Антихрупкость. Как извлечь выгоду из хаоса - Нассим Николас Талеб

Эта концепция всегда привлекала экономистов из-за того, что она парадоксальна и кажется нелогичной. Скажем, в статье «Почему интеллектуалы не понимают, что такое сравнительное преимущество» (Krugman, 1998) Пол Кругман, который сам не понимает идеи Рикардо (и это эссе, и специальные работы Кругмана показывают, что он ничего не знает о хвостовых событиях и управлении риском), высмеивает других интеллектуалов вроде С. Дж. Гулда, понимающих что-то в хвостовых событиях, пусть и интуитивно, а не аналитически. (Ясно, что нельзя рассуждать о доходе и прибыли, не делая поправки на обесценивающий их риск.) Из статьи следует, что Кругман совершает базовую и опасную ошибку, путая функцию от среднего значения со средним значением функции. (Обычно рикардовский анализ предполагает, что переменные эндогенны, но не добавляет уровень стохастичности.)

Допустим теперь, что цены на вино и сукно меняются (то, чего не учитывал Рикардо), и приведенные в таблице цифры – это их объективная средняя стоимость в долгосрочном плане. Далее, предположим, что у распределения цен есть жирные хвосты. Или же что издержки производства меняются в соответствии с распределением с жирными хвостами.

Если стоимость вина на международном рынке поднимается, скажем, на 40 процентов, выгода очевидна. Но если стоимость падает на те же 40 процентов, убыток будет огромным – взятый по модулю ущерб значительно превышает прибыль, полученную при аналогичном росте цен. Риск обладает свойством вогнутости, и это очень сильная вогнутость.

Ясно, что если цены упадут на 90 процентов, произойдет катастрофа. Подумайте, что случится с вами и вашей семьей, если завтра вам ни с того ни с сего срежут зарплату на 40 процентов. И действительно, из истории нам известно, какие проблемы были у стран, которые специализировались на товарах, сырье, агрокультурах, сопряженных с риском не просто волатильности (переменчивости), но очень большой волатильности. Причиной катастрофы может быть не скачок стоимости, а проблемы с производством: вдруг оказывается, что урожай нельзя собрать из-за вредителей, или плохой погоды, или иного препятствия.

Недород стал причиной Ирландского картофельного голода в середине XIX века; жертвами этого бедствия пали около миллиона ирландцев, еще миллион эмигрировал (сейчас население этой страны, включая Северную Ирландию, – шесть миллионов). Конверсия ресурсов – дело трудоемкое; в отличие от врача-секретаря, страны не способны меняться быстро. Монокультурные хозяйства (выращивавшие одну культуру) на протяжении истории то и дело вымирали – единственный неурожай приводил к опустошительному голоду.

В аналогии с врачом-секретарем упущено еще кое-что: у стран нет друзей и родственников. Врач появляется в обществе, у него имеется круг друзей, коллектив о нем заботится, если врачу нужно переквалифицироваться, тесть дает ему денег взаймы, помогает врачу и государство. У стран всех этих возможностей нет. В конце концов, у врача есть сбережения; страны обычно вынуждены брать кредиты.

Здесь мы вновь сталкиваемся с хрупкостью в отношении эффектов второго порядка.

Сочетание вероятностей. У теории сравнительных преимуществ есть аналог в теории вероятностей. Если вы извлекаете из урны случайный шар (он потом возвращается на место) и в 60 процентах случаев достаете черный шар, а в оставшихся 40 процентах случаев – белый, оптимальная стратегия, если верить учебникам, – ставить все время на то, что шар будет черным. Стратегия, по которой в 60 процентах случаев вы ставите на черный шар, а в 40 процентах – на белый, называется «сочетание вероятностей»; книги о науке принятия решений (те самые книги, которые сочинял Триффат в главе 10) говорят, что эта стратегия ошибочна. Однако инстинкт подсказывает нам, что сочетание вероятностей – стратегия не ошибочная, а здравая. В природе вероятности нестабильны (или неизвестны), так что сочетание вероятностей эквивалентно перестраховке, оно создает запас прочности. Если вероятности меняются, другими словами, если появляется еще один уровень случайности, оптимальная стратегия – это как раз сочетание вероятностей.

Как работает специализация. Не поймите меня неправильно: я не утверждаю, что специализация – это что-то нехорошее. Просто перед тем, как принимать решение о специализации, нужно учесть хрупкость и эффекты второго порядка. Вообще-то я считаю, что в конечном счете Рикардо был прав, но вовсе не потому, что так утверждают рассмотренные выше модели. В естественных условиях, когда в системе нет контроля «сверху вниз», процесс специализации идет постепенно, медленно, долго, методом проб и ошибок, и в итоге уровень специализации оптимален. Когда бюрократ спускает сверху некую модель, этого уровня достичь невозможно. Повторю, системы совершают мелкие ошибки, планировщики – крупные.

Если сегодня какой-нибудь одержимый планированием политик станет насаждать модель Рикардо, закончится все катастрофой; к настоящей эффективности можно прийти, только если дать совершаться кропотливому прилаживанию. Политики должны идти путем отрицания, via negativa, и опекать специализацию, устраняя препятствия к ее развитию.

Эффекты второго порядка и хрупкость модели. Предположим, у нас имеется работающая модель (это великодушное предположение), но мы не уверены в том, что нам известны ее параметры. Как и в примере с дефицитом/занятостью в предыдущем разделе, мы используем f, простую функцию:

где α – это средняя ожидаемая вводимая переменная. Пусть φ – это распределение α в области,

Философский камень. Одно то, что параметр α неопределен (поскольку у нас есть только его оценка), может исказить результат, если мы станем изменять этот параметр внутри интеграла, то есть стохастизируем параметр, который, по предположению, был фиксирован. Соответственно, мы можем легко измерить склонность к выпуклости как разницу между (а) значением функции f, интегрированной в области потенциальных значений α, и (б) значением функции f для единственного значения α, которое мы считаем его средним значением. Следовательно, склонность к выпуклости (философский камень) ωA – это[138]: