Сорнетт, Дидье

Материал из Циклопедии
Перейти к навигации Перейти к поиску

Дидье Сорнетт

фр. Didier Sornette
Файл:Didier Sornette.png


Дата рождения
25 июня 1957 года
Место рождения
Париж, Франция



Род деятельности
Физика, геофизика, сложные системы, экономика, финансы





Награды и премии

Национальная премия Франции «Наука и оборона»,
Исследовательская премия Макдоннелла (2000),
Премия Risques-Les Echos за предсказуемость катастрофических событий (2002)

Дидье Сорнетт (фр. Didier Sornette; [Нет даты!]) — французский исследователь, специалист в области сложных систем и управления рисками. Известен работами по прогнозированию кризисов и экстремальных явлений в сложных системах, физическому моделированию землетрясений, а также исследованиями физики сложных систем и формирования паттернов в пространственно-временных структурах.

Является профессором кафедры предпринимательских рисков в Швейцарской высшей технической школе Цюриха и профессором Швейцарского финансового института. Ранее занимал должность профессора геофизики в Калифорнийском университете в Лос-Анджелесе (1996—2006) и профессора-исследователя в Национальном центре научных исследований Франции (1981—2006).

Теория землетрясений и сетей разломов[править]

Совместно с доктором Ги Уйоном Сорнетт более 25 лет руководит исследовательской группой «Физика землетрясений». Группа занимается моделированием землетрясений, оползней и других природных опасностей, объединяя концепции и инструменты статистической физики, статистики, тектоники и сейсмологии. Первоначально группа располагалась в Лаборатории физики конденсированного состояния (Университет Ниццы, Франция), затем на кафедре Земли и космоса (Калифорнийский университет в Лос-Анджелесе, США), а с марта 2006 года базируется в Швейцарской высшей технической школе Цюриха.

Прогнозирование землетрясений[править]

Предсказание землетрясений[править]

С середины 1990-х годов группа решает проблему предсказания землетрясений и разрывов в рамках более широкой физической концепции критических явлений[1]. Рассматривая разрыв как фазовый переход второго рода, теория предсказывает, что при приближении к разрыву пространственная длина корреляции напряжений и повреждений увеличивается[2]. Это приводит к степенному ускорению высвобождения момента и деформации вплоть до макроскопического времени разрушения образца (крупного землетрясения в природе). Это предсказание было проверено на различных природных и лабораторных данных в широком спектре масштабов (лабораторные образцы, шахты, каталог землетрясений Калифорнии) и при различных условиях нагружения системы. Наиболее загадочным наблюдением является то, что критическое степенное ускорение скорости сопровождается лог-периодическими осцилляциями, что предполагает универсальное отношение, близкое к 2,2. Существование таких осцилляций обусловлено взаимодействием между сейсмогенными структурами, а также предлагает лучший критерий для выявления областей, в которых может произойти крупное событие. Концепция критического пьезоэлектричества в поликристаллах[3][4][5] была применена к земной коре[6].

Оценка вероятности землетрясений[править]

Оценка вероятности землетрясений отличается от предсказания тем, что тревога не объявляется, а оценивается зависящая от времени вероятность возникновения землетрясения. Группа Сорнетта внесла значительный вклад в теоретическое развитие и изучение свойств стандартной модели эпидемического типа последовательности афтершоков (ETAS) Эта модель утверждает, что каждое событие вызывает собственные прямые афтершоки, которые, в свою очередь, вызывают свои афтершоки. Следствием этого является то, что события больше нельзя классифицировать как форшоки, главные толчки или афтершоки, поскольку они могут быть всем этим одновременно (с разным уровнем вероятности). В этой модели вероятность того, что одно событие вызовет другое, в первую очередь зависит от их пространственного и временного разделения, а также от магнитуды вызывающего события, поэтому сейсмичность определяется набором из семи параметров. Группа Сорнетта расширяет возможности модели, допуская пространственные и временные вариации её параметров[7]. Несмотря на то, что эта новая модель достигает лучших показателей прогнозирования, чем любая другая конкурирующая модель, её недостаточно для достижения систематических надёжных прогнозов. Основная причина заключается в том, что эта модель довольно точно предсказывает будущие уровни сейсмичности, но не накладывает ограничений на магнитуды (которые предполагаются распределёнными согласно закону Гутенберга — Рихтера и независимыми друг от друга). Для дальнейшего улучшения этих прогнозов требуются некоторые другие сейсмические или несейсмические предвестники. Согласно модели ETAS, скорость вызванной активности вокруг данного события ведёт себя изотропно. Это упрощённое предположение было недавно ослаблено путём объединения статистики ETAS с подлинной механической информацией. Это делается путём моделирования возмущения напряжений, вызванного данным событием в его окрестностях, и корреляции его с пространственно-временной скоростью последующей активности как функции амплитуды и знака переданного напряжения. Это говорит о том, что возникновение афтершоков является результатом комбинации динамических (сейсмические волны) и эластостатических процессов. Ещё одним интересным результатом этой работы является то, что земная кора в Южной Калифорнии имеет довольно короткую память о прошлых колебаниях напряжений, длящуюся всего около 3—4 месяцев[8]. Это может наложить больше ограничений на временное окно, в пределах которого можно искать как сейсмические, так и несейсмические предвестники.

Мультифрактальная модель разрыва и землетрясений, активируемая напряжением (MSA)[править]

Уйон и Сорнетт разработали чисто статистическую физическую модель взаимодействия и запуска землетрясений, стремясь дополнить чисто эмпирическую линейную модель ETAS. Основное предположение этой «мультифрактальной модели, активируемой напряжением»[9][10] заключается в том, что в любом месте и в любое время локальная интенсивность отказов экспоненциально зависит от приложенного напряжения. Второй ключевой компонент заключается в признании того, что в земной коре локальное поле напряжений представляет собой сумму крупномасштабного напряжения дальнего поля, обусловленного движением плит, плюс все колебания напряжений, вызванные прошлыми землетрясениями. Поскольку упругие напряжения суммируются, возведение в степень делает эту модель нелинейной. Аналитическое решение позволило им предсказать, что каждое событие вызывает некоторые афтершоки со скоростью, затухающей во времени согласно закону Омори, то есть как 1/tp, но с особенностью, которая ранее не была признана. Уникальное предсказание модели MSA заключается в том, что показатель степени p не является постоянным (близким к 1), а линейно увеличивается с магнитудой главного толчка. Статистический анализ различных каталогов (Калифорния, Япония, Тайвань, Гарвардский CMT) был проведён для проверки этого предсказания, которое подтвердило его с использованием различных статистических методов[11][12]. Этот результат показывает, что небольшие события могут вызывать меньшее количество афтершоков, чем крупные, но их кумулятивный эффект может быть более длительным в земной коре. Недавно также был внедрён новый метод, называемый методом барицентрической фиксированной массы, для значительного улучшения оценки мультифрактальных структур пространственно-временной сейсмичности, ожидаемых от модели MSA[13].

Образование разломов, трещиноватость и повреждения[править]

Значительная часть деятельности группы Сорнетта также была посвящена статистическому физическому моделированию, а также свойствам трещин и разломов в различных масштабах. Эти особенности важны, поскольку они могут контролировать различные транспортные свойства коры, а также представлять собой места зарождения землетрясений.

