Тег · 18 идей
Люди и компании готовы переплачивать за полное устранение риска и избегают гарантированной потери, даже когда математически это невыгодно. Поэтому вместо верного небольшого убытка выбирают азартную ставку с шансом потерять гораздо больше. Такое неприятие определённой потери и толкает компании к разорительным решениям.
Данные устойчиво показывают: стабильно обыгрывать рынок вдолгую удаётся лишь крошечной доле профессиональных фондов, и она год от года сокращается — рассчитывать оказаться среди победителей самонадеянно. Активная торговля превращается в игру с нулевой суммой против рынка и этих фондов. Разумнее пассивная стратегия: инвестировать в фонды, держать географическую пропорцию активов близко к рынку и подбирать долю акций и защиты под свой горизонт и риск.
Пример из статистики про базовый уровень: даже очень точный тест на редкую болезнь даёт массу ложных срабатываний просто потому, что здоровых несравнимо больше. При болезни у 1 из 100 000 и крошечной погрешности среди 175 млн протестированных положительный результат получат ~19 250 человек, а больны из них лишь ~1 750 — то есть около 9%. Поэтому массовый скрининг редких заболеваний оборачивается лечением огромного числа здоровых и невыгоден системе.
Канеман показывает, что ощущаемая вероятность зависит не от числа примеров, а от лёгкости, с которой они вспоминаются. Тех, кого просили вспомнить 12 случаев своей решительности, это затрудняло после шестого — и они оценивали себя менее решительными, чем те, кого просили всего 6 примеров. Сама трудность припоминания меняет суждение (эвристика доступности).
Уилан показывает, как незаметные искажения выборки переворачивают выводы статистики: selection bias (опрос в аэропорту про потребление), self-selection, publication bias (публикуют в основном подтверждающие результаты), recall bias (больные иначе вспоминают прошлое), survivorship bias (рекламируют только «выжившие» фонды), healthy user bias (принимающие витамины здоровы не из-за витаминов). Метод способен исказить результат сильнее самих данных.
После исключительно высокого результата следующий обычно хуже, а после провала — лучше, и это не «зазвездился» или «собрался», а регрессия к среднему. Мы склонны придумывать причинные истории для обычных статистических колебаний. Классический пример: инструктор считает, что похвала вредит, а ругань помогает, хотя на деле результат просто откатывается к среднему.
Парадокс Монти Холла показывает, что верное вероятностное решение может резко противоречить интуиции. В игре с тремя дверями после того, как ведущий открывает заведомо пустую дверь, кажется, что шансы равны 50/50, но менять выбор вдвое выгоднее: остаться — 1/3, поменять — 2/3. Смена двери равносильна тому, что вы открываете сразу две двери из трёх.
Удачу можно представить как произведение двух факторов: числа попыток, перерастающих в возможности, и умения эти возможности использовать. Значит, чтобы стать удачливее, стоит увеличивать количество проверяемых гипотез, учиться замечать возможности в складывающихся обстоятельствах и обращать их себе на пользу. Удача из случайности превращается в навык, которым можно управлять.
Канеман показывает, что люди не переносят статистику на себя: испытуемые, знавшие, что в эксперименте помощь оказали лишь 4 из 15, всё равно были уверены, что сами помогли бы. Абстрактные цифры не убеждают — работает яркая конкретная история. Чтобы статистика усвоилась, человека нужно удивить живым частным случаем.
Обучению мешает склонность делать выводы из слишком малых данных. Пример: исследование о высокой успеваемости в маленьких школах вызвало волну их открытия, но потом оказалось, что дело в статистике — в малой выборке разброс больше, поэтому среди маленьких школ хватает и худших. В мире быстрых скоростей важно замедляться и смотреть на любые истории критически, тем более что ложное в сети расходится быстрее правдивого.
В по-настоящему сложных областях — фондовом рынке, геополитике, глобальных финансах — прогнозирование редких и влиятельных событий раз за разом проваливается. Вместо того чтобы пытаться предсказать будущее, гораздо эффективнее готовиться к разным сценариям и повышать устойчивость.
Наша интуиция систематически ошибается в вероятностях, а убедительные наглядные истории часто ложны. Кластер редкой болезни в одном городке — ожидаемое совпадение при тысячах городов; рулетка не «помнит» прошлых исходов; выбирать надо по ожидаемой ценности, а не по вероятности выигрыша; корреляция не равна причинности; а в задаче Монти Холла дверь всегда выгодно менять. Статистика контр-интуитивна, и здравый смысл здесь ненадёжный советчик.
Критика статистического «просвещения»: чисто математически верные выводы часто неверны в реальной жизни, где нет независимых событий и всё зависит от контекста. Однократная игра требует иного решения, чем стократная (люди тяжелее переносят потери); за «случайным» совпадением может стоять неизвестная нам причина. Такие книги грешат снобизмом, беря задачу «в вакууме» — но, как показал Талеб, модели работают в Среднестане, а живём мы в Крайнестане.
Талеб делит мир на Среднестан, где работает нормальное распределение и крайние отклонения почти невозможны (рост людей, зарплаты таксистов, калории), и Крайнестан, где одно событие способно определить всю выборку (состояния, тиражи, потери в войнах, финрынки). В Среднестане прогнозы осмысленны, в Крайнестане не работают. Отсюда «стратегия штанги»: держать ~85% в стабильном и ~15% в рискованном — и в деньгах, и в занятиях, сочетая надёжную скучную профессию с той, что открыта позитивным «чёрным лебедям».
Возражение на метафору «системы и тающего снега»: климатические законы относятся к предсказуемому Среднестану, а человеческая жизнь — к Крайнестану, где точные прогнозы не работают. Одни и те же усилия дают разные результаты у разных людей и даже у одного человека в разное время, потому что в жизни нет чётких параметров и обратной связи, в отличие от игры или физики. Особенно это заметно в редких событиях вроде основания успешной компании — потому создание бизнеса ближе к искусству, чем к ремеслу с готовым алгоритмом.
Далио утверждает: качество решений влияет на жизнь не меньше интеллекта, но, в отличие от IQ, его можно тренировать. Хорошее решение — не безупречное, а то, где плюсов больше, чем минусов; важно отличать возможное от вероятного и расставлять приоритеты. Полезно постоянно повышать вероятность собственной правоты, а в споре сначала договориться о принципах, а уже потом — о самом решении.
Парадокс мастерства: с ростом уровня в области роль удачи в результатах не падает, а растёт. Причина в том, что по мере всеобщего совершенствования разброс мастерства сужается (элита сближается с лидером), тогда как разброс удачи остаётся прежним, и её относительный вес увеличивается. Практические выводы: искать области, где разброс мастерства ещё велик; мерить свой прогресс по относительной, а не абсолютной шкале; фокусироваться на процессе, а не на результате.
После авиакатастроф и терактов люди из страха пересаживаются с самолётов на автомобили, хотя статистически машина опаснее самолёта. За год после 11 сентября такой сдвиг дал около 1600 дополнительных смертей на дорогах США. Так террор бьёт дважды: сначала напрямую, потом — через плохие решения, которые люди принимают под влиянием навязанного страха.