Нассим Талеб - Чёрный лебедь. Под знаком непредсказуемости

В-третьих, как я сказал раньше, в области эконофизики (являющейся приложением статистической физики к социальным и экономическим явлениям) было много статей, в которых предпринималась попытка такой «градуировки», то есть извлечения чисел из мира явлений. Многие порываются предсказывать. Увы, мы не способны предсказать «марш-бросок» к кризису или поветрию. Мой друг Дидье Сорнетт пробует строить прогностические модели, которые я обожаю, хотя и не могу использовать для прогнозирования, — только, пожалуйста, не говорите ему об этом: вдруг он перестанет их строить. То, что я не могу использовать их так, как предполагает он, не лишает смысла его работу (не имеющую ничего общего с традиционной экономикой, чьи модели ошибочны в корне), а просто требует незашоренного мышления для ее интерпретации. С некоторыми из сорнеттовских феноменов мы, может, еще сумеем поладить — но не со всеми.

Вся эта книга посвящена Черному лебедю. Это не потому, что я влюблен в него; как гуманист, я его ненавижу. Я виню его во многих несправедливостях и бедах. Поэтому я хотел бы устранить многих Черных лебедей или хотя бы смягчить последствия их воздействия и защититься от них. Познание фрактальной случайности — это способ приготовиться к сюрпризу, превратить некоторых лебедей в ожидаемых, осознать, чем они чреваты, малость их, так сказать, «осветлить». Но фрактальная случайность не дает точных ответов. Преимущества здесь следующие. Если ты знаешь, что фондовый рынок может обвалиться, как и было в 1987 году, то это событие не Черный лебедь. Обвал 1987 года — не есть нечто, выходящее из ряда вон, если пользоваться фракталом с экспонентой 3. Если знать, что биотехнологические компании могут создать для нас супермегалекарство, которое окажется популярнее, чем все, какие у нас были прежде, то оно не будет Черным лебедем и вы не удивитесь, если оно появится.

Итак, фракталы Мандельброта позволяют нам держать под контролем Черных лебедей, но не всех. Я сказал выше, что некоторые Черные лебеди появляются потому, что мы пренебрегаем источниками случайности. Другие возникают, когда мы преувеличиваем экспоненту фрактала. Серый лебедь принадлежит к разряду моделируемых экстремальных ситуаций, Черный лебедь — это нечто из области «неизвестного неизвестного».

Я сел и обсудил вышеизложенное с великим человеком, и это обсуждение превратилось, как обычно, в языковую игру. В главе 9 я объяснил различие, которое экономисты делают между «неопределенностью по Найту» (которую просчитать нельзя) и «риском по Найту» (который просчитать можно). Это различие не настолько оригинальная идея, чтобы не было слова для ее выражения, так что мы поискали его во французском языке. Мандельброт упомянул одного из своих друзей — аристократа-математика Марселя-Поля Шютценберже, утонченного эрудита, которому (как и автору этой книги) все быстро приедалось: дальше точки «убывающей отдачи» он никогда в своих работах не шел. Шютценберже настаивал на отчетливом различии во французском языке между «hasard» и «fortuit». «Hasard», от арабского «az-zahr», означает (как и «alea», игральные кости) контролируемую случайность; «fortuit» — это мой Черный лебедь, то, что абсолютно непредсказуемо. Мы обратились за помощью к словарю «Малый Робер» и убедились в правоте математика. «Fortuit», похоже, соответствует моей эпистемической непроницаемости, l'imprevu et поп quantifiable [80]; «hasard» — более игровому виду неопределенности, описанному шевалье де Мере [81], одним из ранних теоретиков азартных игр. Стоит заметить, что те же арабы, возможно, ввели еще одно слово, имеющее отношение к неопределенности, — «rizk», что значит собственность.

Я повторю: Мандельброт занимается Серыми лебедями, я занимаюсь Черным лебедем. Мандельброт одомашнил многих моих Черных лебедей, но не всех и не полностью. Однако с помощью своего метода он дает нам проблеск надежды, способ задуматься о проблемах неопределенности. Ведь гораздо безопаснее знать, где находятся дикие животные.

Что? — Любой может стать президентом. — Наследие Альфреда Нобеля. — Те средневековые дни.

В моем доме два кабинета: один настоящий, с интересными книгами и рукописями, другой — нелитературный, где я не люблю работать, куда я ссылаю дела прозаические и узконаправленные. В нелитературном кабинете есть стена, уставленная книгами по статистике и истории статистики, книгами, которые мне никогда не хватало силы духа сжечь или выбросить, хотя я считаю их абсолютно бесполезными для чего-либо, кроме академических выкладок (Карнеад, Цицерон и Фуше могут сказать о вероятности гораздо больше, чем все эти псевдоинтеллектуальные тома). Я не могу использовать их в аудиториях, потому что обещал себе никогда никому не пудрить мозги, даже если буду умирать с голода. Почему же я не могу использовать их? Потому что ни одна из этих книг не имеет отношения к Крайнестану. Ни одна. Те немногие, что все-таки имеют, написаны не статистиками, а статистическими физиками. Мы учим людей методам Среднестана и выпускаем их в Крайнестан. Это все равно что прописывать людям лекарства, предназначенные для растений. Неудивительно, что мы подвергаемся колоссальному риску: обращаемся с крайнестанскими реалити как со среднестанскими и называем это «приближением».

Несколько сотен тысяч студентов в бизнес-школах и на факультетах социологии от Сингапура до Урбана-Шампейна (штат Иллинойс), как и люди в деловом мире, продолжают изучать «научные» методы, которые сплошь основаны на гауссиане, сплошь построены на игровой ошибке.

В этой главе рассматриваются бедствия, происходящие от приложения липовой математики к социологии. А ее основную тему можно сформулировать так: «Как вредит нашему обществу Шведская академия, вручая Нобелевскую премию».

Вернемся к истории моей деловой жизни. Посмотрите на график на рисунке 14. За последние пятьдесят лет десять самых выдающихся дней на финансовых рынках принесли половину прибыли. Десять дней из пятидесяти лет. Все остальное время мы потратили на пустяки.

Так что любому, кого резкий подскок на шесть сигм не убеждает в принадлежности рынков к Крайнестану, надо проверить, все ли у него в порядке с головой. Во множестве статей показывается неадекватность гауссова семейства распределений и масштабируемая природа рынков. Напомню, что за годы работы я сам прогнал взад-вперед через статистические модели 20 миллионов данных. Именно это заставило меня презирать всех, кто говорит о рынках в терминах гауссианы. Но человеку трудно бывает смириться с последствиями масштабируемости.