Карта – это не территория

Первый и второй томы «Великих ментальных моделей» отсутствуют.
Узнайте больше о проекте здесь.

Карта реальности – это не реальность. Даже самые лучшие карты несовершенны. Это потому, что они являются уменьшением того, что они представляют. Если бы карта отображала территорию с идеальной точностью, она больше не была бы сокращением и, следовательно, больше не была бы полезна для нас. Карта также может быть снимком момента времени, представляющим то, чего больше не существует. Об этом важно помнить, когда мы обдумываем проблемы и принимаем лучшие решения.

«Карта кажется нам более реальной, чем земля».

– Д.Х. Лоуренс

Связь между картой и территорией

В 1931 году в Новом Орлеане, штат Луизиана, математик Альфред Коржибски представил доклад по математической семантике. Для нетехнического читателя большая часть статьи выглядит как заумный аргумент об отношении математики к человеческому языку и того и другого к физической реальности. Конечно, важные вещи, но не обязательно сразу полезные для непрофессионала.

Однако в своей цепочке аргументов о структуре языка Коржибски представил и популяризировал идею о том, что карта – это не территория. Другими словами, описание вещи – это не сама вещь. Модель не реальность. Абстракция – это не абстракция. Это имеет огромные практические последствия.

По словам Коржибски:

A.) Карта может иметь структуру, похожую или отличную от структуры территории.

Б.) Две похожие структуры имеют схожие «логические» характеристики. Таким образом, если на правильной карте Дрезден указан как между Парижем и Варшавой, аналогичное соотношение обнаруживается и на реальной территории.

C.) Карта не является действительной территорией.

D.) Идеальная карта могла бы бесконечно содержать карту карты, карту карты карты и т. Д.… Мы можем назвать эту характеристику саморефлексивностью.

Карты нужны, но ошибочны. (Под картами мы подразумеваем любую абстракцию реальности, включая описания, теории, модели и т. Д.) Проблема с картой не просто в том, что она является абстракцией; нам нужна абстракция. Карта с масштабом от одной мили до одной мили не будет иметь тех же проблем, что и карты, и не принесет никакой пользы.

Чтобы решить эту проблему, разум создает карты реальности, чтобы понять ее, потому что единственный способ обработать сложность реальности – это абстракция. Но часто мы не понимаем наших карт или их ограничений. Фактически, мы настолько полагаемся на абстракцию, что часто будем использовать неправильную модель просто потому, что считаем любую модель предпочтительнее отсутствия модели. (Напоминает одному из пьяных, ищущих свои ключи под фонарем, потому что «Вот где свет!»)

Даже самые лучшие и самые полезные карты страдают от ограничений, и Коржибски дает нам некоторые из них для изучения: (A.) Карта может быть неправильной, даже если мы этого не осознаем; (Б.) Карта, по необходимости, является сокращением реальной вещи, процессом, в котором вы теряете определенную важную информацию; и (C.) Карта нуждается в интерпретации – процессе, который может вызвать серьезные ошибки. (Единственный способ по-настоящему решить последнее – это бесконечная цепочка карт-карт, которую он назвал саморефлексивностью.)

С помощью современной психологии мы также видим другую проблему: человеческий мозг делает большие скачки и сокращения, чтобы разобраться в окружающей обстановке. Как заметил Чарли Мангер, хорошая идея и человеческий разум действуют как сперма и яйцеклетка – после того, как первая хорошая идея приходит в голову, дверь закрывается. Это делает проблему карты-территории близким родственником тенденции человека с молотком.

Эта тенденция, очевидно, создает проблемы в наших попытках упростить реальность. Когда мы видим, что мощная модель работает хорошо, мы склонны переоценивать ее, используя ее в других ситуациях. У нас возникают проблемы с определением границ его полезности, что приводит к ошибкам.

Давайте посмотрим на пример.

