数学在经济学中的应用【文献综述】
数学与经济：数学在经济学中的重要作用
数学作为一门严谨的学科，与经济学有着密切的关系。
数学在经济学中起着重要的作用，不仅仅是为了解决复杂的计算问题，更是为了提供理论模型、准确的分析方法和科学的决策依据。
首先，数学在经济学中提供了严密的理论模型。
经济学研究的对象是人类的经济行为和社会的经济现象，然而这些现象和行为都是复杂多变的。
通过运用数学方法，经济学家们可以将这些复杂问题转化为简单的数学模型。
例如，经济学中常用的供给需求模型就是将市场的供给和需求关系用简洁的数学表达式来表示，使我们能够更加直观地看到市场供需的关系。
这些数学模型不仅可以帮助经济学家分析经济问题，还可以用来预测未来的经济走势。
其次，数学在经济学中提供了准确的分析方法。
经济学研究的目的是通过对经济现象的分析，揭示出经济规律和规律背后的原理。
而数学则是一种工具，它能够帮助经济学家更加准确地描述和分析经济现象。
比如，微积分和最优化理论等数学方法可以帮助我们计算出最大化或最小化某一变量的值，从而得出最佳的决策。
线性回归分析和时间序列分析等统计方法则可以帮助我们进行经济数据的预测和分析。
最后，数学在经济学中提供了科学的决策依据。
经济决策往往是复杂多变的，需要全面考虑各种因素。
通过运用数学模型和分析方法，我们可以将复杂的经济问题简化为数学问题，从而得出科学的决策依据。
例如，在确定经济政策时，我们可以通过计算模型来分析政策对经济增长的影响，进而对各种政策进行比较和评估，选择最优的政策方案。
这样，数学为经济决策的科学性和可操作性提供了坚实的基础。
总之，数学在经济学中的重要作用不容忽视。
它不仅提供了严密的理论模型和准确的分析方法，还为经济决策提供了科学的依据。
数学与经济学的结合，使经济学研究更加科学化、精确化和可预测化。
随着信息技术的发展，数学在经济学中的应用将会愈发广泛，帮助我们更加深入地理解和解决经济问题。
因此，我们应该进一步加强对数学的学习，将其运用到经济学研究和实践中，推动经济学的发展。
数学在经济中的应用
数学在经济中的应用数学是一门研究数量、结构、变化以及空间等概念的学科，与经济学密切相关。
在现代经济领域，数学被广泛应用于各个方面，从金融市场的分析到经济模型的建立，无一不离开数学的支持。
本文将讨论数学在经济中的应用领域和方法，并探讨这些应用对经济决策和发展的意义。
一、概率论与统计学概率论和统计学是数学中与不确定性和变异性相关的分支。
在经济中，我们常常面临着各种不确定性的因素，比如市场波动、投资风险等。
概率论提供了一种处理这些不确定性的方法。
通过分析和计算不同事件发生的概率，我们可以评估风险并做出相应的决策。
统计学则通过对大量数据的收集和分析，帮助我们了解经济现象的规律性和特征，并做出相应的推断。
二、微积分微积分是数学中研究变化的工具。
在经济学中，我们经常需要研究数量的变化和相互之间的关系。
比如，经济学家需要了解不同经济变量之间的函数关系，以优化资源分配和预测未来的经济发展。
微积分提供了一种分析这些关系的工具，比如导数和积分。
导数可以用来研究某个变量对另一个变量的影响程度，积分则可以用来计算变量之间的总体影响或者求解最优化问题。
三、线性代数线性代数是研究向量空间和线性变换的数学分支。
在经济学中，我们常常需要处理大规模的经济数据和矩阵运算。
线性代数提供了一种处理这些数据和计算的有效方法。
比如，经济学家可以利用线性代数的方法对多个变量的关系进行建模和分析，从而揭示经济系统中的内在规律和相互依赖关系。
四、最优化理论最优化理论是研究如何找到最佳解的数学分支。
在经济学中，我们经常需要在给定的约束条件下，找到最优的资源分配方案或者决策策略。
最优化理论提供了一种分析和求解这些问题的方法。
通过建立经济模型和使用最优化算法，我们可以找到最优解，并做出相应的决策。
总之，数学在经济中的应用是广泛而重要的。
通过运用概率论与统计学、微积分、线性代数以及最优化理论等数学工具，我们可以更好地理解和解释经济现象，并做出合理的经济决策。
