全部版块 我的主页
论坛 经济学人 二区 外文文献专区
663 12
2022-05-11
英文标题:
《Regrets, learning and wisdom》
---
作者:
Damien Challet
---
最新提交年份:
2016
---
英文摘要:
  This contribution discusses in what respect Econophysics may be able to contribute to the rebuilding of economics theory. It focuses on aggregation, individual vs collective learning and functional wisdom of the crowds.
---
中文摘要:
本文讨论了经济物理学在哪些方面可以为经济学理论的重建做出贡献。它关注群体的聚合、个人与集体学习以及功能智慧。
---
分类信息:

一级分类:Physics        物理学
二级分类:Physics and Society        物理学与社会
分类描述:Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体(人类或其他)的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统(如能源网、运输网络)的物理和工程。
--
一级分类:Quantitative Finance        数量金融学
二级分类:Economics        经济学
分类描述:q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学,包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类:Quantitative Finance        数量金融学
二级分类:General Finance        一般财务
分类描述:Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-11 06:52:21
遗憾、学习和智慧:瑞士洛桑法国塞拉德资本有限公司巴黎萨克莱大学复杂数学与信息系统实验室。challet@centralesupelec.frOctober这篇文章讨论了经济物理学在哪些方面能够为经济学理论的重建做出贡献。它关注群体的聚合、个人与集体的学习以及群体的功能智慧。1简介重建经济理论的一个良好起点是使用基于agent的模型,包括学习、交互和网络[29,7,8,4]。这个框架是经济学和物理学(以及心理学、生物学和计算机科学等)的天然交汇点,这已经表明,经济物理学只是解决方案的一部分。统计物理学的力量来自于它对集体现象的熟悉。将许多相互作用的个体的非线性行为聚合在一起,会导致显著的全球现象和巨大的数学简化[36,39]。结果是否对代理或系统是最优的至关重要。这一贡献认为,学习和优化可能发生在不同的层面,可能是隐式的,也可能是显式的,而经济物理学将是明智的,将神经科学、计算机科学和实验心理学的更多想法结合起来。首先,让我就经济物理学和经济学或金融学中数据分析和建模方法的差异发表几点一般性评论。2跨学科交流其他领域的草看起来不仅更绿,而且令人不安。当然,这是双向的。图1:椋鸟群和一条线。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-11 06:52:24
原始图片来源:维基百科。org2。1统计学在他们10年来对经济物理学的担忧[21]中,Gallegati、Keen、Lux和Ormerod指出了经济物理学家对统计学的普遍忽视,这是正确的。物理学家的自发反应是假设他们已经收集了足够的数据,不用统计测试和表格。在这方面,情况发生了很大变化。如今,估计的密集区间并非闻所未闻。物理学家们不仅使用了一些统计工具,甚至还提出了新的统计方法[44,35,12,23]。2.2星(t)型函数经济和金融论文中大量的线性函数常常让物理学家感到困惑。让我来讨论一下模型拟合的一般含义。测量某物相当于将一个系统投射到一个子空间中。一个很好的例子是相机拍摄的照片:它将一个3+1维世界投射到一个2维世界。此外,摄像机的位置也至关重要。图1显示了一群鸟。几个世纪以来,人们一直对这些云的三维结构感到困惑,直到人们意识到这些云是动态的二维物体,即带状物[10]。如果有人能从里面问一只鸟的形状是什么样的,椋鸟翅膀的形状早就知道了。简而言之,将自己放在正确的空间是获得有意义的结果的必要条件。对几个众所周知的因素进行线性回归与从有限的几个流行观点拍摄照片是一样的。假设你希望分析对冲基金集合的表现。一个值得怀疑的方法是,在少数几个法玛-法兰西因素[18]跨越的空间中预测他们的表现,然后辩称对冲基金是基于这样或那样的因素进行交易的。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-11 06:52:27
