dimostrato che, se si desidera che almeno un terzo dei propri vicini sia simile a noi (per esempio in termini di etnia o ceto sociale), questo porterà alla completa segregazione dello spazio urbano. Il fenomeno, apparso nel modello come risultato dell’interazione degli agenti, era proprio uno di quei pattern che hanno sorpreso lo stesso Schelling. Il bisogno apparentemente innocuo che almeno tre vicini su dieci siano simili a me porta a effetti inaspettati al livello macroscopico.

L’economia mainstream è molto conservatrice e non accetta facilmente le novità scientifiche, comprese quelle, o forse soprattutto quelle, che mettono in discussione la validità dei presupposti su cui si basano i modelli tradizionali. Per questo i modelli multiagente sono rimasti a lungo ai margini degli studi economici. Grazie ai suoi lavori sui mercati finanziari e alla sua tenacia nello spiegare i vantaggi dei suoi studi in economia e finanza, Farmer ha fatto sì che alcune banche, come la Banca d’Inghilterra, cominciassero a usare i modelli multiagente. È una sfida notevole, visto che da anni le banche basano le loro politiche su modelli di equilibrio per valutare la stabilità economica e finanziaria: si tratta di modelli in cui la complessità dei sistemi socioeconomici è ridotta a un unico agente che rappresenta tutte le persone della comunità e prende sempre decisioni ottimali. I modelli usati dalle banche, quindi, non tenevano conto delle decisioni dei singoli investitori né degli strumenti finanziari derivati, che servono a limitare il rischio degli investimenti, ma sono usati anche per la speculazione in borsa. Di conseguenza, non sono stati in grado di prevedere le crisi derivanti dalle interazioni sul mercato finanziario né l’aumento del rischio sistemico, che si manifesta come un effetto domino (l’improvvisa insolvenza di grandi istituzioni influisce sulle altre, che a loro volta diventano rapidamente insolventi).

Attualmente Farmer sta sviluppando modelli macroeconomici multiagente per molti paesi del mondo, in cui le decisioni delle singole aziende sono descritte sulla base di dati aziendali dettagliati. I modelli multiagente dei mercati finanziari hanno rivoluzionato la previsione delle crisi: i modelli di complessità alimentati da grandi insiemi di dati potranno favorire una rivoluzione simile nella macroeconomia?

La proposta di Farmer non è la prima soluzione di questo tipo; quello che la distingue dalle altre è la portata del progetto. La tradizione della modellizzazione multiagente in macroeconomia risale agli anni ottanta, quando fu pubblicato il primo lavoro degli economisti statunitensi Richard R. Nelson e Sidney G. Winter. Questi ricercatori riproducevano le regole decisionali delle imprese che investivano in innovazione e imitavano altre aziende operanti sul mercato. Il loro modello si basava sulla cosiddetta idea della distruzione creativa, resa celebre dall’economista austriaco Joseph Schumpeter, secondo il quale ogni innovazione è una svolta creativa: l’azienda che la introduce acquisisce una posizione dominante sul mercato e realizza profitti superiori alla media, ma allo stesso tempo priva del vantaggio quelli che prima guadagnavano grazie a soluzioni più datate (un esempio sono le macchine da scrivere, oggi completamente sostituite dai computer).

Partendo dal lavoro di Nelson e Winter sono stati sviluppati molti modelli macroeconomici multiagente, che hanno dimostrato come il processo di distruzione creativa spieghi le dinamiche dei cicli economici (per esempio il passaggio dalla recessione all’espansione). La maggior parte di questi modelli, però, si limitava a spiegare i processi economici in corso e le relazioni tra di essi, senza tentare di prevedere il futuro. Riuscire a spiegare più fenomeni contemporaneamente, per esempio la crescita del pil e i cicli economici, è già di per sé un’impresa difficile: richiede spesso molti mesi di lavoro meticoloso per calibrare i parametri e modificare le ipotesi del modello, cioè per “aggiustare le equazioni”.

