Autor: Milena Kabza

Dr nauk ekonomicznych, pracuje w NBP

więcej publikacji autora Milena Kabza

Nowe horyzonty ekonomii

Gospodarka na świecie coraz wyraźniej ujawnia ograniczenia tradycyjnych modeli ekonomicznych. W obliczu nieliniowej dynamiki i „grubych ogonów” w danych finansowych, ekonomiści coraz częściej spoglądają poza granice swojej dyscypliny, szukając inspiracji w naukach ścisłych, zwłaszcza w fizyce.
Nowe horyzonty ekonomii

(@Getty Images)

Kryzys finansowy z 2008 roku, którego ekonomiści w dużej mierze nie przewidzieli, stał się katalizatorem refleksji. Prognozy wzrostu PKB i bezrobocia przed ówczesnym kryzysem były w dużej mierze błędne, a ekonomiści z opóźnieniem dostrzegli nadchodzący krach. Niektórzy ekonomiści zaczęli dostrzegać nowe możliwości badawcze i analityczne w innych dyscyplinach, zwłaszcza w fizyce. To interdyscyplinarne poszukiwanie, często określane mianem ekonofizyki oraz ekonomii kwantowej, może wprowadzić nie tylko nowe narzędzia analityczne, ale i zmianę paradygmatu w rozumieniu złożonych systemów ekonomicznych.

Ekonofizyka – most między naukami

Ekonofizyka to dziedzina interdyscyplinarna, która wykorzystuje teorie i metody pierwotnie opracowane przez fizyków do rozwiązywania problemów ekonomicznych, zwłaszcza tych charakteryzujących się niepewnością, procesami stochastycznymi i dynamiką nieliniową. Jej powstanie jest odpowiedzią na ograniczenia tradycyjnych teorii ekonomicznych, takich jak racjonalne oczekiwania czy hipoteza efektywnego rynku, które często są zbyt aksjomatyczne i formalne, aby odpowiednio analizować złożone systemy, takie jak rynki finansowe. Ekonofizyka stawia hipotezę, że gospodarkę można traktować jako złożony system oddziałujących „cząstek” (agentów ekonomicznych), podobnie jak zachowanie elektronów w atomach.

O tym, jak dobre pytania przyciągają dobre odpowiedzi

Dziedzina ta ewoluuje, czego dowodem są regularne międzynarodowe spotkania, gromadzące naukowców z fizyki, ekonomii i informatyki. Wykorzystują oni zaawansowane metodologie, takie jak metody statystyczne, miary ilościowe, modelowanie systemów i symulacje komputerowe. Pomimo rosnącego uznania, ekonofizyka często boryka się ze swoją tożsamością i bywa postrzegana jako ani w pełni fizyka, ani w pełni ekonomia, dlatego wymaga dostosowania metod fizycznych do niuansów nauk społecznych.

Fizyka statystyczna, a w szczególności mechanika statystyczna, znajduje zastosowanie w ekonomii na kilka sposobów. Jednym z nich jest analogia do klasycznej termodynamiki, która wskazuje na paralele między makroskopowymi parametrami układów w równowadze w fizyce a agregatami makroekonomicznymi. Inne podejście to mechanika statystyczna dla układów równowagowych, mająca na celu identyfikację systemowych właściwości ekonomicznych, takich jak rozkłady dochodów czy bogactwa, przez analogię do rozkładów właściwości fizycznych, takich jak energia.

Ekonofizyka jest szczególnie przydatna w wyjaśnianiu tzw. „grubych ogonów” obserwowanych w rozkładzie wielu typów danych finansowych. Ekonofizycy wnieśli również znaczący wkład, wprowadzając modele wahań cen na rynkach finansowych, oferując inne podejścia do dotychczasowych modeli i pomagając wyjaśnić źródła niestabilności rynku (np. prawo potęgowe odwrotnej trzeciej potęgi dla dużych zmian cen).

