Еконофизика е меѓудисциплинарно истражувачко поле, применувајки теории и методи првично развиени од физичарите , со цел да се разрешат проблемите во економијата, обично оние кои вклучуват несигурност или стохастички процеси и нелинеарна динамика. Исто така има примена и во проучувањето на финансиските пазари, кои се наречени статистички финансии осврнувајќи се на своите корени во статистичката физика.

Историја

уреди

Интересот на физичарите во општествените науки не е нов, Даниел Бернули, како на пример, бил основоположник на парамети засновани на корист. Еден од основачите на неокласичката економска теорија, поранешен професор по Економија на универзитетот Јеил, Ирвинг Фишер, првично бил под менторство на познатиот Јеил физичар, Вилард Гибс.[1] Исто така, Јан Тинберген, кој е добитник на првата Нобелова Спомен-Награда за Економски Науки во 1969 година, за развивањето и примената на динамички модели за анализа на економските процеси, студирал физика со Паул Еренфест на Лајден Универзитетот. Особено, Тинберген го развил гравитацискиот модел на меѓународна трговија што станал работно кари на меѓународната економија.

Еконофизиката започнува во средината на 1990-тите од страна на неколку физичари кои работат во подполе на статистичката механика. Незадоволни со традиционалните објаснувања и пристапи на економистите – кои обично давале приоритет на поедноставни пристапи за доброто на теоретски модели кои можат да бидат решени преку договор со емпириски податоци – тие применувале алатки и методи од физиката, прво за да се обидат да ги поклопат финансиските податоци, а потоа за да се објаснат повеќе општи економски феномени.

Една движечка сила зад издигнувањето на  еконофизикта во тоа време била ненадејната достапност на големи количества на финансиски податоци, со почеток во 1980-тите. Станува јасно дека традиционалните методи на анализа се недоволни – стандардни економски методи се занимавале со хомогени агенси и рамнотежа, додека многу од по интересните феномени во финансиските пазари, во основа зависеле од хетерогени агенси и ситуации далеку од рамнотежа ..

Терминот "еконофизика" е измислен од страна на Х. Јуџин Стенли, за да се опишат големиот број на трудови напишани од страна на физичари за проблемите на берзата и други пазари, во една конференција за статистичка физика во Колката (erstwhile Калкута) во 1995 година за првпат се објавува на Physica A 1996 година.[2][3] Основачкото собрание на еконофизиката било организирано во 1998 година во Будимпешта од страна на Јанос Кертец и Имре Кондор.

Речиси редовни сериски средби на темата вклучуваат: APFA, ECONOPHYS-KOLKATA,[4] Колоквиум по Еконофизика, ESHIA/ WEHIA.

Во последниве години мрежната наука,која силно се потпира на аналогии од статистичката механика, применета е за проучување на системи за продукција. Ова е случајот со делата направени на  Санта Фе Институтот во Европскати Финансирани Истражувачки Проекти и Предвидување на Финансиски Кризи и Опсерваторијата на Економска Комплексност на Хардвард-МИТ .

Доколку "еконофизиката" се зема за означување на принципот на примена на статистичка механика кај економската анализа наместо на одредена книжевност или мрежа, давањето приоритет на иновацијата е веројатно поради Емануел Фарџон и Моше Мачовер (1983). Нивната книга Закони на Хаосот: Веројатносен Пристап кон Политичката Економија предлага појаснување на нивните зборови во трансформациониот проблем во политичката економија на Маркс со ре-концептуализација на соодветните количини како случајни променливи.

Ако, од друга страна, "еконофизиката" се зема за означување на примената на физиката во економијата, може да се разгледа работата на Леон Валрас и Вилфредо Парето. Како што е прикажано од страна на Бруна Инграо и Џорџо Израел, теоријата на општа рамнотежа во економијата се заснова на физичкиот концепт на механичка рамнотежа.

Еконофизиката нема никаква врска со "пристапот на физички количества" кон економија, застапуван од Ијан Штедман и други поврзани со нео-рикардијанизмот. Значајни еконофизичари се Жан-Филип Бушауд, Бикас К Чакрабарти, Џ. Дојне Фармер, Дирк Хелбинг, Јанос Кертес, Френсис Лонгстаф, Розарио Н. Мантена, Матео Марсили, Џозеф Л. Маккаули, Енрико Скалас, Дидје Сорнит, Е. Стенли, Виктор Јаковенко и Ји-Ченг Жанг. Особено забележлив кај формалните курсеви за еконофизика е понудениот од страна на Одделот за Физика на Универзитетот Лејден,[5][6] од каде е дојден првиот добитник на Нобеловата награда за економија Јан Тинберген. Од септември 2014 година Кралскиот колеџ ја додели првата позиција на редовен професор по екофизика.

