Антихрупкость. Как извлечь выгоду из хаоса
Шрифт:
Нелинейное куда больше подвержено влиянию исключительных событий, но такие события никого не интересовали, потому что у людей в мозгах выстроен психологический барьер.
Я продолжал твердить всем, кто готов был меня слушать, включая случайных таксистов (ну, почти), что корпорация Fannie Mae сидит на бочке с динамитом. Разумеется, катастрофы не случаются каждый день (скверно построенные мосты тоже рушатся не сразу), и мне говорили, что я неправ, что мое мнение ни на чем не основано (мол, акции Fannie Mae растут – и еще что-то столь же обтекаемое). Я сделал вывод, что другие институции, почти все банки, пребывали точно в таком же положении. Разузнав, как обстоит дело в аналогичных структурах, я осознал, что проблема везде одна и та же – и что полный коллапс банковской системы неминуем. Я был настолько уверен в своих выводах, что потерял контроль
Все случилось так, как того хотели боги. Fannie Mae обанкротилась вместе с другими банками. Это случилось чуть позже, чем я предполагал, – ну так что же?
В одном я сглупил: в тот момент мне не удалось увидеть связь между финансовой хрупкостью и хрупкостью, да и само слово «хрупкость» я не использовал. Возможно, мне следовало чаще глядеть на фарфоровые чашки. Впрочем, благодаря заточению на чердаке у меня появилось мерило хрупкости, а значит, и мерило антихрупкости тоже.
Сводится оно к следующему: нужно понять, насколько наши просчеты или ошибочные предсказания в конечном счете нам повредят или, наоборот, какую они принесут нам пользу – и как будет расти ущерб. Ровно как в истории с царем, когда вред от камня весом 10 килограммов больше чем в два раза превышает вред от камня весом пять килограммов. Если ущерб нарастает нелинейно, значит, большой камень в конце концов убьет человека. Точно так же значительные колебания на рынке могут в итоге убить компанию.
Когда я осознал, что хрупкость напрямую связана с нелинейностью и эффектом выпуклости, который поддается измерению, я был вне себя от радости. Этот метод – распознавание возрастания ущерба – применим ко всем случаям, когда решение принимается в условиях неопределенности, а также к управлению риском. Самое любопытное применение он находит в медицине и технической сфере, однако нуждается в нем прежде всего экономика. Я предложил Международному валютному фонду измерять хрупкость, а не риск, потому что расчет риска ничего не значит. Большинство специалистов по управлению риском понимают, что их модели работают плохо (и если попадают в яблочко, то случайно), но совет, который я давал прежде – «не используйте эту модель», – им не нравился. Они хотели чего-то взамен. До тех пор они измеряли только риск [93] .
93
Наш метод не требует безупречной модели измерения риска. Возьмите линейку. Вы знаете, что линейка врет. Вы не сможете с ее помощью определить точный рост вашего ребенка. Но вы сможете точно сказать одно: вырос ребенок или нет. На деле ошибка, с которой вы измерите темп роста ребенка, куда меньше, чем ошибка, с которой вы измерите его рост. То же самое с весами: они могут быть сколь угодно неточными, но всегда скажут вам, набираете вы вес или худеете, так что перестаньте винить весы.
Выпуклость связана с возрастанием. Самое любопытное при измерении эффекта выпуклости для обнаружения слабых мест состоит в следующем: даже если вы используете модель с погрешностями, не столь уж важно то, что расчеты неверны; вы все равно поймете, есть тут хрупкость или нет, и если есть, насколько она велика. Как и в случае с дефектными весами, смотреть нужно на явления второго порядка.
Взамен я предлагаю следущий метод. Простое эвристическое правило, которое я буду называть правилом определения хрупкости (и антихрупкости), работает следующим образом. Пусть вы хотите выяснить, не слишком ли оптимизировано движение транспорта в городе. Вы производите замеры и узнаете, что когда трафик возрастает на 10 тысяч машин, время поездки увеличивается на 10 минут. Но если трафик возрастает еще на 10 тысяч машин, время увеличится еще на полчаса. Такое возрастание трафика показывает, что транспортная система хрупка, а значит, в городе слишком много машин – и следует уменьшать трафик до тех пор, пока его возрастание не станет умеренным (возрастание чего бы то ни было – это, повторю, эффект сильной вогнутости, или негативной выпуклости).
