O problema da teoria de finanças hoje é basicamente a hipótese de gaussianidade ou normalidade (simples ou sofisticada) usada na maioria dos modelos. Nessa perspectiva as distribuições de probabilidade usadas a priori para se estudar as series de dados tem mais força do que os próprios dados. Na perspectiva rival e alternativa da econofisica os dados mandam, as distribuições usadas são muito mais dependentes dos dados (“data driven”). Para a econofisica as interações entre os agentes de mercado são chave e dai surgem sistemas complexos com “feed backs” de todo tipo e fenômenos emergentes onde o todo é diferente da soma das partes. Os processos são “path dependent”, dependem de suas trajetórias. As series financeiras não são gaussianas e isso se aplica para os mercados de juros, moedas e ações e tantos outros ativos financeiros. Tomemos o belo exemplo de econofisica do voo de Levy: séries de tempo que se comportam em determinadas regiões como gaussianas e dão grandes saltos não lineares para depois voltar a se comportar como series gaussianas, ou com movimento “browniano” (aleatório). Voos de Levy se inspiram em comportamentos de animais em busca por alimentos: percorrem randomicamente uma determinada área e depois “saltam” para outra área para repetir o padrão. Series financeiras que seguem esse tipo de padrão exibem fractalidade, múltiplos equilíbrios, não-linearidades e oscilam entre ordem e desordem. O que é um sistema complexo? Um conjunto de agentes que interagem geram um sistema complexo. O comportamento desses agentes funciona com feed backs e os agentes tem memória. As estratégias de comportamento desses agentes mudam de acordo com a história das interações. Sistemas complexos criados por esse tipo de interação são abertos e, portanto, imprevisíveis. Sistemas desse tipo exibem “vida” e fenômenos emergentes muitas vezes extremos e imprevisíveis. Os fenômenos emergentes aparecem sem a necessidade de um controlador central ou mão invisível. Um sistema complexo oscila entre ordem e desordem.

Exemplos de sistemas que se comportam dessa maneira: mercados financeiros: traders comprando e vendendo um ativo. Trânsito: carros interagindo numa estrada. Bar: pessoas decidindo se ficam ou saem de casa para ir num bar. Metodologias para se estudar sistemas com essa natureza: Abordagens holísticas, orgânicas e macro. Análise histórica do comportamento do sistema. Dicas de leitura: Simply Complexity, Financial Market Complexity e Econophysics. Contribuições concretas vão na direção do entendimento do comportamento de manadas (cardumes ou aglomerações de pássaros ou outros bichos). Muitos sistemas complexos oscilam entre estados de ordem e desordem, sendo as transições entre esses momentos chave para se antecipar comportamentos futuros. Alguns modelos de econofísica tentam modelar e até mesmo antecipar comportamentos de preços de ativos a partir desses insights de dinâmicas de sistemas complexos. A chave para se entender o movimento de preços de ativos está, antes do fundamento econômico, na interação humana acerca de expectativas em relação a esse fundamento. Algo que estava já presente no clássico exemplo de Keynes ao estudar o funcionamento do mercado acionário: o concurso de beleza. No seu famoso exemplo sobre o funcionamento dos mercados Keynes usou a metáfora de um fictício concurso de beleza onde o ganhador seria aquele capaz de escolher as 6 fotos de mulheres mais bonitas de um total de 100. Segundo Keynes, os participantes do concurso provavelmente não escolheriam o rosto mais bonito, mas sim aqueles rostos que achassem mais prováveis de escolha por outros. Keynes entendeu bem a dinâmica dos mercados financeiros, fez uma pequena fortuna como trader de moedas e ações. 

*bom vídeo sobre o tema:https://youtu.be/SYGfWCOA_w0

Referencias bibliograficas

Arthur, W., B. (2015), Complexity and the Economy, Oxford University press, New York.

Barabasi, A.L. (2002) Linked: How Everything Is Connected to Everything Else and What It Means for Business, Science, and Everyday Life, Basic Books ed. NY

Barabasi A.L., (2016) Network Science, http://barabasi.com/networksciencebook/

Cristelli M, Gabrielli A, Tacchella A, Caldarelli G, Pietronero L (2013) “Measuring the Intangibles: A Metrics for the Economic Complexity of Countries and Products”, PLoS ONE 8(8): e70726. doi:10.1371/journal.pone.0070726

Foster, J., (2005) “From simplistic to complex systems in economics”, Cambridge Journal of Economics 29, 873–892, doi:10.1093/cje/bei083

Johnson, N., F., (2007), Simply Complexity, a clear guide to complexity theory, Oneworld publications, Oxford

Sinha, S., Chatterjee, A., Chakraborti, A., Bikas K. (2010) Econophysics: An Introduction, 1st Edition, Wiley-VCH