распределением Гиббса. Внимательный читатель вспомнит, что мы уже встречались с ним, когда изучали фрустрацию во время ожидания автобуса. Тогда мы рассматривали распределение интервалов между пуассоновскими событиями, которое описывалось экспоненциальным распределением. Оба этих проницательных господина будут правы, называя разными именами одно и то же замечательное распределение.
Люди — молекулы
Распределение Гиббса — из области статистической физики. Здесь описываются свойства систем, называемых красивым словом «ансамбль», которые состоят из великого множества взаимодействующих элементов — чаще всего физических частиц. Под частицами понимаются такие объекты (или их модели), внутренняя структура которых несущественна: на первый план выходит взаимодействие между ними. В ансамбле можно выделять произвольные подсистемы (например, отдельные частицы или их группы) и ставить им в соответствие некие функции состояния (это могут быть обобщенные координаты, скорости, концентрации, химические потенциалы и многое другое). С помощью методов статистической физики удается объяснить и вычислить параметры самых разнообразных явлений: химических и каталитических процессов, турбулентности, ферромагнетизма, поведения жидких кристаллов, сверхтекучести и сверхпроводимости и т. д.
Нелишним тут будет повторить слова великого физика и блестящего лектора Ричарда Фейнмана.
Если бы в результате какой-то мировой катастрофы все накопленные научные знания оказались уничтоженными и к грядущим поколениям живых существ перешла бы только одна фраза, то какое утверждение, составленное из наименьшего числа слов, принесло бы наибольшую информацию?
Я считаю, что это атомная гипотеза: все тела состоят из атомов — маленьких телец, которые находятся в беспрерывном движении, притягиваются на небольших расстояниях, но отталкиваются, если одно из них плотнее прижать к другому. В одной этой фразе содержится невероятное количество информации о мире, стоит лишь приложить к ней немного воображения и чуть соображения[40].
Исходя из этой гипотезы, статистическая физика дает фундаментальное объяснение практически всему, что мы наблюдаем и измеряем в масштабах кристалла, человеческого тела или звезды.
В рамках этой науки распределение Гиббса отвечает на вопрос, какова вероятность встретить некое состояние подсистемы, если даны: а) энергия состояния; б) макроскопические (условно говоря, глобальные) свойства системы, например температура; в) известно, что система находится в термодинамическом равновесии. В последней фразе достаточно много терминов, не характерных для нашей книги: энергия, температура, равновесие… Но как в самом начале мы положились на интуитивное понимание вероятности, а потом дополнили его строгими определениями, так и сейчас я предполагаю, что читатель знаком с этими понятиями хотя бы из школьного курса физики. Чуть позже мы разберемся с тем, какое отношение все это имеет к нашим экономическим моделям.
Распределение Гиббса может быть схематично выражено следующей формулой:
где x — некое состояние подсистемы, E(x) — энергия этого состояния, Т — абсолютная температура системы (или ее аналог), а C и k — величины, необходимые для нормировки и соответствия размерностей. Очень важное условие равновесия означает, что из рассмотрения исчезает время и что вся система окажется в наиболее вероятном своем состоянии для заданных условий.
Строгий вывод выражения для распределения Гиббса нам здесь не нужен, вместо него я покажу красивейшее, чисто математическое рассуждение, приводящее к его экспоненциальной форме.
Поскольку рассматриваются части системы, которые в сумме дают всю систему, то и в качестве их характеристики стоит выбрать какую-нибудь аддитивную величину, играющую роль меры. Напомню, что значение аддитивной величины для ансамбля равно арифметической сумме значений этой величины для его частей. В качестве такой величины в механике можно использовать энергию. С другой стороны, мы вычисляем вероятность того, что будем наблюдать некоторое состояние системы. Если ее можно разбить на части, то вероятность наблюдать их все одновременно будет равна произведению вероятностей для состояния каждой из частей. Таким образом, нам нужна функция, превращающая аддитивную величину в мультипликативную:
f(x+y) = f(x)f(y).
Если отбросить тривиальное решение f(x) ≡ 0, то таким свойством обладает только показательная функция f(x) = ax, которая сумму аргументов превращает в произведение значений: ax+y = axay. Ну а из всех показательных функций наиболее удобна экспонента, поскольку она очень хорошо ведет себя при интегрировании и дифференцировании.
