Книга: Достучаться до небес: Научный взгляд на устройство Вселенной

РАСЧЕТ РИСКОВ

РАСЧЕТ РИСКОВ

В идеале одним из первых шагов должен быть расчет рисков. Иногда мы, люди, просто неверно оцениваем вероятности. Когда журналист Джон Оливер расспрашивал Уолтера Вагнера, одного из истцов в деле против БАКа, о черных дырах, то Вагнер полностью потерял доверие, которое к нему, может быть, кто?то испытывал; он оценил вероятность того, что БАК уничтожит Землю, в 50%, потому что это событие либо произойдет, либо нет. Джон Оливер недоверчиво отозвался на это: «Не уверен, что вероятность работает так, как вы говорите». К счастью, Оливер прав, и мы способны оценивать вероятности лучше, чем Вагнер.

Но сделать это иногда очень непросто. Подумайте, к примеру, о вероятности губительных изменений климата, или о вероятности возникновения кризиса на Ближнем Востоке, или о судьбе экономики. Существуют и гораздо более сложные ситуации.

Дело не только в том, что уравнения, описывающие риски, сложно решаются. Дело в том, что мы зачастую просто не знаем, что это за уравнения. В вопросе о климатических изменениях мы можем строить модели и изучать исторические записи. В двух других ситуациях мы можем поискать исторические аналогии или попытаться построить упрощенные модели. Но во всех трех случаях любой прогноз будет смазан сильнейшими неопределенностями.

Точный и надежный прогноз — дело сложное. Даже когда мы изо всех сил стараемся учесть в модели все существенные нюансы, входные данные и предположения, лежащие в ее основе, могут существенно повлиять на результат. Оптимистичный прогноз не имеет смысла, если модель построена на предположениях, связанных с серьезными неопределенностями. Чтобы прогноз имел какую?то ценность, необходимо тщательно рассматривать эти неопределенности и никогда о них не забывать.

Прежде чем обратиться к другим примерам, позвольте мне привести в качестве иллюстрации к проблеме забавный случай. В начале своей научной карьеры я обратила внимание на то, что Стандартная модель допускает для определенной величины гораздо более широкий диапазон, чем предсказывалось ранее, за счет квантово–механической составляющей, размер которой зависел от недавно (на тот момент) измеренной и удивительно большой массы t–кварка. Когда я представила свои выводы на конференции, мне предложили построить график зависимости предсказанной мной величины от массы t–кварка. Я отказалась, зная, что эта величина зависит от слишком многих параметров и что оставшиеся неопределенности не позволят построить здесь простую кривую. Однако среди коллег нашелся «специалист», который, недооценив неопределенности, все?таки построил график (мне почему?то кажется, что сегодня многие прогнозы в реальной жизни делаются именно так), и некоторое время на его предсказание достаточно широко ссылались. Со временем, когда эту величину измерили, и она не попала в предсказанный диапазон, такая несогласованность нашла простое и верное объяснение: эксперт был слишком оптимистичен в оценке неопределенностей. Очевидно, лучше избегать подобного подхода как в науке, так и в любой жизненной ситуации. Мы хотим, чтобы прогнозы имели смысл, а это возможно только при тщательном учете неопределенностей.

Реальные ситуации бывают еще более «упрямы» и требуют, чтобы мы еще осторожнее обращались с неопределенностями и неизвестными. Нужно с оглядкой подходить к прогнозам, в которых невозможно учесть или просто не учтены все эти вещи.

Одна из проблем прогнозирования связана с корректной оценкой системных рисков, которые почти всегда очень трудно перевести в количественную форму. В любой крупной взаимосвязанной системе меньше всего внимания уделяется крупномасштабным элементам, которые «тянут» за собой модели множественных отказов, возникающих из?за многочисленных взаимосвязей между меньшими частями. Информация может потеряться при передаче или просто остаться незамеченной. Такие системные проблемы способны многократно умножить последствия любых других потенциальных рисков.

Будучи членом комиссии по безопасности исследовательских программ NASA, я не раз сталкивалась с подобными структурными проблемами. Как известно, подразделения космического агентства раскиданы по всей стране. И если о своей технике и оборудовании отдельные центры агентства еще заботятся, то качество связи между ними никого особенно не интересует и денег в эту инфраструктуру вкладывается куда меньше. В путешествиях между подразделениями информация легко теряется. В адресованном мне электронном письме аналитик по рискам Джо Фрагола, работавший в NASA и аэрокосмической отрасли и проводивший на этот счет специальное исследование, писал: «Мой опыт говорит о том, что анализ рисков, проведенный без совместного участия специалистов по конкретным вопросам, команды системной интеграции и риск–аналитиков, не имеет смысла. В частности, так называемые риск–анализы под ключ превратились в упражнения по статистике и представляют в настоящее время лишь академический интерес». Слишком часто аналитикам приходится поступаться либо широтой, либо подробностью, хотя в долгосрочной перспективе важно и то и другое.

