Путь к руинам. Как не потерять свои деньги в следующий экономический кризис

Третьим инструментом в дополнение к поведенческой психологии и теории сложности является байесовская статистика – раздел этиологии, также называемый причинным выводом. Оба эти термина берут свое начало из теоремы Байеса – уравнения, впервые описанного Томасом Байесом и посмертно опубликованного в 1763 году. Одна из версий этой теоремы впоследствии была детально разработана независимо (от Байеса) и представлена в более формализованном виде французским математиком Пьером-Симоном Лапласом в 1774 году. В последующие десятилетия Лаплас продолжил работу над ней. Статистики двадцатого века разработали более строгую формулировку этой теоремы.

Фундаментальная наука, к которой относится и экономика, накапливает большие объемы данных и использует дедуктивные методы для создания проверяемой гипотезы, основанной на имеющейся информации. Эти гипотезы часто задействуют корреляции и регрессии, при помощи которых создаются прогнозы будущих событий, при этом предполагается, что они в большей степени будут походить на события прошлого. Схожие методы задействуют использование стохастики или случайных чисел для моделирования по методу Монте-Карло, который является высокопроизводительной версией многократного подбрасывания монеты или игральной кости для определения вероятности будущих событий.

Что делать в случае отсутствия информации или наличия небольшого объема данных? Каким образом можно рассчитать вероятность секретного соглашения среди небольшой группы глав центральных банков? Байесовская вероятность предлагает средства для осуществления подобных расчетов.

Экономисты, придерживающиеся традиционных взглядов, предполагают, что будущее похоже на прошлое в рамках границ, определенных путем случайного распределения. Байесовская теорема ставит эту систему взглядов с ног на голову. Байесовская вероятность гласит, что развитие определенных событий носит зависимый характер. Это означает, что некоторые события не происходят независимо, в отличие от результатов случайного броска монеты. Они случаются под влиянием того, что им предшествовало. Теорема Байеса начинается с четкой предварительной гипотезы, сформированной индуктивным методом из комбинации ограниченных данных, исторических фактов и здравого смысла.

Байесовская вероятность является точной наукой, а не обычным предположением, поскольку предварительная гипотеза проходит проверку обновляемыми данными. Новая полученная информация, как правило, подтверждает либо опровергает гипотезу. Показатели по двум типам данных непрерывно обновляются по мере поступления новой информации. Основываясь на обновленных показателях, гипотеза либо выбраковывается (в этом случае формируются новые гипотезы), либо принимается с большей долей уверенности. Короче говоря, байесовская теорема служит способом решения проблемы при дефиците изначальных данных для удовлетворения требований, необходимых для выполнения статистических вычислений на основе нормального распределения.

Экономисты отвергают байесовскую вероятность по причине неточности предположений, используемых на начальных стадиях вычислений. Тем не менее она широко используется спецслужбами по всему миру. Мне встречались аналитики, пользующиеся методами байесовской вероятности в вопросах секретной важности ЦРУ и Лос-Аламосской национальной лаборатории. Когда задание заключается в прогнозе будущей атаки, подобной террористическому акту 11 сентября, никто не будет ждать, пока случатся еще пятьдесят подобных атак, позволяющих собрать нужную для прогнозирования информацию. Вы начинаете работу над проблемой немедленно, используя имеющиеся данные.

С точки зрения ЦРУ потенциал байесовской вероятности в создании прогнозов по рынкам капитала очевиден. Анализ, проводимый спецслужбами, включает моделирование будущих событий, основанное на неполных данных. Если бы информация была доступна в полном объеме, то не существовало бы и необходимости в шпионаже. С похожими проблемами сталкиваются инвесторы при разбивке портфелей на категории активов. Им недостает точной информации, необходимой для эффективного применения статистических методов. Однако к моменту получения достаточного количества информации для достижения ясности возможность извлечения выгоды, как правило, уже утеряна.

Байесовская теорема запутанна, но тем не менее это лучше, чем ничего, и лучше, чем регрессии Уолл-стрит, в которых нет места для новых и непредвиденных факторов. В данной книге содержится информация о том, как использовать байесовскую вероятность для получения прогнозов, которые окажутся более точными, чем прогнозы Федерального резерва или Международного валютного фонда.

Эта книга делит путь с «Большой четверкой» экономических школ: классическая, австрийская, кейнсианская и монетаристская. Конечно же, все они многое могут нам предложить.