Аналогичным образом дефицит госбюджета очень сильно вогнут относительно изменения экономической ситуации. Каждое последующее изменение, например,
То же самое касается зависимости хрупкой компании от продаж. Если продажи вырастут на 10 процентов, прибыль вырастет меньше, чем на 10 процентов; если продажи упадут на 10 процентов, компания понесет убыток больше 10 процентов.
Интуитивно используя очень похожую методику, я обнаружил, что Глубокоуважаемая Компания Fannie Mae ковыляет на кладбище – ну а вывести на этом примере практическое правило было нетрудно. МВФ принял мою методику. Она казалась простой, такой простой, что «эксперты» поначалу заявляли, что она «тривиальна» (это говорили те, кто ни разу не сумел распознать риск, – ученое сообщество и спецы по квантитативному анализу презирают то, что могут понять слишком легко, а все то, что придумали не они, сводит их с ума).
Следуя чудесному принципу, согласно которому глупость других служит нашему развлечению, я пригласил своего друга Рафаэля Дуади совместно написать статью, где та же самая простая идея была бы выражена сложными формулами и невразумительными теоремами, над которыми профессионал будет ломать голову полдня. Мы с Рафаэлем и Брюно Дюпиром на протяжении почти двух десятков лет дискутируем о том, как профессионал в области опционов может распознать всякое явление, подверженное риску – подчеркну: всякое, – максимально ясно и точно. Мы с Рафаэлем доказали существование связи между нелинейностью, неприятием переменчивости и хрупкостью. Заодно мы убедились в том, что если автор простой концепции представит ее в виде сложных теорем, его примут всерьез, пусть запутанные уравнения и не прибавляют ничего к основной идее. Ученые отреагировали на нашу статью очень положительно; нам сказали, что наше простое эвристическое правило «разумно» (это были те же самые, кто раньше говорил, что идея тривиальна). Беда в том, что математика вызывает привыкание.
Концепция позитивной и негативной ошибки модели
Теперь о том, в чем я на самом деле специалист: об ошибках в моделях.
Работая трейдером, я обычно совершал множество ошибок в деталях сделки. Вы приобретаете тысячу акций и назавтра обнаруживаете, что купили не одну, а две тысячи. Если стоимость акций поднялась, у вас образовался солидный выигрыш. Если нет, у вас большой убыток. В долгосрочном плане такие ошибки, по сути, нейтральны, потому что влияют на вас как положительно, так и отрицательно. Они увеличивают дисперсию, но существенного воздействия на ваш бизнес не оказывают. Они не односторонни. Благодаря тому, что масштаб вашей деятельности ограничен, подобные ошибки можно держать под контролем – если вы заключаете множество маленьких сделок, влияние ошибок невелико. По итогам финансового года они, как мы говорили, аннулируются.
Другое дело – ошибки, которые мы допускаем при строительстве и в любых проектах, обладающих хрупкостью, то есть подверженных эффекту негативной выпуклости. Этот класс ошибок влияет на проекты только в одну сторону – негативно, именно из-за них самолеты прилетают позднее, а не раньше срока. Войны обычно ведут к б'oльшим потерям, а не к меньшим. Как мы видели на примере трафика, вариации (теперь их называют пертурбациями), как правило, увеличивают время поездки от Южного Кенсингтона до площади Пикадилли и никогда не делают эту поездку короче. Впрочем, ряд явлений, например трафик, изредка испытывает и влияние позитивных пертурбаций.
Одностороннее воздействие таких ошибок заставляет нас недооценивать случайность и переоценивать ущерб, ведь ошибка чревата для нас потерями, а не приобретениями. Если в долгосрочном плане источник случайности не исчезает и вариации неизбежны, потери так или иначе перекроют приобретения.
Вот почему – и это ключ к Триаде – мы можем классифицировать объекты и явления по трем простым признакам: то, что в долгосрочном плане любит пертурбации (или ошибки); то, что в их отношении нейтрально; и то, что их ненавидит. Как мы уже убедились, эволюции ошибки нравятся. Мы видели, что пертурбации идут на пользу открытиям. Некоторым прогнозам вредит неопределенность – и тогда, как в случае с трафиком, нужно подстраховаться. Авиакомпании поняли, как это сделать, а правительства, когда они оценивают дефицит бюджета, – нет.