Il primo modello ad agenti multipli basato su grandi insiemi di dati, con una capacità di fare previsioni superiore a quella dei modelli macroeconomici tradizionali, è stato sviluppato da Sebastian Poledna insieme al suo team dell’Istituto internazionale per l’analisi dei sistemi applicata (Iiasa) di Vienna. Poledna ha sviluppato un modello dell’Austria che ha tanti agenti quanti sono gli abitanti del paese. I parametri sono stati calibrati sulla base dei dati del censimento e delle indagini sulle imprese. Nel prevedere la crescita economica dei prossimi anni, il modello di Poled­na ha superato i modelli macroeconomici usati dalle banche. La soluzione è stata usata per stimare le potenziali perdite causate dalle inondazioni (i modelli economici tradizionali possono solo fornire stime approssimative dell’entità delle perdite).

Il progetto di Vienna ha suscitato grande entusiasmo tra gli economisti che si occupano di modellizzazione multiagente. È stato replicato per diversi paesi. Allo stesso tempo, tuttavia, sono emerse voci critiche di ricercatori convinti che i modelli multiagente non siano stati concepiti per la previsione, quanto per l’individuazione di meccanismi capaci di spiegare fenomeni complessi. Secondo questi studiosi non è possibile prevedere il futuro, perché le innovazioni sono, per loro stessa natura, imprevedibili.

Tutto questo non ha scoraggiato Farmer. Anche se le innovazioni possono sembrare intrinsecamente imprevedibili, la loro comparsa è soggetta a determinate regolarità empiriche. Insieme ad alcuni colleghi, Farmer ha elaborato una teoria che generalizza la legge di Moore per spiegare come i costi delle nuove tecnologie diminuiscano all’aumentare della produzione.

La legge di Moore prende il nome da Gordon Moore, cofondatore dell’azienda statunitense di processori Intel, il quale osservò che il numero di transistor in un microchip raddoppia all’incirca ogni due anni. Secondo Farmer se raccogliamo dati dettagliati su molte tecnologie diverse, potremo usarli per elaborare previsioni affidabili sul progresso tecnologico. Per esempio, potremo prevedere l’andamento del calo dei prezzi delle energie rinnovabili, su cui lui si concentra.

Per questo non smette mai di raccogliere dati. Il suo team ha già sviluppato un modello che comprende tutte le trentamila aziende energetiche esistenti al mondo e 160mila piattaforme di perforazione, centrali elettriche e altre attività. Questo permette una modellizzazione precisa dei prezzi e dell’offerta di combustibili. “Modelliamo letteralmente i processi decisionali di tutte le aziende energetiche del mondo”, ha dichiarato Farmer in un’intervista al quotidiano britannico The Guardian.

Tra le possibili applicazioni del suo supermodello dell’intera economia, Farmer cita la crisi climatica. Lo scienziato statunitense è convinto che i modelli climatici convenzionali sovrastimino il costo della transizione energetica, perché non tengono conto dei progressi tecnologici nel mercato delle energie rinnovabili. Invece il suo modello, se sarà realizzato, sarà in grado sia di prevedere i cambiamenti climatici in modo più realistico sia di elaborare politiche volte a contrastarli.

Sembra un progresso incredibile, ma non tutti gli economisti condividono l’ottimismo di Farmer. Il problema è che non è possibile modellare ogni cosa. Il successo della transizione energetica dipende dalla disponibilità dei metalli rari – e alcuni di questi, come il cobalto, potrebbero esaurirsi entro il 2050.

Se non scopriremo nuovi giacimenti di questo metallo o elementi sostitutivi, non sarà possibile produrre una quantità sufficiente di pannelli solari neanche con il più drastico calo dei prezzi dell’energia rinnovabile. Inoltre, neanche il modello migliore è in grado di prevedere nuove tecnologie “radicali” che non si basino sul miglioramento di soluzioni tecnologiche già esistenti.

