مالی سازی اطلاعات: در مورد ادغام ماشین ها و بازارها

پیش بینی فضای تصمیم گیری شبکه ای در بازارهای مالی. معماری بدون علامت (هانی رشید ، لیز آن Couture) ، "3DTF مجازی NYSE" ، 1999هدیه بدون علامت ، مرکز معماری کانادایی © ASMPTOTE.

در مدل ها مارس 2023

سر و صدا به معنای تعداد زیادی از حوادث کوچک اغلب یک عامل علیت بسیار قدرتمندتر از تعداد کمی از رویدادهای بزرگ است. سر و صدا تجارت در بازارهای مالی را امکان پذیر می کند و به این ترتیب به ما امکان می دهد قیمت دارایی های مالی را رعایت کنیم ... ما مجبور می شویم تا حد زیادی در تاریکی عمل کنیم.

- فیشر سیاه 1

در سال 1986 ، فیشر بلک ، یکی از بنیانگذاران امور مالی معاصر ، اعلامیه نسبتاً غافلگیرانه ای را ارائه داد: داده های بد ، اطلاعات ناقص ، تصمیمات اشتباه ، داده های اضافی و اخبار جعلی ، همه به صورت داوری-سرمایه گذاری های بدون ریسک ، مانند سود این امر می شوند. هنگامی که فرد از اختلافات جزئی بین مبادلات ارزی (یا قیمت همان پشته) در دو مکان مختلف استفاده می کند - امکال ممکن است. بلک در مقاله معروف خود "تجارت سر و صدا" اظهار داشت که ما از اطلاعات غلط و اضافه بار اطلاعات تجارت می کنیم و سود می بریم. با فرض تعداد زیادی از رویدادهای "کوچک" که در کنار هم قدرتمندتر از رویدادهای برنامه ریزی شده در مقیاس بزرگ قرار گرفته اند ، چشم انداز بازار در اینجا یکی از تسلط دکارتی یا تصمیم گیرندگان کاملاً آگاه نیست. سر و صدا زیرساخت های بسیار ارزش است.

در عصر گمانه زنی های Meme ، NFT و معاملات گزینه های دموکراتیزه شده ، چنین بیانیه ای ممکن است عقل سلیم به نظر برسد. حتی طبیعیآیا کسی ، به هر حال ، واقعاً فکر می کند که یک ارز رمزنگاری به عنوان یک شوخی برای یک سگ کوچک یا یک خرده فروش بازی مبتنی بر مرکز خرید تقریباً ورشکسته ، ذاتاً ارزش هر چیزی را دارد ، بسیار کمتر از میلیارد دلار؟البته آنها این کار را می کنند. طی چند سال گذشته ، ثروت های بزرگ و بودجه عمده در چنین شرط بندی ها فروپاشی و افزایش یافته است. در گذشته نگر ، به نظر می رسد همه در مورد سرمایه گذاری "ارزش" وضوح کاملی دارند ، در حالی که در عین حال ، هیچ کس این کار را نمی کند."اظهارات غیر منطقی" برای نقل قول رئیس هیئت مدیره فدرال ، آلن گرینسپن در اواخر دهه 1990 در مورد رونق dot.com ، ممکن است اصطلاح توصیف آن باشد. اما Greenspan ممکن است در یک نکته مهم اشتباه کرده باشد: غرق شدن غیر منطقی نشانه عدم موفقیت بازار نیست بلکه موفقیت بازار است.

برای بلک، که شاگرد ماروین مینسکی بود و همچنین ابزار معاملاتی انقلابی، مدل قیمت گذاری گزینه های بلک شولز را اختراع کرد، «غیرعقلایی» یک استثنا نبود، بلکه یک هنجار بود. پایه اصلی بازارهای معاصر است. بلک استدلال کرد که نویز در مورد بسیاری از اقدامات کوچک شبکه ای است که در مقایسه با رویدادهای بزرگ منفرد یا حتی برنامه ریزی شده تأثیرات بیشتری بر قیمت و بازار دارند. نویز نتیجه ذهنیت انسان در سیستم هایی است که داده های زیادی برای پردازش واقعی ندارند. نویز نیز، و نه تصادفی، زبان تئوری های ریاضی ارتباط است. این ایده که همه ما با هم شبکه شده ایم و تصمیمات جمعی را در چارچوب سیستم های خودسازمان دهی می گیریم که نمی توانند کاملاً تنظیم یا هدایت شوند، امروزه در همه جا وجود دارد و در برنامه های تجاری تلفن هوشمند و شبکه های اجتماعی ما ادغام شده است. علاوه بر این، بسیاری از دانشمندان علوم رفتاری گرفته تا کارآفرینان فناوری و استراتژیست های سیاسی به این باور رسیده اند که قضاوت انسان ناقص است و این یک مشکل نیست، بلکه مرزی برای شبکه های اجتماعی و هوش مصنوعی است.

