Как было показано, обычная инспекция, выбирающая частоту проверок q по формуле (1), становится беспомощной, если нечестные ТК находятся в сговоре. Чтобы сделать штрафные санкции эффективными и при малом числе честных ТК, можно, очевидно, увеличить q или величину штрафа F еще в три-четыре раза. Рис. 5 показывает, как уменьшится прибыль мафиозных ТК при увеличении штрафа с $20000 до $70000. Как и ожидалось, такие высокие штрафы убирают мафиозную прибыль даже тогда, когда честных ТК очень мало, доводя ее до уровня эпохи честных ТК при начинающих мошенниках (см. рис. 1 для сравнения). У мафиозных ТК, окруженных большим числом честных, при высоких штрафах прибыль становится даже отрицательной, а работа — нестабильной, о чем говорит значительный разброс точек на соответствующей кривой.
Иногда в ответ на вопрос «Почему вы нарушаете закон?» мы слышим «Так ведь все так делают!» В случаях мошенничества интуитивно ясно, и мы это показали с помощью компьютерного моделирования, что если все вокруг занимаются мошенничеством, то они перестают извлекать из этого пользу. Даже само понятие воровства просто исчезает в этом сообществе, и его с экономической точки зрения можно считать обществом честных граждан, которые покупают друг у друга все товары и услуги по завышенным ценам. А прибыль каждого из граждан этого сообщества не изменится, если все «по команде» встанут на путь праведный.
Читатель, добравшийся до конца статьи, по-видимому, скажет, что в результате долгих рассуждений и компьютерного моделирования мы пришли, казалось бы, к двум тривиальным выводам:
• воровать имеет смысл только тогда, когда ты одним из первых научился это делать;
• если хочешь бороться с мафией, увеличивай размер штрафа.
Но есть и еще более важный вывод — мошенничество можно моделировать, а значит, с ним можно бороться. И вот каким образом.
Чтобы пешеходы не нарушали правила дорожного движения и переходили улицы в установленных местах, можно просто штрафовать их. Это дешевый, а иногда даже прибыльный способ борьбы с нарушениями. Но как только инспектор исчезает, этот способ перестает работать. Однако есть более действенный способ — провести исследования и найти те места, где пешеходам хочется переходить эту улицу, а потом построить в этих местах подземные переходы. Очевидно, что второй способ гораздо дороже первого, но несравненно эффективнее.
То же самое относится и к борьбе с экономическими преступлениями. Дешевая борьба с ними столь же бесполезна, сколь и преступна. Как показывает наша модель, штрафы, даже если они и достаточно большие, малоэффективны и поэтому развращают преступников и инспекторов, которые в конце концов находят общий язык. Только гигантский штраф в $70000 за нечестный барыш в какие-то $3-4 тысячи может переломить ситуацию. Но где (особенно в наших реальных условиях) взять столько честных инспекторов?..
Если уж говорить о реальности — почему бы в параметры модели не подставить реальные цифры и узнать, какие потребуются размеры штрафов в «настоящей жизни»? К сожалению, «реальные цифры» добыть крайне сложно (мошенники ведь не расскажут нам, сколько они воруют и как). Именно поэтому изучение на модели дает возможность только «пощупать» организм коррупции, который, вообще говоря, представляет собой «черный ящик».
Единственный работающий способ борьбы с обманом — устранение мест, где этот обман мог бы быть. Ну и, конечно, свободная конкуренция, которая в нашем случае не дала бы возможности наживаться мошенникам и честные ТК покупали бы машины в других городах, не охваченных коррупцией.
Приведем ряд ссылок на классические работы, в которых делалась попытка аналитически (с помощью формул и уравнений) моделировать различные социальные парадигмы. К сожалению, большинство исследователей социальных парадигм (в том числе и обмана) не знакомы с простейшими методами программирования, позволяющими значительно облегчить анализ этих парадигм.
Becker, Gary S. 'Crime and Punishment: An Economic Approach. Journal of Political Economy, 1968, 76:2, 169-217.
