Убийственные большие данные. Как математика превратилась в оружие массового поражения

Чтобы просчитать степень риска, наша команда применяла метод Монте-Карло. Вообразите, что вы крутанули колесо рулетки в казино десять тысяч раз и каждый раз тщательно записали результаты. При использовании метода Монте-Карло вы обычно начинаете с истории рынка и прогоняете тысячи тестовых сценариев. Как изучаемый вами портфель ценных бумаг вел себя на рынке каждый день начиная с 2010 года? А с 2005-го? Устоит ли он в самые тяжелые дни краха? С какой вероятностью для него возникнет смертельная опасность в течение следующего года или двух? Чтобы рассчитать эти вероятности, ученые прогоняют тысячи тысяч моделей. У этого метода много недостатков, но он представляет собой простой способ хоть как-то управлять своими рисками.

Моя работа заключалась в том, что я была посредником между нашими риск-менеджерами и самыми большими и придирчивыми знатоками рисков – квантитативными хедж-фондами. Я связывалась с фондами или они связывались со мной, и мы обсуждали любые вопросы, которые у них возникали по поводу чисел. Однако чаще всего они информировали меня только тогда, когда мы совершали ошибки. Дело в том, что хедж-фонды всегда считали себя умнейшими из умных, и учитывая то, что правильное понимание риска – основа их существования, они никогда не стали бы полностью полагаться на сторонние организации вроде нашей. У них были собственные группы, занимавшиеся подсчетами риска, и наши продукты они покупали в основном для того, чтобы хорошо выглядеть в глазах инвесторов.

Кроме этого, я отвечала на вопросы по горячей линии, иногда – от представителей больших банков. Им очень хотелось поправить свой пошатнувшийся имидж и выглядеть ответственными; именно поэтому они и обращались к нам. Но, в отличие от хедж-фондов, они мало интересовались самим нашим анализом. Риск в их портфелях был фактором, который они практически игнорировали. В течение моей работы на горячей линии у меня сложилось чувство, что люди, предупреждающие о риске, воспринимались ими как назойливые надоедалы или, еще того пуще, как угроза банковской безопасности. Это восприятие не изменилось даже после катаклизмов 2008 года – и было несложно понять почему. Если уж они выжили в такой катастрофе – потому что были слишком большими, чтобы рухнуть[3], – какой им был смысл волноваться из-за рисков после этого?

Отказ признавать наличие риска – давняя традиция в мире финансов. Культуру Уолл-стрит определяют ее трейдеры, а риски – это то, что они постоянно недооценивают. Это результат того, что мы оцениваем профессионализм трейдера по его «коэффициенту Шарпа»: он рассчитывается как отношение прибыли, которую приносит трейдер, к стандартному (среднеквадратичному) отклонению для его портфеля[4]. Этот коэффициент критически важен для карьеры трейдера, его ежегодного бонуса, его самооценки. Если мы лишим этих трейдеров их физических тел и начнем воспринимать их исключительно как набор алгоритмов, эти алгоритмы будут постоянно сосредоточены на оптимизации коэффициента Шарпа. В идеале он будет расти – или, по крайней мере, не падать слишком низко. Поэтому, если один из отчетов по рискованности свопов кредитного дефолта поднимет степень риска одного из ключевых вкладов трейдера, его коэффициент Шарпа упадет. Это может стоить ему сотен тысяч долларов, когда дело дойдет до расчета его ежегодного бонуса.

Очень быстро я осознала, что занимаюсь просто штамповкой привычных решений. В 2011 году настало время снова сменить работу – и я увидела, что рынок для математиков вроде меня стремительно расширяется. В то время мне было достаточно напечатать два слова в моем резюме – и я уже была провозглашена новым специалистом по обработке информации, готовым погрузиться в мир онлайн-экономики. В результате я оказалась в нью-йоркском стартапе под названием Intent Media.

Начала я с разработки моделей, которые предсказывали поведение посетителей сайтов, посвященных путешествиям. Ключевой вопрос заключался в том, с какой целью кто-то заходит на сайт Expedia: просто посмотреть на картинки или собирается в самом деле потратить деньги? Те, кто не собирался ничего покупать, мало что значили в качестве потенциального источника дохода. Поэтому таким пользователям мы показывали рекламу фирм-конкурентов – Travelocity или Orbitz. Если посетитель кликал по рекламе, это приносило нам несколько центов – лучше, чем ничего. Однако мы не собирались показывать эти объявления серьезным покупателям. В худшем случае мы получали десяток центов дохода за размещение рекламы – и посылали при этом потенциальных клиентов к конкурентам, где они могли оставить тысячи долларов за гостиничные номера в Лондоне и Токио. Понадобились бы тысячи просмотров рекламных объявлений, чтобы возместить хотя бы несколько сотен долларов из упущенной прибыли от этих клиентов. Поэтому было крайне важно удержать их на нашем сайте.