📈 economics

The Quantum Structure of Markets: Linking Hamiltonian-Jacobi-Bellman Dynamics to Schrodinger Equation through Feynman Action

Il paper sviluppa un approccio di controllo stocastico basato sull'integrale di cammino euclideo per caratterizzare il comportamento ottimale delle imprese in equilibrio di mercato, offrendo un'alternativa trattabile alle tradizionali equazioni di Hamilton-Jacobi-Bellman e derivando un equilibrio di Nash feedback non cooperativo in contesti con equazioni differenziali stocastiche non lineari.

Autori originali: Paramahansa Pramanik

Pubblicato 2026-03-27

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Paramahansa Pramanik

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Il Titolo: "La Struttura Quantistica dei Mercati"

Immagina il mercato finanziario non come una folla di persone che urlano prezzi, ma come un oceano in tempesta. In questo oceano, ogni azienda è come un piccolo sottomarino che cerca di navigare verso la ricchezza (il profitto) evitando di affondare.

Questo articolo, scritto dal Prof. Paramahansa Pramanik, propone un modo rivoluzionario per capire come questi "sottomarini" dovrebbero muoversi. Invece di usare le vecchie mappe matematiche (che spesso si rompono quando le onde sono troppo alte), l'autore usa la fisica quantistica (la scienza delle particelle più piccole) per prevedere il futuro.

Il Problema: La Mappa che si Rompe

Per decenni, gli economisti hanno usato una formula chiamata HJB (Equazione di Hamilton-Jacobi-Bellman) per trovare la rotta migliore per le aziende.

L'analogia: Immagina di dover guidare un'auto in una nebbia fitta. La formula HJB è come un GPS che calcola la strada perfetta guardando tutte le possibili strade future contemporaneamente.
Il problema: Se la nebbia è troppo fitta (il mercato è troppo complesso, caotico o non lineare) o se ci sono troppe auto (troppe aziende), il GPS si blocca. Diventa troppo pesante per il computer, come cercare di contare ogni singola goccia di pioggia in un uragano.

La Soluzione: Il "Viaggio di Tutte le Strade" (Feynman Path Integral)

L'autore suggerisce di cambiare approccio. Invece di cercare una strada perfetta, immagina che l'azienda provi tutte le strade possibili allo stesso tempo, proprio come fa una particella quantistica (un elettrone) quando attraversa due fessure.

Ecco come funziona la nuova metodologia, passo dopo passo:

L'Azionista come Particella:
L'azienda non è un'entità rigida, ma una "particella" che si muove in modo casuale (come una foglia nel vento). Il suo movimento è descritto da equazioni stocastiche (matematica del caso).
Il "Cammino" (Path Integral):
Invece di dire "Andiamo dalla A alla B", il metodo dice: "Guardiamo tutti i possibili percorsi che l'azienda potrebbe fare". Alcuni percorsi portano a profitti enormi, altri a fallimenti.
- L'analogia: Immagina di lanciare 10.000 dadi. Ogni dado rappresenta un possibile futuro per l'azienda. La maggior parte dei dadi mostrerà numeri bassi (scarsi profitti), ma alcuni mostreranno numeri alti.
Il "Filtro" (Integrating Factor):
Qui entra in gioco la magia. L'autore introduce una funzione speciale (chiamata g o "fattore di integrazione") che agisce come un filtro magico.
- Questo filtro non ha bisogno di calcolare un "valore futuro" complesso (che è difficile da trovare). Invece, guarda il percorso ora e dice: "Questo percorso è promettente, tienilo in considerazione. Quello è pessimo, scartalo".
- È come se avessi un occhio che vede il futuro non come una previsione fissa, ma come una probabilità.
L'Equazione di Schrödinger (La Musica del Mercato):
Il risultato di questo processo è un'equazione che assomiglia a quella usata nella meccanica quantistica per descrivere gli atomi (l'equazione di Schrödinger).
- Invece di dire "L'azienda farà X", l'equazione ci dice qual è la probabilità che l'azienda si trovi in una certa posizione.
- È come ascoltare la musica del mercato: non senti una singola nota, ma un'armonia di tutte le possibili note suonate insieme.

Perché è Importante? (I Vantaggi)

Funziona dove gli altri falliscono: Quando il mercato è molto complesso (non lineare), i vecchi metodi si bloccano. Questo metodo, usando il "campionamento" (come simulare migliaia di percorsi), riesce a trovare soluzioni anche in scenari caotici.
Nessuna "Sfera di Cristallo" perfetta: Non cerca la soluzione unica e perfetta (che spesso non esiste nei mercati reali). Trova la strategia migliore data l'incertezza.
Gioco di Squadra (Nash Equilibrium): L'articolo mostra anche come questo metodo funziona quando ci sono molte aziende che competono tra loro. Immagina una partita a scacchi dove ogni pezzo è una particella quantistica: il metodo calcola come muoversi sapendo che anche gli avversari stanno facendo lo stesso calcolo.

