Преимущества эвристики
В 1990 году экономист Гарри Марковиц получил Нобелевскую премию за вклад в развитие экономики в рамках развития современной портфельной теории: его прогрессивная «оптимизация портфеля со средним отклонением» продемонстрировала, как инвестор может оптимально распределить свои средства и активы для получения максимальной прибыли при заданном уровне риска. Таким образом, похоже, Марковиц был единственным человеком, идеально подготовленным к решению задачи по инвестированию своих пенсионных накоплений. Что же он решил предпринять, когда настало время?
Я должен был рассчитать исторические ковариации классов активов и провести эффективное разделение. Вместо этого я представил свое горе, если бы рынок ценных бумаг вырос, а я не участвовал бы в этом, или если бы акции упали и вместе с ними исчезли бы все мои сбережения. Я был намерен минимизировать свои будущие сожаления. Поэтому я разделил сбережения и вложил их в равных долях в облигации и акции.
Но почему же он так поступил? История лауреата Нобелевской премии и его инвестиционной стратегии могла стать показательным примером человеческой иррациональности: при столкновении со сложностями реальной жизни он отверг рациональную модель и последовал простой эвристике. Но именно из-за сложностей реальной жизни простая эвристика, по сути, может оказаться рациональным решением.
Когда речь идет об управлении портфелем, оказывается, что за исключением тех случаев, когда вы абсолютно уверены в имеющейся у вас информации о рынках, вам лучше вовсе игнорировать любые сведения по этому вопросу. Применение схемы оптимальной структуры портфеля требует тщательной оценки статистических свойств различных капиталовложений. Каждая ошибка в оценке очень сильно меняет итоговый вариант размещения активов, что потенциально повышает уровень риска. Напротив, распределение денежных средств в равных долях между акциями и облигациями вовсе не зависит от тех данных, которые вы изучили. Эта стратегия даже не пытается подстроиться под исторические показатели этих категорий капиталовложений. Соответственно, переподгонка здесь невозможна.
Разумеется, использование метода распределения 50/50 необязательно является золотой серединой в сложной ситуации, но нам есть что сказать в его пользу. Если вам довелось узнать ожидаемое среднее отклонение и ожидаемое отклонение ряда видов капиталовложений, тогда вам лучше использовать оптимизацию портфеля со средним отклонением (этот оптимальный алгоритм является таковым неспроста). Но когда шансы оценить их все максимально четко невысоки, а вес, который модель переносит на эти ненадежные качества, велик, тогда в процессе принятия решения должен прозвучать сигнал – «пришло время регуляризации».
Вдохновленные примером управления пенсионными сбережениями Марковица и другими подобными, психологи Герд Гигеренцер и Генри Брайтон утверждали, что способы упрощения принятия решений, которые люди используют в реальной жизни, во многих случаях хороши. «Вопреки широко распространенному мнению, что сокращение времени на обработку или подготовку негативно сказывается на точности, – пишут они, – изучение эвристики показывает, что чем меньше информации, вычислений и времени, тем, в сущности, выше уровень точности». Эвристика, которая выступает за простые ответы – с меньшим количеством факторов или вычислений, – предлагает нам попробовать эффект принципа «чем меньше, тем больше».
Тем не менее введение санкций за итоговую сложность модели – не единственный способ смягчить действие переподгонки. Вы также можете подвести модель к большей упрощенности, контролируя скорость ее адаптации к поступающей информации. Это превращает изучение переподгонки в удивительное руководство к нашей истории – как общества и как вида.