Основни алатки

уреди

Основни алатки на еконофизиката се веројатносни и статистички методи често земени од статистичката физика.

Физички модели кои се применуваат во економија ги вклучуваат кинетичката теорија на гас (наречене кинетичка размена на модели на пазари [7]), перколациски модели,хаотични модели развиени за студија на срцев удар, и модели со само-организирање на критичноста , како и други модели развиени за предвидување земјотреси.[8] Исто така, имало обиди да се користи математичка теорија на комплексност и теорија на информациите, што е развиена од страна на многу научници, меѓу кои се Мари Гел-Ман и Клод E. Шенон.

Во потенцијални игри, се покажало дека рамнотежа која произведува појава врз основа на информации  преку Шенон информативна ентропија произведува иста рамнотежна мерка (Гибс мерка од статистичката механика) како стохастичка динамичка равенка, од кои и двете се засновани на модели од гранична рационалност кои се користат од страна на економистите. Теоремата за Флуктација-дисипација  ги поврзува двете за да се воспостави јака врска на температура, ентропија,слободен потенцијал/енергија и други физички поими на економскиот систем.Модел од Статистичката механика не е изграден-priori - тоа е резултат на гранично рационална претпоставка и моделирање на постојните неокласични модели. Тоа се користи за да се докаже "неизбежноста на заговор" резултат на Хју Диксон во случај за која неокласична верзија на моделот не предвидува заговор.[9] Тука побарувачката се зголемува, како и со Веблен стока или купувачи на акции со "жешка рака" п аѓаат во заблуда претпочитајќи да купат повеќе успешни акции и ги продаваат оние кои се помалку успешни.[10]

Квантификатори добиени од теорија на информациите , биле користени во неколку трудови од еконофизичарот Аурелио Ф.Баривиера и соавторите со цел да се оцени степенот на информативната ефикасност на берзите. Во еден труд објавен во Physica A [11].Луциано Зунино користел иновативна статистичка алатка во финансиската литература: полето на последици на сложеноста-ентропијата . Оваа Картезијанска репрезентација воспоставува рангирање на ефикасноста на различни пазари и разликување различни обврзници на динамиката на пазарот. Покрај тоа, авторите заклучиле дека класификацијата што произлегува од полето на последици на сложеноста-ентропијата е во согласност со квалификациите што се доделуваат од страна на големи рејтинг компании на суверени инструменти. Слична студија е развиена од страна Аурелио Ф. Баривиера[12] истражувајки ја врската помеѓу кредитните рејтинзи и информативната ефикасност на примерок на корпоративни обврзници на нафта од Сад и енергетските компании, исто така со користење на полето на последици од сложеноста–ентропијата . Тие сметаат дека оваа класификација се согласува со кредитните рејтинзи доделени од страна на Мудис.

Друг добар пример е теорија на случајна матрица, која може да се користи за да се идентификува бучава во матрици на инкарна корелација. Еден труд тврди дека оваа техника може да ја подобри ефикасноста на портфолија.

Сепак, постојат разни други алатки од физиката кои досега се користеле, како што е флуидна динамика, класичната механика и квантна механика (вклучувајќи т.н. класична економија, квантна економија и квантна финансија),[13] и патека на интегрална формулација на статистичката механика.[14]

Концептот на индекс на економска сложеност, воведен од страна на МИТ физичар Цезар А. Идалго и Харвард економист Рикардо Хаусман и ставена на располагање во Опсерваторијата за економска комплексност на МИТ, е осмислена како алатка за предвидување на економски раст. Според проценките на Хаусман и Идалго, ECI е далеку по точно предвидувањето на раст на БРУТО домашниот производ од традиционалните управувачки мерки на Светска Банка.[15]

Исто така постојат и аналогии помеѓу финансиска теорија и теорија на Расејување. На пример,равенката на Црн-Сколс за давање цена на опцијата на равенката на адвециона дифузија  (сепак [16][17] за критика на Црно-Сколс методологија).Теоријата на Црно-Сколс  може да биде продолжена за да се обезбеди аналитичка теорија на главните фактори во економските активности.

Влијание

уреди

Трудови на еконофизиката биле објавени пред сè во списанија посветени на физиката и статистичката механика, отколку во водечките економски списанија. Мејнстрим економистс генерално се неимпресионирани со оваа работа.[18] Некои економисти, вклучувајќи Мауро Галегати, Стив Кин, Паул Ормерод, и Алан Кирман покажаа интерес, но исто така критикуваа некои трендови во еконофизиката.

