Линейная парадигма в своей основе предполагает, что инвесторы линейно реагируют на информацию, т. е. используют сразу по получении, а не ожидают ее накопления в ряде последующих событий. Линейный взгляд соответствует концепции рационального инвестора, которая утверждает, что прошлая информация уже дисконтирована, найдя отражение в стоимости ценных бумаг. Таким образом, линейная парадигма подразумевает, что прибыли должны иметь приблизительно нормальное распределение и быть независимыми. Новая парадигма обобщает реакцию инвестора, включая в себя возможность нелинейной реакции на информацию и, следовательно, влечет за собой естественное расширение существующих взглядов.

ПРОВЕРКА НОРМАЛЬНОСТИ

Первое подробное изучение дневных прибылей было предпринято Фамэ (1965а), который нашел, что прибыли имеют отрицательную асимметрию: большее количество наблюдений было на левом (отрицательном) хвосте, чем на правом. Кроме того, хвосты были толще, и пик около среднего значения был выше, чем предсказывалось нормальным распределением, т. е. имел место так называемый «лептоэксцесс». Это же отметил Шарп (Sharpe) в своем учебнике 1970 г. «Теория портфеля и рынки капитала». Когда Шарп сравнил годовые прибыли с нормальным распределением, он заметил, что «у нормального распределения вероятность сильных выбросов очень мала. Однако на практике такие экстремальные величины появляются довольно часто».

Позже Тёрнер и Вейгель (Turner, Weigel, 1990) провели более глубокое изучение волатильности, используя дневной индекс рейтинговой компании Стандард энд Пур (S & Р) с 1928 по 1990 гг. - результаты оказались похожими. В таблице 3.1 представлены эти данные. Авторы нашли, что «распределения дневной прибыли по индексам Доу-Джонса и S & Р имеют отрицательную асимметрию и большую плотность в окрестности среднего значения, а также в области очень больших и очень малых прибылей, - если сравнивать это распределение с нормальным».

На рис. 3.1а показано частотное распределение прибылей, которое иллюстрирует это явление. График представляет пятидневную логарифмическую первую разность в ценах по данным S & Р с января 1928 по декабрь 1989 гг. Эти изменения нормированы, т. е. имеют нулевое среднее и единичное стандартное отклонение. Здесь же представлено частотное распределение гауссовских случайных чисел. Высокий пик и толстые хвосты, которые заметны в таблице 3.1, ясно видны на графике. Помимо того, значения прибыли встречаются при 4 и 5 сигма на обоих хвостах. Рис. 3.1б показывает разности ординат двух кривых на рис. 3.1а. Отрицательную асимметрию можно увидеть при соответствующем подсчете на трех стандартных отклонениях ниже среднего значения. Вероятность событий на рынке при трех сигма примерно в два раза выше, чем для гауссовских случайных чисел.

Таблица 3.1 Изучение волатильности: дневные прибыли по индексу S&P 500, 1/28-12/89.

Адаптировано из Тёрнера и Вейгеля (Turner and Weigel, 1990)

Любое частотное распределение, которое включает октябрь 1987 г., будет иметь отрицательный скос и толстый отрицательный хвост. Однако и более ранние исследования сталкиваются с тем же явлением. В своем недавнем анализе квартальных прибылей по данным S & Р с 1946 по 1988 гг. Фридман и Лейбсон (Priedman, Laibson, 1989) указывают, что «22,6% однодневных падений биржевых цен 19 октября 1987 г. были уникальным явлением, но в масштабе квартального временного окна эпизод 4 квартала 1987 г. оказывался в ряду нескольких других периодов необычайно больших оживлений или крахов». Эти авторы замечают, что в дополнение к лептоэксцессу «большие движения чаще являются крахами, чем взлетами» и значительный лептоэксцесс «появляется вне зависимости от выбранного периода».

Стандартное отклонение

Рис. 3.1а Частотное распределение пятидневных прибылей по индексу S&P 500, январь 1928-декабрь 1989 гг.: нормальное распределение и действительные прибыли.

Стандартное отклонение

Рис. 3.1б. Разности частот, S&P 500, пятидневные прибыли - нормальное распределение.

Эти исследования с очевидностью говорят о том, что прибыли американских рынков капитала не следуют нормальному распределению. Но если рыночные прибыли не являются нормально распределенными, то тогда множество методов статистического анализа, в частности, такие способы диагностики как коэффициенты корреляции, статистики, серьезно подрывают к себе доверие, поскольку могут давать ошибочные результаты. Применение случайных блужданий к рыночным ценам также становится сомнительным.

Стерж (Sterge, 1989) в дополнительном исследовании финансовых фьючерсных цен на государственные казначейские облигации, казначейские налоговые сертификаты и евродолларовые контракты также нашел лептоэксцессные распределения. Стерж заметил, что «очень большие (три или больше стандартных отклонения) изменения цен могут ожидаться в два-три раза чаще, чем предсказано нормальностью».

Бессилие линейной парадигмы и слабой формы ЕМН описать вероятности прибылей не ограничивается, следовательно, американским фондовым рынком, но распространяется также и на другие рынки. В частности, существует мало оснований для допущения «приблизительной нормальности» прибылей.

СТРАННАЯ ВОЛАТИЛЬНОСТЬ

Придя к выводу о том, что рыночные прибыли не следуют нормальному распределению, нельзя удивляться, если волатильность окажется весьма неустойчивой. Причина в том, что дисперсия устойчива и конечна только для нормального распределения, а рынки капитала, следуя постулату Мандельброта, подчиняются устойчивым распределениям Парето.

Исследования волатильности имеют тенденцию фокусироваться на устойчивости во времени. Например, при нормальном распределении дисперсия 5-дневной прибыли должна быть в пять раз больше дисперсии дневной прибыли. Другой метод, использующий стандартное отклонение вместо дисперсии, основан на умножении дневного стандартного отклонения на корень квадратный из 5. Это скейлинговое свойство нормального распределения называется правилом Т^1/2 , где Т - временной интервал.

Сообщество инвесторов часто «аннуализирует» риск, используя правило Т¹/². В отчетах обычно представляются годовые прибыли, но при этом волатильность оценивается по месячным прибылям. Поэтому месячное стандартное отклонение преобразуется в годовое посредством умножения его на квадратный корень из 12, - совершенно приемлемый метод в том случае, если распределение нормально. Однако мы видели, что прибыли не следуют нормальному распределению. Что за этим скрывается?

Исследования показывают, что стандартное отклонение не подвержено скейлингу в соответствии с правилам Т¹/². Тёрнер и Вейгель нашли, что месячная и квартальная волатильности были выше в сравнении с годовой волатильностью, чем это должно было бы быть, но дневная волатильность была ниже годовой. В главе 9 это подтверждается данными, собранными автором.

Наконец, имеется работа Шиллера (Shiller), включенная в его книгу «Волатильность фондового рынка» (1989). Его подход основывается не на рассмотрении распределений прибылей. Вместо этого Шиллер интересуется уровнем волатильности, которая должна была бы быть в рамках рационального рынка. Шиллер замечает, что волатильность на рынке рациональных инвесторов должна бы иметь в основе ожидаемые дивиденды от акций. Цены, однако, намного более волатильны по отношению к изменениям величин ожидаемых дивидендов, даже с учетом инфляции. Он приходит к утверждению, что существует два типа инвесторов: «шумовые трейдеры» - те, которые следуют моде и прихоти, и «штрафные трейдеры», которые инвестируют, исходя из величины ожидаемой прибыли. Шиллер чувствует, что «штрафник» - это не обязательно характеристика инвестора-профессионала. Шумовые трейдеры имеют склонность к чрезмерной реакции на новости, которые могут сулить будущие дивиденды, легкие деньги.

Исследованная Шиллером чрезмерная рыночная волатильность бросает вызов: 1) идее рациональных инвесторов, 2) концепции, утверждающей, что благодаря большому количеству инвесторов можно достичь рыночной эффективности.