Статистические физические модели трещин и разломов[править]

Сорнетт и Сорнетт (1989)[14] предложили рассматривать землетрясения и глобальную тектонику плит как самоорганизующиеся критические явления. Поскольку сети разломов явно являются самоорганизующимися критическими системами в том смысле, что землетрясения происходят на разломах, а разломы растут из-за землетрясений[15][16][17], что приводит к иерархическим свойствам, изучение их статистики также должно принести информацию о самом сейсмическом процессе[18]. Дэви, Сорнетт и Сорнетт[19][20][15][21] представили модель формирования паттернов роста разломов и показали, что существование неразломленных областей является естественным следствием фрактальной организации разломов. Коуи и др. (1993; 1995)[22][23] разработали первую теоретическую модель, которая охватывает как дальнодействующую, так и временную организацию сложных фрактальных паттернов разломов и кратковременную динамику последовательностей землетрясений. Результатом является общее существование в модели конкуренции разломов с прерывистой активностью различных разломов. Показано, что геометрическая и динамическая сложность разломов и землетрясений является результатом взаимодействия между пространственно-временным хаосом и начальной невыразительной замороженной гетерогенностью. Мильтенбергер и др[24]. и Сорнетт и др. (1994)[25] показали, что самоорганизованная критичность в землетрясениях и тектонических деформациях связана с синхронизацией пороговых релаксационных осцилляторов. Ли и др. (1999)[26] продемонстрировали внутреннюю прерывистую природу сейсмической активности на разломах, которая возникает в результате их конкуренции за приспособление к тектонической деформации. Сорнетт и Писаренко (2003) провели строгий статистический анализ распределения размеров плит, участвующих в тектонике плит, и продемонстрировали фрактальную природу тектоники плит[27].

Статистические свойства трещин и разломов[править]

Используя набор карт, центрированных в одном и том же месте, но в разных масштабах в Саудовской Аравии (от метра до сотен километров, то есть чуть более пяти декад), было показано, что трещины и паттерны разломов демонстрируют различные пространственные масштабные свойства в пределах различных диапазонов масштабов[28][29][30]. Эти переходные масштабы (которые количественно определяют горизонтальное распределение хрупких структур) могут быть хорошо скоррелированы с вертикальным механическим напластованием вмещающей среды (земной коры). В частности, можно показать, что паттерны трещин довольно однородны в масштабах, меньших толщины осадочного бассейна, и становятся гетерогенными и мультифрактальными в более крупных масштабах. Эти различные режимы были обнаружены путём разработки новых методов мультифрактального анализа (способных учитывать небольшой размер наборов данных, а также нерегулярные геометрические граничные условия), а также путём внедрения нового метода, основанного на 2D анизотропном вейвлет-анализе. При картировании некоторых трещин в кристаллическом фундаменте в той же области было обнаружено, что их пространственная организация (распределение интервалов) демонстрирует дискретную масштабную инвариантность на протяжении более четырёх декад[31]. Используя другой набор данных и теоретическую модель, Хуанг и др. также показали, что из-за взаимодействия между параллельными структурами распределение длины трещин демонстрирует дискретную масштабную инвариантность[32].

3D реконструкция и картирование разломов[править]

Мотивированная предсказанием и прогнозом землетрясений, группа Сорнетта также внесла свой вклад в проблему 3D картирования разломов. Учитывая каталог землетрясений с большим количеством событий, основная идея состоит в том, чтобы инвертировать набор плоских сегментов, который лучше всего соответствует этому набору данных[33][34]. Позднее Уйон и Сорнетт разработали методы, которые моделируют пространственное распределение событий с использованием смеси анизотропных гауссовых ядер[35]. Эти подходы позволяют идентифицировать большое количество разломов, которые не картируются более традиционными/геологическими методами, поскольку они не имеют никаких признаков на поверхности. Эти реконструированные 3D сети разломов предлагают хорошую корреляцию с фокальными механизмами, а также обеспечивают значительный выигрыш при их использовании в качестве прокси-местоположений землетрясений в экспериментах по прогнозированию. Поскольку каталоги могут быть очень большими (до полумиллиона событий для Южной Калифорнии), был внедрён метод конденсации каталога, который позволяет обнаруживать вероятные повторяющиеся события и избавляться от этой избыточности[36].

Глобальная система прогнозирования землетрясений[править]

В 2016 году в сотрудничестве с профессором Фридеманом Фройндом (с Джоном Сковиллом) в Исследовательском центре Эймса НАСА и GeoCosmo Сорнетт (с Ги Уйоном) запустил проект Глобальной системы прогнозирования землетрясений (GEFS) для продвижения в области предсказания землетрясений. Этот проект первоначально уходит корнями в строгую теоретическую и экспериментальную физику твёрдого тела профессора Фридемана Фройнда[37][38], чья теория способна объяснить весь спектр явлений электромагнитного типа, о которых сообщалось перед крупными землетрясениями на протяжении десятилетий, если не столетий: при воздействии на горные породы значительных напряжений активируются электроны и положительные дырки; последние перетекают в менее напряжённые области материала, генерируя таким образом крупномасштабные электрические токи. Они, в свою очередь, вызывают локальные геоэлектрические и геомагнитные аномалии, стимулированное инфракрасное излучение, ионизацию воздуха, повышение уровня озона и монооксида углерода. Все эти колебания в настоящее время измеряются с использованием наземных станций или технологий дистанционного зондирования.

Существуют многочисленные сообщения о гетерогенных типах предвестниковых явлений, начиная от излучения электромагнитных волн от ультранизких частот (УНЧ) до видимого (ВИД) и ближнего инфракрасного (БИК) света, аномалий электрического и магнитного полей различных видов, вплоть до необычного поведения животных.

Космические и наземные аномалии, предшествующие и/или одновременные землетрясениям, включают: (Спутниковый компонент) 1. Тепловые инфракрасные (ТИК) аномалии 2. Аномалии полного электронного содержания (ПЭС) 3. Ионосферная томография 4. Турбулентности ионосферного электрического поля 5. Атмосферные гравитационные волны (АГВ) 6. Выброс CO из земли 7. Образование озона на уровне земли 8. ОНЧ обнаружение ионизации воздуха 9. Мезосферные молнии 10. Линеаменты в ВИД-БИК;

Компонент наземной станции: 1. Вариации магнитного поля 2. УНЧ излучение из земной коры 3. Потенциалы деревьев и потенциалы земли 4. Изменения проводимости почвы 5. Изменения химического состава подземных вод 6. Выброс следовых газов из земли 7. Эманация радона из земли 8. Ионизация воздуха на поверхности земли 9. Субионосферное ОНЧ/КНЧ распространение 10. Свечение ночного неба

Эти предвестниковые сигналы носят прерывистый характер и, по-видимому, не возникают систематически перед каждым крупным землетрясением. Исследователи не смогли удовлетворительно объяснить и использовать их, но никогда вместе. К сожалению, всемирного хранилища таких данных не существует, и эти базы данных чаще всего недоиспользуются с применением слишком упрощённых анализов или пренебрежением кросс-корреляциями между ними (чаще всего потому, что такие данные собираются и принадлежат различным и конкурирующим учреждениям). GEFS представляет собой революционную инициативу со следующими целями: (i) инициировать сотрудничество со многими центрами обработки данных по всему миру для объединения компетенций; (ii) предложить платформу для совместной работы (InnovWiki, разработанную в Швейцарской высшей технической школе Цюриха) для создания мегахранилища данных и инструментов анализа; (iii) разработать и тщательно протестировать многомерные многомерные алгоритмы в реальном времени для прогнозирования землетрясений (местоположение, время и магнитуда) с использованием всех доступных данных.