Ekonomia kwantowa i nowe spojrzenie na analizę ekonomiczną

Ekonomia kwantowa to rozwijająca się dziedzina, która łączy fundamentalne zasady mechaniki kwantowej z analizą ekonomiczną. Stosuje teorię prawdopodobieństwa opartą na geometrii rzutowej, znaną również jako prawdopodobieństwo kwantowe, do modelowania zjawisk w ekonomii i finansach. Opiera się w szczególności na kilku koncepcjach, które można wykorzystywać w kontekście ekonomicznym.

Po pierwsze koncepcja superpozycji jest wykorzystywana do badania, w jaki sposób jednostki mogą jednocześnie utrzymywać wiele, czasami sprzecznych, perspektyw lub preferencji. W odniesieniu do podejmowania decyzji, zachęca to do jednoczesnego rozważania wielu opcji strategicznych bez ograniczania się do jednej, co zwiększa zdolność adaptacji i sprzyja innowacyjnemu myśleniu w złożonym środowisku np. biznesowym.

Po drugie koncepcja splątania, która zakłada badanie głębokich powiązań relacji międzyludzkich i sieci społecznych. Na przykład w kwantowej teorii gier, splątanie między graczami oznacza, że ich wybory są wewnętrznie powiązane, co prowadzi do głębszego poziomu współzależności i tworzenia nowych typów równowagi. Koncepcja tzw. „splątanej ekonomii politycznej” rozszerza to dalej, postrzegając jednostki, sektor prywatny i publiczny jako wzajemnie powiązane w nakładających się relacjach wymiany – zarówno konkurencyjnych, jak i kooperacyjnych.

Gdy rynek się myli – i robi to regularnie

Po trzecie zasada nieoznaczoności Heisenberga, która jest w zasadzie analogiczna do tzw. „efektu obserwatora” w naukach społecznych, gdzie sam akt obserwacji uczestników eksperymentu może nieumyślnie zmienić ich zachowanie.

Tradycyjna ekonomia neoklasyczna w dużej mierze opiera się na założeniu doskonale racjonalnych agentów i deterministycznych wyników. Jednak empiryczne obserwacje zachowań ludzkich często ujawniają odchylenia, które manifestują się na przykład jako paradoksy (np. paradoksy Allaisa, Ellsberga), czy też kontekstowość w podejmowaniu decyzji. Kwantowa teoria decyzji (quantum decision theory, QDT) i kwantowa kognicja (hipoteza, że procesy zachodzące w mózgu, a zwłaszcza świadomość, mogą być wyjaśniane na gruncie fizyki kwantowej) oferują alternatywę, ponieważ dostarczają formalnych ram matematycznych (kwantowej teorii prawdopodobieństwa) do ich wyjaśniania, włączając w to koncepcje takie jak wspomniane superpozycja i splątanie.

Co więcej, w finansach znalazły zastosowanie kwantowe modele statystyczne. Na przykład kwantowa teoria pola (quantum field theory QFT) dostarcza zestawu narzędzi matematycznych, które służą do formułowania teorii wyceny aktywów i stóp procentowych. QFT może być wykorzystana do formułowania modeli m.in. dla szeregu instrumentów finansowych, tj. np. opcji lub obligacji.

Wspomniana wcześniej kwantowa teoria gier (quantum game theory, QGT) wykorzystuje zasady fizyki kwantowej do scenariuszy podejmowania decyzji z udziałem wielu agentów lub „graczy”. Pozwala graczom na jednoczesne eksplorowanie wielu strategii poprzez „superpozycję” strategii, potencjalnie prowadząc do odkrycia bardziej optymalnych rozwiązań niż klasyczne podejścia. Ponadto wprowadza ona koncepcję kwantowego splątania między graczami, co oznacza, że ich wybory są wewnętrznie powiązane, tworząc głębszy poziom współzależności i prowadząc do nowych równowag. Przykładem jest tutaj kwantowa wersja dylematu więźnia, która pokazuje, w jaki sposób strategie kwantowe mogą prowadzić do lepszych wyników w stosunku do klasycznej wersji gry. Teoria gier kwantowych może pomóc w analizie i projektowaniu systemów, w których występuje konkurencja lub współpraca, np. w negocjacjach. Ponadto może być wykorzystana do badania sposobów na przezwyciężenie problemów związanych z brakiem zaufania i zachowaniami egoistycznymi, w tym do projektowania systemów, które promują współpracę i uczciwość.

