🔬 physics

Ab initio simulation of market dynamics

Dieser Beitrag stellt eine *ab-initio*-Simulation von Marktdynamiken vor, bei der rationale Akteure Güter gegen Geld tauschen, und zeigt, dass eine stabile Preisbildung eine Zeitpräferenz erfordert, dass Preisschwankungen algebraische Verteilungsschwänze aufweisen und dass Inflationserwartungen komplexe Oszillationen auslösen können, wobei die Modellierung input-output-ökonomischer Systeme unter diesen Annahmen dennoch herausfordernd bleibt.

Ursprüngliche Autoren: Robert S. Farr

Veröffentlicht 2026-05-20

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Robert S. Farr

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich einen riesigen, digitalen Spielplatz vor, auf dem eine Gruppe von Menschen (genannt „Akteure") verschiedene Gegenstände wie Äpfel, Orangen und Bananen handelt. Sie essen diese Gegenstände während des Handels nicht; sie handeln sie, um einen „Einkaufswagen" zu füllen, den sie erst öffnen und genießen werden, nachdem der Markt geschlossen hat.

Dieses Papier, verfasst von Robert S. Farr, ist ein Versuch, eine Videospiel-Simulation einer Wirtschaft von Grund auf zu entwickeln. Anstatt mit großen ökonomischen Theorien wie „Angebot- und Nachfragekurven" zu beginnen, startet der Autor mit der Psychologie einer einzelnen Person: „Was möchte ich? Wie viel Geld habe ich? Was sollte ich kaufen, um am glücklichsten zu sein?"

Hier ist eine Aufschlüsselung der vier Hauptkapitel dieser Simulation, einfach erklärt:

1. Das Setup: Die „Keine-Spar"-Panik (Modell 1)

In der ersten Version des Spiels haben die Akteure eine sehr kurzfristige Denkweise. Sie wissen, dass sie ihre Waren essen werden, sobald der Handelstag endet, aber jedes Geld, das ihnen übrig bleibt, ist wertlos. Es ist wie ein Geschenkgutschein, der um Mitternacht abläuft; man muss alles ausgeben, bevor die Uhr zwölf schlägt.

Das Problem: Jeder möchte sein ganzes Geld ausgeben, um die besten Waren zu erhalten. Da Geld jedoch nur ein Werkzeug zum Tausch von Waren ist und niemand etwas spart, gerät das System in eine seltsame Schleife fest.
Das Ergebnis: Die Preise werden wahnsinnig. Sie schießen exponentiell in die Höhe, wie ein außer Kontrolle geratener Zug. Dies wird als „Hyperinflation" bezeichnet. Obwohl die Geldmenge im Spiel nie verändert wird, verdoppeln und verdreifachen sich die Warenpreise alle paar Sekunden, weil alle verzweifelt versuchen, ihr Bargeld vor dem Erscheinen des „Game Over"-Bildschirms in Waren umzuwandeln.
Der Lichtblick: Obwohl die Preise explodieren, bleibt das Verhältnis zwischen dem Preis für Äpfel und Orangen relativ stabil. Es ist, als würde alles eine Billion Dollar kosten, aber ein Apfel würde immer noch genau das Doppelte einer Orange kosten.

2. Die Lösung: Lernen zu Sparen (Modell 2)

Der Autor erkannte, dass das Problem darin bestand, dass sich die Akteure nicht um morgen kümmerten. In der zweiten Version ist das Spiel in Zyklen aufgebaut: Produzieren → Handeln → Essen → Wiederholen.

Jetzt wissen die Akteure, dass sie nach dem Essen heute morgen wieder handeln müssen. Daher entscheiden sie, etwas Geld in ihren Taschen als „Sparbuch" für die nächste Runde zu behalten. Sie beginnen auch, sich um die Zukunft zu kümmern (ein Konzept, das als „Zeitpräferenz" bezeichnet wird).

Das Ergebnis: Die verrückte Inflation hört auf! Die Preise werden stabil. Die Akteure handeln, einigen sich auf einen fairen Preis und sparen dann etwas Bargeld, um für den nächsten Tag bereit zu sein. Der Markt findet einen „Sweet Spot", an dem die Preise nicht davonlaufen.
Die Überraschung: Selbst bei stabilen Preisen sind die kleinen Auf- und Abschwünge (Fluktuationen) nicht zufällig wie ein Münzwurf. Sie folgen einem Muster mit „dicken Enden" (fat tails). Stellen Sie sich eine Glockenkurve vor, deren Enden viel dicker sind als üblich. Dies bedeutet, dass extreme Preissprünge (sehr große Abstürze oder Spitzen) viel häufiger auftreten, als die Standardmathematik vorhersagen würde. Dies entspricht dem, was wir an echten Aktienmärkten sehen.