Эндо-экзо динамика социальных коллективных поведений[править]

В 2004 году Сорнетт использовал данные о продажах Amazon.com для создания математической модели прогнозирования потенциала бестселлера на основе очень ранних результатов продаж[39][40]. Это было дополнительно развито для характеристики динамики успеха видео на YouTube[41]. Это обеспечивает общую основу для анализа предвестниковых и афтершоковых свойств шоков и разрывов в финансах, разрушении материалов, землетрясениях, продажах на amazon.com: его работа задокументировала повсеместные степенные законы, подобные закону Омори в сейсмологии, которые позволяют различать внешние шоки и эндогенную самоорганизацию.

Логистическая функция, логистические уравнения и расширения[править]

С соавторами Сорнетт внёс значительный вклад в применение и обобщение логистической функции (и уравнения). Приложения включают тесты хаоса дискретного логистического отображения[42][43], эндо-экзо подход к классификации заболеваний[44][45], введение запаздывающей обратной связи популяции на ёмкость среды для захвата прерывистой эволюции[46][47], симбиоз[48][49][50], детерминированные динамические модели переключения режимов между конвенциями и бизнес-циклами в экономических системах[51][52], моделирование периодически схлопывающихся пузырей, взаимодействия между несколькими видами через взаимную зависимость от их ёмкости среды[53].

Ещё одним приложением является методология определения фундаментальной стоимости фирм в секторе социальных сетей, таких как Facebook, Groupon, LinkedIn Corp., Pandora Media Inc, Twitter, Zynga, а в последнее время — вопрос о том, что оправдывает стремительно растущую стоимость компаний-«единорогов». Ключевая идея, предложенная Кауэлсом и Сорнеттом[54], заключается в том, что доходы и прибыль фирмы, занимающейся социальными сетями, неразрывно связаны с её пользовательской базой через прямой канал, не имеющий аналогов в других секторах; рост числа пользователей может быть откалиброван с помощью стандартных моделей логистического роста и позволяет делать надёжные экстраполяции размера бизнеса на длительные горизонты времени. Со своим аспирантом они применили эту методологию к оценке Zynga перед её IPO и показали её ценность, представив прогнозы ex-ante, ведущие к успешной торговой стратегии[55]. Недавнее применение к буму так называемых «единорогов», названию, данному стартапам, которые оцениваются более чем в 1 миллиард долларов, таким как Spotify и Snapchat, можно найти в этой магистерской диссертации[56].

Финансовые пузыри[править]

Он внёс вклад в теоретические модели, эмпирические тесты обнаружения и оперативное внедрение прогнозов финансовых пузырей[57][58].

Модели JLS и LPPLS[править]

Объединив (i) экономическую теорию пузырей рациональных ожиданий, (ii) поведенческие финансы об имитации и стадном поведении инвесторов и трейдеров и (iii) математическую и статистическую физику бифуркаций и фазовых переходов, он стал пионером модели лог-периодической степенной сингулярности (LPPLS) финансовых пузырей. Модель LPPLS рассматривает более быстрое, чем экспоненциальное (степенной закон с сингулярностью за конечное время) увеличение цен на активы, украшенное ускоряющимися осцилляциями, как основной диагностический признак пузырей[59]. Она воплощает эффект петель положительной обратной связи более высоких ожиданий доходности, конкурирующих со спиралями отрицательной обратной связи ожиданий краха. Модель LPPLS была впервые предложена в 1995 году для прогнозирования разрушения критических резервуаров высокого давления, установленных на европейской ракете Ариан[60], и в качестве теоретической формулировки высвобождения момента ускорения для прогнозирования землетрясений[61]. Затем модель LPPLS была предложена для применения к моделированию финансовых пузырей и их схлопывания Сорнеттом, Йохансеном и Бушо[62] и независимо Фейгенбаумом и Фройндом[63]. Формальная аналогия между механическими разрывами, землетрясениями и финансовыми крахами была дополнительно уточнена в рамках концепции пузырей рациональных ожиданий Бланшара и Уотсона[64] Йохансеном, Ледуа и Сорнеттом[65][66]. Этот подход в настоящее время упоминается в литературе как модель JLS. Недавно Сорнетт добавил букву S к аббревиатуре LPPL «лог-периодический степенной закон», чтобы прояснить, что часть «степенной закон» не следует путать с распределениями степенного закона: действительно, «степенной закон» относится к гиперболической сингулярности вида , где — логарифм цены в момент времени , и — критическое время окончания пузыря.

Обсерватория финансового кризиса (FCO)[править]

В августе 2008 года, в ответ на тогдашнее повсеместное утверждение о том, что финансовый кризис невозможно было предвидеть, с которым он энергично боролся[67], он создал Обсерваторию финансового кризиса. Обсерватория финансового кризиса (FCO) — это научная платформа, направленная на строгое, систематическое и крупномасштабное тестирование и количественную оценку гипотезы о том, что финансовые рынки демонстрируют степень неэффективности и потенциал для предсказуемости, особенно в периоды развития пузырей. FCO эволюционировала от апостериорного анализа многих исторических пузырей и крахов к предыдущим и продолжающимся априорным прогнозам рисков пузырей до их фактического возникновения (включая пузырь на рынке недвижимости США, закончившийся в середине 2006 года[68], нефтяной пузырь, лопнувший в июле 2008 года[69], пузыри на китайском фондовом рынке[70][71]).

FCO также запустила проект (названный «экспериментами с финансовыми пузырями») априорных отчётов о пузырях, где цифровой ключ аутентификации документа с прогнозами публиковался в Интернете. Содержание документа публиковалось только после того, как событие прошло, чтобы избежать любого возможного влияния публикации априорного прогноза на результат. Кроме того, была обеспечена полная прозрачность с использованием одного канала связи[72][73][74].

С октября 2014 года каждый месяц он публикует со своей командой Отчёт о состоянии глобальных пузырей, FCO Cockpit, в котором обсуждается историческая эволюция пузырей в различных классах активов и географических регионах. Это результат обширного анализа, проведённого на исторических временных рядах примерно 430 системных активов и 835 отдельных акций по всему миру. Системными активами являются индексы облигаций, акций и сырьевых товаров, а также выборка валютных пар. Отдельные акции — это в основном акции США и Европы. Ежемесячные отчёты FCO cockpit обычно делятся на две части: в первой части представлено состояние мира на основе анализа системных активов, включая индексы акций и облигаций, валюты и сырьевые товары; во второй части подробно рассматривается поведение пузырей отдельных акций путём расчёта индикаторов предупреждения о пузырях, а также двух индикаторов финансовой устойчивости, которые указывают на фундаментальную стоимость акции и способность к росту соответственно. Акции являются компонентами индексов Stoxx Europe 600, S&P 500 и Nasdaq 100. Эти индикаторы обеспечивают классификацию акций по четырём квадрантам: Квадрант 1: Акции с сильным положительным показателем пузыря и сильным показателем стоимости; Квадрант 2: Акции с сильным положительным показателем пузыря и слабым показателем стоимости; Квадрант 3: Акции с сильным отрицательным показателем пузыря и слабым показателем стоимости; Квадрант 4: Акции с сильным отрицательным показателем пузыря и сильной финансовой устойчивостью. Эти четыре квадранта используются для создания четырёх эталонных портфелей каждый месяц и отслеживаются для проверки их эффективности. Цель состоит в том, чтобы создать длинный послужной список для продолжения тестирования гипотез FCO.