Becker, Gary S., and William Landes, Essays in the Economics of Crime and Punishment. Columbia University Press, 1974.
Ehrlich, Isaac, «Participation in Illegitimate Activities: A Theoretical and Empirical Inves-tigation». Journal of Political Economy, 1973
Polinsky, A. Mitchell, and Steven Shavell, «The Optimal Tradeoff between the Probability and Magnitude of Fines». American Economic Review, Dec. 1979, 69:5, 880-891.
Константин Богданов — кандидат физ.-мат. наук и доктор биологических наук, специалист по компьютерному моделированию в медицине, биологии, физике. Работал в зарубежных и российских инновационных компаниях и университетах, опубликовал множество научных работ (некоторые с весьма заметным индексом цитирования), ряд научно-популярных произведений.
Несколько лет назад Богданов написал книгу, где на простых компьютерных моделях изучает (а может быть — демонстрирует или иллюстрирует) различные варианты взаимодействия людей в обществе: социальное неравенство (проще говоря, зависть), динамику очередей, физику паникующей толпы, физику автомобильных пробок (сопровождая это еще и литературными мини-сюжетами). Предлагаемое читателю эссе посвящено мошенничеству. Из списка же характеристик богдановских моделей я бы все-таки выбрал слово «иллюстрирует». Ведь математическому анализу социальных отношений и связей в последние десятилетия посвящено огромное количество исследований, широчайшим образом использующих компьютерное моделирование. Вокруг таких методик выросла целая индустрия, окутанная даже неким ореолом мрачной таинственности (в частности, об исследованиях сетевых структур общества см. тему номера «Гуманитарные технологии», «КТ» #607) и претендующая на точные количественные результаты (как правило, впрочем, — лишь в перспективе). Но то, что делает Богданов (кстати, мы познакомились благодаря публикации другого его замечательного эссе по «математике социального неравенства» в «Кванте», kvant.mccme.ru) — это еще и какая-то новая форма изображения, доступная, правда, лишь очень преданным зрителям-читателям. Его программы моделирования в силу своей простоты и ясности принципов генерируют (в голове читателя) еще и наглядные образы, настроенные на изучаемую задачу. Причем я бы отнес к этим образам не только графики, но и появляющиеся интуитивные представления о структуре изучаемого процесса. Прелесть в том, что эти генераторы именно настроены, а не подогнаны к желаемому ответу, они имеют свою внутреннюю логику, жесткость — в чем может убедиться каждый, вникнув в методику расчетов (которую мы приводим в несколько упрощенном виде).
Поэтому не надо думать, что ТК — это настоящие таксопарки, населенные настоящими мошенниками. Жизнь — сложнее. — Л.Л.-М.
СЕЛО ЩЕПЕТНЕВКА: Рука, держащая бритву
Из всех объяснений выбирай простейшее, учат авторы хороших уголовных романов. Искусство детективной интриги заключается в том, что простейшим решение становится на самой последней странице, а до нее простейшими решениями прикидываются еще с полдюжины версий.
Помахать бритвой Оккама желающих много, благо она, бритва, из опасного инструмента стала товаром ширпотреба. Она нужна для того, чтобы брить с комфортом, и только. А комфорт — это когда все понимаешь, или думаешь, что понимаешь. Чем проще объяснение, тем оно понятнее, разве не так?
Очень даже не так. Мы хотим не столько понять, сколько привыкнуть. А привыкнуть к простому проще (тавтология здесь уместна).
В далекие годы, когда выбор бритвенных лезвий сводился к «Неве» или «Спутнику», стоящим одинаково, по двадцать пять копеек десяток, наутро после студенческой пирушки я решил привести себя в надлежащий вид и удивился, как замечательно, нежно, спокойно бреет мой станок — ничего не режет, не дергает, не царапает. Потом, смыв остатки пены, увидел: щетина вся на месте. Просто я позабыл вставить в станок
