چکیده:
مروری بر نظریه آشوب و کاربردهای آن در اقتصاد
مشیری سعید*
* دانشکده اقتصاد دانشگاه علامه طباطبایی
نظریه آشوب در دهه های اخیر جز پژوهش های علمی رشته های گوناگون مانند فیزیک و ریاضی قرار گرفته است، اما در واقع، مفهوم ساده آن ریشه در برداشت های اولیه انسان در مورد جهان دارد. از نقطه نظر نظریه آشوب، سیستم های پیچیده صرفا ظاهری پرآشوب دارند و در نتیجه، نامنظم و تصادفی به نظر می رسند، در حالی که ممکن است تابع یک جریان معین با یک فرمول ریاضی مشخص باشند. در اقتصاد، بازارهای پولی و مالی یکی از موارد بسیار مناسب برای به کارگیری نظریه آشوب هستند، زیرا، نظریه های موجود در اقتصاد مالی و پولی حاکی از آن هستند که متغیرهای پولی، مانند نرخ ارز و قیمت سهام، تصادفی و در نتیجه، تغییرات آنها غیر قابل پیش بینی هستند. مطابق نظریه آشوب، اگر فرایند تعیین کننده متغیرهای پولی از یک فرایند غیرخطی معین پیروی کند، می توان تغییرات آنها را پیش بینی کرد. کاربردهای نظریه آشوب در اقتصاد به مباحث اقتصاد کلان نیز راه یافته است. در این زمینه نظریه آشوب می تواند به عنوان یکی از توجیهات دوران تجاری و همچنین، عدم تعادل بلند مدت بدون نیاز به دخالت شوک های برون زا در مدل های اقتصاد کلان مورد استفاده قرار گیرد.
در این مقاله، با توجه به نو بودن ادبیات آشوب و بی نظمی در جهان و ایران، سعی شده است مروری سریع بر مفاهیم اولیه و ریاضی آن داشته، کاربردهای متنوع نظریه به ویژه در اقتصاد معرفی شوند. همچنین، روش های گوناگون آزمون آشوب که در واقع بیشترین جنبه کاربردی نظریه است معرفی و ارزیابی شده اند.
خلاصه ماشینی:
"به عنوان مثال،اگرپیشبینیکنندهای قصد داشته باشد سری آشوبی که در نمودار(5)نشان داده شده است را با استفاده از25 مشاهده اولیه پیشبینی کند،قطعا خطای پیشبینی فاحشی را مرتکب خواهد شد هرچند که ازتکنیکهای بسیار پیشرفته برای این کار استفاده کرده باشد.
در این مدل سیاست پولی اثری در سطح تولید ندارد و یا حتی ممکن است اثر منفی نیز بر آن بگذارد،زیرا،در صورت افزایش?(اعمال بیشتر سیاست پولی)احتمال اینکه مقدار a بیشتر از یک بوده یعنی مسیر زمانی y^t واگرا باشد،زیاد خواهد بود.
دردیدگاه اول،به بررسی این مسئله میپردازیم که آیا سری زمانی مورد نظر به وسیله یک فرایند معین یاتصادفی ایجاد شده است؟در دیدگاه دوم،سعی بر این است که تشخیص داده شود آیا سری زمانیحاکی از یک رفتار آشوبی یا غیر آشوبی است؟روشهایی که در دیدگاه اول به کار گرفته میشود،متکیبر تجزیه و تحلیل دامنه همبستگی سیستم هستند.
برای رفع این مشکل،براک و سایرز (Brock and Sayers,1988) آمارهجدیدی را به شرح زیر معرفی کردند: (به تصویر صفحه مراجعه شود)اگر،آماره SC در مقادیر کم به مقدار ثابتی گرایش پیدا کند،دلالت بر این دارد که سری مورد نظر ازیک فرایند آشوبناک پیروی میکند.
یعنی: (به تصویر صفحه مراجعه شود)بنابراین،اگر مقدار K برای یک سری برابر با صفر باشد،حاکی از این است که سری مورد نظر از یکفرایند ساده و قابل پیشبینی پیروی میکند.
Nonlinear Dynamics,Chaos,and Instability:Statistical Theory and Economic Evidence,The MIT Press, 2^nd Printing."