Человеческое сотрудничество[править]

Альтруистическое наказание[править]

Вдохновлённые исследованиями Эрнста Фера и его сотрудников, Дарсе и Сорнетт предположили, что парадокс человеческого сотрудничества и альтруизма (без родства, прямой или косвенной взаимности) возникает естественным образом благодаря механизму эволюционного отбора с обратной связью[75]. Соответствующее обобщённое уравнение учёта затрат и выгод было протестировано и подтверждено моделированием агентной модели, имитирующей эволюционное давление отбора наших предков[76][77]: начиная с популяции агентов, не имеющих склонности к сотрудничеству и альтруистическому наказанию, простые правила отбора путём выживания во взаимодействующих группах приводят к возникновению уровня сотрудничества и альтруистического наказания в соответствии с экспериментальными результатами[78].

Есть ли что-нибудь хорошее в мужчинах?[править]

Стимулированный книгой Роя Баумейстера «Есть ли что-нибудь хорошее в мужчинах?: Как культуры процветают, эксплуатируя мужчин» (Oxford University Press; 2010), со своим аспирантом М. Фавром Сорнетт разработал очень простую агентную модель, количественно связывающую воедино несколько маловероятных фрагментов данных, таких как различия между мужчинами и женщинами, время до наших самых последних общих предков и гендерные различия в пропорциях предков нынешней человеческой популяции. Вопрос о том, различаются ли мужчины и женщины от природы, занимал внимание и заботу психологов уже более века. Большинство исследователей предполагают, что эволюция способствовала формированию любых врождённых различий, предположительно посредством репродуктивного успеха. Следовательно, поскольку репродуктивные случайности были разными для мужчин и женщин, психологические последствия и адаптации, проистекающие из естественного отбора, будут различаться по полу. По этой причине ценна новая информация о гендерных различиях в репродуктивном успехе в нашем биологическом прошлом. Фавр и Сорнетт показали, что крайне асимметричная стоимость инвестиций в воспроизводство между самцами и самками, особая роль самок как единственных носителей детей, наряду с высокой гетерогенностью приспособленности самцов, обусловленной давлением отбора самок, были достаточны для количественного объяснения того факта, что нынешняя человеческая популяция Земли произошла от большего числа самок, чем самцов, в соотношении примерно 2:1[79], однако с широким распределением возможных значений (соотношение 2:1 является медианой в ансамбле популяций, смоделированных Фавром и Сорнеттом).

Теория реляционных моделей Фиска[править]

Чтобы описать присущую Homo Sapiens социальность, профессор антропологии Калифорнийского университета в Лос-Анджелесе Алан Фиск выдвинул теорию, согласно которой все человеческие взаимодействия можно разложить всего на четыре «реляционные модели» или элементарные формы человеческих отношений: совместное использование, ранжирование авторитетов, сопоставление равенства и рыночное ценообразование (к ним добавляются предельные случаи асоциальных и нулевых взаимодействий, при которых люди не координируют свои действия со ссылкой на какой-либо общий принцип)[80]. С М. Фавром Сорнетт представил простейшую модель диадических социальных взаимодействий и установил её соответствие теории реляционных моделей Фиска (RMT)[81]. Их модель основана на наблюдении, что каждый индивид в диадическом взаимодействии может делать либо то же самое, что и другой индивид, либо что-то другое, либо вообще ничего. Отношения, порождённые этим представлением, объединяются в шесть исчерпывающих и непересекающихся категорий, которые соответствуют четырём реляционным моделям, в то время как остальные две соответствуют асоциальным и нулевым взаимодействиям, определённым в RMT. Модель может быть обобщена на наличие N социальных действий. Это отображение позволяет сделать вывод, что четыре реляционные модели образуют исчерпывающий набор всех возможных диадических отношений, основанных на социальной координации, тем самым объясняя, почему может существовать только четыре реляционные модели.

Короли-драконы[править]

Он разработал теорию королей-драконов экстремальных явлений[82][83]. Термин «короли-драконы» (DK) воплощает двойную метафору, подразумевающую, что событие является одновременно чрезвычайно крупным («король»[84]) и рождённым из уникальных источников («дракон») по отношению к своим аналогам. Гипотеза, выдвинутая в[85], заключается в том, что события DK генерируются различными механизмами, которые периодически усиливают экстремальные события, что приводит к возникновению неконтролируемых катастроф, а также к необычайным возможностям для роста. Он сформулировал гипотезу о том, что DK можно обнаружить заранее путём наблюдения за связанными с ними предвестниковыми признаками[86][87].

Гипотеза социального пузыря[править]

Вместе с Моникой Гислер он представил гипотезу социального пузыря в форме, которую можно методично изучить[88][89]: сильные социальные взаимодействия между восторженными сторонниками идеи/концепции/проекта сплетают сеть, основанную на положительных обратных связях, что приводит к широкому одобрению и необычайной приверженности участников соответствующего проекта сверх того, что было бы рационализировано стандартным анализом затрат и выгод[90]. Гипотеза социального пузыря не отбрасывает какую-либо систему ценностей, однако, несмотря на использование термина «пузырь», который часто ассоциируется с негативным исходом. Скорее, она определяет типы динамики, которые формируют научные или технологические начинания. Другими словами, согласно гипотезе социального пузыря, крупные проекты в целом развиваются через механизм социального пузыря. Утверждается, что большинство подрывных инноваций проходят через такую динамику социального пузыря.

Гипотеза социального пузыря связана со знаменитым созидательным разрушением Шумпетера и с «технологическим экономическим сдвигом парадигмы» социального экономиста Карлоты Перес[91][92], которая изучает пузыри как предшественники «техно-экономических сдвигов парадигмы». Опираясь на свой профессиональный опыт венчурного капиталиста, Уильям Х. Джейнвей аналогичным образом подчёркивает положительную роль пузырей активов в финансировании технологических инноваций[93].

Квантовая теория принятия решений (QDT)[править]

Со своим российским коллегой В. И. Юкаловым он представил «квантовую теорию принятия решений»[94] с целью создания целостной теоретической основы принятия решений. Основанная на математике гильбертовых пространств, она охватывает неопределённость и использует неаддитивную вероятность для разрешения сложных ситуаций выбора с эффектами интерференции. Использование гильбертовых пространств представляет собой простейшее обобщение теории вероятностей, аксиоматизированной Колмогоровым[95] для вещественнозначных вероятностей, на вероятности, полученные из алгебраической теории комплексных чисел. По своей математической структуре квантовая теория принятия решений стремится охватить процессы суперпозиции, происходящие вплоть до нейронного уровня. Многочисленные поведенческие паттерны, включая те, которые вызывают парадоксы в рамках других теоретических подходов, последовательно объясняются квантовой теорией принятия решений[94].