مدل قیمت گذاری گزینه ها که بلک به همراه همکارش مایرون شولز ابداع کرد، نمونه ای از یک مشکل گسترده تر برای اقتصاددانان مالی است: اینکه نظریه ها یا مدل ها، به تعبیر میلتون فریدمن، «موتور هستند نه دوربین.» یکی از راه های خواندن این بیانیه این است که مدل اینطور نیست. نشان دهنده جهان است اما آن را می سازد. مدل ها بازار را می سازند. مدل ها در امور مالی ابزارهایی مانند معادلات قیمت گذاری مشتق یا الگوریتمی برای معاملات پرسرعت هستند. در این فناوری ها مفروضاتی در مورد جمع آوری داده ها، مقایسه قیمت ها، شرط بندی، فروش، و شرط بندی های زمان بندی وجود دارد، اما نه درباره درست یا «درست بودن» این اطلاعات، یا اینکه آیا بازار نقشه برداری شده یا به طور کامل نشان داده شده است. این تئوری ها ابزار هستند و به مردم اجازه می دهند با آربیت کردن تفاوت قیمت ها، بازارهایی ایجاد کنند، بدون اینکه لزوماً همه چیز را در مورد کل بازار یا دارایی بدانند.

این مدل های مالی ، برای استفاده از اصطلاحات دونا هاراوی ، "خدایان" است. آنها همه چیز را بر بازارهای نامشخص ، پیچیده و عظیم کنترل می کنند. آنها همچنین تجسم ایدئولوژی هستند که بازارها نه تنظیم و یا برنامه ریزی می شوند. این ابزارها خیالی را طبیعی و تصویب می کنند که بازارها بهترین تصمیمات مربوط به تخصیص ارزش را بدون برنامه ریزی توسط یک دولت یا سازمان دیگر می گیرند. این زیرساخت برای تجارت پر سر و صدا معاصر ما طبیعی یا اجتناب ناپذیر نیست. این کشور با تقاطع نظریه نئو لیبرال ، روانشناسی و هوش مصنوعی تولید شده است. اگر امروز ما به عنوان مسیری برای ثروت تصور شده کلیک کرده و کلیک کنیم ، باید بپرسیم که چگونه به اینقدر بی فکر و ناخودآگاه رسیدیم که دیکته های مالی و فناوری را می پذیریم.

هوش شبکه ای

این ایده که قضاوت بشر ناقص (یا فاسد) است و بازارها نه تنظیم می شوند و نه به طور کامل پیش بینی می شوند و برنامه ریزی می شوند ، مدتهاست که برای اتوماسیون و رایانه سازی مبادلات مالی اساسی بوده است. در طول اواسط قرن بیستم ، افزایش حجم معاملات ، منشی را وادار به عقب نشینی نوارهای معامله کرد و اغلب در زمان های خاص از قیمت ها و معاملات خاص خودداری یا ناکام می ماند. خطای انسانی و کندی به عنوان غیرقابل توصیف و "غیر شفاف" یا خودسرانه در تعیین قیمت درک شد. 2

در مورد بورس اوراق بهادار نیویورک (NYSE) نیز مشکلات کار وجود داشت. مدیران به راه هایی برای مدیریت و نظارت بر نیروی کار ، به ویژه کار روحانیون کم هزینه نیاز داشتند. در نتیجه ، میزهای تجاری رایانه ای در دهه 1960 به NYSE معرفی شد. این سیستم های رایانه ای به عنوان الگوریتمی و محدود به قانون درک می شدند. مقامات تصور می کردند که محاسبات صنعت اوراق بهادار را از مقررات نجات می دهد. که اگر رایانه ها به صورت الگوریتمی قوانین را دنبال کنند ، نیازی به نظارت یا مقررات نبود. 3

این اعتقاد به عقلانیت و خود تنظیم الگوریتم های حاصل از یک سنت نئولیبرال طولانی تر که هوش انسانی انسان را مجدداً به عنوان ماشینی و شبکه ای مجدداً تصور می کند. به گفته فریدریش هایک ، اقتصاددان متولد اتریشی در سال 1945:

