Storyboard

Desde que los físicos comenzamos a modelar problemas de nuestro medio cada vez mas fue necesario incluir el comportamiento de las personas que intervenían. Esto comenzó incluso con procesos básicos del funcionamiento de maquinas en particular cuando estas eran usadas por personas. Por ejemplo la forma como la maquina funciona depende de como la presionamos y/o orientamos en el espacio.

Al terminar la segunda guerra mundial muchos físicos quedaron cesantes y buscaron sus oportunidades en la industria pero también el los servicios. Uno de estos rubros fue la bolsa en que no se modelan procesos económicos si no como las personas los perciben. Una acción sube o baja de valor según la persona crea que a futuro le ira a la empresa. Esto si depende del desempeño de la economía, del rubro en particular, de las tecnologías nuevas que se pueden operar pero también de como el cliente decidirá comprar o no el producto. Al final todo es el comportamiento de personas la clave para pronostica correctamente.

>Modelo

ID:(1603, 0)

Imagen

>Top

Uno de los temas curiosos que descubrí trabajando en modelar el comportamiento de compra de los clientes de Hilti fue el hecho que era clave que las maquinas fueran rojas. El factor color determinaba en un 40% de decisión de compra frente a una serie de otros parámetros que tenían que ver con la superioridad técnica y servicios que ofrecía la empresa.

Curiosamente hace algunos años descubro que en una serie de televisión el uniforme que usa la banda (Serie la 'Casa de papel' que se puede ver en Netflix) son muy parecidos a los que tenían los técnicos de Hilti cuando iban a cliente (no tenia el capuchon) de color 'rojo Hilti'. En la misma serie se observan repetidamente en el fondo equipos Hilti quedando claro que era una posicionamiento de producto (técnica en que uno muestra un producto 'casualmente'). Aun que trabajaba en la casa matriz si me toco asesorar a Hilti España y descubrí que el equipo local era altamente motivado y creativo por lo que no me extraño encontrar en la red algo asi como una foto de la firma de un contrato.

ID:(11910, 0)

Imagen

>Top

La conclusión de que el color rojo era clave se logro armando un 'sistema de experto' que era como se le denominaba a los sistemas de inteligencia artificial en los años 80 del siglo pasado. Para ello se caracterizan diversos productos por características objetivas-numéricas (ejemplo potencia, nivel de ruido, durabilidad, etc.) y subjetivas (ejemplo color, economía, etc.). Luego se buscan 'clusters' que se pueden entender como aglomeraciones de datos en torno a perfiles de productos que se asocian a la probabilidad de ser seleccionado en la compra.

De esta forma los modelos se usan para entender como participan y en que proporción los distintos parámetros que caracterizan el producto. También se pueden usar para desarrollar perfiles de productos que aun ni existen buscando combinar los parámetros de mayor existo.

En el caso del color rojo se descubrió que este se asocia a que al ser las maquinas Hilti mas caras son aquellas que tienen supervisores, capataces y operarios de mayor importancia. Por ello el color se asocia con estatus, con ser alguien.

ID:(11911, 0)

Imagen

>Top

Cuando la segunda guerra mundial termino muchos físicos quedaron cesantes. Buscaron oportunidades en la industria pero también en servicios como banca y la bolsa. En este ultimo caso encontraron un universo lleno de datos y muy pocos modelos que permitieran inferir como los precios de las acciones variarían.
Un libro que describe esta historia de la otra física es:

The physics of Wall Street : a brief history of predicting the unpredictable
James Owen Weatherall
Houghton Mifflin Harcourt, 2013

ID:(11912, 0)

Imagen

>Top

Las actividades se pueden hoy estructurar en tres grandes temas

• encontrar y analizar datos
• modelos matemáticos basados en hipótesis y análisis de datos
• sistemas tipo inteligencia artificial que permiten modelar pero también obtener resultados

En el primer paso en la bolsa se analizo la evolución de los precios de acciones.

ID:(11913, 0)

Imagen

>Top

Una de las primeras conclusiones fue de que muchas distribuciones eran próximas a distribuciones gausseanas. En muchos casos el comportamiento era bastante aleatorio y no podia ser pronosticado mas aya que como probabilidades de evoluciones. De esa época esta la noción de que el trabajo de los corredores de bolsa de esa época no era mas que un tirar dados o sea completamente al azar. Burton Malkiel hablaba de que hasta un grupo de monos que arroja dados podrían ser mejores corredores de bolsa que los reales que existían en ese momento.

