Chaotic Dynamics of Clifford Attractors and its Application in Economics

Nello studio dei sistemi complessi, gli scienziati cercano spesso schemi che sembrano casuali ma che sono in realtà governati da regole rigorose. Questo campo, noto come teoria del caos, esplora come sistemi semplici possano produrre comportamenti incredibilmente complicati e imprevedibili. Un'idea centrale in questo campo è l' "attrattore", ovvero un modello in cui un sistema si assesta naturalmente nel tempo, proprio come un fiume che alla fine trova la strada verso il mare. Alcuni attrattori sono semplici, portando un sistema verso un unico stato stazionario. Altri sono più intricati, facendo sì che il sistema cicli attraverso un insieme di modelli ripetitivi. I più affascinanti sono gli "attrattori strani", dove il sistema non si ripete mai esattamente, pur rimanendo all'interno di un'area specifica e limitata, creando una forma che appare come un filo aggrovigliato e infinito. Comprendere queste forme aiuta i ricercatori a prevedere come i sistemi, che vanno dai modelli meteorologici ai circuiti elettrici, possano comportarsi, specialmente quando vengono spinti ai loro limiti.

Un team di ricercatori dell'Istituto Indiano di Tecnologia Madras e di altre istituzioni ha approfondito un tipo specifico di attrattore strano noto come attrattore di Clifford. Questo oggetto matematico è definito da un insieme di regole che aggiornano due numeri basandosi su funzioni seno e coseno, che sono modelli ondulatori presenti in tutta la natura. Sebbene le equazioni stesse siano semplici, il comportamento che producono è sorprendentemente ricco. I ricercatori si sono posti l'obiettivo di mappare esattamente come questo sistema si comporta quando i suoi parametri interni vengono modificati. Volevano sapere quando il sistema si sarebbe assestato in un ritmo calmo e prevedibile e quando sarebbe esploso in un moto caotico e imprevedibile. Regolando sistematicamente i quattro numeri principali che controllano il sistema, hanno creato una mappa dettagliata dei suoi possibili comportamenti, rivelando un paesaggio pieno di cambiamenti improvvisi, tasche nascoste di ordine e regioni di intensa complessità.

I ricercatori hanno iniziato cambiando lentamente uno dei numeri di controllo mantenendo fissi gli altri. Mentre lo facevano, osservavano come l'output del sistema evolvesse. Hanno scoperto che il sistema non scivola semplicemente dalla calma al caos; al contrario, attraversa una serie di trasformazioni drammatiche. In alcune regioni, il sistema si assesta in un punto stabile, dove i numeri smettono di cambiare. In altre, entra in un ciclo, ripetendo una specifica sequenza di valori ancora e ancora. Ma man mano che il numero di controllo aumentava, questi cicli raddoppiavano improvvisamente in lunghezza, poi raddoppiavano di nuovo, in una cascata rapida che portava infine al pieno caos. In queste regioni caotiche, il comportamento del sistema diventava così sensibile che anche la minima differenza nel punto di partenza avrebbe portato a un risultato completamente diverso, rendendo impossibile la previsione a lungo termine. Il team ha inoltre scoperto le "finestre periodiche", che sono strette strisce di ordine nascoste nel profondo del caos, dove il sistema ritorna brevemente a un ritmo prevedibile prima di precipitare nuovamente nel disordine.

Per confermare queste scoperte, i ricercatori hanno utilizzato diversi strumenti per misurare il comportamento del sistema. Hanno calcolato un valore che indica quanto velocemente due punti di partenza quasi identici si allontanerebbero l'uno dall'altro; un valore positivo ha confermato che il sistema era effettivamente caotico. Hanno anche applicato un test statistico che agisce come un interruttore binario, dicendo loro con alta certezza se il sistema si stava comportando in modo regolare o caotico. Questi metodi concordavano con le loro mappe visive, mostrando che le regioni caotiche erano reali e robuste. Il team ha anche esaminato la forma dei modelli caotici. Hanno scoperto che, a seconda delle impostazioni, l'attrattore poteva essere un frattale sottile e delicato, simile a un filo sottile e aggrovigliato, o un attrattore "grasso" che riempie l'intero spazio bidimensionale, senza lasciare spazi vuoti. Questa capacità di passare tra diversi tipi di strutture geometriche aggiunge un altro livello di complessità al comportamento del sistema.

Una delle scoperte più sorprendenti è stata il fenomeno della multistabilità. I ricercatori hanno scoperto che, per certe impostazioni, il sistema può esistere in due stati completamente diversi contemporaneamente, a seconda interamente di dove inizia. Se avessero iniziato con un set di numeri iniziali, il sistema si sarebbe assestato in un particolare modello caotico. Se avessero iniziato con un set leggermente diverso, si sarebbe assestato in un modello completamente diverso, anche se le regole che governano il sistema non erano cambiate affatto. Ciò significa che il sistema ha una memoria del suo punto di partenza, e piccoli cambiamenti all'inizio possono portare a futuri molto diversi. Hanno anche osservato l'isteresi, dove il percorso che il sistema compie è importante. Se aumentavano un numero di controllo e poi lo diminuivano, il sistema non ripercorreva i propri passi; al contrario, seguiva una rotta diversa, rimanendo bloccato in uno stato differente. Ciò suggerisce che la storia del sistema influenza il suo comportamento attuale, una caratteristica cruciale per comprendere i sistemi del mondo reale.

Oltre alla pura matematica, i ricercatori hanno esplorato come queste scoperte possano applicarsi all'economia. Hanno costruito un modello di un mercato finanziario utilizzando le stesse regole dell'attrattore di Clifford. In questo modello, un numero rappresentava il prezzo di un asset e l'altro rappresentava l'intensità dell'attività di trading o il sentiment di mercato. I risultati sono stati rivelatori. Quando il mercato era meno sensibile ai cambiamenti, i prezzi rimanevano stabili. Man mano che la sensibilità aumentava, il mercato iniziava a oscillare, muovendosi in cicli di bolle e correzioni. Quando la sensibilità diventava troppo alta, il modello entrava in un regime caotico, dove i prezzi fluttuavano selvaggiamente e in modo imprevedibile, imitando il comportamento di un crash di mercato. I ricercatori hanno scoperto che questi crash non erano causati da shock esterni o cattive notizie, ma erano endogeni, ovvero nascevano naturalmente dai loop di feedback interni del mercato stesso. Il modello ha mostato che l'alta inerzia del trading e un forte feedback del sentiment potevano amplificare la volatilità, portando a estreme deviazioni di prezzo.

Lo studio conclude che l'attrattore di Clifford non è solo una curiosità matematica, ma uno strumento potente per comprendere i sistemi complessi. Esso fornisce un esempio chiaro di come regole semplici possano generare un comportamento ricco e imprevedibile, e offre un quadro per identificare i momenti precisi in cui un sistema sta per passare dalla stabilità al caos. Per gli economisti, ciò suggerisce che le crisi finanziarie potrebbero essere una caratteristica intrinseca della dinamica dei mercati piuttosto che un'anomalia. Mappando i confini tra i regimi stabili e quelli caotici, regolatori e analisti potrebbero potenzialmente identificare segnali premonitori di instabilità del mercato. La ricerca dimostra che anche in un mondo che sembra casuale, esistono strutture e schemi sottostanti che, se compresi, possono aiutarci a navigare nelle complessità dei sistemi in cui viviamo.