[论文解读] The cause of universality in growth fluctuations

Yonathan Schwarzkopf, Robert L. Axtell+1 more|arXiv (Cornell University)|Apr 29, 2010

Complex Network Analysis Techniques参考文献 41被引用 5

一句话总结

该论文提出，鸟类种群、企业及共同基金等不同系统中普遍存在的增长波动性，源于一种加法复制模型，其中每个实体根据重尾分布随机生成后代。该模型导致莱维分布的波动性，解释了分布主体部分的双指数缩放以及标准差与规模之间幂律缩放（β ≈ 0.3）的现象，与多个数据集的实证数据一致。

ABSTRACT

Phenomena as diverse as breeding bird populations, the size of U.S. firms, money invested in mutual funds, the GDP of individual countries and the scientific output of universities all show unusual but remarkably similar growth fluctuations. The fluctuations display characteristic features, including double exponential scaling in the body of the distribution and power law scaling of the standard deviation as a function of size. To explain this we propose a remarkably simple additive replication model: At each step each individual is replaced by a new number of individuals drawn from the same replication distribution. If the replication distribution is sufficiently heavy tailed then the growth fluctuations are Levy distributed. We analyze the data from bird populations, firms, and mutual funds and show that our predictions match the data well, in several respects: Our theory results in a much better collapse of the individual distributions onto a single curve and also correctly predicts the scaling of the standard deviation with size. To illustrate how this can emerge from a collective microscopic dynamics we propose a model based on stochastic influence dynamics over a scale-free contact network and show that it produces results similar to those observed. We also extend the model to deal with correlations between individual elements. Our main conclusion is that the universality of growth fluctuations is driven by the additivity of growth processes and the action of the generalized central limit theorem.

研究动机与目标

• 解释鸟类种群、企业及共同基金等多样化系统中增长波动性的普遍缩放模式。
• 识别导致标准差与规模之间幂律缩放（β ≈ 0.3）的潜在机制，该指数介于独立与同步动力学之间。
• 证明重尾个体层面复制过程可在不依赖种群层面集体动力学的前提下，产生普遍的宏观波动性。
• 提出一种微观机制——在无标度网络上的随机影响动力学，该机制可生成所需的重尾复制分布。
• 利用北美繁殖鸟类、美国上市公司及美国股票型共同基金的数据，对模型进行实证验证。

提出的方法

• 提出一种加法复制模型，其中每个个体在每个时间步均被从同一重尾复制分布中随机抽取的新个体所取代。
• 应用广义中心极限定理，表明在大N极限下，增长波动性收敛至莱维稳定分布。
• 利用莱维分布的特征指数α预测波动性缩放指数β，公式为β = 1/α，其中α ∈ (1,2) 意味着β ∈ (0.5,1)。
• 对三个数据集（鸟类、企业、共同基金）的增长率分布进行莱维分布拟合并使用最大似然法估计参数α、κ、c、μ。
• 在无标度接触网络上采用随机影响动力学模型，生成重尾复制分布，将宏观普遍性与微观网络相互作用联系起来。
• 对对数变换后的规模与方差数据应用OLS回归以估计β，并使用Clauset et al.方法估计幂律尾部指数以进行验证。

实验结果

研究问题

• RQ1 为何鸟类种群、企业及共同基金等不同系统尽管其底层机制各异，却表现出相似的增长波动性模式？
• RQ2 何种机制可解释介于独立（β = 0.5）与同步（β = 0）情况之间的中间波动性缩放指数β ≈ 0.3？
• RQ3 所观察到的重尾增长分布与幂律缩放能否仅通过简单的加法复制过程产生，而无需依赖集体动力学？
• RQ4 何种微观过程可生成导致普遍宏观行为的必要重尾复制分布？
• RQ5 在加法复制模型下，广义中心极限定理在多大程度上可解释所观察到的经验缩放关系？

主要发现

• 具有重尾复制分布的加法复制模型在大N极限下产生莱维分布的波动性，与所有三个数据集的实证数据一致。
• 该模型预测波动性缩放指数β = 1/α，估计的α值（1.40–1.53）得出β ≈ 0.3，与所有数据集中实证观测到的β ≈ 0.3高度吻合。
• 当根据模型预测对增长速率分布进行归一化后，所有数据点均汇聚于单一曲线，相较于传统归一化方法表现出更优的数据收敛性。
• 该模型正确预测了标准差与规模之间的幂律缩放关系，所有三个数据集的决定系数R-squared均高于0.95，证实了理论缩放关系的有效性。
• 在无标度网络上运行的随机影响动力学模型可生成重尾复制分布，表明其为所需统计特性的合理微观起源。
• 实证尾指数估计值（γ ≈ 2.5–3.0）与预测的α值一致，且基于MLE尾指数预测的β值与OLS估计的β值误差在5%以内。