Cómo Desentrañar los Efectos Cascada en Sistemas Complejos

Jairo Mejía y Pablo Fleurquin

d&a blog

Las aplicaciones de la física estadística y la teoría de grafos a fenómenos sociales están ayudando a descubrir patrones de comportamiento inesperados y que permiten reaccionar de manera más efectiva a eventos desestabilizadores en redes complejas. Las nuevas capacidades en computación y disponibilidad de datos permiten su uso para adelantarse a eventos que pueden afectar al sistema en su totalidad tanto para una población expuesta a una enfermedad o empresas enfrentadas a una crisis de crédito.

 

Predicción de epidemias en la ciudad de Cali (Colombia) a partir de flujos de movilidad empírica.

 

Haciendo uso de los datos relacionales se puede poner en contexto eventos que de otro modo estarían obviando patrones de comportamiento y vínculos humanos especialmente relevantes cuando un sistema se enfrenta a un evento desestabilizador.

Esto es lo que ha llevado a los investigadores españoles de la Universidad de Zaragoza, Jesús Gómez y David Soriano, y Alex Arenas, de la Universitat Rovira i Virgili, a analizar en una publicación este mes en la revista Nature Physics cómo afectan las dinámicas de desplazamiento dentro de una población a la propagación de una enfermedad. Uno de los tres supuestos analizados, teniendo en cuenta las rutinas de desplazamiento entre barrios en la ciudad colombiana de Cali, arrojó una conclusión sorprendente y contraintuitiva. Pese a que se tiende a pensar que para contener una epidemia es mejor pedir a la población quedarse en casa, la aplicación de teoría de grafos a este problema mostró que los desplazamientos entre zonas de una ciudad, con diferentes densidades de población, pueden contribuir a que una enfermedad quede contenida.. “Hemos identificado un régimen mediante un modelo de reacción-difusión en el que, de manera contraintuitiva, la movilidad va en detrimento de la extensión de la enfermedad”, señala la investigación.

Arenas junto con José Ramasco (investigador del CSIC) colaboran con BBVA Data & Analytics en nuevos modelos de propagación de la morosidad entre agentes económicos, en particular en redes cliente-proveedor. Actualmente el equipo investigador integrado también por los científicos de datos de BBVA Data & Analytics Pablo Fleurquin, Elena Tomás y Jordi Nin busca adaptar modelos de tipo epidémicos para entender la propagación de estrés financiero entre empresas. Mediante esta adaptación buscan entender cómo de diferente es la difusión entre los distintos sectores económicos y dentro de los mismos, midiendo la sensibilidad sectorial y capacidad de transmisión de los impagos. Otra línea de investigación del equipo es la utilización de modelos que tienen sus orígenes en el modelado de sistemas ecológicos del tipo predador-presa (Generalized Lotka-Volterra models) para entender el balanceo dinámico de la liquidez de las empresas mediante transacciones económicas y cómo tensiones puntuales en la tesorería por dificultades financieras pueden generar cascadas de falta de liquidez entre empresas.

“El objetivo no es tanto el predecir si una empresa va a caer en mora, sino modelar el comportamiento emergente detectando los puntos débiles del sistema para de esta forma tener un cortafuegos el dia que se repita una crisis sistémica como la vivida en 2008”, explica Fleurquin.

Para conocer más sobre este tema te recomendamos:

Los viajes cotidianos pueden reducir la incidencia de una epidemia

Critical HexSIRSize: A contagion process near its critical point[English]