شخصیت عجیب و غریب مسئله یک نظم اقتصادی عقلانی دقیقاً با این واقعیت تعیین می شود که دانش شرایطی که ما باید از آن استفاده کنیم هرگز به شکل متمرکز یا یکپارچه وجود ندارد ، بلکه فقط به عنوان بیت های پراکنده از دانش ناقص و غالباً متناقض است کههمه افراد جداگانه در اختیار دارند. بنابراین ، مشکل اقتصادی جامعه صرفاً مشکلی برای تخصیص منابع "داده شده" نیست - اگر "داده شده" به این معنی باشد که به یک ذهن واحد داده می شود که عمداً مشکل تعیین شده توسط این "داده ها" را حل می کند. این مسئله مسئله ای است که چگونه می توان بهترین استفاده از منابع شناخته شده برای هر یک از اعضای جامعه را تضمین کرد ، زیرا اهمیت نسبی آنها فقط این افراد می دانند. یا به طور خلاصه ، این یک مشکل استفاده از دانش است که به کسی در کلیت خود داده نشده است. 4

به اعتقاد آنها ، انسان ها ذهنی بودند ، ناتوان از عقل بودند و اساساً در توجه و ظرفیت های شناختی آنها محدود بودند. در قلب تصور هایک از یک بازار این ایده بود که هیچ موضوع ، ذهن یا اقتدار مرکزی نمی تواند جهان را کاملاً نمایانگر و درک کند. وی استدلال كرد كه "داده" كه محاسبه اقتصادی از آن شروع می شود ، هرگز برای كل جامعه به یك ذهن واحد داده نمی شود ... و هرگز نمی توان چنین داده شد. "در عوض ، فقط بازارها می توانند در مقیاس بیاموزند و به طور مناسب برای هماهنگی منابع و اطلاعات پراکنده به بهترین شکل ممکن تکامل می یابند.

هایک در پاسخ به آنچه که او به عنوان شکست پوپولیسم دموکراتیک که منجر به فاشیسم و ظهور کمونیسم شد ، برنامه ریزی متمرکز یا کشورهای متمرکز را رد کرد. در عوض ، او به الگوی دیگری از آژانس های انسانی و بازارها روی آورد. اول ، هایک اظهار داشت که بازارها مربوط به تطبیق عرضه و تقاضا نیستند بلکه در مورد هماهنگی اطلاعات هستند. 6 و دوم ، الگوی یادگیری هایک و "استفاده از دانش" در این ایده است که هوش شبکه ای در بازار تجسم یافته است ، که می تواند باعث ایجاد دانش در خارج از و خارج از تصور هر انسان فردی شود. 7 این یک اطلاعاتی است که در جمعیت است.

ایده هایک در مورد هوش محیطی مستقیماً از کار روانشناس کانادایی دونالد ا. هب ، که به عنوان مخترع مدل شبکه عصبی شناخته می شود و این تئوری که "سلول ها [نورونها] که با هم به هم می آیند ، به ارث رسیده است."در سال 1949 ، HEBB سازمان رفتار را منتشر کرد ، متنی که این ایده را محبوب کرد که مغز دانش خود را در مورد جهان در شبکه های پیچیده یا "جمعیت" نورون ها ذخیره می کند. این تحقیق امروزه به دلیل ارائه مفهوم جدیدی از نوروپلاستیک عملکردی مشهور است ، که از طریق کار با سربازان و سایر افرادی که مجروح شده اند ، اندام های خود را از دست داده اند ، نابینا یا ناشنوایان از مجاورت انفجارها ساخته شده اند. در حالی که این افراد دچار تغییراتی در نظم حسی خود شدند ، HEBB خاطرنشان کرد که از دست دادن اندام یا یک حس از طریق آموزش جبران می شود. بنابراین او شروع به گمان کرد که نورون ها ممکن است خود را برای ایجاد تروما و ایجاد ظرفیت های جدید به خود اختصاص دهند.

