楼主: 能者818
1035 43

[量化金融] 财富不平等的行为和网络根源:来自 [推广有奖]

41
mingdashike22 在职认证  发表于 2022-6-13 18:13:55
这受到游戏机制的影响,在连续120天不活动后自动删除玩家:只玩很短时间的玩家要么在第一个月删除角色,要么忘记游戏,然后自动删除。除此之外,退出游戏的概率随玩家年龄的增长而略有下降。0.030.040.050.060.070.080.09τJS=15.7AJ-S散度,线性BIN0 200 400 600 800 1000 120000.020.040.060.080.10.120.14τKS=15.2Btime/daysK-S统计图S2。1200天和第二天重整财富分配的比较。A Jensen-Shannon散度,B Kolmogorov-Smirnov统计量。黑色曲线表示扰动的指数衰减,衰减时间AτJS=15.7,BτKS=15.2。虚线破坏了上一层。S4网络特性4.1有向和无向网络a网络G,数学中的填充图,由一组N个节点和一组L个连接这些节点的链接组成:G:=(N,L)[10-12]。在有向网络中,链路是按序对s:L lij:=(ni,nj)是节点nito节点nj的alink。在无向网络中,链接是无序的节点对:Lundir lij:={ni,nj}。这里,一个节点代表游戏中的一个玩家,而一个链接代表两个玩家之间的互动。对于我们研究的每一种交互类型,我们都会生成一个单独的网络,在相关数量上用asup erscript表示。(定向)链接的构造方式如下:lij∈ Ltradeif玩家i与玩家j、lij的建筑交易∈ Lcomm公司。如果玩家i向玩家j发送了消息,则为lij∈ Lfriendif player i已将player j标记为朋友lij∈ Lenemyif球员i将球员j标记为敌人。0 200 400 600 800 1000 12000123456x 107队列的时间/日储蓄财富wg灰色:战争时间队列1 cohort 2 cohort 3 cohort 4 cohort 5 cohort 6图S3。

42
大多数88 在职认证  发表于 2022-6-13 18:13:58
群体财富随时间的变化。队列1(G)包含第一天加入Pardus的所有球员。队列2(G)包含您在第2天到200天之间加入的所有玩家,队列3(G)包含您在第201天到400天之间加入的所有玩家,等等。时间t时队列gj的财富wg,j(t)计算为wg,j(t)=hwit型- t0,i+~t0,j二∈Gj(t),其中t0,i是玩家i加入游戏的日期,以及t0,j≡迷你∈Gj(t0,i)+最大值∈Gj(t0,i)/2是平均队列进入时间。玩家在游戏中被认为是一个长途跋涉的人,即队列的大小不是固定的,但可能会随着时间的推移而减少,Gj(t) Gj(t+1)t型≥ maxi公司∈Gj(t0,i). 灰色区域表示战争时期,虚线表示线性特征,忽略了短暂的前120天。有向网络G=(N,L)的对称化Gundir=(N,Lundir)的构造方式如下:从Gundir开始,0=(N,Lundir,0),其中Lundir,0=, 将链接lijis添加到Lundir,0if lij∈ L或lji∈ 五十、 S4.2度在无向网络中,度kundir,iof ni是网络中存在链接的其他节点的数量nj,kundir,i:=\\{nj:lij∈ Lundir}(其中{…}表示基数,即集合的元素数)。Ni:={nj:lij∈ Lundir}是节点ni的(最近的)邻居集。通过knn,iwe表示ni,knn,i的邻域的平均度:=hkjiNi。在一个有向网络中,有两个度:indegree kin,iof node nis是其他节点nj的数量,从中链接指向网络中的节点nikin,i:=\\{nj:lji∈ 五十} 。

43
可人4 在职认证  发表于 2022-6-13 18:14:01
因此,outdegree kout,iof node nis是网络k,kout,i中节点nii的链接指向的其他节点nj的数量:={nj:lij∈ 五十} 。S4.3聚类系数在无向网络中,节点ni的聚类系数CIO是连接ni的邻居对与ni的邻居的所有pa的数量之比,Ci:=#{ljk∈ L:新泽西州∈ 镍∧ nk公司∈ Ni}ki(ki- 1).财富工资1041051061071080200400060080010001200log10(P(休假))-4.-3.5-3.-2.5-2.-1.5-1图S4。退出游戏的概率是年龄和财富的函数。除最后一天外,每天都会根据球员的当前年龄和当前财富将其放入垃圾箱:Ntot(w,age)=Pt#{i:log(wi(t))∈ ]日志(w)- δw,对数(w)+δw]∧ t0,i∈ ]t型- 年龄- δ年龄,t- 年龄+δ年龄]},其中δs表示箱子大小的一半(以及图S3标题中的所有其他数量)。以类似的方式,我们计算第二天不再在游戏中的每个箱子中的玩家,Nleave(w,age)。具有一定财富和年龄组合的玩家离开游戏的频率(经验概率)为P(离开| w,年龄)=Nleave(w,年龄)/Ntot(w,年龄)。图中的颜色表示log(P(leave | w,age)),数据不足的箱子,即Nleave(w,age)=0,被涂成白色。只有“花费”了至少5万AP的玩家才会被考虑在内。使用David Gleich的“gaimc”软件包中的函数“Clustercoefs”计算聚类系数。S5线性回归模型回归是最小二乘意义上的线性回归,使用regstats(…,\'线性\')作为选项卡。S2来自Matlab统计工具箱。参考文献1。Abul Magd AY(2002)《古埃及社会的财富分配》。Phys Rev E Stat NonlinSoft Matter Phys 66:057104.2。Hegyi G,N’eda Z,Santos MA(20 07)《匈牙利中世纪社会的财富分配和帕累托定律》。Physica A 380:271-277.3。

44
何人来此 在职认证  发表于 2022-6-13 18:14:04
斯坦德J(1965)《随机过程与企业成长——帕累托定律研究》。伦敦:Griffn.4。Jayadev A(2008)《印度财富分布的幂律尾巴:来自调查数据的证据》。Physica A 387:270-276。可用位置:https://github.com/dgleich/gaimcTableS2。

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
jg-xs1
拉您进交流群
GMT+8, 2025-12-20 14:46