Caminho para a complexidade o papel da topologia de rede na difusão de informação e dinâmica de mercado

Página do item simplificado
dc.contributor.advisorMagalhães, Arthur Rodrigo Bosco de
dc.contributor.advisor-coFaria, Allbens Atman Picardi
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/4216801992845696
dc.contributor.advisorLatteshttp://lattes.cnpq.br/6122907819049400
dc.contributor.authorDucha, Fernando Andrade
dc.contributor.authorLatteshttp://lattes.cnpq.br/7340606465850279
dc.contributor.refereeMagalhães, Arthur Rodrigo Bosco de
dc.contributor.refereeFaria, Allbens Atman Picardi
dc.contributor.refereeOliveira, Marcelo Martins de
dc.contributor.refereeRibeiro, Leonardo Costa
dc.contributor.refereeFernandes, José Luiz Acebal
dc.contributor.refereeMattos, Thiago Gomes de
dc.date.accessioned2025-04-16T15:09:09Z
dc.date.available2025-04-16T15:09:09Z
dc.date.issued2021-10-21
dc.description.abstractApresenta-se um modelo no qual o fluxo de informação em redes sociais influencia o comportamento de agentes em um mercado financeiro. A difusão de informação segue um modelo baseado no Twitter, incorporando mecanismos de memória para simular interesses endógenos e atenção limitada. Os agentes negociam um único ativo com base em percepções modeladas por distribuições gaussianas. Analisam-se quatro topologias de rede: Albert-Barabási (AB), Erdős-Rényi (ER), circular regular (CR) e um novo modelo baseado na distribuição de Zipf (Z). Resultados demonstram que a topologia da rede determina estatísticas de retorno, com a rede AB reproduzindo leis de potência típicas de mercados tradicionais, enquanto ER e CR aproximam-se de distribuições gaussianas. A análise multifractal revela correlações não-lineares alinhadas com fenômenos de clusterização de volatilidade. Conclui-se que a estrutura da rede é determinante na emergência de propriedades estatísticas complexas, mesmo com entradas gaussianas.
dc.description.abstractotherWe present a model where information flow in social networks influences agent behavior in financial markets. The information diffusion follows a Twitter-based framework (SCIENTIFIC REPORTS, 2012), incorporating memory mechanisms to simulate endogenous interests and limited attention. Agents trade a single asset based on perceptions modeled through Gaussian distributions. We analyze four network topologies: Albert-Barabási (AB), Erdős-Rényi (ER), regular circular (CR), and a novel Zipf-based model (Z). Results demonstrate that network topology determines return statistics, with AB networks reproducing power laws characteristic of traditional markets, while ER and CR approximate Gaussian distributions. Multifractal analysis reveals non-linear correlations aligned with volatility clustering phenomena. We conclude that network structure is decisive for the emergence of complex statistical properties, even with Gaussian inputs.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/1231
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacional
dc.subjectFinanças
dc.subjectAnálise de séries temporais
dc.subjectFractais
dc.subjectLei de Zipf
dc.subjectComputabilidade e complexidade
dc.titleCaminho para a complexidade o papel da topologia de rede na difusão de informação e dinâmica de mercado
dc.typeTese

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Caminho para a complexidade o papel da topologia de rede na difusão de.pdf
Tamanho:
4.14 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Doutorado em Modelagem Matemática e Computacional