Frattali, Mercati e Neuroni - Mandelbrot e la Neuroeconomia

Genesi e architettura teorica

Il contributo di Benoît Mandelbrot alla finanza si articola in tre fasi evolutive, ciascuna con una propria coerenza interna.

Fase I — La critica alla gaussianità (1963)

Nel celebre articolo su The Journal of Business, Mandelbrot documenta empiricamente che le variazioni dei prezzi del cotone seguono distribuzioni con code pesanti (fat tails), incompatibili con la gaussiana assunta da Bachelier (1900) e poi canonizzata nel modello Black-Scholes-Merton. Mandelbrot, insieme a Fama e Samuelson, mostra che la distribuzione empirica dei rendimenti presenta una sezione centrale più acuta e code molto più spesse di quelle normali, proprietà più prossime a una distribuzione α\alpha α-stabile.

Fase II — Il moto browniano frazionario (1968)

Con van Ness, Mandelbrot introduce il Fractional Brownian Motion (FBM). Il FBM cattura la dipendenza a lungo termine come caratteristica propria della finanza frattale, benché i prezzi stessi rimangano non correlati. La critica centrale riguarda l'ipotesi di indipendenza seriale della EMH (Efficient Market Hypothesis): i mercati reali mostrano correlazioni di lungo periodo nella volatilità, non nei rendimenti; distinzione empiricamente cruciale.

Fase III — Il modello multifractal (MMAR, 1997)

Sviluppato con Calvet e Fisher, il Multifractal Model of Asset Returns rappresenta la sintesi più matura. Il MMAR incorpora sia le code pesanti sia la dipendenza di lungo termine, e la sua proprietà distintiva è il multiscaling dei momenti della distribuzione dei rendimenti sotto riscalamenti temporali. Il modello introduce il concetto di tempo di trading: una deformazione non lineare del tempo orologio che consente di modellare esplicitamente la relazione tra la scala temporale naturale del processo e quella osservata. Crucialmente, il MMAR funziona in modo bidirezionale: permette di costruire grafici di prezzo artificiali da semi frattali e di stimare i parametri chiave a partire da dati storici.

Integrazione con la Neureconomia

L'argomento centrale è il seguente: se le distribuzioni frattali emergono dai dati di mercato, quale meccanismo generativo, radicato nella biologia cognitiva degli agenti, le produce? La neuroeconomia offre una risposta su più livelli.

Il substrato neuronale del tail risk

La percezione del tail risk (l'incertezza specifica generata nei mercati finanziari) costituisce un problema neuro-biologico distinto. L'insula anteriore, associata alla rilevazione di variazioni del battito cardiaco e alla loro conversione in anticipazione di cambiamenti ambientali, appare come il correlato neurale centrale nella risposta al rischio estremo. Questa osservazione è non banale rispetto al framework mandelbrotiano: le code pesanti non sono solo una proprietà statistica delle serie temporali ma il riflesso di un sistema di allarme biologico che reagisce in modo non lineare e asimmetrico agli stimoli di perdita. Il cervello, in sostanza, non tratta il rischio in modo gaussiano.

Studi di neuroimmagine mostrano un'attività elevata dell'amigdala in scenari di perdita potenziale, sottolineando il peso emotivo del perdere rispetto al guadagnare; la loss aversion di Kahneman e Tversky trova così un substrato anatomico. Questo produce un'asimmetria comportamentale: gli agenti sono iperreattivi ai drawdown e sottoattivi nella gestione del rischio ordinario, il che genera esattamente la struttura di volatilità clustering predetta dal MMAR.

Herding, sincronizzazione neuronale e auto-similarità

Nei momenti di grande stress il circuito dell'amigdala può sovrapporsi alla corteccia prefrontale (la regione deputata al calcolo decisionale) generando comportamenti di gregge: la sell-off collettiva si autopropaga perché i singoli agenti interpretano l'azione altrui come segnale corretto. Il comportamento di herding produce correlazioni a lungo termine nella volatilità, esattamente la proprietà che Mandelbrot aveva catturato con il FBM e poi con il MMAR. La neuroeconomia fornisce, quindi, il meccanismo micro-fondato che genera la struttura frattale a livello aggregato: l'invarianza di scala statistica emerge dalla sincronizzazione di circuiti neurali evolutivamente primitivi.

La volatilità finanziaria obbedisce a due leggi empiriche consolidate: presenta code pesanti (distribuite secondo legge di potenza con esponente prossimo a 3) e tende a clustering nel tempo, con intense raffiche di alta instabilità che interrompono periodi più calmi. Dal punto di vista neuroeconomico questo doppio carattere corrisponde a una doppia dinamica cerebrale: il Sistema 1 (amigdala, striato) domina nei periodi di crisi producendo reazioni rapide, affettive e gregarie; il Sistema 2 (corteccia prefrontale) presidia le fasi di bassa volatilità con elaborazione più lenta e deliberata. Il passaggio tra i due regimi (tipicamente brusco e non lineare) genera naturalmente la struttura multifractal osservata.