Насколько универсально распределение Гиббса? Напомню, что это распределение количества частиц по энергиям. Такое распределение можно получить, рассматривая тепловое движение молекул газа, а потом только из него можно вывести (не пронаблюдать в эксперименте, а получить математически) уравнение состояния идеального газа, знакомое со школы под названием уравнения Менделеева — Клапейрона. В твердом теле, например кристалле, к энергии движения частиц добавляется сила упругости (притягивания и отталкивания), но базовым распределением по полной энергии все равно останется распределение Гиббса. Если мы сосредоточимся на энергии частиц в поле силы тяжести, то вновь получим экспоненциальное распределение. На этот раз оно будет носить имя Людвига Больцмана, автора точного выражения для энтропии. Распределение Больцмана покажет нам, как изменяется плотность газа с высотой. Экспоненциальное распределение — как распределение с максимальной энтропией — база, с которой начинается исследование сложной физической системы.
Если быть совсем точным и вспомнить, что деньги в нашем эксперименте — величина дискретная, то мы наблюдаем геометрическое распределение — дискретный аналог экспоненциального. Эти два распределения подобны и сливаются при уменьшении вероятности выигрыша. В нашем эксперименте шансы получить рубль равны 1/5000; это настолько малая величина, что геометрическое и экспоненциальное распределения можно считать неотличимыми друг от друга.
Измеряем температуру у рынка
В нашей модели рынка мы имеем аддитивную величину — количество денег у каждого игрока; это аналог энергии. При описанном нами обмене эта величина у всей системы, как и энергия в замкнутой физической системе, сохраняется. А какой смысл здесь у температуры? Это можно выяснить, посмотрев на выражение для плотности вероятности экспоненциального распределения:
p(x) = λe—λx,
и вспомнив, что среднее значение для него равно 1/λ. Поскольку число игроков в ходе торгов неизменно, сохраняется и среднее количество денег у них, равное первоначально раздаваемой каждому сумме m. Отсюда естественным образом следует, что λ = 1/m и, значит, в роли температуры в нашей экономической модели выступает среднее количество денег у игроков m. На рисунке 9.6 показаны примеры равновесных состояний рынков, соответствующих низкой и высокой температуре при одинаковом количестве участников.
Рис. 9.6. Распределения достатка, соответствующие «горячему» (m = 200) и «холодному» (m = 50) рынкам
На «разогретом» рынке с большой ликвидностью мы сможем наблюдать и больший разброс в уровне благосостояния, чем на «холодном», ведь у экспоненциального распределения дисперсия равна 1/λ2. Как говорил Остап Бендер в «Золотом теленке» Ильи Ильфа и Евгения Петрова: «Раз в стране бродят какие-то денежные знаки, то должны же быть люди, у которых их много».
А что случится, если мы приведем «холодный» и «горячий» рынки в соприкосновение, позволив членам этих двух групп производить обмен между последними? Путь в одной группе n1 участников владеют суммой M1, а в другой — n2 участников располагают общей денежной массой M2. Средние значения m1 = M1/n1 и m2 = M2/n2 характеризуют абсолютную температуру рынков. Через какое-то время суммарная система придет к равновесию, и мы получим одну группу с числом участников n = n1 + n2 и с денежной массой M = M1 + M2. Отсюда можно найти температуру комплексной системы, она будет равна
Если вы помните, именно так вычисляется температура, получающаяся, например, при смешивании двух объемов воды, нагретых по-разному. Так что аналогия среднего достатка и температуры вполне пригодна для использования.
Завершим мы рассказ о температуре рынка еще одним примером, в котором эта концепция совпадает по смыслу с физической величиной. Представьте себе, что наша система становится открытой и может выпускать членов группы, набравших определенную денежную сумму. Иными словами, разрешим богачам, как говорится, «линять» из системы, прихватив с собой «золотой парашют». Что мы должны наблюдать? По мере исчезновения самых богатых количество денег в группе станет убывать. Если бы из нее могли выбывать любые участники, то средний достаток практически не менялся бы из-за одинакового уменьшения как количества участников, так и общей денежной массы. Но, поскольку по нашим правилам выбывают именно богатые, будет убывать и средний уровень благосостояния, а это приведет к тому, что температура нашего рынка станет падать.