3. Die Wendung: Die „Inflationspanik" (Modell 3)

Als nächstes führte der Autor einen neuen psychologischen Faktor ein: Erwartungen. Was, wenn die Akteure zu denken beginnen: „Hey, die Preise steigen nächste Woche, also kaufe ich besser alles jetzt"?

Das Szenario: Der Autor schüttete plötzlich neues Geld in das Spiel (wie eine Regierung, die Geld druckt).
Das Ergebnis:
- Wenn niemand sich um Inflation kümmert, springen die Preise einmal hoch und beruhigen sich dann.
- Wenn jeder in Panik gerät und erwartet, dass die Preise weiter steigen, wird der Markt verrückt. Die Preise beginnen, gewaltsam zu oszillieren (wellig auf und ab zu schwanken).
- Wenn einige in Panik geraten und andere nicht, entstehen komplexe, chaotische Wellen. Je mehr Menschen glauben, „die Preise werden steigen", desto instabiler wird der Markt. Es ist eine sich selbst erfüllende Prophezeiung: Weil sie erwarten, dass die Preise steigen, kaufen sie mehr, was die Preise steigen lässt, was dazu führt, dass sie noch mehr kaufen.

4. Die Kettenreaktion: Das „Fabrik"-Problem (Modelle 4 & 5)

Schließlich versuchte der Autor, eine komplexere Wirtschaft zu simulieren, in der Waren in einer Kette hergestellt werden.

Die Kette: Akteur A stellt rohes Holz her. Akteur B verwandelt Holz in Bretter. Akteur C verwandelt Bretter in Stühle. Nur die Stühle werden gegessen; das Holz und die Bretter sind nur Schritte im Prozess.
Das Problem: Als der Autor diese „Lieferkette" zu simulieren versuchte, wurden die Preise wieder instabil. Der Preis für das rohe Holz (am Anfang der Kette) würde abstürzen und das gesamte System zum Wackeln bringen.
Der versuchte Fix: Der Autor versuchte, den Holzmachern einen „Plan B" zu geben (sie könnten auf etwas anderes umsteigen, wenn die Holzpreise zu niedrig werden). Dies half, den Absturz zu stoppen, erzeugte aber neue, wilde Oszillationen.
Die Schlussfolgerung: Der Autor fand heraus, dass es sehr schwierig ist, die Preise in einer komplexen Lieferkette nur mit diesen einfachen Regeln stabil zu halten. Das System neigt dazu, zusammenzubrechen oder zu wackeln, es sei denn, die Lieferkette ist sehr kurz oder „internalisiert" (jeder macht alles selbst).

Die große Erkenntnis

Dieses Papier ist ein Experiment „von Grund auf" (ab initio). Es zeigt, dass:

Einfache Regeln komplexes Chaos erzeugen: Man braucht keine Zentralbank oder komplexe Gesetze, um Inflation oder Marktabschüsse zu bekommen; man braucht nur Menschen, die rational mit kurzfristigen Zielen handeln.
Sparen stabilisiert den Markt: Wenn sich die Akteure um die Zukunft kümmern und Geld sparen, beruhigen sich die Preise.
Erwartungen treiben die Volatilität: Wenn die Menschen glauben, dass die Preise steigen werden, lassen sie sie steigen, was oft zu wilden Schwankungen führt.
Komplexe Ketten sind zerbrechlich: Die Simulation langer Produktionslinien (wie Rohstoffe, die in Endprodukte umgewandelt werden) ist viel schwieriger stabil zu halten als ein einfacher Markt.

Der Autor kommt zu dem Schluss, dass dieses Modell zwar einige reale Phänomene (wie „fat tail"-Preissprünge) erfasst, aber Schwierigkeiten hat, die Stabilität realer Lieferketten perfekt nachzuahmen. Dies legt nahe, dass reale Volkswirtschaften möglicherweise komplexere Regeln als nur „rationale Akteure" benötigen, um stabil zu bleiben.

Technische Zusammenfassung: Ab-initio-Simulation von Marktdynamiken

Problemstellung
Der Artikel adressiert eine Lücke in der ökonomischen Modellierung: die Knappheit an ab-initio-Simulationen, bei denen ein vollständiger Markt aus fundamentalen Modellen der Wünsche und Restriktionen von Akteuren entsteht. Während die klassische Ökonomie auf Angebots- und Nachfragekurven sowie Input-Output-Modellen zur Vorhersage des Gleichgewichts beruht, gehen diese oft von statischen Beziehungen aus (z. B. steigt die Nachfrage, wenn der Preis fällt), ohne die dynamischen Kompromisse zu modellieren, die Akteure beim gleichzeitigen Handel mit mehreren Gütern eingehen. Bestehende physikalisch inspirierte Modelle (z. B. kinetische Gastheorie, Netzwerkanalyse) konzentrieren sich häufig auf die Vermögensverteilung oder Potenzgesetze, simulieren aber selten das selbstkonsistente, rationale Verhalten unabhängiger Akteure, die über spezifische Marktregeln interagieren, um Preisentwicklungen und Schwankungen von Grund auf zu erzeugen.

