Kertész János: A gazdaságfizika nem olyan abszurd, mint amilyennek elsőre hangzik
Hogyan változtatják meg életünket az adatok és azok feldolgozása? Miként hasznosítható az egyre nagyobb ütemben gyűlő adathalmaz olyan látszólag távol eső területeken, mint a kereskedelem vagy a társkeresés? Hozhatnak-e áttörést az adatok a gyógyításban, vagy átveszi az ember helyét a tudományban a mesterséges intelligencia? Ezekre a kérdésekre keresik a választ a Közép-európai Egyetem (CEU) Határtalan tudás című sorozatának december 16-i előadásai. Az esemény fő előadója Kertész János Széchenyi-díjas hálózatkutató fizikus, akit egyebek mellett arról kérdeztünk, hogyan hasznosítja a klasszikus fizikai kutatásokban szerzett tapasztalatait olyan tudományközi területeken, mint a gazdaság- vagy a társadalomfizika. A Qubit a Határtalan tudás médiapartnere.
Qubit: Korábban elsősorban fraktálokkal és fázisátalakulásokkal foglalkozó fizikusként tartották számon. A CEU-n hálózatkutatással foglalkozik. Van köze a kettőnek egymáshoz?
Kertész János: A közös alap a statisztikus fizika. Miközben sokan tudják, hogy a múlt századi fizikában milyen forradalmat idézett elő a kvantummechanika, azzal kevesen vannak tisztában, hogy óriási áttörések történtek a statisztikus fizika területén is. A makroszkopikus testeket rendkívül sok részecske alkotja, amelyek kölcsönhatásban vannak egymással. A szóban forgó kölcsönhatások és a részecskék óriási száma miatt rendkívül érdekes dolgok jöhetnek létre a látható világban, egyike ezeknek a fázisátalakulás, ilyen például a fagyás vagy a párolgás. A 20. században sikerült igazán jól megérteni a nagy számú részecskét tartalmazó kölcsönható rendszereket és az azokban előforduló fázisátalakulásokat. Ezeknek az értelmezése alapjaiban változtatta meg a fizikusok szemléletmódját, és jelentősége egészen a részecskefizikáig (például a Higgs-bozon felfedezéséig) ível.
A század végére az is világossá vált, hogy a nagy számú kölcsönható részecskét tartalmazó rendszerek esetére kifejlesztett megközelítések és módszerek más területeken is alkalmazhatók, ahol nem részecskék, hanem vállalatok, személyek, vagy biológiai fajok „hatnak kölcsön”, tehát a gazdaság, a társadalom vagy a biológia területén is. Így kialakultak olyan tudományközi kutatási területek, mint például a gazdaságfizika, illetve a társadalomfizika. A kutatási területeim tehát a statisztikus fizika révén függenek össze. Noha hálózatkutató vagyok, a fraktálok vizsgálatánál tanultak sokat segítenek a hálózatkutatásban.
Az aktuális kutatásaiban milyen gyakorlati haszna van korábbi, évtizedes munkájának?
Például a CEU-n a hálózatokról szóló egyetemi előadásom éppen a fraktálokon szemlélteti a skálafüggetlenség fogalmát. Korábban a Műegyetemen felületfizikával és szemcsés anyagok fizikájával foglalkoztam, illetve ezeknek a fraktál vonatkozásaival – ha úgy tetszik, valódi fizikával. Nem tartozom azok közé, akik egy életen keresztül képesek egyetlen témával foglalkozni. Az 1990-es évek közepén nagyon vonzottak a statisztikus fizika akkor még teljesen újdonságnak számító „egzotikus” problémafelvetései. Elkezdtem pénzügyi elemzésekkel foglalkozni, ott pedig gyakran előtérbe került a hálózatok szerepe. Így nyitott voltam a hálózatkutatásnak az ezredforduló környékén tapasztalható robbanásszerű fejlődésére, amit két tanulmány alapozott meg: a Watts-Strogatz-féle kisvilág-modell, valamint Barabási Albert-László és Albert Réka dolgozata a skálafüggetlen hálózatokról. Más témában ugyan, de például a korrelációs függvények technikájának, vagy a szabadsági fokok eliminálási módszerének ma is nagy hasznát veszem.
Még mindig kérdés, hogy mégis mi keresnivalója van egy fizikusnak a tőzsdén?
