Wirtschaftsphysik – Wikipedia

Posted on by

Wirtschaftsphysik ist ein heterodoxes interdisziplinäres Forschungsfeld, das Theorien und Methoden anwendet, die ursprünglich von Physikern entwickelt wurden, um ökonomische Probleme zu lösen, normalerweise solche, die Unsicherheit oder stochastische Prozesse und nichtlineare Dynamik umfassen. Ein Teil seiner Anwendung auf die Untersuchung der Finanzmärkte wurde aufgrund seiner Wurzeln in der statistischen Physik auch als statistische Finanzierung bezeichnet. Die Wirtschaftsphysik ist eng mit der Sozialphysik verbunden.

Geschichte[edit]

Das Interesse der Physiker an den Sozialwissenschaften ist nicht neu; Daniel Bernoulli als Beispiel war der Urheber von auf Nutzen basierenden Präferenzen. Einer der Begründer der neoklassischen Wirtschaftstheorie, der ehemalige Professor für Wirtschaftswissenschaften an der Yale University, Irving Fisher, wurde ursprünglich unter dem renommierten Yale-Physiker Josiah Willard Gibbs ausgebildet.[1] Ebenso studierte Jan Tinbergen, der 1969 den ersten Nobelpreis für Wirtschaftswissenschaften für die Entwicklung und Anwendung dynamischer Modelle zur Analyse wirtschaftlicher Prozesse erhielt, Physik bei Paul Ehrenfest an der Universität Leiden. Insbesondere entwickelte Tinbergen das Schwerkraftmodell des internationalen Handels, das zum Arbeitspferd der internationalen Wirtschaft geworden ist.

Die Wirtschaftsphysik wurde Mitte der neunziger Jahre von mehreren Physikern auf dem Gebiet der statistischen Mechanik ins Leben gerufen. Unzufrieden mit den traditionellen Erklärungen und Ansätzen von Ökonomen, die in der Regel vereinfachte Ansätze aus Gründen löslicher theoretischer Modelle gegenüber Übereinstimmungen mit empirischen Daten priorisierten, verwendeten sie Werkzeuge und Methoden aus der Physik, um zunächst zu versuchen, Finanzdatensätze abzugleichen, und dann mehr zu erklären allgemeine wirtschaftliche Phänomene.

Eine treibende Kraft hinter der zu diesem Zeitpunkt auftretenden Wirtschaftsphysik war die plötzliche Verfügbarkeit großer Mengen von Finanzdaten ab den 1980er Jahren. Es stellte sich heraus, dass traditionelle Analysemethoden unzureichend waren – wirtschaftliche Standardmethoden befassten sich mit homogenen Wirkstoffen und dem Gleichgewicht, während viele der interessanteren Phänomene auf den Finanzmärkten im Wesentlichen von heterogenen Wirkstoffen und Situationen abwichen, die weit vom Gleichgewicht entfernt waren.

Der Begriff “Wirtschaftsphysik” wurde von H. Eugene Stanley geprägt, um die große Anzahl von Arbeiten zu beschreiben, die von Physikern in den Problemen (Aktien- und anderer) Märkte auf einer Konferenz über statistische Physik in Kalkutta (ehemals Kalkutta) 1995 und zuerst verfasst wurden erschien in seiner Verfahrensveröffentlichung in Physica A 1996.[2][3] Das Eröffnungsmeeting zur Wirtschaftsphysik wurde 1998 in Budapest von János Kertész und Imre Kondor organisiert. Das erste Buch über Wirtschaftsphysik wurde von RN Mantegna & HE Stanley im Jahr 2000 veröffentlicht.[4]

Die fast regelmäßigen Tagungsreihen zu diesem Thema umfassen: ECONOPHYS-KOLKATA (in Kolkata & Delhi),[5] Ökoophysik-Kolloquium, ESHIA / WEHIA.

