经济物理学

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索


经济物理学 Econophysics是一个非正统的的跨学科研究领域，通过应用物理学家开发的理论和方法来解决经济问题，通常包括不确定性或随机过程 Stochastic Process和非线性动力学 Nonlinear Dynamics。因为它源于统计物理学，它在金融市场研究中的一些应用也被称为统计金融学 Statistical Finance。经济物理学与社会物理学密切相关。


历史

物理学家对社会科学的兴趣并不是什么新鲜事；例如，丹尼尔·伯努利 Daniel Bernoulli最早提出基于效用 Utility的偏好。新古典主义经济理论 Neoclassical Economic Theory的创始人之一，前耶鲁大学经济学教授欧文·费歇尔 Irving Fisher，最初曾受训于著名的耶鲁大学物理学家约西亚·威拉德·吉布斯 Josiah Willard Gibbs。[1]同样，扬·廷伯根 Jan Tinbergen在莱顿大学 Leiden University和保罗·埃伦费斯特 Paul Ehrenfest一起学习了物理学，因为开发和应用了经济过程分析的动态模型而获得了1969年的第一个诺贝尔经济学奖。特别的是，Tinbergen 提出了国际贸易的引力模型 gravity model of international trade，这个模型已经成为国际经济学的主力。


经济物理学是在20世纪90年代中期由几个在统计力学领域工作的物理学家发起的。他们不满足于经济学家的传统解释和方法——这种方法通常优先考虑将问题简化以便于建立有解的理论模型，而不是取实证数据来分析——他们应用物理学的工具和方法，首先在金融数据集上进行匹配，尝试去解释更普遍的经济现象。


1980年代开始，出现的大量金融数据是当时经济物理学兴起的一个重要推动力。传统的分析方法是不足够充分的对数据进行分析：标准的经济学方法用于衡量同质行为体的均衡，而金融市场中许多更有趣的现象从根本上依赖于异质 Heterogeneous主体和远离均衡的情况。


“经济物理学”一词是由H·Eugene Stanley于1995年在Kolkata的一次统计物理学会议上提出，用来描述物理学家们在（股票和其他）市场问题上撰写的大量论文。“经济物理学”一词首次出现在1996年在《Physica A》出版的会议记录中。[2][3]首次经济物理学会议于1998年在布达佩斯由János Kertész和Imre Kondor举办。2000年，r. n. Mantegna & h. e. Stanley 出版了第一本关于经济物理学的书。[4]


关于这一主题的几乎定期的会议系列包括: 在加尔各答和新德里举行ECONOPHYS-KOLKATA会议、[5] 经济物理学座谈会、 ESHIA/WEHIA会议。


近年来，网络科学严重依赖于统计力学的类推，已经应用于生产系统的研究。圣塔菲研究所在欧洲资助的研究预测金融危机的项目和哈佛-麻省理工学院经济复杂性观测站的工作基于此类研究而建立的。


如果说“经济物理学”指的是将统计力学应用于经济分析的原则，而不是某一特定的文献或网络，那么创新的优先权可能应归功于 Emmanuel Farjoun 和Moshé Machover(1983)的创新。他们在《混沌定律: 政治经济学的概率方法 Laws of Chaos: A Probabilistic Approach to Political Economy》一书中提出，通过将相关数量重新概念化为随机变量，来解决（他们的话）马克思政治经济学中的转换问题 Transformation Problem。[6]


另一方面，如果把“经济物理学”看作是物理学在经济学中的应用，那么可以把Léon Walras和Vilfredo Pareto的贡献看作是其中的一部分。事实上，正如Bruna Ingrao和Giorgio Israe所阐述的那样，经济学中的一般均衡理论 general equilibrium theory是基于力学平衡的物理概念。


经济物理学同Ian Steedman和其他新李嘉图学派 neo-Ricardianism相关的人提出的经济学的物理量方法没有任何关系。著名的经济物理学家有Jean-Philippe Bouchaud，Bikas K Chakrabarti，J.Doyne Farmer，Diego Garlaschelli，Dirk Helbing，János Kertész，Francis Longstaff，Rosario N. Mantegna，Matteo Marsili，Joseph L. McCauley，Enrico Scalas，Didier Sornette，H. Eugene Stanley，Victor Yakovenko和张翼成。特别值得一提的是莱顿大学物理系的 Diego Garlaschelli 开设的一门经济物理学的正规课程，[7][8]他就是第一位诺贝尔经济学奖得主 Jan Tinbergen 的后生。由2014年9月起，英皇书院正式授予经济物理学首个全职教授职位。


