"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."
"Toen de crisis kwam, werden de serieuze beperkingen van de bestaande economische en financiële modellen meteen duidelijk." "Er is ook een sterk geloof, waar ik het mee eens ben, dat de crisis mede is ontstaan door slechte, te simplistische en overmoedige economieën."
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."
Waarschijnlijk heeft iedereen zulke kritiek al gehoord van mensen die sceptisch zijn over kapitalisme. Maar dit is anders. Dit komt uit het hart van de financiële wereld. Het eerste citaat is van Jean-Claude Trichet toen hij gouverneur was van de Europese Centrale Bank. Het tweede citaat is van het hoofd van de Britse Autoriteit Financiële Markten. Het tweede citaat is van het hoofd van de Britse Autoriteit Financiële Markten. Bedoelen deze mensen dat we niets begrijpen van de economische systemen waar onze moderne samenlevingen op drijven? Het wordt nog erger. "We geven miljarden uit om de oorsprong van het heelal te achterhalen, terwijl we nog steeds geen begrip hebben van de voorwaarden voor een stabiele samenleving, een functionerende economie, of vrede.
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.
Wat gebeurt hier? Hoe is dit mogelijk? Begrijpen we echt meer van de structuur van de natuur dan van de structuur die voortkomt uit menselijke interacties? Helaas is het antwoord: ja. Maar er is een intrigerende oplossing die voortkomt uit de wetenschap van de complexiteit.
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.
Om uit te leggen wat dat betekent en wat dit is, moeten we even een paar stappen terug. Ik ben ooit per ongeluk in de natuurkunde beland. Toen ik jong was, ben ik er toevallig mee in aanraking gekomen, en sindsdien heb ik me verbaasd over hoe succesvol de natuurkunde is in het beschrijven van de alledaagse werkelijkheid. In een notendop kun je zo over natuurkunde denken: je neemt een stukje realiteit dat je wil begrijpen, en je vertaalt het naar wiskunde. Je vertaalt het naar vergelijkingen. Daarmee kunnen voorspellingen worden gedaan en getest. Eigenlijk hebben we geluk dat dit werkt, want niemand weet echt waarom de gedachten in ons hoofd in verband zouden staan met de fundamentele werking van het universum. Maar ondanks het succes, heeft natuurkunde zijn grenzen. Zoals Dirk Helbing vertelde in het vorige citaat, begrijpen we niet veel van de complexiteit die op ons van toepassing is, die overal om ons heen is. Door die paradox ben ik geïnteresseerd geraakt in complexe systemen. Dat zijn systemen die bestaan uit heel veel delen die met elkaar verbonden zijn of elkaar beïnvloeden: zwermen vogels, scholen vissen, insectenkolonies, ecosystemen, hersenen, financiële markten, om een paar voorbeelden te noemen.
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.
Het is interessant dat complexe systemen zich moeilijk laten vertalen naar wiskundige vergelijkingen, dus de normale aanpak van natuurkunde werkt hier niet echt. Wat weten we over complexe systemen? Het blijkt dat iets wat van buiten lijkt op complex gedrag eigenlijk het resultaat is van een paar simpele regels over interactie. Dat betekent dat je de vergelijkingen kunt vergeten, en het systeem beginnen te begrijpen door te kijken naar de interacties, en het systeem beginnen te begrijpen door te kijken naar de interacties, en het systeem beginnen te begrijpen door te kijken naar de interacties, en het systeem beginnen te begrijpen door te kijken naar de interacties, Het wordt nog beter, want de meeste complexe systemen hebben een geweldige eigenschap: emergentie. Dat betekent dat het systeem als geheel plots een gedrag vertoont dat niet kan worden begrepen of voorspeld door te kijken naar de componenten van het systeem. Het geheel is letterlijk meer dan de som van zijn delen. Dit betekent ook dat je je niet druk hoeft te maken over de individuele delen van het systeem, over hoe complex die zijn. Of het nou een cel of een termiet of een vogel is, je kunt je concentreren op de regels van interactie.
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.
Daarom zijn netwerken ideale representaties van complexe systemen. Daarom zijn netwerken ideale representaties van complexe systemen. De knopen in het netwerk zijn de componenten van het systeem en de verbindingen staan voor de interacties. Wat vergelijkingen zijn voor de natuurkunde, zijn complexe netwerken voor de studie van complexe systemen.
