Антихрупкость. Как извлечь выгоду из хаоса

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!

Как потерять бабушку

Далее я объясню следующий эффект нелинейности: есть условия, при которых среднее – эффект первого порядка – не имеет никакого значения. Это будет наш первый шаг к получению философского камня.

Как говорится:

Не вздумай переходить вброд реку, средняя глубина которой – один метр.

Вам только что сообщили, что следующие два часа ваша бабушка проведет в помещении с полезной для здоровья средней температурой 21 °C. Отлично, думаете вы, ведь двадцать один градус – это оптимальная температура для бабушек. Поскольку вы ходили в бизнес-школу, вам подавай «полную картину», – и вы довольны полученной информацией.

Но вот приходит вторая порция данных. Оказывается, ваша бабушка проведет первый час в комнате с температурой –18 °C, а второй – в комнате с температурой +60 °C, что в среднем дает полезную для здоровья средиземноморскую температуру 21 °C. А значит, вы, скорее всего, потеряете бабушку, и вам нужно готовиться к похоронам и, возможно, к получению наследства.

Понятно, что чем сильнее температура отклоняется от 21 °C, тем больше она повредит здоровью бабушки. Как мы видим, вторая порция данных, в которой учтена изменчивость, важнее первой. Понятие средней величины бесполезно для того, кто хрупок в отношении изменчивости, – существеннее всего здесь распределение возможной температуры. Бабушка уязвима в отношении изменений температурного режима и переменчивости погоды. Назовем вторую порцию данных эффектом второго порядка или, еще точнее, эффектом выпуклости.

Средняя величина здесь, каким бы удобным упрощением она ни являлась, по сути – прокрустово ложе. Сообщение о том, что средняя температура будет 21 °C, не упрощает жизнь вашей бабушке. Это информация в прокрустовом ложе, куда ее всегда укладывают создатели научных моделей; любая модель по сути — упрощение. Вам всего лишь нужна модель, не искажающая ситуацию настолько, что итог становится непредсказуем.

Рисунок 16 показывает, насколько уязвимо здоровье бабушки в отношении изменений температурного режима. Если мы отобразим здоровье на вертикальной оси, а температуру – на горизонтальной, получится вогнутая кривая, означающая, что мы имеем дело с эффектом негативной выпуклости.