Interdyscyplinarne projekty badawcze
w Pracowni FENS,
czyli co to jest ekonofizyka i socjofizyka?
Janusz Hołyst
Samodzielna Pracownia Fizyki
w Ekonomii i Nauk Społecznych,
Wydział Fizyki PW
Referat przedstawiony na Dniu Otwartym Pracowni FENS,
8 listopada 2012
jholyst@if.pw.edu.pl,
www.if.pw.edu.pl/~jholyst
Agenda
1.
2.
3.
4.
5.
6.
Kim jesteśmy, co robimy ?
Dlaczego to robimy?
Prowadzone projekty EU
Ekonofizyka (od M.Kopernika i I. Newtona)
Socjofizyka
Możliwa współpraca z Wydziałem MiNI
Skład Samodzielnej Pracowni
FENS
1. Prof. Janusz Hołyst
2. Dr. Krzysztof Suchecki
3. Dr Julian Sienkiewicz
4. Dr Anna Chmiel
5. Mgr inż. Agnieszka Czaplicka
6. Mgr Janusz Dębski
7. Mgr Elżbieta Maślak
8. Inż. Krzysztof Soja
9. Inż. Jan Chołoniewski
10.Inż.Tomasz Ryczkowski
Współpraca naukowa
11. Dr Paweł Sobkowicz
12. Mgr Anna Winnicka
Tematyka
badawcza
Dane
Modele
Rozwiązania
(a+n)
Ekonofizyka
giełdy
sieci banków
agencje ratingowe
rynki towarowe
FOREX
sieci produkcyjne
……..
Socjofizyka
Paradygmaty
Fizyka statystyczna
Przejścia fazowe
Sieci złożone
Automaty komórkowe
Procesy stochastyczne
Teoria informacji
Szeregi czasowe
Eksploracja danych
dynamika opinii
ewolucja nauki
konkurencja grup
socjoinformatyka
emocje
……
Dlaczego to robimy ?
Z „Misji Politechniki Warszawskiej”: Narastająca złożoność świata
wymaga, by zakres kształcenia i badań prowadzonych przez uczelnię
techniczną w coraz większym stopniu wykraczał poza klasyczne
dziedziny inżynierii, w kierunku nauk ścisłych i przyrodniczych oraz
nauk związanych z otoczeniem społeczno-ekonomicznym.
Rozwój nauki i technologii nie tylko w kierunku małych
i dużych skal: odległości, czasu, temperatur, ciśnień
Nowy paradygmat: złożoność układu
Co to są układy złożone ?
• Znając części nie jesteśmy w stanie przewidzieć zachowania całości, obserwując
całość nie możemy poznać elementów składowych.
• Cechy układu złożonego: brak zasady superpozycji, zachowanie nieliniowe.
• Przykłady: kryształ, ciecz, organizm żywy, mózg, społeczeństwo, gospodarka,
internet
• Zjawiska: spontaniczna magnetyzacja, turbulencja, chaos deterministyczny,
narodziny i śmierć, panika na giełdzie, nowe idee i technologie
•Badania interdyscyplinarne: ekonofizyka, socjofizyka , sieci złożone
Współpraca zagraniczna













ETH Zurich,
EPFL Lozanne
Univ. of Amsterdam,
MPI PCS Dresden
TU Darmstadt,
TU Berlin,
Jacobs Univ.Bremen
Univ. of Oxford,
Univ. of Wolverhampton
Trinity College Dublin
OFAI Vienna,
JSI Lubliana
Kyoto University
EU Projekty badawcze prowadzone lub
zakończone w Pracowni FENS
1.
FP7 EU ICT Integrated Project CYBEREMOTIONS – Collective Emotions in
Cyberspace, 2009-2013, 750.154 Euro +810.293 PLN (Coordinator)
2.
FP7 EU STREP Project DynaNets - Computing Real-World Phenomena with
Dynamically Changing Complex Networks, 2010-2102, 225 000 +75 000 Euro (Partner)
COST Action MP0801 Physics of Competition and Conflicts, 2008-2012 (v-ce Chair)
3.
4.
FP6 EU NEST STREP CREEN, Critical events in evolving networks, 2005-2008,
279.996 Euro + 690. 360 PLN (Coordinator)
5.
FP6 EU NEST STREP MMCOMNET (Measuring and modeling of complex networks
across domains) 2005-2008, 249.984 Euro + 612 100 PLN (Partner)
6.
COST Action P10: Physics or Risk, 2005-2007, 390.000 PLN (v-ce Chair)
7.
ESF Project,167/ESF/2006/03, STOCHDYN, Stochastic dynamics: fundamentals and
applications), 2006-2008, 450.858 PLN (Partner)
8.
Coordination Action: GIACS, Complex systems (Partner)
9.
Coordination Action: ONCE-CS, Complex systems (Partner)
Środki UE w Pracowni FENS w okresie 2005-2012
tys. PLN
1.891.744 Euro (łącznie z wkładem własnym z MNiSzW)
Środki na naukę z projektów UE
Udział procentowy projektów UE /
środki na naukę
Projekty EU stanowią 95% do 99% budżetu Pracowni FENS
Nowe projekty

