4e séminaire CAC "Cliometrics And Complexity"

Chers collègues,

J’ai le plaisir de vous annoncer la tenue du 4^eséminaire CAC "Cliometrics And Complexity" le jeudi 21 mars 2019, à l'ENS de Lyon, campus Monod, salle MGN 117 (1er étage) : cette journée sera marquée par une unité thématique puisque l’accent sera mis sur les liens entre cliométrie et éconophysique et invitera à réfléchir à ce que pourraient être les contours d’une "clio-physique". La dimension prospective en histoire ne sera pas non plus absente avec une contribution de physique expérimentale.

La journée est ouverte à tous. 

Très cordialement

Antoine Parent

Inscription : cliquez ici

Programme : 

10:00 : Accueil 

10:30-11:30 – Bertrand ROEHNER (Laboratoire de Physique Théorique et Hautes Energies (LPTHE), UPMC, Sorbonne University) : « The future of US-China relations: a scientific investigation ».

11:30-12:30 – Marcel AUSLOOS (School of Busincess, University of Leicester, Leicester, UK; and Department of Statistics and Econometrics, Bucharest University of Economic Studies, Romania) : “Sur l’asymétrie et l’aplatissement de distributions socio-économiques non-Gaussiennes”.

12:30-14:00 – Repas

14:00-15:00 – Damien CHALLET (Ecole Centrale - Supelec) : « Causalité et direction du temps dans les marchés financiers et leurs modèles »

15:00-16:00 – Yannick MALEVERGNE (PRISM, Labex ReFi, University Paris 1): “Jump-diffusion model of bubbles and crashes with non-local behavioral self-referencing”

---------------------------------

Bertrand ROEHNER (LPTHE, University of Paris 6) "The future of US-China relations: a scientific investigation"

Abstract:In earlier centuries kings and governments employed astrologists to help them take the best decisions. Present-day governments no longer employ astrologists but still do not have any clear analytical tool to replace them. Over the past two decades we have developed a methodology for the scientific investigation of recurrent historical events. It consists in two steps.
(i) Identification and comparison of historical episodes that are driven by a common mechanism.
(ii) Then, under the reasonable assumption that what has happened several times in the past is likely to happen again, one can derive testable predictions. Actually, this is nothing else than the protocol of experimental science for exploring new phenomena. We believe such a tool will give decision makers a better insight. In the present paper such an analysis is used to study challenges to US hegemony in the Pacific. The conclusion that emerges is based on several historical cases spanning one century. It suggests that it is only by sidelining one of the contenders that the confrontation will end. At the time of writing (i.e. 2018) initial evidence of this power struggle is already visible at three levels (i) Growing US concerns for domestic security leading to a new form of McCarthyism.
(ii) Political instability due to China-US polarization in several South East Asian countries as well as in the countries participating in the ``Belt and Road Initiative''. (iii) Tension and sanctions in procurement and trade.

As throughout this lecture we use the methodology of experimental physics, it should be particularly relevant for experimentalists.

Marcel AUSLOOS (School of Busincess, University of Leicester, UK; and Department of Statistics and Econometrics, Bucharest University of Economic Studies, Romania) : “Sur l’asymétrie et l’aplatissement de distributions socio-économiques non-Gaussiennes”.

Abstract:Les caractéristiques des distributions de variables est un sujet interminable d’investigations dans de nombreux domaines de recherche,  par exemple, en économie et en sociologie. De nombreux travaux examinent la convergence conditionnelle des pics et queues de distributions pour estimer la normalité de données. L’exposant des queues  est souvent discuté. L’asymétrie (« skewness », S) et l’ aplatissement (« kurtosis », K) sont officiellement le troisième et quatrième moment respectivement, d'une distribution. Je proposerai que les relations entre de tels moments d'ordre élevé de distributions de données pointent vers des modèles théoriques avec des paramètres structurels « compréhensibles ». Les données illustreront le sujet concerneront deux cas: (i) la distribution des impôts sur le revenu et (ii) le nombre d’habitants, - après agrégation pour chaque ville dans chaque province d'Italie en 2011. D'ailleurs, à partir de relations de « taille-rang », pour S ou K, dans les deux cas étudiés, on montre qu'on obtient les paramètres d'une distribution de modélisation (hypothétique): dans les deux cas, c'est la fonction Bêta à 2 paramètres, elle-même connexe à la fonction de répartition de Yule-Simon, d'où on déduit un modèle de croissance basé sur un procédé préférentiel d'attachement. Cette discussion sera reliée au mouvement brownien fractionnaire. 

Damien CHALLET (Ecole Centrale - Supelec) : « Causalité et direction du temps dans les marchés financiers et leurs modèles »

Abstract :Comme dans bien des systèmes physiques, le temps s'écoule de façon directionnelle dans les marchés financiers. Alors qu'un grand nombre de modèles des mathématiques financières sont symétriques par rapport au renversement du temps, quelques modèles, tels que les processus de Hawkes, sont construits pour être asymétrique par rapport au renversement du temps (ART). Une première partie de cet exposé montre qu'en fait, il est très difficile de distinguer la direction du temps dans les processus de Hawkes unidimensionnels. La deuxième partie s'intéresse à l'origine nanoscopique de l'ART dans les marchés financiers. Une nouvelle méthode de détermination de réseaux d'avance-retard entre les actions d'agents économiques montre la présence d'ART dans les actions des investisseurs, et que les différents types d'investisseurs ont des ART bien spécifiques.

Yannick MALEVERGNE (PRISM, Labex ReFi, University Paris 1) “Jump-diffusion model of bubbles and crashes with non-local behavioral self-referencing”

Abstract:Most existing jump-diffusion models of financial bubbles and crashes, in particular the class of rational-expectation bubble models, derive the conditional expected return as being proportional to the contemporaneous crash hazard rate as a consequence of the standard risk-return relationship. We argue that the condition matching instantaneously return and risk is unrealistic and misleading because it assumes perfect markets and no friction, which are conditions likely to be even less true in times of exuberant bubbles and of punishing crashes. We propose a novel class of jump-diffusion models in which the hazard rate of correcting jumps is determined by a non-linear S-shaped function of a non-local estimation of mispricing. Specifically, the mispricing is estimated as an exponential moving average of the difference between the present and the past log-prices over a long time scale, typically one year or more. This specification is rooted in behavioral finance, exploiting in particular the traits of “anchoring” on past price levels and on “probability judgment” about the likelihood of a correction as a function of the amplitude of the self-referential mispricing. The insights obtained from analytical and numerical simulations of the model are remarkable. In addition to the standard stylized facts, rising markets are understood as transient regimes when the risk of negative jumps is under-sampled while the investors expect a sufficiently large remuneration to compensate for the large risk they anticipate. This makes quantitative the adage that “markets climb a wall of worry”. Reciprocally, our model cures the fundamental problem of crash jump models, which are in general rejected by data because they assume that crashes occur in a single large negative jump, by describing correctly that correction regimes and crashes are also phases with a significant duration, with inter-dependence between the sequences of corrections mediated by the interplay between the price and jump hazard rate dynamics. We derive analytically the likelihood function and develop expectation-maximization estimation methods that are implemented on synthetic time series and real markets. As a significant bonus, we show that the model calibration provides a robust estimation of the risk premium, event in bearish markets, which is generally hidden. Our model provides a novel understanding of the risk-return relationship resulting from the entanglement of diffusion and jump risks.