***

По многим оценкам, Рон Джонсон был одним из самых успешных и желанных руководителей розничной торговли к лету 2011 года. Стив Джобс лично выбрал его не только для строительства магазинов Apple Store, предприятия, которое само подверглось серьезной проверке – одно возражение напечатано в Bloomberg. журнал: «Я даю им два года, прежде чем они выключат свет из-за очень болезненной и дорогостоящей ошибки» – но ему приписали важную роль в превращении Target из двойника K-Mart в модный – зато дешевый Тар-жей к концу 1990-х – началу 2000-х.

Успех Джонсона в Apple не был мгновенным, но неоспоримым. К 2011 году магазины Apple были самыми производительными в мире из расчета на квадратный фут и стали предметом зависти в мире розничной торговли. Их показатели продаж бросили тень на Тиффани. Сверкающий стеклянный куб на Пятой авеню стал более популярной достопримечательностью, чем Статуя Свободы. Это был праздник, выходящий за рамки обычного успеха. И Джонсон возглавил атаку.

«(История) представляет собой нелепое зрелище фрагмента, излагающего целое».

– Уилл Дюрант

Благодаря этому успеху в 2011 году Джонсон был нанят Биллом Акманом, Стивеном Ротом и другими светилами финансового мира, чтобы исправить безвкусную старую сеть универмагов JC Penney. Положение универмага было безрадостным: с 1992 по 2011 год доля розничного рынка, принадлежащая универмагам, снизилась с 57% до 31%.

Однако их основная позиция была очевидной. Джей Си Пенни владел чрезвычайно ценной недвижимостью и торговал торговыми центрами по всей стране. Джонсон утверждал, что их физическое положение в торговом центре было ценным хотя бы по той причине, что люди часто парковались рядом с ними и проходили через них, чтобы добраться до центра торгового центра. Пеший трафик был данностью. Из-за контрактов, подписанных в 50-х, 60-х и 70-х годах, в период расцвета эры строительства торговых центров, аренда также была дешевой, что было еще одним важным конкурентным преимуществом. И в отличие от некоторых продавцов, испытывающих трудности, JC Penney зарабатывал (некоторые) деньги. В кассе была наличность, чтобы помочь финансировать преобразование.

Идея заключалась в том, чтобы взять лучшие идеи из его опыта в Apple; отличное обслуживание клиентов, стабильные цены без скидок и наценок, безупречные дисплеи, продукты мирового класса и их применение в универмагах. Джонсон планировал превратить магазины в небольшие торговые центры внутри торговых центров. Он дошел до того, что сравнил постоянно меняющиеся магазины внутри магазина с «приложениями» Apple. Такая модель позволит поддерживать магазин постоянно свежим и избежать ползучей черствости розничной торговли.

Джонсон представил свою идею акционерам на серии модных встреч в Нью-Йорке, напоминающих ежегодное заявление Стива Джобса «Но подождите, это еще не все!» запуск продукта в Apple. Он был убедителен: цена акций JC Penney подскочила с 26 долларов летом 2011 года до 42 долларов в начале 2012 года из-за сильной позиции.

Идея провалилась практически сразу. Его новая модель ценообразования (исключающая дисконтирование) оказалась провальной. Скупщики за купонами взбунтовались. Большая часть его нового продукта была сочтена слишком модной. Его новая модель магазина была чрезвычайно дорогой для средней сети универмагов – включая целенаправленно перенесенные операционные убытки, он потратил несколько миллиардов долларов, пытаясь осуществить физическую трансформацию магазинов. Клиенты JC Penney понятия не имели, что происходит, и к 2013 году Джонсон был уволен. Цена акций упала до однозначных цифр, где и остается два года спустя.