基础工具

经济物理学的基础工具是通常取自统计物理学的概率和统计方法。


应用于经济学的物理模型包括气体动力学理论 kinetic theory of gas（称为市场动力学交换模型 kinetic exchange models of markets）、[9]逾渗 percolation模型、用于研究心脏骤停的混沌模型、具有自组织临界性的模型以及其他用于地震预测的模型。[10] 此外，还有人试图使用复杂性数学理论和信息论，这两种理论是由许多科学家发展起来的，其中分别有Murray Gell-Mann和克劳德·艾尔伍德·香农 Claude Elwood Shannon。


对于势博弈 Potential game，已经证明了一个基于信息的涌现均衡通过香农熵产生的结果与随机动力方程的均衡测度相同（来自统计力学的吉布斯测度 Gibbs measure） ，这两者都是基于经济学家使用的有限理性 Bounded Rationality模型。[11]


“温度”、“熵”、“自由势/自由能”以及其他已建立的物理概念与经济系统的具体对应关系被涨落耗散定理成功联系起来。统计力学模型不是先验构建的，它是有限理性假设和现有新古典主义模型建模结合的结果。在一个新古典主义模型不能预测合谋的案例中，它被用来证明Huw Dixon的“合谋的必然性”结果。[12]


需求在不断的增加，就像韦伯伦商品 Veblen good 或有短期持续性 Hot Hand谬论的股票买家，他们更愿意买入更多成功的股票，卖出那些不那么成功的股票。[13]


弗农·L·史密斯 Vernon L. Smith利用这些技巧为经济学中的社交性建立了模型。[14]一个模型正确地预测了行为主体反对怨恨和惩罚，以及感激/奖励和怨恨/惩罚之间的不对称情况。经典的纳什均衡点模型对这个模型没有预测能力，吉布斯平衡必须在 Humanomics 概述的现象中进行预测。[15]


经济物理学家Aurelio F. Bariviera和合著者在几篇论文中使用了来自信息论的量词，以评估股票市场信息效率的程度。[16]


Zunino等人，在金融文献中使用创新的统计工具: 复杂性-熵因果关系平面。这种笛卡尔式表示建立了不同市场的效率排名，并区分了不同的债券市场动态。此外，从复杂熵因果关系平面导出的分类结果与主权证券评级公司对主权证券的评级结果一致。同时由 Bariviera 等人开发的一个类似的研究，[17] 以美国石油和能源公司债券为样本，运用复杂熵因果关系平面，探讨了信用评级与信息效率的关系。他们发现，这一分类与穆迪给予的信用评级相一致。


另一个很好的例子是随机矩阵理论 random matrix theory，它可以用来识别金融相关矩阵中的噪声。一篇论文认为，这种技术可以改善投资组合的性能，例如，应用于投资组合优化。[18]


然而，到目前为止，还有其他各种各样的物理学工具被使用，例如流体动力学、经典力学和量子力学（包括所谓的古典经济学、量子经济学和量子金融学），[19]以及路径积分表述统计力学。[20]


经济复杂性指数 Economic Complexity Index的概念，由麻省理工学院的物理学家Cesar a. Hidalgo和哈佛大学的经济学家Ricardo Hausmann提出，并在麻省理工学院的经济复杂性观察站提供，已经被设计成经济增长的预测工具。根据Hausmann和Hidalgo的估计，与世界银行的传统治理措施相比，出口信贷保险在预测 GDP 增长方面要准确得多。[21]


在金融理论和扩散理论之间也有相似之处。例如，期权定价的布莱克-斯科尔斯方程 Black–Scholes equation是一个扩散-对流 diffusion-advection方程（见对布莱克-斯科尔斯方法论的批判[22][23]）。布莱克-斯科尔斯理论可以扩展为经济活动中主要因素的分析理论。[20]

影响

正如在量子场论中一样，“肥尾 fat tails”可以通过复杂的“非微扰 nonperturbative”方法得到，主要是通过数值方法，因为它们包含了通常的高斯近似的偏差，例如:布莱克-斯科尔斯理论。然而，肥尾也可能是由其他现象引起的，比如中心极限定理中的随机项数，或者其他任何非经济物理学模型。由于这些模型难以检验，因此在传统的经济分析中很少受到重视。