Спротивно на тоа, еконофизиката има одредено влијание врз полето на квантитативно финансирање што се применува, чиј цели значително се разликуваат од оние на економската теорија. Разни еконофизичари имаат воведено модели за флуктации на цените во финансиските пазари или оригинални точки на гледање на воспоставени модели.[19][20] Исто така, неколку закони биле пронајдени во различни економски податоци.[21][22][23]

Главни резултати

уреди

Во моментов, еден од главните резултати на еконофизиката се состои во објаснување на „дебели опашки“ во дистрибуцијата на многу видови на финансиски податоци, како универзален уред за подредување ,[24] произлегува од тенденцијата на поединечни конкуренти на пазарот, или на агрегати од нив, да се искористат систематски и оптимално преовладувачките "микро трендови" (на пример, зголемувањето или паѓање на цените). Овие "дебели опашки" не се само математички важни, бидејќи тие се состојат од ризици, кои можат да бидат од една страна, многу мали и такви кои може да имаат тенденција да ги занемариме, но кој - од друга страна - воопшто не се занемарливи, односно тие не можат да бидат направени експоненцијално мали, туку тие следат мерлив алгебарски намалувачки закон за моќ, на пример, со веројатност за неуспех од   само каде x е зголемувачка променлива со голема вредност во регионот на опашката на дистрибуцијата сметана (односно, статистиката на цените, со многу повеќе од 108 податоци), настаните за кои се зборува не само "outliers" но, навистина мора да бидат земени предвид и не може да бидат "осигурани онака". Се чини дека , исто така, игра улога дека во близина на промена на тенденцијата (на пр. од паѓање до зголемувањето на цени) не се типични "паничните реакции" на продажба или купување на агенси со алгебарско зголемување на брзината и обемот на зделка.[25] "Дебели опашки" се исто така забележани во стоковните пазари.Како и во теоријата на квантно поле "дебели опашки" може да се добијат од страна на комплицирани "непертурбативни" методи, главно со бројчени методи, бидејќи тие содржат отстапувања од вообичаените Гаусианови предвидувања, на пример, во теоријата на  Црно-Сколс. "Дебели опашки" исто така можат да се должат на други феномени, како што е случаен број на поими во теоријата на централна-граница, или било кој број на други, не-оконофички модели. Поради потешкотии во тестирање на таквите модели, тие добиле помалку внимание во традиционалните економски анализи.

