Эконофизика — это неортодоксальная (в экономике) междисциплинарная область исследований, применяющая теории и методы, изначально разработанные физиками для решения проблем в экономике , обычно включающих неопределенность или стохастические процессы и нелинейную динамику . Некоторые из ее приложений к изучению финансовых рынков также были названы статистическими финансами, ссылаясь на ее корни в статистической физике . Эконофизика тесно связана с социальной физикой .
Интерес физиков к социальным наукам не нов (см., например, [1] ); Даниил Бернулли , например, был создателем предпочтений, основанных на полезности . Один из основателей неоклассической экономической теории , бывший профессор экономики Йельского университета Ирвинг Фишер , изначально обучался у известного йельского физика Джозайи Уилларда Гиббса . [2] Аналогичным образом, Ян Тинберген , который получил первую Нобелевскую премию по экономике в 1969 году за разработку и применение динамических моделей для анализа экономических процессов, изучал физику у Пауля Эренфеста в Лейденском университете . В частности, Тинберген разработал гравитационную модель международной торговли , которая стала рабочей лошадкой международной экономики . [ необходима ссылка ]
Эконофизика была основана в середине 1990-х годов несколькими физиками, работавшими в области статистической механики . Неудовлетворенные традиционными объяснениями и подходами экономистов, которые обычно отдавали приоритет упрощенным подходам ради разрешимых теоретических моделей, а не согласованности с эмпирическими данными, они применили инструменты и методы из физики, сначала чтобы попытаться сопоставить финансовые наборы данных, а затем объяснить более общие экономические явления. [ необходима цитата ]
Одной из движущих сил эконофизики, возникшей в это время, была внезапная доступность больших объемов финансовых данных, начиная с 1980-х годов. Стало очевидно, что традиционные методы анализа были недостаточны — стандартные экономические методы имели дело с однородными агентами и равновесием, в то время как многие из наиболее интересных явлений на финансовых рынках в основе своей зависели от неоднородных агентов и далеких от равновесия ситуаций. [ необходима цитата ]
Термин «эконофизика» был придуман Х. Юджином Стэнли для описания большого количества статей, написанных физиками по проблемам (фондовых и других) рынков, на конференции по статистической физике в Калькутте (бывшая Калькутта ) в 1995 году и впервые появился в ее трудах, опубликованных в Physica A в 1996 году. [3] [4] Первое заседание по эконофизике было организовано в 1998 году в Будапеште Яношем Кертешем и Имре Кондором. Первая книга по эконофизике была написана Р. Н. Мантенья и Х. Э. Стэнли в 2000 году. [5]
Почти регулярные серии встреч по этой теме включают: ECONOPHYS-KOLKATA (проводится в Калькутте и Дели), [6] Econophysics Colloquium, ESHIA/ WEHIA.
В последние годы сетевая наука , в значительной степени опирающаяся на аналогии из статистической механики , была применена к изучению производственных систем. Это касается работ, проделанных в Институте Санта-Фе в рамках Европейских финансируемых исследовательских проектов, таких как Прогнозирование финансовых кризисов и Обсерватория экономической сложности Гарварда-MIT
Основными инструментами эконофизики являются вероятностные и статистические методы, часто заимствованные из статистической физики.
Физические модели, которые применялись в экономике, включают кинетическую теорию газа (называемую кинетическими моделями обмена рынков [7] ), модели перколяции , хаотические модели, разработанные для изучения остановки сердца, и модели с самоорганизующейся критичностью , а также другие модели, разработанные для прогнозирования землетрясений . [8] Более того, были попытки использовать математическую теорию сложности и теорию информации , разработанные многими учеными, среди которых Мюррей Гелл-Манн и Клод Э. Шеннон соответственно.
