021-22889554
021-26703715
مشاوره آموزشی رایگان

021-22889554  |  021-26703715 مشاوره آموزشی رایگان

جیمز ب. گلات‌فلدر: چه کسی بر دنیا تسلط دارد؟

James B. Glattfelder

Who controls the world?

James Glattfelder studies complexity: how an interconnected system -- say, a swarm of birds -- is more than the sum of its parts. And complexity theory, it turns out, can reveal a lot about how the world economy works. Glattfelder shares a groundbreaking study of how control flows through the global economy, and how concentration of power in the hands of a shockingly small number leaves us all vulnerable.


تگ های مرتبط :

TEDx, Business, Complexity
«وقتی بحران آمد، محدودیت های جدی موجود در الگوهای اقتصادی و مالی، بلافاصله آشکار شد.» «اعتقادی قوی وجود دارد، که باور من هم هست، که اقتصاد بد یا سطحی‌نگری و یا به خود مطمئنی به ایجاد این بحران کمک کرده است.» حالا، شما احتمالا همه انتقادهای مشابهی را شنیده‌اید که از سوی افرادی که منتقد سرمایه داری گفته می‌شوند. اما این متفاوت است. این از قلب دنیای مالی می‌آید. . نقل قول اولی است از ژان کلود تریشه (Jean-Claude Trichet)، در زمانی که او فرماندار بانک مرکزی اروپا بود. نقل قول دوم از رئیس
مقامات خدمات مالی انگلستان است. آیا این افراد دارند القا می‌کنند که ما سامانه‌های اقتصادی که جوامع مدرن ما را هدایت می‌کنند را درک نمی‌کنیم؟ تازه بدتر هم می‌شود. «ما میلیاردها دلار در تلاش برای درک ریشه های جهان خرج می‌کنیم در حالی که ما هنوز شرایط لازم را برای یک جامعه پایدار، اقتصاد عملی، و یا صلح را درک نمی‌کنیم.» در اینجا چه اتفاقی دارد می‌افتد؟ چگونه چنین چیزی ممکن است؟ آیا ما واقعا درک بیشتری در مورد اصل حقیقت داریم نسبت به واقعیتی که که از برخورد‌های انسانی ما پدید می‌آید داریم؟
متاسفانه، پاسخ مثبت است. اما یک راه حل جالب در راه است از آنچه که به عنوان علم پیچیدگی شناخته می‌شود. برای توضیح این که این به چه معنی است و این چیز چیست، لطفا اجازه دهید من چند گام به عقب برگردم. من به صورت تصادفی وارد دنیای فیزیک شدم. این یک برخورد اتفاقی بود در زمانی که من جوان بودم، و از آن زمان به بعد، من اغلب در مورد موفقیت شگفت انگیز فیزیک در توصیف واقعیت‌هائی که هر روز با آن از خواب بیدار می‌شویم در عجب هستم. به طور چکیده، شما می توانید به شرح فیزیک را توصیف کنید. یک تکه از واقعیتی را که می‌خواهید بفهمید را بر می‌دارید