Поврзано

уреди

Наводи

уреди
  1. Yale Economic Review, Retrieved October-25-09 Архивирано на 8 мај 2008 г.
  2. Interview of H. E. Stanley on Econophysics (Published in "IIM Kozhikode Society & Management Review", Sage publication (USA), Vol. 2 Issue 2 (July), pp. 73-78 (2013))
  3. Econophysics Research in India in the last two Decades (1993-2013) (Published in "IIM Kozhikode Society & Management Review", Sage publication (USA), Vol. 2 Issue 2 (July), pp. 135-146 (2013))
  4. Econophysics of Wealth Distributions, Eds. A. Chatterjee, S. Yarlagadda, B.K. Chakrabarti, New Economic Windows, Springer-Verlag, Milan, 2005.
  5. „Econophysics, 2012-2013 ~ e-Prospectus, Leiden University“. studiegids.leidenuniv.nl (англиски). Посетено на 2018-09-10.
  6. „Econophysics, 2014-2015 ~ e-Prospectus, Leiden University“. studiegids.leidenuniv.nl (англиски). Посетено на 2018-09-10.
  7. Bikas K Chakrabarti, Anirban Chakraborti, Satya R Chakravarty, Arnab Chatterjee (2012). Econophysics of Income & Wealth Distributions. Cambridge University Press, Cambridge.CS1-одржување: повеќе имиња: список на автори (link)
  8. Didier Sornette (2003). Why Stock Markets Crash?. Princeton University Press.
  9. Dixon, Huw (2000). „keeping up with the Joneses: competition and the evolution of collusion“. Journal of Economic Behavior and Organization. 43 (2): 223–238. doi:10.1016/s0167-2681(00)00117-7.
  10. Johnson, Joseph; Tellis, G.J.; Macinnis, D.J. (2005). „Losers, Winners, and Biased Trades“. Journal of Consumer Research. 2 (32): 324–329. doi:10.1086/432241.
  11. Zunino, L., Bariviera, A.F., Guercio, M.B., Martinez, L.B. and Rosso, O.A. (2012). „On the efficiency of sovereign bond markets“. Physica A: Statistical Mechanics and its Applications. 391 (18): 4342–4349. Bibcode:2012PhyA..391.4342Z. doi:10.1016/j.physa.2012.04.009.CS1-одржување: повеќе имиња: список на автори (link)
  12. Bariviera, A.F., Zunino, L., Guercio, M.B., Martinez, L.B. and Rosso, O.A. (2013). „Efficiency and credit ratings: a permutation-information-theory analysis“ (PDF). Journal of Statistical Mechanics: Theory and Experiment. 2013 (8): P08007. arXiv:1509.01839. Bibcode:2013JSMTE..08..007F. doi:10.1088/1742-5468/2013/08/P08007.CS1-одржување: повеќе имиња: список на автори (link)
  13. Anatoly V. Kondratenko (2015). Probabilstic Economic Theory. LAP LAMBERT Academic Publishing. ISBN 978-3-659-89232-5.
  14. Chen, Jing (2015). The Unity of Science and Economics: A New Foundation of Economic Theory. www.springer.com: Springer.
  15. Ricardo Hausmann; Cesar Hidalgo; и др. „The Atlas of Economic Complexity“. The Observatory of Economic Complexity (MIT Media Lab). Посетено на 26 April 2012.
  16. Jean-Philippe Bouchaud; Marc Potters (2003). Theory of Financial Risk and Derivative Pricing. Cambridge University Press.
  17. Bouchaud, J-P.; Potters, M. (2001). „Welcome to a non-Black-Scholes world“. Quantitative Finance. 1 (5): 482–483. doi:10.1080/713665871.
  18. Philip Ball (2006). „Econophysics: Culture Crash“. Nature. 441 (7094): 686–688. Bibcode:2006Natur.441..686B. CiteSeerX 10.1.1.188.8120. doi:10.1038/441686a. PMID 16760949.
  19. Enrico Scalas (2006). „The application of continuous-time random walks in finance and economics“. Physica A. 362 (2): 225–239. Bibcode:2006PhyA..362..225S. doi:10.1016/j.physa.2005.11.024.
  20. Y. Shapira; Y. Berman; E. Ben-Jacob (2014). „Modelling the short term herding behaviour of stock markets“. New Journal of Physics. 16 (5): 053040. Bibcode:2014NJPh...16e3040S. doi:10.1088/1367-2630/16/5/053040.
  21. Y. Liu; P. Gopikrishnan; P. Cizeau; M. Meyer; C.-K. Peng; H. E. Stanley (1999). „Statistical properties of the volatility of price fluctuations“. Physical Review E. 60 (2): 1390. arXiv:cond-mat/9903369. Bibcode:1999PhRvE..60.1390L. CiteSeerX 10.1.1.241.9346. doi:10.1103/PhysRevE.60.1390.
  22. M. H. R. Stanley; L. A. N. Amaral; S. V. Buldyrev; S. Havlin; H. Leschhorn; P. Maass; M. A. Salinger; H. E. Stanley (1996). „Scaling behaviour in the growth of companies“. Nature. 379 (6568): 804. Bibcode:1996Natur.379..804S. doi:10.1038/379804a0. Архивирано од изворникот на 2018-07-10. Посетено на 2018-11-27.
  23. K. Yamasaki; L. Muchnik; S. Havlin; A. Bunde; H.E. Stanley (2005). „Scaling and memory in volatility return intervals in financial markets“. PNAS. 102 (26): 9424–8. Bibcode:2005PNAS..102.9424Y. doi:10.1073/pnas.0502613102. PMC 1166612. PMID 15980152. Архивирано од изворникот на 2018-07-10. Посетено на 2018-11-27.
  24. The physicists noted the scaling behaviour of "fat tails" through a letter to the scientific journal Nature by Rosario N. Mantegna and H. Eugene Stanley: Scaling behavior in the dynamics of an economic index, Nature Vol. 376, pages 46-49 (1995)
  25. See for example Preis, Mantegna, 2003.

Дополнителна литература

уреди

Предавања

уреди
  • Economic Fluctuations and Statistical Physics: Quantifying Extremely Rare and Much Less Rare Events, Eugene Stanley, Videolectures.net
  • Applications of Statistical Physics to Understanding Complex Systems, Eugene Stanley, Videolectures.net
  • Financial Bubbles, Real Estate Bubbles, Derivative Bubbles, and the Financial and Economic Crisis, Didier Sornette, Videolectures.net
  • Financial crises and risk management, Didier Sornette, Videolectures.net
  • Bubble trouble: how physics can quantify stock-market crashes, Tobias Preis, Physics World Online Lecture Series Архивирано на 30 декември 2011 г.

Надворешни врски

уреди