Socio-Economic Modelling

Ähnliche Dokumente
Fotios Filis. Monte-Carlo-Simulation

Rekursionen (Teschl/Teschl )

4. Auflage. Kapitel IX: Bubbles

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker

Charakteristikenmethode im Beispiel

5 Gase Das ideale Gasgesetz Kinetische Gastheorie Geschwindigkeit der Gasteilchen: Diffusion...

Seminar Finanzmathematik

A2.5: Scatter-Funktion

Algorithmen und Software für moderne Finanzmathematik. Ralf Korn Technische Universität Kaiserslautern Fraunhofer ITWM Kaiserslautern

Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin


B H 0 H definieren, die somit die Antwort des Ordnungsparameters auf eine Variation der dazu konjugierten

1.3 Ein paar Standardaufgaben

Die Monte-Carlo-Methode mit Pseudound Quasi-Zufallszahlen

Angewandte Stochastik

8. Energie, Impuls und Drehimpuls des elektromagnetischen

Nash-GG als gegenseitige beste Antworten. Man kann Nash-GG einfach charakterisieren in termini bester Antworten

Rekursionen. Georg Anegg 25. November Methoden und Techniken an Beispielen erklärt

Monte Carlo Simulationen

Modulabschlussklausur Analysis II

Wozu benötigen Lebensversicherer Reserven? q x -Club am 4. April 2006 in Bonn

9. Schätzen und Testen bei unbekannter Varianz

DIFFERENTIALGLEICHUNGEN

3 Monte-Carlo-Simulationen

Die Bestimmung von Value-at-Risk-Werten mit Hilfe der Monte-Carlo-Simulation

Anwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Versuch A02: Thermische Ausdehnung von Metallen

Monte Carlo Methoden in Kreditrisiko-Management

Dynamische Modelle. 1 Ökonomische Relevanz. 2 Ökonometrische Modelle. a) Statisches Modell und Differenzenbildung

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht

Vorkurs Mathematik Übungen zu Differentialgleichungen

Kleines Wasserlexikon

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht

Modelling mit BrandScience. Studie Plakatwirkung: Meta-Analyse zur Absatzwirkung von Plakat in Deutschland und der Schweiz

Praktikum Nr. 3. Fachhochschule Bielefeld Fachbereich Elektrotechnik. Versuchsbericht für das elektronische Praktikum

Diese Präsentation soll in kurzer Form den zweiten Teil des Kapitels thermische Eigenschaften der Phononen näher erläutern. Im Speziellen wird auf

Markov-Ketten-Monte-Carlo-Verfahren

Trends in der risiko- und wertorientierten Steuerung des Versicherungsunternehmens

24. Transportprozesse

Ver-Fair-Selbsthandeln

Kräfte zwischen Teilchen (Atomen) eines Gases und deren Idealisierung

Credit Risk+: Eine Einführung

Formelsammlung Chemie

Weiterbildungskurs Stochastik

Analytische Methoden und die Black-Scholes Modelle

Klausur Sommersemester 2010

Hamilton-Formalismus

Seminar Finanzmathematik

Musteraufgaben für das Fach Mathematik

5. Vorlesung Grundlagen der Produktgestaltung WS 2008/2009

Einführung in die Physik I. Wärme 2 Kinetische Gastheorie

Profilierung von Einrichtungen

20./ Forum deutscher Wirtschaftsförderer.

Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt

Klausur zur Vorlesung Methoden der empirischen Kapitalmarktforschung

Ihre Werbemöglichkeiten bei Google

Non-Deterministische CFD Simulationen in FINE /Turbo

Monte Carlo Simulation des 2-D Ising Modells

Die Monte-Carlo-Methode mit Pseudo- und Quasi-Zufallszahlen

INFORMATION UND INSPIRATION WAS TREIBT DEN KUNDEN ZUM KAUF?

