Chaotic Dynamics of Clifford Attractors and its Application in Economics

In de studie van complexe systemen zoeken wetenschappers vaak naar patronen die willekeurig lijken, maar die eigenlijk worden beheerst door strikte regels. Dit vakgebied, bekend als chaostheorie, onderzoekt hoe eenvoudige systemen ongelooflijk ingewikkeld en onvoorspelbaar gedrag kunnen produceren. Een centraal idee in dit veld is de "attractor", een patroon waar een systeem van nature na verloop van tijd naar toe streeft, net zoals een rivier uiteindelijk zijn weg naar de zee vindt. Sommige attractoren zijn eenvoudig en leiden een systeem naar een enkele, stabiele toestand. Andere zijn meer ingewikkeld en zorgen ervoor dat het systeem door een reeks herhalende patronen cyclust. De meest fascinerende zijn "vreemde attractoren", waarbij het systeem zichzelf nooit exact herhaalt, maar toch binnen een specifiek, begrensd gebied blijft, waardoor een vorm ontstaat die lijkt op een verstrengelde, nooit eindigende draad. Het begrijpen van deze vormen helpt onderzoekers te voorspellen hoe systemen variërend van weerpatronen tot elektrische circuits zich kunnen gedragen, vooral wanneer ze tot hun uiterste worden gedreven.

Een team van onderzoekers aan het Indian Institute of Technology Madras en andere instellingen heeft een diepe duik genomen in een specif kind van vreemde attractor, bekend als de Clifford-attractor. Dit wiskundige object wordt gedefinieerd door een set regels die twee getallen bijwerken op basis van sinus- en cosinusfuncties, wat golfachtige patronen zijn die overal in de natuur voorkomen. Hoewel de vergelijkingen zelf eenvoudig zijn, is het gedrag dat ze produceren verrassend rijk. De onderzoekers wilden precies in kaart brengen hoe dit systeem zich gedraagt wanneer de interne instellingen worden gewijzigd. Ze wilden weten wanneer het systeem zou bezinken in een kalm, voorspelbaar ritme en wanneer het zou exploderen in chaotische, onvoorspelbare beweging. Door systematisch de vier hoofdaantallen aan te passen die het systeem besturen, creëerden ze een gedetailleerde kaart van de mogelijke gedragingen, die een landschap onthulde vol plotselinge verschuivingen, verborgen zakken van orde en regio's van intense complexiteit.

De onderzoekers begonnen met het langzaam veranderen van één van de controlegetallen terwijl de andere vast bleven staan. Terwijl zij dit deden, observeerden zij hoe de output van het systeem evolueerde. Ze ontdekten dat het systeem niet simpelweg van kalm naar chaos drijft; in plaats daarvan ondergaat het een reeks dramatische transformaties. In sommige regio's komt het systeem tot rust in een stabiel punt, waar de getallen stoppen met veranderen. In andere regio's komt het in een cyclus terecht, waarbij een specifieke sequentie van waarden steeds opnieuw wordt herhaald. Maar naarmate het controlegetal toenam, zouden deze cycli plotseling in lengte verdubbelen, en daarna nogmaals verdubbelen, in een snelle cascade die uiteindelijk leidde tot volledige chaos. In deze chaotische regio's werd het gedrag van het systeem zo gevoelig dat zelfs het kleinste verschil in het startpunt zou leiden tot een volledig ander resultaat, waardoor langetermijnvoorspelling onmogelijk werd. Het team ontdekte ook "periodieke vensters", die smalle stroken orde zijn die diep in de chaos verborgen liggen, waar het systeem even kortstondig terugkeert naar een voorspelbaar ritme voordat het weer in wanorde stort.