FP7 ICT Projekt, SOPHOCLES, Self-Organised information
PrOcessing, CriticaLity and Emergence in multilevel
Systems, budżet dla PW 476 500 Euro +wkład PLN
(Partner, 2012-2015) zacznie się 1. grudnia 2012.


Złożono w konkursie: FP7 FET Flagship Project FuturICT,
550.000 Euro + wkład PLN, 2013-2016 (koordynator
polskiego węzła)
Złożono w konkursie: FP7 FET Open Project EmoInfo
(koordynator) 688 958 Euro + wkład PLN
Korzenie ekonofizyki
Mikołaj Kopernik (1473-1543): Astronom i Ekonomista




Mikołaj Kopernik napisał dwie prace na
temat pieniądza:
De estimatione monete,
(O szacunku monety), 1519
Rozprawa była prezentowana na
sejmiku Prus Królewskich w
Grudziądzu w roku 1522
De monete cudende Ratio,
(Sposób bicia monety),1526 (?)
Poglądy monetarne Kopernika wpłynęły
na powstanie edyktu monetarnego
Zygmunta Starego (1526)
Z protokółu Sejmiku w Grudziądzu (1521)
Mikołaj Kopernik, De estimatione monete, 1519
Isaac Newton (1642-1727)
Fizyk i matematyk a także nadzorca
i dyrektor Królewskiej Mennicy


