Redes e retornos crescentes: Barabasi encontra Krugman

Numa rede randômica os nós têm uma quantidade aleatória de links. Numa rede complexa scale-free e com hubs, alguns nós têm a maioria dos links e a grande maioria dos outros nós tem pouquíssimos links. Uma distribuição gaussiana caracteriza o primeiro tipo de rede enquanto que uma distribuição do tipo power law caracteriza o segundo tipo de rede. Em redes não randômicas existe uma hierarquia onde os hubs mandam pois tem muito mais acesso aos outros links do que os nós “comuns”, reina uma “topocracia” (ver Borondo et al 2014). Existe uma competição desigual no sentido de que ao longo do tempo um determinado nó coletou muitas arestas e virou um hub, com mais acesso a outras arestas. Um nó comum tem muita dificuldade de competir com um hub pois parte de uma situação inicial pobre em termos de estoque de links acumulados. Barabasi e sua equipe criaram um modelo simplificado que reproduz com incrível precisão esse tipo de dinâmica de redes encontradas na vida real. Trata-se de um modelo simples com três regras: i)uma rede que cresce com novos nós sendo incorporados por links a outros nós a cada momento do tempo; ii)uma regra de conexão preferencial onde cada novo nó prefere se conectar a um nó já existente com muitas conexões (preferencial attachment) e iii) fitness: alguns nós tem competência maior do que outros para acumular links, o que pode em tese ajudar um nó novo a superar a dificuldade de não ter links quando entra na rede.

Com essas três regras Barabasi e sua equipe reproduzem em termos formais as características desse tipo de rede encontrada no mundo real; inclusive em termos de surgimento de distribuições do tipo power laws. O mecanismo de preferential attachment de Barabasi nada mais é do que a conhecida dinâmica de retornos crescentes ilustrado com a urna de Polya e depois generalizado para várias urnas por Yules. H. Simon mostrou que power laws surgem como consequência possível de processos do tipo Yules (Newman 2010). Para estudos em economia essas descobertas são de grande importância pois formalizam e trazem um ganho analítico enorme para insights e regularidades empíricas importantes já conhecidas. Esse tipo de análise traz muitas novas conclusões, especialmente para as discussões da nova geografia econômica e comércio internacional (que A. Marshall, Krugman et al (1999) entre outros já haviam destacado). Esse tipo de dinâmica das redes de Barabasi ilustra bem os processos de retornos crescentes e “path dependent” analisados por Arthur (2015) em seus trabalhos sobre complexidade.

[embedyt] https://www.youtube.com/watch?v=4GDqJVtPEGg[/embedyt]

A microeconomia da produtividade: economias de escala, grandes empresas e grandes países

https://piie.com/experts/peterson-perspectives/trade-talks-episode-66-paul-krugman-talks-trade?fbclid=IwAR3KzR7fkonw4VoEL0268er3QcATGfw7PwTqzoshqLWqPGO5dsS5OXvj5-I

Referencias bibliograficas

Abbate, A., Benedicts, L., Fagiolo, G., Tajoli, L., (2013)  “The International Trade Network in Space and Time, SSRN Electronic Journal, April

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/

Barigozzi, M., Fagiolo, G., Garlaschelli, D., (2010) “Multinetwork of international trade: A commodity-specific analysis, Physical Review E, April

J. Borondo, F. Borondo, C. Rodriguez-Sickert, C. A. Hidalgo (2014), “To Each According to its Degree: The Meritocracy and Topocracy of Embedded Markets”, Scientific Reports 4, Article number: 3784 doi:10.1038/srep03784

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

Deguchi, T., Takahashi, K., Takayasu, H., Takayasu M. (2014) “Hubs and Authorities in the World Trade Network Using a Weighted HITS Algorithm”, PLOS ONE 9(7): e100338. doi:10.1371/journal.pone.0100338

Felipe, J., Kumar, U., Abdon, A., Bacate, M. (2012), “Product complexity and Economic Development”, in Structural Change and Economic Dynamics, June

Fagiolo. G., Reyes,J., Schiavo. S., (2008) “The Evolution of the World Trade Web. A Weighted-Network Analysis”, Journal of Evolutionary Economics August, Volume 20, Issue 4, pp 479-514

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

Hausmann, R.; Hidalgo, C.A.; Bustos, S.; Coscia, M.; Chung, S.; Jimenez, J.; Simões, A.; Yildirim, M. A. (2011) The Atlas of Economics Complexity – Mapping Paths to prosperity. Puritan Press

Hidalgo, C. (2015) Why information grows: the evolution of order, from Atoms to Economies, ed. Basic Books, NY

Hartmann, D., Guevara, M.R., Jara-Figueroa, C., Aristarán, M. Hidalgo, C.(2015), “Linking economic complexity, institutions and income inequality”, arXiv:1505.07907 [q-fin.EC]

Hidalgo, C; Hausmann, R. (2011) “The network structure of economic output”, Journal of Economic Growth, 16(4), pp. 309-42

Hidalgo, C. A., Klinger, B, Barabasi, A., L., and Hausmann, R., (2007) “The product space conditions the development of nations”, Science 27 july: 317 (5837), 482-487. Doi:10.1126/science.1144581

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

Newman, M.E.J., (2010) Networks, an introduction, Santa Fe Institute, Oxford University Press

Rosvall, M. and Bergstrom, C. (2008) “Maps of random walks on complex networks reveal community structure,” Proceedings of the National Academy of Sciences 105, 1118

Serrano, A. and Boguñá, M. (2003) “Topology of the world trade web”, Physical Review E 68, 015101(R), July

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