Methodik
Der Autor konstruiert einen Simulationsrahmen, der eine Population von $A$ Akteuren umfasst, die über einen Doppelauktionsmechanismus mit $G$ Märkten für unterschiedliche Güter interagieren. Die Methodik durchläuft vier iterative Modelle zunehmender Komplexität:

Marktmechanik:
- Regeln: Akteure ziehen zufällig am Zug. Sie können Kauf-/Verkaufsaufträge platzieren oder bestehende Aufträge annehmen. Die Orderbücher haben eine maximale Kapazität ( $N_{max}$ ); überzählige Aufträge verdrängen die am wenigsten vorteilhaften bestehenden Aufträge.
- Restriktionen: Akteure können keine offenen Aufträge für ein Gut halten, das sie gerade handeln. Geld ist unendlich teilbar, hat keinen intrinsischen Konsumwert und dient ausschließlich als Tauschmittel.
- Zeit: Simulationen verlaufen in „Rotationen" (wobei Akteure am Zug sind) und „Handelsperioden" (Gruppen von Rotationen).
Akteurpsychologie (Nutzenfunktionen):
- Modell 1 (Keine Zeitpräferenz): Akteure maximieren den Nutzen ausschließlich basierend auf dem Konsum von Gütern nach einer einzigen Handelsperiode. Die Nutzenfunktion lautet $\Omega_a = 2 \sum d_{a,g} \sqrt{x_{a,g}}$ , wobei $x_{a,g}$ das Volumen des Gutes $g$ ist. Geld hat nach dem Handel keinen Wert.
- Modell 2 (Zeitpräferenz): Um Hyperinflation zu verhindern, führt das Modell die Verderblichkeit von Gütern und einen Zeitpräferenzparameter $f_a$ ein. Akteure maximieren den Nutzen über die aktuelle und die nächste Konsumperiode: $\Omega_a(t) = 2 \sum d_{a,g} [\sqrt{x_{a,g}(t)} + f_a \sqrt{x_{a,g}(t+1)}]$ . Akteure müssen Geld halten, um die Lücke zwischen den Perioden zu überbrücken.
- Modell 3 (Inflationserwartungen): Akteure werden über vergangene Preisinflation ( $I_p$ ) informiert. Der Zeitpräferenzparameter wird dynamisch auf $f_a / I_p$ angepasst, wodurch der zukünftige Wert basierend auf erwarteten Preissteigerungen abdiskontiert wird.
- Modell 4 & 5 (Input-Output-Ketten): Der Rahmen wird um „Konverter"-Akteure erweitert, die während Produktionsperioden ein Gut in ein anderes umwandeln. Modell 5 führt ein „Existenzminimum-Gut" ein und erlaubt Akteuren, basierend auf relativen Preisen die Produktionslinien zu wechseln, um die Preisstabilität in Lieferketten zu testen.
Heuristiken:
- Akteure berechnen ihren „Liquidationswert" (aktueller Portfolio-Wert zu Marktpreisen).
- Sie bestimmen ein „optimales Portfolio" basierend auf der aktuellen Nutzenfunktion und den Marktpreisen.
- Sie führen Handelsgeschäfte durch, um von ihrem aktuellen Portfolio in Richtung des Optimums zu gelangen, wobei sie Güter priorisieren, bei denen die Lücke zum Ziel im Verhältnis zur Zielgröße am größten ist, unter Beachtung der Budgetbeschränkungen.