Isaac Newton was appointed to a position
Warden of the Mint in 1696 on the
recommendation of the Chancellor of the
Exchequer Charles Montague.
In 1699 Newton received a post of Master of
the Mint. Surviving the political upheavals of
the early eighteenth century, he remained as
Master until his death in March 1727.
SIR ISAAC NEWTON'S MINT REPORTS (1701-1725, selected papers)
 On the Proportion of Gold and Silver in Value in several European Currencies (Sept. 1701).
 Report of the Officers of the Mint about the Preservation of the Coyne, including an assessment of
various European coins (July 1702).
 On Finances of the Mint at Edinburgh (Feb. 1710).
 Sir Is. Newton's Memorial with Mr. Attorney Generall's opinion concerning Plate carried into the Mint
to be coyned (July 1711).
 The Value of the Spanish Real (Aug. 1711).
 On the Value of Gold and Silver in English, Irish and European Coins (Mar. - June 1712).
 Upon the Memorial of Mr. Brydges's relating to the Reduction of the Current Money at Dunkirk into
Sterling Money for the Paying of the Forces there (Aug. 1712 - Oct. 1712).
NEWTON'S MEMORIAL CONCERNING THE
PROPORTION OF GOLD AND SILVER IN VALUE
1701, Sept. 28
To the Rt Honble the Lords Commrs of his Majties Treasury.
MAY IT PLEASE YOR LORDSP.,—
By the late Edicts of the French King for raising the monies in France the proportion
of the value of Gold to that of Silver being altered, I humbly presume to give yr
Lordps notice thereof. (...) The proportion therefore between Gold & Silver is now
become the same in France as it has been in Holland for some years..(....) This
abatement is not certain, but rises & falls according as Spain is supplied with Gold
or Silver from the Indies. (...)
IS. NEWTON.
MINT OFFICE, Sept. 28, 1701.
LOUIS BACHELIER
1870-1946
Fizyk i matematyk, który wprowadził procesy stochastyczne do ekonomii (przed
Einsteinem i Smoluchowskim)
29 marzec 1900, Bachelier obronił doktorat, Theorie de la Speculation
Theorie de la speculation, Annales Scientifiques de l’E´cole Normale Supe´rieure,1900,
pp.21–86.
APPENDIX: POINCARE’S REPORT
Report on the Thesis of M. Bachelier, March 29, 1900
The subject chosen by M.Bachelier is somewhat removed from those which are
normally dealt with by our applicants.His thesis is entitled “Theory of Speculation”
and focuses on the application of Probability Theory to the Stock Exchange.First,
one might fear that the author has exaggerated the applicability of Probability
Theory as has often been done. Fortunately, this is not the case...
Teoria ruchów Browna
A. Einstein, Ann. Phys. (Leipzig) 17, 549 (1905).
M. Smoluchowski, Ann. Phys. (Leipzig) 21, 756 (1906);
f ( x, t )
 f ( x, t )
D
t
x 2
2
gdzie D=kBT/(6πηa)
Marian Smoluchowski 1872-1917
Opcje finansowe... to bardzo proste !
Aby zabezpieczyć się przed dużymi kosztami
związanymi z wypadkiem lub kradzieżą
możemy wykupić ubezpieczenie
skladka   p(i) x(i)  spodziew.strata  862 1306( PLN)
i
Europejska opcja kupna (sprzedaży): prawo do kupna
(sprzedaży) instrumentu pierwotnego (dewiz,
surowców, akcji) po cenie K w chwili T
Jak wyliczyć cenę opcji ?
Teoria Blacka-Scholesa-Mertona
c  exp( rT )  P( S (T ))[ S (T )  K ]dS
r- stopa procentowa, P(S(T)) – prawdopodobieństwo ceny S(T)
Równanie Langevina dla cen instrumentu pierwotnego
dS / dt  mS  SdW / dt
W(t) - proces ruchu Browna (Wienera)
P(S(t)) jest dane przez odpowiednie równanie FokkeraPlancka - rozszerzone równanie dyfuzji
c  S (t  0) N (d  )  K exp(rT ) N (d  )
N  dystr.rozkl.norm
ln(S (0) / K )  (r   / 2)T
d 
 T
2
Nagroda Nobla z Ekonomii, 1997 dla Roberta C. Mertona (matematyka) i
Myrona S. Scholesa (ekonomisty). Fischer Black (matematyk i fizyk) zmarł w 1995 r.
13
7 *10 $
Wielkość rynku instrumentów pochodnych
Problem: tłuste ogony prawdopodobieństwa
Nagroda Nobla z Fizyki, 1982
"for his theory for critical phenomena in connection with phase transitions"
Kenneth G. Wilson, USA
Assumptions: N agents (spins): σi(t) = ±1 (buy or sell)
Orientation in the next time step depends
on the local field:
1 N
I i (t )   Aij (t ) i (t )  hi (t )
N i 1
where Aij (t )  A (t )  aij (t ), hi (t )  h i (t )
 (t ),ij (t ), i (t )  random uncorrelated variables
from theinterval(-1,1)
Time series and returns distributions from the proposed model
Ryzyko systemowe
w układach połączonych
... In fact, sudden withdrawals can have dramatic effects on the bank stability
and may force a bank to bankruptcy in a short time if it does not receive
assistance from other banks. On the other hand, a bankruptcy of a single bank
can an start an avalanche of other bank failures due to the domino effect.
pc_2D≈1.00±0.01,
pc_3D≈0.51±0.02
Network of production.
Nodes- companies.
Links– interactions (orders,
production).
Model - Orders
Orders at the output layer:
Y0i = qA0i ,
Y0i is the order in production units, and q a
technological proportionality coefficient
relating the quantity of product Y to the
production capacity A, combining the effect of
capital and labour.q is further taken equal to 1
without loss of generality.
The planned production Yki is then a minimum
between production capacity and orders
coming from downstream:
Price dispersion
Colours represent sale prices.
Blue - lowest price.
Red - highest price.
Network N=150 nodes at time t=0.
μ=1.0, σ=0.1
State of the system after 100 iterations. Firms whose sale prices are
not competitive can’ t find suppliers/receivers.
Przykłady innych prac z ekonofizyki z Pracowni FENS
1.
2.
3.
4.
A.H. Sato, M. Nishimura, J.A. Hołyst
Fluctuation scaling of quotation activities in the foreign
exchange market
PHYSICA A 389, 2793-2804, 2010
P. Sieczka, Janusz A. HołystCorrelations in commodity markets
PHYSICA A 388, 1621, JAN 2009
K. Urbanowicz, Janusz A. Hołyst
Noise estimation by use of neighboring distances in Takens
space and its applications to stock market data
INT J BIFURCAT CHAOS 16 (6): 1865-1869 JUN 2006
J.A. Hołyst, T. Hagel, W. Weidlich and G. Haag
How to control a chaotic economy?
Journal of Evolutionary Economics, 6,31-42 (1996)
Socjofizyka
Modelowanie zmian opinii za pomocą
automatów komórkowych i sieci złożonych...
Animacja
modelu wpływu
społecznego
Sieci sprzężone
A
Animacja
oddziaływania
dwóch grup
społecznych
Netsim5_new\netwo
rk4.avi
B
Netsim5_new\netsim5.jar
66 cytowań
(Web of Science)
Collective Emotions in Cyberspace
European Union Research Project
Participant organisation name
Leader
Country
Specialization
Warsaw University of Technology
Janusz Holyst
Poland
Physics of complex
systems
Ecole Polytechnique Fédérale de Lausanne
Daniel Thalmann
Switzerland
Computer animation
University of Wolverhampton
Michael Thelwall
United Kingdom
Webometrics
Österreichische Studiengesellschaft für
Kybernetik
Robert Trappl
Austria
Artificial intelligence
Eidgenössische Technische Hochschule Zürich
Frank Schweitzer
Switzerland
Complex systems
modelling
Jozef Stefan Institute, Ljubljana
Bosiljka Tadic
Slovenia
Computational physics
Jacobs University, Bremen
Arvid Kappas
Germany
Psychophysiology
Technical University Berlin
Matthias Trier
Germany
Network visualization
Gemius SA
Kamila Kowalska
Poland
Internet market research
Large-scale integrating
project ICT Call 3
Science of Complex
Systems for socially
Intelligent ICT
Duration: 1 Feb. 200931 Jan 2013
EC funding 3.6 M€
CYBEREMOTIONS = data gathering + complex systems methods + ICT outputs
Main aims