Одним из самых наглядных примеров подобной ошибки (из целого ряда других) стал инцидент на платформе British Petroleum в Мексиканском заливе в апреле 2010 г. В лекции, прочитанной в Гарварде в феврале 2011 г., Черри Мюррей, декан Гарвардского университета и член Национальной комиссии по утечке нефти на платформе Deepwater Horizon, назвал ошибки руководства ВР одной из серьезнейших составляющих аварии. Ричард Сирс, бывший вице–президент компании Shell Oil Co., который в комиссии был старшим советником по науке и техническим вопросам, рассказал, что руководство ВР мыслило, как он выразился, «гиперлинейно»; оно пыталось решать проблемы по очереди, одну за другой и даже не пыталось сформировать общую картину происходящего.

Физика элементарных частиц — высокоспециализированная и сложная отрасль, цель которой — выделить простые элементарные составляющие и научиться строить четкие прогнозы на базе наших гипотез. Наша задача — получить доступ к маленьким расстояниям и большим энергиям, а не разбираться в сложных взаимосвязях. Хотя мы зачастую не знаем, какая из предложенных моделей верна, мы можем предсказать—для каждой конкретной модели, — какого рода событий следует ожидать, к примеру, когда протоны в коллайдере столкнутся друг с другом. А когда мелкие масштабы входят в более крупные, то эффективные теории этих крупных масштабов говорят нам, какое место занимают в них мелкие масштабы и какие ошибки мы можем совершить, если проигнорируем такие детали.

Однако в большинстве реальных ситуаций нет того четкого и понятного разделения по масштабам, о котором мы говорили в главе 1. Несмотря на то что иногда мы пользуемся одними и теми же методами, уже несколько нью–йоркских банкиров успели заявить, что «финансы — это не раздел физики». В банковском деле без знаний о взаимодействиях на мелких структурных уровнях, как правило, невозможно предвидеть крупномасштабные результаты тех или иных действий.

Отсутствие четкого понимания границ между масштабами может привести к катастрофическим последствиям. Возьмем коллапс банка Barings. До своего падения Barings, основанный в 1762 г., был старейшим коммерческим банком Британии. Он финансировал наполеоновские войны, покупку Луизианы и строительство канала Эри. Тем не менее в 1995 г. несколько неудачных ставок, сделанных одним–единственным трейдером в крохотной сингапурской конторе, его разорили.

Чуть ближе к нам по времени махинации Джозефа Кассано из страховой компании AIG едва не привели к гибели компании и создали угрозу крупного финансового коллапса уже в мировом масштабе. Кассано возглавлял относительно небольшое (400 человек) подразделение AIG Financial Products в составе этой компании. Дела AIG обстояли относительно стабильно до тех пор, пока Кассано не начал использовать кредитно–дефолтные свопы (сложный финансовый инструмент, продвигаемый банками и относящийся к категории внебиржевых деривативов) для хеджирования ставок по обеспеченным долговым обязательствам (биржевым деривативам).

Задним числом мы знаем, что его схема хеджирования представляла собой пирамиду. Тем не менее группа Кассано легко довела объем внебиржевых деривативов до 500 млрд долларов, из которых более 60 млрд долларов было завязано на низкокачественные ипотечные кредиты. Если бы, как в физике, мелкие подразделения объединялись в крупные системы, то информация об их действиях (или их результаты) в надлежащем порядке появилась бы на более высоком уровне и руководитель среднего звена смог бы без труда вмешаться в ситуацию. Но разделение масштабов в компании, к несчастью, широко нарушалось, причем без всякой на то необходимости; в результате махинации Кассано остались практически незамеченными. Его деятельность не регулировалась. Эти внебиржевые деривативы были рассредоточены по всему миру, и никто не разглядел потенциальных последствий такой практики. Когда разразился кризис низкокачественной ипотеки, AIG оказалась к нему не готова и рухнула под тяжестью убытков. Заплатить по ее долгам пришлось американским налогоплательщикам.

Регулирующие органы следили (до некоторой степени) за стандартными параметрами безопасности отдельных компаний, но никто не рассматривал и не оценивал систему в целом и встроенные в нее взаимосвязанные риски. Сложные системы с перекрывающимися долгами и обязательствами нуждаются в лучшем понимании внутренних связей и всеохватывающем способе оценки, сравнения и принятия решений по рискам и компромиссам в интересах будущих прибылей. Эта проблема относится практически к каждой крупной системе.