بازگرداندن نورون ها فقط مورد توجه قرار نگرفت بلکه حافظه نیز بود. HEBB نظریه این نظر را داد كه مغزها كتیبه ها یا نمایش های دقیقی از اشیاء را ذخیره نمی كنند ، بلكه در عوض الگوهای شلیك نورونها. به عنوان مثال ، اگر کودک گربه ای را ببیند ، گروه خاصی از نورون ها آتش می گیرند. هرچه کودک بیشتر گربه ها را می بیند ، مجموعه خاصی از محرک ها با این حیوان مرتبط می شوند و با ورود یک "گربه" به میدان ادراک ، همان مجموعه نورونها آتش می گیرند. این ایده پایه و اساس ایده های معاصر یادگیری در شبکه های عصبی است. این همچنین الهام بخش هایک بود ، که در کتاب خود در سال 1956 دستور حسی را آشکارا HEBB را به عنوان ارائه الگوی کلیدی برای تصور شناخت انسان ذکر کرد. هایک از این ایده استفاده کرد که مغز از شبکه ها تشکیل شده است تا ایده لیبرال را بازسازی کند. موضوع هایک یکی از عینیت استدلال نیست ، بلکه ذهنی با اطلاعات محدود و ناتوانی در تصمیم گیری های عینی است.

مفهوم تصمیم گیری الگوریتمی ، قابل تکرار و محاسباتی که هایک در جنگ سرد ارسال می کرد ، الگوی تصمیم گیری آگاهانه ، عاطفی و آگاهانه از زمان انقلاب های دموکراتیک قرن هجدهم نبود. 8 هایک آژانس و انتخاب انسانی را به عنوان راهنمایی تکنوکراتیک آگاهانه و نه به عنوان آزادی برای تصمیم گیری استدلال که مدتهاست با مفاهیم حاکمیت مرتبط است ، مجدداً ادغام کرد. در عوض ، او آژانس را به عنوان آزادی بخشی از بازار یا شبکه اصلاح کرد. او در مورد این نکته بسیار خاص بود که نظریه های اقتصادی یا سیاسی مبتنی بر الگوهای جمعی یا اجتماعی ساخت بازار و دولت در امتیاز دادن به دلیل و عینیت معدود سیاست گذاران و مقامات حاکم بر بسیاری و توانایی افراد در گرفتن افراد نقص داشتند. عمل. هایک توضیح داد که آزادی ، بنابراین ، نتیجه تصمیم گیری عینی استدلال نیست بلکه آزادی از اجبار توسط دولت یا محرومیت از فعالیت های اقتصادی و بازارهای منتخب است. این تفسیر آزادی پیامدهای جدی برای سیاست معاصر در مورد حقوق مدنی و اقدامات مثبت دارد. 9

ماشین

نظریه نئولیبرال این احتمال را ایجاد کرد که خود بازارها دارای عقل یا نوعی حاکمیت باشند. دلیلی که از شبکه سازی اقدامات انسانی به یک مجموعه بزرگتر و بدون برنامه ریزی و ظاهراً سیاست ساخته شده است. درست همانطور که علوم ارتباطی و محاسبات مدل های ذهن انسان را به تصویب رساند ، در دوره پس از جنگ ، بسیاری از علوم انسانی ، اجتماعی و طبیعی به مدل های ارتباطی و اطلاعات مربوط به محاسبات در تلاش برای درک بازارها ، ماشین ها و ذهن انسان اعتماد کردند. بشرمدل های جهان مانند آنهایی که در تئوری بازی تعبیه شده اند ، ایده های نوظهور درباره عقلانیت را که از عقل لیبرال بشر جدا شده اند ، منعکس می کنند. مدیریت سیستم ها ، از جمله سیستم های سیاسی و اقتصادی ، به عنوان یک سوال از پردازش و تجزیه و تحلیل اطلاعات درک شد. 10

در سال 1956 ، مجموعه ای از دانشمندان رایانه ، روانشناسان و سایر دانشمندان برای توسعه اشکال دستگاههای یادگیری ، پروژه ای را آغاز کردند. جان مک کارتی در پیشنهادی برای کارگاه آموزشی در کالج دارتموث در سال 1955 ، این مفهوم جدید را "هوش مصنوعی" عنوان کرد. در حالی که بسیاری از شرکت کنندگان ، از جمله ماروین مینسکی ، ناتانیل روچستر ، وارن مک کالوچ ، راس اشبی و کلود شانون ، روی فرآیندهای نمادین و زبانی متمرکز بودند ، یک مدل متمرکز بر نورون بود. یک روانشناس ، فرانک روزنبلات اظهار داشت که یادگیری ، چه در حیوانات غیر انسانی ، انسان یا رایانه ، می تواند بر روی دستگاه های مصنوعی و شناختی که معماری اساسی مغز انسان را اجرا می کنند ، الگوبرداری شود. 11