浅析数学在经济学中的应用
浅析数学在经济学中的应用数学在经济学中的应用可以说是十分广泛和重要的。
经济学旨在研究人类经济活动的规律和现象，而数学则是解决问题和研究规律的一种工具。
在经济学研究中，数学可以帮助经济学家建立模型、推导公式、分析数据、预测趋势等，从而揭示经济现象的本质和内在规律。
数学在经济学中的应用最为典型的就是建立和推导经济模型。
经济模型是对经济现象和行为进行抽象和简化的工具，通过建立数学模型，经济学家可以用数学语言描述并分析经济现象和行为。
经济学家可以通过建立供求模型、消费者选择模型、投资模型等，来研究市场价格、个体消费行为、投资决策等问题，并通过数学推导来得出结论。
数学在经济学中的应用还包括数理经济学和优化方法。
数理经济学是经济学和数学相结合的一个分支，它运用数学方法研究经济问题。
线性规划、微积分、概率论等数学方法可以帮助经济学家进行经济决策分析、资源配置优化等工作。
优化方法则通过数学的最优化理论和方法来解决经济决策中的最优问题。
经济学家可以通过最优化方法来研究企业的生产决策、消费者的最优消费策略等问题。
数学方法还常用于经济数据的分析和预测。
经济学研究往往依赖大量的数据，而通过数学的统计分析方法可以对这些数据进行处理和分析，从而得出对经济现象的定量描述和预测。
经济学家可以通过时间序列分析方法来分析经济变量之间的关联关系和趋势变化，进而预测未来的经济走势。
数学在金融学中的应用也是不可忽视的。
金融学是研究金融市场和金融机构的学科，它不仅需要研究金融市场的供需情况和资产定价等问题，还需要解决风险管理、衍生品定价等复杂的数学问题。
金融衍生品的定价通常需要借助数学的随机过程和偏微分方程等方法来解决。
数学在经济学中的基本应用
数学在经济学中的基本应用数学作为一门科学，不仅在自然科学领域有着广泛的应用，同时也在社会科学中扮演着重要的角色。
其中，数学在经济学中的应用尤为突出，对于经济领域的研究和决策起到至关重要的作用。
本文将从微积分、线性代数、概率论等数学分支入手，探讨数学在经济学中的基本应用。
1. 微积分在经济学中的应用微积分是数学中的重要分支，主要研究函数的极限、导数、积分等概念。
在经济学中，微积分被广泛运用于生产函数、消费函数、边际分析等方面。
首先，微积分在经济学中的生产函数分析中起到了重要作用。
生产函数描述了生产要素（如劳动力、资本等）与产出之间的关系。
通过对生产函数进行微积分运算，可以得到边际产出率、边际技术替代率等重要参数，为企业的经营决策提供理论依据。
其次，微积分在经济学中的消费函数分析中也发挥着重要的作用。
消费函数描述了个体或家庭的消费与收入之间的关系。
通过对消费函数的微积分处理，可以得到边际消费倾向、边际消费倾斜率等关键指标，为制定有效的财政政策和税收政策提供了理论依据。
2. 线性代数在经济学中的应用线性代数是数学中的另一重要分支，主要研究线性方程组、矩阵、向量等概念。
在经济学中，线性代数被广泛应用于投入产出模型、多元统计分析等方面。
投入产出模型是经济学中常用的一种分析方法，用于描述不同产业之间的关联关系和经济活动的总体效应。
线性代数提供了处理投入产出模型的有效工具，通过求解线性方程组和矩阵运算，可以得到各个产业之间的关联系数、经济结构的改变等关键信息，为经济政策的制定和调整提供了数学依据。
多元统计分析是经济学研究中常用的一种分析方法，用于探索多个变量之间的关系和趋势。
线性代数中的向量和矩阵运算被应用于多元统计模型的构建和分析，通过主成分分析、回归分析等线性代数的方法，可以提取关键变量、建立经济模型，为经济现象的解释和预测提供了数学支持。
3. 概率论在经济学中的应用概率论是数学中的一门重要学科，主要研究事件发生的可能性和随机变量的分布规律。
数学在经济学中的应用
数学在经济学中的应用在现代经济学中，数学是一种重要的工具和方法，被广泛应用于经济学的理论构建、模型分析和政策制定等方面。
数学的运算和推导能力使经济学家能够更准确地描述和解释经济现象，提供了一种严谨和科学的分析框架。