И последнее. Существует модель Ингла (Engle, 1982) авторегрессионной условной гетероскедастичности (ARCH). В этой модели волатильность зависит от своего же предшествующего уровня. Таким образом, высокие уровни волатильности являются следствием высокой же волатильности, в то время как низкая волатильность - следствие низкой волатильности. Это совпадает с наблюдением Мандельброта (1964) о том, что величины изменений цен (без учета знака) коррелированы. Статистическая наглядность, продемонстрированная Инглом и Ле Бароном (Le Baron, 1990) среди прочих фактов, говорит в пользу семейства моделей ARCH. В последние годы это привело к осознанию того, что стандартное отклонение не является стандартной мерой, во всяком случае, за пределами коротких промежутков времени. ARCH также дает утолщение хвостов вероятностных распределений. Поэтому ARCH приобрела наибольшее влияние на выбор оценок и технические торговые правила. Но методы управления портфелем не претерпели на себе заметного влияния по стороны ARCH.

ВЫБОР МЕЖДУ РИСКОМ И ПРИБЫЛЬЮ

Мы рассмотрели фактические данные о распределении рыночной прибыли, и пришли к выводу, что факты не свидетельствуют в пользу предположений о случайном блуждании или гауссовском нормальном распределении. В этом разделе мы рассмотрим поведение инвесторов и подвергнем сомнению конструкцию рационального инвестора, созданную для обоснования ЕМН.

Здесь уже много раз упоминались различные исследования по поводу САРМ. Наиболее известным является тест Блэка, Дженсена и Шоулса (Black, Jensen, Scholes, 1972), который стал стандартом для тестов теории рынка капиталов. Эти авторы конструировали портфели с различными уровнями бета, чтобы разобраться в том, может ли быть подтвержден эмпирически компромисс между риском и прибылью, описываемый САРМ. В частности, они сравнили форму реализации SML (линии рынка ценных бумаг) с тем, что было предсказано теорией. SML (рис. 2.3) показывает зависимость ожидаемой прибыли от бета ценной бумаги. Поскольку, согласно САРМ, инвесторы не компенсируются в отношении нерыночного риска, все ценные бумаги должны лежать на SML. SML есть линия, которая берет начало на безрисковой ставке процента и проходит через точку, соответствующую рыночному портфелю. Каждая ценная бумага лежит на этой линии в соответствии со своей бета, или чувствительностью к рыночным прибылям (см. рис. 2.3). В своем исследовании Блэк, Дженсен и Шоулс использовали реальные прибыли, а не ожидаемые - чтобы удостовериться, действительно ли реализованная SML совпадает с теорией.

Они обнаружили, что реальная SML для 35-летнего периода с 1931 г. по 1965 г. имела положительный наклон на протяжении всего периода, как это и было предсказано САРМ. Рискованные акции с высокими бета имели более высокие прибыли по сравнению с акциями более низких бета. Зависимость была приблизительно линейной. Однако наклон был более пологим, чем предсказывала теория. Пересечение с осью г оказалось выше безрисковой ставки процента. Это означает, что по сравнению с теоретическим предсказанием акции высоких бета дают меньшую прибыль, и, напротив, акции низких бета - большую прибыль.

Кроме того, были протестированы четыре подпериода по 105 месяцев. Бета оставались примерно постоянны на протяжении всего времени, но компромисс между риском и прибылью был решительным образом неустойчив. Пересечение с осью г было отрицательным для первого подпериода и положительным для последующих трех. Наклон SML отличался крутизной для первого подпериода, оставался положительным, но более пологим - для второго, стал горизонталью в третьем подпериоде и приобрел отрицательное значение в четвертом. Направленность в последние два подпериода противоречила теории. В третьем подпериоде (июль 1948-март 1957 гг.) прибыль была фактически одинакова вне зависимости от риска. В четвертом периоде (апрель 1957-декабрь 1965 гг.) более высокий риск сопровождался меньшей прибылью в интервале почти девяти лет.

Блэк, Дженсен и Шоулс потом повторили кратко раннюю статью Блэка (1972), в которой традиционная модель САРМ была приспособлена для случая, когда безрисковое заимствование недоступно. Эта модификация латала теорию путем использования в качестве интерсепта значения прибыли для бумаги с нулевой бета вместо традиционной безрисковой ставки процента, ввиду того, что такая ставка была недоступна заемщикам. Теория становилась более реалистичной, поскольку мы должны всегда занимать на ставке более высокий, чем это делает правительство. Однако неустойчивость наклона SML так и не была объяснена.