Версия квантовой теории принятия решений (QDT), разработанная Юкаловым и Сорнеттом, принципиально отличается от всех других упомянутых подходов в двух отношениях. Во-первых, QDT основана на самосогласованной математической основе, которая является общей как для квантовой теории измерений, так и для квантовой теории принятия решений. Отталкиваясь от теории квантовых измерений фон Неймана (1955)[96], Юкалов и Сорнетт обобщили её на случай неопределённых или неубедительных событий, что позволило охарактеризовать неопределённые измерения и неопределённые перспективы. Во-вторых, основные формулы QDT выводятся из общих принципов, что даёт возможность делать общие количественные предсказания.

Методы и техники[править]

Зависящие от времени отношения опережения-запаздывания: метод TOPS[править]

Вместе с Вэй-Син Чжоу он представил метод «теплового оптимального пути» как метод количественной оценки динамической эволюции структур опережения-запаздывания между двумя временными рядами. Метод состоит в построении матрицы расстояний на основе сопоставления всех пар выборочных данных между двумя временными рядами, как в рекуррентных диаграммах. Затем структура запаздывания-опережения ищется как оптимальный путь в ландшафте матрицы расстояний, который минимизирует общее несоответствие между двумя временными рядами и который подчиняется условию взаимно однозначного причинного сопоставления. Проблема решается математически методами трансфер-матрицы, сопоставляя метод TOP с проблемой случайных направленных полимеров, взаимодействующих со случайными субстратами. Приложения включают изучение взаимосвязей между инфляцией, изменением инфляции, темпами роста ВВП и уровнем безработицы[97][98], волатильностью уровня инфляции в США по сравнению с темпами экономического роста[99], фондовым рынком США по сравнению со ставкой по федеральным фондам и доходностью казначейских облигаций и недвижимостью и монетарной политикой Великобритании и США[100].

Недавно было внедрено улучшение TOP, названное TOPS (симметричный тепловой оптимальный путь)[100], которое дополняет TOP, требуя, чтобы отношение опережения-запаздывания было инвариантным по отношению к обращению времени временного ряда после изменения знака. Это означает, что если «X предшествует Y», это преобразуется в «Y предшествует X» при обращении времени. Подход TOPS подчёркивает важность учёта смены режимов, так что аналогичные фрагменты информации или политики могут иметь совершенно разные последствия и развитие в зависимости от экономических, финансовых и геополитических условий.

Швейцарский франк как «драгоценный металл» и Швейцарский суверенный фонд[править]

В 2015 году, в ответ на необычайное давление на швейцарский франк и общие дебаты о том, что сильный швейцарский франк является проблемой для Швейцарии, он выдвинул противоположное предложение о том, что сильный швейцарский франк является необычайной возможностью для Швейцарии. Он утверждает, что сильный швейцарский франк является эмерджентностью (в смысле сложных адаптивных систем) совокупных качеств Швейцарии, её политических систем, её инфраструктуры, её организации труда и этики, её культуры и многого другого. Он предлагает «добывать» швейцарские франки, чтобы стабилизировать обменный курс по отношению к евро до экономически и политически согласованного уровня (который мог бы составлять около 1,20—1,25 швейцарского франка за евро), и покупать столько евро и долларов, сколько необходимо для этого. Вырученные средства будут реинвестированы в Швейцарский суверенный фонд, размер которого может достичь одного триллиона евро или более, в соответствии со стратегиями, используемыми норвежским суверенным фондом, сингапурскими суверенными фондами и университетскими фондами целевого капитала, такими как Гарвардский или Стэнфордский. Полную английскую версию и презентацию можно найти на сайте. Краткое изложение аргументов было представлено в немецкоязычных СМИ[101] .

Примечания[править]

