Agent-Based Model

论文阐释为何基于智能体的计算模型构成一种不同于简单归纳和演绎的“生成式”社会科学。其核心是明确个体行为规则与局部互动，检验这些微观机制能否生成观察到的宏观规律，并可用实验行为证据在竞争模型之间选择。文章还讨论该方法在网络、跨学科和非均衡问题中的价值，以及它如何把个体理性与宏观均衡分离，同时提醒计算不可处理性和不可判定性等基础限制。

这部手册系统界定并综述基于智能体的计算经济学（ACE）：把经济过程表示为相互作用主体构成的动态系统。书中“主体”既可指具备学习能力的个人或群体，也可代表没有认知功能的物理要素。内容覆盖学习、经验验证、网络、社会动态、金融市场、创新、组织、市场设计、政治经济、社会—生态系统与计算实验室等，为ACE的概念、方法和应用建立了领域级参照；当前来源提供的是出版社内容简介。

论文聚焦基于智能体经济模型如何接受经验验证这一方法论难题。作者首先提出一套分类框架，刻画不同ABM在验证目标、数据和模型选择等维度上的差异；随后比较间接校准、Werker–Brenner方法和历史友好方法三条验证路径。文章没有宣称存在统一最佳方案，而是梳理各路径的适用方式与尚未解决的问题，把验证从单一宏观拟合提升为贯穿模型构建的系统任务。

论文系统回顾经济学和金融学中的基于智能体建模，并说明ABM如何放松标准模型对理性、均衡与代表性主体等常规假设。综述覆盖市场、产业组织、劳动、宏观、发展、公共政策和环境经济学，在金融领域重点总结波动聚集、市场冲击、系统性风险与住房市场等成果。作者同时提出用ABM构建更现实经济模型的未来图景，并讨论校准、验证、计算规模和可解释性等仍需克服的障碍。