Future-Proofな経済学とは Sansan 株式会社 DSOC（Data Strategy & Operation Center） R&D Group Juan Martinez

SocSci Meet Up 2 ⾃⼰紹介 1 Juan （ファン） です！ エルサルバドル⼈ 慶應義塾⼤学経済学研究科博⼠課程修了 研究テーマ > 労働経済学（主に⽇本） > 教育経済学（エルサルバドル） ウェブ開発者の経験もあり(Scalaをよく使っていました) 現在DSOC SocSciチームの研究員 とんかつが⼤好き！

SocSci Meet Up 2 Future-Proof？経済学？ 2 【Future-Proof】- 将来においても有⽤である 【経済学】- 限られた資源の配分を勉強する分野 > 消費、投資 > 経済成⻑率、インフレ率、失業率、貧困率 > 教育、出産、犯罪に関する意思決定 > ⾦銭的な⾯だけではない！

SocSci Meet Up 2 経済学 3 単純な理論モデルによって複雑な現象を理解しようとする。 データを⽤いて変数間の関係を明らかにする。 パラメータの識別とその解釈を求める １５年前は⼤⼈気だった‥ ‥。

SocSci Meet Up 2 それで⾦融危機がやってきて 4 経済学者が助けてくれなかった 理論モデルは実世界を反映しない。役に⽴たない！ 予測なら機械学習の⽅が優れている 機械学習なら、なんでもできるじゃん

経済学が無⽤になってるの？ NO 経済学が対象とする現象の重要性は無くならない BUT！ 経済学に求められることは以前とは違う

SocSci Meet Up 2 経済学はちびデータの時代に⽣まれた 6 ほとんど調査データ ⼩サンプル 低処理能⼒ 計算複雑性を深く考えない 最終的に⼈間の⾏動を説明しようとしていた

SocSci Meet Up 2 現代の世界は違う 7 膨⼤なデータ > データは⼊⼿しやすい > ネットワークデータ・画像データ・テキストデータ… 実時間で⾛るアルゴリズムのおかげで ⽇常⽣活が豊かになっている > 広告、オークション等 ⼈⼯知能の⾏動の解釈も話題になっている

SocSci Meet Up 2 それでは、Future-Proofな経済学とは？ 8 実世界の問題を実時間で解決できる 新しいデータ構造に対応する 機械学習と協⼒する 具体的には…

SocSci Meet Up 2 実世界の問題を実時間で解決する 9 技術だけで解決できない問題がたくさんある 例： The DARPA Red Balloon Challenge (2009) > 10個の⾵船を⽶国全国に隠す > ⼀番早く全ての⾵船を⾒つけたチームは$40,000を受賞する > 準備の時間は短い！

SocSci Meet Up 2 実世界の問題を実時間で解決する 10 受賞チームは ⾦銭的なインセンティブによる戦略 ９時間以内に５千⼈以上を 動かして全ての⾵船を⾒つけた 海外にいる⼈の協⼒も得られた Source: Reflecting on the DARPA Red Balloon Challenge. MIT

SocSci Meet Up 2 実世界の問題を実時間で解決する 11 スモールワールドであるおかげでお⾦があまった 学び > ソーシャルメディアで頼むだけじゃ協⼒を得るのが難しい > インセンティブの構造は重要→ 経済学の得意なこと

SocSci Meet Up 2 新しいデータ構造に対応する 12 メカニズムデザイン > 普通のオークションメカニズムをネットワークで適⽤すると 販売者が⼤きな損をする可能性がある。 > Hao, Zhao and Zhou (2017)とZhang et. al. (2019) はこの問題を 乗り越える定価メカニズムを提案する。 テキストデータ→⾏動経済学 画像データ→外⾒が本当に収⼊に影響する？（Hamermesh, 2011）

SocSci Meet Up 2 機械学習と協⼒する 13 実はBonanza（将棋）とAlphaGo（囲碁）は 元々経済学で開発された⼿法を 利⽤している(Igami, 2018) 経済学の⼒で機械学習アルゴリズムに 解釈性を与える 機械学習のツールを利⽤して経済学の 実証分析の質を上げる(Hartford et al, 2016; Shi, Blei and Veitch, 2019; Dütting et al, 2019) 天下の ⼤将軍になる

SocSci Meet Up 2 まとめ 14 データサイエンスや機械学習のおかげで 経済学の有⽤性が⾼まってきている 楽しい研究テーマがいっぱい⾒えている

SocSci Meet Up 2 ポイント 15 経済学に関する教育はコンピューターサイエンスや 機械学習の基礎的な知識を含めると良い > プログラミング > 膨⼤なデータの取り扱い > データベース、REST API、ストリーミングデータ等の消費の仕⽅ > 処理複雑性 > 機械学習

It‘s a great time to be an Economist!

SocSci Meet Up 2 先⾏研究 17 • B. Li, D. Hao, D. Zhao, T. Zhou, “Mechanism Design in Social Networks,” arXiv:1702.03627, Feb 2017. • T. Zhang, D. Zhao, W. Zhang, X. He, “Fixed-price Diffusion Mechanism Design,” arXiv:1905.05450, May 2019. • D. S. Hamermesh, “Beauty Pays. Why Attractive People Are More Successful,” Princeton University Press. 2011. • M. Igami, “Artificial Intelligence as Structural Estimation: Economic Interpretations of Deep Blue, Bonanza, and AlphaGo,” arXiv:1710.10967, Mar 2018. • J. Hartford, G. Lewis, K. Leyton-Brown, M. Taddy, “Counterfactual Prediction with Deep Instrumental Variables Networks,” arXiv:1612.09596, Dec 2016. • C. Shi, D. M. Blei and V. Veitch, “Adapting Neural Networks for the Estimation of Treatment Effects,” arXiv:1906.02120, Jun 2019. • P. Dütting, Z. Feng, H. Narasimhan, D. C. Parkes, S. Srivatsa Ravindranath, “Optimal Auctions through Deep Learning,” arXiv:1706.03459, Apr 2019.