Сигнал и шум. Почему одни прогнозы сбываются, а другие - нет
Шрифт:
Точно так же наш мозг упрощает и аппроксимирует происходящее в повседневной жизни. По мере накопления опыта упрощение и аппроксимация станут для нас полезными спутниками и будут встраиваться в наше практическое знание {1006} . Однако они не идеальны, мы до сих пор часто не понимаем, насколько они приблизительны.
Давайте рассмотрим следующие семь утверждений, связанных с гипотезой эффективных рынков, и подумаем, сможет ли один инвестор переиграть фондовый рынок. Каждое из утверждений приблизительно, но обратите внимание, каким образом каждое последующее уточняет предыдущее.
1006
Joel Mokyr, The Gifts of Athena: Historical Origins of the Knowledge Economy (Princeton: Princeton University Press, Kindle Edition), location 160–162.
1. Ни один
2. Ни один инвестор не может переиграть рынок в долгосрочной перспективе.
3. Ни один инвестор не может переиграть фондовый рынок в долгосрочной перспективе, если учитывать уровень его риска.
4. Ни один инвестор не может переиграть фондовый рынок в долгосрочной перспективе, если учитывать уровень его риска и операционные издержки.
5. Ни один инвестор не может переиграть фондовый рынок в долгосрочной перспективе, если учитывать уровень его риска и операционные издержки, если только у него не будет инсайдерской информации.
6. Очень мало найдется инвесторов, способных переиграть фондовый рынок в долгосрочной перспективе, если учитывать уровень риска и операционные издержки, если только у них не будет инсайдерской информации.
7. Сложно сказать, сколько инвесторов сможет переиграть фондовый рынок в долгосрочной перспективе, учитывая, что в данных очень много шума. Но мы знаем, что большинство инвесторов не может это сделать, учитывая уровень риска и то обстоятельство, что трейдинг не позволяет получать чистую прибыль, однако всегда предполагает операционные издержки, поэтому, если у вас нет инсайдерской информации, лучше инвестировать в индексный фонд.
Первая аппроксимация – голое утверждение, что ни один инвестор не может переиграть фондовый рынок, – крайне внушительно. К тому моменту, когда мы доходим до последнего, полного неопределенности, у нас возникает столько уточнений, что фраза раздувается до огромных размеров. Однако несомненно, что это утверждение можно считать более полным описанием объективного мира. Нет ничего плохого и в первом утверждении, и в последнем, когда была использована аппроксимация. Если вы встретите человека, который ничего не знает о фондовых рынках, и скажете ему, что их нельзя переиграть, воспользовавшись для этого сырой формулировкой номер один, это будет лучше, чем ничего.
Проблемы возникают, когда мы ошибочно принимаем аппроксимацию за реальность. Идеологи, подобные «ежам» Фила Тэтлока, поступают именно таким образом. Простые утверждения кажутся им более универсальными и более соответствующими великим истинам и теориям. Однако Тэтлок обнаружил, что «ежи» плохо справляются с предсказаниями – они упускают из виду все те мелочи, которые свойственны реальной жизни и делают прогнозы более точными.
Несомненно, мы неплохо соображаем, но Вселенная, в которой мы живем, – непостижимо велика. Преимущество умения думать в категориях вероятности обусловлено тем, что вы заставляете себя останавливаться, присматриваться к информации, замедляться и проверять недостатки своих умозаключений. Со временем вы поймете, что принятие решений удается вам все лучше и лучше.
Знайте, откуда идете
Теорема Байеса требует от нас точной оценки вероятности каждого события прежде, чем мы начнем взвешивать данные. Это называют оценкой априорных убеждений.
Откуда берутся априорные убеждения? В идеале мы делаем выводы на основании нашего прошлого личного или даже коллективного опыта. Полезную роль здесь могут сыграть рынки. Разумеется, рынки несовершенны, но чаще всего коллективная оценка оказывается лучше индивидуальной. Рынки являются, по сути, отличной отправной точкой, относительно которой можно взвешивать новую информацию, особенно если вы не уделили достаточно времени изучению проблемы.
Разумеется, рынки доступны далеко не в каждом случае. Часто в качестве утверждения по умолчанию приходится выбирать нечто иное. Порой в качестве байесовской априори может выступать обычный здравый смысл, не позволяющий сразу принимать на веру
Теорема Байеса не допускает отсутствия априорных убеждений. Вы должны поработать над собой, чтобы умерить количество ваших предубеждений, но если вы говорите, что их нет, – значит, у вас их слишком много. А если вы способны сформулировать свои убеждения: «Вот откуда я к этому пришел» {1007} – значит, вы работаете добросовестно и признаёте, что пропускаете реальность сквозь свой субъективный фильтр.
Пробуйте и ошибайтесь
1007
Jay Rosen, «The View from Nowhere: Questions and Answers», Jay Rosen’s Press Think, November 10, 2010. http://pressthink.org/2010/11/the-view-from-nowhere-questions-and-answers/.
Возможно, следующий байесовский принцип применять проще всего: делайте много прогнозов. Вероятно, вы не захотите ставить на кон свой бизнес или жизнь, особенно поначалу [179] , но это единственный способ стать лучше.
Теорема Байеса утверждает, что нам следует каждый раз при появлении новой информации обновлять прогнозы. С менее буквальной версией этой идеи мы все знакомы: это обычный метод проб и ошибок. Такие компании, как Google, у которых действительно есть Большие данные, не уделят моделированию слишком много времени [180] . Ежегодно они проводят тысячи экспериментов и тестируют свои идеи на реальных потребителях.
179
Вы даже можете отточить свои навыки в таких областях, как различные виды спорта, в которых имеются большие массивы данных и большие возможности для тестирования различных техник. Даже при анализе игр Национальной ассоциации студенческого спорта можно найти немало интересного, особенно если относиться к своей работе серьезно. – Прим. авт.
180
Верным признаком того, что вы тратите слишком много времени в стране моделей, будет тот факт, что вы начинаете использовать слово «предсказание» для описания связи вашей модели с данными из прошлого. Как показано в главе 5, нет ничего сложного в наполнении модели оверфиттингом и при этом считать, что вы улавливаете сигнал, хотя на самом деле всего лишь описываете шум. Если вы будете придерживаться простого и разумного определения «предсказания» как высказывания, которое относится исключительно к будущим событиям, сможете снизить риск таких ошибок. – Прим. авт.
Теорема Байеса призывает нас быть дисциплинированными в том, как мы «взвешиваем» новую информацию. Если наши идеи чего-то стоят, мы должны быть готовы проверять их, выдвигая гипотезы, которые можно опровергнуть, и прогнозы, которые можно проверить временем. Как правило, мы не способны осознавать, как много шума в данных, и предвзято делаем ставку на новейшую информацию. Политические обозреватели часто забывают, что в опубликованных результатах опросов перед выборами всегда надо учитывать предел погрешности, а финансовые репортеры далеко не каждый раз могут донести до читателей, насколько неточными бывают порой данные экономической статистики. И в новостях достаточно часто встречаются так называемые выбросы [181] .
181
Выбросы – резко выделяющиеся значения экспериментальных величин, в экономике – выпадающие показатели.