本文将探讨数学在经济学中的应用，并介绍一些经济学中常见的数学方法和模型。
一、微积分在经济学中的应用微积分是数学的一个重要分支，广泛应用于经济学中的优化问题和边际分析。
在经济学中，许多问题可以通过求解极值来得到最优解。
例如，企业生产决策中的利润最大化问题可以通过微积分中的最大值和最小值问题来求解。
此外，微积分中的边际分析也在经济学中发挥了重要作用，帮助经济学家理解和解释经济决策的效果和影响。
二、线性代数在经济学中的应用线性代数是数学的另一个重要分支，在经济学中被广泛应用于矩阵分析、经济模型的求解和经济关系的建模等方面。
例如，经济学家可以使用矩阵运算来描述和求解多个经济变量之间的关系，研究宏观经济模型的稳定性和动态性质。
此外，线性代数中的向量空间和线性变换等概念也为经济学家提供了一种抽象和简化经济问题的方法。
三、概率论和统计学在经济学中的应用概率论和统计学是经济学中不可或缺的数学工具，用于研究和分析经济数据的规律和特征。
经济学家可以使用概率论和统计学方法来描述和分析经济变量的概率分布、相关性和回归关系等。
通过对经济数据的统计分析，经济学家可以从中得出结论和推断，为经济政策的制定提供依据和参考。
四、优化理论在经济学中的应用优化理论是数学的一个重要分支，广泛应用于经济学中的决策问题和资源配置问题等方面。
经济学家可以使用优化理论来研究和解决经济中的最优决策问题，如企业的生产决策、消费者的消费决策和政府的资源配置决策等。
通过对经济决策的优化分析，经济学家可以得出最优解，并提供决策者制定有效决策的依据。
五、微分方程在经济学中的应用微分方程是数学的一个重要分支，被广泛应用于经济学中的动态模型和经济系统的稳定性分析等方面。
数学在经济学中的应用研究
数学在经济学中的应用研究经济学作为一门社会科学，旨在研究资源的分配和利用。
数学作为一种工具，被广泛应用于经济学中，以分析和解决经济问题。
在本文中，我们将探讨数学在经济学中的应用研究。
1. 微观经济学中的数学应用在微观经济学中，人们更关注个体经济行为和市场机制的分析。
数学模型提供了一种精确和系统的方法来描述经济行为。
例如，供求模型使用数学函数来描述市场的供应和需求关系，以此来分析市场平衡和价格变动。
此外，边际分析是微观经济学的基本概念之一，而微积分则是边际分析的数学工具。
2. 宏观经济学中的数学应用在宏观经济学中，人们关注整体经济现象的变化和发展。
数学模型可以帮助我们理解宏观经济变量之间的相互关系。
例如，宏观经济学中的GDP模型使用数学方程来描述国民经济总产出与消费、投资、政府支出和净出口之间的关系。
通过这些模型，我们可以预测和评估经济政策的影响。
3. 经济统计学中的数学应用经济统计学是经济学中另一个重要的分支。
数学在经济统计学中的应用主要体现在数据处理和分析方面。
经济学家使用数学和统计方法来搜集、整理和分析经济数据，以发现经济规律和预测趋势。
例如，回归分析是常用的经济统计方法之一，它使用数学模型来解释和预测因果关系。
4. 优化理论在经济学中的应用优化理论是数学中的一个重要分支，它在经济学中发挥着重要作用。
经济学家使用优化理论来解决各种经济问题，例如企业的生产最优化、消费者的效用最大化和资源的最佳分配等。
通过数学建模和优化方法，我们可以找到经济系统中的最佳决策方案。
5. 风险管理中的数学应用在金融领域，风险管理是一个关键的问题。
数学方法在风险管理中扮演着重要的角色。
例如，数理金融学利用随机过程和微分方程模型来描述金融市场中的风险和收益。
通过对市场情况和投资组合的数学建模和分析，我们可以制定有效的风险管理策略。
总结起来，数学在经济学中的应用研究非常广泛，无论是在微观经济学还是宏观经济学领域，数学方法都能提供准确和系统的分析工具。
数学在经济学中的应用
数学在经济学中的应用数学作为一门基础学科，在各个领域都有着广泛的应用。
经济学作为一门研究社会资源配置的学科，自然也离不开数学的支持与应用。
本文将重点探讨数学在经济学中的应用，并举例说明其具体实践。
