Одураченные случайностью. Скрытая роль шанса в бизнесе и жизни
Шрифт:
Чтобы оценить результаты инвестора, нам нужно или разработать хитроумную и неочевидную технику, или ограничить оценки ситуациями, в которых наши суждения не зависят от частоты событий.
Озорное дитя заменяет шары
Но все может сложиться гораздо хуже. В некоторых случаях, когда доля красных шаров сама имеет случайное распределение, мы никогда не узнаем структуру содержимого урны. Это называется «проблемой стационарности». Представьте урну, у которой нет дна. Некий озорной ребенок без моего ведома добавляет в нее шары того или иного цвета по мере того, как я их оттуда вынимаю. Теперь мои выводы вовсе ничего не значат. Я могу предположить, что красные шары составляют 50 % содержимого урны, а озорник, услышав это, потихоньку заменит все красные шары на черные. Это делает довольно шаткой большую часть наших знаний, полученных статистически.
Тот же самый эффект проявляется на рынках. Мы принимаем историю за простую равномерную выборку и
Я изучаю и практикую эконометрику больше чем полжизни (с девятнадцати лет), как в университетской аудитории, так и в офисе, будучи трейдером на рынке производных инструментов. Эконометрика как наука представляет собой приложение статистики к выборкам, сделанным в различные периоды времени, которые мы называем временными рядами. Она основана на изучении временных рядов экономических показателей, статистических данных и т. д. Вначале то, что я знал, было близко к нулю (то есть меньше, чем сегодня), и мне было интересно, неужели временные ряды, отражающие действия уже умерших или ушедших на пенсию людей, имеют значение для предсказания будущего. Специалисты по эконометрике, знавшие о предмете много больше, чем я, таких вопросов не задавали; они намекали на то, что я интересуюсь глупостями. Один выдающийся эконометрик, Мохаммад Хашем Песаран, ответил на подобный вопрос рекомендацией «заниматься эконометрикой больше и лучше». Теперь я убежден, что большая часть эконометрики бесполезна — многое из того, что знают финансовые статистики, знать не стоит. Если суммировать нули хотя бы и миллиард раз, сумма останется нулем; точно так же накопление исследований и увеличение их сложности не даст результатов, если под этими исследованиями нет твердых оснований. Изучение европейских рынков 1990-х годов, конечно, сильно поможет историкам, но какое отношение это может иметь к нам сейчас, когда структура институтов и рынков изменилась столь сильно?
Заметьте, что экономист Роберт Лукас [37] произвел фурор в эконометрике, заявив, что если бы люди были рациональными, то их рациональность позволила бы им выявить в прошлом предсказуемые модели и адаптироваться, поэтому информация о прошлом стала бы совершенно бесполезной для предсказания будущего (этот аргумент, выраженный в математической форме, принес ему Нобелевскую премию). Мы — люди и действуем в соответствии со своими знаниями, которые есть сумма данных о прошлом. Я могу объяснить это путем следующей аналогии. Если рациональные трейдеры обнаруживают модель, в соответствии с которой акции растут по понедельникам, эта модель перестанет существовать сразу после ее обнаружения благодаря людям, которые будут покупать по пятницам в ожидании «эффекта понедельника». Нет смысла искать модели, которые доступны всем людям, имеющим брокерский счет. Однажды обнаруженные, эти модели будут ликвидировать сами себя.
37
Роберт Эмерсон Лукас, младший (род. 1937) — экономист, один из создателей теории рациональных ожиданий, лауреат Нобелевской премии (1995). Прим. перев.
Как правило, так называемая критика Лукаса не поддерживается учеными. Есть устойчивая вера в то, что научные успехи промышленной революции распространяются на социальные науки (она особенно поддерживается таким движением, как марксизм). Псевдонаука движется когортой нудных идеалистов, пытающихся скроить удобное им общество, воплощением которого является центральное планирование. Экономика была самым вероятным кандидатом на использование такой науки. Можно было замаскировать шарлатанство горой уравнений, и никто не мог разоблачить вас, поскольку здесь не существует такого явления, как контролируемый эксперимент. Сейчас дух этих методов, которые его противники (такие как я) называют сциентизмом, распространился за пределы марксизма в область финансов, поскольку вместе с десятками псевдоученых многие технические специалисты полагают, что их математических знаний хватит для понимания рынков. Появилась практика финансового инжиниринга. Люди, применяющие эти методы, измеряют риски, используя прошлое как средство для изучения будущего. Здесь мы только скажем, что сама возможность нестационарности распределения делает всю концепцию похожей на дорогую (возможно, очень дорогую) ошибку. Это приводит нас к фундаментальному вопросу — проблеме индукции, ее мы и рассмотрим в следующей главе.