Реальная критика модели САРМ была предпринята только Роллом (Roll, 1977) и стала предметом широкого обсуждения. Ролл показал, что эмпирические проверки САРМ зависят от того, что мы принимаем за рыночный портфель. По формальному утверждению САРМ рыночный портфель был портфелем всех рисковых активов, а не только акций. Несмотря на это тесты САРМ проводились на акциях, и в качестве рыночного портфеля был использован индекс фондовой биржи. Ролл доказывал, что прибыль на активы всегда есть линейная функция бета, если выбранный портфель является эффективным портфелем. Любое «доказательство» САРМ будет всегда поддерживать САРМ, если выбранный портфель эффективен. Ролл пришел к утверждению, что мы никогда не сможем объективно протестировать САРМ, - до тех пор, пока не используем истинный рыночный портфель. Все что мы подвергаем тестированию - действительно ли заменитель рыночного портфеля эффективен.

Работа Ролла не опровергает САРМ, или предположения, лежащие в основе ЕМН. Она только утверждает, что САРМ не может проверена объективно. Я упомянул эту работу затем, чтобы показать, что эта единственная сущностная критика не затрагивает основного в проблеме рыночной эффективности. Ролл критиковал методы, используемые для тестирования теории, но не саму теорию. Даже в этой дискуссионной работе вопрос о рыночной эффективности не поднимается.

ЭФФЕКТИВНЫ ЛИ РЫНКИ?

Этот краткий обзор показывает, что по поводу ЕМН возникли серьезные вопросы. В главе 2 мы видели, что ЕМН была необходима для того, чтобы оправдать предположение о случайном блуждании цен. Следовательно, модель случайного блуждания не находит себе места без ЕМН, хотя это отношение отнюдь не обратимо. Случайное блуждание было необходимо для применения статистического анализа к временным рядам ценовых изменений. Статистический анализ был необходим хотя бы только для того, чтобы теория портфеля была применима в реальности. Без нормального распределения огромное число теоретических и эмпирических работ ставится под вопрос. Мы также видели, что традиционный компромисс между риском и прибылью не всегда имеет место.

Помимо того, имеют место многие рыночные аномалии, когда могут быть получены большие нерыночные прибыли - в противоположность «справедливой игре» полусильной ЕМН. На фондовом рынке это эффект малых фирм, низкий Р/Е - эффект (price/earnings - отношение цены к прибыли) и эффект января. Рудд и Клэссинг (Rudd, Classing, 1982) подтверждают сверхприбыли, полученные от нерыночных факторов, на своей шестифакторной модели риска BARRA E1. По этой модели, основанной на САРМ, было найдено, что четыре источника нерыночного риска (рыночная вариабельность, низкая оценка стоимости и неуспех, незрелость и малость, финансовый риск) заключают в себе возможность значительных нерыночных прибылей. Эти факторы прибыли, говорят Рудд и Классинг, «далеки от случайности» и доказывают, что полусильная ЕМН не отражает действительности. Такие аномалии давно наводят на мысль, что нынешняя линейная парадигма требует изменения, которое приняло бы их в расчет.

Возможно, суть вопроса относится к тому, как люди принимают решения. ЕМН сильно зависит от рациональности инвесторов. Рациональность определяется как способность устанавливать стоимость ценных бумаг на основе всей доступной информации и в соответствии с этим назначать цены. Она подразумевает также, что инвесторы не расположены к риску. Но разве рациональны люди во всей своей совокупности, в целом, если отталкиваться от этого определения рациональности? Как они реагируют, когда стоят перед лицом возможных приобретений и потерь?

Общепринятая теория гласит, что инвесторы не любят рисковать. Если они идут на большой риск, то должны быть компенсированы возможностью большой прибыли. Недавнее исследование Тверски (Tversky, 1990) говорит о том, что когда потери приемлемы, люди идут на риск: они больше похожи на азартных игроков, если эта игра не грозит обернуться большими потерями. Тверски приводит следующий пример. Предположим, инвестор имеет выбор между 1) гарантированным приобретением $ 85.000, или 2) 85% шансов приобрести $ 100.000 и 15% не приобрести ничего. Большинство предпочтут гарантированный выбор, хотя ожидаемая прибыль, как определил Осборн (см. гл. 2), одинакова в обоих случаях. Люди, как это и утверждает теория, не склонны к риску.

