 Mijn project gaat over de economitrie van dynamische discreetenkeuze en spelen. Wat ik zal doen in het project is modellen voor dat soort keuze en spelen ontwikkelen. Theoretische resultaten afleiden voor dat soort modellen. Metode ontwikkelen om die modellen empirisch te quantificeren. Dus waarde voor de parameters van die modellen te vinden die een goede fit van een model geven met de data, met de werkelijkheid. En tot slot metode ontwikkelen om de voorspellingen van die modellen, dus de uitkomsten van die modellen, te kunnen uitrekenen. En vooral te kunnen uitrekenen voor heel veel verschillende situaties. Zowel bijvoorbeeld met huidig beleid, maar ook in de situatie van een alternatief beleid dat de overheid misschien overweegt. En op die manier kan je beleid evalueren. Ja, een goed voorbeeld, denk ik, van een toepassing met dit soort modellen is de farmerssector. In een farmersseuters bedrijf investeert heel veel middelen om medicijnen te ontwikkelen en die vervolgens op de markt te brengen. En als ze die op de markt kunnen brengen, kunnen ze daar heel veel geld mee verdienen. En dat is natuurlijk de prikkel om er heel veel in te investeren. Nou, voor de overheid is het heel belangrijk dat die markt goed georganiseerd is, dat de voldoende medicijnen worden ontwikkeld, dat de voldoende prikkels zijn om medicijnen te ontwikkelen. In principe wil de overheid dat de medicijnen takkelen zo laag mogelijk prijs worden aangeboden, dus competitief mogelijk. En ze zullen dus zoveel mogelijk competitie willen als de medicijnen er helemaal zijn. Maar als ze daar heel effectief in zijn, als ze ervoor zorgen dat de bedrijven heel weinig wins kunnen maken, als ze de medicijnen al ontwikkeld hebben, dan zullen ze er nooit aan beginnen om erin te investeren. En dan zullen de medicijnen er nooit komen. Dus dat is een soort van afraal en mijn analyse kan helpen om die afraal goed te evalueren. Nou, hoe werkt dat? Hoe zou ik dat benaderen met mijn methode? Je kunt die investeringen en die modeleren als een dynamisch spel tussen farmersseutische bedrijven. Ze zijn allemaal bezig om zo snel mogelijk een medicijn te ontwikkelen voor een bepaalde ziekte, voor een bepaalde conditie. En het is natuurlijk zoals het degene die de eerste is, die kan een tijdje dat medicijnen eens een eentje aanbieden en daar veel geld aan verdienen. Hoeveel geld hangt natuurlijk af van hoe hard de overheid die markt gereguleerd heeft? En daar zit die afraal weer. Nou, wat kan ik dan met mijn methode? Ik kan allereerst dat soort modellen analyseren, de oplossing van dat soort modellen theoretisch analyseren. Ook de oplossing van dat soort modellen uitrekenen voor verschillende parameterwaarden op een hele efficiënte manier. Als ik ze kan uitrekenen, kan ik ook die parameterwaarden vinden die de beste fit met de data geven, dus eigenlijk parameterschatten. Maar ik kan ook het model uitrekenen voor alternatieve parameterwaarden die bijvoorbeeld corresponderen met een ander overheidsbeleid, bijvoorbeeld meer of minder competitie in die markt voor medicijnen. En als ik dat allemaal heel snel kan doen en voor heel veel verschillende mogelijkheden kan uitrekenen, kan ik zelfs de overheid adviseren wat de beste regeling van die markt is. En in die zin kan ik dus de overheid helpen om zo goed mogelijk de markt voor medicijnen te regelen. waarin onderscheidt jouw soort van onderzoek zich van andere onderzoeken op jouw methode? Dat is een hele goede vraag, want er zijn natuurlijk heel veel onderzoeken, methodologische onderzoeken die dit soort modellen analyseren en methode ontwikkelen. Het blijkt in de praktijk, de onderzoeks praktijk, heel erg ingewikkeld te zijn om deze dingen te doen die ik net beschreef. Het is heel erg ingewikkeld om bij het schatten van dit soort modellen, dus het empirisch quantificeren, rekening te houden met verschillen tussen bedrijven en verschillende markten. Het is ook erg ingewikkeld om die modellen uit te rekenen, te bepalen wat de verspellingen zijn van dit soort modellen. En daardoor wordt het heel erg moeilijk om die modellen te schatten, maar ook om die modellen uit te rekenen voor verschillende soorten van beleid. Ik heb eigenlijk twee inzichten die ik ga uitwerken in mijn onderzoek, die daarin wat vooruitgang beloven. De eerste is dat ik wel gaan kijken hoe ik, dat is eigenlijk heel technisch, het model niet in discreeten tijd, maar in continuere tijd speciëren, allerlei wiskundige versimplingen kan inzetten om toch veel meer te leren over die modellen dan mogelijk is met veel van de huidige modellen. En ik heb er al wat ervaring mee en dat werkt vrij goed. Een tweede pad dat ik wil bewandelen, is dat ik misschien iets simpelere modellen wil gaan analyseren dan nu gebruikelijk is in de literatuur. Het is eigenlijk in de literatuur een sprong gemaakt van geen modellen, misschien in de jaren 70, tot ontzettend ingewikkelde modellen nu, waar eigenlijk heel weinig over te leren valt die heel moeilijk te analyseren zijn. Wat ik wil doen is eigenlijk één stapje terugnemen in dat gatduiken, iets eenvoudiger modellen gaan bestuderen. Ik heb er al ervaring dat ik daar heel veel over kan leren en daarvoor heel veel meer leren over dat soort modellen. En dat is dan vervolgens interessant om twee redenen. Ten eerste zijn die modellen vaak al ingewikkeld genoeg, terwijl ze iets simpele zijn om bepaalde vragen te beantwoorden, zoals die vraag die ik net in mijn voorbeeld had. Maar het is ook een goede opstap om meer te leren over die meer ingewikkelde modellen. En eigenlijk zijn dat de twee paden waar langs ik denk heel veel vooruitgang te kunnen boeken in de analyse van dit soort problemen. En daarmee hoop ik uiteindelijk metoden te leveren waarin economen, beleidsmakers kunnen helpen om allerlei toch vrij ingewikkelde beleidsproblemen in allerlei gebieden, dus in de regulering van markten en ook in allerlei andere gebieden, goed te kunnen oplossen.