关于经济物理学的论文主要发表在专门研究物理学和统计力学的期刊上，而不是主要的经济学期刊上。一些主流经济学家普遍对这项研究不以为然。[24]其他经济学家，包括Mauro Gallegati，Steve Keen，Paul Ormerod和Alan Kirman对此表现出了更多的兴趣，但也批评了经济物理学的一些趋势。最近，实验经济学创始人之一、诺贝尔经济学奖得主Vernon L. Smith使用了这些技术并承诺它们会有非常良好的前景。[14]


经济物理学对定量金融学的应用领域产生了一定的影响，定量金融学的研究范围和研究目标与经济学理论有很大的不同。各种经济物理学家介绍了金融市场物理学中的价格波动模型或已建立模型的原始观点。[22][25][26]同时，在各种经济数据中还发现了一些缩放比例定律。[27][28][29]

主要成果

目前，经济物理学的主要研究成果之一是将多种金融数据分布中的“肥尾”解释为一种普遍的自相似标度性质（即“肥尾”）。因个人的倾向市场竞争对手，或聚合，利用系统和最佳流行的“微观趋势”（例如，价格上升或下降）。这些“肥尾”不仅在数学上很重要，因为它们包含了风险，这些风险一方面可能非常小，以至于人们可能会忽略它们，但另一方面，这些风险一点也不可忽视。它们永远不可能成指数微小，而是遵循一个可测量的代数递减幂律，例如，故障概率只有[math]\displaystyle{ P\propto x^{-4}\, }[/math]其中x在所考虑的分布的尾部区域是一个越来越大的变量（例如，[math]\displaystyle{ x = 0 }[/math]。一个价格统计数据远远超过108）。也就是说，所考虑的事件不仅仅是“异常值” ，而是必须真正加以考虑，不能“保走”。商品市场也出现了“肥尾”现象。

正如在量子场论中一样，“肥尾”可以通过复杂的非微扰方法得到，主要是通过数值方法，因为它们包含了通常的高斯近似的偏差，例如：布莱克-斯科尔斯 Black–Scholes理论。然而，肥尾也可能是由其他现象引起的，比如中心极限定理中的随机项数，或者其他任何非经济物理学模型。由于这些模型难以检验，因此在传统的经济分析中很少受到重视。

参见

参考文献

  1. ↑ Yale Economic Review, Retrieved October-25-09
  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. ↑ "An Introduction to Econophysics", Cambridge University Press, Cambridge (2000)
  5. ↑ "Econophysics of Wealth Distributions", Eds. A. Chatterjee et al., New Economic Windows, Springer, Milan (2005), & the subsequent eight Proc. Volumes published in 2006, 2007, 2010, 2011, 2013, 2014, 2015 & 2019 in the New Economic Windows series of Springer
  6. ↑ Farjoun and Machover disclaim complete originality: their book is dedicated to the late Robert H. Langston, who they cite for direct inspiration (page 12), and they also note an independent suggestion in a discussion paper by Edwin Thompson Jaynes (page 239)
  7. ↑ "Econophysics, 2012-2013 ~ e-Prospectus, Leiden University". studiegids.leidenuniv.nl (in English). Retrieved 2018-09-10.
  8. ↑ "Econophysics, 2020-2021 ~ e-Prospectus, Leiden University". studiegids.leidenuniv.nl (in English). Retrieved 2020-09-05.
  9. ↑ Bikas K Chakrabarti, Anirban Chakraborti, Satya R Chakravarty, Arnab Chatterjee (2012). Econophysics of Income & Wealth Distributions. Cambridge University Press, Cambridge. 
  10. ↑ Didier Sornette (2003). Why Stock Markets Crash?. Princeton University Press. 
  11. ↑ Campbell, Michael J. (2005). "A Gibbsian approach to potential game theory". arXiv:cond-mat/0502112v2. {{cite arxiv}}: Unknown parameter |url= ignored (help)
  12. ↑ 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.
  13. ↑ 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.
  14. ↑ 14.0 14.1 Michael J. Campbell; Vernon L. Smith (2020). "An elementary humanomics approach to boundedly rational quadratic models". Physica A. 562: 125309. doi:10.1016/j.physa.2020.125309.
  15. ↑ Vernon L. Smith and Bart J. Wilson (2019). Humanomics: Moral Sentiments and the Wealth of Nations for the Twenty-First Century. Cambridge University Press. doi:10.1017/9781108185561. ISBN 9781108185561. https://www.cambridge.org/core/books/humanomics/1B4064A206BD99DB36E794B53ADF8BB4. 
  16. ↑ Zunino, L., Bariviera, A.F., Guercio, M.B., Martinez, L.B. and Rosso, O.A. (2012). "On the efficiency of sovereign bond markets" (PDF). Physica A: Statistical Mechanics and Its Applications. 391 (18): 4342–4349. Bibcode:2012PhyA..391.4342Z. doi:10.1016/j.physa.2012.04.009. hdl:11336/59368.{{cite journal}}: CS1 maint: multiple names: authors list (link)
  17. ↑ 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. hdl:11336/2007.{{cite journal}}: CS1 maint: multiple names: authors list (link)
  18. ↑ Vasiliki Plerou; Parameswaran Gopikrishnan; Bernd Rosenow; Luis Amaral; Thomas Guhr; H. Eugene Stanley (2002). "Random matrix approach to cross correlations in financial data". Physical Review E. 65 (6): 066126. arXiv:cond-mat/0108023. Bibcode:2002PhRvE..65f6126P. doi:10.1103/PhysRevE.65.066126. PMID 12188802.
  19. ↑ Anatoly V. Kondratenko (2015). Probabilistic Economic Theory. ISBN 978-5-02-019121-1. 
  20. ↑ 20.0 20.1 Chen, Jing (2015). The Unity of Science and Economics: A New Foundation of Economic Theory. https://www.springer.com/us/book/9781493934645: Springer. 
  21. ↑ Ricardo Hausmann; Cesar Hidalgo; et al. "The Atlas of Economic Complexity". The Observatory of Economic Complexity (MIT Media Lab). Retrieved 26 April 2012.
  22. ↑ 22.0 22.1 Jean-Philippe Bouchaud; Marc Potters (2003). Theory of Financial Risk and Derivative Pricing. Cambridge University Press. https://archive.org/details/theoryoffinancia0000bouc. 
  23. ↑ Bouchaud, J-P.; Potters, M. (2001). "Welcome to a non-Black-Scholes world". Quantitative Finance. 1 (5): 482–483. doi:10.1080/713665871.
  24. ↑ 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.
  25. ↑ 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.
  26. ↑ 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.
  27. ↑ 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): 1390–400. arXiv:cond-mat/9903369. Bibcode:1999PhRvE..60.1390L. CiteSeerX 10.1.1.241.9346. doi:10.1103/PhysRevE.60.1390. PMID 11969899.
  28. ↑ 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.
  29. ↑ 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.