Тверски, далее, переворачивает ситуацию. Предположим теперь, что инвестор имеет выбор между 1) гарантированной потерей $ 85.000, или 2) 85% шансов потерять $ 100.000 и 15%-не потерять ничего. И снова ожидаемая прибыль одинакова в обоих случаях, но в данной ситуации люди будут рисковать. Очевидно, что шанс уменьшить потери предпочтительнее, чем гарантированная потеря, даже если вероятности будущей потери достаточно велика. Правила игры поменяв лись, и теперь люди стремятся рисковать.

Теория рынков капитала предполагает также, что все инвесторы имеют одинаковый горизонт инвестиционных вкладов. Это необходимо для того, чтобы ожидаемые прибыли были сравнимы. Но хорошо известно, что это не так. Когда предлагаются возможности получения $ 5.000 сегодня или $ 5.150 через месяц, большинство предпочтут $ 5.000 сегодня. Однако, если предложены $ 5.000 через год или $ 5.150 тринадцать месяцев спустя, большинство выберут более длинный период. Это снова не совпадает с моделью рационального инвестора.

Тверски также обращает внимание на то, как люди ведут себя в условиях неопределенности. Гипотеза рациональных ожиданий утверждает, что доверие и субъективные вероятности оценки точны и непреднамеренны. Однако люди, в общем, склонны к самоуверенным предсказаниям. Мозг, по всей вероятности, построен таким образом, что принимает решения с наибольшей определенностью по получении даже малой информации. Для других ситуаций уверенность перед лицом неопределенности - желательная характеристика. Однако сверхуверенность может стать причиной игнорирования информации, которая может быть использована другими. Следовательно, исходя из своих субъективных оценок, такого рода прогнозист склонен присваивать отдельным экономическим сценариям большую вероятность, чем это оправдано фактами. В частности, он может стараться не проявить собственную нерешительность. В примере из гл. 2 инвестор был на 60% уверен в экономическом росте, на 30% - в отсутствии роста, и на 10% - уверен в спаде. В реальности инвестор, который уверен в сценарии роста, предпочтет увеличить эту вероятность до 90%, а оставить 10% на вялый рост, чтобы он не выглядел слишком самоуверенным. Про спад будет сказано, что «он не представляется возможным в это время». Это выражение больше похоже на заявление экономического советника Белого дома по поводу того, возможен ли экономический спад.

Работа Тверски и Кахенманна вызвала к жизни субкатегорию поведенческих финансов. Эта сфера исследований, в сущности, обозначилась с публикацией статьи ДеБонда и Тейлера (DeBondt, Thaler, 1986), озаглавленной «Сверхреактивен ли фондовый рынок?». Более детально эта работа обсуждается в гл. 14.

Предложенное Тверски понимание того, как люди принимают решения, совпадает с моим собственным взглядом, который нуждается в эмпирическом подтверждении. Я полагаю, что люди не признают трендов и не реагируют на них до тех пор, пока эти тренды хорошо не установятся. Например, они не начинают экстраполировать явление, подобное росту инфляции, в течение некоторого времени его развития. Затем они принимают решение, которое обусловлено накопленной, но до некоторого момента игнорируемой информацией. Такое поведение коренным образом отличается от предполагаемых действий рационального инвестора, который немедленно использует новую информацию. Однако утверждение о том, что люди не признают обоснованной информации, если она не совпадает с их прогнозом, в большой мере соответствует человеческой природе, и это согласуется с взглядом Тверски, полагающим, что люди в своих собственных предсказаниях склонны быть слишком самоуверенными. Они не любят отказываться от своих прогнозов, если не получат достаточно информации об изменении обстановки. А если инвесторы реагируют именно таким образом, рынок не может быть эффективным, потому что вся информация еще не отразилась в ценах. Многое остается не учтенным, и реакция наступает позже.

