Efeitos de Redes Livres de Escala e Visibilidade na Modelagem Social e Econômica
Sociofísica. Econofísica. Simulações Monte Carlo. Transições de fase. Redes
complexas.
Este estudo investiga a influência de redes livres de escala do tipo Barabási-Albert na dinâmica
social, destacando seu papel na evolução do consenso e na formação de preços. Na primeira
parte, estendemos o modelo de voto da maioria de dois estados ao incorporar um parâmetro
de visibilidade 𝑉 , que representa a probabilidade de um indivíduo considerar a opinião de um
vizinho com uma posição divergente em um debate social. Essa modificação captura a influência
assimétrica entre concordância e discordância, impulsionada por algoritmos na chamada
economia do clique, na qual os usuários são expostos predominantemente a conteúdos alinhados
às suas crenças pessoais. Simulações Monte Carlo revelam que o parâmetro crítico
de ruído 𝑞𝑐 aumenta com 𝑉 , exibindo um exuberante diagrama de fases caracterizado por
transições de fase de primeira e segunda ordem, dependendo do valor de 𝑉 e do parâmetro
de crescimento da rede 𝑧. Na segunda parte, analisamos um modelo de dinâmica de opinião
de três estados para investigar a formação de preços em mercados financeiros. Nosso modelo
inclui dois tipos de agentes financeiros em relação às suas estratégias de mercado: investidores
de ruído e fundamentalistas, cujas opções financeiras evoluem sob influências locais ou
globais, respectivamente. Simulações numéricas mostram que o modelo reproduz os principais
fatos estilizados de mercados financeiros, como distribuições de retornos com caudas longas,
volatilidade clusterizada e memória de longo prazo na volatilidade. O aumento na fração de
agentes fundamentalistas reflete uma redução progressiva das caudas nas distribuições de retorno,
à medida que transicionam de um regime leptocúrtico para um mesocúrtico. Nossos
resultados destacam o impacto crucial das redes livres de escala em promover comportamentos
emergentes em sistemas socioeconômicos, oferecendo uma estrutura abrangente para a
investigação de sistemas complexos.