назад Оглавление вперед


[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [ 24 ] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89]


24

Таким образом, «горячих» и «холодных» игроков не существует - это просто иллюзия, порождаемая случаем и ошибочно систематизируемая человеческим мозгом. Человеческий разум всегда стремится все и вся систематизировать и иногда впадает в крайности - ищет систематику в случайных событиях.

Заблуждение «горячей руки» не исчезает, когда мы переходим из мира спорта в мир финансов. На финансовых рынках в качестве игрока можно рассматривать любого инвестора (частного или институционального), а в качестве заброшенных им мячей - доходность, которую он получает от проведения финансовых операций.

Например, менеджер инвестиционной компании (паевого инвестиционного фонда), которая под его управлением достигала высокого дохода несколько лет подряд, получает беспрецедентную уверенность в своих силах (но самое главное, что его уверенность передается его клиентам). Он начинает уделять меньшее внимание действительно значимым факторам и большее - своим иллюзиям (интуиции). А подобное поведение может привести к принятию неверных инвестиционных решений и, как следствие, убыткам.

Другим примером человеческой веры в локальную репрезентативность выборки является хорошо известное заблуждение игрока [gambler fallacy]. После того как на рулетке несколько раз подряд выпадает красное, большинство людей начинают (наивно) ожидать, что уж теперь-то наверняка должно выпасть черное. Эти люди считают, что выпадение черного будет более «репрезентативно» для рулетки, нежели очередная реализация красного. Они полагают, что шанс является саморегулируемым процессом, в котором отклонения в одну сторону непременно должны компенсироваться отклонениями в другую для восстановления равновесия. Но на самом деле отклонения вовсе не обязаны «корректировать» друг друга.

Заблуждение игрока является прямым следствием непонимания закона больших чисел. Большинство людей (наивно) полагает, что закон больших чисел можно применять к небольшим выборкам абсолютно так же, как он применяется к большим. Подобное заблуждение Канеман и Тверски иронично назвали законом малых чисел [law of small numbers] .

Закон больших чисел гласит: при достаточно большом количестве наблюдений распределение стремится к нормальному.

2 См.: Kahneman, D., Tversky, А. (1971) Belief in the Law of Small Numbers. Psychological Bulletin, Vol. 2, pp. 105-110.



См.: Feller, W. (1968) An Introduction to Probability Theory and Its Applications. New York: Wiley. 76

Закон малых чисел гласит, что люди будут считать даже очень небольшие выборки репрезентативными по множеству, из которого они были получены.

Любопытно, что во время Второй мировой войны, когда Лондон подвергался жесточайшим бомбардировкам, среди обывателей было распространено мнение о том, что география бомбежек города не является случайной, так как некоторые кварталы города были подвергнуты бомбардировке несколько раз, в то время как другие вообше избежали ее. Таким образом, распределение бомбежек нарушало местную репрезентативность и гипотеза случайной бомбежки выглядела неприемлемой.

Для того чтобы протестировать эту гипотезу, вся область южного Лондона была разбита на небольшие, равные по площади секции и реальное распределение попаданий бомб бьшо сравнено с ожидаемым (Пойзеновским) распределением в соответствии с гипотезой случайной бомбежки. Схожесть двух распределений превзошла все ожидания и находилась в полном несоответствии с гипотезой о неслучайных бомбежках. По этому поводу известный статистик Феллер замечал: «Для нетренированного глаза случайность выглядит как регулярность или тенденция».

Или вот еще один пример. Большинство студентов крайне удивится, узнав следующее: вероятность того, что в группе, состоящей из 23 человек, по меньшей мере, двое будут праздновать свои дни рождения в один и тот же день, превосходит 0,5. Очевидно, что с 23 людьми в группе ожидаемое количество дней рождения, приходящихся на один день меньше 1/15. Таким образом, день, на который приходятся два дня рождения, в условиях существования 343 «пустых» дней оказывается в глазах большинства людей нерепрезентативным, а значит, и маловероятным.

• Нечувствительность к предсказуемости

Достаточно часто людям приходится делать количественные прогнозы таких величин, как будущая цена акции, спрос на тот или иной товар или результат футбольного матча. Подобные прогнозы чаще всего делаются на основе репрезентативности.

Предположим, нам дано описание компании и требуется спрогнозировать размеры ее будущих прибылей. Если описание компании достаточно хорошо, то высокие прибыли компании



начинают выглядеть наиболее репрезентативными для этого описания. Если же описание компании более чем посредственно, то теперь уже низкие прибыли компании начинают казаться наиболее репрезентативными для этого описания.

Но какое отношение имеет описание текущего состояния компании к ее будущим прибылям? Можно ли использовать это описание для прогноза? Надежно ли это описание? Мало кого из людей действительно беспокоят такие вопросы.

Поэтому, как только люди начинают прогнозировать значения неопределенных величин, ориентируясь только на их благоприятные или неблагоприятные описания, так сразу же их прогнозы начинают полностью игнорировать надежность используемой информации и ожидаемую аккуратность сделанного прогноза.

Подобное «увлечение» большинства индивидуумов нарушает нормативную теорию статистики, в соответствии с которой экстремальные значения прогноза (минимальное и максимальное значения прогнозируемой величины) и сам диапазон прогнозов являются функциями от потенциальной предсказуемости. Когда предсказуемость практически нулевая, то одинаковый прогноз должен быть сделан для всех возможных исходов.

Например, если описания компаний не несут в себе никакой информации, которая была бы полезна для прогнозирования их будущих прибылей, то одно и то же значение прибьши (например, средняя прибьшь) должно быть присвоено всем компаниям. Если же мы имеем дело со случаем абсолютной предсказуемости, то прогнозируемые значения прибьши каждой компании должны совпасть с их реальными значениями, а диапазон прогнозных значений должен полностью повторять диапазон реальных исходов. В общем случае: чем выше предсказуемость - тем шире диапазон прогнозируемых значений.

Многие из доступных нам сегодня эмпирических исследований сходятся в том, что интуитивные догадки нарушают правила традиционной теории статистики и большинство людей на практике полностью игнорирует соображения предсказуемости.

Например, в одном из исследований субъектов ознакомили с параграфами текста, который содержал описания первых пробных лекций нескольких аспирантов. После этого некоторых субъектов попросили оценить качество лекции, описанной в каждом из параграфов. Оценка должна бьша проводиться в квартилях по отношению к определенной эталонной лекции.

См.: Kahneman, D., Tversky, А. (1973) On the Psychology of Prediction. Psychological Review, Vol. 80, pp. 237-251.

[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [ 24 ] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89]