Az adatok mágnesként vonzzák a fizikusokat. Az úgynevezett tudományos, vagy fizikai módszer, a természet megismerésének a modern útja, amit Galilei és Newton kezdeményezett és a későbbiekben sokan nagy sikerre vittek, megfigyelésből, kísérletezésből, modellezésből, elméletalkotásból és ezeknek a komponenseknek az állandó egymással való kölcsönhatásából áll. A pénzügyben és a gazdaságban az 1990-es évektől felgyűlő óriási adatmennyiség a fizikusok egy részét izgalomba hozta, hiszen megnyílt az ezekre az adatokra épülő tudományos megközelítés és ugyanitt a fizikai módszerek alkalmazásának a lehetősége. Egészen kiváló fizikusok kezdtek az akkortájt megszülető gazdaságfizika tudományterületén tevékenykedni, és figyelemre méltó megállapításokkal álltak elő. A portfólióoptimalizálásnál például nagyon fontos a diverzifikáció, vagyis az, hogy a kockázatot minél több különbözőképpen viselkedő részvényre kell szétteríteni. Ehhez a véletlenmátrix-elmélet segítségével sikerült hozzájárulni. De a fizikai kutatások módszertanából eredeztethető annak a vizsgálata is, hogy milyen korrelációk lépnek fel különböző tőzsdei operációk között.
Mindezzel közgazdászok is foglalkoznak, már elég régóta. Az ő megfigyeléseik és elméleteik nem voltak elegendőek?
Tény, hogy a fizikusok hajlamosak az arroganciára, arra, hogy megfeledkezzenek más tudományterületek fontos eredményeiről. Valóban nem a fizikusok mondták meg a közgazdászoknak, hogy a portfóliókat diverzifikálni kell. De hozzájárultak annak a megértéséhez, hogy miként lehet a rendelkezésre álló adatokból az optimális portfóliót létrehozni. A modern pénzügyi eszközök komplexitása egyszerre kíván magas matematikai felkészültséget és az adatokkal való bensőséges viszonyt. Ez a párosítás a fizikusok sajátja. A gazdaságfizika nem olyan abszurd, amilyennek elsőre hangzik. Például a matematikai pénzügy atyja, Louis Bachelier francia matematikus a 20. század elején az árfolyam-ingadozások modellezésére kidolgozta a véletlen bolyongás elméletét, amit később Einstein (Bacheliertől függetlenül) alkalmazott a diffúzió fizikai jelenségének magyarázatára.
Fizikai módszerekkel ugyanúgy lehet valószínűségeket társítani egy tőzsdei ügylet potenciális végkimenetéhez, mint ahogy Barabásinak és kutatótársainak a feltörekvő művészek jövőbeli sikeréhez sikerült?
Ez a tőzsdén bonyolultabb kérdés, például azért, mert ha én tudnék jósolni, akkor más is tudna. A rendszer természetéből következik, hogy az esetleges kiskapukat nagyon hamar bezárja maga a rendszer működése. A versengésnek más szerepe van a tőzsdén, mint a művészek vagy a sport esetében. A tudománynak sokkal nagyobb szerepe lehet például annak a megértésében, mi vezet a nagy pénzügyi összeomlásokhoz, és hogyan lehetne azokat elkerülni vagy mérsékelni.
A közgazdászok szerint sehogy, mert azok a rendszer szükségszerű velejárói. Még sincs így?
Én nem vagyok közgazdász, de abban nem hiszem, hogy tévednék, hogy ha többet értünk a pénzügyi folyamatokról, az segíthet csökkenteni a válságok mértékét vagy hatásait. Tény, hogy nagyon messze vagyunk attól, hogy ezeket a folyamatokat megértsük. A legutóbbi, 2008-2009-es válság idején tele voltak azzal a folyóiratok, hogy a közgazdaságtan kudarcot vallott, hiszen az egész recesszióból és főleg annak mértékéből nem látott előre semmit. Nem véletlen, hogy azóta gőzerővel dolgoznak azon, hogy az úgynevezett rendszerszintű kockázatot (systemic risk) megértsék. Ezen a területen egyébként a hálózatelmélet megkerülhetetlen.
A társadalmi jelenségek fizikai módszerekkel való leírása előrehaladottabb állapotban van?
