Больше, чем вы знаете. Необычный взгляд на мир финансов
Шрифт:
Хотя этот анализ привлекает внимание, ему недостает контрольной точки. Чтобы обеспечить лучший контекст, я рассчитал среднее значение и стандартное отклонение на основе фактических базовых данных и использовал эту статистику для создания случайной выборки с таким же размером и характеристиками. Когда я исключил 50 худших дней из созданной мной выборки, доходность составила всего 15,2 % (по сравнению с 18,2 % для реальных данных). Аналогичным образом, когда я исключил 50 лучших дней, доходность составила 3,5 %, что существенно выше, чем для реальных данных.
Проще говоря, этот анализ показывает, что дни с экстремальными
И последнее замечание по поводу дней с выбросами доходности: они не распределены в случайном порядке по временному ряду, а стремятся в кластеры (см. приложение 5.1). Наш анализ, исключивший дни с максимальной и минимальной доходностью, на самом деле не очень реалистичен, потому что в реальной жизни дни с экстремальной волатильностью идут группами.
Как прогнозы влияют на величину выигрыша
О прогнозировании можно сказать очень много, но в настоящей дискуссии о риске и неопределенности я хочу показать, как на рынке действия на основе прогнозов могут изменить прогнозируемый исход.
Чтобы понять, как это происходит, давайте сравним игру в рулетку с тотализатором. При игре в рулетку ваши прогнозы никак не влияют на ее исход. Прогнозируемый исход не зависит от самого прогноза. Сравните это с прогнозированием на скачках. Если вы считаете, что какая-либо лошадь способна показать результаты лучше, чем предполагают ставки, вы ставите на нее. Но ваша ставка влияет на коэффициент выплат. Например, если все игроки прогнозируют победу определенной лошади, то такой прогноз отразится на коэффициенте выплат и рентабельность инвестиции окажется низкой.
Эта аналогия применима и к фондовому рынку. Если вы считаете, что акция недооценена и начинаете ее покупать, то способствуете росту цены, что снижает потенциальную доходность. Эта точка зрения подчеркивает важность ожидаемой ценности – центральной концепции в любом вероятностном анализе. Концепция ожидаемой ценности оформляет идею о том, что рентабельность ваших инвестиций является продуктом вероятностей различных результатов и выигрышей при каждом исходе6.
Питер Бернстайн как-то заметил, что «фундаментальный закон инвестирования – неопределенность будущего». Наша задача как инвесторов научиться переводить эту неопределенность в вероятности и выигрыши при поисках привлекательных ценных бумаг. И умение классифицировать вероятностные суждения может оказаться очень полезным на этом поприще.
Глава 6
Вы эксперт?
Эксперты и рынки
Все свидетельствует о том, что от экспертов мало пользы. …Удивительно, но я не нашел ссылок ни на одно исследование, которое подтверждало бы преимущество экспертных мнений.
Человек против машины
Если вы обращаетесь в больницу с жалобой на боли в груди, врач сразу отправляет вас на электрокардиографическое исследование (ЭКГ). Электрокардиограф регистрирует электрические импульсы вашего сердца и изображает их в виде волнистой линии на бумаге. На основе анализа кардиограммы врач определяет, есть ли у вас инфаркт или нет. Иногда показания ЭКГ четкие. Но очень часто ЭКГ не позволяет сделать однозначных выводов, поэтому постановка правильного диагноза всецело зависит от экспертных знаний врача.
Но насколько хорошо врачи читают ЭКГ? В 1996 г. исследователь из Университета Лунда Ларс Эденбрандт выставил свой компьютер против д-ра Ханса Олина, ведущего шведского кардиолога. Специалист по искусственному интеллекту Эденбрандт обучил свою машину чтению ЭКГ, введя в программу тысячи кардиограмм и указав, какие из них соответствуют сердечному приступу. 50-летний Олин обычно читал в год около 10 000 ЭКГ в рамках своей врачебной практики.
Эденбрандт отобрал больше 10 000 ЭКГ, половина из которых принадлежала пациентам, перенесшим инфаркт, и дал их машине и человеку. Олин целую неделю изучал графики и раскладывал ЭКГ на две стопки. Это состязание напоминало знаменитый поединок между Гарри Каспаровым и компьютером Deep Blue, и Олин хорошо знал о своих шансах.
Когда Эденбрандт подсчитал результаты, победитель стал очевиден: компьютер правильно распознал 66 % случаев инфаркта, тогда как Олин – всего 55 %. Компьютер значительно лучше, чем ведущий кардиолог, справился с этой стандартной задачей, где точность может быть вопросом жизни и смерти2.
Наше общество преклоняется перед экспертами. Пациенты всецело вверяются своим врачам, инвесторы внимательно прислушиваются к мнениям финансовых аналитиков, а восприимчивые телезрители следуют рекомендациям знатоков всех сортов. Но есть ли основания для такой беспрекословной веры в экспертов?
Где эксперты преуспевают?
Есть области, где эксперты однозначно и неизменно справляются лучше, чем обычные люди: только представьте, что вы играете в шахматы с гроссмейстером, сражаетесь с обладателем Большого шлема на центральном корте Уимблдона или проводите операцию на головном мозге. Но в других областях от экспертов пользы гораздо меньше, и их мнения обычно уступают в точности коллективным суждениям. Кроме того, в одних областях эксперты склонны соглашаться друг с другом (например, в прогнозировании погоды), тогда как в других зачастую выражают диаметрально противоположные мнения. Почему так происходит?
Давайте сузим нашу дискуссию до когнитивных задач. Один из способов оценить эффективность экспертов основан на характере проблемы, к которой они обращаются. Все проблемы можно рассматривать как расположенные на континууме3 – на одном его конце находятся четкие, понятные проблемы, присущие статическим, линейным или дискретным системам, а на противоположном – динамические, нелинейные и непрерывные проблемы. В приложении 6.1 приведены дополнительные определения для каждой проблемы из двух противоположных категорий.