روزنبلات در مقاله اولیه خود از برنامه Dartmouth ، ایده "Perceptron" را شرح می دهد و خود را از همسالان خود دور می کند. به گفته وی ، این دانشمندان "عمدتاً نگران این سؤال بودند كه چگونه می توان چنین كاری را به عنوان ادراك و فراخوان توسط یك سیستم قطعی از هر نوع بدست آورد ، به جای اینکه چگونه این کار توسط مغز انجام شود."وی اظهار داشت ، این رویکرد اساساً مسئله مقیاس و خصوصیات ظهور سیستم های بیولوژیکی را نادیده گرفت. در عوض ، روزنبلات رویکرد خود را بر اساس تئوری های شناخت شبکه ای و شبکه های عصبی ، که وی به Hebb و Hayek نسبت داده بود ، پایه گذاری کرد. 12 به گفته روزنبلات ، نورونها سوئیچ ها یا گره های صرف در شبکه ای هستند که ورودی شناختی را طبقه بندی می کنند ، و هوش فقط در سطح جمعیت و از طریق الگوهای تعامل بین نورون ها ظاهر می شود.

شبکه های عصبی معاصر بر اساس همان اصول ، که در آن گروه های عصبی معاصر قرار دارند ، بر اساس همان اصول کار می کنند ، که در آن گروه هایی از شبکه هایی که به طور مکرر در معرض همان محرک ها قرار می گیرند ، برای آتش سوزی آموزش می یابند و هر یک از مواجهه ها باعث افزایش احتمال آماری می شوند که شبکه با هم آتش می گیرندو "شیء" را "تشخیص دهید". سپس در "یادگیری" تحت نظارت ، شبکه ها را می توان از طریق مقایسه نتیجه آنها با ورودی اصلی اصلاح کرد. ویژگی اصلی این امر این است که ورودی نیازی به تعریف هستی شناختی یا نمایش داده نمی شود ، به این معنی که یک سری دستگاه های شبکه ای می توانند بدون اینکه توضیح دهند گربه "چیست" می توانند گربه را شناسایی کنند. فقط از طریق الگوهای وابستگی پاسخ حسی پدیدار می شود.

بنابراین کلید یادگیری قرار گرفتن در معرض "نمونه بزرگی از محرک ها" بود که روزنبلات تأکید کرد که به معنای نزدیک شدن به ماهیت یادگیری "از نظر تئوری احتمال و نه منطق نمادین" بود. 13 مدل Perceptron نشان می دهد که سیستم های ماشین ، مانند بازارها ، ممکن است بتوانند آنچه را که افراد فردی نمی توانند درک کنند. 14 در حالی که هر فرد انسانی محدود به مجموعه خاصی از محرکهای خارجی است که در معرض آن قرار دارد ، یک پیکترون رایانه می تواند برعکس ، داده هایی را که نتیجه قضاوت ها و تجربیات نه تنها یک فرد است ، بلکه جمعیت های بزرگی از آن را ترسیم کنندافراد انسانی15

برای هر دو روزنبلات و هایک ، و همچنین پیشینیان آنها در روانشناسی ، مفاهیم یادگیری این ایده را ارسال می کنند که سیستم ها می توانند به طور آگاهانه تغییر کرده و به طور خودکار تطبیق دهند. ایده اصلی این مدل ها این بود که عملیات کوچک انجام شده بر روی بخش هایی از یک مشکل ممکن است به گروهی که بیشتر از مجموع قطعات آنها باشد ، جمع شود و مشکلات را نه از طریق نمایندگی بلکه از طریق عمل حل کند. هر دو هایک و روزنبلات از نظریه های اطلاعاتی ، به ویژه از سایبرنتیک ، ارتباط برقرار می کنند که از نظر ترمودینامیک ارتباط برقرار می کنند. طبق این تئوری ، سیستم ها در مقیاس های مختلف فقط از نظر احتمالی با قسمت های آنها مرتبط هستند. بنابراین محاسبه مؤلفه های فردی نمی تواند عمل کل سیستم را نشان دهد یا پیش بینی کند. 16

این نادیده گرفتن "نمایندگی" همچنان به تمایل به مجموعه داده های بزرگتر و یادگیری بدون نظارت در شبکه های عصبی که حداقل در تئوری توسط داده ها هدایت می شود ، ادامه می یابد. خود هایک از خیالی از این دنیای غنی از داده ها حمایت می کند که می تواند به طور فزاینده ای بدون آگاهی (انسانی) محاسبه شود ، در حالی که Perceptron Rosenblatt مظهر تکنولوژیکی پیکربندی مجدد و سازماندهی مجدد ذهنیت انسانی ، فیزیولوژی ، روانشناسی و اقتصادی است که این تئوری دلالت دارد. 17 هر دو نتیجه این عقیده بودند که تصمیم گیری فنی نه از طریق دولت ها بلکه در مقیاس جمعیت ممکن است خطر پوپولیسم یا خطاهای قضاوت بشر را بهبود بخشد. در نتیجه ، با نوبت هزاره ، شبکه عصبی به تجسم یک ایده (و ایدئولوژی) تصمیم گیری شبکه ای تبدیل شد که می تواند از درون ذهن به شبکه های سیاره ای از سیستم عامل های تجارت الکترونیکی و بازارهای جهانی مقیاس شود.