  1. ↑ Sornette, D. (1999), Towards a truly multidisciplinary approach to earthquake prediction, in Nature debate April 1999, Is the reliable prediction of individual earthquakes a realistic scientific goal?
  2. ↑ Sornette, D., Vanneste, C. and Knopoff, L., (1992) "Statistical model of earthquake foreshocks", Phys. Rev. A 45, 8351–8357 (1992)
  3. ↑ Sornette, D., Lagier, M., Roux, S. and Hansen A., Critical piezoelectricity in percolation", J. Phys. France, 50, 2201–2216 (1989)
  4. ↑ Gaillard-Groleas, G., Lagier, M., and Sornette, D., Critical behaviour in piezoelectric ceramics", Phys.Rev.Lett.64, 1577 (1990)
  5. ↑ Lacour, O., Lagier, M., and Sornette, D., Effect of dynamical fluid compressibility and permeability on porous piezoelectric ceramics", J.Acoust.Soc.Am. 96 (6), 3548–3557 (1994)
  6. ↑ Sornette, A. and Sornette, D., "Earthquake rupture as a critical point : Consequences for telluric precursors", Tectonophysics 179, 327–334 (1990)
  7. ↑ Nandan S., Ouillon G., Wiemer S., Sornette D. (2017). «Objective estimation of spatially variable parameters of epidemic type aftershock sequence model: Application to California». J. Geophys. Res. Solid Earth 122 (7): 5118–5143. DOI:10.1002/2016JB013266. Bibcode: 2017JGRB..122.5118N.
  8. ↑ Nandan S., Ouillon G., Woessner J., Sornette D., Wiemer S. (2016). «Systematic assessment of the static stress triggering hypothesis using inter-earthquake time statistics». J. Geophys. Res. Solid Earth 121 (3): 1890–1909. DOI:10.1002/2015JB012212. Bibcode: 2016JGRB..121.1890N.
  9. ↑ Ouillon, G. and D. Sornette, Magnitude-Dependent Omori Law: Empirical Study and Theory, J. Geophys. Res., 110, B04306, doi:10.1029/2004JB003311 (2005)
  10. ↑ Sornette, D. and G. Ouillon, Multifractal scaling of thermally activated rupture processes, Phys. Rev. Lett., 94, 038501, DOI: 10.1103/PhysRevLett.94.038501 (2005)
  11. ↑ Ouillon, G., D. Sornette, and E. Ribeiro, Multifractal Omori law for earthquake triggering: new tests on the California, Japan and worldwide catalogues", Geophys. J. Int., 178, 215–243 (2009)
  12. ↑ Tsai, C.-Y., Ouillon, G., and D. Sornette, New empirical tests of the Multifractal Omori law for Taiwan, Bull. Seismol. Soc. Am., 102, 5, DOI:10.1785/0120110237 (2011)
  13. ↑ Kamer, Y., G. Ouillon and D. Sornette, The Barycentric Fixed Mass Method for Multifractal Analysis, Physical Review E 88, 022922 (2013)
  14. ↑ Sornette, A. and D. Sornette, Self-organized criticality and earthquakes", Europhys.Lett. 9 (no.3), 197–202 (1989)
  15. ↑ 15,0 15,1 Sornette, A., Ph. Davy and D. Sornette, "Growth of fractal fault patterns", Phys. Rev. Lett. 65, 2266–2269 (1990)
  16. ↑ Sornette, D., Self-organized criticality in plate tectonics, in the proceedings of the NATO ASI "Spontaneous formation of space-time structures and criticality", Geilo, Norway 2–12 April 1991, edited by T. Riste and D. Sherrington, Dordrecht, Boston, Kluwer Academic Press (1991), volume 349, pp. 57–106
  17. ↑ Sornette, D. and J. Virieux, "A theory linking large time tectonics and short time deformations of the lithosphere", Nature 357, 401–403 (1992)
  18. ↑ Sornette, D. and Ph. Davy, "Fault growth model and the universal fault length distribution", Geophys. Res. Lett. 18, 1079–1081 (1991)
  19. ↑ Davy, Ph., A. Sornette and D. Sornette, Some consequences of a proposed fractal nature of continental faulting, Nature 348, 56–58 (1990)
  20. ↑ Davy, Ph., A. Sornette and D. Sornette, Experimental discovery of scaling laws relating fractal dimensions and the length distribution exponent of fault systems, Geophys.Res.Lett.19 n4, 361–364 (1992)
  21. ↑ Sornette, A., Ph. Davy and D. Sornette, Fault growth in brittle-ductile experiments and the mechanics of continental collisions, J. Geophys. Res. 98, 12111–12139 (1993)
  22. ↑ Cowie, P.A., C. Vanneste and D. Sornette, Statistical physics model for the spatio-temporal evolution of faults, J.Geophys.Res. 98 (B12), 21809–21821 (1993)
  23. ↑ Cowie, P.A., D. Sornette and C. Vanneste, Multifractal scaling properties of a growing fault population", Geophysical Journal International 122 (2), 457–469 (1995)
  24. ↑ Miltenberger, P., D. Sornette and C.Vanneste, Fault self-organization as optimal random paths selected by critical spatio-temporal dynamics of earthquakes, Phys.Rev.Lett. 71, 3604–3607 (1993)
  25. ↑ Sornette, D., P. Miltenberger and C. Vanneste, Statistical physics of fault patterns self-organized by repeated earthquakes, Pure and Applied Geophysics 142, N. 3/4, 491–527 (1994)
  26. ↑ Lee, M.W., D. Sornette and L. Knopoff, Persistence and Quiescence of Seismicity on Fault Systems, Physical Review Letters 83 (20): 4219–4222 (1999)
  27. ↑ Sornette, D. and V.F. Pisarenko, Fractal Plate Tectonics, Geophys. Res. Lett., 30(3), 1105, doi:10.1029/2002GL015043 (2003)
  28. ↑ Ouillon G., D. Sornette and C. Castaing, Organization of joints and faults from 1cm to 100km scales revealed by new multifractal and anisotropic wavelet techniques, Nonlin. Proc. Geophys., 2, 158–177 (1995)
  29. ↑ Ouillon G., C. Castaing and D. Sornette, Hierarchical Geometry of Faulting, J. Geophys. Res., 101, B3, 5477–5487 (1996)
  30. ↑ Ouillon G. and D. Sornette, Unbiased multifractal analysis: application to fault patterns", Geophys. Res. Lett., 23, 23, 3409–3412 (1996)
  31. ↑ Ouillon G., D. Sornette, A. Genter and C. Castaing, "The imaginary part of rock jointing", J. Phys. France I, 6, 8, 1127–1139 (1996)
  32. ↑ Huang Y., G. Ouillon, H. Saleur and D. Sornette, "Spontaneous generation of discrete scale invariance in growth models", Phys. Rev. E, 55, 6, 6433–6447 (1997)
  33. ↑ Ouillon, G., Ducorbier, C. and D. Sornette, 3D determination of fault patterns from seismic catalogs: a dynamic clustering approach, J. Geophys. Res., 113, B01306, doi:10.1029/2007JB005032 (2008)
  34. ↑ Wang, Y., Ouillon, G., Wössner, J., Sornette, D., and S. Husen, Automatic reconstruction of fault networks from seismicity catalogs including location uncertainty, J. Geophys. Res. Solid Earth, 118, 5956–5975, 2013 (2013)
  35. ↑ Ouillon, G., and D. Sornette, Segmentation of Fault Networks Determined from Spatial Clustering of Earthquakes, J. Geophys. Res. Solid Earth, 116, B02306, doi:10.1029/2010JB007752 (2011)
  36. ↑ Kamer, Y., Ouillon, G., Sornette, D., and J. Wössner, Condensation of earthquake location distributions: Optimal spatial information encoding and application to multifractal analysis of South Californian seismicity, Phys. Rev. E 08/2015; 92(2). DOI:10.1103/PhysRevE.92.022808 (2015)
  37. ↑ Freund F. T. (2010). «Toward a Unified Solid State Theory for Pre-Earthquake Signals». Acta Geophysica 58 (5): 719–766. DOI:10.2478/s11600-009-0066-x. Bibcode: 2010AcGeo..58..719F.
  38. ↑ Freund F., Sornette D. (2007). «Electro-Magnetic Earthquake Bursts and Critical Rupture of Peroxy Bond Networks in Rocks». Tectonophysics 431 (1–4): 33–47. DOI:10.1016/j.tecto.2006.05.032. Bibcode: 2007Tectp.431...33F.
  39. ↑ "Researchers use physics to analyze dynamics of bestsellers". PhysOrg.com: December 5, 2004. Retrieved December 7, 2005.
  40. ↑ "UCLA Physicist Applies Physics to Best-Selling Books". UCLA News: December 1, 2004. Retrieved May 1, 2017.
  41. ↑ Crane R., Sornette D. (2008). «Robust dynamic classes revealed by measuring the response function of a social system». Proc. Natl. Acad. Sci. USA 105 (41): 15649–15653. DOI:10.1073/pnas.0803685105. PMID 18824681. Bibcode: 2008PNAS..10515649C.
  42. ↑ A. Arneodo and D. Sornette, (1984) Monte-Carlo Random Walk Experiments As A test of Chaotic Orbits of Maps On the Interval, Phys. Rev. Lett. 52,1857
  43. ↑ Sornette D., Arneodo A. (1984). «Chaos, Pseudo-Random Number Generations And The Random Walk Problem». J. Phys. (Paris) 45 (12). DOI:10.1051/jphys:0198400450120184300.
  44. ↑ Sornette D., Yukalov V.I., Yukalova E.P., Henry J.Y., Schwab D., Cobb J.P. (2009). «Endogenous versus exogenous origins of diseases». J. Biol. Syst. 17 (2): 225–267. DOI:10.1142/s0218339009002880.
  45. ↑ Yukalov V.I., Sornette D., Yukalova E.P., Henry J.Y., Cobb J.P. (2009). «Stable states of biological organisms». Concepts Phys. 6 (2): 179–194. DOI:10.2478/v10005-009-0006-1. Bibcode: 2009ONCP....6..179Y.
  46. ↑ Yukalov V.I., Yukalova E.P., Sornette D. (2009). «Punctuated evolution due to delayed carrying capacity». Physica D 238 (17): 1752–1767. DOI:10.1016/j.physd.2009.05.011. Bibcode: 2009PhyD..238.1752Y.
  47. ↑ Yukalov V.I., Yukalova E.P., Sornette D. (2014). «Population dynamics with nonlinear delayed carrying capacity». Int. J. Bifurc. Chaos 24 (2): 1450021–23. DOI:10.1142/s0218127414500217. Bibcode: 2014IJBC...2450021Y.
  48. ↑ Yukalov V.I., Yukalova E.P., Sornette D. (2012). «Modeling symbiosis by interactions through species carrying capacities». Physica D 241 (15): 1270–1289. DOI:10.1016/j.physd.2012.04.005. Bibcode: 2012PhyD..241.1270Y.
  49. ↑ Yukalov V.I., Yukalova E.P., Sornette D. (2014). «New approach to modeling symbiosis in biological and social systems». Int. J. Bifurc. Chaos 24 (9): 1450117–29. DOI:10.1142/s021812741450117x. Bibcode: 2014IJBC...2450117Y.
  50. ↑ Yukalov V.I., Yukalova E.P., Sornette D. (2017). «Dynamic transition in symbiotic evolution induced by growth rate variation». Int. J. Bifurc. Chaos 27 (3): 1730013–19. DOI:10.1142/s0218127417300130. Bibcode: 2017IJBC...2730013Y.
  51. ↑ Yukalov V.I., Sornette D., Yukalova E.P. (2009). «Nonlinear dynamical model of regime switching between conventions and business cycles». J. Econ. Behav. Organ. 70 (1–2): 206–230. DOI:10.1016/j.jebo.2008.12.004.
  52. ↑ Yukalov V.I., Yukalova E.P., Sornette D. (2013). «Utility rate equations of group population dynamics in biological and social systems». PLOS ONE 8 (12): 83225–15. DOI:10.1371/journal.pone.0083225. PMID 24386163. Bibcode: 2013PLoSO...883225Y.