这本身就不完整,也不太可能真正理解对冲基金业绩的驱动因素。我们真正需要做的是逆转对冲基金的表现。这就需要把自己放在一个包含所有可能使用的交易策略的空间中,或者同等地,将各种因素定义为这些策略的回报。参考文献[46]在复制数千只基金的回报方面取得了很大成功,但有两只基金除外:生活在幻想世界中的马多夫子基金和资本基金管理公司Stratus fund,因为选择的战略空间不包括该特定基金的战略,这导致了一个毫无意义的预测。将任何类型的模型(无论多么复杂)与数据相匹配都是一种投影。例如,基于矩量法将简单的基于代理的模型[28]校准为财务数据是一种双重投影,即双重降维:从数据到矩,从模型到矩[1]。模型和数据在第三个空间相遇。这可能会产生一个不完整的fit,因此可能不会比其他方法更有效。这就引出了微观模型。3潜伏的模型经济物理学家们试图将他们最熟悉的模型应用于金融或经济情况,这有时令人毛骨悚然,甚至对一些物理学家来说也是如此。事实上,没有理由认为金融市场应该完全等同于电子气体,即使某些随机幂律指数似乎是正确的。这令人深感担忧。从那时起,情况发生了很大变化。伊辛模型的情况争议较小,这仅仅是因为它与谢林模型[40]等价,而且很容易理解为什么它很可能出现在基于代理的离散选择模型中。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-11 06:52:30
它还阐明了经典自旋在其他语境中可能描述的变化。当然,最简单的想法是将一个经典旋转的两个可能值映射到两个相反的决策,这对投资者来说似乎很自然[14,25,6]。另一种可能性是将两种替代可能性映射到两个旋转值:参考文献[37]提出了一个测试,以测试在两种替代可能性之间进行选择时是否存在社会模仿。关键的一点是,该测试基于平均场随机场模型的精确结果,并且包含两个量之间的非线性关系,所有这些都不可能先验地猜测。换句话说,分析上可处理的聚合提供的不仅仅是知识满足的时刻。然而,上述所有模型都是从零开始构建的伊辛模型:动作直接映射到经典旋转。相反,假设二元选择是使用哪种策略也会导致无序自旋模型:在复杂世界中,具有非常有限可能行为的代理能够优化全局数量,这可以写成平均场自旋哈密顿量[13],其中无序来自代理的异质性。当交互代理模型中涉及到二进制选择时,很难避免使用Ising模型。有关经济物理学中伊辛模型的综述,请参见[41]及其参考文献。4.学习。1微观学习虽然逻辑学习经常出现在经济物理学文献中,但令人惊讶的是,其他类型的学习很少被研究。与其他学科建立桥梁的潜力很大。首先,计算机科学家也将学习应用于金融[15]。更一般地说,在阿马尔科夫环境中,Q-学习基于这样一个假设,即系统可能被代理划分为若干状态,并向最优策略收敛[45]。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-11 06:52:35
计算机科学家适时地将该方案应用于少数群体游戏,例如,将一个州定义为使用了哪种策略,或之前的正确决策。尽管他们的论文中没有讨论这一点,但这种动态似乎收敛到纳什均衡(例如[2])。统计物理学的方法无疑能够解决这种学习方案。另一个核心问题是学习什么。目前,神经科学界的共识是,我们学会了后悔自己没有做的事情,而Q学习很好地描述了大脑的工作方式[38]。在金融市场的背景下,这加剧了泡沫和崩溃[33]。事实上,当一项资产的价格有明显的趋势时,确实持有该资产任何股份的投资者后悔没有提前投资,从而引发了他们的投资。相反,当他们投资的资产价格开始下跌时,他们后悔没有提前平仓。最后,经济物理学家在他们的模型中加入了非常少的众所周知的行为偏差,因为他们经常假设代理人是风险中性的。诚然,有很多原因可以解释为什么人们应该对一吨盐使用指数或对数效用函数。然而,令人惊讶的是,在我们基于代理的模型中,甚至连前景理论[27]都看不到。相比之下,在他们漂亮的论文[3]中,Barberis等人。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群