Esempi Pratici nel Testo

L'autore usa esempi concreti per mostrare che funziona:

Pubblicità: Un'azienda decide quanto spendere in pubblicità. Il metodo calcola la spesa ottimale considerando che il mercato cambia casualmente ogni giorno.
Estrazione di Risorse: Due aziende devono decidere quanto estrarre da un pozzo di petrolio. Il metodo trova l'equilibrio perfetto dove nessuna delle due vuole cambiare strategia, anche se il prezzo del petrolio oscilla.
Opzioni Finanziarie: Viene usato per calcolare il prezzo di opzioni finanziarie complesse (come quelle di Merton-Garman) che i metodi tradizionali faticano a risolvere.

In Sintesi: Cosa ci insegna?

Questo articolo ci dice che per navigare nei mercati moderni, caotici e pieni di incertezze, dobbiamo smettere di cercare la "mappa perfetta" e iniziare a usare un compasso probabilistico.

Invece di chiederci "Qual è la strada giusta?", dobbiamo chiederci: "Quali sono tutte le strade possibili e come pesare quelle migliori?". È un approccio che prende in prestito la saggezza della fisica quantistica per risolvere i problemi dell'economia, trasformando il caos del mercato in una danza calcolata di probabilità.

La morale della favola: Quando il mondo è troppo complesso per essere previsto con certezza, la soluzione migliore è imparare a danzare con l'incertezza, usando la matematica come il nostro partner di ballo.

1. Il Problema e il Contesto

Il paper affronta la determinazione del comportamento ottimale delle imprese in economie caratterizzate da equilibrio walrasiano, efficienza paretiana e equilibrio di Nash feedback non cooperativo in presenza di dinamiche stocastiche complesse.

Il problema centrale risiede nelle limitazioni dei metodi di ottimizzazione dinamica tradizionali, in particolare l'equazione di Hamilton-Jacobi-Bellman (HJB). In ambienti con:

Dinamiche stocastiche non lineari (es. modelli Merton-Garman-Hamiltonian).
Alte dimensionalità dello stato (curse of dimensionality).
Assenza di condizioni di terminalità esplicite o strutture ricorsive standard (problemi "forward-looking" con vincoli di impegno intertemporale).

L'approccio HJB classico richiede la costruzione esplicita di una funzione valore, che spesso porta a equazioni differenziali alle derivate parziali (PDE) non lineari, difficili o impossibili da risolvere analiticamente e computazionalmente onerosi in spazi ad alta dimensione. Inoltre, in contesti con informazione imperfetta e incompleta, la soluzione globale unica potrebbe non esistere.

2. Metodologia: Integrale di Percorso Euclideo e Azione di Feynman

L'autore propone un approccio alternativo basato sulla teoria quantistica dei campi e sull'integrale di percorso di Feynman, adattato al controllo stocastico economico.

Concetti Chiave Metodologici:

Lagrangiana Stocastica e Vincoli Isoperimetrici: Il problema di profitto dinamico è riformulato come un sistema di controllo stocastico con un funzionale di Lagrange. Si introduce un vincolo isoperimetrico stocastico non olonomo, dove l'integrale del funzionale di costo/rischio è mantenuto costante quasi certamente.
Trasformazione di Wick e Equazione di Schrödinger:
- Invece di risolvere direttamente l'HJB non lineare, l'autore utilizza una trasformazione esponenziale (simile alla trasformazione di Cole-Hopf o alla rotazione di Wick) per mappare la funzione valore (o il funzionale di profitto) in una "funzione d'onda" $\Psi$ .
- Questa trasformazione converte l'equazione HJB non lineare in un'equazione di tipo Schrödinger (o equazione di Fokker-Planck in avanti) lineare.
- La relazione fondamentale è: $\Theta(X,s) = \exp\{-\frac{1}{\omega}\bar{\Pi}(X,s)\}$ , dove $\bar{\Pi}$ è il profitto e $\Theta$ soddisfa un'equazione di diffusione lineare.
Integrale di Percorso (Path Integral):
- La soluzione non è cercata su una griglia dello stato (come nei metodi HJB discreti), ma attraverso la somma su tutte le traiettorie ammissibili possibili.
- Si definisce un'azione di Feynman $A_{s,\tau}(X)$ che aggrega i contributi di profitto e i vincoli dinamici lungo ogni percorso.
- Le strategie ottimali sono recuperate dalle condizioni del primo ordine applicate a questa rappresentazione integrale, senza bisogno di una funzione valore globale.
Fattore Integrante $g(s,X)$ : Un elemento cruciale della metodologia è la scelta di una funzione $g(s,X)$ (analoga a un fattore integrante per le SDE) che permette di sostituire la dinamica stocastica originale con un processo di Itô ben definito, facilitando l'applicazione del Lemma di Itô per derivare l'equazione di Schrödinger rotata.

