Ознакомительная версия. Доступно 18 страниц из 87
Наука может многому научить инвесторов. Собранные в этой части книги эссе полезны в том плане, что в них описывается ряд ключевых механизмов, приводящих к эффективности (и неэффективности) рынков; рассматриваются важные эмпирические факты, которые не может объяснить традиционная финансовая наука; и объясняется, почему на рынках бесполезно искать простые следственно-причинные связи.
Общественные насекомые, такие как муравьи и пчелы, приводят нас в восторг, показывая, как децентрализованные группы могут эффективно координироваться для решения проблем. В этой части книги рассматриваются различные формы коллективного решения проблем – от виляющего танца у пчел до фондовой биржи Голливуда.
Один из лучших примеров сложной адаптивной системы – другими словами, системы, которая возникает из взаимодействия множества неоднородных агентов, – фондовый рынок. Исследования показывают, что, когда инвесторы блуждают сами по себе, рынки функционируют эффективно. Более того, определение условий, при которых рынки являются эффективными, дает нам модель для оценки рынков, когда они становятся неэффективными.
Многие модели в традиционной теории финансов предполагают, что изменения цены акций подчиняются нормальному распределению, имеющему форму колоколообразной кривой. Нормальное распределение – популярный аналитический инструмент, потому что распределение можно задать всего двумя параметрами – средним значением и стандартным отклонением.
При всей своей элегантности эта модель не очень точно отражает действительность. В частности, не учитывает наблюдаемые на реальных рынках толстые хвосты – нечастые, но значительные скачки цен. Тот факт, что модели управления рисками не в полной мере учитывали возможность возникновения толстых хвостов, привел к ряду катастрофических последствий, таких как банкротство в 1998 г. хедж-фонда Long Term Capital Management.
Толстые хвосты тесно связаны со степенны́ми законами, описывающими зависимость между двумя переменными, для которой характерны частые малые события и нечастые крупные события. Степенные законы изумительно описывают эмпирические соотношения в столь разных областях, как размер населенных пунктов, землетрясения и распределение доходности. Хотя ученые до сих пор не имеют четкого понимания механизмов, стоящих за действием степенных законов, знание о том, что такие законы существуют, может быть полезным для инвесторов.
Люди любят искать взаимосвязи между причинами и следствиями. К сожалению, фондовые рынки не идут навстречу нашим желаниям. В отличие от некоторых механических систем, понять рынок невозможно, изучая его отдельные части. Редукционизм здесь не работает. Однако мы зачастую полагаемся на мнения отдельных индивидов, чтобы понять функционирование рынка. Точно так же, как муравей, опираясь на локальную информацию и локальные взаимодействия, не ведает, что происходит на уровне всей колонии, так и ни один знаток не способен полностью объяснить истинной подоплеки даже самых простых движений рынка.
Сложные адаптивные системы имеют еще одно трудное для понимания свойство: величина исхода (ответного действия) не обязательно пропорциональна величине воздействия. Иногда незначительные воздействия ведут к значительным изменениям, и наоборот. Мы должны отказаться от устоявшихся представлений о пропорциональности при изучении рынков.
В последние годы ученые начали активно устанавливать взаимосвязи между естественными и социальными науками. Инвесторам на фондовых рынках может быть полезно последовать их примеру и взглянуть на свою деятельность в более широкой перспективе.
Глава 28
Разнообразьте свое мышление
Как наладить успешное инвестированиеКто больше читает,
Тот больше знает.
Кто больше учится,
У того лучше получится.
Доктор Зюсс. Я умею читать с закрытыми глазами!Разум муравья
Осенью 2000 г. я собрал небольшую группу ведущих инвесторов, чтобы они послушали известных корифеев в области финансов, стратегии и бизнеса. Хотя все докладчики были потрясающими, никто из них не вызывал особого отклика у слушателей. Это удалось только одному человеку – исследователю из Национальной лаборатории в Лос-Аламосе Норману Джонсону. Он начал свою речь, казалось бы, не предвещающим ничего хорошего образом: «Меня пригласили сюда, чтобы поговорить с вами о неудачах экспертов; пригласили как эксперта в сфере финансов, в которых я почти ничего не смыслю»1.
То, что дальше сказал Джонсон, вызвало у этих прожженных инвесторов неподдельный интерес. Проще говоря, он доказал, что разнообразные группы «среднестатистических» индивидов, действующих вместе, решают проблемы лучше, чем отдельно взятые эксперты. Джонсон проиллюстрировал эту мысль на примере поведения общественных насекомых, таких как муравьи и пчелы. Их невероятная эффективность поразила воображение слушателей.
Джонсон говорил в основном о макроуровне, т. е. о решении проблем на уровне коллектива, что имеет непосредственное отношение к пониманию того, как возникает эффективность рынка2. Я же хочу сосредоточиться больше на микроуровне, или на том, как инвесторы, будучи индивидуальными агентами, могут наладить успешное инвестирование. Хотя единица анализа изменилась, вывод остается прежним: разнообразие информации и точек зрения может способствовать улучшению инвестирования.
Теперь подумайте о своих источниках информации. Вы читаете одни и те же газеты, общаетесь с одними и теми же людьми и слушаете одних и тех аналитиков? Или же уделяете время тому, чтобы исследовать новые идеи и направления, даже рискуя напрасно потратить время на интеллектуальные тупики? Факты убедительно свидетельствуют о том, что ведущие мыслители во многих областях – не только в инвестировании – опираются на широкое разнообразие информации.
Удивительный лабиринт
Прежде чем переходить на индивидуальный уровень, я хотел бы показать, как разнообразие приводит к наилучшим решениям и как отсутствие разнообразия может порождать неэффективность. Джонсон проверил способность человека к коллективному решению проблем на примере лабиринта и обнаружил, что коллектив справляется с этим лучше среднего индивида:
• Первым делом он попросил участников эксперимента со сходными способностями найти выход из сконструированной им компьютерной модели лабиринта. Поскольку у людей не было общего представления о проблеме, они просто исследовали лабиринт, пока не находили выход.
• Затем он попросил участников пройти лабиринт еще раз. Благодаря полученным на первом этапе знаниям, они сделали это успешнее.
• Наконец, он скомбинировал индивидуальный опыт участников и применил результат такой комбинации для коллективного решения задачи.
Поскольку первоначально каждый участник использовал случайный поиск, то группа индивидов отражает разнообразие опыта (исследованные зоны лабиринта), предпочтений (выбранные пути) и эффективности (длину пути)3. Поэтому коллектив можно рассматривать как индивида, только обладающего намного лучшей информацией. Благодаря разнообразию информации коллективное решение оказалось оптимальным по сравнению с усредненным индивидуальным решением (см. приложение 28.1).
Ознакомительная версия. Доступно 18 страниц из 87
