Концепция позитивной и негативной ошибки модели

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?льшим 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.

Мой метод можно обобщить применительно к любой области. Я даже использовал его для вычислений а-ля «Фукусима» и осознал, как уязвимы эти вычисления в отношении маленьких вероятностей. На деле все маленькие вероятности обычно очень хрупки в отношении ошибок, потому что небольшое изменение в начальных условиях может привести к резкому росту вероятности от одной миллионной до одной сотой. А значит, мы недооценили событие в десять тысяч раз.

Наконец, этот метод может выявить фальшивую математическую начинку экономических моделей, то есть показать, какие модели хрупки, а какие нет. Просто чуть-чуть измените начальные условия – и оцените последствия, а также возрастание итоговых изменений. Если возрастание ущерба налицо, значит, как в случае с Fannie Mae, того, кто полагается на эту модель, ждет крах в лице Черного лебедя. Molto facile[94]. Подробная методика, позволяющая распознать фальшивые модели в экономике, вместе с обсуждением малых вероятностей приведена в Приложении II. Сейчас я могу сказать лишь одно: бо?льшую часть изучаемых будущими экономистами моделей, если в этих моделях есть хоть одно уравнение, а также всю эконометрию следует немедленно выбросить за борт. Собственно, по этой причине экономика и остается по большому счету прибежищем шарлатанов. Хрупкоделы – хрупкоделы навсегда!