3. Contributi Chiave

Derivazione dell'Equilibrio di Nash Feedback: Il paper deriva formalmente un equilibrio di Nash feedback non cooperativo all'interno del quadro dell'integrale di percorso, confrontandolo con le interazioni di campo medio (Mean-Field Games).
Alternativa alla Funzione Valore: Dimostra che è possibile caratterizzare le politiche ottimali senza costruire esplicitamente la funzione valore, aggirando le difficoltà computazionali delle PDE non lineari ad alta dimensionalità.
Generalità per Sistemi Non Lineari: L'approccio è applicabile a sistemi con dinamiche stocastiche non lineari (es. volatilità stocastica nei modelli Merton-Garman) dove il Principio di Massimo di Pontryagin o l'HJB falliscono o diventano intrattabili.
Connessione tra Micro e Macro: Offre una prospettiva unificante che collega le decisioni individuali stocastiche (traiettorie) con l'evoluzione della distribuzione trasversale delle imprese (equazione di Fokker-Planck), simile alla struttura accoppiata nelle teorie dei giochi a campo medio.

4. Risultati Principali

Il paper presenta diverse proposizioni e esempi numerici che validano il metodo:

Proposizione 2 (Equilibrio Walrasiano): Fornisce una condizione analitica per la strategia ottimale in termini di derivate di una funzione $f$ (combinazione di profitto e fattore integrante), risolvendo un'equazione differenziale che porta a una strategia di feedback.
Esempio 1 & 2 (Confronto HJB vs. Quantum):
- In un caso lineare-quadratico, il metodo recupera risultati coerenti ma offre una via computazionale diversa.
- In un caso con dinamica non lineare, il metodo "Quantum" (integrale di percorso) produce una strategia di feedback cubica, mentre il Principio di Pontryagin (basato su HJB) fornisce una soluzione lineare o banale (es. $u=0$ o $u=2bX/3$). Questo dimostra come l'approccio quantistico catturi curvature e non linearità che il metodo classico potrebbe perdere o non risolvere.
Esempio 3 & 4 (Cooperazione Pareto e Risorse): Il metodo è esteso a problemi cooperativi (ottimalità paretiana) e giochi di estrazione di risorse. I risultati mostrano strategie diverse rispetto a quelle derivate con Pontryagin, evidenziando la sensibilità alla scelta del fattore integrante $g$ .
Proposizione 3 (Merton-Garman-Hamiltonian): Estende il metodo a opzioni europee con volatilità stocastica, un caso in cui l'HJB è notoriamente difficile da risolvere. L'approccio fornisce una soluzione strategica ottimale dove i metodi classici falliscono.
Simulazioni Numeriche: Le simulazioni Monte Carlo (Fig. 3-8) dimostrano la stabilità numerica del metodo, la sua capacità di gestire l'alta dimensionalità senza la "maledizione della dimensionalità" tipica delle griglie HJB, e la robustezza delle traiettorie di mercato simulate.

5. Significato e Implicazioni

Superamento della "Curse of Dimensionality": Spostando il calcolo dalla discretizzazione dello spazio degli stati (che scala esponenzialmente) al campionamento di percorsi (che scala linearmente con il numero di traiettorie), il metodo rende trattabili problemi di controllo stocastico in economie con molte imprese o variabili di stato.
Nuova Lente Teorica: Introduce una connessione profonda tra la meccanica quantistica (azione, integrali di percorso, equazione di Schrödinger) e l'economia dinamica, suggerendo che il comportamento ottimale in mercati incerti può essere modellato come un processo di diffusione probabilistica piuttosto che come una determinazione deterministica di una funzione valore.
Applicabilità Pratica: Il metodo è particolarmente utile in scenari reali dove le dinamiche di mercato sono non lineari, i dati sono incompleti e le soluzioni globali uniche non esistono. Offre un framework per la selezione dell'equilibrio e l'aggregazione in economie con agenti eterogenei.
Implicazioni Interdisciplinari: Oltre all'economia, il framework è applicabile alla biologia (es. dinamica dei tumori, migrazione animale) e alla teoria del controllo, fornendo un linguaggio comune per sistemi stocastici complessi.

In sintesi, il paper propone un cambio di paradigma: invece di risolvere equazioni differenziali per trovare una funzione valore, si utilizza l'integrale di percorso per pesare le traiettorie stocastiche, ottenendo strategie ottimali che sono più robuste, scalabili e capaci di catturare la complessità non lineare dei mercati reali.