In den letzten Jahren wurde die Netzwerkwissenschaft, die stark von Analogien aus der statistischen Mechanik abhängt, auf die Untersuchung produktiver Systeme angewendet. Dies ist der Fall bei den Arbeiten, die am Santa Fe Institute in von Europa finanzierten Forschungsprojekten zur Vorhersage von Finanzkrisen und am Harvard-MIT-Observatorium für wirtschaftliche Komplexität durchgeführt wurden

Wenn unter “Wirtschaftsphysik” das Prinzip der Anwendung statistischer Mechanismen auf die Wirtschaftsanalyse im Gegensatz zu einer bestimmten Literatur oder einem bestimmten Netzwerk verstanden wird, liegt die Priorität der Innovation wahrscheinlich bei Emmanuel Farjoun und Moshé Machover (1983). Ihr Buch Gesetze des Chaos: Ein probabilistischer Ansatz zur politischen Ökonomie schlägt vor disLösung (ihrer Worte) des Transformationsproblems in Marx ‘politischer Ökonomie durch Neukonzeption der relevanten Größen als Zufallsvariablen.[6]

Wenn andererseits “Wirtschaftsphysik” die Anwendung der Physik auf die Wirtschaft bezeichnet, kann man die Werke von Léon Walras und Vilfredo Pareto als Teil davon betrachten. Wie Bruna Ingrao und Giorgio Israel gezeigt haben, basiert die allgemeine Gleichgewichtstheorie in der Wirtschaft auf dem physikalischen Konzept des mechanischen Gleichgewichts.

Die Wirtschaftsphysik hat nichts mit dem von Ian Steedman und anderen mit dem Neoricardianismus verbundenen “Ansatz physikalischer Größen” für die Wirtschaft zu tun. Bemerkenswerte Ökonophysiker sind 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 und Yi-Cheng Zhang. Besonders hervorzuheben unter den formalen Kursen zur Wirtschaftsphysik ist der von Diego Garlaschelli am Fachbereich Physik der Universität Leiden angebotene.[7][8] von wo der erste Wirtschaftsnobelpreisträger Jan Tinbergen kam. Ab September 2014 hat das King’s College die erste Position eines ordentlichen Professors für Wirtschaftsphysik vergeben.

Basiswerkzeug[edit]

Grundlegende Werkzeuge der Wirtschaftsphysik sind probabilistische und statistische Methoden, die häufig aus der statistischen Physik stammen.

In der Wirtschaft angewandte Physikmodelle umfassen die kinetische Theorie des Gases (sogenannte kinetische Austauschmodelle von Märkten) [9]), Perkolationsmodelle, chaotische Modelle zur Untersuchung des Herzstillstands und Modelle mit selbstorganisierender Kritikalität sowie andere Modelle zur Erdbebenvorhersage.[10] Darüber hinaus gab es Versuche, die mathematische Komplexitätstheorie und die Informationstheorie zu verwenden, wie sie von vielen Wissenschaftlern entwickelt wurden, darunter Murray Gell-Mann und Claude E. Shannon.

Für potenzielle Spiele wurde gezeigt, dass ein Emergenz erzeugendes Gleichgewicht, das auf Informationen über die Shannon-Informationsentropie basiert, dasselbe Gleichgewichtsmaß (Gibbs-Maß aus der statistischen Mechanik) wie eine stochastische dynamische Gleichung erzeugt, die beide auf begrenzten Rationalitätsmodellen basieren, die von verwendet werden Ökonomen.[11]

Das Fluktuations-Dissipations-Theorem verbindet die beiden, um eine konkrete Entsprechung von “Temperatur”, “Entropie”, “freiem Potential / Energie” und anderen physikalischen Begriffen zu einem Wirtschaftssystem herzustellen. Das statistische Mechanikmodell wird nicht a priori konstruiert – es ist das Ergebnis einer begrenzt rationalen Annahme und Modellierung bestehender neoklassischer Modelle. Es wurde verwendet, um das Ergebnis der “Unvermeidlichkeit der Kollusion” von Huw Dixon in einem Fall zu beweisen, für den die neoklassische Version des Modells keine Kollusion vorhersagt.[12]

Hier steigt die Nachfrage, wie bei Veblen-Waren oder Aktienkäufern mit dem “Hot Hand” -Fehler, die es vorziehen, erfolgreichere Aktien zu kaufen und weniger erfolgreiche zu verkaufen.[13]Vernon L. Smith verwendete diese Techniken, um die Geselligkeit in der Wirtschaft zu modellieren.[14] Dort sagt ein Modell korrekt voraus, dass Agenten Ressentiments und Bestrafung abgeneigt sind und dass es eine Asymmetrie zwischen Dankbarkeit / Belohnung und Ressentiments / Bestrafung gibt. Es wird gezeigt, dass das klassische Nash-Gleichgewicht vorliegt Nein Die Vorhersagekraft für dieses Modell und das Gibbs-Gleichgewicht müssen verwendet werden, um die in beschriebenen Modelle vorherzusagen Humanomics.[15]