Istnieją także inne możliwe rozwiązania dla ekonomii jako nauki wywodzące się z kwantowej fizyki teoretycznej, bazujące m.in. na teorii hiperprzestrzeni i teorii wyższych wymiarów (w tym teorii strun). Jednak ze względu na dotychczasowy brak możliwości weryfikacji empirycznej tych teorii, ich bezpośrednie zastosowania w ekonomii lub finansach nadal pozostają wysoce spekulatywne.

Systemy złożone i modele agentowe

Coraz większa liczba ekonomistów przyjmuje pogląd, że gospodarka jest „złożonym systemem adaptacyjnym” (complex adaptive system, CAS). Perspektywa ta charakteryzuje gospodarkę jako rozproszoną sieć dynamicznie oddziałujących, heterogenicznych agentów, których zachowania, strategie i relacje ewoluują w czasie. Systemy adaptacyjne wykazują odrębne właściwości, które wynikają z tych skomplikowanych relacji, w tym nieliniowość, spontaniczny porządek, adaptację i pętle sprzężenia zwrotnego. Zachowanie takich systemów jest z natury trudne do modelowania i przewidywania ze względu na złożone zależności i różne typy interakcji między ich częściami lub z ich środowiskiem. Charakterystyczną ich cechą są tzw. zjawiska emergentne, co oznacza, że chociaż ogólne zachowanie systemu jest determinowane przez aktywność jego podstawowych składników, posiada on właściwości, które mogą być badane i rozumiane tylko na wyższym, zbiorowym poziomie. Na przykład na rynkach finansowych pojedyncze transakcje są stosunkowo proste, jednak rynek jako całość może wykazywać bardzo złożone cykle, które są trudne do przewidzenia na podstawie pojedynczych transakcji.

Meandry nagrody imienia Alfreda Nobla

Tradycyjna teoria ekonomiczna często opiera(ła) się na metodach redukcjonistycznych, próbując wyjaśnić zjawiska makroekonomiczne poprzez agregację zachowań wyidealizowanych, indywidualnych agentów. Często te modele przedstawiają wyidealizowany, racjonalny świat, którego podstawowe założenia są wybierane dla wygody analitycznej. Jednak ramy teorii złożonych systemów adaptacyjnych podważają to podejście, podkreślając, że zachowania zbiorowe i wzorce makroekonomiczne – takie jak cykle rynkowe czy kryzysy finansowe – wynikają ze skomplikowanych, dynamicznych interakcji heterogenicznych agentów na poziomie mikroekonomicznym w sposób, który nie jest po prostu przewidywalny na podstawie sumy poszczególnych części. Z tego powodu emergentna perspektywa wymaga podejścia modelowania uwzględniającego różnorodność i interakcje heterogenicznych agentów.

W tym kontekście warto wskazać na dwie koncepcje analityczne: analizę sieciową i modele oparte na agentach. Pierwszy z nich opiera się na analizie systemów ekonomicznych jako złożonych sieci, w których poszczególne podmioty ekonomiczne (np. przedsiębiorstwa, gospodarstwa domowe, instytucje finansowe) są reprezentowane jako węzły, a ich relacje (np. powiązania handlowe, ekspozycje finansowe, powiązania społeczne) jako połączenia. Teorie sieciowe są wykorzystywane do badania struktury i dynamiki rynków finansowych. To podejście analityczne jest stosowane do zagadnień, takich jak stabilność systemu finansowego, dyfuzja innowacji, czy też wzorce wzrostu gospodarczego. Badania wskazują, że nadmiernie połączone sieci mogą zmniejszać stabilność, ułatwiając rozprzestrzenianie się lokalnych zakłóceń w całym systemie.