Что пошло не так в стремлении построить «Любимый магазин Америки»? Оказалось, что Джонсон использовал карту Талсы для навигации по Таскалузе. Продукты, клиенты и история Apple имели слишком мало общего с JC Penney. У Apple была свирепая, молодая, богатая фан-база, прежде чем они начали строить магазины; JC Penney's не ассоциировался с молодостью или достатком. У Apple были блестящие продукты, и ей нужен был блестящий магазин; JC Penney был известен своими доступными свитерами. Apple вообще никогда не полагалась на скидки; Джей Си Пенни отменял ранее предоставленные скидки, что спровоцировало массовую суперреакцию.

«Все модели неправильные, но некоторые полезны».

– Джордж Бокс

Другими словами, старая карта оказалась не очень полезной. Даже его успех в Target, который кажется более близким аналогом, вводил в заблуждение в контексте JC Penney. За многие годы Target внесла небольшие постепенные изменения, в которые Джонсон внес значительный вклад. Джей Си Пенни пытался переосмыслить концепцию универмага за год или два, оставив позади основного покупателя в попытке привлечь новых. Это было совсем другое предложение. (Другой фактор, сдерживающий компанию, – это просто ее базовые шансы: можете ли вы назвать крупного розничного продавца, который потерял свои позиции в мире и вернулся?)

Главная проблема заключалась не в некомпетентности Джонсона. Он не был. Если бы он был, он бы не получил работу. Он был чрезвычайно компетентен. Но именно его компетентность и прошлые успехи доставили ему неприятности. Он был похож на великого пловца, который пытался преодолеть большой порог, и модель, которую он успешно использовал в прошлом, карта, по которой было перемещено много труднопроходимой местности, больше не была той картой, в которой он нуждался. У него была отличная теория розничной торговли, которая применима в одних обстоятельствах, но не применима в других. Местность изменилась, но старая идея прижилась.

***

Один человек, который хорошо понимает эту проблему карты и территории, – Нассим Талеб, автор серии Incerto – Antifragile , The Black Swan , Fooled by Randomness и The Bed of Procrustes.

Талеб много лет громко заявлял о неправильном использовании моделей, но самой ранней и яркой, которую я могу вспомнить, является его жесткая критика финансовой модели под названием Value-at Risk, или VAR. Модель, используемая в банковском сообществе, призвана помочь управлять рисками, обеспечивая максимальные потенциальные убытки в пределах заданного доверительного интервала. Другими словами, он призван позволить менеджерам по рискам сказать, что с точностью 95%, 99% или 99,9% фирма не потеряет более X миллионов долларов за один день. Чем выше интервал, тем менее точным становится анализ. Можно сказать, что фирма рискует 100 млн долларов в любое время с доверительным интервалом 99%, но, учитывая статистические характеристики рынков, переход к доверию 99,9% может означать, что риск-менеджер должен заявить, что у фирмы есть 1 доллар миллиард в опасности. 99,99% могут означать 10 миллиардов долларов. По мере того, как в распределение включаются более редкие и более редкие события, анализ становится менее полезным. Так что по необходимости где-то отрезают «хвосты» и анализ считают приемлемым.

Для обоснования и использования теории VAR созданы сложные статистические модели. На первый взгляд это кажется полезной и мощной идеей; если вы знаете, сколько можете потерять в любой момент, вы можете управлять риском до десятичной дроби. Вы можете с невозмутимым видом сказать своему совету директоров и акционерам, что вы положили глаз на кассу.

По словам Нассима, проблема в том, что:

Модель может показать вам некоторые риски, но не риски ее использования. Более того, модели строятся на конечном наборе параметров, а реальность предоставляет нам бесконечные источники рисков.

Чтобы рассчитать показатель VAR, риск-менеджер должен взять исторические данные и предположить статистическое распределение, чтобы предсказать будущее. Например, если бы мы могли взять 100 миллионов человек и проанализировать их рост и вес, мы могли бы затем предсказать распределение роста и веса на других 100 миллионах, и возникла бы микроскопически малая вероятность того, что мы ошибаемся. Это потому, что у нас огромный размер выборки, и мы анализируем что-то с очень небольшими и предсказуемыми отклонениями от среднего.