Aus der Informationstheorie abgeleitete Quantifizierer wurden in mehreren Arbeiten von Econophysicist verwendet Aurelio F. Bariviera und Mitautoren, um den Grad der Informationseffizienz der Aktienmärkte zu beurteilen.[16]

Zunino et al. Verwenden Sie ein innovatives statistisches Werkzeug in der Finanzliteratur: die Komplexitäts-Entropie-Kausalitätsebene. Diese kartesische Darstellung erstellt ein Effizienzranking verschiedener Märkte und unterscheidet unterschiedliche Anleihemarktdynamiken. Darüber hinaus kommen die Autoren zu dem Schluss, dass die aus der Ebene der Komplexitäts-Entropie-Kausalität abgeleitete Klassifizierung mit den Qualifikationen übereinstimmt, die große Rating-Unternehmen den staatlichen Instrumenten zugewiesen haben. Eine ähnliche Studie von Bariviera et al.[17] Untersuchen Sie die Beziehung zwischen Kreditratings und Informationseffizienz einer Stichprobe von Unternehmensanleihen von US-amerikanischen Öl- und Energieunternehmen unter Verwendung der Kausalitätsebene Komplexität-Entropie. Sie stellen fest, dass diese Klassifizierung mit den von Moody’s zugewiesenen Ratings übereinstimmt.

Ein weiteres gutes Beispiel ist die Zufallsmatrixtheorie, mit der das Rauschen in Finanzkorrelationsmatrizen identifiziert werden kann. In einem Artikel wurde argumentiert, dass diese Technik die Leistung von Portfolios verbessern kann, z. B. bei der Portfoliooptimierung.[18]

Es gibt jedoch verschiedene andere Werkzeuge aus der Physik, die bisher verwendet wurden, wie Fluiddynamik, klassische Mechanik und Quantenmechanik (einschließlich der sogenannten klassischen Ökonomie, Quantenökonomie und Quantenfinanzierung).[19] und die Pfadintegralformulierung der statistischen Mechanik.[20]

Das vom MIT-Physiker Cesar A. Hidalgo und dem Harvard-Ökonomen Ricardo Hausmann eingeführte und am MIT-Observatorium für wirtschaftliche Komplexität zur Verfügung gestellte Konzept des Index der wirtschaftlichen Komplexität wurde als Prognosewerkzeug für das Wirtschaftswachstum entwickelt. Nach Schätzungen von Hausmann und Hidalgo prognostiziert die EBI das BIP-Wachstum weitaus genauer als die traditionellen Governance-Maßnahmen der Weltbank.[21]

Es gibt auch Analogien zwischen Finanztheorie und Diffusionstheorie. Beispielsweise ist die Black-Scholes-Gleichung für die Optionspreisgestaltung eine Diffusions-Advektions-Gleichung (siehe jedoch) [22][23] für eine Kritik der Black-Scholes-Methodik). Die Black-Scholes-Theorie kann erweitert werden, um eine analytische Theorie der Hauptfaktoren wirtschaftlicher Aktivitäten bereitzustellen.[20]

Beeinflussen[edit]

Artikel zur Wirtschaftsphysik wurden hauptsächlich in Fachzeitschriften für Physik und statistische Mechanik veröffentlicht und nicht in führenden Wirtschaftszeitschriften. Einige Mainstream-Ökonomen waren von dieser Arbeit im Allgemeinen unbeeindruckt.[24] Andere Ökonomen, darunter Mauro Gallegati, Steve Keen, Paul Ormerod und Alan Kirman, haben mehr Interesse gezeigt, aber auch einige Trends in der Wirtschaftsphysik kritisiert. In jüngerer Zeit hat Vernon L. Smith, einer der Gründer der experimentellen Ökonomie und Nobelpreisträger für Wirtschaftswissenschaften, diese Techniken angewendet und behauptet, sie seien vielversprechend.[14]

Die Wirtschaftsphysik hat einige Auswirkungen auf den stärker angewandten Bereich der quantitativen Finanzierung, dessen Umfang und Ziele sich erheblich von denen der Wirtschaftstheorie unterscheiden. Verschiedene Wirtschaftswissenschaftler haben Modelle für Preisschwankungen in der Physik der Finanzmärkte oder ursprüngliche Sichtweisen auf etablierte Modelle eingeführt.[22][25][26] In verschiedenen Wirtschaftsdaten wurden auch mehrere Skalierungsgesetze gefunden.[27][28][29]