Глава 7
Проблема индукции
О хромодинамике лебедей. Использование предупреждения Солона в философии. Как Виктор Нидерхоффер учил меня эмпиризму, а я сделал выводы. Почему не очень научно серьезно относиться к науке. Сорос продвигает Поппера. Тот самый книжный магазин на углу Восемнадцатой улицы и Пятой авеню. Пари Паскаля.
Теперь мы обсудим ту же
Черный лебедь
В своем «Трактате о человеческой природе» шотландский философ Дэвид Юм сформулировал такую мысль (английский мыслитель и экономист Джон Стюарт Милль перефразировал ее в уже известную «проблему черного лебедя»): «Наблюдение любого количества белых лебедей не позволяет сделать вывод о том, что все лебеди белые, но достаточно увидеть хотя бы одного черного лебедя, чтобы это утверждение опровергнуть».
Юма раздражал тот факт, что наука в его дни (XVIII век) благодаря Фрэнсису Бэкону качнулась от схоластики, полностью основанной на дедуктивном мышлении (без акцента на наблюдении реального мира), к чрезмерно наивному и неструктурированному эмпиризму. Бэкон возражал против «плетения паутины обучения» при отсутствии практических результатов (когда наука становится похожей на теологию). Благодаря Бэкону наука сделала шаг в сторону эмпирических наблюдений. Проблема состоит в том, что без правильного метода эмпирические наблюдения могут повести нас по ложному пути. Юм пытался предостеречь от такого знания и объяснить необходимость определенной строгости при сборе и интерпретации данных — то, что называется эпистемологией (от греческого слова episteme — «умение, знание»). Юм стал первым современным эпистемологом (работающих в прикладных областях эпистемологов зачастую называют методологами или философами науки). Я пишу здесь лишь часть правды, поскольку Юм говорил вещи и похуже; он был убежденным скептиком и верил в то, что причинно-следственную связь между двумя предметами невозможно достоверно установить. Но в этой книге мы его немного приглушим.
Нидерхоффер
Биография статистика и бизнесмена Виктора Нидерхоффера одновременно печальна и интересна, поскольку демонстрирует, как трудно в одном человеке ужиться крайнему эмпиризму и логике — чистый эмпиризм непременно приводит к одураченносги случайностью. Я привожу его пример потому, что Виктор Нидерхоффер, как и Фрэнсис Бэкон, выступал в университете Чикаго против паутины обучения и религии эффективности рынка. Это было в 1960-х годах, когда указанные взгляды были на пике. По контрасту со схоластикой финансовых теоретиков, он искал аномалии в данных и находил их. Он пришел также к выводу о бесполезности новостей и показал, что чтение газет не дает читателю предсказуемых преимуществ. Он получал свои знания о мире из данных о прошлом, очищенных от предубеждений, комментариев и вымысла. С тех пор расцвела целая отрасль таких игроков, их называют статистическими арбитражерами; некоторые наиболее успешные из них были вначале его учениками. История Нидерхоффера показывает нам, что эмпиризм нужно отделять от методологии.
В центре его modus (образа мышления) лежит следующая догма: любое «проверяемое» утверждение следует проверить, поскольку наш разум делает множество эмпирических ошибок, когда полагается исключительно на нечеткие впечатлении. Его совет очевиден, но редко выполняется на практике. Сколько выводов, которые мы считаем гарантированными, могут не быть таковыми? Проверяемое высказывание можно разбить на количественные составляющие и проверить статистическими исследованиями. Например, следующее здраво выглядящее утверждение в эмпирическом стиле
автомобильные аварии чаще происходят недалеко от дома
может быть проверено путем измерения расстояния между местом аварии и местом жительства водителя (если, скажем, 20 % аварий происходят в радиусе двенадцати миль). Однако нужно быть осторожными в интерпретации. Наивный читатель, увидев этот результат, скажет, что вероятность попасть в аварию больше, если вы едете по своему району, чем где-то далеко от него. Это типичный пример наивного эмпиризма. Почему? Потому что аварии могут случаться неподалеку от дома просто из-за того, что люди чаще оказываются в автомобиле именно там (20 % времени, проведенного за рулем, они находятся в радиусе двенадцати миль от места, где живут).
Но у наивного эмпиризма есть и более неприятный аспект. Я могу использовать данные, чтобы опровергнуть высказывание, но никогда — чтобы доказать его. Я могу воспользоваться историей, чтобы доказать ложность гипотезы, но никогда — чтобы подтвердить ее. Например, утверждение
рынок никогда не падает на 20 % за три месяца
может быть проверено, но является абсолютно бессмысленным на поверку. Я могу количественно опровергнуть его, найдя контрпримеры, но я не могу согласиться с ним только потому, что в прошлом рынок никогда не падал на 20 % за три месяца (нельзя просто совершить логический скачок от «никогда не падал» к «никогда не падает»). Выборки могут быть неподходящими; рынки могут меняться; у нас может быть недостаточно исторических данных.