1 Zwei Teilchen in einem Kastenpotenzial

Hochschule Rhein-Main. Sommersemester 2015

Innere Reibung von Gasen

Ausarbeitung des Seminarvortrags zum Thema

A2.3: Sinusförmige Kennlinie

Kapitel 15: Differentialgleichungen

Markov-Prozesse mit stetigem Zustands- und Parameterraum

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, am:

DLP. Adolphe Kankeu Tamghe ALZAGK SEMINAR. Bremen, den 18. Januar Fachbereich Mathematik und Informatik 1 / 27

Non-Deterministische CFD Simulationen in FINE /Turbo

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

Physikalische Grundlagen der Hygrometrie

Hydrodynamik in der Astrophysik: Grundlagen, numerische Verfahren und Anwendungen. Vorlesung an der TU München Wintersemester 2012/13

Kapitel 5 Strömung zu vertikal gefracten Bohrungen

Gase. Der Druck in Gasen. Auftrieb in Gasen. inkl. Exkurs: Ideale Gase

Monte-Carlo Simulation

Ein neues Geschäftsmodell der Lebensversicherung?

Der Anleger im Spannungsfeld von langfristigen Renditen, kurzfristigen Verwerfungen und der Inflationsdrohung

Themengebiet: Mechanik

Das top-quark. Entdeckung und Vermessung

e βεa = 1 β eα Z 1 (β,v ), über die allgemeine Beziehung e αn Z (kl) N (β,v )

Diversifikation

Black Jack - Kartenzählen

Simulink: Einführende Beispiele

Gute Konjunktur und hohe Auslastung der Geschäftsprozesse gehen 2013 zu Lasten des Business Performance Index mittelständischer Unternehmen

Bildanalyse frei diffundierender Nanopartikel in vitro

Finanzmathematik. Absichern und Bewerten von Optionen. Arnold Janssen / Klaus Janßen

Koeffizienten der Logitanalyse. Kurt Holm. Almo Statistik-System

Messwerte und deren Auswertungen

EU - Geflügelmarkt. Ausblick auf die globale Entwicklung am Geflügelmarkt. Wolfgang Christ

Thermodynamik: Definition von System und Prozess

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Spezifische Wärmekapazität

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

Einführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009

Immobilienwirtschaft im Zeichen von Zuwanderung und Verdichtung

Die Aufgaben der Zentren

Informationsverarbeitung im Bauwesen

Betreuer: Lars Grüne. Dornbirn, 12. März 2015

Transkript:

Socio-Economic Modelling Seminar Partielle Differentialgleichung Andreas Günnel 20. Mai 2008 1/29 Andreas Günnel Socio-Economic Modelling

Inhaltsverzeichnis Einleitung 1 Einleitung 2 3 2/29 Andreas Günnel Socio-Economic Modelling

Einleitung Empirische und statistische Vergleiche bezüglich des kollektiven Verhalten zeigen sehr viele Gemeinsamkeiten zwischen verschiedenen Ländern und Märkten. 3/29 Andreas Günnel Socio-Economic Modelling

Grundidee der : Verhalten eines Individuums nicht vorhersehbar ähnlich wie bei der Brownschen Bewegung Energieverteilung von sehr vielen Gasteilchen kann ermittelt werden Eine Gesellschaft aus (hinreichend) vielen Individuen kann näherungsweise beschrieben werden (mithilfe von statistischen Methoden). 4/29 Andreas Günnel Socio-Economic Modelling

Einleitung Betrachtet wird ein einfacher offener Markt aus vielen Händlern mit einem Vermögen w. Kinetische Betrachtungsweise: Eine große Anzahl von Teilchen können untereinander kollidieren und tauschen dabei Energie aus (Boltzmann) 5/29 Andreas Günnel Socio-Economic Modelling

Einleitung Betrachtet wird ein einfacher offener Markt aus vielen Händlern mit einem Vermögen w. Kinetische Betrachtungsweise: Eine große Anzahl von Teilchen können untereinander kollidieren und tauschen dabei Energie aus (Boltzmann) auf unseren Markt übertragen: Gasteilchen mit Energie = Händler mit Vermögen Dabei wird der entsprechende Markt durch die Kollosionsregeln charakterisiert. 5/29 Andreas Günnel Socio-Economic Modelling

Einleitung Betrachtet wird ein einfacher offener Markt aus vielen Händlern mit einem Vermögen w. Kinetische Betrachtungsweise: Eine große Anzahl von Teilchen können untereinander kollidieren und tauschen dabei Energie aus (Boltzmann) auf unseren Markt übertragen: Gasteilchen mit Energie = Händler mit Vermögen Dabei wird der entsprechende Markt durch die Kollosionsregeln charakterisiert. 5/29 Andreas Günnel Socio-Economic Modelling

