Шум. Несовершенство человеческих суждений

Глава 21 Стратегии отбора и агрегирования в прогнозировании

Важным компонентом многих суждений является прогноз. Каков будет уровень безработицы в следующем квартале? Сколько электромобилей продадут в следующем году? Как изменится климат через тридцать лет? Сколько времени займет строительство нового здания? Каким будет годовой доход компании? Как покажет себя новый сотрудник? В какие затраты выльется новый закон о загрязнении воздуха? Кто победит на выборах? Ответы на подобные вопросы имеют далеко идущие последствия. Нередко частные и государственные организации полагаются на такие прогнозы в своей деятельности.

Анализ, определяющий, когда и почему именно прогноз оказался ошибочным, четко дифференцирует понятия смещения и шума (также называемого непоследовательностью или ненадежностью). Каждый из нас согласится, что в определенных ситуациях на прогнозиста оказывается внешнее психологическое давление. Например, правительственные агентства²⁶⁵ частенько проявляют необоснованный оптимизм при прогнозировании бюджета. В общем случае они предсказывают недостижимый в реальности экономический рост и нереально низкий дефицит бюджета. На самом деле нам абсолютно неважно, что именно породило оптимистический настрой – когнитивное искажение или политические мотивы.

Более того, аналитики, как правило, склонны к чрезмерной уверенности²⁶⁶. Попроси`те их сформулировать прогноз в виде доверительного интервала, а не конкретного значения, и они наверняка выберут куда более узкий интервал, чем следовало бы. Например, журнал, публикующий квартальные прогнозы²⁶⁷, обращается к финансовым директорам американских компаний с просьбой спрогнозировать динамику индекса S&P 500 на протяжении года. Любой из опрошенных даст две цифры: минимум и максимум; вероятность выхода индекса из этих границ они оценят в 10 % в ту и в другую сторону. Таким образом, два полученных нами показателя ограничивают ценовой интервал, в котором значение индекса будет находиться с вероятностью 80 %. Однако в реальности фактическое значение индекса проведет в данном интервале не более 36 % времени. Получается, что финансовые директора слишком самоуверенны в своих прогнозах.

Профессиональные аналитики также производят шум. Прочитав «Принципы прогнозирования» Дж. Скотта Армстронга, мы увидим, что даже в среде экспертов «ненадежность аналитика является источником²⁶⁸ ошибок в прогнозных суждениях». По сути же фактической причиной ошибок является шум, и в первую очередь шум ситуативный. Аналитик не всегда может прийти к внутреннему консенсусу. Влияние межэкспертного шума также велико: прогнозисты далеко не всегда соглашаются с коллегами, хотя все они – профессионалы в своем деле. Попроси`те профессоров юриспруденции спрогнозировать, как Верховный суд разрешит тот или иной вопрос права<sup>269</sup>, и в их мнениях обнаружится большое количество шума. Предложи`те специалистам определить количественные выгоды применения законодательства о загрязнении воздуха²⁷⁰ – и здесь вы столкнетесь с широким разбросом оценок в диапазоне от 3 до 9 миллиардов долларов США. Не меньшая вариативность выявится и в прогнозах группы экономистов по поводу уровня безработицы и экономического роста. Мы приводили множество примеров²⁷¹ «зашумленных» прогнозов, а дополнительные исследования выявляют еще больше шума.

Улучшение качества прогнозов

Исследователи предлагают различные варианты стратегий снижения шума и смещения. Мы не будем приводить на страницах книги глубокий анализ, сосредоточившись в основном на двух методах, получивших широкое распространение. О первом из них – принципе «лучший судья – лучшее решение» – мы уже рассказывали в главе 18. Второй метод является одной из универсальных стратегий гигиены принятия решений: агрегирование (обобщение) множества независимых суждений.

Проще всего обобщить несколько прогнозов, вычислив их среднее значение. Усреднение с точки зрения математики гарантирует снижение шумового фона. В данном случае мы говорим об извлечении квадратного корня из общей суммы усредняемых суждений. Подобное действие означает, что, усреднив сотню суждений, мы снизим шум на 90 %, а если в выборку входит четыреста суждений, шум снизится уже на 95 %, то есть будет фактически подавлен. Данная статистическая закономерность является движущей силой подхода «мудрость толпы», который мы обсудили в главе 7.