Recency bias, memoria e dipendenza a lungo termine

Il recency bias è una tendenza biologica a ponderare eccessivamente le informazioni recenti anche quando ciò è irrazionale; gli investitori tendono a decidere in base a eventi recenti aspettandosi che quelli continuino nel futuro. Questa distorsione cognitiva è il correlato soggettivo di ciò che Mandelbrot modella con l'indice di Hurst: la percezione umana del tempo finanziario è intrinsecamente non uniforme, dilatata intorno agli eventi recenti e compressa nel passato lontano. Il trading time del MMAR (la deformazione non lineare del tempo orologio) non è solo un artificio tecnico ma una formalizzazione matematica della psicologia temporale degli agenti.

Leggi di potenza e codifica neuronale dell'informazione

Esiste una profonda analogia strutturale tra la codifica dell'informazione nel sistema nervoso centrale e le leggi di potenza dei mercati. I neuroni trasmettono stimoli sensoriali con una risposta che segue leggi di potenza (legge di Stevens) su diversi ordini di grandezza. Qualunque modello serio delle fluttuazioni dei prezzi è in ultima analisi giustificato da regole comportamentali ragionevoli ed effetti di microstruttura del mercato. La convergenza tra neurobiologia della percezione e geometria frattale suggerisce che le leggi di potenza non siano un'anomalia da correggere, ma la firma naturale di sistemi adattativi complessi — siano essi mercati o cervelli.

Una proposta di sintesi - verso un modello neuro-frattale

L'integrazione tra i due programmi di ricerca consente di formulare un quadro coerente articolato su tre livelli:

Livello micro (neuronale) - La non-linearità delle risposte dell'amigdala e dell'insula genera reazioni asimmetriche e sproporzionate agli stimoli di perdita, mentre i meccanismi dopaminergici dello striato producono inseguimento del trend nei periodi di rialzo. Questi circuiti operano su scale temporali diverse (millisecondi per l'amigdala, secondi/minuti per la corteccia prefrontale), introducendo una struttura multiscala endogena.

Livello meso (comportamento aggregato) - La sincronizzazione di risposte neuronali individuali attraverso l'imitazione sociale (herding) produce correlazioni non-markoviane nella volatilità. Le cascate di volatilità del MMAR trovano la loro contropartita comportamentale nelle cascade di panico o euforia che si propagano attraverso le reti sociali degli agenti di mercato.

Livello macro (struttura statistica) - Le distribuzioni frattali con code pesanti e dipendenza a lungo termine emergono come proprietà collettive stabili di questo sistema; non postulate ad hoc, ma derivabili dalla biologia cognitiva degli agenti. Il comportamento collettivo complesso non può essere inferito dai singoli ingredienti individuali: mercati ed economie (collezioni di agenti eterogenei che interagiscono attraverso prezzi, aspettative e vincoli) sono precisamente il tipo di sistema per cui questo avvertimento metodologico è rilevante.

Implicazioni pratiche e limiti residui

Sul piano della gestione del rischio, la sintesi neuro-frattale suggerisce che i modelli VaR gaussiani sottostimano sistematicamente il rischio nei periodi in cui il Sistema 1 domina il comportamento collettivo. Misure di rischio coerenti con la struttura frattale (CVaR su distribuzioni con code pesanti) andrebbero integrate con indicatori di sentiment neuralmente fondati.

Sul piano della politica economica, la possibilità di monitorare in tempo reale il sentiment pubblico attraverso proxy neuronali potrebbe fornire segnali di allerta precoce durante le crisi economiche; un'agenda ancora largamente inesplorata.

I limiti residui sono però sostanziali. La transizione dalla misura neurale individuale (fMRI, EEG) al comportamento aggregato di mercato resta un problema aperto: le somme di agenti neuralmente eterogenei non producono necessariamente un aggregato la cui statistica sia descrivibile analiticamente. Inoltre, il MMAR presenta difficoltà di stima che lo rendono ancora di difficile adozione pratica rispetto ai modelli GARCH, pur essendo statisticamente più realistico.

In definitiva, Mandelbrot ha costruito una geometria del rischio che la neuroeconomia può ora dotare di una fondazione biologica: le distribuzioni frattali non sono un'anomalia della natura ma la proiezione statistica di come cervelli evolutivamente plasmati elaborano incertezza, imitano i pari e percepiscono il tempo. La sfida aperta è trasformare questa convergenza qualitativa in modelli quantitativi rigorosi e operativamente utili.

Massimo Zanetti