1.数学在经济学模型的构建与分析中的应用经济学研究的核心之一是通过建立合适的数学模型来解释经济现象，并进行分析。
在经济学模型的构建中，数学的应用十分广泛。
比如，在宏观经济学中，我们常常使用的菲利普斯曲线模型可以通过微分方程来描述。
通过对微分方程进行分析，我们可以研究经济中的通货膨胀和失业之间的关系。
同时，在微观经济学中，比如供需模型中，我们使用的曲线图经常依赖于数学方程的表示和求解。
2.数学在经济学中的最优化问题经济学中充斥着各种最优化问题，而数学作为解决优化问题的强有力工具，广泛应用于经济学中。
比如，在微观经济学中，我们经常遇到的约束条件下的最优决策问题可以通过数学建模来解决。
数学上的最优化理论可以帮助我们找到供给和需求之间的均衡点，以及企业在利润最大化时的最优产量和价格等决策。
3.数学在金融学中的应用金融学作为经济学的一个重要分支，与数学有着密切的联系。
在金融学中，数学被广泛应用于风险管理、资产定价、投资组合等领域。
比如，在期权定价中，我们可以通过使用数学模型，如布莱克-斯科尔斯模型，来计算期权的价格。
这些数学模型使得金融从业人员能够更好地理解和管理金融市场风险，提高投资决策的准确性和效率。
4.数学在经济数据分析中的应用经济学研究不可避免地要依赖于大量的经济数据，而数学在经济数据的分析中起着重要的作用。
比如，在经济增长的研究中，我们可以通过对时间序列数据进行数学建模和分析，来寻找经济增长的规律和周期。
此外，线性回归模型等数学工具也广泛应用于经济学中的数据分析，帮助我们识别和验证经济理论。
综上所述，数学在经济学中发挥着重要的作用，从经济学模型的构建与分析、最优化问题的求解到金融学和经济数据分析中的应用，数学的应用无处不在。
数学在经济学中的应用
数学在经济学中的应用作为一门抽象的学科，数学并不只是应用于理论研究，它在实际生活中的应用远比我们想象的要广泛。
在经济学中，数学也是一门不可或缺的工具，它能够帮助我们更好地理解和分析经济现象、优化经济政策、预测经济走势等。
本文将介绍数学在经济学中的应用。
一、微积分在经济学中的应用微积分是研究函数的极限、导数、积分，以及函数间的关系和性质的数学分支。
在经济学中，微积分被广泛应用于计算成本、利润、收益等问题。
例如，在生产企业中，企业需要计算最优产量和价格，以获得最大利润。
微积分通过求导数来解决这一问题。
同样地，经济学家可以利用微积分来计算贸易量、经济增长速度等指标。
二、概率论和数理统计在经济学中的应用概率论和数理统计是研究随机事件的概率、规律和分布的数学分支。
在经济学中，这两个学科被广泛应用于金融风险管理、市场分析、投资策略等问题。
例如，投资者可以利用概率论和数理统计来评估股票、债券、期权等金融工具的风险和收益率。
另外，在外汇市场中，经济学家可以利用概率论和数理统计来预测货币汇率的走势。
三、线性代数在经济学中的应用线性代数是研究线性方程组的数学分支。
在经济学中，线性代数被广泛应用于研究投入产出模型、供求模型等问题。
例如，在生产企业中，企业需要计算产品各项特征之间的关系，以确定最优生产组合。
线性代数可以通过矩阵分析来解决这一问题。
另外，在经济学中，线性代数还可以被用来解决金融数据的分析和处理问题。
四、优化理论在经济学中的应用优化理论是研究如何选择最佳方案的数学分支。
在经济学中，优化理论被广泛应用于研究生产效率、投资决策、价格设定等问题。
例如，企业需要确定最优生产规模、生产线配置、员工招聘计划等，优化理论可以帮助企业寻求最优解。
另外，在金融领域中，学者可以利用优化理论来制定投资策略和风险控制方法。
总之，在经济学中，数学被广泛应用于各个领域。
从微积分和概率论到线性代数和优化理论，数学都为我们提供了分析、优化和预测经济现象的强有力工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业论文文献综述
数学与应用数学
数学在经济学中的应用
摘要：近年来，伴随着数学工具的不断向前发展，以及经济学的持续进步和完善，数学与经济学之间的结合已经越来越紧密。