Einleitung Italienischer Ökonom Vilfredo Pareto hat als Erster die im oberen Bereich beschrieben: F (w) = w f (w )dw w µ, wobei f (w) die Verteilungsdichte und µ der sogenannte Pareto-Index ist (z.b. USA 1.6, Japan 1.8 2.2). Weniger als 20 % besitzen 80 % des Vermögens. 6/29 Andreas Günnel Socio-Economic Modelling

Einleitung Italienischer Ökonom Vilfredo Pareto hat als Erster die im oberen Bereich beschrieben: F (w) = w f (w )dw w µ, wobei f (w) die Verteilungsdichte und µ der sogenannte Pareto-Index ist (z.b. USA 1.6, Japan 1.8 2.2). Weniger als 20 % besitzen 80 % des Vermögens. 6/29 Andreas Günnel Socio-Economic Modelling

Boltzmann-Gleichung Einleitung Sei f = f (w, t) die Wahrscheinlichkeitsdichte von Händlern mit Vermögen w zur Zeit t, dann lautet die Pareto- Boltzmann-Gleichung f = Q(f, f ). t Q ist dabei ein Integraloperator wird durch die eines Geschäfts zwischen 2 Händlern bestimmt. 7/29 Andreas Günnel Socio-Economic Modelling

Erhaltende Modelle für den Handel Für 2 willkürliche Händler mit dem Vermögen v und w kann gelten v = p 1 v + q 1 w; w = p 2 v + q 2 w, wobei p i, qi 0 Konstanten oder Zufallsgrößen sein können. 8/29 Andreas Günnel Socio-Economic Modelling

Eine weitere Möglichkeit ist v = v + (v, w); w = w (v, w) (v, w) = (1 s)[(ε 1)v + εw], dabei ist 0 ε 1 zufällig und s ein vorgegebener Sparfaktor. 9/29 Andreas Günnel Socio-Economic Modelling

Von S. Cordier, L. Pareschi und G. Toscani stammt das Modell v = sv + (1 s)w + ηv; w = (1 s)v + sw + ηw, wobei 1 2 < s < 1, η und η sind unabhängig, identisch verteilte Zufallsgrößen und beschreiben die spontane Entwicklung des Vermögens auftretender Effekt: Reiche werden noch reicher, Arme noch ärmer. 10/29 Andreas Günnel Socio-Economic Modelling

Von S. Cordier, L. Pareschi und G. Toscani stammt das Modell v = sv + (1 s)w + ηv; w = (1 s)v + sw + ηw, wobei 1 2 < s < 1, η und η sind unabhängig, identisch verteilte Zufallsgrößen und beschreiben die spontane Entwicklung des Vermögens auftretender Effekt: Reiche werden noch reicher, Arme noch ärmer. 10/29 Andreas Günnel Socio-Economic Modelling

Simulation Einleitung 16000 Simulierte ( n = 1 mio.) 14000 12000 10000 Anzahl 8000 6000 4000 2000 0 0 10 20 30 40 50 60 70 80 90 100 Vermögen (Durchschnittsvermögen = 80) 11/29 Andreas Günnel Socio-Economic Modelling

Auswertung der Modelle Eine Analyse der Kollision = Handel liefert tiefgehende Analogien zur Granularen Strömungsmechanik. die explizite Fom der Verteilung ist selten auffindbar und numerische Simulation ist sehr aufwendig 12/29 Andreas Günnel Socio-Economic Modelling

Auswertung der Modelle Eine Analyse der Kollision = Handel liefert tiefgehende Analogien zur Granularen Strömungsmechanik. die explizite Fom der Verteilung ist selten auffindbar und numerische Simulation ist sehr aufwendig Mithilfe von PDEs kann jedoch die Grenzverteilung ermittelt werden. 12/29 Andreas Günnel Socio-Economic Modelling

Auswertung der Modelle Eine Analyse der Kollision = Handel liefert tiefgehende Analogien zur Granularen Strömungsmechanik. die explizite Fom der Verteilung ist selten auffindbar und numerische Simulation ist sehr aufwendig Mithilfe von PDEs kann jedoch die Grenzverteilung ermittelt werden. 12/29 Andreas Günnel Socio-Economic Modelling