to understand the process of collective emotions formation in e-communities

to create decentralized adaptive tools to amplify positive or suppress negative collective emotions in
e-societies

to stabilize different ICT services by predicting negative emotions & minimizing their effects (long)

to create theoretical background for the development of the next generation emotionally-intelligent
ICT services using universal methods of complex systems (long).








cybersaur7 hr 26 min ago
The state secrets privilege, since its inception, has often been abused. More
often than not, it is used to cover up government wrong doing. This case is no
different.
For the government to be able to arbitrarily shield itself from judicial scrutiny is
bad for democracy.
ncmusic1 hr 20 min ago
In fact the very first case that establish state secrets it was abused and based
on government lies.
rufioho6 hr 13 min ago
come on, the people need to know and hold their government accountable!
salbatross1 hr 53 min ago
So if it's important enough, it doesn't have to follow the Constitution. Sounds
rational to me.
Twitter revolution
Egyptian Revolution 2011:
Egyptian protest leader Wael
Ghonim’s Twitter message:
“congratulations Egypt the
criminal has left the palace.”
Egypt, Twitter and the Straw Man Revolution
….Twitter is not the root cause of these uprisings.
Twitter was not repressed. Twitter did not get inspired
by events in other countries. ….
Twitter can help organize. Facebook can help get the
word out. ….
Emotional avatars
from EPFL Lab
Data collected by Wolverhampton group
4 million comments
BBC Forum BBC “Religion and Ethics” and “World / UK News” message boards starting
from the launch of the website (July 2005 and June 2005 respectively) until the beginning of the
crawl (June 2009).
#comments
2,474,781
#users 18,045
# threads97,946
Digg The analysis spans the months February to April 2009 and consists of all the stories,
comments and users that contributed to the site during this period. The resulting dataset
contains approximately
1.9 million stories, 1.6 million comments and 800 thousand users.
Blog06
crawl of approximately 100,000 blogs and which spans 11 weeks, from 06/12/2005 to
21/02/2006", i.e. the dataset contains webpages from 100,000 different blogs (more than 3
million webpages) . The blogs are from all over the world, although there is an emphasis on
English content
#comments 242,057
#discussions 1219
Detection of collective emotions in cyber-communities
Emotional clusters
Emotions (emotional valence e ={ +1,0,-1})
We define an emotional cluster of size n as a chain of n consecutive messages with
similar sentiment orientations (i.e. negative, positive or neutral).
Detection of collective emotions in cyber-communities
Growth probability for cluster of size n
p(e | ne)  p(e | e)n
0<α<1
Conditional probability for
cluster growth increases as a
power-law with cluster
length.
The presence of a longer cluster
of coherent emotional
expressions increases a
possibility to follow the cluster by
a comment with the same
emotion.
Detection of collective emotions in cyber-communities
Cumulative distribution De(n) of cluster of size n
There are clusters of
comments possessing a
similar level of emotional
valence that are much
longer than it would be if
they were created by a
random process.
Digg
data
Markov process
DM(e1) (n)  p(e | e) n1

