Ekonofisika adalah bidang penelitian lintas disiplin dengan menerapkan teori dan

metode yang awalnya dikembangkan oleh fisikawan untuk memecahkan masalah di

bidang ekonomi, biasanya yang berkaitan dengan ketidakpastian atau proses
stokastik dan dinamika nonlinear. Beberapa aplikasinya terhadap studi pasar keuangan
juga dapat disebutkeuangan statistik, mengacu pada fisika statistik.
Ekonofisika adalah gagasan fisika yang baru dalam menganalisa data ekonomi
(khususnya keuangan) dengan menggunakan pengalaman-pengalaman dalam
menganalisa sistem fisika yang suatu saat tidak tertutup kemungkinan bahwa keteraturan
dan prediksi dalam sistem fisika dapat langsung diterapkan dalam prediksi ekonomi
misalnya prediksi fluktuasi harga saham. Atau di masa datang, terbuka suatu jalan untuk
memahami sistem ekonomi yang komplek yang tersangkut dengan manusia ini, sehingga
eksperimen-eksperimen tidak dapat dilakukan secara langsung, dapat dipahami lewat
eksperimen-eksperimen fisika dalam skala laboratorium atau simulasi komputer saja.
Tentu saja untuk sampai pada tahap ini diperlukan riset dalam kurun waktu yang lama
untuk menguji prediksi-prediksi fisika dalam kejadian-kejadian ekonomi keuangan.

Sebagai contoh: random walk yang dalam fisika dikenal sebagai gerak Brown, Proses-
proses Stochastic Levy dan teori-teori limit yang menyangkut berbagai f ngsi distribusi,
pasar finansial dan turbolensi, taksonomi suatu portfolio saham dan lain-lain. Secara
garis besar dapat diklasifikasikan di sini beberapa analysis tools yang lazim dikenal dalam
fisika dan dengan gamblang diterapkan dalam ekonomi keuangan: (1). Fungsi-fungsi
distribusi dalam Statistik fisika mulai dari Gauss, Poisson dan Boltzmann-Gibbs dipakai
dalam analisis ekonomi keuangan. (2). Fungsi-fungsi khusus seperti fungsi Gamma,
variabel komplek, transformasi Fourier, konvolusi dan dekonvolusi dua fungsi yang
dipelajari dalam fisika sebagai Fisika Matematika ternyata diterapkan secara gmblang
dalam ekonomi keuangan karena (3). fluktuasi indeks saham atau valuta asing terhadap
waktu, misalnya, memiliki "kesemrawutan" profil yang sama seperti spektrum XRD (X-
Ray Diffraction), XPS (X-Ray Photoelectron Spectroscopy), data log dalam pengukuran
sumur minyak untuk menentukan lapisan yang mengandung minyak bumi dalam
geofisika dan sinyal-sinyal lain untuk kasus signal processing dalam fisika. (4). Masalah
turbolensi dalam aliran fluida dengan bilangan Reynoldnya juga dipakai dalam ekonomi
keuagan yang sering dikenal sebagai turbolensi harga-harga saham, (5). Masalah
statistik yang dikenal sebagai clustering statistic yang tidak hanya menghitung korelasi
untuk mengukur derajat sinkronisasi beberapa saham tetapi juga mampu mengukur
"jarak relatif" (terminologi analisa cluster) di antara saham-saham pada suatu portfolio
tertentu serta memberikan suatu metode untuk mengambil informasi ekonomi yang
tersimpan dalam harga saham berbasis waktu. Catatan khusus penulis berikan untuk
masalah ini karena pertengahan Agustus yang lalu penulis menguji sekripsi seorang
sarjana Geofisika yang menggunakan statistic clustering ini dengan bantuan program
komputer "MATLAB" untuk menemukan cara baru dalam mengidentifikasi lapisanan
kerak bumi yang mengandung minyak bumi dari data sumur yang tersedia. Dari
pasangan data sumur (Sinar Gamma atau Sonik) terhadap kedalaman serta efek
pemberian warna pada cluster data, metode ini lebih mempermudah analisis ini dari pada
metode pembandingan beberapa data sumur yang biasa dilakukan selama ini. Bidang
inipun mulai dikenal luas dalam fisika atau dalam hal ini geofisika.

4.a. Black and Scholes assume that a stock price Y (t) can be described as an
Ito process, namely a process defined by the stochastic differential equation
dY = a(Y , t)dt + b(Y , t)dW. Specifically, they assume that a stock price
follows a geometric Brownian motion
dY = μY dt + σY dW, (14.5)
where μ is the expected return per unit time, σ2 the variance per unit time,
and W a Wiener process. This assumption implies that the changes in the
logarithm of price are Gaussian distributed.
If one assumes that a stock price is modeled by a geometric Brownian
motion, any function of Y (including the price of the option C) must be a
solution of the partial differential equation obtained from a special case of
Ito’s lemma valid for a geometric Brownian motion [75],
b. The Black & Scholes model provides two important financial instruments:
(a) an analytic solution (14.20) for the rational price of a European option,
and (b) a trading strategy for building up a riskless portfolio. The existence
of a riskless portfolio implies also that a specific portfolio of bonds and
underlying stock can be equivalent to an option issued on the underlying
stock at any time if the portfolio is properly balanced in terms of Eqs. (14.1)
and (14.4). In other words, the value of an option can be replicated by an
appropriate portfolio of stocks and bonds, and synthetic options can be
realized in a financial market obeying the Black & Scholes assumptions.

5.a. ARCH models are simple models able to describe a stochastic process
which is locally nonstationary but asymptotically stationary. This implies
that the parameters controlling the conditional probability density function
ft(x) at time t are fluctuating. However, such a ‘local’ time dependence does
not prevent the stochastic process from having a well defined asymptotic pdf
P(x). ARCH processes are empirically motivated discrete-time stochastic models
for which the variance at time t depends, conditionally, on some past values
of the square value of the random signal itself. ARCH processes define
classes of stochastic models because each specific model is characterized by
a given number of control parameters and by a specific form of the pdf,
called the conditional pdf, of the process generating the random variable at
time t.
b. ARCH models have been applied to several different areas
of economics. Examples include (i) means and variances of inflation in the
UK, (ii) stock returns, (iii) interest rates, and (iv) foreign exchange rates.
ARCH models are widely studied in economics and finance and the literature
is huge. They can also be very attractive for describing physical
systems.
8.a. In the great majority
of the empirical studies, the time correlation between price changes has been
found to be negligibly small, supporting the efficient market hypothesis.
However, it was shown in the 1980s that by using the information present
in additional time series such as earnings/price ratios, dividend yields, and
term-structure variables, it is possible to make predictions of the rate of
return of a given asset on a long time scale, much longer than a month.
Thus empirical observations have challenged the stricter form of the efficient
market hypothesis.
Thus empirical observations