Om deze bevindingen te bevestigen, gebruikten de onderzoekers verschillende instrumenten om het gedrag van het systeem te meten. Ze berekenden een waarde die aangeeft hoe snel twee bijna identieke startpunten uit elkaar zouden drijven; een positieve waarde bevestigde dat het systeem inderdaad chaotisch was. Ze pasten ook een statistische test toe die werkt als een binaire schakelaar, die hen met hoge zekerheid vertelt of het systeem regelmatig of chaotisch gedrag vertoont. Deze methoden kwamen overeen met hun visuele kaarten, waarmee werd aangetoond dat de chaotische regio's echt en robuust waren. Het team keek ook naar de vorm van de chaotische patronen. Ze ontdekten dat, afhankelijk van de instellingen, de attractor een dunne, delicate fractal kon zijn, die lijkt op een fijne, verstrengelde draad, of een "dikke" attractor die de gehele tweedimensionale ruimte vult zonder gaten achter te laten. Dit vermogen om tussen verschillende soorten geometrische structuren te schakelen, voegt nog een laag van complexiteit toe aan het gedrag van het systeem.

Een van de meest opvallende ontdekkingen was het fenomeen van multistabiliteit. De onderzoekers ontdekten dat het systeem voor bepaalde instellingen in twee totaal verschillende toestanden tegelijkertijd kan bestaan, afhankelijk van waar het begint. Als ze begonnen met één set initiële getallen, zou het systeem in één chaotisch patroon bezinken. Als ze begonnen met een iets andere set, zou het systeem in een totaal ander patroon bezinken, zelfs wanneer de regels die het systeem besturen niet waren veranderd. Dit betekent dat het systeem een geheugen heeft van zijn startpunt, en kleine veranderingen in het begin kunnen leiden tot zeer verschillende toekomsten. Ze observeerden ook hysteresis, waarbij het pad dat het systeem aflegt ertoe doet. Als ze een controlegetal verhoogden en vervolgens verlaagden, volgde het systeem niet zijn oorspronkelijke stappen terug; in plaats daarvan volgde het een andere route en kwam het vast te zitten in een andere toestand. Dit suggereert dat de geschiedenis van het systeem het huidige gedrag beïnvloedt, een kenmerk dat cruciaal is voor het begrijpen van realistische systemen.

Buiten de pure wiskunde verkenden de onderzoekers hoe deze bevindingen van toepassing kunnen zijn op de economie. Ze bouwden een model van een financiële markt met behulp van dezelfde regels als de Clifford-attractor. In dit model vertegenwoordigde één getal de prijs van een activum, en het andere getal de intensiteit van de handelsactiviteit of het marktsentiment. De resultaten waren veelzeggend. Wanneer de markt minder gevoelig was voor veranderingen, bleven de prijzen stabiel. Naarmate de gevoeligheid toenam, begon de markt te oscilleren, bewegend in cycli van bubbels en correcties. Wanneer de gevoeligheid te hoog werd, trad het model in een chaotisch regime, waarbij prijzen wild en onvoorspelbaar fluctueerden, wat het gedrag van een beurscrash nabootste. De onderzoekers ontdekten dat deze crashes niet werden veroorzaakt door externe schokken of slecht nieuws, maar endogeen waren, wat betekent dat ze voortkwamen uit de interne feedbackloops van de markt zelf. Het model toonde aan dat een hoge handelsinertie en sterk sentiment-feedback de volatiliteit konden versterken, wat leidde tot extreme prijsafwijkingen.

De studie concludeert dat de Clifford-attractor niet slechts een wiskundige curiositeit is, maar een krachtig hulpmiddel voor het begrijpen van complexe systemen. Het biedt een helder voorbeeld van hoe eenvoudige regels rijk, onvoorspelbaar gedrag kunnen genereren, en het biedt een kader voor het identificeren van de precieze momenten waarop een systeem op het punt staat te verschuiven van stabiliteit naar chaos. Voor economen suggereert dit dat financiële crises een inherent onderdeel kunnen zijn van de marktdynamiek in plaats van een anomalie. Door de grenzen tussen stabiele en chaotische regimes in kaart te brengen, zouden toezichthouders en analisten potentieel vroege waarschuwingssignalen van marktinstabiliteit kunnen identificeren. Het onderzoek demonstreert dat zelfs in een wereld die willekeurig aanvoelt, er onderliggende structuren en patronen zijn die, indien begrepen, ons kunnen helpen de complexiteit van de systemen waarin we leven te navigeren.