Когда отдельные инвесторы не склонны быть столь рациональными, нет оснований для того, чтобы дело обстояло иным образом во всем их сообществе. Тот кто читал Маккея (Mackay, 1841) «Удивительные общераспространенные заблуждения и безумия толпы», имеет в подтверждение тому достаточно исторических прецедентов. Совсем недавние примеры: золотой бум 1980 г. и американский фондовый рынок 1987 г.

В ЧЕМ ПРИЧИНА ТОЛСТЫХ ХВОСТОВ?

Истинная природа лептоэксцесса (толстые хвосты и высокий пик) распределения прибылей широко дебатировалась. Теперь уже общепризнано, что это распределение -лептоэксцессное, и споры сосредоточены на том, представляет ли это серьезную опасность для теории случайных блужданий. Наиболее общее объяснение толстых хвостов состоит в том, что информация обычно поступает редкими порциями, а не непрерывно. Рыночная реакция на сгустки информации имеет следствием толстые хвосты. Поскольку распределение информации является лептоэксцессным, то и распределение ценовых изменений также носит признаки лептоэксцесса.

Как было отмечено выше, Мандельброт (1964) говорил том, что прибыли на рынках капитала следуют семейству распределений, которое он назвал устойчивым паретианом. распределение имеет высокий пик на среднем значении и толстые хвосты, во многом сходные с теми, что наблюдаются на частотных распределениях прибылей фондового рынка (см. таблицу 3.1 и рис. 3.1). Устойчивое распределение Парето (устойчивый паретиан) характеризует тенденция к трендам и циклам, внезапным и прерывистым изменениям; оно также может быть несимметричным. Однако дисперсия этих распределений бесконечна, или неопределенна. Кутнер (1964Ь) и Шиллер (Shiller, 1989) признали концепцию бесконечной дисперсии неприемлемой, выдвинув требование переформулировать существующую теорию в терминах нормального распределения, чтобы не стать перед лицом возможности серьезного подрыва результатов сорокалетних исследований экономических рынков и рынков капитала. Кутнер (1964а), критикуя статью Мандельброта, утверждал, что мы не можем быть уверены в том, насколько измерения хвостов являются доказательствами того, что распределение не представляет собой простого лептоэксцессного гауссовского распределения. Кутнер напомнил, что если Мандельброт был прав, то «почти все наши статистические инструменты атрофированы». Он чувствовал, что требуется больше оснований для того, чтобы отправить сотни работ в макулатуру. Устойчивые распределения Парето теперь могут быть названы фрактальными распределениями; мы будем подробно рассматривать их в гл. 9. Используя фрактальный анализ, мы сможем теперь отличать толстохвостые гауссовские распределения от распределений фрактальных.

Наконец, мы должны еще раз посмотреть, как люди реагируют на информацию. Мы обсудили в качестве общего объяснения толстых хвостов неравномерное поступление информации. Полученная информация, по-прежнему, осваивается и немедленно отражается в ценах. Но что если сама реакция - выдается сгустками? Если инвесторы игнорируют информацию до тех пор, пока тренды не установятся и затем откликаются, принимая в расчет всю до того накопившуюся информацию, - вот тогда и могут возникать толстые хвосты. Это означает, что люди реагируют на информацию нелинейно. Стоит только ей перешагнуть некоторый критический уровень, и начинает сказываться все ее совокупное влияние, которое до того не влекло за собой никаких последствий. За этим скрывается не что иное как влияние прошлого на настоящее и, следовательно, полный крах ЕМН. Ибо в ЕМН информация и отклик на нее находятся в жесткой причинно-следственной связи, как бы в ньютоновой физике - информация получена и сразу отражена в ценах.

ОПАСНОСТЬ УПРОЩАЮЩИХ ПРЕДПОЛОЖЕНИЙ

Из нашего обсуждения можно видеть, что упрощающее предположение о рациональном инвесторе привело к целой аналитической конструкции, которая может оказаться замком, построенным на песке. Концепция рационального инвестора и гипотеза эффективного рынка были созданы для оправдания применимости вероятностных расчетов в экономической теории, основанных на главном допущении о независимости наблюдений или прибылей. Теория рынков капитала пыталась сделать условия, сопутствующие инвестиционной деятельности, более ясными и упорядоченными, чем это есть на самом деле. Среди факторов, которые искажают эти условия и не учитываются в стандартной ЕМН, имеют место следующие:

1. Люди не всегда питают отвращение к риску. Они часто могут стремиться рисковать, особенно если сознают, что обречены на потери, если не будут этого делать.