Но финансы не следуют за таким распределением. Такой предсказуемости нет. Как утверждал Нассим, «хвосты» в этой области толстые, и самые редкие, самые непредсказуемые события имеют самые серьезные последствия. Предположим, вы считаете, что событие с большой угрозой (например, 90% -ный крах S&P 500) имеет шанс 1 из 10 000 в данном году, а ваш набор исторических данных содержит данные только за 300 лет. Как вы можете точно определить вероятность этого события? Вам потребуется гораздо больше данных.

Таким образом, финансовые события, которые считаются 5, 6 или 7 стандартными отклонениями от нормы, имеют тенденцию происходить с определенной регулярностью, которая далеко не соответствует их предполагаемой статистической вероятности. У финансовых рынков нет биологической реальности, которая могла бы их связать: мы можем сказать с достаточной уверенностью, что слон не проснется обезьяной, но мы не можем сказать ничего с абсолютной уверенностью на арене Экстремистана.

Тогда мы видим несколько проблем с VAR как «карту». Первое, что модель сама по себе является жесткой абстракцией реальности, опирающейся на исторические данные для предсказания будущего. (Как и все финансовые модели, в определенной степени.) VAR не говорит: «Риск потери X долларов равен Y, в пределах уверенности Z». (Хотя риск-менеджеры так относятся). На самом деле VAR говорит, что «риск потери X долларов равен Y, исходя из заданных параметров». Проблема очевидна даже для неспециалистов: будущее – это странное и чужое место, которого мы не понимаем. Отклонения прошлого не могут быть отклонениями будущего. Тот факт, что муниципальные облигации никогда не торговались с таким-то спредом по отношению к казначейским облигациям США, не означает, что они не будут торговаться в будущем. Просто еще нет. Часто модели игнорируют этот факт.

Фактически, один из самых острых моментов Нассима заключается в том, что накануне, какое бы «худшее» событие ни случилось в прошлом, вы бы не использовали грядущий «худший случай» как свой худший случай, потому что этого бы не произошло. еще.

Вот простая иллюстрация. 19 октября 1987 года фондовый рынок упал на 22,61%, или на 508 пунктов промышленного индекса Доу-Джонса. В процентном отношении это было и остается худшим однодневным падением рынка в истории США. Это было названо «Черный понедельник». (Финансовым писателям иногда не хватает креативности – в истории есть несколько других «черных понедельников».) Но здесь мы видим точку зрения Нассима: 18 октября 1987 года, какой вариант модели использовали бы в качестве наихудшего из возможных случаев? Мы не знаем точно, но мы знаем, что предыдущий наихудший случай составил 12,82%, который произошел 28 октября 1929 года. Падение на 22,61% могло считаться настолько большим стандартным отклонением от среднего, что было бы почти невозможным.

Но в финансах хвосты очень толстые – невероятные и важные события, кажется, случаются гораздо чаще, чем следовало бы, если судить по наивной статистике. Существует также серьезная, но часто нераспознаваемая проблема рекурсивности, заключающаяся в том, что сами модели влияют на результат, который они пытаются предсказать. (Чтобы понять это более полно, ознакомьтесь с нашим сообщением о сложных адаптивных системах.)

Вторая проблема с VAR заключается в том, что даже если бы у нас был гораздо более надежный набор данных, статистический «доверительный интервал» не справился бы с задачей управления финансовыми рисками. Говорит Талеб:

Существует внутреннее противоречие между измерением риска (т. Е. Стандартным отклонением) и использованием инструмента [VAR] с более высокой стандартной ошибкой, чем у самого показателя .

Я обнаружил, что профессиональные риск-менеджеры, о которых я слышал, рекомендуют «осторожное» использование VAR на том основании, что он «в целом работает» или «работает в среднем», не разделяют мое определение управления рисками. Целевая функция управления рисками – это выживание, а не прибыли и убытки. Согласно легенде из Чикаго, трейдер «заработал 8 миллионов за восемь лет и потерял 80 миллионов за восемь минут». Согласно тем же стандартам, он был бы «в целом» и «в среднем» хорошим риск-менеджером.