و آن را به ریاضیات ترجمه می‌کنید. آن را به زبان معادله ترجمه می‌کنید. و سپس (از روی آن) می‌توان نمونه‌ای را ساخت و آزمایش کرد. ما در واقع خیلی خوش شانس هستیم که این روش کار می کند، چرا که هیچ کس به واقع نمی‌داند که چرا افکار در سر ما باید با فعالیت‌های اساسی جهان مرتبط باشند. با وجود این موفقیت، فیزیک محدودیت‌های خود را هم دارد. همانطور که دِرک هلبینگ (Dirk Helbing) در نقل قول قبلی اشاره کرد، ما واقعا از دَرک پیچیدگی که که به ما مربوط است و ما را احاطه کرده است عاجزیم. این تناقض همان چیزی است که من در سامانه‌های پیچیده علاقه‌مند کرد. اینها سامانه‌هائی هستند که زیرساخت‌شان
قطعات بسیاری است که با هم ارتباط و تعامل دارند: (مانند) یک دسته پرنده یا ماهی، گروهی از مورچگان، زیست‌سامانه، مغز، بازار‌های مالی. این‌ها فقط چند نمونه بود. جالب است که نقشه‌برداری از سامانه‌های پیچیده و تبدیل آنها به معادلات ریاضی بسیار مشکل است، بنابراین رویه معمول فیزیک در اینجا به کار نمی‌آید. پس ما در مورد سامانه‌های پیچیده چه می‌دانیم؟ خوب، به نطر می‌آید که آن چیزی که از بیرون رفتار پیچیده به نظر می‌آید در واقع خود نتیجه چند قانون ساده تعامل است. این یعنی شما می‌توانید معادلات را فراموش کنید و فقط سعی کنید که سامانه را درک کنید
به وسیله نگاه کردن به تعاملات آن، پس شما می‌توانید معادلات را فراموش کنید و شروع کنید به نگاه کردن به تعاملات. و این حتی بهتر هم می شود، چرا که اکثر سامانه‌های پیچیده ویژگی شگفت انگیزی دارند به نام ظهور. خُب این بدان معنی است که سامانه‌ به عنوان یک کل به طور ناگهانی شروع به نشان دادن رفتاری می‌کند که قابل درک یا پیش‌بینی نیست اگر اجزای سامانه‌ مشاهده شوند. به نحوی که کل به معنای واقعی کلمه بیشتر از مجموع اجزاء است. و همه از این نیز بدان معنی است که شما می‌توانید بخش‌های منحصر به فرد این سامانه‌ را و پیچیدگی آنها را فراموش کنید.
بنابراین اگر یک سلول یا یک موریانه یا یک پرنده باشد، شما فقط بر قواعد تعامل تمرکز می‌کنید. در نتیجه، یک شبکه بازنمائی مطلوب از سامانه‌‌های پیچیده است. گره‌های شبکه اجزای سامانه‌اند و ارتباطات از طریق تعامل نشان داده می‌شود. پس نقشی که معادلات برای فیزیک بازی می‌کندد را، شبکه‌های پیچیده برای مطالعه سامانه‌های پیچیده دارد. این رویکرد با موفقیت در بسیاری از سامانه‌های پیچیده در فیزیک، زیست شناسی، علوم رایانه، علوم اجتماعی به کار گرفته شده، اما اقتصاد چطور؟
شبکه‌های اقتصادی کجا هستند؟ این یک شکاف شگفت انگیز و برجسته در مقالات است. مطالعه ما پارسال منتشر کردیم به نام «شبکه تسلط شرکت‌های جهانی» اولین تجزیه و تحلیل گسترده از شبکه‌های اقتصادی بود. این مطالعه بر روی اینترنت به صورتی ویروسی منتشر شد و توجه بسیاری از رسانه های بین المللی را به خود جلب کرد. این کاملا قابل توجه است، چرا که، دوباره، چرا قیلا هیچ‌کس به این نگاه نکرده بود؟ داده‌های مشابه مدت‌ها است که موجود بوده است. آنچه که ما به جزئیاتش نگاه کدیم شبکه مالکیت بود. بنابراین این گره‌ها شرکت‌ها، آدم‌ها، دولت‌ها، بنیادها، و غیره هستند.