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.
Deze aanpak is succesvol toegepast op vele complexe systemen in de natuurkunde, biologie, informatica en de sociale wetenschappen, maar hoe zit het met de economie? Waar zijn de economische netwerken? Dit is een verbazend en prominent gat in de literatuur. Het onderzoek dat we vorig jaar hebben gepubliceerd, "The Network of Global Corporate Control", was de eerste uitgebreide analyse van economische netwerken. De studie kreeg veel aandacht op internet en van de internationale media. De studie kreeg veel aandacht op internet en van de internationale media. Dat is best opmerkelijk, want waarom had niemand hier eerder naar gekeken? Soortgelijke data is al geruime tijd beschikbaar.
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.
We hebben in detail gekeken naar eigendomsnetwerken. Hier zijn de knopen: bedrijven, mensen, overheden, stichtingen, enzovoort. De verbindingen staan voor aandeelhouderschap. Aandeelhouder A heeft x% van de aandelen in bedrijf B. We kennen ook een waarde toe aan elk bedrijf namelijk de bedrijfsomzet. Eigensdomsnetwerken onthullen de patronen van aandeelhouderschap. In dit kleine voorbeeld zie je een paar financiële instellingen met een paar van de verbindingen dik gedrukt.
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.
Je zou nu kunnen denken dat niemand hier eerder naar heeft gekeken omdat eigendomsnetwerken heel, heel saai zijn om te bestuderen. Omdat eigendom te maken heeft met macht, zoals ik straks zal uitleggen, kan kijken naar eigendomsnetwerken ons antwoorden geven op vragen als: wie zijn de belangrijke spelers? Hoe zijn ze georganiseerd? Zijn ze geïsoleerd? Zijn ze met elkaar verbonden? Wat is de algehele verdeling van de macht? In andere woorden, wie heeft de macht over de wereld? Volgens mij is dat een interessante vraag.
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.
Ze heeft implicaties voor het systeemrisico. Dat is een maat voor hoe kwetsbaar een systeem in zijn geheel is. Een situatie met veel onderlinge verbanden kan slecht zijn voor de stabiliteit, omdat spanning zich dan door het systeem kan verspreiden als een epidemie.
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.
Wetenschappers hebben soms kritiek op economen die geloven dat ideeën en concepten belangrijker zijn dan empirische data. Want een fundamentele richtlijn in de wetenschap is: laat de data spreken. Oké, dat gaan we doen.
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.
We zijn begonnen met een database van 13 miljoen eigendomsrelaties uit 2007. We zijn begonnen met een database van 13 miljoen eigendomsrelaties uit 2007. Dat is een hoop data. Omdat we wilden ontdekken wie de macht heeft in de wereld, hebben we ons gefocust op multinationionale bedrijven, of afgekort, multinationals. Dat zijn bedrijven die opereren in meer dan één land. We hebben er 43.000 gevonden. In de volgende stap hebben we het netwerk gebouwd rond deze bedrijven. We namen alle aandeelhouders van multinationals, en de aandeelhouders van die aandeelhouders, etc., helemaal tot het eind, en ook de andere kant op. Het resultaat was een netwerk met 600.000 knopen en een miljoen verbindingen. Dit is het multinational-netwerk dat we hebben geanalyseerd.
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.
Het blijkt dat de structuur als volgt is. We hebben een buitenkant en een centrum dat ongeveer 75 procent van de spelers bevat, en in het centrum is er een kleine maar dominante kern die bestaat uit bedrijven die sterk onderling verbonden zijn. Om je een beter beeld te geven: denk aan een stedelijk gebied. Daar heb je de buitenwijken en het platteland, je hebt een centrum, bijvoorbeeld een financieel district, en de kern is iets als de hoogste wolkenkrabber in het centrum. Hier hebben we al gezien dat er organisatie bestaat. Slechts 36% van de multinationals ligt in de kern, maar ze zijn verantwoordelijk voor 95% van de totale omzet van alle multinationals.
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.