当下，数学已经成为经济学里面的重要分析工具之一。
在探究经济问题时，进行数学分析，已经是不可或缺的一环，同时也是经济学的精准化、客观化的重要体现。
其中，应用的数学分析方法也有多种。
比如静态分析、动态分析、最优化分析等等。
在经济学中，通过应用数学的各种方法，研究客观的经济现象，并把所研究的对象借助建立数学模型，描述成能够用数学方法来解决。
本文拟探讨数学与经济学之间的联系和数学在经济学中的应用，并重点通过建立数学模型，来探究数学的动态分析在经济的最优化问题中的应用，解决一些在经济活动中的关键问题及难点。
并且借此，比较动态分析与其他诸如静态分析、静态均衡分析方法等在经济学中的应用的一些差异。
通过动态分析在最优化问题中的应用，阐述数学在经济生活中的密切应用。
同时也论述了数学在经济雪中的局限与趋势发展。
关键词：数学经济学应用动态分析最优化
经济学是对实际经济活动的理论概括和抽象，主要是研究如何配置和使用相对稀缺的资源，来满足最大化需求的社会科学。
虽然现实里的经济问题错综复杂，使经济学的分析增加了难度，具有了一些不确定性。
但是，经济学在本质上追求精确。
对于这样一门追求精确的学问，数学的作用自然非比寻常。
一、数学在经济学中应用发展的历史概况
从刚开始的萌芽到最后的形成，自始至终，数学一直伴随着经济学的发展。
综观整个历史，我们可以发现，数学方法在经济学中的运用其实就是一个从简单到复杂，从低级到高级的一个发展过程。
经济学与数学的应用发展大致可划分为三个时期。
1．萌芽时期
萌芽时期，经济学的数学方法因为受当时数学水平的限制，因此相对比较简单，主要体现在简单的数量分析。
所谓的数量分析，是指依据一定的经济理论，借助数学工具和统计资料来分析和说明经济现象，以作出一定的经济结论或是制定一定的经济政策提供客观的依据。
在萌芽时期，这些方法虽然十分简单，但却为后来在经济学中引入微积分、集合、拓扑、线性模型等高级的数学概念奠定了基础。
2．形成时期
形成时期，高等数学被不断地、广泛地应用到经济学中。
比如概率论、微积分、线性代数等。
在这个时期，社会的深刻变革以及方法论的改进都极大的促进了经济学的发展。
经济学家通过借助数学工具，解决实际的经济问题，开拓新的研究领域和新的研究方法。
也正是在这个时期，数理经济学作为一门学科的名称流传开来。
总的来说，在形成时期，最主要的象征就是数量经济学是诞生。
3．全面发展时期
全面发展时期，伴随着更多的应用数学理论的出现, 新理论不断的被融入应用到经济学领域的各门学科并在众多的经济学研究方法中逐渐开始占据主导位置。
同时，伴随着计算机的诞生，所构造的数学经济模型，被更好的完善和解决。
使经济理论更加的完整、经济决策更加的科学，也使数学在最优化分析中的应用得到了更加完善的体现。
二、数学在现代经济学中的应用
从目前在国内外的经济文献中，应用数学作分析工具的越来越多，这是经济学进步的一个标志，它使经济学走向了定量化、精密化和准确化。
在经济学中，对于经济现象、经济运行及其规律的描述与研究，正需要数学方法与数学思想，从而达到它的科学性。
1．数学知识在经济学静态均衡分析中的应用
静态均衡分析是指不考虑时间变化的分析。
在静态均衡分析中, 关键的问题是求出满足均衡条件的内生变量的值。
只要确定了满足均衡条件的内生变量的值,无论是局部均衡分析还是一般均衡分析,实际上就确定了均衡条件。
在静态均衡分析中, 确定均衡条件的过程实质上就是方程组求解的过程。
线性方程组求解和非线性方程组求解，是方程组求解的两种方法,, 其中在线性方程特别是比较复杂的线性方程组求解中, 通常会应用到矩阵代数。
矩阵代数为我们求解庞大的方程提供了一种相当简洁的方式, 特别是矩阵代数中的“克莱姆法则”, 对我们求解复杂的线性方程提供了方便, 正因为如此，它在产品市场的静态均衡、国民收入的模型和投入——产出模型中都会得到大量的应用。
2．数学在比较静态分析中的应用
比较静态分析是指分析，当已知条件发生变化以后经济现象的均衡状态发生的相应变化。
对于比较静态分析而言,平时更多关注的实质是求变化率的问题, 即内生变量均衡