Это похоже на систему GPS, которая всегда показывает вам, где вы находитесь, но не включает скалы. Вы будете полностью довольны своим GPS, пока не съедете с горы.

Именно такое наивное доверие к моделям доставило немало неприятностей во время недавнего ипотечного кризиса. Реверсивные, соответствующие трендам модели, наиболее распространенные карты финансовой территории, не смогли описать территорию, которая была всего лишь миражом: мир, в котором цены на жилье только росли. (Льюис Кэрролл одобрил бы это.)

Это была навигация по Талсе с картой Татуина.

***

Логический ответ на все это: «И что?» Если наши карты подведут нас, как мы будем действовать в неопределенном мире? Это отдельное обсуждение в другой раз, и Талеб приложил огромные усилия, чтобы попытаться решить эту проблему. Умные умы не согласны с решением. Но одним очевидным ключом должно быть построение систем, устойчивых к моделированию ошибок.

Практическая проблема с такой моделью, как VAR, заключается в том, что банки используют ее для оптимизации. Другими словами, они получают столько внимания, сколько модель считает приемлемой. И когда банки прибегают к высоко детализированной и высоконадежной модели, а не к информированному здравому смыслу, что случается часто, они склонны создавать скрытые риски, которые со временем раскроются.

Если бы вместо этого предположить, что не существует точно точных карт финансовой территории, им пришлось бы прибегнуть к гораздо более простым эвристикам. (Если вы предполагаете, что подробные статистические модели будущего вам не помогут, вы не используете их.)

Короче говоря, вы сделали бы то же, что Уоррен Баффет сделал с Berkshire Hathaway. Г-н Баффет, насколько нам известно, никогда в своей жизни не использовал компьютерную модель, тем не менее, он управляет учреждением размером в полтриллиона долларов за счет активов, значительная часть которых – финансовые активы. Как?

Такой подход требует не только допустить наихудший случай будущего, гораздо более серьезный, чем прошлое, но и диктует необходимость создания организации с надежным набором систем резервного копирования и запасами надежности, работающими на нескольких уровнях. Дополнительные деньги, а не дополнительное кредитное плечо. Прилагаю большие усилия, чтобы хвосты не убили вас. Вместо того, чтобы подстраиваться под модель, принимайте пределы своего ясновидения.

Если карта и местность различаются, следите за ландшафтом.

Компромисс, конечно же, заключается в краткосрочных вознаграждениях, гораздо менее значительных, чем те, которые доступны в более оптимизированных моделях. Говоря об этом, Чарли Мангер заметил:

Прошлые достижения Berkshire были почти смехотворны. Если бы Berkshire использовал хотя бы половину кредитного плеча, скажем, Руперта Мердока, это было бы в пять раз больше его нынешнего размера.

По крайней мере, для Berkshire этот компромисс, похоже, того стоил.

***

Важным моментом является то, что в нашем марше по упрощению реальности с помощью полезных моделей, сторонником которых является Фарнам-стрит, мы путаем модели с реальностью. Для многих модель создает собственную реальность. Таблица словно оживает. Мы забываем, что в реальности все гораздо сложнее. Карта – это не территория. Теория – это не то, что она описывает, это просто способ интерпретации определенного набора информации. Карты также могут ошибаться, но даже если они по сути правильные, они являются абстракцией, а абстракция означает, что информация теряется для экономии места. (Вспомните карту в масштабе от мили до мили.)

Как нам лучше? Это корм для другого поста, но первый шаг – понять, что вы не понимаете модель, карту или редукцию, если не понимаете и не уважаете ее ограничения. Мы всегда должны быть бдительными, отступая, чтобы понять контекст, в котором карта полезна, и где могут лежать обрывы. Пока мы этого не сделаем, мы индейка.