Одураченные случайностью. Скрытая роль шанса в бизнесе и жизни

сталкивающегося со случайностью. Я, наверно, забросаю его вопросами, которые он, возможно, не готов услышать, ослепленный собственными успехами в прошлом. Видимо, я напомню ему слова Макиавелли, которые тот сказал еще до возникновения современных рынков, что жизнь как минимум на 50 % зависит от удачи (остальное в ней — хитрость и бравада).

В этой главе мы обсудим некоторые неочевидные свойства прошлых результатов и исторических временных рядов. Концепция, представленная здесь, хорошо известна ее вариациями под названиями «ошибка выживаемости», «глубинный анализ данных», «отбор данных», «избыточное обучение сети», «возврат к норме» и так далее, то есть ситуациями, когда результаты преувеличиваются наблюдателем из- за неправильного восприятия случайности. Ясно, что тревожные последствия не заставляют себя ждать. Это же касается и общих ситуаций, в которых может сыграть роль случайность, например, при выборе метода лечения или интерпретации совпавших по времени событий.

Когда меня просят высказать мнение о роли финансовых исследований в развитии науки, я привожу в качестве примера глубинный анализ данных и изучение ошибки выживаемости. Они появились в финансах, но могут быть расширены на все области научных исследований. Почему финансы предоставляют такие большие возможности? Потому что это одна из тех редких областей, где у нас много информации (в форме длинных ценовых рядов), но где невозможно провести эксперимент, как, скажем, в физике. Эта зависимость от прошлых данных вызывает очевидные недостатки финансов.

Одураченные цифрами

Инвесторы плацебо

Мне часто задают вопрос вроде «Кто ты такой, чтобы говорить, что мне могло просто повезти в жизни?». Конечно, никто на самом деле не верит, что ему повезло. Давайте при помощи программы Монте-Карло создавать ситуации, где работает чистая случайность, в чем и состоит мой подход. Можно ведь действовать методами, противоположными общепринятым: вместо анализа реальных людей и охоты за определенными их чертами мы сконструируем искусственных персонажей с точно определенными свойствами. Таким образом, возникнут ситуации, зависящие от чистой, неподдельной удачи, а не от способностей или того, что мы не отнесли к везению в таблице П.1. Другими словами, мы можем искусственно получить абсолютное ничтожество и посмеяться над ним. Этот тип по определению будет лишен даже ген и способностей (в точности как лекарство плацебо, которое на самом деле есть не что иное, как физиологически инертное вещество).

В главе 5 мы проследили, как люди выживают благодаря чертам, позволяющим мгновенно подстраиваться под заданную структуру случайности. Наша ситуация намного проще, мы знаем структуру случайности. Первое упражнение — уточнение старой популярной поговорки о том, что даже сломанные часы показывают точное время два раза в сутки. Но мы пойдем немного дальше и покажем, что статистика — это обоюдоострый меч. Давайте воспользуемся генератором Монте-Карло, описанным выше, и сконструируем популяцию из 10 тыс. фиктивных инвестиционных менеджеров (не то чтобы программа здесь крайне необходима, мы ведь можем воспользоваться монетой или даже просто алгеброй, но она значительно более иллюстративна и забавна). Предположим, каждый из них играет в абсолютно честную игру; у каждого есть вероятность 50 % к концу года заработать или потерять 10 тыс. долларов. Давайте введем дополнительное ограничение: если у менеджера был хотя бы один неудачный год, его выкидывают из выборки — до свидания и спокойной жизни. То есть мы будем действовать как легендарный спекулянт Джордж Сорос, который, говорят, собрал своих менеджеров и заявил им (с восточноевропейским акцентом): «Парни, половина из вас вылетит отсюда к началу следующего года». Как и у Сороса, у нас чрезвычайно высокие стандарты, мы ищем менеджеров с безукоризненными результатами. И не потерпим неудачников.

Генератор Монте-Карло подбрасывает монету. «Орел» — и менеджер зарабатывает 10 тыс. долларов за год, «решка» — и он теряет 10 тыс. долларов. Запускаем его в первый раз. Можно ожидать, что в конце года 5 тыс. менеджеров будут в плюсе на 10 тыс. долларов каждый и 5 тыс. менеджеров — в минусе на 10 тыс. долларов. Запускаем игру для второго года. Снова мы ожидаем, что 2500 менеджеров в плюсе — уже второй год подряд, затем еще год — 1250, четвертый год — 625, пятый — 313. И вот теперь у нас есть 313 менеджеров, зарабатывавших пять лет подряд в простой и честной игре. Чистая удача!

