利用深度多智能体强化学习揭示稳健的油气公司宏观战略
综合经济学
2022-11-22 v1 人工智能
机器学习
经济学
摘要
若大型国际石油公司（IOCs）未能适应低碳商业模式，能源转型可能对其构成生存风险。然而，能源未来的预测伴随着关于其规模与速度的迥异假设，导致 IOC 决策者及其利益相关方在化石能源在位企业应采何种商业模式上产生分歧。本工作中，我们使用深度多智能体强化学习来求解一个能源系统兵棋推演，其中玩家模拟 IOC 决策，包括碳氢化合物与低碳投资决定、股息政策以及资本结构措施，穿越不确定的能源转型，以探索从杠杆化转型到储量替代等关键且非线性的治理问题。由最先进算法促成的对抗性博弈，揭示了对于能源转型不确定性及多个 IOC 均稳健的决策策略。在所有博弈中，以低碳商业模式为形式的稳健策略随着早期转型导向行动而涌现。无论碳氢化合物需求预测如何，采取此类战略的 IOC 均优于一切照旧与延迟转型战略。除最大化价值外，这些战略通过提供加速全球低碳能源转型所需的大量资本而造福更广泛的社会。我们的发现指向贷款人与投资者有效调动转型导向金融并与 IOC 接洽的必要性，以确保资本负责任地重新配置至低碳商业模式，使化石能源在位企业能够作为未来低碳领导者而崛起。
引用
@article{arxiv.2211.11043,
title = {Revealing Robust Oil and Gas Company Macro-Strategies using Deep Multi-Agent Reinforcement Learning},
author = {Dylan Radovic and Lucas Kruitwagen and Christian Schroeder de Witt and Ben Caldecott and Shane Tomlinson and Mark Workman},
journal= {arXiv preprint arXiv:2211.11043},
year = {2022}
}