A szociofizika is az ezredforduló táján, az infokommunikációs forradalom nyomán vált népszerűvé. A digitalizáció és az internet rohamtempójú terjedésével szinte minden cselekedetünk megjelenik valahol adat formájában. Noha ezeknek az adatoknak jelentős része nem nyilvános, más részük kutatható. Itt is az történik, hogy az óriási adathalmaz felvillanyozza a fizikusokat. A problémák természetéből fakadóan diszciplínákon átívelő együttműködésekre van szükség. Társadalomtudósok, informatikusok, fizikusok egy új tudományterületet hoztak létre, a számítógépes társadalomtudományt (computational social science), amely azokat a társadalmi kérdéseket feszegeti, amelyek megválaszolása a számítógép alapvető használatán múlik. A hatalmas adattömeg kezelése és elemzése éppúgy ide tartozik, mint az úgynevezett ügynök alapú modellezés, amellyel százezres nagyságrendű szereplővel lehet társadalmi folyamatokat elemezni és modellezni. Ezeknél a kutatásoknál nem arról van szó, hogy valaminek a kiszámításához használni kell a számítógépeket, sokkal inkább arról, hogy a kérdést sem lehetne feltenni a számítógépek nyújtotta komputációs kapacitás hiányában.
Az efféle kérdésfelvetés gyakorlati hasznot is hajt?
Tévhit, hogy csak az a tudomány „jó” tudomány, aminek közvetlen, gyakorlati haszna is van. Ugyanakkor ezen a területen tényleg széles körű lehetőségek adódnak, a tudomány egészen újszerű és gyakorlati hasznot hajtó megközelítéseket tesz lehetővé. Azt ma már sokan tudják például, hogy a járványok terjedése akut veszélyt jelent az emberiségre nézve, aminek az egyik oka, hogy rendkívül könnyűvé vált az utazás, ami miatt az emberek egykettőre eljutnak egymástól távol eső helyekre is. Az ügynök alapú modellezés, a hatalmas adathalmazok és a fizikusok által kifejlesztett módszerek segítségével valós idejű szimulációt lehet tervezni annak kiszámítására, hogy a járvány milyen gyorsan, hogyan és merre terjed majd. Ez nem fikció, valós járványoknál, például a 2010-es évek első felében az Ebola-járvány, vagy a 2000-es években Dél-Kínából induló SARS-járvány kitörésekor is jól vizsgázott a módszer, ami ma már a WHO eszköztárának is részét képezi.
Manapság már természetesnek vesszük, hogy 4-5 napra előre elég nagy pontossággal meg lehet mondani, milyen lesz az időjárás. De nem is olyan régen az időjárás-előrejelzés még inkább képezte vicc tárgyát, mint olyan becslést, amire bármit is alapozni lehetne. Pedig a meteorológusok ugyanazokat az egyenleteket oldják meg 150 éve. Csak épp ma már nem ugyanannyi adatból dolgoznak, és sokkal jobb számítógépeket használnak. A járványjóslás annyival nehezebb, hogy az emberek viselkedése bonyolult és, mint arra a tőzsde kapcsán már utaltam, alkalmazkodó. Így nem írható le olyan technikákkal, mint a természeti törvényeket követő időjárás. Nem lehet például pontosan megmondani, hogyan reagálnak az emberek arra, ha megtudják, hogy a járvány potenciálisan életveszélyes, vagy arra, hogy nincs vagy kevés az oltóanyag. Az sem kőbe vésett, ki hogyan reagál a rémhírekre. Ezért kell nagyszámú, különböző valószínűségű folyamatokat figyelembe vevő számításokat is beépíteni a rendszerbe.
De nem csak a járványterjedés terén lehet eredményeket elérni. Olyan kérdésekre is lehet válaszokat találni, hogyan és mennyivel válik egy csapat stabilabbá, kreatívabbá és hatékonyabbá, ha a szakemberek közé több nőt integrálnak. A számítógépes társadalomtudomány akár a nemek vélt és valós társadalmi szerepét is egészen új perspektívába helyezheti. További felhasználási terület a terrorizmus elleni küzdelem, hiszen minden illegális szervezet hálózatban működik, a hálózattudomány pedig ennek a törvényszerűségeit kutatja. De olyan kérdésekkel is foglalkozunk, milyen összefüggés van egy település társadalmi szerkezete és az ottani korrupciós kockázat között, vagy hogyan lehet hálózattudományi eszközökkel azonosítani azokat a cégeket, amelyeknél erős a gyanú, hogy a közbeszerzéseknél kartelleznek. Ezek a kutatások adatokra, a „Big Data”-ra épülnek. Társadalmi hasznuk pedig nyilvánvaló.
Kapcsolódó cikkek a Qubiten:
