Больше, чем вы знаете. Необычный взгляд на мир финансов

Искусство делать выводы из экспериментов и наблюдений заключается в оценке вероятностей, а также в оценке того, достаточно ли они значимы или многочисленны, чтобы служить доказательствами. Выполнять такого рода расчеты намного сложнее и труднее, чем принято считать.

Антуан Лавуазье¹

Существует три вида лжи: ложь, наглая ложь и статистика.

Леонард Кортни²

Неравноценное «да»

Не все единицы информации равноценны. Сказать «да» перед собором священнослужителей во время таинства рукоположения – далеко не то же самое, что ответить «да» гостеприимному хозяину, спрашивающему у вас, добавить ли вам в кофе молоко. Умение правильно взвешивать информацию очень полезно в жизни и особенно важно для инвесторов.

Инвестиционный процесс трудно представить без сбора и анализа информации. Традиционно инвесторы делали акцент либо на сборе, либо на анализе информации, рассматривая это как источник важного конкурентного преимущества. Однако сегодня получить информационное преимущество стало гораздо сложнее, чем несколько десятилетий назад, в результате интенсивного развития информационных технологий и регулирования отрасли.

Всемирная паутина сделала распространение информации почти молниеносным и практически бесплатным. Сегодня любой трейдер одним щелчком мыши может получить информацию и доступ, о которых ведущие финансовые институты 25 лет назад могли только мечтать. А закрепленное законодательством требование о добросовестном раскрытии информации гарантирует, что все инвесторы – от управляющих крупнейшими фондами до мелких индивидуальных игроков – получают существенно важные сведения одновременно.

Однако аналитики не отказываются от поиска частной информации. В последние годы мы наблюдаем всплеск всевозможных исследований и программ контроля каналов связи, а также других, более неприглядных попыток сбора информации. Хотя в стремлении получить лучшую информацию нет ничего плохого, – и некоторые компании делают это очень хорошо, – я бы поставил под вопрос инвестиционную ценность многих из сегодняшних «частных» исследований.

Причин для скептицизма три. Первая: насколько правильно инвесторы могут оценить информацию? Вторая: проблемы выборки, или в какой степени используемые аналитиками выборки отражают все характеристики генеральной совокупности? И, наконец, последний вопрос: приводят ли эти частные исследования к превосходным инвестиционным результатам?

Тонкости оценки информации

В середине 1990-х гг. Билл Гейтс обнародовал список деловых приоритетов компании Microsoft. Интернет, тогда только стартовавший, был в его списке пятым или шестым. Но, как только Гейтс осознал значение Интернета для будущего Microsoft, он переместил его на первое место³. Гейтс подверг уже известную информацию существенной переоценке и в результате значительно увеличил стоимость своей компании. Аналогичным образом то, как мы оцениваем информацию, оказывает значительное влияние на то, как мы воспринимаем мир и как оцениваем стоимость активов.

Наша степень уверенности в какой-либо гипотезе обычно опирается на два аспекта данных: их силу, или предельную доказательность, и весомость, или прогностическую обоснованность⁴. Например, вы хотите проверить предположение о том, что при подбрасывании монеты чаще выпадает орел. Доля орла в выборке отражает силу данных, а размер выборки определяет их весомость.

Теория вероятности предписывает правила того, как необходимо сопоставлять силу данных и их весомость. Но многочисленные экспериментальные исследования свидетельствуют о том, что люди редко следуют этим правилам. В человеческом сознании сила данных обычно доминирует над весомостью.

Такое смещение ведет либо к чрезмерной, либо к недостаточной уверенности. Когда сила данных велика, а весомость мала, что характерно для результатов многих финансируемых Уолл-стрит исследований, люди склонны к чрезмерной уверенности. И наоборот, когда сила данных невелика, а весомость значительна, люди склонны к недостаточной уверенности.

В приложении 17.1 приведены различные комбинации силы и весомости данных. Когда оба параметра высокие, вывод фактически очевиден. Когда оба низкие, результаты исследования вряд ли являются значимыми. В остальных двух случаях мы сталкиваемся с риском ошибочной оценки информации.