و پیوندها نشان دهنده رابطه سهامداری است، پس سهامدار A صاحب X درصد سهام شرکت B است. و ما نیز به شرکت یک ارزشی را دادیم که بر اساس بودجه عملیاتی آن شرکت بود. بنابراین شبکه‌های مالکیت الگوهای روابط سهامداری را نشان می دهد. در این مثال کوچک، شما می‌توانید چند نهاد مالی با برخی از میان پیوندهای بسیارشان را که برجسته شده‌اند را ببینید. حالا شما ممکن است فکر کنید که هیچ کس تا به حال به نگاهی به این نکرده چون شبکه‌های مالکیت واقعا، و به طو حقیقی برای مطالعه چیز‌هائی کسل کننده هسنتند . خب، از آنجا که مالکیت ارتباط مستقیم بر تسلط دارد،
همانطور که بعدا توضیح خواهم داد، نگاه کردن به شبکه‌های مالکیت در واقع می تواند به شما پاسخ سوالاتی را بدهد مانند، چه کسانی بازیکنان کلیدی هستند؟ چگونه سازماندهی شده اند؟ آیا آنها جداگانه عمل می‌کندد؟ آیا آنها به هم پیوسته‌اند؟ و توزیع کلی تسلط چگونه است؟ به عبارت دیگر، چه کسی بر جهان مسلط است؟ من فکر می کنم این یک سوال جالب است. و عواقبی برای ریسک سامانه‌ای دارد. این میزانی است از این که کل سامانه‌ تا چه اندازه آسیب پذیر می‌باشد. درجه بالایی از اتصال می‌تواند برای ثبات بد باشد،
زیزا که تنش می‌تواند در سامانه‌ گسترش یابد مانند یک بیماری همه گیر. دانشمندان گاهی اقتصاددانان را مورد انتقاد قرار می‌دادند که بر این باورند که نظریه‌ها و مفاهیم مهم تر از داده های تجربی‌اند، به دلیل این رهنمود بنیادین در علم هست: بگذارید داده ها صحبت کنند. باشه. بی‌آئید این کار را بکنیم. خوب ما با یک پایگاه‌ داده که شامل ۱۳ میلیون رابطه مالکیتی از سال ۲۰۰۷ بود شروع کردیم. این یک مقدار زیادی از داده است، زیرا ما می‌خواستیم بفهمیم که چه کسی برجهان تسلط دارد؟ ما تصمیم گرفتیم تا بر وی شرکت‌های چند ملیتی تمرکز کنیم که اصطلاحا TNC نامیده می‌شوند.
این‌ها شرکت‌هائی هستند که در بیش از یک کشورعمل می‌کنند، و ما ۴۳,۰۰۰ شرکت این گونه‌ای پیدا کردیم. در قدم بعدی، ما شبکه‌ای از این شرکت‌ها ساختیم، به طوری که ما همه سهامداران شرکت‌ها گرفتیم، و سهامداران سهامداران را، و غیره، تمام راه را بالادست و پایین‌دست، و در آخر به شبکه‌ای حاوی ۶۰۰,۰۰۰ گره و یک میلیون پیوند رسیدیم. این شبکه شرکت‌هائی است که ما آن را تجزیه و تحلیل کردیم. و به نظر می‌آید ساختار زیر را داشته باشد. بنابراین یک پیرامون و یک مرکز دارید که حاوی حدود ۷۵ درصد از همه بازیکنان است، و در مرکز این هسته کوچک اما بسیار غالب وجود دارد
که شامل شرکتهائی است که بسیار به هم پیوسته‌اند. برای این که به شما یک تصویر بهتر بدهم، در مورد یک منطقه شهری فکرکنید. بنابراین شما حومه و حاشیه را دارید، یک مرکز دارید مانند منطقه بازار، و بعد هسته چیزی است مانند، بلندترین ساختمان‌های بلندی که در مرکز است. و در همین جا هم نشانه ای از سازمان یافتگی را می‌شود در اینجا را ببینید. تنها ۳۶ درصد از این شرکت‌های چند ملیتی در هسته واقع شده‌اند، اما آنها ۹۵ درصد از کل درآمد عملی کل شرکت‌های چند ملیتی را دارند. خوب، پس ما ساختار را تجزیه و تحلیل کردیم، پس چگونه این به تسلط مربوط می‌شود ؟
خب، مالکیت حق رأی به سهامداران می‌دهد. این مفهوم طبیعی تسلط است. و الگوهای مختلف وجود دارد که به شما اجازه می‌دهد تسلط ناشی از مالکیت‌تان را محاسبه کنید. اگر شما بیش از ۵۰ درصد از سهام یک شرکت را داشته باشید، شما تسلط (آن شرکت) را به دست می‌گیرید، اما معمولا این به توزیع نسبی سهام بستگی دارد. و شبکه واقعا مهم است. حدود ۱۰ سال پیش، آقای تروچتی پروورا (Tronchetti Provera) مالکیت و تسلط را در یک شرکت کوچک داشت، که مالک و مسلط بر یک شرکت بزرگتر بود. شما این نظریه را می‌فهمید. در پایان این به او تسلط در شرکت مخابرات ایتالیا می‌داد.