Для потенциальных игр было показано, что равновесие, порождающее возникновение, основанное на информации через энтропию информации Шеннона, производит ту же меру равновесия ( меру Гиббса из статистической механики), что и стохастическое динамическое уравнение, которое представляет шумные решения, оба из которых основаны на моделях ограниченной рациональности, используемых экономистами. [9] Теорема флуктуации-диссипации связывает их, чтобы установить конкретное соответствие «температуры», «энтропии», «свободного потенциала/энергии» и других физических понятий экономической системе. Модель статистической механики не строится априори — она является результатом предположения ограниченно рационального и моделирования на основе существующих неоклассических моделей. Она использовалась для доказательства результата «неизбежности сговора» Хью Диксона [10] в случае, для которого неоклассическая версия модели не предсказывает сговор. [11] Здесь спрос растет, как и в случае с товарами Веблена , покупатели акций с ошибкой «горячей руки» , предпочитающие покупать более успешные акции и продавать менее успешные, [12] или среди коротких трейдеров во время короткого сжатия , как это произошло с сговором группы WallStreetBets с целью поднять цену акций GameStop в 2021 году . [13] Лауреат Нобелевской премии и основатель экспериментальной экономики Вернон Л. Смит использовал эконофизику для моделирования общительности посредством внедрения идей в Humanomics. Там шумное принятие решений и параметры взаимодействия, которые облегчают социальные реакции действия вознаграждения и наказания, приводят к моделям спинового стекла, идентичным моделям в физике. [14]
Квантификаторы, полученные из теории информации , использовались в нескольких работах эконофизика Аурелио Ф. Баривьеры и соавторов для оценки степени информационной эффективности фондовых рынков. [15] Зунино и др. используют инновационный статистический инструмент в финансовой литературе: плоскость причинности сложность-энтропия. Это декартово представление устанавливает рейтинг эффективности различных рынков и различает различную динамику рынка облигаций. Было обнаружено, что более развитые страны имеют фондовые рынки с более высокой энтропией и более низкой сложностью, в то время как рынки из развивающихся стран имеют более низкую энтропию и более высокую сложность. Более того, авторы приходят к выводу, что классификация, полученная из плоскости причинности сложность-энтропия, согласуется с квалификациями, присвоенными основными рейтинговыми компаниями суверенным инструментам. Аналогичное исследование, разработанное Баривьерой и др. [16], изучает связь между кредитными рейтингами и информационной эффективностью выборки корпоративных облигаций нефтяных и энергетических компаний США, используя также плоскость причинности сложность-энтропия. Они обнаружили, что эта классификация согласуется с кредитными рейтингами, присвоенными агентством Moody's.
Другим хорошим примером является теория случайных матриц , которая может быть использована для идентификации шума в матрицах финансовой корреляции. В одной из статей утверждается, что эта техника может улучшить производительность портфелей, например, в применении к оптимизации портфеля . [17]
Идеология эконофизики воплощается в новой вероятностной экономической теории и на ее основе — единой теории фондовых рынков. [18] [19]
Существуют также аналогии между теорией финансов и теорией диффузии . Например, уравнение Блэка-Шоулза для ценообразования опционов является уравнением диффузии - адвекции (см., однако, [20] [21] для критики методологии Блэка-Шоулза). Теория Блэка-Шоулза может быть расширена для предоставления аналитической теории основных факторов экономической деятельности. [22]
Различные другие инструменты из физики, которые использовались до сих пор, такие как гидродинамика , классическая механика и квантовая механика (включая так называемую классическую экономику , квантовую экономику и квантовые финансы ), [18] и формула Фейнмана–Каца статистической механики. [22] : 44 [23]
Когда математик Марк Кац посетил лекцию Ричарда Фейнмана, он понял, что их работа пересекается. [24] Вместе они разработали новый подход к решению стохастических дифференциальных уравнений. [25] Их подход используется для эффективного расчета решений уравнения Блэка-Шоулза для оценки опционов на акции. [26]
Квантовые статистические модели были успешно применены к финансам несколькими группами эконофизиков, использующими различные подходы, но истоки их успеха могут быть не связаны с квантовыми аналогиями. [27] : 668 [28] : 969
В редакционной статье в первом выпуске журнала Quantum Economics and Finance говорится: «Квантовая экономика и финансы — это применение вероятности, основанной на проективной геометрии, также известной как квантовая вероятность, к моделированию в экономике и финансах. Она опирается на смежные области, такие как квантовое познание, квантовая теория игр, квантовые вычисления и квантовая физика». [29] В своей обзорной статье в том же выпуске Дэвид Оррелл описывает, как неоклассическая экономика извлекла выгоду из концепций классической механики , и все же концепции квантовой механики «очевидно оставили экономику нетронутой». [30] Он рассматривает различные пути квантовой экономики, некоторые из которых, как он отмечает, противоречивы, останавливаясь на том, что «поэтому квантовой экономике необходимо взять другой лист из книги квантовой физики, приняв квантовые методы не потому, что они кажутся естественными или элегантными или были предварительно одобрены каким-то высшим органом или имеют сходство с чем-то другим, а потому, что они полезным образом охватывают самые основные свойства того, что изучается».
