Resumen

En sistemas dinámicos, las interacciones locales entre unidades dinámicas generan correlaciones que se almacenan y transmiten a lo largo del sistema, generando el comportamiento macroscópico. Sin embargo, falta un marco para cuantificar exactamente cómo se almacenan, transmiten y combinan estas correlaciones a escala microscópica. Aquí proponemos caracterizar la noción de procesamiento de información basada en todas las posibles cantidades de información mutua de Shannon entre un estado futuro y todos los posibles conjuntos de estados iniciales. Lo aplicamos a los 256 autómatas celulares elementales (ECA), que son los sistemas dinámicos más simples posibles que exhiben comportamientos que van desde simples hasta complejos. Nuestro hallazgo principal es que solo se necesitan algunas características de información para predecir completamente el comportamiento sistémico y que la característica de sinergia de la información es siempre la más predictiva. Finalmente, aplicamos la idea a datos de series temporales de intercambio de divisas (FX) e intercambio de tasas de interés (IRS). Encontr

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Sistemas dinámicos; Correlaciones; Procesamiento de información; Información mutua de Shannon; Autómatas celulares elementales; Comportamiento sistémico
• Keywords:Dynamical systems; Correlations; Information processing; Shannon mutual information; Elementary cellular automata; Systemic behavior