Карта и территория. Риск, человеческая природа и проблемы прогнозирования - [18]

Почти четверть века с 1983 по 2007 г. продолжался период очень незначительных рецессий и внешне чрезвычайной стабильности. Но затянувшаяся экономическая стабильность — это фитиль, который способен взорвать пузырь. Нужно лишь, чтобы небольшая часть участников рынка воспринимала изменение как структурное. Четверть века стабильности очевидно ведет к интоксикации. Стадное поведение становится главенствующим и усиливает восходящий тренд.

Центральные банки столкнулись с тем, что их успех в обеспечении стабильности цен закладывает основу для формирования ценовых пузырей. Этот вопрос волновал меня в течение многих лет. Я поделился своими опасениями на заседании Комитета по операциям на открытом рынке ФРС в мае 1995 г. «Дисбаланс, который подразумевает этот [текущий] прогноз есть не что иное, как ценовой пузырь… Я не уверен, что мы на этом этапе знаем, как или каким именно образом следует реагировать на него, и отважимся ли мы… Я надеюсь, что экономика будет лишь немного менее спокойной, растущей и оживленной из-за того, что конечный результат этого оказался не слишком полезным»17.

Что делать с этим, остается проблемой, не имеющей простого решения, по крайней мере, на сегодняшний момент. Когда стадное поведение инвесторов превращает «скептиков» в «оптимистов», у цен на акции, капиталовложений и экономики не остается иного пути, кроме как вверх. Несмотря на разнообразие активов и игроков, многочисленные пузыри последнего столетия развивались по одной и той же схеме.

История повторяется

Все-таки, учитывая повторяемость истории, я никогда не мог отделаться от общей идеи о том, что годы экономического роста, прерываемые незначительными спадами, ведут нас в конечном счете к сокрушительным финансовым кризисам. Как я отмечал в 2000 г., «мы не знаем и, наверное, не можем знать точный характер следующего международного финансового кризиса. То, что он будет, настолько же очевидно, насколько очевидно упорное неблагоразумие людей в области финансов»18. Есть убедительные доказательства того, что такие события, хотя они и происходят один или два раза в столетие, слишком закономерны и похожи друг на друга по характеру.

В последующих главах я более детально рассмотрю причины нынешнего кризиса и его последствия, дам оценку инструментам, которые мы, экономисты, создали, чтобы заглядывать в будущее, а также разберу основные расхождения в политике, которыми страдала экономическая наука в последние годы. Каждая политическая инициатива отражает одновременно видение будущего и представления о том, как работает экономика. Нынешние дебаты являются частью непрерывной эволюции экономического прогнозирования.

Основы регрессионного анализа

Астрономы могут предсказать, во сколько именно взойдет солнце за окном моей спальни через шесть месяцев. У экономистов нет такой возможности. Чтобы увидеть будущее, мы обращаемся к истории, выделяем «движущие силы» прошлых экономических событий и считаем, что они продолжат действие и в будущем. Другими словами, мы стремимся понять, что определяло поток капиталовложений в прошлом и куда они пойдут, если те же силы продолжат действовать в будущем. Чтобы облегчить решение этой сложной задачи, экономисты обращаются к такой дисциплине, как регрессионный анализ19 — статистическому методу, в основе которого лежит анализ вероятности, хорошо знакомый любителям азартных игр.

Исходные данные для прогнозирования деловой активности — это большие массивы временных рядов, которые относятся, например, к розничным продажам, промышленному производству или к объему строительства новых домов. Мы стараемся понять экономические факторы, которые определяют, скажем, месячный объем строительства односемейных домов, и пытаемся спрогнозировать его. В результате общения со строителями я могу для начала взять цены на дома и число создаваемых домохозяйств в качестве объясняющих переменных. Мы называем анализируемые временные ряды зависимыми переменными, а факторы, объясняющие их, — цены на дома и число создаваемых домохозяйств — независимыми переменными. Регрессионный анализ статистически показывает, как изменение любой независимой переменной влияет на объем строительства новых домов. Смысл такого фильтрования состоит в том, что он позволяет получить относительные статистические веса — коэффициенты, — которые в случае применения к ценам на дома и числу создаваемых домохозяйств дают «аппроксимированные» временные ряды, максимально близкие к историческим данным по объему строительства новых домов.

Обладая этими данными, мы можем измерить долю отклонений (дисперсию) зависимой переменной, которая «объясняется» флуктуациями независимых переменных в модели. Эту долю мы называем коэффициентом множественной регрессии (R2). Чем выше R2, тем ближе аппроксимированные временные ряды к историческим рядам. При значении 1,0 модель точно предсказывает реальные ряды данных и полностью объясняет дисперсию зависимой переменной.

Однако надежность результатов зависит от ряда математических условий, предъявляемых к регрессионным переменным. Например, независимые переменные не должны коррелировать друг с другом, т. е. цена дома не должна коррелировать с числом создаваемых домохозяйств. Плюс к этому регрессионные остатки, т. е. разница между фактическим объемом строительства новых домов и его аппроксимированным (расчетным) значением в каждом периоде, не могут быть «сериально коррелированными», другими словами, остатки одного периода не могут влиять на остатки следующего.