进一步阅读

  • Sitabhra Sinha, Arnab Chatterjee, Anirban Chakraborti, Bikas K Chakrabarti. Econophysics: An Introduction, Wiley-VCH (2010)
  • Bikas K Chakrabarti, Anirban Chakraborti, Arnab Chatterjee, Econophysics and Sociophysics : Trends and Perspectives, Wiley-VCH, Berlin (2006)
  • Yohanes Surya, Hokky Situngkir, Dahlan, R. M., Hariadi, Y., Suroso, R. (2004). Aplikasi Fisika dalam Analisis Keuangan (Physics Applications in Financial Analysis. Bina Sumber Daya MIPA.
  • Nature Physics Focus issue: Complex networks in finance March 2013 Volume 9 No 3 pp 119–128
  • Mark Buchanan, What has econophysics ever done for us?, Nature 2013
  • An Analytical treatment of Gibbs-Pareto behaviour in wealth distribution by Arnab Das and Sudhakar Yarlagadda
  • A distribution function analysis of wealth distribution by Arnab Das and Sudhakar Yarlagadda
  • Analytical treatment of a trading market model by Arnab Das
  • Martin Shubik and Eric Smith, The Guidance of an Enterprise Economy, MIT Press, [1] MIT Press (2016)
  • Abergel, F., Aoyama, H., Chakrabarti, B.K., Chakraborti, A., Deo, N., Raina, D., Vodenska, I. (Eds.), Econophysics and Sociophysics: Recent Progress and Future Directions, [2], New Economic Windows Series, Springer (2017)
  • Anatoly V. Kondratenko. Physical Modeling of Economic Systems. Classical and Quantum Economies. Novosibirsk, "Nauka" (2005).


课程

  • 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

相关链接



编者推荐

集智文章推荐

经济物理学30年：物理学家能够拯救经济理论危机吗？

如今物理与经济的跨界交流正在发展，并且有希望在未来几年中得到有价值的突破，多主体模型或许能够成为经济学家和物理学家有所突破的共同基石。



本中文词条由小竹凉参与翻译，AvecSally审校，薄荷编辑，欢迎在讨论页面留言。

本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。

取自“https://wiki.swarma.org/index.php?title=经济物理学&oldid=24471”