با ضریب اهرمی ۲۶. پس این بدان معنی است که، با هر یورو سرمایه گذاری، او قادر به حرکت ۲۶ یورو از ارزش بازار بود از راه زنجیره‌های روابط مالکیتی. خوب آن‌چه که ما در واقع در مطالعه‌مان محاسبه کردیم تسلط بر ارزش شرکت‌های چند ملیتی‌ است. این به ما اجازه داد تا درجه‌ای از نفوذ را به هر یک از سهامداران بدهیم. این تا حد زیادی معنای نظریه ماکس وبر (Max Weber) از قدرت بالقوه، است، که احتمال تحمیل اراده خود به رغم مخالفت دیگران است. اگر شما می‌خواهید جریان را در شبکه مالکیت محاسبه کنید،
این همان کاری است که باید بکنید. در واقع درک آن سخت نیست. اجازه بدهید آن را به شما با استفاده از این استعاره توضیح بدهم. پس به جریان آب در لوله‌هائی فکر کنید که لوله‌ها دارای ضخامت‌های مختلف هستند. پس به طور مشابه، تسلط در شبکه مالکیت در جریان است و در گره‌ها جمع آوری می‌شود. پس آنچه که ما پس از محاسبه تمام این شبکه تسلط یافتیم چه بود؟ خب، معلوم می‌شود که ۷۳۷ نفر از بزرگ‌ترین سهامداران قدرت این را دارند که در مجموع بر ۸۰ درصد از ارزش شرکت‌های چند ملیتی را مسلط شوند. حال، به یاد داشته باشید که ما با ۶۰۰,۰۰۰ گره شروع کردیم،
پس این ۷۳۷ بازیکن برتر کمی‌بیشتر از ۰/۱ درصد را تشکیل می‌دهند. بیشتر آنها موسسات مالی در آمریکا و انگلستان هستند. و این شدید‌تر می‌شود. ۱۴۶ بازیکن برتر در هسته وجود دارد، و آنها با هم قدرت تسلط بر ۴۰ درصد از ارزش شرکت‌های چند ملیتی را دارند. پیامی که می‌توانید از تمام این‌ها با خود به خانه ببرید چیست؟ خوب، درجه بالایی از تسلطی را که دیدید با هر معیاری بسیار شدید است. این حد اتصال داخلی بازیکنان برتر در هسته می‌تواند یک خطری سامانه‌‌ای قابل توجهی برای اقتصاد جهانی باشد
و ما به راحتی توانستیم که شبکه شرکت‌های چند‌ ملیتی را بازسازی کنیم با چند قانون ساده. این به این معنی است که ساختار آن احتمالا ناشی از خود مهندسی است. این ویژگی ثانویه است که بستگی به قوانین تعامل در سامانه دارد، پس احتمالا نتیجه یک رویکرد بالا به پایین مانند یک توطئه جهانی نیست. مطالعه ما «برداشتی از سطح ماه است. این یک نقشه خیابان نیست.» بنابراین شما باید اعداد دقیق مطالعه ما را با شک و ذره‌ای چاشنی مزه کنید، با این حال «به ما یک نگاه اجمالی آزاردهنده
از دنیای امور مالی جدید و شجاع است.» ما امیدواریم که که درها را برای تحقیقات بیشتر در این جهت باز کرده باشیم، به طوری که بقیه زمین‌های ناشناخته در آینده نقشه شود. و این به آرامی‌ دارد شروع می‌شود. ما شاهد ظهور برنامه‌های بلند مدت با بودجه بسیار هستیم که هدف‌شان در فهم جهان شبکه‌ها از نقطه نظر پیچیدگی است. اما این سفر تنها به تازگی آغاز شده است، بنابراین ما باید صبر کنیم تا قبل از اینکه ما نتایج اولیه آن را ببینیم. در حال حاضر هنوز هم یک مشکل بزرگ وجود دارد، به نظر من. نظریه‌های مربوط به امور مالی، اقتصاد، سیاست، جامعه، اغلب اوقات
توسط ایدئولوژی‌های شخصی افراد آلوده شده است. من واقعا امیدوارم که این دیدگاه پیچیدگی اجازه دهد تا زمینه‌های مشترک یافت شود. این امر می‌تواند واقعا بزرگ باشد اگر قدرتی برای کمک به باز کردن قفل‌های ایجاد شده توسط نظریه‌های متناقضی باشد که به نظر می‌رسد به فلج دنیای جهانی منجرب شده است. واقعیت آن قدر پیچیده است، که ما نیاز به دور شدن از تعصب داریم. اما این فقط ایدئولوژی شخصی خود من است. متشکرم. (تشویق حضار)
"When the crisis came, the serious limitations of existing economic and financial models immediately became apparent." "There is also a strong belief, which I share, that bad or oversimplistic and overconfident economics helped create the crisis." Now, you've probably all heard of similar criticism coming from people who are skeptical of capitalism. But this is different. This is coming from the heart of finance. The first quote is from Jean-Claude Trichet when he was governor of the European Central Bank. The second quote is from the head of the UK Financial Services Authority.