Hauptergebnisse

Hyperinflation in Modell 1: Ohne Zeitpräferenz zeigt das System ein exponentielles Preiswachstum (Hyperinflation). Da Akteure ihr gesamtes Geld ausgeben möchten, die Geldmenge jedoch festgelegt ist, nimmt das Handelsvolumen ab, wenn sich Akteuren ihren optimalen Portfolios nähern, dennoch steigen die Preise, weil das „frustrierte" System Geld zwingt, zu höheren Nominalwerten zu zirkulieren, um Geschäfte zu liquidieren. Dennoch entsteht ein stabiles relatives Preisverhältnis zwischen den Gütern, das konsistent mit einem Tauschverhältnis ist, das sich aus der Verteilung der Akteure ableitet.
Stabile Preise in Modell 2: Die Einführung einer Zeitpräferenz ( $f_a > 1$ ) und verderblicher Güter stabilisiert die Preise. Akteure halten Geld als Wertaufbewahrungsmittel für zukünftigen Konsum. Die Simulation zeigt, dass der Rückgang des Handelsvolumens (während Akteure das Optimum erreichen) genau durch die reduzierte Geldnachfrage (da Akteure für die Zukunft sparen) kompensiert wird, was zu stabilen absoluten Preisen führt.
Preisschwankungen: Im stabilen Regime weisen Preisschwankungen „algebraische Schwänze" (fette Schwänze) auf, weichen von einer reinen Gauß-Verteilung ab und stimmen mit einer Log-Normal-Verteilung mit schweren Schwänzen überein, ein Phänomen, das in realen Finanzmärkten beobachtet wird.
Inflationserwartungen (Modell 3): Die Einführung von Inflationserwartungen führt zu komplexer Dynamik. Wenn alle Akteure inflationsempfindlich sind, zeigt das System große, nicht-sinusförmige Oszillationen. Wenn nur ein Bruchteil der Akteure empfindlich reagiert, zeigt das System gedämpfte Oszillationen für niedrige Empfindlichkeitsanteile, geht jedoch bei Überschreiten eines kritischen Schwellenwerts des Anteils empfindlicher Akteure (ca. 30 % in der Simulation) in persistente, komplexe Oszillationen (mit höherfrequenten Komponenten) über.
Input-Output-Instabilität (Modelle 4 & 5): Der Versuch, Lieferketten (Input-Output-Netzwerke) zu modellieren, erweist sich als schwierig. Selbst mit einem „Wettbewerbsfaktor" zur Förderung einer frühen Preisbildung neigen Preise am Anfang der Kette dazu, im Laufe der Zeit zusammenzubrechen, bedingt durch Preisunelastizität (Produzenten produzieren weiterhin, unabhängig von niedrigen Preisen). Die Einführung eines umschaltbaren „Existenzminimum-Gutes" (Modell 5) verhindert einen totalen Preisverfall, induziert jedoch neue, instabile großskalige Oszillationen, was darauf hindeutet, dass eine stabile Preisbildung in nicht-trivialen Lieferketten innerhalb dieses spezifischen Rahmens schwer zu erreichen ist.

Bedeutung und Behauptungen
Der Artikel behauptet, den ersten ab-initio-Nachweis zu liefern, bei dem „fette Schwänze" in Preisschwankungen natürlich aus einem Modell interagierender rationaler Agenten entstehen, die eine Nutzenfunktion optimieren, anstatt sie über stochastische Differentialgleichungen (wie die nichtlineare Fokker-Planck-Gleichung) vorzugeben.

Der Autor vertritt die These, dass zwar eine Universalität im ökonomischen Verhalten nicht garantiert ist, die Existenz eines vollständigen, selbstkonsistenten Modells jedoch die Suche nach solchen Universalitätsklassen ermöglicht. Die Arbeit hebt hervor, dass:

Zeitpräferenz eine notwendige Bedingung für eine stabile Preisbildung in einem geschlossenen System mit fester Geldmenge ist.
Inflationserwartungen ein System destabilisieren können, was selbst bei minimalen Annahmen zu oszillatorischer Dynamik führt.
Lieferkettenmodellierung über diesen agentenbasierten Ansatz inhärente Schwierigkeiten bei der Aufrechterhaltung der Preisstabilität ohne zusätzliche Mechanismen (wie Lagerhaltung oder komplexere Produktionsbeschränkungen) aufdeckt, was nahelegt, dass reale Volkswirtschaften möglicherweise eine „Verlagerung ins Haus" langer Lieferketten oder komplexerer Interaktionen benötigen, um stabil zu bleiben.

Der Artikel schließt bescheiden, indem er anerkennt, dass die Modelle zwar vereinfacht sind, aber einen Rahmen bieten, in dem jeder Aspekt des Prozesses sichtbar und analysierbar ist, was Konzepte wie Geldumlaufgeschwindigkeit und Hyperinflation möglicherweise klären könnte. Er beansprucht nicht, alle ökonomischen Dynamiken zu lösen, sondern bietet eine mechanistische Grundlage für die Untersuchung emergenter Marktverhalten.

1. Das Setup: Die „Keine-Spar"-Panik (Modell 1)

2. Die Lösung: Lernen zu Sparen (Modell 2)

3. Die Wendung: Die „Inflationspanik" (Modell 3)

4. Die Kettenreaktion: Das „Fabrik"-Problem (Modelle 4 & 5)

Die große Erkenntnis

Mehr davon