Hauptergebnisse[edit]

Gegenwärtig umfasst eines der Hauptergebnisse der Wirtschaftsphysik die Erklärung der “fetten Schwänze” bei der Verteilung vieler Arten von Finanzdaten als universelle selbstähnliche Skalierungseigenschaft (dh Skalierung unveränderlich über viele Größenordnungen in den Daten).[30] aufgrund der Tendenz einzelner Marktkonkurrenten oder ihrer Aggregate, die vorherrschenden “Mikrotrends” (z. B. steigende oder fallende Preise) systematisch und optimal zu nutzen. Diese “fetten Schwänze” sind nicht nur mathematisch wichtig, weil sie die Risiken umfassen, die einerseits sehr gering sein können, so dass man sie eher vernachlässigen kann, die andererseits aber überhaupt nicht vernachlässigbar sind. dh sie können niemals exponentiell winzig gemacht werden, sondern folgen einem messbaren algebraisch abnehmenden Potenzgesetz, zum Beispiel mit a Ausfallwahrscheinlichkeit von nur

P.∝x– –4,{ displaystyle P propto x ^ {- 4} ,,}

wo x ist eine zunehmend große Variable im Endbereich der betrachteten Verteilung (dh eine Preisstatistik mit weit mehr als 108 Daten). Das heißt, die betrachteten Ereignisse sind nicht einfach “Ausreißer”, sondern müssen wirklich berücksichtigt werden und können nicht “versichert” werden.[31] Es scheint auch eine Rolle zu spielen, dass in der Nähe einer Änderung der Tendenz (z. B. von fallenden zu steigenden Preisen) typische “Panikreaktionen” der Verkaufs- oder Kaufagenten mit algebraisch steigenden Schnäppchengeschwindigkeiten und -volumina auftreten.[31] Die “fetten Schwänze” werden auch auf den Rohstoffmärkten beobachtet.

Wie in der Quantenfeldtheorie können die “Fettschwänze” durch komplizierte “nicht störende” Methoden erhalten werden, hauptsächlich durch numerische, da sie die Abweichungen von den üblichen Gaußschen Näherungen enthalten, z. B. der Black-Scholes-Theorie. Fettschwänze können jedoch auch auf andere Phänomene zurückzuführen sein, beispielsweise auf eine zufällige Anzahl von Begriffen im Theorem der zentralen Grenze oder auf eine beliebige Anzahl anderer nichtwirtschaftlicher Modelle. Aufgrund der Schwierigkeit, solche Modelle zu testen, haben sie in der traditionellen Wirtschaftsanalyse weniger Beachtung gefunden.

Siehe auch[edit]

Verweise[edit]