Z kolei modele oparte na agentach (agent-based models, ABM) to modele obliczeniowe, które symulują interakcje wielu heterogenicznych, indywidualnych podmiotów w czasie, bez narzucania warunków równowagi. Są one szczególnie wartościowe dla badania, w jaki sposób złożone zjawiska na poziomie makro, takie jak np. bańki finansowe, wyłaniają się z kolektywnych zachowań i interakcji indywidualnych podmiotów. ABM zastępują tradycyjne, ekonomiczne założenie optymalizacji przez agentów w równowadze bardziej realistycznym postulatem agentów działających w warunkach ograniczonej racjonalności i dostosowujących się do uwarunkowań rynkowych.

Integracja i interdyscyplinarność

Modele inspirowane fizyką oferują możliwości zrozumienia i przewidywania złożonych zachowań ekonomicznych, w tym m.in. dynamiki ryzyka systemowego, tworzenia i pękania baniek finansowych oraz kryzysów gospodarczych. Obliczenia kwantowe mają potencjał do znacznego usprawnienia różnych aspektów operacji finansowych, takich jak analiza ryzyka, wykrywanie oszustw i efektywność algorytmicznych strategii handlowych. Z kolei ulepszone modele do przewidywania zachowań społecznych, potencjalnie oparte na prawdopodobieństwach kwantowych i dynamice złożonych systemów, mogłyby dostarczyć dokładniejszych informacji do podejmowania decyzji politycznych. Dodatkowo kwantowo wzmocnione narzędzia AI, jak np. uczenie maszynowe, mogą prowadzić do dokładniejszych prognoz i optymalizacji w różnych zastosowaniach finansowych.

Nieracjonalność inwestorów pogłębia kryzysy gospodarcze

Pomimo obiecujących perspektyw, integracja fizyki z ekonomią napotyka na znaczące wyzwania, spośród których jednym jest testowalność empiryczna. Dotyczy to zarówno wspomnianej wcześniej teorii strun, jak i samej makroekonomii, która zajmuje się zagregowanymi szeregami czasowymi i wobec której rygorystyczne testowanie teorii jest utrudnione (m.in. ze względu na wykorzystanie przez ekonomistów tzw. czynników korygujących). Ma to duże znaczenie, a przykładem może być wspomniany wcześniej fakt, że prognozy wzrostu gospodarczego przed kryzysem z 2008 roku były istotnie błędne.

Przeszkodą w stosowaniu modeli fizycznych (w tym mechaniki statystycznej) w ekonomii jest również fundamentalna różnica między agentami ludzkimi a cząstkami fizycznymi. Działanie ludzkie jest celowe, ukierunkowane i niezupełnie przypadkowe, napędzane motywacjami (np. dążeniem do zysku). Kontrastuje to z przypadkowymi kolizjami molekuł zakładanymi w klasycznej mechanice statystycznej. Oznacza to, że przejścia między stanami ekonomicznymi są często niesymetryczne i celowe, w przeciwieństwie do symetrycznych prawdopodobieństw przejścia w fizyce. W systemach społecznych konteksty kształtujące, takie jak kultura, struktury społeczne, instytucje i ekonomia polityczna, nie są stałe, ale mogą być kształtowane i przekształcane przez zachowania agentów.

Ekonofizyka wymaga ponadto wysokiej jakości danych do kalibracji i weryfikacji, a modele ekonofizyczne i ABM mogą wymagać znacznych zasobów. Złożone modele mogą być trudne do interpretacji i zrozumienia, co ogranicza ich użycie w kształtowaniu polityki i podejmowaniu decyzji ekonomicznych. Modele ABM mogą być także wrażliwe na założenia dotyczące zachowań i interakcji agentów, a wiele z nich nie można empirycznie zweryfikować, co ogranicza ich wiarygodność i dokładność.