Тем временем, если вбросить одного из этих успешных менеджеров в реальный мир, мы услышим очень интересные и полезные комментарии о его выдающемся стиле, остром уме и других факторах, которые помогли ему добиться таких результатов. Некоторые аналитики могут связать его достижения с конкретными эпизодами его школьной жизни. Биограф остановится на чудесном образце для подражания, который представляли собой его родители; в середине книги мы обнаружим черно-белые фотографии, на которых увидим этапы становления великого ума. А в последующие годы, стоит перестать показывать результаты выше рынка (напомню, шансы, что год сложится для него удачно, остаются на уровне 50 %), они начнут упрекать его и связывать его неудачу с недостаточной трудовой этикой или беспорядочным стилем жизни. Они обнаружат что-то, что он делал, пока был успешным, а потом перестал, и припишут провал этому. А правда только в том, что удача покинула его.

Никто не обязан быть компетентным

Давайте пойдем дальше и рассмотрим аргументы поинтереснее. Мы создадим когорту, состоящую исключительно из некомпетентных менеджеров. Определим «некомпетентного менеджера» как имеющего отрицательный ожидаемый результат, эквивалент шансов, играющих против него. Теперь дадим команду генератору Монте-Карло вынимать шары из урны. В урне 100 шаров, 45 черных и 55 красных. При выборке с замещением соотношение черных и красных шаров остается неизменным. Если мы вынимаем черный шар, менеджер зарабатывает 10 тыс. долларов. Если красный — он теряет 10 тыс. долларов. То есть ожидается, что менеджер заработает 10 тыс. долларов с вероятностью 45 % и потеряет 10 тыс. долларов с вероятностью 55 %. В среднем менеджер теряет 1 тыс. долларов в каждом раунде — но только в среднем.

В конце первого года мы все еще предполагаем, что 4500 менеджеров заработают прибыль (45 % из всех), в конце второго — 45 % от этой величины, то есть 2025. В конце третьего — 911, четвертого — 410, пятого — 184. Давайте дадим выжившим менеджерам имена и оденем их в деловые костюмы. Правда состоит в том, что они представляют собой меньше 2 % от первоначальной когорты. Но внимание привлекают именно они. Остальных 98 % никто и не вспомнит. К какому выводу мы придем?

Первый неочевидный момент заключается в том, что популяция, состоящая исключительно из плохих менеджеров, выдаст небольшое количество случаев хорошего послужного списка. На самом деле, если предположить, что менеджер по собственной инициативе звонит в вашу дверь, то у вас практически нет шансов выяснить, хороший он или плохой. Результаты не изменятся значительно даже в том случае, если популяция целиком будет состоять из менеджеров, которые в долгосрочной перспективе потеряют все деньги. Почему? Потому что некоторые из них заработали бы благодаря волатильности. Можно увидеть, что волатильность на самом деле помогает плохим инвестиционным решениям.

Второй неочевидный момент заключается в том, что математическое ожидание максимума результата, который нас и интересует, больше зависит от размера первоначальной выборки, чем от индивидуальных шансов каждого из менеджеров. Другими словами, количество менеджеров с отличным послужным списком на заданном рынке гораздо больше зависит от числа людей, изначально пришедших в инвестиционный бизнес (вместо того чтобы пойти учиться на стоматолога), чем от их способности зарабатывать прибыль. Почему я использую термин «математическое ожидание максимума»? Потому что средний результат меня совершенно не устраивает. Я хочу видеть только лучших менеджеров, а не всех их. Это значит, что в 2006 году отличных менеджеров будет больше, чем в 1998 году, учитывая то, что когорта новичков в 2001 году была больше, чем в 1993-м — я могу с уверенностью сказать, что это так.

Возврат к норме

«Звезды баскетбола» — еще один пример ошибочного восприятия случайной последовательности: велика вероятность, что в большой выборке игроков у кого-то одного будет необычно длинная полоса везения. Маловероятно, что кто-то из них хотя бы когда-нибудь не сталкивался с необычно длинной полосой везения. Это проявление механизма, который называется «возвратом к норме». Я могу объяснить