Turbulente og kaotiske systemer
Forleden dag havde jeg endnu engang fornøjelsen af, at lytte til en fantastisk videnskabs-udsendelse på P1 – denne gang om turbulente, komplekse og kaotiske systemer. Det er et forskningsområde indenfor naturvidenskaben som er vanvittig spændende, synes jeg.
Det jeg synes er så spændende ved denne type af forskning er, at der tages et mere realistisk udgangspunkt i den kaotiske verden vi på alle måder lever i. Verden er ikke så velordnet, som meget traditionel videnskab ellers forsøger at koge det ned til. Når der er orden i tingene er de lettere at regne med. Men pointen er bare, at der sjældent er orden i tingene. Verden er et kaotisk rod.
I udsendelsen snakkede de en del om de problemer almindelige statistiske beregninger giver, når man skal bruge dem til at finde ud af hvordan noget udvikler sig – vejret, jordskælv, vands kogepunkt, aktiekurser eller noget helt andet. De normalkurver man tegner passer ikke på virkeligheden. Det er bl.a. derfor det er så umuligt at beregne vejret eller aktiekurserne.
Forskerne i udsendelsen pegede på et meget interessant fænomen: Når de kigger på forskellige former for kaotiske eller turbulente systemer ligner de kurver de tegner utroligt meget hinanden. Vandets kogepunkt, aktiekurser og vejret ser ud til at følge nogle af de samme principper. F.eks. er de store udslag oftere forekomne end det ellers ser ud, når man tegner traditionelle statistiske normalkurver.
Et turbulent system de fleste af os kender er når man er ude og flyve og piloten siger, at der kan komme lidt turbulens. Så ryster flyet lidt, så en masse, så lidt igen. Det kommer i små ryk og stød – helt kaotisk og uden nogen synlig logik. I en statistisk normalkurve vil de store ryk ikke optræde lige så ofte, som det faktisk viser sig at de gør.
Forskerne siger så, at de kurver de kan tegne på f.eks. turbulens under en flyvning meget nøjagtigt matcher aktiekursernes udvikling! Et team af forskere arbejder hos Nykredit med at undersøge den sag nærmere. De regner ikke med at de nogensinde vil kunne forudse alle aktiekurser, men de håber på, at de vil kunne blive lidt bedre til at forstå de udsving der kommer og f.eks. beregne risici mere præcist.
Forskernes generelle håb er, at de måske med tiden kan blive bedre til at forstå disse kaotiske og turbulente systemer og ikke mindst beregne på dem. Det kan få en kæmpe betydning for mange områder – måske endda søgning, på samme måde som fuzzy logisk matematik har fået det.
Fuzzy logisk matematik har iørvigt nogle af de samme elementer i sig, som forskningen i turbulente og kaotiske systemer ved, at begge dele bruges til at beskrive verden mere realistisk. Verden er ikke sort/hvid. De fleste ting består af et væld af farver og gråtoner. Det er langt fra alting der kan beskrives som ja eller nej eller i lige logiske kurver.
I forhold til søgemaskiner tror jeg at denne type forskning kan hjælpe til bedre at fortolke og tilgængeliggøre informationer på en langt bedre måde. I dag er søgemaskinerne f.eks. alle fokuseret på at “ordne nettet” – de tager det kaotiske internet (som det jo virkeligt er) og ordner det for os, sætter det i system, så vores små hjerner kan finde rundt.
Men hvad nu hvis man i stedet for at reducere et smukt kaos til noget linært og stift, kunne lave søgemaskiner, der både forstod dette kaos bedre, på kaossets præmisser, og gav os brugere adgang til at tilgå det med helt andre værktøjer, så kunne det være meget spændende. Det ville kræve en helt ny tilgang til søgning, og naturligvis tage tid for folk at venne sig til, men hvis resultatet er så meget bedre, som jeg tror det kunne blive, så kune det godt blive næste generations søgning.
Rosenstand skriver
Har jeg ikke sagt, du skal holde dig fra de bønner? 😉
Søren Andersen skriver
Selvfølgelig kan Nykredit aldrig komme til at forudse aktiemarkedet. Hvis der var en måde at forudse aktiekursernes udvikling så ville det automatisk indbygges i kurserne, og derved vil sådan et værktøj – hvis det opnår en høj grad af troværdighed – ikke længere forudse udsving, men selv skabe dem.
I mine øjne er statistik, der forsøger at forudse udviklingen i komplekse systemer noget bras. Statistik er godt til historiske begivenheder og simple menneskeskabte systemer.
Mikkel deMib Svendsen skriver
Hvordan tror du man laver vejrudsigter, jordskælvsvarsler og vurderer udviklingen i aktiekurser i dag? Det gør man bl.a. via nogle statistiske modeller, som bare ikke er så gode til at beskrive virkeligheden, da den netop er mere kaotisk og turbulent, end det ellers fremgår af normalkurver. Men det betyder da ikke at det ikke kan forbedres!
Indenfor f.eks. søgeområder, processindustrien osv har Fuzzy Logisk matematik haft en kæmpe betydning. Og på samme måde er jeg sikker på, at statistiske modeller der er bedre til at beskrive kaos end de nuværende vil gøre arbejdet mere præcist.
Så at kalde det noget bras er simpelt hen latterligt, og en barnlig måde at afvise noget bare fordi man ikke forstår det.
Søren Andersen skriver
Jeg afviser bestemt heller ikke at de statistiske metoder kan forbedres, og derfor er jeg glad for at man vil begynde at tage sit udgangspunkt i nogle mere realistiske forudsætninger.
