Смерть денег. Крах доллара и агония мировой финансовой системы

Теперь представим, что игрок настаивает на использовании карт, принимающих любое значение по его желанию. В таком варианте игры он может переназначить номинал и масть любой карты, чтобы получить лучшую комбинацию, например фулхаус или стрит-флеш. С технической точки зрения это не совсем неопределенность, по Найту, но близко к ней. В этом случае даже лучшие игроки в покер с превосходными навыками подсчета не смогут высчитать случайности выигрыша. Вот почему профессиональные игроки в покер питают отвращение к подобным вариантам игры, а любители их обожают. Игра с использованием карт, принимающих любое значение, – это также хорошее приближение к сложности. Превращение двойки треф в пикового туза с бухты-барахты напоминает фазовый переход – непредсказуемый, мгновенный и потенциально катастрофичный, если ты на терпящей поражение стороне.

Работа Найта вышла за 40 лет до появления теории сложности, до того, как пришествие компьютера сделало возможными перспективные исследования в области случайности и стохастических систем. Его разделение финансовой среды на черно-белые миры риска и неопределенности в то время было полезно, но сегодня существует больше оттенков серого.

Случайные величины – это то, что нельзя предсказать, но им могут быть присвоены значения на основе вероятности возникновения с течением времени или в длинной серии. Игра в орлянку или в карты – хорошо известные примеры. Невозможно знать, что выпадет следующим – орел или решка, и невозможно знать, будет ли следующая карта на столе пиковым тузом, но можно вычислить шанс. Стохастические модели – это модели, которые описывают системы, основанные на введении случайных величин. Такие системы не детерминированы, они вероятностны, и, применительно к финансовому рынку, они позволяют определять цены и стоимости на основе вероятностей. Таково было определение риска Найта. Стохастические системы могут включать нелинейные функции, или экспоненты, которые обуславливают огромное изменение в результатах при малых отклонениях исходных данных.

Стохастические модели дополняются интегральным исчислением, которое измеряет размер, и дифференциальным исчислением, которое измеряет изменение. Регрессии, которые являются ретроспективными связями одной переменной с другой, позволяют исследователям устанавливать соотношение между определенными событиями. Эта систематика случайных величин, стохастических систем, нелинейных функций, исчисления и регрессии представляет собой набор инструментов современного финансового дела. Применение этого инструментария к установлению цен на деривативы, экономической стоимости риска, кредитно-денежной политике и экономическому прогнозированию помещает человека на передний край экономической теории.

За передним краем находится теория сложности. Основная масса экономистов не была благосклонна к сложности, частично потому что она обнаруживает, что большая часть экономических исследований прошедшего столетия бесполезна или глубоко неполноценна. Сложность – это существенный пример того, как новая наука опрокидывает старые научные системы. Неспособность экономистов принять новую науку о сложности в той или иной мере способствует объяснению, почему крахи рынка в 1987, 1998, 2000 и 2008 гг. были и неожиданными, и более жесткими, чем эксперты считали возможным.

Сложность предлагает способ понять динамику циклов обратной связи через рекурсивные функции. Они имеют так много мгновенных текущих итераций, что скачкообразные результаты могут возникать от мельчайших подробностей, слишком малых даже для наблюдения. Пример – атомная бомба. Физики знают, что когда высокообогащенный уран приведен в критическое состояние, при применении нейтронного генератора последует катастрофический взрыв, который может сровнять с землей крупный город, однако они не знают в точности, какая субатомная частица запустит цепную реакцию. Современные экономисты проводят время в поисках этой субатомной частицы, при этом игнорируя критическое состояние системы. Они ищут снежинки и игнорируют лавину.

Еще одно формальное свойство сложных систем заключается в том, что размер худшего события, которое может произойти, – это экспоненциальная функция от масштаба системы. Если размер сложной системы увеличивается вдвое, системный риск не удваивается, он может увеличиться в 10 и более раз. Вот почему каждый финансовый крах становится «сюрпризом» для банкиров и регуляторов. По мере того как масштаб системы увеличивается по производным, системный риск растет по экспоненте.