值对于特定参数或外生变量变化的比率。
而数学中的导数正好符合了这一要求。
所以在比较静态分析中，必然将涉及导数以及与导数密切相关的极限。
同时，在比较静态分析中，我们还会涉及到全微分、全偏导, 以及隐函数的导数等知识内容。
归纳而言,比较静态分析的性质决定了在进行比较静研究时必将会涉及到大量数学知识。
3．数学在动态分析中的应用
动态分析是指对经济变动的实际过程进行分析, 其目的是探询研究变量的具体时间路径, 或者是确定在给定的充分长的时间内, 这些变量是否会收敛于某一值, 其显著特征是将时间纳入了分析范围。
若将时间视为连续变量,就需要大量应用积分知识。
在动态分析中, 不但会有积分知识( 定积分、不定积分、广义积分) , 还会涉及到微分方程。
另外, 如果我们将时间变量视为离散变量, 则还会应用到差分方程。
因此，动态分析相对比较复杂, 涉及到数学知识也比较多。
三、数学在经济学中应用的局限性
数学在经济学中的应用十分广泛，但它在经济学中也有局限性。
经济学毕竟不是数学，它最关键的是经济思想。
数学只是作为一种分析工具和分析方法存在。
它必须在经济理论的框架中才能发挥真正的应用作用。
它不可能替代经济学。
简单的说，就是数学是手段，而非目的。
第一、不能用数学的逻辑（分析）来替代经济学的逻辑（分析）；
第二、不能用统计回归来推断经济中的因果关系；
第三、统计回归只能对已有假说进行证伪和（在一定的条件下）获取数量关系；
第四、数学推理只能局限于经济学中数的运算（当然，还可以用数学符号来表示经济关系）。
四、结束语
总之，数学的发展促进了经济学的成熟。
数学方法在经济学中的运用过程是一个从简单到复杂, 从低级到高级的一个发展过程。
数学在经济活动中起着至关重要的作用, 经济活动越频繁、越发展, 经济规模越大, 经济水平越高, 越需要数学。
当然，在运用数学的过程中我们要注意到数学的局限性，要在经济学中科学并且有效的运用数学知识。
五、主要参考文献
[1] 刘玉红经济数学在经济管理中的应用[M]，山西；山西统计，2002（5）。
[2] 张建斌浅论数学在经济学中的应用[M]，内蒙古；内蒙古财经学院，2004（6）。
[3] 王建蓉数学在经济管理中的应用[M]，青海；青海师专学报，2002（5）。
[4] 罗后平谈数学在经济学中的应用[M]，天津；天津财经学院，2002（6）。
[5] 林庄浅谈数学在经济学中的应用[M]，福建福州；引进与咨询，2006（9）。
[6] 王艳芬数学在经济学中的应用[M]，山东莱芜；泰山学院学报，2008（5）。
[7] 吴怡论数学在经济学中的应用[M]，秦皇岛；商场现代化，2008（5）。
[8] Hung T. Nguyen, Vladik Kreinovich, Optimal Prices in the Presence of Discounts: A New Economic Application of Choquet Integrals, Departmental Technical Reports (CS), 2010
[9] Leigh Tesfatsion, Agent-based computational economics: A constructive approach to economic theory, Handbook of computational economics, 2006 [10]Matteo Richiardi, Agent-based computational economics: A short introduction, The Knowledge Engineering Review, 2010
[11]Samit Paul, Andrew Barnes, Application of extreme value theory to economic capital estimation, Advances in Data Analysis, 2010。