和经济学家一样，物理学家把其所构建的模型都称为人工社会，不像经济学家，物理学家一般来说根据经验来做科学，一般物理诺贝尔很少颁发给没有经过试验检验的学说，这也是霍金为什么没有获得的原因，当这种经济学中却是很普遍的。也不像大多数经济学家，物理学家研究宏观经济学，是把其看做大量交互的复杂系统，也就是one depend on other或者是everything denpend on everyting other，他们一般在建立模型前，先去基于经验的方法，寻找stylized facts描述这种交互。而金融系统的交互的结果更多表现出一种fluctuation现象，而这一种现象很让人fascinated，特别是让Bachelier，很类似一个醉汉在大街上的游走，一摇一摆的。这个Bachelier机会去构建he biased random walk理论。但是在那个时代，或者是没有高频数据的年代，the biased random walk对中频数据拟合的是比较好的。就是在当前所能观察到的尺度上拟合的还是比较good。

    但是随着计算机的革命和信息数据处理工具的改进，大量高频数据如春笋版冒出神州大地。在对高频的the S&P500 data分析的时候，Stanley 和同事发现：“ biased random walk中根本不会出现像black Monday这样的事件，源于每次都向同一方向游走的概率几乎接近零”。当然这也可以从 biased random walk的基础：高斯分布，预言，现实中的大多事件，几乎是所有事件，都落在5个标准差以内，但是现实中的black Monday却在32个标准差之外。如今非主流经济对经济学的研究，把经验数据纳入对经济研究当然，把类似balck moday这样的catastrophic事件纳入经济学研究的现象中，不把其看做异常，就是可以这样非主流经济学就是致力研究异常现象的经济学，而高频数据中就蕴含着大量异常。如传统经济学认为，供需在任何时点或者总是能够达到平衡，有这个平衡决定的价格有一个合理的价值，而价值又充分的反映基本面，但是现实的价格总是bounce up and down，时常发生大的波动。

   正如Gabaix发现在自然社会，almost everything，当然包括无序的事情，其都有一个特定的尺度，并且每一种尺度对应着一微分方程，尺度一旦确定，对物理学的研究就归结为对一个微分方程的寻找。但是在自然系统中还存在一些系统，其缺乏scale，特别是那些带着交互作用的system，其具有一种scale invariance的性质，并且这样一种性质，可以用power law描述。而高频的S&P500 中发现的volatility可以用power law描述，并且并在其他市场，如中国市场，其他对象，如汇率中，都陆续发现。这使得学者重新认识到：原本biased random walk的市场，并非是random，也即是the wild market is not wildness。

参考文献：Sergio.International Finance from Macroeconomics to Econophysics