  1. ^ Yale Economic Review, abgerufen am 25. Oktober 2009 Archiviert 2008-05-08 an der Wayback-Maschine
  2. ^ Interview von HE Stanley über Wirtschaftsphysik (Veröffentlicht in “IIM Kozhikode Society & Management Review”, Sage-Veröffentlichung (USA), Band 2, Ausgabe 2 (Juli), S. 73-78 (2013))
  3. ^ Econophysics Research in India in den letzten zwei Jahrzehnten (1993-2013) (Veröffentlicht in “IIM Kozhikode Society & Management Review”, Sage-Veröffentlichung (USA), Band 2, Ausgabe 2 (Juli), S. 135-146 (2013))
  4. ^ “Eine Einführung in die Wirtschaftsphysik”, Cambridge University Press, Cambridge (2000)
  5. ^ “Econophysics of Wealth Distributions”, Hrsg. A. Chatterjee et al., New Economic Windows, Springer, Mailand (2005) und die folgenden acht Proc. In den Jahren 2006, 2007, 2010, 2011, 2013, 2014, 2015 und 2019 in der New Economic Windows-Reihe von Springer veröffentlichte Bände
  6. ^ Farjoun und Machover lehnen völlige Originalität ab: Ihr Buch ist dem verstorbenen Robert H. Langston gewidmet, den sie als direkte Inspiration zitieren (Seite 12), und sie bemerken auch einen unabhängigen Vorschlag in einem Diskussionspapier von ET Jaynes (Seite 239).
  7. ^ “Econophysics, 2012-2013 ~ e-Prospectus, Universität Leiden”. studiegids.leidenuniv.nl. Abgerufen 2018-09-10.
  8. ^ “Econophysics, 2020-2021 ~ e-Prospectus, Universität Leiden”. studiegids.leidenuniv.nl. Abgerufen 2020-09-05.
  9. ^ Bikas K. Chakrabarti, Anirban Chakraborti, Satya R. Chakravarty, Arnab Chatterjee (2012). Ökonophysik der Einkommens- und Vermögensverteilung. Cambridge University Press, Cambridge.CS1-Wartung: mehrere Namen: Autorenliste (Link)
  10. ^ Didier Sornette (2003). Warum stürzen die Aktienmärkte ab?. Princeton University Press.
  11. ^ Campbell, Michael J. (2005). “Ein Gibbs’scher Ansatz zur potentiellen Spieltheorie”. arXiv:cond-mat / 0502112v2.
  12. ^ Dixon, Huw (2000). “Mit den Jones mithalten: Wettbewerb und die Entwicklung der Absprachen”. Zeitschrift für wirtschaftliches Verhalten und Organisation. 43 (2): 223–238. doi:10.1016 / s0167-2681 (00) 00117-7.
  13. ^
    Johnson, Joseph; Tellis, GJ; Macinnis, DJ (2005). “Verlierer, Gewinner und voreingenommene Trades”. Journal of Consumer Research. 2 (32): 324–329. doi:10.1086 / 432241. S2CID 145211986.
  14. ^ ein b
    Michael J. Campbell; Vernon L. Smith (2020). “Ein elementarer humanomischer Ansatz für begrenzt rationale quadratische Modelle”. Physica A.. 562: 125309. doi:10.1016 / j.physa.2020.125309.
  15. ^ Vernon L. Smith und Bart J. Wilson (2019). Humanomics: Moralische Gefühle und der Reichtum der Nationen für das 21. Jahrhundert. Cambridge University Press. doi:10.1017 / 9781108185561. ISBN 9781108185561.
  16. ^ Zunino, L., Bariviera, AF, Guercio, MB, Martinez, LB und Rosso, OA (2012). “Zur Effizienz der Märkte für Staatsanleihen” (PDF). Physica A: Statistische Mechanik und ihre Anwendungen. 391 (18): 4342–4349. Bibcode:2012PhyA..391.4342Z. doi:10.1016 / j.physa.2012.04.009. hdl:11336/59368. S2CID 122129979.CS1-Wartung: mehrere Namen: Autorenliste (Link)
  17. ^ Bariviera, AF, Zunino, L., Guercio, MB, Martinez, LB und Rosso, OA (2013). “Effizienz und Bonität: eine Analyse der Permutationsinformationstheorie” (PDF). Journal of Statistical Mechanics: Theorie und Experiment. 2013 (8): P08007. arXiv:1509.01839. Bibcode:2013JSMTE..08..007F. doi:10.1088 / 1742-5468 / 2013/08 / P08007. hdl:11336/2007. S2CID 122829948.CS1-Wartung: mehrere Namen: Autorenliste (Link)
  18. ^ Vasiliki Plerou; Parameswaran Gopikrishnan; Bernd Rosenow; Luis Amaral; Thomas Guhr; H. Eugene Stanley (2002). “Random-Matrix-Ansatz zur Kreuzkorrelation in Finanzdaten”. Körperliche Überprüfung E.. 65 (6): 066126. arXiv:cond-mat / 0108023. Bibcode:2002PhRvE..65f6126P. doi:10.1103 / PhysRevE.65.066126. PMID 12188802. S2CID 2753508.
  19. ^ Anatoly V. Kondratenko (2015). Probabilistische Wirtschaftstheorie. Nauka. ISBN 978-5-02-019121-1.
  20. ^ ein b Chen, Jing (2015). Die Einheit von Wissenschaft und Wirtschaft: Eine neue Grundlage der Wirtschaftstheorie. https://www.springer.com/us/book/9781493934645: Springer.CS1-Wartung: Standort (Link)
  21. ^ Ricardo Hausmann; Cesar Hidalgo; et al. “Der Atlas der wirtschaftlichen Komplexität”. Das Observatorium für wirtschaftliche Komplexität (MIT Media Lab). Abgerufen 26. April 2012.
  22. ^ ein b Jean-Philippe Bouchaud; Marc Potters (2003). Theorie des Finanzrisikos und der Preisgestaltung bei Derivaten. Cambridge University Press.
  23. ^ Bouchaud, JP.; Potters, M. (2001). “Willkommen in einer Nicht-Black-Scholes-Welt”. Quantitative Finanzen. 1 (5): 482–483. doi:10.1080 / 713665871. S2CID 154368053.
  24. ^ Philip Ball (2006). “Econophysics: Culture Crash”. Natur. 441 (7094): 686–688. Bibcode:2006Natur.441..686B. CiteSeerX 10.1.1.188.8120. doi:10.1038 / 441686a. PMID 16760949. S2CID 4319192.
  25. ^ Enrico Scalas (2006). “Die Anwendung von zeitkontinuierlichen Zufallswanderungen in Finanzen und Wirtschaft”. 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). “Modellierung des kurzfristigen Hüteverhaltens der Aktienmärkte”. Neues Journal für Physik. 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; HE Stanley (1999). “Statistische Eigenschaften der Volatilität von Preisschwankungen”. Körperliche Überprüfung 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. S2CID 7512788.
  28. ^ MHR Stanley; LAN Amaral; SV Buldyrev; S. Havlin; H. Leschhorn; P. Maass; MA Salinger; HE Stanley (1996). “Skalierungsverhalten im Wachstum von Unternehmen”. Natur. 379 (6568): 804. Bibcode:1996Natur.379..804S. doi:10.1038 / 379804a0. S2CID 4361375.
  29. ^ K. Yamasaki; L. Muchnik; S. Havlin; A. Bunde; HE Stanley (2005). “Skalierung und Gedächtnis in Volatilitätsrenditeintervallen an den Finanzmärkten”. PNAS. 102 (26): 9424–8. Bibcode:2005PNAS..102.9424Y. doi:10.1073 / pnas.0502613102. PMC 1166612. PMID 15980152.
  30. ^ Die Physiker bemerkten das Skalierungsverhalten von “Fettschwänzen” in einem Brief an das wissenschaftliche Journal Natur von Rosario N. Mantegna und H. Eugene Stanley: Skalierungsverhalten in der Dynamik eines Wirtschaftsindex, Nature Vol. 376, Seiten 46-49 (1995)
  31. ^ ein b Siehe zum Beispiel Preis, Mantegna, 2003.