Suscita preoccupazione anche il fatto che le versioni semplificate del modello di Poledna, in cui un unico “agente” rappresenta migliaia o decine di migliaia di persone, abbiano dato risultati simili a quelli dei modelli che riproducono ogni individuo separatamente. Nonostante l’enorme livello di dettaglio, i supermodelli di fatto semplificano comunque i comportamenti umani, quindi il loro vantaggio potrebbe essere minore di quanto afferma chi li sostiene. Il loro grande merito è la modellizzazione di agenti diversi, per esempio le famiglie, che differiscono per patrimonio e reddito.

Il punto debole di questi modelli risiede nel fatto che tutti si comportano allo stesso modo: suppongono, per esempio, che ognuno destini la stessa percentuale di reddito ai consumi alimentari o all’intrattenimento, indipendentemente dal livello di ricchezza o dalla fase della vita. Pertanto, non sono così universali come sostengono i loro autori, e non è possibile usarli per analizzare le politiche su scala microscopica, per esempio per valutare come le misure amministrative influenzano le scelte di consumo delle famiglie.

I supermodelli permettono di rispondere ad alcune domande, ma non di simulare le decisioni di consumo reali di milioni di persone. Di conseguenza, il ridimensionamento del modello al fine di ridurre il numero di agenti non modifica in modo significativo i suoi risultati.

E ancora un dubbio. Il supermodello globale di Doyne Farmer promette una capacità di previsione oggi senza precedenti, grazie alla combinazione di modelli ad agenti, dati dettagliati e grande potenza di calcolo. Ma per prevedere cosa? I “piccoli” modelli ad agenti dei mercati finanziari spiegavano perfettamente i meccanismi che portano alle crisi, come quella del 2008, solo che all’epoca nessuno vi prestava attenzione. Ma la previsione della crescita economica, per esempio, è sempre soggetta a un margine di errore causato da vari tipi di shock nell’economia. Perfino il modello di Poledna “vede” con precisione il pil solo per alcuni trimestri a venire. Nessun modello economico può prevedere una pandemia o una guerra, i cui effetti si possono analizzare solo a posteriori.

In uno studio coordinato da Tatiana Filatova, docente di economia computazionale dell’università di Delft, nei Paesi Bassi, e pubblicato sulla rivista dell’Accademia nazionale delle scienze degli Stati Uniti (Pnas), si propone una soluzione alternativa: l’integrazione di modelli di vario tipo. L’idea è questa: poiché esistono già soluzioni teoriche che prevedono abbastanza bene la crescita economica o gli effetti del cambiamento climatico sull’economia, usiamole; però correggiamo i loro punti deboli, ovvero le ipotesi irrealistiche sulle interazioni sociali, cioè il fatto che hanno un solo agente rappresentativo dell’intera società; sostituiamo quindi queste componenti con reti di agenti, che calibreremo sulla base di dati reali.

I modelli classici presuppongono l’esistenza di soggetti economici razionali che ottimizzano le proprie decisioni, per esempio aziende che minimizzano i costi o soggetti che pianificano politiche per migliorare il benessere sociale. I modelli ad agenti, invece, si dimostrano perfetti nell’analisi del funzionamento delle istituzioni sociali e dei comportamenti umani diversificati, tra cui le decisioni relative agli investimenti in assicurazioni contro le catastrofi climatiche o i comportamenti favorevoli all’ambiente, come l’acquisto di auto elettriche o pannelli solari.

Queste scelte spesso non seguono una semplice logica di ottimizzazione, perché sono influenzate dalle decisioni di altre persone. Il lavoro di Filatova sostiene che la combinazione di modelli che si sono dimostrati efficaci per spiegare i fenomeni a diversi livelli decisionali (globale, settoriale e individuale) possa contribuire all’analisi di politiche climatiche più efficaci di quelle attuali, senza richiedere l’impiego di un’enorme potenza di calcolo.

Davvero questa soluzione funzionerà meglio del supermodello di Farmer nella lotta alla crisi climatica? È una domanda da cento milioni di dollari. ◆ sb

Karolina Safarzyńska insegna economia all’università di Varsavia. Elabora modelli teorici finalizzati alla progettazione di soluzioni politiche ed economiche per la lotta alla crisi climatica.