Fokker-Plank-Gleichung Verteilung konvergiert gegen die Lösung einer Fokker-Plank-Gleichung f t = λ ( v 2 2 v 2 f ) + ((v m)f ). v Zur Vereinfachung wird m = 1 gesetzt und man erhält als Lösung ( ) (µ 1)µ exp µ 1 v f (v) = Γ(µ) v 1+µ, 2 mit µ = 1 + 2 λ > 1 und λ = σ2 /s 13/29 Andreas Günnel Socio-Economic Modelling

Fokker-Plank-Gleichung Verteilung konvergiert gegen die Lösung einer Fokker-Plank-Gleichung f t = λ ( v 2 2 v 2 f ) + ((v m)f ). v Zur Vereinfachung wird m = 1 gesetzt und man erhält als Lösung ( ) (µ 1)µ exp µ 1 v f (v) = Γ(µ) v 1+µ, 2 mit µ = 1 + 2 λ > 1 und λ = σ2 /s 13/29 Andreas Günnel Socio-Economic Modelling

1.4 Boltzmann Pareto Distribution 1.2 1 0.8 Density 0.6 0.4 0.2 0 0 0.2 0.4 0.6 0.8 1 1.2 Wealth 14/29 Andreas Günnel Socio-Economic Modelling

Abbildung: Salvador de Bahia, Brasilien: im O(1)-Teil der 15/29 Andreas Günnel Socio-Economic Modelling

Abbildung: Hongkong: im dünneren O(1)-Teil der 16/29 Andreas Günnel Socio-Economic Modelling

Abbildung: Hongkong: am Ende des Ausläufers 17/29 Andreas Günnel Socio-Economic Modelling

Abbildung: Manhattan: am Ende des Ausläufers 18/29 Andreas Günnel Socio-Economic Modelling

Abbildung: Shanghai, nicht alle erleben den wirtsachaftlichen Aufschwung 19/29 Andreas Günnel Socio-Economic Modelling

Einleitung Die Modelle für die basieren ebenfalls auf stochastischen Effekten. Im Mittel können sie durch DGLs oder PDEs beschrieben werden. Kompriss nach dem Meinungsaustausch Diffusion durch spontane Meinungsänderung 20/29 Andreas Günnel Socio-Economic Modelling

Einleitung Die Modelle für die basieren ebenfalls auf stochastischen Effekten. Im Mittel können sie durch DGLs oder PDEs beschrieben werden. Kompriss nach dem Meinungsaustausch Diffusion durch spontane Meinungsänderung 20/29 Andreas Günnel Socio-Economic Modelling

Einleitung Gegeben ist eine große Menge von Personen, die eine Meinung v [ 1, 1] haben. Ein Meinungsaustauch kann dann sein v = v sp( v )(v w) + ηd( v ); w = w sp( w )(w v) + ηd( w ). P( ) und D( ) beschreiben die Relevanz von Kompromiss bzw. Diffusion. 21/29 Andreas Günnel Socio-Economic Modelling

Fokker-Plank-Gleichung Analog zur lässt sich auch hier eine Fokker-Plank-Gleichung finden: f t = λ 2 ( D( v ) 2 2 v 2 f ) + (P( v )(v m(t))f ). v 22/29 Andreas Günnel Socio-Economic Modelling

Lösung für einen Spezialfall Für den Fall P( v ) = 1 und D( v ) = 1 v 2 erhält man [ f = c m,λ (1 v 2 ) 2+m/(2λ) exp 1 mv ] λ(1 v 2 ) 23/29 Andreas Günnel Socio-Economic Modelling

0.7 Distribution of Opinion Formation 0.6 0.5 0.4 Density 0.3 0.2 0.1 0 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 Opinion 24/29 Andreas Günnel Socio-Economic Modelling

Abbildung: in Isfahan, Iran 25/29 Andreas Günnel Socio-Economic Modelling

Abbildung: Papst Benedikt XVI. auf dem Weltjugendtag 2005 in Köln 26/29 Andreas Günnel Socio-Economic Modelling

Abbildung: George W. Bush auf der Republican National Convention 2004 27/29 Andreas Günnel Socio-Economic Modelling

Abbildung: Gegendemo zur Repulican National Convention 2004, New York 28/29 Andreas Günnel Socio-Economic Modelling

Abbildung: -ohne Worte- 29/29 Andreas Günnel Socio-Economic Modelling