p(e | ne)  p(e | e)n
n1

D (n)  p(e | e) [(n 1)!]
( e)
Detection of collective emotions in cyber-communities
α ~ 0.75 exp[- 4 p(e)]
p(e | ne)  p(e | e)n
Characteristic exponents α decay with a probability of a given
emotions frequency. Rare emotions are more clustered !!!
Detection of collective emotions in cyber-communities
Skalowania i korelacje w dynamice
społeczności internetowych
(rozprawa dr Anny Chmiel)
EU
projekt
1
A.Chmiel i in.
Scaling of human behavior during portal browsing
Phys Rev E 80, 066122 (2009)
2
A. Chmiel i in.
Collective emotions online and their influence on community life
PLOSONE 0022207(2011)
3
A.Chmiel, J.A.Hołyst
Flow of emotional messages in artificial social networks
IJMP C Vol. 21, No. 5 (2010) 593 (2010)
4
A. Chmiel i in.
Negative emotions boost users activity at BBC Forum,
Physica A, 390 (2011) 2936-2944
Tematy prac inżynierskich i dyplomowych
Obserwacje
zdarzeń ekstremalnych w układach stochastycznych
Wizualizacja i analiza dyfuzji cząstki na sieciach złożonych
Złamanie symetrii w modelu izolacji grup społecznych
Zastosowanie algorytmów genetycznych do predykcji zmian opinii
Analiza sieci bankowych metodami fizyki statystycznej
Symulacje dynamiki opinii społecznej za pomocą automatów
komórkowych
Prace studentów związane są często z projektami badawczymi UE
Absolwenci będą dobrze wyszkoleni w analizie danych i metodach
symulacji komputerowych. W trakcie prac dyplomowych biorą udział w
specjalistycznych szkołach i międzynarodowych konferencjach.
Możliwości podejmowania pracy: firmy komputerowe, firmy
telekomunikacyjne, e-firmy, banki, instytuty naukowe w Polsce i za
granicą oraz wszędzie tam, gdzie potrzebna jest interdysciplinarna wiedza
na temat modelownia dynamiki układów złożonych.
Możliwe wspólne projekty
z Wydziałem MiNI PW






Procesy stochastyczne
Teoria informacji
Matematyka finansowa
Szeregi czasowe
Eksploracja danych
Teoria grafów
Sekcja Polskiego Towarzystwa
Fizycznego: Fizyka w Ekonomii i
Naukach Społecznych (FENS)
http://ptf.fuw.edu.pl/fens/
Misja
Krajowa Rada Koordynatorów Projektów Badawczych UE (KRAB)
powstała w roku 2007 jako Stowarzyszenie dla wymiany
doświadczeń z realizacji projektów między swoimi członkami oraz
miedzy innymi podmiotami.
Chcemy:

promować dobre praktyki profesjonalnego prowadzenia projektów badawczych

promować polskie uczestnictwo w Programach Ramowych UE.

współpracować z administracją rządową, samorządowa oraz innymi podmiotami
związanymi z realizacją projektów UE

podejmować działania i rekomendować zmiany prawne potrzebne dla udziału
polskich naukowców w programach badawczo-rozwojowych UE.
www.krab.edu.pl
Szczególne podziękowania dla:
dr Krzysztof Kacperski
dr Sławomir Matyjaśkiewicz
dr Piotr Fronczak
dr Agata Fronczak
dr Krzysztof Urbanowicz
dr Jarosław Białecki
dr Krzysztof Suchecki
dr Julian Sienkiewicz
dr Paweł Sieczka
dr Anna Chmiel
dr Bernard Kujawski (Brunel University, Wlk. Brytania)
dr Kamil Mizgier (ETH Zurich, Szwajcaria)