Multi-Agent Reinforcement Learning for Greenhouse Gas Offset Credit Markets

要約

気候変動は、人類の将来に対する大きな脅威であり、その影響は過剰な人工温室ガスの排出によって強化されています。
政府がこれらの排出を制御するために採用できる方法の1つは、企業に排出制限を提供し、限界を超える過剰な排出量を罰することです。
また、炭素削減とキャプチャプロジェクトに投資することを選択した企業によって、過剰な排出量が相殺される場合があります。
これらのプロジェクトは、企業の過剰な排出量を相殺するために規制機関に提出できるオフセットクレジットを生成します。または、他の企業と取引することができます。
この作業では、オフセットクレジット市場の有限エージェントナッシュ平衡を特徴付けます。
コンピューティングナッシュ平衡はNPハードの問題であるため、最新の強化学習技術を利用して、市場のナッシュ平衡を効率的に推定します。
気候をテーマにした金融市場に適用される補強学習方法を採用することの妥当性だけでなく、数値実験を通じてナッシュ平衡を守るときに発生する大幅な金融貯蓄企業が達成する可能性があることを示しています。

要約(オリジナル)

Climate change is a major threat to the future of humanity, and its impacts are being intensified by excess man-made greenhouse gas emissions. One method governments can employ to control these emissions is to provide firms with emission limits and penalize any excess emissions above the limit. Excess emissions may also be offset by firms who choose to invest in carbon reducing and capturing projects. These projects generate offset credits which can be submitted to a regulating agency to offset a firm’s excess emissions, or they can be traded with other firms. In this work, we characterize the finite-agent Nash equilibrium for offset credit markets. As computing Nash equilibria is an NP-hard problem, we utilize the modern reinforcement learning technique Nash-DQN to efficiently estimate the market’s Nash equilibria. We demonstrate not only the validity of employing reinforcement learning methods applied to climate themed financial markets, but also the significant financial savings emitting firms may achieve when abiding by the Nash equilibria through numerical experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google