Ostatecznym celem większości modeli ekonomicznych jest dostarczanie praktycznych informacji, które mogą służyć polityce publicznej i poprawiać wyniki ekonomiczne dla społeczeństwa. Oferując dokładniejsze prognozy złożonych zjawisk ekonomicznych – takich jak krachy na rynkach finansowych, rozprzestrzenianie się ryzyka systemowego i pojawianie się niestabilności finansowych – modele inspirowane fizyką, zwłaszcza wzmocnione mocą obliczeniową komputerów kwantowych i zdolnościami analitycznymi AI, mogą prowadzić do opracowania skuteczniejszych interwencji politycznych i lepszych strategii zarządzania ryzykiem.

Ekonomia behawioralna to miecz obosieczny

Modele inspirowane fizyką przede wszystkim adresują ograniczenia istniejących teorii i oferują narzędzia uzupełniające, szczególnie w wyspecjalizowanych poddziedzinach, takich jak np. finanse ilościowe. Jednak wyzwania związane z uwzględnianiem sprawczości ludzkiej, celowości podejmowanych działań, a także trudności w weryfikacji empirycznej oznaczają, że „kwantowy paradygmat ekonomiczny”, który mógłby zastąpić klasyczny we wszystkich dziedzinach ekonomii, nie jest jeszcze w pełni zrealizowany.

Przyszłość ekonomii w tym kontekście będzie prawdopodobnie obejmować podejście hybrydowe. Metody inspirowane fizyką będą nadal wzbogacać i przekształcać konkretne poddziedziny (np. modelowanie finansowe, analizę złożonych systemów, ekonomię behawioralną), podczas gdy główny nurt ekonomii może stopniowo adaptować i integrować te spostrzeżenia. Sugeruje to przyszłość charakteryzującą się pluralizmem i interdyscyplinarnością, gdzie różne modele i ramy teoretyczne są stosowane do różnych skal i zjawisk, uznając wbudowaną złożoność, heterogeniczność i nieredukowalność systemów społecznych i ekonomicznych. Celem nie jest zastąpienie ekonomii fizyką, ale uczynienie ekonomii bardziej realistyczną nauką poprzez czerpanie z narzędzi i ram koncepcyjnych z fizyki.

Autorka wyraża własne opinie, a nie oficjalne stanowisko NBP.

(@Getty Images)

Otwarta licencja


Tagi


Artykuły powiązane

Nowe horyzonty i możliwości zastosowania sztucznej inteligencji w biznesie

Kategoria: Innowacje w biznesie
Ciekawe, kiedy sztuczna inteligencja (SI) wysadzi z rynku ekspertów tej dziedziny, któ-rzy podejmują próby opisywania procesów i pytań, na które jeszcze nie ma odpowiedzi – szczególnie w sytuacji, kiedy stała się ona bardzo szybko jedną z najbardziej transforma-cyjnych technologii naszych czasów, rewolucjonizując branże i zasadniczo zmieniając sposób działania przedsiębiorstw i inicjatyw biznesowych.
Nowe horyzonty i możliwości zastosowania sztucznej inteligencji w biznesie

Prof. Dragan dla SGMK: Przygotujmy się na to, że będziemy co chwilę zaskakiwani

Kategoria: Społeczeństwo
Takiej rewolucji, jaką aktualnie obserwujemy, jeszcze w historii ludzkości nie było. Żyjemy w ciekawych czasach, a następne będą jeszcze ciekawcze – mówi w wywiadzie dla Szkoły Głównej Mikołaja Kopernika prof. Andrzej Dragan, znany fizyk, popularyzator nauki i artysta.
Prof. Dragan dla SGMK: Przygotujmy się na to, że będziemy co chwilę zaskakiwani

Misja edukacyjna NBP

Kategoria: Analizy
Na przestrzeni ostatnich dziesiątek lat dokonały się na świecie i w naszym kraju olbrzymie zmiany polityczne, gospodarcze i kulturowe. Staliśmy się społeczeństwem otwartym i równorzędnym partnerem dla krajów rozwiniętych. Uczestnictwo w tej zbiorowości zakłada wyposażenie ludzi w solidną wiedzę, w umiejętności samokształcenia, pokierowania swoim życiem i niesienia pomocy innym.
Misja edukacyjna NBP