Are these people implying that we don't understand the economic systems that drive our modern societies? It gets worse. "We spend billions of dollars trying to understand the origins of the universe, while we still don't understand the conditions for a stable society, a functioning economy, or peace." What's happening here? How can this be possible? Do we really understand more about the fabric of reality than we do about the fabric which emerges from our human interactions? Unfortunately, the answer is yes. But there's an intriguing solution
which is coming from what is known as the science of complexity. To explain what this means and what this thing is, please let me quickly take a couple of steps back. I ended up in physics by accident. It was a random encounter when I was young, and since then, I've often wondered about the amazing success of physics in describing the reality we wake up in every day. In a nutshell, you can think of physics as follows. So you take a chunk of reality you want to understand and you translate it into mathematics. You encode it into equations. Then, predictions can be made and tested.
We're actually really lucky that this works, because no one really knows why the thoughts in our heads should actually relate to the fundamental workings of the universe. Despite the success, physics has its limits. As Dirk Helbing pointed out in the last quote, we don't really understand the complexity that relates to us, that surrounds us. This paradox is what got me interested in complex systems. So these are systems which are made up of many interconnected or interacting parts: swarms of birds or fish, ant colonies, ecosystems, brains, financial markets. These are just a few examples.
Interestingly, complex systems are very hard to map into mathematical equations, so the usual physics approach doesn't really work here. So what do we know about complex systems? Well, it turns out that what looks like complex behavior from the outside is actually the result of a few simple rules of interaction. This means you can forget about the equations and just start to understand the system by looking at the interactions, so you can actually forget about the equations and you just start to look at the interactions. And it gets even better, because most complex systems
have this amazing property called emergence. So this means that the system as a whole suddenly starts to show a behavior which cannot be understood or predicted by looking at the components of the system. So the whole is literally more than the sum of its parts. And all of this also means that you can forget about the individual parts of the system, how complex they are. So if it's a cell or a termite or a bird, you just focus on the rules of interaction. As a result, networks are ideal representations of complex systems. The nodes in the network are the system's components,
and the links are given by the interactions. So what equations are for physics, complex networks are for the study of complex systems. This approach has been very successfully applied to many complex systems in physics, biology, computer science, the social sciences, but what about economics? Where are economic networks? This is a surprising and prominent gap in the literature. The study we published last year, called "The Network of Global Corporate Control," was the first extensive analysis of economic networks. The study went viral on the Internet
and it attracted a lot of attention from the international media. This is quite remarkable, because, again, why did no one look at this before? Similar data has been around for quite some time. What we looked at in detail was ownership networks. So here the nodes are companies, people, governments, foundations, etc. And the links represent the shareholding relations, so shareholder A has x percent of the shares in company B. And we also assign a value to the company given by the operating revenue. So ownership networks reveal the patterns of shareholding relations. In this little example, you can see a few financial institutions with some of the many links highlighted.
Now, you may think that no one looked at this before because ownership networks are really, really boring to study. Well, as ownership is related to control, as I shall explain later, looking at ownership networks actually can give you answers to questions like, who are the key players? How are they organized? Are they isolated? Are they interconnected? And what is the overall distribution of control? In other words, who controls the world? I think this is an interesting question. And it has implications for systemic risk.
