Buscando una guía para modelado numérico de Organización Industrial en Python

Question

¿Existe alguna guía o repositorio de GitHub que muestre cómo programar versiones numéricas de modelos de IO? Me gustaría aprender a simular el modelo de competencia Cournot general de $n$ empresas, pero puedo aceptar una respuesta que señale hacia tutoriales que traten incluso solo un duopolio de Cournot simple.

No tengo supuestos específicos sobre la función de demanda y costos en mente. Quiero ver algunos ejemplos simples que pueda utilizar para aprender a hacer esto. En caso de que la respuesta intente presentar un ejemplo, puedes asumir costos constantes simples y demanda lineal decreciente con algunos parámetros razonables.

Answer 1

Aquí hay un programa sobre la competencia de Cournot en Github:

http://janboone.github.io/competition_policy_and_regulation/Collusion_Cournot/Collusion_Cournot.html

Aborda tanto aspectos numéricos como aspectos gráficos, y deja claro que SciPy, Numpy y Matplotlib son necesarios (por supuesto, lo que necesitas depende de tu modelo específico).

SciPy y Numpy son librerías científicas y numéricas de Python. Matplotlib es la librería gráfica, y te permite trazar gráficos y representar soluciones numéricas como gráficos.

Cambiando los parámetros en las ecuaciones del programa, puedes trazar la solución relevante como gráficos, como en la siguiente simulación de un modelo Cournot:

https://www.kaggle.com/code/hrishitabapuram/cournot-model-simulation

A continuación, algunos ejemplos de programas para el modelo de Cournot que encontré, sin representaciones gráficas:

https://data88e.org/textbook/content/07-game-theory/cournot.html

Aquí hay otro programa en Github, que incluye también el caso de n compañías:

https://ispanos.github.io/CournotGame/

Adaptando algunos de los programas anteriores a tus necesidades, puedes escribir tu simulación (por supuesto, nada asegura que los programas anteriores sean completamente correctos).

Pero, por supuesto, el primer paso es escribir tus ecuaciones.

Quizás la parte más complicada sea la parte gráfica, si la necesitas. En este caso debes saber un poco de Matplotlib, si aún no lo conoces.

¿Tienes un editor de Python? Supongo que sí, pero te doy una referencia:

Puedes descargar Anaconda, un software gratuito con varias aplicaciones como Phyton y R, el nombre del editor de Python en Anaconda es Spider.

En él se encuentran, por supuesto, Scipy, Numpy y Matplotlib.

Si necesitas una buena referencia como guía para Python numérico y científico, incluido Matplotlib, puedes consultar a Robert Johansson, Numerical Phyton-Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib, Apress, 2019.

Pero hay mucha documentación sobre Python en línea, no muy fácil de buscar, aunque muy extensa.

Post Scriptum. Si eres un principiante en Phyton y quieres aprenderlo, necesitas un curso o un libro como guía para Python general (no solo Python científico y numérico), la documentación en línea te vuelve loco.

Estudié, hace algunos años, Python en apuntes de clase, pero no están en inglés, y en Downey, Think Phyton, un libro muy extendido, pero no me gusta mucho, hay un nuevo libro Hunt, A Beginners Guide to Phyton 3, no lo conozco, pero es publicado por Springer y debería ser confiable.