Одураченные случайностью

Мы можем взглянуть на другие аспекты проблемы. Подумайте о ком-то, вовлеченном в научное исследование. День за днем, он участвует в рассечении мышей в своей лаборатории, вдалеке от остального мира. Он мог год за годом пробовать и пытаться без каких-либо результатов. Его важная жена могла потерять терпение к проигравшему, который каждый вечер приходит домой, пропахший мышиной мочой. Но однажды он получает результат. Кто-то, наблюдавший временной ряд его занятий, не видел бы абсолютно никакого приближения, в то время, как каждый день пододвигал бы его всё ближе по вероятности к конечному результату.

То же самое с издателями; они могут издавать книжку за книжкой, являющихся, по крайней мере, сомнительными, с точки зрения их деловой модели, пока однажды, раз в десятилетие, они не издадут Гарри Поттера, вереницу супербестселлеров, при условии, конечно, что они издают качественную работу, которая имеет маленькую вероятность оказаться очень привлекательной.

На рынках, есть категория трейдеров, которые имеют редкие инверсные события и для которых волатильность часто является носителем хороших новостей. Эти трейдеры теряют деньги часто, но понемногу, а делают деньги редко, но в больших количествах. Я называю их охотниками за кризисом. Я счастлив быть одним из них.

Почему статистики не обнаруживают редкие события?

Обывателю статистика может казаться довольно сложной, но концепция, лежащая в основе того, что используется сегодня настолько проста, что мои французские друзья-математики называют это "кухней". Она вся основана на одном простом понятии - чем большее количество информации вы имеете, тем больше вы уверены в результате. Проблема - сколько? Обычный статистический метод основан на устойчивом увеличении уровня доверия, в нелинейной пропорции к числу наблюдений. То есть, если в п раз увеличить размер выборки, то мы увеличим наше знание на квадратный корень из п. Предположим, что я тяну из урны, содержащей красные и черные шары. Мой уровень доверия к относительной пропорции красных и черных шаров, после 20 вытаскиваний превышает тот, который я имею после 10 вытаскиваний не вдвое, а просто умножается на квадратный корень из 2 (то есть на 1.41).

Статистика становится сложной и подводит нас в случаях, когда мы имеем распределения, которые несимметричны, в отличие от урны выше. Если есть очень маленькая вероятность обнаружения красного шара в урне, заполненной в основном черными, то наше знание об отсутствии красных шаров будет увеличиваться очень медленно - более медленно, чем ожидаемая скорость, равная квадратному корню из и. С другой стороны, наше знание о наличии красных шаров значительно улучшится, как только один из них будет найден. Эта асимметрия в знании - не тривиальна и проходит красной нитью через эту книгу - это центральная философская проблема для таких людей, как Юм и Карл Поппер (об этом, далее).

Чтобы оценивать результативность инвестора, мы либо нуждаемся в более проницательном и менее интуитивном методе, либо нам, вероятно, придется ограничивать наши оценки ситуациями, где наше суждение независимо от частоты этих событий.

Вредный ребенок заменяет черные шары

Но есть даже худшие новости. В некоторых случаях, если положение красных шаров само по себе беспорядочно распределено, мы никогда не узнаем состав урны. Это называется проблемой стационарности. Подумайте об урне, полой в основании. Когда я произвожу выборку из нее, и не знаю о таком ее свойстве, некий вредный ребенок добавляет шары то одного цвета, то другого. Мои выводы, таким образом, становятся незначащими. Я могу решить, что красные шары составляют 50% урны в то время, как вредный ребенок, слушая меня, стремительно заменил бы все красные шары черными. Это делает многое из нашего знания, полученного через статистику, весьма шатким.

Тот же самый эффект имеет место на рынке. Мы берем прошлую историю как единственный гомогенный образец и полагаем, что мы значительно увеличили наше знание будущего от наблюдения выборки прошлого. Что, если вредные дети изменяли состав урны? Другими словами, что, если вещи изменились?