Потребители будущего

Пример из области финансового прогнозирования: особенно при попытках предсказать степень риска используется множество типов электронных таблиц, регрессионный анализ, или так называемые системные динамические модели. Многие из них, вслед за ошибками таких финансовых организаций, как Daiwa, Sumitomo, Barings и Kidder Peabody, используются для проработки сценариев «а что, если…» — например, что произойдет с рынком, если, скажем, в системе окажется бухгалтер-жулик или мошенник либо произойдет ошибка в сложении или вычитании?

Также учитываются округленные коэффициенты — текущие фигуры в экономике, доходы с учетом инфляции на следующий год, ценность компании на фондовой бирже, ее позиция относительно конкурентов на рынке, сильные и слабые стороны ее инвесторов, сильные и слабые стороны конкурентов и так далее.

Очевидно, чем больше коэффициентов вы внесете, тем более точным получится результат, но сколько всего их нужно? Сколько требуется информации или данных (в противоположность знаниям)? И самое главное, что нам вводить? Подробности о погоде от синоптиков? О тенденциях ежегодных отпусков? О трудовом стаже или служащих компании? А как насчет их личной жизни, эмоционального состояния, куда они ходят за покупками, что они едят?

На этом месте неоклассические экономисты (или брокеры, если мы имеем дело с прогнозированием на фондовой бирже) нажмут кнопку «запустить программу» и пожалуются: «слишком много данных», многие из них «слишком иррациональны, слишком непоследовательны».

Считается, что в таких моделях прогнозирования следует придерживаться простоты, что линейность — это главное

Считается, что в таких моделях прогнозирования следует придерживаться простоты, что линейность — это главное. Что эти модели, если они рациональны и управляются экспертами, как-нибудь приведут к истине. Исключив из модели или программы человеческий аспект, вы также исключите то, что делает ее более-менее точной.

Синоптики сталкиваются с этим постоянно.

В США в марте 2001 года все говорили, что плохая погода неминуема, что ожидается снег, но не должно быть ничего похожего на бурю столетия, случившуюся в 1993-м, когда значительная часть Восточного побережья была парализована из-за трехфутовых сугробов. Однако самые мощные из погодных суперкомпьютеров предрекали худшее: в марте 2001-го объявлялись штормовые предупреждения, и экстренные службы готовились к снежной буре.

Метеорологи старой школы были в сомнениях, но данные говорили сами за себя, поэтому синоптики просто представили их публике в качестве факта. Наступило 6 марта, и, как и предполагалось, пошел снег, но по меркам Штатов это было не страшнее обычного снегопада, при котором дети катаются на санках. Почему же компьютеры допустили ошибку? Они не могли справиться с вычислениями достаточно быстро или достаточно гибко, либо у них было слишком много данных, отклоняющихся от нормы, — коэффициентов, которые программисты сочли нерелевантными. Поэтому они сделали то, что делает большинство программ с линейной или округленной моделью прогноза, столкнувшись с большим количеством данных, — использовали умные алгоритмы, которые отбрасывают некоторые подробности, даже те, которые самым непосредственным образом могут повлиять на результат.

Это сглаживание, или алгоритмический прыжок, часто применяется в большинстве моделей прогнозирования в биологии, физике и химии, и поэтому мы перешли к более сложным адаптивным процессам и процессорам. Денежные рынки, однако, продолжают использовать эти модели, опираясь на экспертов, которые мыслят во многом так же — рационально, соответственно сглаживая выступающие углы, учитывая только логические факторы. Между тем, как показывают онлайн-игры и виртуальные фондовые биржи, новички, использующие эмоциональные и иррациональные, но зато более интуитивные и реалистичные подходы к предсказанию рыночных ситуаций, превосходят экспертов.

Голливудская биржа и Электронная биржа штата Айова (Биржа предсказаний) являются тому доказательством. Каждая обменивает предсказания на виртуальные ценные бумаги или игрушечные деньги, и каждая раз за разом оказывается более точной в предсказаниях о поведении рынка — какие звезды получат больше «Оскаров» или как будут обстоять дела с ценными бумагами, — чем их двойники в реальной жизни.

Похоже, что люди могут успешно работать вместе, используя интуицию, эмоции, собственные понятия о риске — в онлайне, если не хотят смущать друг друга, или же рядом с коллегами — с целью анализа рынков, основываясь на том, что дает им наблюдение и эмоциональное восприятие мира.