2. Люди полны предубеждений в своих субъективных оценках. Они уверены в своих собственных предсказаниях гораздо более того, чем это оправдано имеющейся информацией.

3. Люди могут не реагировать на информацию сразу по ее получении. Вместо этого они могут откликаться на нее некоторое время спустя, если она подтверждает изменение в недавнем тренде. Это нелинейная реакция - в противоположность линейности реакций рационального инвестора.

4. Не существует очевидного подтверждения того, что люди более рациональны в совокупности, чем по одиночке. Доказательством тому социальные перевороты, преходящие увлечения и моды.

Повторим, что попытки упростить природу, приспособить ее к своим целям, - все это ведет к ошибочным заключения»

Эконометрический анализ был желателен потому, что он мог служить для получения оптимальных решений. Однако, если рынки нелинейны, существует много возможных решений. Попытки найти единственное оптимальное решение могут оказаться бесплодными поисками.

Мы должны составить себе мнение о том, насколько серьезно повлияет на современные парадигмы отказ от этих упрощающих предположений. Отцы-основатели теории рынков капитала хорошо отдавали себе отчет в существовании этих упрощений, однако не считали их влияние существенно уменьшающим ценность модели.

До Галилея всеобщим убеждением было то, что тяжелые тела падают быстрее легких - предположение, совершенно изменяющее природу взаимодействия тел.

Предположение о том, что инвесторы реагируют на информацию линейно, немедленно по ее получении, может глубоко изменить природу рынков, если в действительности эта реакция нелинейна и сдвинута по времени. Я утверждаю, что предположение о рациональности инвесторов (и, следовательно, о взаимной независимости ценовых изменений) не может далее поддерживаться в отсутствие очевидных эмпирических доказательств. Конструкция рационального инвестора неубедительна.

Глава 4. Рынки и хаос: случайность и необходимость

В главах 2 и 3 было показано, что ЕМН часто не в силах объяснить поведение рынка. Модели, основанные на ЕМН, такие, как САРМ, имеют в своей основе серьезные недостатки. Тем не менее, рынки во многом следуют ЕМН. Например, изучение показало, что активные менеджеры терпят постоянные неудачи в борьбе с «рынком». Сторонники ЕМН указывают на этот факт как на доказательство эффективности рынка. Критики ЕМН, со своей стороны, говорят, что рынок является просто результатом некомпетентности инвестиционных менеджеров, в частности, их неумения обращаться с количественными оценками. Несмотря на все эмпирические исследования, лишь небольшая часть которых обсуждается в этой книге, дебаты относительно рыночной эффективности продолжаются.

Эти споры питаются из источника двойственности: хотя есть мало убедительных доказательств того, что рынки эффективны, их также мало и в отношении противоположного утверждения. Практики указывают на двойственные результаты, исходя при этом из опыта своей инвестиционной деятельности. Фундаментальный анализ часто срабатывает, но и часто оказывается бессилен. То же самое можно сказать о техническом анализе. Экономисты говорят об экономических циклах, но ни один не может быть найден аналитически. Трейдеры говорят о рыночных циклах, но и те не могут быть доказаны. Для того чтобы покончить с этой разноголосицей у критиков ЕМН нет альтернативы, которая принимала бы в расчет все эти несоответствия. Немного найдется областей, где теория и практика находились бы в таком несогласии.

Два этих лагеря разделяет враждебность. Количественники говорят, что существуют доводы в доказательство несуществования рыночных циклов. Практики говорят, что количественники живут в мире грез и не имеют никаких доказательств. Такой раскол между теорией и практикой был обычным состоянием физических наук на всей истории их существования. Количественники часто относятся к техническому анализу как к форме рыночной астрологии, возможно, забывая о том, что астрологи были также первыми астрономами и алхимики - первыми химиками. Количественникам также следует помнить, что текущие научные знания не всегда являются истиной.

