Алан Гринспен - Карта и территория. Риск, человеческая природа и проблемы прогнозирования

Ключевым результатом истории наших попыток увидеть будущее стало развитие за последние 80 лет такой науки, как экономическое прогнозирование, основанное на моделировании. Эта дисциплина опирается во многом на тот же математический аппарат, который применяется в естественных науках. Им пользуются практически все составители экономических прогнозов и в государственном, и в частном секторе, в основном для создания моделей, «объясняющих» прошлое и, как следствие, дающих некоторое представление о будущем.

Я постигал премудрости тогда еще новой науки, математической экономики, в магистратуре Колумбийского университета в начале 1950-х гг. Мои преподаватели, профессор Джейкоб Вулфовиц и Абрахам Вальд, были первопроходцами в области математической статистики. Но с годами моя первая очарованность этой наукой сменилась скептицизмом. Я все больше сомневался в том, применима ли она в мире, где важнейшим фактором, определяющим экономические результаты, является иррациональное начало, не поддающееся моделированию.

Основы современного макромоделирования заложил Джон Мейнард Кейнс в своей революционной работе «Общая теория занятости, процента и денег» (The General Theory of Employment, Interest and Money) в 1936 г. На кейнсианской модели в том виде, в котором она была создана, до сих пор строится правительственная макроэкономическая политика. Модель, предложенная Кейнсом, — это полная, хотя и упрощенная версия того, как взаимодействуют друг с другом различные элементы рыночной экономики. Такого рода модели мы сегодня называем кейнсианскими. Они широко применяются в государственной и частной сферах, особенно когда требуется оценить влияние той или иной государственной политики на ВВП и уровень занятости.

Подход Кейнса прямо отрицал веру представителей классической экономики в то, что рынок способен саморегулироваться и после потрясений довольно быстро возвращается к полной занятости. В отличие от классиков Кейнс утверждал, что существует ряд обстоятельств, в которых механизмы самобалансировки не срабатывают и не приводят к «равновесию в условиях неполной занятости». В таких ситуациях, по его мнению, государство должно с помощью дефицитного финансирования компенсировать недостаток совокупного спроса. Стоит отметить, что 75 лет спустя у экономистов по-прежнему нет единства во мнениях относительно этих двух подходов.

Так или иначе, экономическое прогнозирование любого характера, будь оно кейнсианское или другое, сталкивается с бесконечными проблемами. Модель по своей природе — это упрощенное отражение сложной экономической реальности. Даже в относительно простой рыночной экономике реальность представляет собой буквально миллионы каждодневных взаимодействий в процессе создания совокупного ВВП. Из-за того, что лишь их малая толика может быть учтена в модели, экономисты бьются над поиском таких систем уравнений, которые будут отражать хотя бы фундаментальные силы, управляющие экономическими процессами.

На практике создатели моделей (включая и меня) занимаются подбором переменных и факторов, пока не получат результат, который вроде бы воспроизводит исторические данные разумным с экономической точки зрения образом. Каждый составитель прогнозов должен решить, какой относительно немногочисленный набор «уравнений» наиболее точно отражает, на его взгляд, суть общей экономической динамики.

По большей части моделирование нефинансовых секторов рыночной экономики работает довольно приемлемо. Огромное количество исследований значительно углубили наше понимание того, как функционируют рынки. Но мы не раз имели возможность убедиться, что в сфере финансов действуют иные рычаги, управляющие процессами, и риск несравнимо более высок, чем в других областях экономики. В основе практически всех финансовых решений лежит принятие или избежание риска. Нефинансовый бизнес ориентирован на разработку, технологии и организацию управления.

Нефинансовые компании закладывают фактор риска во все свои капиталовложения и учитывают его при принятии решений, но основная их забота — это, например, сколько транзисторов можно втиснуть в микрочип или как убедиться, что мост выдержит проектную нагрузку. Но это сферы квантовой механики и проектирования, где риск практически, хотя и не полностью, отсутствует при принятии решений. Уровень риска в торговле синтетическими деривативами или в других новых --">