  53. ↑ Yukalov V.I., Yukalova E.P., Sornette D. (2012). «Extreme events in population dynamics with functional carrying capacity». The European Physical Journal Special Topics 205 (1): 313–354. DOI:10.1140/epjst/e2012-01577-3. Bibcode: 2012EPJST.205..313Y.
  54. ↑ Cauwels P., Sornette D. (2012). «Quis pendit ipsa pretia: Facebook valuation and diagnostic of a bubble based on nonlinear demographic dynamics». Journal of Portfolio Management 38 (2): 56–66. DOI:10.3905/jpm.2012.38.2.056. Bibcode: 2011arXiv1110.1319C.
  55. ↑ Forro Z., Cauwels P., Sornette D. (2012). «When games meet reality: is Zynga overvalued?». Journal of Investment Strategies 1 (3): 119–145. DOI:10.21314/jois.2012.006.
  56. ↑ Dimitri Bozovic, Unicorns Analysis: An Estimation of Spotify's and Snapchat's Valuation (March 2017) https://www.ethz.ch/content/dam/ethz/special-interest/mtec/chair-of-entrepreneurial-risks-dam/documents/dissertation/master%20thesis/master_dimitribozovic_Final.pdf
  57. ↑ T. Kaizoji and D. Sornette, Market Bubbles and Crashes, published in the Encyclopedia of Quantitative Finance (Wiley, 2010), http://www.wiley.com//legacy/wileychi/eqf/ (long version at https://arxiv.org/abs/0812.2449)
  58. ↑ Didier Sornette: How we can predict the next financial crisis. TED (June 2013). Проверено 15 сентября 2026.
  59. ↑ (2015) «Financial bubbles: mechanisms and diagnostics». Review of Behavioral Economics 2 (3): 279–305. DOI:10.1561/105.00000035.
  60. ↑ J.-C. Anifrani, C. Le Floc'h, D. Sornette and B. Souillard, (1995) Universal Log-periodic correction to renormalization group scaling for rupture stress prediction from acoustic emissions, J.Phys.I France 5, n6, 631–638
  61. ↑ (1995) «Complex critical exponents from renormalization group theory of earthquakes: implications for earthquake predictions». J. Phys. I France 5 (5): 607–619. DOI:10.1051/jp1:1995154. Bibcode: 1995JPhy1...5..607S.
  62. ↑ (1996) «Stock market crashes, Precursors and Replicas». J. Phys. I France 6 (1): 167–175. DOI:10.1051/jp1:1996135. Bibcode: 1996JPhy1...6..167S.
  63. ↑ (1996) «Discrete scale invariance in stock markets before crashes». Int. J. Mod. Phys. B 10 (27): 3737–3740. DOI:10.1142/s021797929600204x. Bibcode: 1996IJMPB..10.3737F.
  64. ↑ Blanchard, Olivier J., and Mark W. Watson, 1982, Bubbles, Rational Expectations and Speculative Markets, in Crisis in Economic and Financial Structure: Bubbles, Bursts, and Shocks, edited by Paul Wachtel. Lexington: Lexington Books
  65. ↑ A. Johansen, D. Sornette and O. Ledoit, Predicting Financial Crashes using discrete scale invariance, Journal of Risk 1 (4), 5–32 (1999)
  66. ↑ A. Johansen, O. Ledoit and D. Sornette, Crashes as critical points, International Journal of Theoretical and Applied Finance 3 (2), 219–255 (2000)
  67. ↑ D. Sornette and P. Cauwels, 1980–2008: The Illusion of the Perpetual Money Machine and what it bodes for the future, Risks 2, 103–131 (2014) (http://ssrn.com/abstract=2191509)
  68. ↑ W.-X. Zhou and D. Sornette, Is There a Real-Estate Bubble in the US?" Physica A 2006; 361, 297–308
  69. ↑ D. Sornette, R. Woodard and W.-X. Zhou, "The 2006–2008 Oil Bubble: evidence of speculation, and prediction", Physica A 388, 1571–1576 (2009)
  70. ↑ Zhi-Qiang Jiang, Wei-Xing Zhou, Didier Sornette, Ryan Woodard, Ken Bastiaensen, Peter Cauwels, Bubble Diagnosis and Prediction of the 2005–2007 and 2008–2009 Chinese stock market bubbles, Journal of Economic Behavior and Organization 74, 149–162 (2010)
  71. ↑ Didier Sornette, Guilherme Demos, Qun Zhang, Peter Cauwels, Vladimir Filimonov and Qunzhi Zhang, Real-time prediction and post-mortem analysis of the Shanghai 2015 stock market bubble and crash, Journal of Investment Strategies 4 (4), 77–95 (2015) (Swiss Finance Institute Research Paper No. 15–32. Available at http://ssrn.com/abstract=2693634)
  72. ↑ Didier Sornette, Ryan Woodard, Maxim Fedorovsky, Stefan Riemann, Hilary Woodard, Wei-Xing Zhou (The Financial Crisis Observatory), The Financial Bubble Experiment: advanced diagnostics and forecasts of bubble terminations (2009) (https://arxiv.org/abs/0911.0454) (see http://www.technologyreview.com/blog/arxiv/24358/ Архивировано из первоисточника 2012-03-20.)
  73. ↑ Didier Sornette, Ryan Woodard, Maxim Fedorovsky, Stefan Reimann, Hilary Woodard, Wei-Xing Zhou (The Financial Crisis Observatory), The Financial Bubble Experiment: Advanced Diagnostics and Forecasts of Bubble Terminations Volume II—Master Document (beginning of the experiment) (2010) (https://arxiv.org/abs/1005.5675)
  74. ↑ Ryan Woodard, Didier Sornette, Maxim Fedorovsky, The Financial Bubble Experiment: Advanced Diagnostics and Forecasts of Bubble Terminations, Volume III (beginning of experiment + post-mortem analysis) (2010) (https://arxiv.org/abs/1011.2882)
  75. ↑ D. Darcet and D. Sornette, Quantitative determination of the level of cooperation in the presence of punishment in three public good experiments, Journal of Economic Interaction and Coordination 3, 137–163 (2008)
  76. ↑ M. Hetzer and D. Sornette, An Evolutionary Model of Cooperation, Fairness and Altruistic Punishment in Public Good Games, PLoS ONE 8(11):e77041, pp. 1–13. doi:10.1371/journal.pone.0077041 (2013)
  77. ↑ M. Hetzer and D. Sornette, "The co-evolution of fairness preferences and altruistic punishment", PLoS ONE 8 (3), e54308, pp. 1–18 (2013)
  78. ↑ E. Fehr, U. Fischbacher and S. Gächter, Strong reciprocity, human cooperation, and the enforcement of social norms, Human Nature 13, 1–25 (2002)
  79. ↑ Maroussia Favre and Didier Sornette, Strong gender differences in reproductive success variance, and the times to the most recent common ancestors, Journal of Theoretical Biology 310, 43–54 (2012)
  80. ↑ Overview. Архивировано из первоисточника 23 октября 1999. Проверено 15 сентября 2026.
  81. ↑ Maroussia Favre and Didier Sornette, A generic model of dyadic social relationships, PLoS ONE 10(3): e0120882. doi:10.1371/journal.pone.0120882 (31 March 2015)
  82. ↑ D. Sornette, "Dragon-Kings, Black Swans and the Prediction of Crises", International Journal of Terraspace Science and Engineering 2(1), 1–18 (2009)
  83. ↑ Sornette, D., Ouillon, G., "Dragon-kings: Mechanisms, statistical methods and empirical evidence", The European Physical Journal Special Topics 205, 1–26 (2012)
  84. ↑ Laherrère J and Sornette D, "Stretched exponential distributions in Nature and Economy: 'Fat tails' with characteristic scales", European Physical Journal B 2, 525–539 (1998)
  85. ↑ D. Sornette, "Dragon-Kings, Black Swans and the Prediction of Crises", International Journal of Terraspace Science and Engineering, 2009
  86. ↑ Sornette D, "Predictability of catastrophic events: material rupture, earthquakes, turbulence, financial crashes and human birth", Proc. Natl. Acad. Sci. USA 99 (Suppl. 1), 2522–2529 (2002)
  87. ↑ Sammis SG and Sornette D, "Positive Feedback, Memory and the Predictability of Earthquakes", Proceedings of the National Academy of Sciences USA, V99 SUPP1:2501–2508 (2002)
  88. ↑ (2011) «Innovation as a Social Bubble: The Example of the Human Genome Project». Research Policy 40 (10): 1412–1425. DOI:10.1016/j.respol.2011.05.019.
  89. ↑ Monika Gisler and Didier Sornette, Bubbles Everywhere in Human Affairs, chapter in book entitled "Modern RISC-Societies. Towards a New Framework for Societal Evolution", L. Kajfez Bogataj, K.H. Mueller, I. Svetlik, N. Tos (eds.), Wien, edition echoraum: 137–153 (2010)
  90. ↑ D. Sornette, Nurturing Breakthroughs; Lessons from Complexity Theory, Journal of Economic Interaction and Coordination 3, 165–181 (2008)
  91. ↑ Perez, C. 2002. Technological Revolutions and Financial Capital. The Dynamics of Bubbles and Golden Ages. Edward Elgar, Cheltenham/Northampton
  92. ↑ Perez C (2009). «The double bubble at the turn of the century: technological roots and structural implications». Cambridge Journal of Economics 33 (4): 779–805. DOI:10.1093/cje/bep028.
  93. ↑ Janeway, W.H. 2012: Doing Capitalism in the Innovation Economy, Cambridge: Cambridge University Press
  94. ↑ 94,0 94,1 Yukalov V.I., Sornette D. (2008). «Quantum decision theory as quantum theory of measurement». Phys. Lett. A 372 (46): 6867–6871. DOI:10.1016/j.physleta.2008.09.053. Bibcode: 2008PhLA..372.6867Y.
  95. ↑ A.N. Kolmogorov. Foundations of the Theory of Probability. English translation by Nathan Morrison, Chelsea, New York (1956)
  96. ↑ J. von Neumann. Mathematical Foundations of Quantum Mechanics. Princeton: Princeton University (1955)
  97. ↑ D. Sornette and W.-X. Zhou, "Non-parametric Determination of Real-Time Lag Structure between Two Time Series: the "Optimal Thermal Causal Path" Method, Quantitative Finance 5 (6), 577–591 (2005)
  98. ↑ W.-X. Zhou and D. Sornette, "Non-parametric Determination of Real-Time Lag Structure between Two Time Series: the "Optimal Thermal Causal Path" Method with Applications to Economic Data, Journal of Macroeconomics, 28, 195–224 (2006)
  99. ↑ Zhou Wei-Xing, Sornette Didier (2007). «Lead-lag cross-sectional structure and detection of correlated-anticorrelated regime shifts: application to the volatilities of inflation and economic growth rates». Physica A 380: 287–296. DOI:10.1016/j.physa.2007.02.114. Bibcode: 2007PhyA..380..287Z.
  100. ↑ 100,0 100,1 Meng Hao, Xu Hai-Chuan, Zhou Wei-Xing, Sornette Didier (2017). «Symmetric thermal optimal path and time-dependent lead-lag relationship: novel statistical tests and application to UK and US real-estate and monetary policies». Quantitative Finance 17 (6): 959–977. DOI:10.1080/14697688.2016.1241424.
  101. ↑ D. Sornette, "Ein Schweizer Souveränitätsfonds, Politik & Wirtschaft", Schweizer Monat 1030, 26–31 (Oktober 2015)

