📈 economics

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

Dit artikel introduceert een Euclidisch pad-integraalbesturingskader dat de Hamilton-Jacobi-Bellman-dynamica koppelt aan de Schrödingervergelijking via Feynman-actie om optimale, niet-coöperatieve feedback Nash-evenwichten in complexe markten te karakteriseren zonder een expliciete waardenfunctie te vereisen.

Oorspronkelijke auteurs: Paramahansa Pramanik

Gepubliceerd 2026-03-27

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Paramahansa Pramanik

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat de economie een enorme, chaotische dansvloer is. Op deze vloer dansen duizenden bedrijven, elk met hun eigen stappen, gedreven door willekeurige muziek (de markt) en hun eigen wens om de meeste aandacht (winst) te krijgen.

Dit artikel, geschreven door Paramahansa Pramanik, probeert een nieuwe manier te vinden om te voorspellen hoe deze bedrijven hun dansstappen moeten zetten om het beste resultaat te behalen. De auteur gebruikt hiervoor een briljante, maar complexe truc: hij kijkt naar de economie door de bril van kwantumfysica.

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het oude probleem: De "Gids" die verdwaalt

Traditioneel proberen economen en wiskundigen het gedrag van bedrijven te voorspellen met een methode die de HJB-vergelijking heet.

De analogie: Stel je voor dat je een berg beklimt en je wilt de snelste route naar de top vinden. De oude methode probeert een perfecte, gedetailleerde kaart te tekenen van elke mogelijke plek op de berg voordat je begint.
Het probleem: Als de berg heel groot is (veel bedrijven) en het terrein is erg onregelmatig (chaotische markten), wordt die kaart zo groot dat hij niet meer te tekenen is. Het is als proberen een kaart te maken van elke druppel regen in een storm. De computer "verdwelt" in de complexiteit.

2. De nieuwe oplossing: De "Feynman-padintegralen"

De auteur stelt voor om de kaart niet te tekenen, maar in plaats daarvan te kijken naar alle mogelijke routes die een bedrijf zou kunnen nemen, en te kijken welke routes het meest waarschijnlijk zijn.

De analogie: In plaats van één perfecte kaart te maken, laten we duizenden kleine robotjes (virtuele bedrijven) alle mogelijke paden op de berg lopen. Sommige robotjes lopen tegen een rotswand op (slechte strategieën), andere lopen soepel naar beneden (goede strategieën).
De magie: De auteur gebruikt een wiskundige formule (de Feynman-actie) die zegt: "Kijk naar alle paden, maar geef de paden die veel winst opleveren een heel zware 'gewicht' en de slechte paden een heel lichte."
Het resultaat: Als je al die gewogen paden optelt, krijg je vanzelf de beste route te zien, zonder dat je ooit een enorme kaart hoeft te tekenen. Dit is veel sneller en werkt zelfs als de markt heel chaotisch is.

3. De drie dansstijlen (Evenwichten)

Het artikel bekijkt drie manieren waarop deze bedrijven met elkaar omgaan:

Walrasiaans Evenwicht (De kleine danser):
- Vergelijking: Een kleine danser op een enorme vloer. Hij is zo klein dat zijn eigen beweging de muziek niet verandert. Hij probeert gewoon zijn eigen beste pas te maken, wetende dat de rest van de vloer doet wat ze doen.
- De oplossing: De nieuwe methode helpt deze kleine danser om zijn stappen te optimaliseren zonder de hele vloer te hoeven analyseren.
Pareto-Optimaliteit (Het teamwerk):
- Vergelijking: Stel je voor dat alle bedrijven één groot team vormen. Ze willen niet dat de één wint ten koste van de ander, maar dat iedereen samen zo veel mogelijk winst maakt.
- De oplossing: De methode helpt het team om een gezamenlijke choreografie te vinden waarbij niemand erop achteruitgaat.
Nash-evenwicht (De concurrentie):
- Vergelijking: Dit is de echte strijd. Elke danser probeert zijn eigen stappen te optimaliseren, wetende dat de anderen ook hun beste poging doen. Niemand wil een stap zetten die hen nadeel brengt als de anderen dat ook doen.
- De oplossing: De auteur toont aan hoe je deze complexe "strijd" kunt oplossen door te kijken naar de waarschijnlijkheid van alle mogelijke toekomstige scenario's, in plaats van te proberen een perfecte voorspelling te maken.

4. Waarom is dit belangrijk?

Deze methode is als een GPS die werkt met waarschijnlijkheid in plaats van een statische kaart.

Voor de economie: Het helpt beleidsmakers en bedrijven beter te begrijpen wat er gebeurt in een onvoorspelbare wereld (zoals tijdens een crisis of met nieuwe technologieën).
Voor de wetenschap: Het verbindt twee werelden die normaal gesproken gescheiden zijn: de economie (hoe mensen geld verdienen) en de kwantumfysica (hoe deeltjes zich bewegen). Het suggereert dat de markt zich gedraagt als een quantumdeeltje: onzeker, maar met een patroon dat je kunt berekenen als je naar de juiste "golven" kijkt.

Samenvattend

Deze paper zegt eigenlijk: "Stop met proberen elke mogelijke toekomst te tekenen op een kaart. Laat in plaats daarvan duizenden virtuele scenario's door elkaar lopen, geef de goede scenario's meer gewicht, en laat de beste strategie vanzelf uit de chaos naar boven komen."

Het is een nieuwe manier om te denken over strategie in een onzekere wereld, waarbij wiskunde uit de deeltjesfysica wordt gebruikt om de economie te doorgronden.

1. Probleemstelling

Het artikel adresseert de uitdagingen bij het optimaliseren van het gedrag van bedrijven in economische systemen die worden gekenmerkt door:

Stochastische dynamica: Markten worden beïnvloed door willekeurige schokken (gemodelleerd via Brownse beweging).
Forward-looking dynamiek: Huidige beslissingen impliceren toekomstige verplichtingen en commitments, wat vaak leidt tot een gebrek aan tijdconsistentie in standaard dynamisch programmeren.
Complexiteit en dimensie: Traditionele methoden, zoals het oplossen van de Hamilton-Jacobi-Bellman (HJB) vergelijking, lijden onder de "vloek van de dimensie" (curse of dimensionality) bij hoge dimensies (veel bedrijven of toestandsvariabelen).
Non-lineariteit: Veel economische modellen bevatten niet-lineaire stochastische differentiaalvergelijkingen (SDE's) waarvoor analytische oplossingen via de Pontryagin Maximum Principle of HJB moeilijk of onmogelijk te vinden zijn.

Het doel is het vinden van optimale strategieën voor bedrijven in verschillende evenwichtssituaties: Walrasiaans evenwicht, Pareto-optimaliteit (coöperatief) en niet-coöperatieve feedback Nash-evenwichten, zonder expliciet een waardefunctie te hoeven construeren.

2. Methodologie: Euclidische Pad-integraal en Feynman Actie

De auteur introduceert een alternatieve aanpak die de optimalisatieproblemen herschrijft als een Euclidische pad-integraal (path-integral) controleprobleem, gebaseerd op principes uit de kwantummechanica.

Van HJB naar Schrödinger: In plaats van de niet-lineaire HJB-vergelijking op te lossen, wordt het probleem getransformeerd. Door een exponentiële transformatie (vergelijkbaar met de Wick-rotatie in de kwantummechanica) wordt de HJB-vergelijking omgezet in een lineaire, Schrödinger-achtige vergelijking (of een voorwaartse Fokker-Planck vergelijking).
Geen expliciete waardefunctie: De methode vereist niet de constructie van een globale waardefunctie $V(s, X)$ . In plaats daarvan wordt een stochastische Lagrangiaan geconstrueerd.
Integrerende factoren en Itô's Lemma: Een cruciale stap is het introduceren van een functie $g(s, X)$ (een integrerende factor) die de stochastische dynamica vervangt. Door Itô's lemma toe te passen op deze constructie, wordt een "Wick-geroteerde Schrödinger-type" vergelijking afgeleid.
Pad-integraal representatie: De optimale strategie wordt afgeleid uit de eerste-orde voorwaarden van een actiefunctional (Feynman Action), die de som is over alle mogelijke stochastische trajecten. Dit leidt tot een oplossing die kan worden benaderd via Monte Carlo-sampling van trajecten, waarbij trajecten met hogere winst zwaarder wegen (exponentiële herweging).
Evenwichtsdefinities: De methode wordt toegepast op drie scenario's:
1. Walrasiaans Evenwicht: Bedrijven zijn prijsnemers en maximaliseren individuele winst.
2. Coöperatief Pareto-evenwicht: Bedrijven maximaliseren een gewogen som van totale winst.
3. Niet-coöperatief Nash-evenwicht: Elke firma maximaliseert eigen winst gegeven de strategieën van anderen (feedback Nash).

