В этой главе мы обсудим некоторые неочевидные свойства прошлых результатов и исторических временных рядов. Концепция, представленная здесь, хорошо известна ее вариациями под названиями «ошибка выживаемости», «глубинный анализ данных», «отбор данных», «избыточное обучение сети», «возврат к норме» и так далее, то есть ситуациями, когда результаты преувеличиваются наблюдателем из-за неправильного восприятия случайности. Ясно, что тревожные последствия не заставляют себя ждать. Это же касается и общих ситуаций, в которых может сыграть роль случайность, например, при выборе метода лечения или интерпретации совпавших по времени событий.
Когда меня просят высказать мнение о роли финансовых исследований в развитии науки, я привожу в качестве примера глубинный анализ данных и изучение ошибки выживаемости. Они появились в финансах, но могут быть расширены на все области научных исследований. Почему финансы предоставляют такие большие возможности? Потому что это одна из тех редких областей, где у нас много информации (в форме длинных ценовых рядов), но где невозможно провести эксперимент, как, скажем, в физике. Эта зависимость от прошлых данных вызывает очевидные недостатки финансов.
Одураченные цифрами
Инвесторы плацебо
Мне часто задают вопрос вроде «Кто ты такой, чтобы говорить, что мне могло просто повезти в жизни?». Конечно, никто на самом деле не верит, что ему повезло. Давайте при помощи программы Монте-Карло создавать ситуации, где работает чистая случайность, в чем и состоит мой подход. Можно ведь действовать методами, противоположными общепринятым: вместо анализа реальных людей и охоты за определенными их чертами мы сконструируем искусственных персонажей с точно определенными свойствами. Таким образом, возникнут ситуации, зависящие от чистой, неподдельной удачи, а не от способностей или того, что мы не отнесли к везению в таблице П.1. Другими словами, мы можем искусственно получить абсолютное ничтожество и посмеяться над ним. Этот тип по определению будет лишен даже ген и способностей (в точности как лекарство плацебо, которое на самом деле есть не что иное, как физиологически инертное вещество).
В главе 5 мы проследили, как люди выживают благодаря чертам, позволяющим мгновенно подстраиваться под заданную структуру случайности. Наша ситуация намного проще, мы знаем структуру случайности. Первое упражнение — уточнение старой популярной поговорки о том, что даже сломанные часы показывают точное время два раза в сутки. Но мы пойдем немного дальше и покажем, что статистика — это обоюдоострый меч. Давайте воспользуемся генератором Монте-Карло, описанным выше, и сконструируем популяцию из 10 тыс. фиктивных инвестиционных менеджеров (не то чтобы программа здесь крайне необходима, мы ведь можем воспользоваться монетой или даже просто алгеброй, но она значительно более иллюстративна и забавна). Предположим, каждый из них играет в абсолютно честную игру; у каждого есть вероятность 50 % к концу года заработать или потерять 10 тыс. долларов. Давайте введем дополнительное ограничение: если у менеджера был хотя бы один неудачный год, его выкидывают из выборки — до свидания и спокойной жизни. То есть мы будем действовать как легендарный спекулянт Джордж Сорос, который, говорят, собрал своих менеджеров и заявил им (с восточноевропейским акцентом): «Парни, половина из вас вылетит отсюда к началу следующего года». Как и у Сороса, у нас чрезвычайно высокие стандарты, мы ищем менеджеров с безукоризненными результатами. И не потерпим неудачников.