Отсюда мы приходим к еще одному фактору, затрудняющему расчет рисков и управление ими: человеческая психика, с одной стороны, и рыночная и политическая системы, с другой, по–разному понимают долгосрочные и краткосрочные риски — иногда разумно, но чаще с позиции сиюминутной выгоды. Большинство экономистов понимали, что рыночные пузыри не могут бесконечно расти. Риск состоял не в том, что пузырь может лопнуть (неужели кто?то всерьез верил, что цены на недвижимость будут вечно удваиваться за небольшой промежуток времени?), а в том, что он лопнет в ближайшем будущем. Пользоваться ростом пузыря или даже раздувать его (пусть даже вы знаете, что поддерживать это раздувание до бесконечности невозможно) не всегда глупо и близоруко, но вы должны быть готовы в любой момент забрать свою прибыль (или бонусы) и прикрыть дело.

Если говорить об изменении климата, то мы не знаем, какими показателями можно описать таяние гренландской ледяной шапки. Если же мы захотим определить, начнет ли она таять в определенный период времени, то вероятности окажутся еще более неопределенными. Но незнание конкретных чисел — не повод прятать голову в лед (или в талую воду).

Мы с трудом находим общий язык в вопросах о рисках, связанных с изменением климата, и о том, как и когда нужно принимать меры; причина в том, что изменения в окружающей среде нарастают относительно медленно. И мы не знаем, как определить цену любого нашего действия или бездействия. Если бы изменения климата были резкими, а их последствия — драматическими, мы бы с гораздо большей готовностью соглашались на немедленные меры. (Разумеется, как бы быстро мы ни действовали, к тому моменту было бы уже поздно.) Это означает, что некатастрофические изменения климата тоже заслуживают внимания.

Но, даже если вероятность определенного исхода хорошо известна, человек по природе своей склонен по–разному оценивать маловероятные события с катастрофическими результатами и весьма вероятные, но не столь драматичные события. Мы гораздо чаще слышим об авиакатастрофах и терактах, чем о дорожно-транспортных происшествиях, хотя в них ежегодно гибнет гораздо больше людей. Люди обсуждали черные дыры, ничего не понимая ни в физике, ни в вероятностях, потому что последствия катастрофического сценария казались очень страшными. С другой стороны, множество относительно мелких рисков совершенно не привлекают внимания, потому что их последствия не слишком заметны. Даже подводное бурение до аварии в Мексиканском заливе многие считали совершенно безопасным.

Еще одна связанная с этим проблема состоит в том, что самые большие прибыли и потери возникают на «хвостах» вероятностного распределения — среди наименее вероятных событий, которые мы к тому же знаем хуже всего. В идеале хорошо было бы проверить наши расчеты при помощи среднесрочной оценки или усреднения предыдущих схожих ситуаций. Но если прежде ничего подобного не происходило (или если мы игнорируем такую возможность), то у нас просто нет данных для статистической оценки. Когда риск или возможная выгода на «хвостах» распределения достаточно велики, то именно они фигурируют в прогнозах — если, конечно, вам заранее известно, что они собой представляют. Ясно только, что если событий слишком мало и усреднять нечего, то традиционные статистические методы неприменимы.

Причиной финансового кризиса стали события, которые не попали в поле зрения экспертов. Немало людей сумело заработать деньги, основываясь на предсказуемых аспектах экономики, но к самым нежелательным сценариям привели события, которые считались весьма маловероятными. Моделируя надежность финансовых инструментов, специалисты, как правило, использовали данные лишь за несколько последних лет и не учитывали возможность, что в экономике может наступить спад или что он будет таким резким. Оценки того, следует ли регулировать финансовые инструменты, основывались на данных за короткий промежуток времени, причем такой, на протяжении которого рынки только росли. Позже специалисты вынуждены были признать принципиальную возможность падения рынков, но оценка возможных масштабов этого падения оказалась сильно занижена и невозможно было верно предсказать подлинную цену, которую экономике придется заплатить за недостаточное регулирование. Практически никто не обращал внимания на «маловероятные» события, подталкивавшие мир к кризису. Поэтому риски, которые в ином случае оказались бы очевидными, даже не рассматривались. На самом же деле даже маловероятные события необходимо учитывать, если они могут оказать на ситуацию существенное влияние.

Оценку рисков сильно затрудняет тот факт, что исходные посылки, на которых она основана, тоже могут оказаться ошибочными, и вероятность этого, в свою очередь, очень сложно оценить. А без этого любые оценки становятся следствием предубеждений их авторов и, естественно, внушают законное недоверие. Кроме того, помимо личных предпочтений, скрытых в исходных посылках, многие решения в области практической политики должны приниматься с учетом неизвестного количества неизвестных — факторов, которые невозможно или не удалось предвидеть. Иногда мы просто не в состоянии предугадать в точности именно то маловероятное событие, которое позже породит проблемы. Все это может превратить любые попытки прогнозирования в пустые упражнения для ума.