جمع بندی مدل سیاه اسکولز. منبع: درخشان.

استخراج

اگرچه به طور سنتی برای معامله گران دشوار بوده است که تعیین کنند که گزینه خرید دارایی یا سهام چقدر باید هزینه داشته باشد ، تا دهه 1970 ، به طور گسترده ای فرض بر این بود که ارزش یک گزینه برای خرید سهام لزوماً مربوط به نرخ مورد انتظار است. از بازگشت سهام زیربنایی خود ، که به نوبه خود می تواند تابعی از سلامت و سودآوری شرکتی باشد که سهام را صادر می کند. 18 این درک نه تنها یک اندازه گیری عینی از ارزش را فرض می کند ، بلکه مدل های خود را نیز از چیزی واقعی در خارج از کشور نشان می دهند.

در سال 1973 ، بلک و همکارانش میرون اسکولز و رابرت مرتون مدل قیمت گذاری گزینه Black-Scholes را معرفی کردند تا روش جدیدی برای ارتباط قیمت گزینه ها به آینده ارائه دهند. 19 آنچه این مدل را در تاریخ مالی منحصر به فرد کرد این بود که قیمت یک گزینه را از هر انتظار در مورد ارزش احتمالی دارایی اساسی در تاریخ بلوغ گزینه کاملاً جدا کرد. در عوض ، ارزش اصلی Black and Scholes نوسانات مورد انتظار سهام بود که به معنای حرکت بالا و پایین قیمت با گذشت زمان بود. نوسانات مورد انتظار سهام تابعی از سودآوری تخمین زده شده از شرکت که سهام را صادر می کرد ، نبود ، بلکه در عوض تابعی از بازار سرمایه گذاری به عنوان یک کل بود. 20 مدل قیمت گذاری گزینه Black-Scholes ، به عبارت دیگر ، علاقه ای به ارزش "واقعی" دارایی اساسی نداشت ، بلکه در رابطه سهام با بازار به طور کلی بود.

اسکولز و بلک در اواخر دهه 1960 هنگام مشاوره برای شرکت های سرمایه گذاری، که شامل استفاده از رایانه ها در تئوری پورتفولیو مدرن و خودکارسازی آربیتراژ بود، با یکدیگر همکاری کردند. 21 Scholes and Black مقاله خود را با عنوان "قیمت گذاری گزینه ها و بدهی های شرکتی" آغاز کردند که در آن معادله قیمت گذاری اختیار معامله خود را با این چالش معرفی کردند: "اگر گزینه ها به درستی در بازار قیمت گذاری شوند، نمی توان از سود اطمینان حاصل کرد. ایجاد پورتفولیوی از موقعیت های خرید و فروش. به عبارت دیگر، از آنجایی که مردم پول در می آورند، گزینه ها را نمی توان به درستی قیمت گذاری کرد، و بنابراین قیمت گذاری نادرست یعنی انتقال اطلاعات ناقص باید برای عملکرد بازارها ضروری باشد. این همچنین به این معنی بود که معامله گران، حتی در اصل، نمی توانند در تصمیم گیری در مورد ریسک تعیین شده به یک اختیار معامله منطقی باشند (مثلاً با تلاش برای تعیین ارزش واقعی دارایی پایه). در نتیجه، بینش معامله گران منطقی ممکن است در قیمت گذاری دارایی ها کمتر از اندازه گیری نوسانات یک سهام اهمیت داشته باشد.