Weiterführende Literatur[edit]

  • Naturphysik Schwerpunktausgabe: Komplexe Netzwerke im Finanzwesen März 2013 Band 9 Nr. 3 S. 119–128
  • Mark Buchanan, Was hat die Wirtschaftsphysik jemals für uns getan?, Natur 2013
  • Eine analytische Behandlung des Gibbs-Pareto-Verhaltens bei der Vermögensverteilung von Arnab Das und Sudhakar Yarlagadda arXiv:cond-mat / 0409329
  • Eine Verteilungsfunktionsanalyse der Vermögensverteilung von Arnab Das und Sudhakar Yarlagadda arXiv:cond-mat / 0310343
  • Analytische Behandlung eines Handelsmarktmodells von Arnab Das arXiv:cond-mat / 030468
  • Martin Shubik und Eric Smith, Die Führung einer Unternehmenswirtschaft, MIT Press, [1] MIT Press (2016)
  • Abergel, F., Aoyama, H., Chakrabarti, BK, Chakraborti, A., Deo, N., Raina, D., Vodenska, I. (Hrsg.), Ökonophysik und Soziophysik: Aktuelle Fortschritte und zukünftige Richtungen, [2], New Economic Windows Series, Springer (2017)
  • Anatoly V. Kondratenko. Physikalische Modellierung von Wirtschaftssystemen. Klassische und Quantenökonomien. Nowosibirsk, “Nauka” (2005), ISBN 5-02-032479-5

Vorträge[edit]

  • Wirtschaftsschwankungen und statistische Physik: Quantifizierung extrem seltener und viel weniger seltener Ereignisse, Eugene Stanley, Videolectures.net
  • Anwendungen der statistischen Physik zum Verständnis komplexer Systeme, Eugene Stanley, Videolectures.net
  • Finanzblasen, Immobilienblasen, derivative Blasen und die Finanz- und Wirtschaftskrise, Didier Sornette, Videolectures.net
  • Finanzkrisen und Risikomanagement, Didier Sornette, Videolectures.net
  • Blasenprobleme: Wie die Physik Börsencrashs quantifizieren kann, Tobias Preis, Physics World Online-Vorlesungsreihe

Externe Links[edit]