statistical econophysics在随机交互的系统中，使用历史的数据以及零智力的个体去挖掘和描述宏观规则，这种方法经常和stylized facts相对应，而stylized facts存在于不同的时间尺度上，不同的市场上及不同对象上等，源于使用这种方法的学者对统计法则普遍存在的信仰。这种方法仅考虑宏观上可被观察到和可分析的现象，不像主流和agent-based model，这里面没有理性智力和个体行为，即个体从不会记忆学习，从不会寻找利益最大化，故此方法属于宏观的原子的，死物理的研究方法。

如Chakraborti在一文中说，虽然我们不能给出每一个行为个体的运动方程，但是我们还是可以在很多尺度上研究个体行为，因为统计的、整体上的、宏观上的以及平均上的运动方程类似个体的运动方程，即通过宏观来观察微观，基于的原理是微观和宏观存在相似和同构性。这也客观上造就了一些统计技术的出现：因为交互随机，所以有stochastic dynamics；因为是宏观和微观的相似，所以有scaling和self-similarity；因是寻找宏观法则，所有有self-organization和correlation。

agent-based modeling出现于1990s，被用于诸如选举、军事、交通以及传染病等领域，其是一跨学科的研究方法，是使用有学习能力和适应能力的个体去重现规则，这实现了Keynes想做但没有做出的事情：“考虑个体的学习能力”。其通过对演化的系统建构模型，生成数据使用，基于固定交互规则，用计算机模拟具有不同偏好、社会网络以及文化等的大量异质个体（基于原子，但从不使用像主流经济学经常使用的representative agent的方法），此过程是远离均衡的，正是这种原理均衡使得系统得以更新，并采用Fokker-Planck equations和Langevin equation等来描述这交互的过程和交互的系统。不像主流经济是方法论上的个体主义，着眼理性、风险厌恶等理论上同质均衡分析。其是一种原子的、微观的以及活物理的研究方法。

总之,两个都发展数据驱动的模型，去表述交互的复杂系统；都从经验和现实出发，避免任意武断的不符合现实的假设。在演化的复杂系统内，statistical EP给出挖掘宏观法则的工具， agent-based modeling 给出这种宏观法则的微观基础和再现的可能。正如lux.etl所说，agent-based modeling将是将来EP研究的中心，源于statistical EP发现了大量的stylized facts ,该是agent-based modeling为统计方法揭示的法则提供一个微观基础和一个再现的可能的时候了，这当然为社会控制和社会建制提供很多具体可操作的政策。

文献：Schinckus (2012): Methodological comment on Econophysics review I and II: statistical econophysicsand agent-based econophysics, Quantitative Finance, 12:8, 1189-1192.