Mas en:
Random Walk Down Wall Street
Burton G. Malkiel
W. W. Norton & Company, 1999

ID:(11914, 0)

Imagen

>Top

Una vez se comenzó a analizar los datos y se trabajo en los primeros modelos tanto económicos como de percepción de las personas surgieron los primeros algoritmos que ayudaban a los inversionistas. Con el tiempo los modelos se volvieron tan confiables que comenzaron a ser automatizados. Surgieron los primeros robots o bots que en forma autónoma comparaban y vendían acciones.

ID:(11915, 0)

Imagen

>Top

Con el tiempo surgieron las primeras catástrofes en que los modelos erraban y agresivamente los bots replicaban los errores creando caídas catastróficas en la bolsa. Se comenzó a buscar la causa de estas verdaderas catástrofes financieras que afectaba la economía global. Con el tiempo se dieron cuenta que la información sobre la que se construían los modelos era demasiado restringida y que habían eventos menos probable que no se tomaban en cuenta. Su surgimiento desestabilizaba los modelos que comenzaban a entrar en círculos viciosos tipo en que una baja en el precio lleva a la venta, la venta a pánico, el pánico a mas venta, la mayor venta a baja en el precio etc..

ID:(11916, 0)

Imagen

>Top

El uso de series muy limitadas de datos hizo que los sistemas se consideraban que tenían distribuciones gausseanas lo que no era correcto. Se descubrió que existan eventos menos probables que hacían que existieran valores no nulos muy lejos del equilibrio. Esto se llego a llamar las colas gordas (fat tails) y los eventos los denomino Taleb como eventos poco probables tales como encontrar un cisne negro.

Mas sobre los eventos tipo 'cisnes negros' en el libro que dio origen al nombre
The black swan: the impact of the highly improbable
Nassim Nicholas Taleb
Random House, 2007

Nota: Hay gente que habla que la pandemia es un cisne negro, que nadie lo pudo proveer. Esto no es correcto, por años se temió que habría e incluso gobiernos se prepararon. Sin embargo en este ultimo tiempo estos desmantelaron dichos preparativos consideran que era poco probable y no escuchando a los expertos.

ID:(11917, 0)

Imagen

>Top

La clave es el uso del método científico en forma rigurosa. Eso significa:

• desarrollar un modelo, concluir que implica, verificar que cuadra con los datos medidos y de ser asi estructurar una forma de aplicar el modelo
• agresivamente buscar nuevos datos y verificar que el modelo continúa reflejando lo observado
• revisar ante nueva información las hipótesis y con ello corregir los modelos
• corregir los sistemas en aplicación para que reflejen siempre el estado del arte.

ID:(11918, 0)

Imagen

>Top

Una vez los modelos son suficientemente precisos se pueden explorar nueva estrategias. Esto lleva a innovar, a crear nuevos productos y procesos que tienen potencial de generar cambios profundos en la sociedad.

ID:(11919, 0)

Imagen

>Top

Un ejemplo de innovar y que significo que uno de los contribuyentes de 'Teoría de Curdas' en física se hiciera multimillonario es el modelo de Hedging al que contribuyo Jim Simons. Hedging significa asegurar y lo que hace el método es buscar grupos de acciones que entre estas se 'aseguren' que siempre ganan. Por lo general el mix compensa vaivenes de la economía de modo que en toda situación siempre hay un grupo de acciones que arroja suficiente ganancia para compensar lo que pasa con las restantes acciones.

Un ejemplo simple podría ser comprar acciones de una empresa de buses y de una linea aérea. En épocas de bonanza todo el mundo vuela, a la linea aérea le va muy bien mientras que la empresa de buses no tanto. La dupla es apropiada si la ganancia adicional de la linea aérea es mucho mayor que la perdida en la linea de buses. Cuando la economía pasa por un mal momento la gente viaja en la linea de buses y son esas las acciones que ahora dominan. Nuevamente deben dar mas ingresos de lo que la linea aérea significa en perdidas. De esta forma uno nunca pierde, se habla de que el fondo esta asegurado o compensado o 'hedged'.

ID:(11920, 0)

Imagen

>Top

Otro ejemplo simple lo implemento mi hijo Klaus Stefan Gerber que lamentablemente falleció hace un año. El descubrió que en las apuestas en deportes ocurren fluctuaciones similares a las de la bolsa. hay minutos que los hinchas de un equipo dominan el mercado ofreciendo apuestas en que uno gana mas de lo que pierde (ejemplo se paga 3 contra 1 - si uno gana recibe 3, si pierde paga 1). Con el tiempo el equipo contrincante también pasa por una fase de optimismo en que también ofrece apuestas en que uno gana mas de lo que pierde.Si uno oportunamente cierra ambas apuestas termina en una situación en que siempre gana (en el que gana se obtiene 3 y en el otro se pierde 1 con lo que se ganaría efectivamente 2).

Para este tipo de apuesta sin embargo uno no puede estar permanentemente pendiente, debe usar bots, robots que observan permanentemente el mercado y toman las apuestas cada vez que se van generando las duplas que permiten el hedging.

ID:(11921, 0)

Imagen

>Top

Una de las observaciones que hizo mi hijo durante el proceso de construir y operar los bots fue de que habían deportes en que uno observaba parámetros que se asocian a la capacidad de los jugadores como es el caso del tenis. Hay otros en que el jugador decide conscientemente reducir su capacidad como son los jockies en la hípica. El dueño del caballo decide 'cuidar' el caballo o sea lo deja participar pero no busca ganar esperando un momento mejor en que el mismo apuesta a su caballo. En el fútbol el tema es aun mas complejo ya que hay una dependencia de algunos jugadores que pueden ser expulsados. En todos estos casos aparecen verdaderos cisnes negros que significa que se dan dinámicas que antes no se habían observado.

En resumen se vuelve necesario modelar el comportamiento del ser humano para poder obtener resultados útiles de la modelación.

ID:(11922, 0)

Imagen

>Top

Uno de los pocos modelos mas sistemáticos que trata de describir como tomamos decisiones proviene de Daniel Kahneman, único sociólogo con un premio nobel (premio nobel de Economía pues sus teorías ayudan a desarrollar la economía). En el trabajo de Kahneman hay dos temas que destacan:

• El ser humanos piensa en dos niveles, uno rápido impulsivo sin mayor meditación y en un segundo lento en que predomina el análisis. Esto es muchas aprovechado en procesos de venta en que se busca presionar al cliente para que tome la decisión en forma impulsiva y no medite su decisión. El mecanismo es probablemente evolutivo y diseñado que para situaciones de estrés podamos reaccionar en forma rápida para evitar el peligro.

• En general sentimos mucho mas las una perdida de que nos alegramos por las ganancias. Esto lleva a que tendemos a evitar riesgo cuando se trata de ganar, o sea preferimos una ganancia segura a arriesgar para ganar mas. Sin embargo tenemos dificultades para asumir perdidas y tendemos a correr mas riesgos para tratar de evitar perder aun que las posibilidades de evitar la perdida sean remotas..

El libro recomendado es:
Thinking, Fast and Slow
Daniel Kahneman
Farrar, Straus and Giroux, 2011

ID:(11944, 0)

Imagen

>Top

Hoy en día la física ha logrado se aceptada dentro de la economía como una parte clave de lo que esta volviéndose la economía avanzada. En sus orígenes la economía trabajaba en forma muy similar a como se trabajaba en física en la termodinámica. Se estudiaban variaciones de los distintos parámetros y sus relaciones.

Hoy en día existe una teoría mas general que como siempre aplicación entrega todas las leyes de la termodinámica. Esta es la mecánica estadística y su principal herramienta es la llamada función partición que es una función que se calcula desde las ecuaciones de estado microscópicas se obtienen todas las propiedades macroscopicas del sistema. Algo similar esta ocurriendo en la economía en que hoy se calculan funciones de partición de la que se obtienen los factores que describen la situación económica. La disciplina se denomina dentro de la física como 'econofísica'.

Adicionalmente se logra describir el comportamiento de las personas y su comportamiento en lo que se denomina 'sociofísica'. En este caso, como decía Feyman, la sociología no conforma una ciencia con un cuerpo teórico con leyes universales como lo tiene la economía. Es por ello que la sociofisica en este caso constituye la primera teoría propiamente tal y que puede enganchar con el amplio sistema empírico que manejan y modelan fenomenologicamente los sociólogos.

Algunos libros son:

Econophysics and Sociophysics: Trends and Perspectives

Bikas K. Chakrabarti, Anirban Chakraborti, Arnab Chatterjee

Wiley-VCH Verlag GmbH & Co. KGaA, 2006

Classical Econophysics

Allin F. Cottrell, Paul Cockshott, Gregory John Michaelson, Ian P. Wright, Victor Yakovenko

Routledge, 2009

An introduction to econophysics: correlations and complexity in finance

Rosario N. Mantegna, H. Eugene Stanley

Cambridge University Press, 2000

Sociophysics: A Physicist's Modeling of Psycho-political Phenomena

Serge Galam (auth.)

Springer-Verlag New York, 2012

ID:(11923, 0)

Imagen

>Top

En el pasado datos y modelos formaban la base para el trabajo con herramientas de la física en temas que no se asocian a la física tradicional. Sin embargo hay dos situacioens que hacen necesario agregar un tercer elemento que son los sistemas de inteligencia artificial. Las razones son:

• La existencia de ámbitos a modelar que no se pueden llevar a números y que debe de permanecer en el ámbito subjetivo relacionado a como las personas actúan. Para ello redes neuronales permiten modelar y usar algoritmos que se pueden integrar con los modelos objetivos.

• La necesidad de explorar soluciones atractivas que permiten sacar provecho a los modelos. En el pasado los modelos eran simples y las relaciones bien definidas por lo que los óptimos eran fáciles de detectar. Los modelos actuales no son fáciles de interpretar y requieren de la incansable búsqueda de los sistemas de IA para encortar las alternativas interesantes.

Nota: aquí se indica la herramienta Tensorflow de google que es una de las herramientas mas poderosas para estructurar sistema de IA.

ID:(11924, 0)

Imagen

>Top

Una de las situaciones lamentable en que físicos participaron fue en como los que favorecían que el Reino Unido saliera de la Comunidad Europea ganaran. En su momento el asesor de Boris Johnson, Domic Cummings, contrato a este grupo, que al parecer formaban la empresa AIQ, para que estudiara el electorado y la forma como se le podia influenciar. Obtuvieron probablemente datos de Facebook via la empresa Cambridge Analytica y dirigieron mensajes no necesariamente verdaderos a grupos fáciles de manipular para lograr obtener una mayoría suficiente. Se analizaron los perfiles de las personas inseguras, sus preferencias y se les envió el mensaje adecuado para gatillar su adherencia a la causa de salir. Para ello se modelo y uso un sistema de inteligencia artificial para detectar y luego direccionar el ataque.

ID:(11925, 0)

Imagen

>Top

El sistema de inteligencia artificial se crea

• estructurando los datos de los que va a aprender incluyendo múltiples planos de apoyo,
• definiendo el tipo de resultado que se busca
• estableciendo un criterio de modo de que el sistema conozca su desempeño
• conozca las reglas con que opera

Con esta información el sistema comienza a formar la red que va ligando los distintos planos (red neuronal) creando un sistema en que información en la base es llevado al resultado que se considera un desempeño correcto. Los múltiples planos se describen como un aprendizaje profundo.

Una vez el sistema se ha diseñado y testeado con un segundo set de datos se le puede usar para asesorar en forma directa o explorar soluciones alternativas.

ID:(11926, 0)

Video

>Top

El video muestra un sistema de inteligencia artificial que aprende a jugar el juego ATARI Breakout. El sistema solo tiene las reglas de juego en el sentido que debe destruir la pared impactando con la pelota que puede impulsar con la raqueta. El avance es:

• tras 100 juegos sabe usar la paleta y logra ir desarmando la pared
• tras 300 juegos lo hace mejor que un ser humano
• tras 500 juegos descubre una nueva estrategia que era desconocida: crea un túnel y hace pasar la pelota al espacio detrás de la pared donde esta por múltiples rebotes desarmando en forma efectiva la pared

ID:(11927, 0)

Imagen

>Top

De esta forma tenemos un método que incluye el trabajo con datos, la formulación de modelos complementados por el sistema de IA y finalmente usándolo para asesorar o buscar una solución optima.

ID:(11928, 0)

0

Video

Video: La Otra Física: comportamiento humano