This is a measure of how vulnerable a system is overall. A high degree of interconnectivity can be bad for stability, because then the stress can spread through the system like an epidemic. Scientists have sometimes criticized economists who believe ideas and concepts are more important than empirical data, because a foundational guideline in science is: Let the data speak. OK. Let's do that. So we started with a database containing 13 million ownership relations from 2007. This is a lot of data, and because we wanted to find out "who rules the world," we decided to focus on transnational corporations,
or "TNCs," for short. These are companies that operate in more than one country, and we found 43,000. In the next step, we built the network around these companies, so we took all the TNCs' shareholders, and the shareholders' shareholders, etc., all the way upstream, and we did the same downstream, and ended up with a network containing 600,000 nodes and one million links. This is the TNC network which we analyzed. And it turns out to be structured as follows. So you have a periphery and a center which contains about 75 percent of all the players,
and in the center, there's this tiny but dominant core which is made up of highly interconnected companies. To give you a better picture, think about a metropolitan area. So you have the suburbs and the periphery, you have a center, like a financial district, then the core will be something like the tallest high-rise building in the center. And we already see signs of organization going on here. 36 percent of the TNCs are in the core only, but they make up 95 percent of the total operating revenue of all TNCs. OK, so now we analyzed the structure,
so how does this relate to the control? Well, ownership gives voting rights to shareholders. This is the normal notion of control. And there are different models which allow you to compute the control you get from ownership. If you have more than 50 percent of the shares in a company, you get control, but usually, it depends on the relative distribution of shares. And the network really matters. About 10 years ago, Mr. Tronchetti Provera had ownership and control in a small company, which had ownership and control in a bigger company.
You get the idea. This ended up giving him control in Telecom Italia with a leverage of 26. So this means that, with each euro he invested, he was able to move 26 euros of market value through the chain of ownership relations. Now what we actually computed in our study was the control over the TNCs' value. This allowed us to assign a degree of influence to each shareholder. This is very much in the sense of Max Weber's idea of potential power, which is the probability of imposing one's own will despite the opposition of others. If you want to compute the flow in an ownership network,
this is what you have to do. It's actually not that hard to understand. Let me explain by giving you this analogy. So think about water flowing in pipes, where the pipes have different thickness. So similarly, the control is flowing in the ownership networks and is accumulating at the nodes. So what did we find after computing all this network control? Well, it turns out that the 737 top shareholders have the potential to collectively control 80 percent of the TNCs' value. Now remember, we started out with 600,000 nodes, so these 737 top players make up a bit more than 0.1 percent. They're mostly financial institutions in the US and the UK.
And it gets even more extreme. There are 146 top players in the core, and they together have the potential to collectively control 40 percent of the TNCs' value. What should you take home from all of this? Well, the high degree of control you saw is very extreme by any standard. The high degree of interconnectivity of the top players in the core could pose a significant systemic risk to the global economy. And we could easily reproduce the TNC network with a few simple rules. This means that its structure is probably the result of self-organization. It's an emergent property which depends on the rules of interaction in the system,
so it's probably not the result of a top-down approach like a global conspiracy. Our study "is an impression of the moon's surface. It's not a street map." So you should take the exact numbers in our study with a grain of salt, yet it "gave us a tantalizing glimpse of a brave new world of finance." We hope to have opened the door for more such research in this direction, so the remaining unknown terrain will be charted in the future. And this is slowly starting. We're seeing the emergence of long-term and highly-funded programs which aim at understanding our networked world from a complexity point of view.
But this journey has only just begun, so we will have to wait before we see the first results. Now there is still a big problem, in my opinion. Ideas relating to finance, economics, politics, society, are very often tainted by people's personal ideologies. I really hope that this complexity perspective allows for some common ground to be found. It would be really great if it has the power to help end the gridlock created by conflicting ideas, which appears to be paralyzing our globalized world. Reality is so complex, we need to move away from dogma. But this is just my own personal ideology.
Thank you. (Applause)