В шестнадцатом столетии среди ученых было распространено мнение, что снаряд, например пушечное ядро, выпущенное в сторону врага, падает прямо вниз после того как достигнет наивысшей точки, потому что сила гравитации притягивает его по прямой, как описано Аристотелем. Практики (в данном случае военные) говорили, что эта теория бессмысленна: ядра летят по кривой. Они это знали, потому что занимались пробиванием укреплений. И это продолжалось до тех пор, пока работы Декарта в XVII веке не заставили ученых признать свою ошибку.

Количественники должны заботиться о том, чтобы их предположения не искажали их заключений, если сами эти предположения не доказаны. Что касается траектории пушечных ядер, то ведь предполагалось, что Аристотель всегда прав. Он был прав в отношении многих вещей, но в отношении снарядов он ошибался. Практики должны заботиться о том, чтобы не «мистифицировать» то, что они делают, если нет достаточного понимания. Примером мистификации может служить следующее предположение технических аналитиков: «Рынок говорит на своем собственном языке». Что это означает? Что внешняя информация бесполезна? Если так, то почему? На эти вопросы ответа не дается.

Следует открыто взглянуть на две эти платформы. Только единение теории и практики может продуцировать выигрышную технологию.

Во временных рядах рыночных прибылей мы имеем явный разрыв между тем, что говорит разум, и тем, что подсказывает интуиция. Разум говорит, что на рынке не существует порядка, поскольку результаты, использующие аналитические методы, остаются неубедительными. Интуиция говорит нам - здесь что-то есть, но не ясно, что именно. Может быть, проблема в том, чтобы вернуться к нашему определению порядка? Что мы понимаем под порядком?

МОГУТ ЛИ СОСУЩЕСТВОВАТЬ СЛУЧАЙНОСТЬ И НЕОБХОДИМОСТЬ?

Обычно мы предполагаем, что случайность и порядок взаимно исключают друг друга. Шум может быть помехой в системе, но если существует порядок, то он будет преобладать. Если телепередача искажается постоянными Помехами, или «снегом», то сама она становится невидимой. Шум независим от передачи изображения. С позиции этой умственной модели изучение рынка направлено, как правило, на поиски вариаций некоторого периодического порядка, лежащего в основе рыночного механизма, но подверженного существенному влиянию шума. Такой подход больше известен как концепция Шиллера «шумовых трейдеров и штрафов». Технические аналитики часто делают такое же предположение, когда говорят, что двухсотдневное скользящее среднее имеет некое предсказательное значение, что скользящее среднее сглаживает шум, наложенный на имеющийся тренд. Обычно используемый в исследованиях спектральный анализ обнаруживал под наложенным шумом некоторый периодический порядок. Однако не существует исследований, которые бы уверенно поддерживали или опровергали ЕМН.

В настоящее время открыто много различных систем, в которых случайность и необходимость сосуществуют в интеграции. В частности такие системы найдены в термодинамике, где преобладают условия «далекие от равновесия». Наш ответ может состоять в следующем.

В экономической теории и теории рынков капитала мы долгое время использовали ньютоновское предположение, что» система, предоставленная самой себе, стремится к равновесию. В физической теории движения равновесие связывают, с телом, находящимся в покое. В приложении ньютоновской динамики к экономической теории рынков капитала мы также рассматриваем систему как находящуюся в естественном равновесии до тех пор, пока ее не возмущают экзогенные воздействия. Так, существует естественный баланс между предложением и спросом до тех пор, пока некое воздействие не изменит того или другого, заставив систему искать нового положения равновесия. Такой подход представляет собой не что иное, как расширение теории равновесия, относящейся к природным явлениям.

Природа устанавливает естественный баланс, в котором организмы конкурируют и сосуществуют в экологической системе, которая работает и остается устойчивой на протяжении всего времени - по крайней мере, насколько мы видим. Однако даже в экологии теорию «естественного баланса» сменило понимание того, что природа на самом деле находится в состоянии непрерывных флуктуации.

Как было сказано в гл. 1, статическое равновесие не является естественным состоянием, и пришло время, когда экономическая теория и инвестиционные финансы стали перед лицом той же проблемы. В нелинейных динамических системах случайность и необходимость сосуществуют. Случай в сочетании с детерминированностью создает статистический порядок. