Benützer:
Die andere Physik: menschliches Verhalten
Storyboard 
Seit die Physiker anfingen, Probleme in unserer Umwelt zu modellieren, wurde es zunehmend notwendig, das Verhalten der Menschen, die intervenierten, einzubeziehen. Dies begann bereits bei grundlegenden Betriebsprozessen von Maschinen, insbesondere wenn diese von Menschen benutzt wurden. Zum Beispiel hängt die Funktionsweise der Maschine davon ab, wie wir sie drücken und / oder im Raum ausrichten.
Am Ende des Zweiten Weltkriegs wurden viele Physiker entlassen und suchten ihre Möglichkeiten in der Industrie, aber auch im Dienstleistungssektor. Einer dieser Punkte war der Aktienmarkt, an dem wirtschaftliche Prozesse nicht modelliert werden, sondern so, wie die Menschen sie wahrnehmen. Der Wert einer Aktie steigt oder fällt, je nachdem, ob die Person glaubt, dass das Unternehmen dies in Zukunft tun wird. Dies hängt von der Wirtschaftsleistung ab, insbesondere von der Branche, von den neuen Technologien, die betrieben werden können, aber auch davon, wie der Kunde entscheidet, ob er das Produkt kauft oder nicht. Am Ende ist alles das Verhalten der Menschen der Schlüssel zur richtigen Prognose.
ID:(1603, 0)
Das Problem der roten Farbe
Bild
Eines der merkwürdigen Themen, die ich bei der Modellierung des Kaufverhaltens von Hilti-Kunden entdeckte, war die Tatsache, dass es wichtig war, dass die Maschinen rot waren. Der Farbfaktor bestimmte 40% der Kaufentscheidung anhand einer Reihe anderer Parameter, die mit der technischen Überlegenheit und den vom Unternehmen angebotenen Dienstleistungen zu tun hatten.
Seltsamerweise entdeckte ich vor einigen Jahren, dass in einer Fernsehserie die Uniform, die die Band trägt (die auf Netflix zu sehende 'Paper House'-Serie), denen sehr ähnlich ist, die die Hilti-Techniker hatten, als sie zum Kunden gingen (ich hatte keine die Kappe) 'Hilti rot'. In derselben Serie werden Hilti-Geräte wiederholt im Hintergrund beobachtet, was deutlich macht, dass es sich um eine Produktpositionierung handelt (Technik, bei der ein Produkt „beiläufig“ dargestellt wird). Obwohl ich im Hauptquartier arbeitete, wenn ich Hilti Spanien beraten musste, stellte ich fest, dass das lokale Team hoch motiviert und kreativ war, sodass ich nicht überrascht war, so etwas wie ein Foto von der Unterzeichnung eines Vertrags online zu finden.
ID:(11910, 0)
Der subjektive Wert der Farbe
Bild
Die Schlussfolgerung, dass die Farbe Rot der Schlüssel war, wurde durch die Zusammenstellung eines „Expertensystems“ erreicht, wie es künstliche Intelligenzsysteme in den 80er Jahren des letzten Jahrhunderts nannten. Hierzu zeichnen sich verschiedene Produkte durch objektiv-numerische Eigenschaften (Beispiel Leistung, Geräuschpegel, Haltbarkeit usw.) und subjektive (Beispiel Farbe, Wirtschaftlichkeit usw.) aus. Dann suchen sie nach 'Clustern', die als Agglomerationen von Daten um Produktprofile verstanden werden können, die mit der Wahrscheinlichkeit verbunden sind, beim Kauf ausgewählt zu werden.
Auf diese Weise werden die Modelle verwendet, um zu verstehen, wie sie beteiligt sind und in welchem ??Verhältnis die verschiedenen Parameter, die das Produkt charakterisieren. Sie können auch verwendet werden, um Produktprofile zu entwickeln, die noch nicht einmal existieren, um die erfolgreichsten Parameter zu kombinieren.
Im Fall von Rot wurde festgestellt, dass dies mit der Tatsache zusammenhängt, dass die teuersten Hilti-Maschinen diejenigen mit den wichtigsten Vorgesetzten, Vorarbeitern und Bedienern sind. Farbe ist also mit Status verbunden, mit jemandem.
ID:(11911, 0)
Die Rolle der Physiker an der Börse
Bild
Als der zweite Weltkrieg endete, wurden viele Physiker entlassen. Sie suchten nach Möglichkeiten in der Branche, aber auch in Dienstleistungen wie Banken und Aktienmärkten. Im letzteren Fall fanden sie ein Universum voller Daten und sehr weniger Modelle, anhand derer wir schließen konnten, wie sich die Aktienkurse ändern würden.
Ein Buch, das diese Geschichte der anderen Physik beschreibt, ist:
The physics of Wall Street : a brief history of predicting the unpredictable
James Owen Weatherall
Houghton Mifflin Harcourt, 2013
ID:(11912, 0)
Tool eins: Daten sammeln und analysieren
Bild
Die Aktivitäten können heute in drei Hauptthemen gegliedert werden
• Daten finden und analysieren
• hypothesenbasierte mathematische Modelle und Datenanalyse
• Systeme vom Typ künstliche Intelligenz, die die Modellierung ermöglichen, aber auch Ergebnisse erzielen
Im ersten Schritt an der Börse wurde die Entwicklung der Aktienkurse analysiert.
ID:(11913, 0)
Das Ergebnis der Analyse
Bild
Eine der ersten Schlussfolgerungen war, dass viele Verteilungen nahe an Gaußschen Verteilungen lagen. In vielen Fällen war das Verhalten ziemlich zufällig und konnte nur als Evolutionswahrscheinlichkeiten vorhergesagt werden. Von dieser Zeit an ist die Vorstellung, dass der Job der damaligen Börsenmakler nichts anderes war als Würfeln, das heißt völlig zufällig. Burton Malkiel sprach davon, dass selbst eine Gruppe von Würfelwerfaffen bessere Börsenmakler sein könnte als die echten, die es zu dieser Zeit gab.
Mas en:
Random Walk Down Wall Street
Burton G. Malkiel
W. W. Norton & Company, 1999
ID:(11914, 0)
Erstellung erster Modelle
Bild
Sobald die Daten analysiert und die ersten wirtschaftlichen und persönlichen Wahrnehmungsmodelle erarbeitet wurden, entstanden die ersten Algorithmen, die den Anlegern halfen. Im Laufe der Zeit wurden die Modelle so zuverlässig, dass sie automatisiert wurden. Es entstanden die ersten Roboter oder Bots , die autonom Aktien verglichen und verkauften.
ID:(11915, 0)
Erste Ausfälle
Bild
Im Laufe der Zeit traten die ersten Katastrophen auf, bei denen sich die Modelle irrten und die Bots die Fehler aggressiv wiederholten, was zu katastrophalen Kursverlusten an den Aktienmärkten führte. Die Suche nach der Ursache dieser wahren Finanzkatastrophen, die die Weltwirtschaft betrafen, begann. Mit der Zeit stellten sie fest, dass die Informationen, auf denen die Modelle aufgebaut waren, zu eingeschränkt waren und dass es Ereignisse gab, die weniger wahrscheinlich ignoriert wurden. Seine Entstehung destabilisierte die Modelle, die anfingen, in Teufelskreise einzutreten, in denen ein Preisverfall zu Verkauf, Panik zu Verkauf, Panik zu mehr Verkauf führt, der größte Verkauf, der in den USA zurückging Preis usw.
ID:(11916, 0)
Ursachen der ersten Probleme
Bild
Die Verwendung sehr begrenzter Datenreihen führte dazu, dass die Systeme Gaußsche Verteilungen aufwiesen, was nicht korrekt war. Es wurde festgestellt, dass weniger wahrscheinliche Ereignisse dazu führen, dass Werte ungleich Null weit außerhalb des Gleichgewichts existieren. Dies wurde als fetter Schwanz bezeichnet und die Ereignisse wurden als unwahrscheinliche Ereignisse wie das Finden eines schwarzen Schwans Taleb bezeichnet.
Mehr über die Ereignisse 'schwarze Schwäne' in dem Buch, aus dem der Name hervorging
The black swan: the impact of the highly improbable
Nassim Nicholas Taleb
Random House, 2007
Hinweis: Es gibt Leute, die sagen, dass die Pandemie ein schwarzer Schwan ist, den niemand bereitstellen kann. Dies ist nicht richtig, jahrelang wurde befürchtet, dass es und sogar Regierungen vorbereitet sein würde. Beim letzten Abbau dieser Vorbereitungen halten sie es jedoch für unwahrscheinlich und hören den Experten nicht zu.
ID:(11917, 0)
Korrigieren mit der wissenschaftlichen Methode
Bild
Der Schlüssel ist, die wissenschaftliche Methode konsequent anzuwenden. Das bedeutet:
• ein Modell entwickeln, daraus schließen, überprüfen, ob es mit den gemessenen Daten übereinstimmt, und in diesem Fall eine Methode zur Anwendung des Modells strukturieren
• aggressiv nach neuen Daten suchen und sicherstellen, dass das Modell weiterhin das Beobachtete widerspiegelt
• Hypothesen vor neuen Informationen überprüfen und dadurch die Modelle korrigieren
• Korrigieren Sie die Systeme in der Anwendung so, dass sie immer den Stand der Technik widerspiegeln.
ID:(11918, 0)
Mit Modellen innovieren
Bild
Sobald die Modelle ausreichend genau sind, können neue Strategien untersucht werden. Dies führt zu Innovationen, zur Schaffung neuer Produkte und Prozesse, die das Potenzial haben, tiefgreifende Veränderungen in der Gesellschaft hervorzurufen.
ID:(11919, 0)
Hedge Funds und Jim Simons
Bild
Ein Beispiel für Innovation, bei dem einer der Mitwirkenden an der String-Theorie in der Physik zum Milliardär wurde, ist das Hedging-Modell, zu dem Jim Simons beigetragen hat. Absicherung bedeutet Versicherung, und die Methode besteht darin, nach Gruppen von Maßnahmen zu suchen, die unter diesen „Versicherten“ sind und immer gewinnen. Im Allgemeinen gleicht der Mix Schwankungen in der Wirtschaft aus, sodass es in jeder Situation immer eine Gruppe von Aktien gibt, die genug Gewinn erzielen, um das zu kompensieren, was mit den anderen Aktien passiert.
Ein einfaches Beispiel könnte der Kauf von Aktien eines Busunternehmens und einer Fluggesellschaft sein. In guten Zeiten fliegt jeder, der Fluggesellschaft geht es sehr gut, während es der Busgesellschaft nicht so gut geht. Das Paar ist angemessen, wenn der zusätzliche Gewinn der Fluggesellschaft viel größer ist als der Verlust auf der Buslinie. Wenn die Wirtschaft eine schlechte Zeit durchmacht, fahren die Menschen auf der Buslinie und das sind die Aktionen, die jetzt dominieren. Auch hier müssen sie mehr Einkommen geben, als die Fluggesellschaft bei Verlusten bedeutet. Auf diese Weise verliert man nie, es wird gesagt, dass der Fonds versichert oder entschädigt oder 'abgesichert' ist.
ID:(11920, 0)
Anwendung der Hedge-Fonds-Methode
Bild
Ein weiteres einfaches Beispiel wurde von meinem Sohn Klaus Stefan Gerber umgesetzt, der vor einem Jahr leider verstorben ist. Er stellte fest, dass bei Sportwetten Börsenschwankungen auftreten. Es gibt Minuten, in denen Fans eines Teams den Markt dominieren, indem sie Wetten anbieten, bei denen man mehr gewinnt als verliert (Beispiel: Sie zahlen 3 gegen 1 - wenn Sie gewinnen, erhalten Sie 3, wenn Sie verlieren, zahlen Sie 1). Im Laufe der Zeit durchläuft das gegnerische Team auch eine Phase des Optimismus, in der es auch Wetten anbietet, bei denen man mehr gewinnt als verliert. und in der anderen geht 1 mit dem verloren, was effektiv gewonnen werden würde 2).
Für diese Art von Wette kann man jedoch nicht dauerhaft ausstehen. Sie müssen Bots verwenden, Roboter, die den Markt permanent beobachten und die Wetten jedes Mal annehmen, wenn die Paare generiert werden, die eine Absicherung ermöglichen.
ID:(11921, 0)
Notwendigkeit, das Verhalten der Menschen zu modellieren
Bild
Eine der Beobachtungen, die mein Sohn während des Aufbaus und des Betriebs der Bots machte, war, dass es Sportarten gab, bei denen man Parameter beobachtete, die mit den Fähigkeiten der Spieler zusammenhängen, wie z. B. Tennis. Es gibt andere, bei denen der Spieler bewusst beschließt, seine Kapazität zu reduzieren, wie z. B. Jockies beim Reiten. Der Besitzer des Pferdes beschließt, sich um das Pferd zu kümmern, das heißt, er lässt es teilnehmen, versucht aber nicht zu gewinnen, indem er auf eine bessere Zeit wartet, wenn er auf sein Pferd setzt. Im Fußball ist das Thema noch komplexer, da es eine Abhängigkeit von einigen Spielern gibt, die vom Platz gestellt werden können. In all diesen Fällen treten echte schwarze Schwäne auf, was bedeutet, dass es Dynamiken gibt, die zuvor nicht beobachtet wurden.
Zusammenfassend wird es notwendig, menschliches Verhalten zu modellieren, um nützliche Modellierungsergebnisse zu erhalten.
ID:(11922, 0)
WModelle, wie die Person entscheidet
Bild
Eines der wenigen systematischeren Modelle, das zu beschreiben versucht, wie wir Entscheidungen treffen, stammt von Daniel Kahneman, dem einzigen Soziologen mit einem Nobelpreis (Nobelpreis für Wirtschaftswissenschaften, weil seine Theorien zur Entwicklung der Wirtschaft beitragen). In Kahnemans Arbeit fallen zwei Themen auf:
• Menschen denken auf zwei Ebenen, einer schnellen, impulsiven ohne weitere Meditation und einer langsamen Sekunde, in der die Analyse überwiegt. Dies wird häufig in Verkaufsprozessen verwendet, die den Kunden unter Druck setzen möchten, die Entscheidung impulsiv zu treffen und nicht über ihre Entscheidung zu meditieren. Der Mechanismus ist wahrscheinlich evolutionär und so konzipiert, dass wir in Stresssituationen schnell reagieren können, um Gefahren zu vermeiden.
• Im Allgemeinen spüren wir viel mehr den Verlust, dass wir uns über die Gewinne freuen. Dies bedeutet, dass wir dazu neigen, Risiken beim Gewinnen zu vermeiden, dh wir ziehen einen sicheren Gewinn dem Risiko vor, um mehr zu gewinnen. Wir haben jedoch Schwierigkeiten, Verluste anzunehmen, und gehen tendenziell mehr Risiken ein, um Verluste zu vermeiden, obwohl die Möglichkeiten zur Vermeidung von Verlusten gering sind.
Das empfohlene Buch ist:
Thinking, Fast and Slow
Daniel Kahneman
Farrar, Straus and Giroux, 2011
ID:(11944, 0)
Wirtschafts- und Soziophysik
Bild
Heute hat sich die Physik in der Wirtschaft als Schlüsselelement für die fortgeschrittene Wirtschaft etabliert. In ihren Anfängen funktionierte die Wirtschaft sehr ähnlich wie in der Physik in der Thermodynamik. Variationen der verschiedenen Parameter und ihrer Beziehungen wurden untersucht.
Heute gibt es eine allgemeinere Theorie, dass die Anwendung wie immer alle Gesetze der Thermodynamik liefert. Dies ist die statistische Mechanik und ihr Hauptwerkzeug ist die sogenannte Partitionsfunktion, eine Funktion, die aus den mikroskopischen Zustandsgleichungen berechnet wird, um alle makroskopischen Eigenschaften des Systems zu erhalten. Ähnliches passiert in der Wirtschaft, wo heute Teilungsfunktionen berechnet werden, aus denen die Faktoren erhalten werden, die die wirtschaftliche Situation beschreiben. Die Disziplin wird in der Physik als 'Wirtschaftsphysik' bezeichnet.
Darüber hinaus ist es möglich, das Verhalten von Menschen und ihr Verhalten in der sogenannten 'Soziophysik' zu beschreiben. In diesem Fall passt die Soziologie, wie Feyman sagte, eine Wissenschaft nicht wie die Wirtschaft an einen theoretischen Körper mit universellen Gesetzen an. Aus diesem Grund stellt die Soziophysik in diesem Fall die erste Theorie als solche dar und kann sich mit dem breiten empirischen System befassen, das Soziologen phänomenologisch verwalten und modellieren.
Einige Bücher sind:
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)
Mangel an Arbeitswerkzeugen
Bild
Heute hat sich die Physik in der Wirtschaft als Schlüsselelement für die fortgeschrittene Wirtschaft etabliert. In ihren Anfängen funktionierte die Wirtschaft sehr ähnlich wie in der Physik in der Thermodynamik. Variationen der verschiedenen Parameter und ihrer Beziehungen wurden untersucht.
In der Vergangenheit bildeten Daten und Modelle die Grundlage für die Arbeit mit Physikwerkzeugen zu Themen, die nicht mit der traditionellen Physik verbunden sind. Es gibt jedoch zwei Situationen, in denen ein drittes Element hinzugefügt werden muss: Systeme der künstlichen Intelligenz. Die Gründe sind:
• Die Existenz von zu modellierenden Bereichen, die nicht in Zahlen umgewandelt werden können und die im subjektiven Bereich bleiben müssen, der sich auf das Verhalten der Menschen bezieht. Zu diesem Zweck ermöglichen neuronale Netze die Modellierung und Verwendung von Algorithmen, die in objektive Modelle integriert werden können.
• Die Notwendigkeit, attraktive Lösungen zu erforschen, mit denen Modelle zu ihrem Vorteil genutzt werden können. In der Vergangenheit waren die Modelle einfach und die Beziehungen gut definiert, so dass die optimalen leicht zu erkennen waren. Aktuelle Modelle sind nicht einfach zu interpretieren und erfordern die unermüdliche Suche nach KI-Systemen, um die interessanten Alternativen zu verkürzen.
Hinweis: Hier wird das Tensorflow-Tool von Google angezeigt, eines der leistungsstärksten Tools zur Strukturierung von KI-Systemen.
ID:(11924, 0)
Das Erreichen von BREXIT
Bild
Eine der unglücklichen Situationen, an denen Physiker teilnahmen, war, wie diejenigen, die das Vereinigte Königreich beim Austritt aus der Europäischen Gemeinschaft favorisierten, siegten. Zu dieser Zeit beauftragte der Berater von Boris Johnson, Domic Cummings, diese Gruppe, die anscheinend die AIQ-Firma gründete, mit der Untersuchung der Wählerschaft und ihrer Beeinflussung. Sie haben wahrscheinlich Daten von Facebook über Cambridge Analytica erhalten und nicht unbedingt wahre Nachrichten an leicht zu manipulierende Gruppen weitergeleitet, um eine ausreichende Mehrheit zu erreichen. Die Profile unsicherer Personen, ihre Präferenzen wurden analysiert und die entsprechende Nachricht wurde gesendet, um ihre Einhaltung der Ursache des Austritts auszulösen. Zu diesem Zweck wurde ein künstliches Intelligenzsystem modelliert und verwendet, um den Angriff zu erkennen und dann zu lenken.
ID:(11925, 0)
Wie ein KI-System funktioniert
Bild
Das künstliche Intelligenzsystem wird geschaffen
• Strukturierung der Daten, aus denen Sie lernen möchten, einschließlich mehrerer Unterstützungsebenen,
• Definieren der Art des gewünschten Ergebnisses
• Festlegung eines Kriteriums, damit das System seine Leistung kennt
• die Regeln kennen, nach denen es arbeitet
Mit diesen Informationen beginnt das System, das Netzwerk zu bilden, das die verschiedenen Ebenen (neuronales Netzwerk) verbindet, wodurch ein System entsteht, in dem Informationen an der Basis zu dem Ergebnis gebracht werden, das als korrekte Leistung angesehen wird. Die mehreren Ebenen werden als tiefes Lernen beschrieben.
Sobald das System mit einem zweiten Datensatz entworfen und getestet wurde, kann es verwendet werden, um alternative Lösungen direkt zu beraten oder zu untersuchen.
ID:(11926, 0)
Beispiel AI-System im Spiel
Video
Das Video zeigt ein künstliches Intelligenzsystem, das das Spielen des ATARI Breakout-Spiels lernt. Das System hat nur die Spielregeln in dem Sinne, dass es die Wand zerstören muss, die auf den Ball trifft, den es mit dem Schläger antreiben kann. Der Fortschritt ist:
• Nach 100 Spielen weiß er, wie man die Palette benutzt und schafft es, die Wand auseinander zu nehmen
• Nach 300 Spielen macht er es besser als ein Mensch
• Nach 500 Spielen entdeckt er eine neue Strategie, die unbekannt war: Erstellen Sie einen Tunnel und lassen Sie den Ball in den Raum hinter der Wand gelangen, wo er durch mehrere Sprünge die Wand effektiv entwaffnet
ID:(11927, 0)
Vollständiges System
Bild
Auf diese Weise haben wir eine Methode, die das Arbeiten mit Daten, das Formulieren von Modellen, die durch das KI-System ergänzt werden, und das endgültige Verwenden dieser Daten zur Beratung oder Suche nach einer optimalen Lösung umfasst.
ID:(11928, 0)
0
Video
Video: Die andere Physik: menschliches Verhalten