Литература[править]

  • Scale invariance and beyond (with B. Dubrulle and F. Graner, eds.), EDP Sciences and Springer, Berlin, 1997, 286 pages.
  • Why Stock Markets Crash (Critical Events in Complex Financial Systems), Princeton University Press, 2003, ISBN 0-691-09630-9
  • Critical Phenomena in Natural Sciences, Chaos, Fractals, Self-organization and Disorder: Concepts and Tools, Second edition, Springer Series in Synergetics, Heidelberg, 2004, ISBN 3-540-40754-5
  • Extreme Financial Risks (From dependence to risk management) (with Y. Malevergne), Springer, Heidelberg, 2005.
  • Theory of Zipf's law and beyond (with A. Saichev and Y. Malevergne), Lecture Notes in Economics and Mathematical Systems, Volume 632, Springer (November 2009), ISBN 978-3-642-02945-5
  • Man-made Catastrophes and Risk Information Concealment (25 case studies of major disasters and human fallibility) (with Dmitry Chernov). Springer, 1st ed. 2016 edition (October 28, 2015) (342 pages), DOI 10.1007/978-3-319-24301-6, Hardcover ISBN 978-3-319-24299-6, eBook ISBN 978-3-319-24301-6
  • New Ways and Needs for Exploiting Nuclear Energy (with Wolfgang Kröger and Spencer Wheatley), Springer International Publishing, 2019, ISBN 978-3-319-97651-8
Рувики

Одним из источников, использованных при создании данной статьи, является статья из википроекта «Рувики» («ruwiki.ru») под названием «Сорнетт, Дидье», расположенная по адресу:

—https://ru.ruwiki.ru/wiki/Сорнетт,_Дидье

Материал указанной статьи полностью или частично использован в Циклопедии по лицензии CC-BY-SA 4.0 и более поздних версий.

Всем участникам Рувики предлагается прочитать материал «Почему Циклопедия?».

Источник — http://cyclowiki.org/w/index.php?title=Сорнетт,_Дидье&oldid=2746500