Эконофизика оказывает некоторое влияние на более прикладную область количественных финансов , чьи масштабы и цели существенно отличаются от экономической теории. Различные эконофизики представили модели для колебаний цен в физике финансовых рынков или оригинальные точки зрения на устоявшиеся модели. [20] [31] [32]
В настоящее время одним из основных результатов эконофизики является объяснение «толстых хвостов» в распределении многих видов финансовых данных как универсального самоподобного масштабного свойства (т. е. масштабного инварианта на многих порядках величины в данных), [33] возникающего из тенденции отдельных рыночных конкурентов или их совокупностей систематически и оптимально эксплуатировать преобладающие «микротренды» (например, рост или падение цен). Эти «толстые хвосты» не только математически важны, потому что они включают в себя риски , которые могут быть, с одной стороны, очень малыми, так что можно было бы пренебречь ими, но которые — с другой стороны — вовсе не являются пренебрежимо малыми, т. е. их никогда нельзя сделать экспоненциально крошечными, а вместо этого следовать измеримому алгебраически убывающему степенному закону, например, с вероятностью отказа только где x — все более большая переменная в хвостовой области рассматриваемого распределения (т. е. ценовая статистика с данными, намного превышающими 10 8 ). То есть, рассматриваемые события не просто «выбросы», а должны быть действительно приняты во внимание и не могут быть «застрахованы». [34] Похоже, что играет роль и то, что вблизи смены тенденции (например, от падения к росту цен) наблюдаются типичные «панические реакции» агентов по продаже или покупке с алгебраически увеличивающимися скоростями и объемами сделок. [34]
Как и в квантовой теории поля, «толстые хвосты» могут быть получены сложными « непертурбативными » методами, в основном численными, поскольку они содержат отклонения от обычных гауссовых приближений , например, теории Блэка–Шоулза . Однако толстые хвосты могут быть вызваны и другими явлениями, такими как случайное число членов в центральной предельной теореме или любое число других, неэконофизических моделей. Из-за сложности проверки таких моделей им уделялось меньше внимания в традиционном экономическом анализе.
В 2006 году экономисты Мауро Галлегати , Стив Кин , Томас Люкс и Пол Ормерод опубликовали критику эконофизики. [35] [36] Они ссылаются на важные эмпирические вклады, прежде всего в области финансов и промышленной экономики, но перечисляют четыре проблемы, связанные с работой в этой области: недостаточная осведомленность об экономической работе, сопротивление строгости, ошибочная вера в универсальную эмпирическую закономерность и неподходящие модели.
{{cite book}}
: CS1 maint: несколько имен: список авторов ( ссылка ){{cite journal}}
: CS1 maint: несколько имен: список авторов ( ссылка ){{cite journal}}
: CS1 maint: несколько имен: список авторов ( ссылка )