مدل قیمت گذاری گزینه بلک شولز به طور موثر مفروضات ذاتی در نظریه شبکه عصبی و نظریه اقتصادی نئولیبرال در آن زمان را به ابزارهای مالی که بر روی معاملات آتی شرط بندی می کنند، بسط می دهد. آنها استدلال کردند که سهام بیشتر شبیه حرکات تصادفی و ترمودینامیکی ذرات در آب عمل می کنند تا اینکه به عنوان نماینده یا بازنمایی برخی واقعیت های اقتصادی زیربنایی عمل کنند. بازار پر از سر و صدا است و نمایندگان، معامله گران داخل آن، نمی توانند رابطه بین قیمت اوراق بهادار و ارزش «واقعی» دارایی پایه را بدانند. با این حال، اگر نمایندگان محدودیت های دانش خود را تشخیص دهند، می توانند بر آنچه که می توانند بدانند تمرکز کنند: یعنی اینکه چگونه قیمت تک سهم در طول زمان تغییر می کند، و چگونه این تغییرات به تغییرات قیمت سهام دیگر مرتبط است. بلک و اسکولز فرض کردند که تمام سهام در بازار به طور مستقل حرکت می کنند و معیارهای اطلاعاتی مانند آنتروپی و آنتالپی می توانند در روشی که قیمت های سهام به یکدیگر سیگنال می دهند اعمال شود. نوآوری آنها این بود که فرض کنند برای قیمت گذاری یک گزینه، فقط باید قیمت فعلی و تغییرات قیمت دارایی را در نظر گرفت و توزیع کامل قیمت سهام را مشخص کرد. 22

طی چند هفته از انتشار مقاله ، شرکت های بی شماری نرم افزاری را برای چنین معادلات قیمت گذاری ارائه می دادند. 23 این تا حدودی نتیجه این واقعیت بود که این مدل با محاسبه به ارتباطات و نظریه های اطلاعاتی پیوست و به گونه ای که معادله را برای تصویب الگوریتمی قابل قبول می کند. از آنجا که افراد در ایجاد ابزارهای مشتق پیچیده تر از سیاه و اسکولز پیروی می کردند ، رایانه ها هم برای به دست آوردن داده در مورد نوسانات قیمت و محاسبه قیمت گزینه ها ضروری شدند. یک صنعت کامل و بازارهای مالی امروز از این نوآوری و درک جدید آن از سر و صدا متولد شده است: یک اندازه گیری تحت اللفظی آنتروپی و تنوع مانند نظریه های ریاضی ارتباطات و فرض اینکه سیگنال های کاذب یا خودسرانه زیادی وجود دارددر بازار. در نتیجه ، بازارهای مشتق در طی بیست و پنج سال گذشته حدود 25 ٪ در سال رشد کرده اند و اکنون بیست بار از تولید ناخالص داخلی جهان فراتر رفته است. 24

همچنین یک تاریخ ژئوپلیتیکی کاملاً سرکوب شده در پشت این نوآوری ها در امور مالی وجود دارد. معادله قیمت گذاری مشتق روی پاشنه های پایان برتون وودز ، حقوق مدنی ، استعمار و بحران نفت اوپک پدیدار شد تا فقط چند مورد از تحولات مهم جهانی را که در آن زمان اتفاق می افتد ، نامگذاری کنند. بنابراین مدل سیاه اسکولز می تواند به عنوان تلاشی برای خنثی کردن یا دور زدن نوسانات شدید در بازارهای سیاست ، ارز و کالاها تلقی شود. فن آوری ها و موسسات مالی جدید مانند صندوق های تامینی به منظور شرط بندی "پرچین" به معنای واقعی کلمه ایجاد شده است: اطمینان حاصل شود که خطرات مجدداً ، غیر متمرکز و شبکه ای هستند. ابزارهای قیمت گذاری مشتق به طور خاص برای مقابله با نوسانات و تورم ناشی از وقایعی مانند روغن اوپک و بحران پترو-دلاری دهه 1970 ظاهر شدند. از طریق امثال فن آوری های مشتق مانند شرط بندی های کوتاه ، مبادله اعتباری و بازارهای آینده ، شرط بندی های خطرناک با موارد امن تر ترکیب می شوند و در چندین سرزمین و زمان پراکنده می شوند. شرکت ها ، دولت ها و سرمایه داران در مواجهه با خطرات به ظاهر ناشناخته ، غیرقابل توصیف و غیرقابل توصیف ، به این تکنیک های مدیریت عدم اطمینان می پردازند. 25 عدم امکان پیش بینی ، ماهیت ذهنی تصمیم گیری انسانی و شبکه الکترونیکی سیستم های رسانه ای جهانی همگی ضمن فرار از مبارزات سیاسی و اقتصادی روز ، زیرساخت هایی برای اشکال جدید شرط بندی در آینده قرار گرفتند.