We hebben nu de structuur geanalyseerd, maar hoe staat dit in verband met macht? Eigendom geeft stemrecht aan aandeelhouders. Dat is het normale begrip van controle. Er zijn verschillende modellen waarmee je kunt berekenen hoeveel macht je krijgt uit eigendom. Als je meer dan de helft van de aandelen in een bedrijf hebt, dan heb je de macht. Maar meestal hangt het af van de relatieve verdeling van de aandelen. Het netwerk doet ertoe. Ongeveer 10 jaar geleden had Tronchetti Provera eigendom en macht in een klein bedrijf, dat weer eigendom en macht had in een groter bedrijf. Je snapt het idee. Uiteindelijk kreeg hij daardoor macht in Telecom Italia met een leverage van 26. Dat betekent dat met elke euro die hij investeerde, hij 26 euro aan marktwaarde door de ketting van eigendomsrelaties kon bewegen.
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.
We berekenden in ons onderzoek de macht over de waarde van de multinationals. Hiermee konden we een mate van invloed toekennen aan elke aandeelhouder. Hiermee konden we een mate van invloed toekennen aan elke aandeelhouder. Dit is erg in de geest van het idee van Max Weber over potentiële macht. Dit is erg in de geest van het idee van Max Weber over potentiële macht. Dat is de kans dat iemand zijn eigen wil kan doordrukken ook als anderen het daar niet mee eens zijn.
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.
Als je de stroom in een eigendomsnetwerk wil berekenen, is dit wat je moet doen. Het is eigenlijk niet zo moeilijk om te begrijpen. Laat ik het uitleggen met deze analogie: denk aan water dat door leidingen stroomt waarbij de leidingen verschillende diktes hebben. Net zo stroomt de macht in het eigendomsnetwerk, en ze hoopt zich op in de knopen. Wat hebben we ontdekt nadat we alle macht in het netwerk hebben berekend? Het blijkt dat de 737 grootste aandeelhouders het potentieel hebben om samen de macht te nemen over 80% van de waarde van de multinationals. We begonnen met 600.000 knopen, dus deze 737 topspelers zijn ongeveer 0,1% daarvan. Het zijn vooral financiële instellingen in de Verenigde Staten en het Verenigd Koninkrijk. Het wordt nog extremer. Er zijn 146 topspelers in de kern, die samen het potentieel hebben om samen de macht te nemen over 40% van de waarde van de multinationals.
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.
Wat moet je hiervan onthouden? De hoge mate van controle die je zag, is extreem volgens elke standaard. De hoge mate van onderlinge verbondenheid van de topspelers in de kern kan een significant systeemrisico zijn voor de wereldeconomie. We kunnen het multinational-netwerk makkelijk reproduceren met een paar simpele regels. Dat betekent dat die structuur waarschijnlijk het resultaat is van zelforganisatie. Dat betekent dat die structuur waarschijnlijk het resultaat is van zelforganisatie. Het is een emergente eigenschap die afhangt van de interactieregels van het systeem. Het is een emergente eigenschap die afhangt van de interactieregels van het systeem. Ze is waarschijnlijk niet het resultaat van een top-down aanpak zoals een globale samenzwering.
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.
Ons onderzoek "is een impressie van de oppervlakte van de maan. Het is geen plattegrond." Je moet de precieze getallen in ons onderzoek met een korreltje zout nemen. Maar het "gaf ons een verleidelijke glimp van een ‘heerlijke nieuwe wereld’ van de haute finance." We hopen dat we de deur hebben geopend voor meer onderzoek in deze richting, zodat het onbekend terrein in de toekomst in kaart wordt gebracht. Dit begint nu langzaam. We zien dat er goed gefinancierde langetermijnprojecten komen die zich richten op begrip van onze wereld vanuit het oogpunt van complexiteit. Deze reis is maar net begonnen, dus moeten we wachten op de eerste resultaten.
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.
Er is volgens mij nog steeds een groot probleem. Opvattingen over financiën, economie, politiek en samenleving worden vaak beïnvloed door persoonlijke ideologieën. Ik hoop dat dit perspectief van complexiteit een gemeenschappelijk platform kan creëren. Het zou geweldig zijn als dit de kracht heeft om de problemen van conflicterende ideeën op te lossen, die onze geglobaliseerde wereld lijken plat te leggen. De realiteit is zo complex, we moeten weg van dogma's. Maar dat is slechts mijn persoonlijke ideologie.
Thank you.
Bedankt.
(Applause)
(Applaus)