Jeg kan godt komme til at generalisere fra tid til anden, og min afsluttende kommentar var selvfølgelig primært rettet mod de anvendelsesområder af statistik jeg har kendskab til. Det drejer sig bl.a. om statistiske værktøjer til forudsigelse af efterspørgslen i produktionsvirksomheder. Her findes et væld af statistiske modeller til at forudsige efterspørgslen og der findes endda modeller som bygger på alle de andre modeller ved at regne dem alle igennem og bruge den der har været mest præcis igennem en periode. Det er da fint hvis det for en virksomhed viser sig at modellerne stemmer godt overens med den efterspørgsel de oplever, men de her modeller må siges at være sårbare overfor ændringer i virksomhedens praksis som har en indflydelse på efterspørgslen (teknologiske forbedringer, nye produkter, mm.)
I bund og grund er vi vel på vej over i filosofien. Statistik beror i høj grad på antagelsen om determinisme og dermed menneskets ufrivillige adfærd. Jeg tilhører snarere indeterminisme og dermed menneskets frie vilje. Derfor har jeg også en naturlig skepsis overfor statistisk forudsigelse af menneskelig adfærd. Det bliver spændende at se hvad forskerne finder frem til, men jeg tror stadig ikke Nykredit skal gøre sig de store forhåbninger om at forudsige udviklingen i aktiemarkedet, i værste fald vil de ende med at diktere den.
Mikkel deMib Svendsen skriver
I statistik er det ikke et spørgsmål om enten eller – men om hvor tæt på virkeligheden man kommer. Jo tættere man kommer jo mere præcist kan statistikken bruges.
Med bedre statistiske metoder kommer man tættere på, og det er det som er målet – både generelt og for Nykredit. Og det er jeg 110% overbevist om at de vil opnå. Jeg har ikke hørt hverken Nykredit eller andre påstå, at de ville kunne forudse alle kurser – det er din påstand, men at de kan komme tættere på at forstå de udsving der sker, for dette er de traditionelle statistiske metoder slet ikke gode nok til.
Iøvrigt handler statistik om meget mere end bare det som mennesker har indflydelse på – som f.eks. vejret eller jordskælv. Det opsigtsvækkende ved forskningen er så bare, at kurverne for turbulens, jordskælv og andre kaotiske systemer tilsyneladende ligner de samme kurver der er i f.eks. aktiemarkedet, når man sammenligner med historisk data. Det er nyt og det er bestemt spændende, for det åbner for at der måske er en eller anden form for logik gemt i kaos.
Søren Andersen skriver
Jeg snakker ikke om at Nykredit kan komme til at kende kursværdien af alle aktier, det står der jo netop i dit indlæg, at det ikke er tilfældet.
Jeg tænker ud fra den forudsætning at Nykredit er interesserede i om kurserne stiger eller falder og i hvor høj grad de stiger eller falder, da det har indflydelse på deres porteføljer.
I det tilfælde at opbygningen af en model for aktiemarkedet kan anvendes til at gætte – med bedre end tilfældig sandsynlighed – om kursen stiger eller falder, så er mit bud at andre vil kunne udvikle lignende modeller, og hvis de tages i anvendelse på seriøst plan så vil aktien fluktuere i stor overensstemmelse med modellen, fordi den netop giver indikationerne af om der skal købes eller sælges på et givent tidspunkt.
Aktiekurserne bygger jo i høj grad på den information spekulanterne har. Hvis en virksomheds værdi kunne opgøres med 100% sikkerhed så ville der være en aktiekurs som ligger loftet for hvad der er fornuftigt at give for den, og der ville ikke være grund til udsving medmindre der vil opstå forventninger om en ændring i værdiopgørelsen. En statistisk model kan netop skabe sådanne forventninger, hvis den bliver anvendt i stor stil.
Det sker da også at jeg i ny og næ modtager emails fra spammere som er interesserede i at fortælle mig om en kinesisk, der bare stiger og stiger.
Jeg tror jeg sætter et punktum her, for ikke at spilde mere af din tid med min tankegang i forbindelse med emnet.
Mikkel deMib Svendsen skriver
At forestille sig at alle i verden får adgang til de samme beregningsmodeller er lidt naivt. Det er vel derfor Nykredit investerer i denne forskning – for at komme foran de andre, og dermed sikre dem bedre forudsætninger end andre.
Men som sagt interesserer søgemarkedet mig meget mere end aktiemarkedet, og også her kan jeg se virkelig store anvendelsesmuligheder med bedre statistiske modeller. Nettet er jo netop også meget kaotisk af natur, og forsøget på at ordne det i pæne lige rækker – som man meget gør nu, er muligvis helt forkert. I hvert fald tror jeg, at man med tilstrækkeligt gode kaos-modeller kune lave langt bedre søgning, der i langt højere grad reflekterede den sande kaotiske virkelighed, frem for den velfriserede version vi får nu.
For mig at se minder det meget om kunst. Hvis man forsøger at nedbryde kunst til de bestandele det består af – et lærred, noget farve, nogle former osv, så ender man ikke med en forståelse af kunsten. Og det er det vi gør med søgemaskinerne i dag. Søgemaskinerne giver ikke os brugere rigtig adgang til at forstå “kunsten” ved nettet, men forsøger at reducere det til nogle mere spiselige brikker vores små hjerne kan fatte. Og det tror jeg kunne forbedres med bedre kaos-modeller.