مدل ها و ماشین ها

اقتصاد نئولیبرال غالباً جهان را به عنوان یک سیستم تطبیقی خود سازماندهی می کند تا با ایده های سیاسی برنامه ریزی شده و کاملاً قابل کنترل سیاسی (و بالقوه توتالیتر) مقابله کند. در این ایدئولوژی ، بازار ظرفیت تقریباً الهی یا شاید از نظر بیولوژیکی تعیین کننده را برای شانس و ظهور به خود اختصاص می دهد ، اما هرگز از طریق آگاهی یا برنامه ریزی. تکامل در برابر اقدام اراده و تصمیمات استدلال انسانهای فردی تصور می شود. این نتیجه یادگیری شبکه ای از طریق بازارها (یا ماشین آلات) است. 26 این "ماهیت" شبکه ای از ذهنیت و هوش انسانی می تواند به عنوان استدلال در برابر پاسخگویی یا ساختار تاریخی باشد. اگر انسان ذهنی باشد ، هیچ کس نمی تواند ساختارهای جامعه یا بازار را درک کند (که اکنون یکسان هستند). بنابراین ، بی عدالتی های تاریخی یا ساختاری را نمی توان از طریق برنامه ریزی آگاهانه نشان داد یا با آنها برخورد کرد. فقط اقدامات بازاردلالت بر این است که تلاش های آگاهانه یا آگاهانه برای دستکاری در انتخاب ها یا تصمیمات به عنوان نقض آزادی و اطلاعات تلقی می شود. برنامه ریزی کارگردانی مانعی برای توانایی بازار در "یادگیری" و تکامل است.

در خارج از زمینه تاریخی حقوق مدنی و خواستار ایجاد عدالت و عدالت نژادی ، جنسی و عجیب و غریب ، نفی هرگونه مداخله یا برنامه ریزی دولتی (مثلاً اقدام تأیید آمیز) در شکل شبکه عصبی و مالی طبیعی شده استابزار. ما به این مدل از جهان توجه کرده ایم که ماشین ها و بازارها با یکدیگر همگام سازی می شوند. با این حال ، این مدل ها همچنین ممکن است بتوانند روابط خود را با یکدیگر و جهان بازسازی کنند. همانطور که رندی مارتین ، نظریه پرداز فرهنگی استدلال کرده است ، به جای جدا کردن خود از فرآیندهای اجتماعی تولید و تولید مثل ، امور مالی الگوریتمی و مشتق در واقع نشان دهنده افزایش متقابل ، جهانی سازی و جامعه پذیری بدهی و دقت است. با پیوند دادن اقدامات و اشیاء متفاوت به یک مجموعه مونتاژ شده از خطرات واقعی برای تجارت ، ماشین های جدید بازار باعث شده است که ما را به یکدیگر بدهکار تر کنیم. بنابراین سؤال سیاسی و اخلاقی می شود که چگونه می توانیم این بدهی متقابل را به روش های جدید فعال کنیم ، مواردی که کمتر از منطق بازار دقیق اقتصاد نئولیبرال قابل تحمل هستند. 27

آینده در شناخت آنچه در نهایت ماشین های ما قابل مشاهده بوده اند ، نهفته است ، و آنچه شاید همیشه در آنجا بوده است: ماهیت اجتماعی-سیاسی از افکار و برداشت های به ظاهر طبیعی ما. هر تصادف در بازار ، هر یک از مراکز وام مسکن فرعی ، ساخت و سازهای اجتماعی و کار را نشان می دهد-زیبایی ، سیاسی ، اقتصادی-برای حفظ اعتقاد ما به بازارها به عنوان نیروهای طبیعت یا الوهیت لازم است. و اگر از طریق رسانه ها و روایت های اجتناب ناپذیری از نظر زیبایی شناسی صاف نشود ، آنها همچنین می توانند تشخیص دهند که چگونه ماشین های ما بسیاری از ما را با دقت به هم پیوند داده اند. سیاست بالقوه این لحظات هنوز تحقق نیافته است ، اما تلاش هایی صورت گرفته است ، چه در اشغال و چه اخیراً در جنبش های حقوق مدنی ، عدالت نژادی و عدالت محیطی مانند Black Lives Matter یا اعتراضات ضد امور شیلی2019 ، برای نامگذاری چند. اگر تمام سیستم های رایانه ای برنامه ریزی شده باشند و به همین دلیل برنامه ریزی شده باشند ، ما مجبور می شویم با ماهیت عمدی و قابل تغییر در مورد چگونگی تفکر و درک جهان خود مقابله کنیم.