3. Belangrijkste Bijdragen

Theoretische Link: De paper legt een rigoureuze link tussen de HJB-dynamiek en de Schrödinger-vergelijking via de Feynman-padintegraal in een economische context.
Omzeilen van de Vloek van de Dimensie: De methode vermijdt de exponentiële groei van rekentijd die kenmerkend is voor rooster-gebaseerde HJB-oplossers. De complexiteit schaalt lineair met het aantal gesimuleerde paden (Monte Carlo) in plaats van exponentieel met de dimensie van de toestandsruimte.
Oplossing voor Non-lineaire Systemen: De aanpak biedt een oplossing voor systemen waar de Pontryagin Maximum Principle faalt (bijvoorbeeld bij Merton-Garman-Hamiltonian systemen met stochastische volatiliteit) of waar de waardefunctie niet goed gedefinieerd is.
Existentiebewijzen: Er worden formele bewijzen geleverd voor het bestaan van feedback Nash-evenwichten onder specifieke regulariteitsvoorwaarden (compacte en convexe strategie sets).
Vergelijking met Traditionele Methoden: De paper toont aan dat de verkregen strategieën fundamenteel kunnen verschillen van die verkregen via Pontryagin (vaak lineair of "bang-bang"), waarbij de pad-integraal aanpak vaak niet-lineaire feedback-strategieën oplevert die beter inspelen op stochastische onzekerheid.

4. Resultaten

Analytische Oplossingen: Voor specifieke voorbeelden (zoals lineaire kwadratische modellen en resource-extractieproblemen) worden expliciete analytische vormen voor de optimale strategieën afgeleid.
- In Voorbeeld 2 (Walrasiaans bedrijf met kwadratische winst) levert de quantum-aanpak een kubische strategie op, terwijl de Pontryagin-aanpak een lineaire feedback geeft ($u = 2bX/3$).
- In Voorbeeld 4 (Resource extractie) levert de methode een feedback-strategie op die afhangt van de geïntegreerde stochastische dynamica, in tegenstelling tot de waarde-functie gebaseerde oplossing van Yeung en Petrosjan.
Numerieke Stabiliteit: Monte Carlo-simulaties tonen aan dat de methode robuust is onder verschillende stochastische schokken en parameterinstellingen. De verdeling van de "importance weights" (gewichtsfactoren) blijft stabiel, wat aangeeft dat de methode numeriek goed geconditioneerd is.
Merton-Garman-Hamiltonian: De methode wordt succesvol toegepast op een Merton-Garman-Hamiltonian systeem (stochastische volatiliteit), een geval waar traditionele HJB-methoden vaak vastlopen.

5. Betekenis en Implicaties

Nieuw Perspectief op Economische Dynamica: De paper biedt een unificerend perspectief waarbij individuele stochastische trajecten en aggregaatverdelingen gelijktijdig worden geanalyseerd, wat een natuurlijke brug slaat naar Mean Field Games.
Toepasbaarheid buiten de Economie: De auteur wijst op de bredere relevantie voor andere domeinen zoals oncologie (optimalisatie van chemotherapie onder onzekerheid) en ecologie (migratiepatronen), waar niet-lineaire dynamiek en forward-looking commitments centraal staan.
Computationele Efficiëntie: Voor complexe, hoog-dimensionale economische modellen biedt deze methode een schaalbaar alternatief voor dynamisch programmeren, wat het mogelijk maakt om realistischere modellen met heterogene agenten en aggregate onzekerheid te simuleren.
Beperkingen: De methode vereist een juiste keuze van de integrerende factor $g(s, X)$ . Een verkeerde keuze kan leiden tot suboptimale strategieën. Bovendien is de oplossing niet uniek (zoals bij veel Feynman-Kac representaties), wat betekent dat er meerdere evenwichten kunnen bestaan afhankelijk van de gekozen pad-structuur.

Samenvattend introduceert dit artikel een krachtig wiskundig raamwerk dat kwantummechanische principes (pad-integrals) toepast op stochastische economische optimalisatie, waardoor het mogelijk wordt om complexe, niet-lineaire en hoog-dimensionale marktproblemen op te lossen die met traditionele methoden onbereikbaar zijn.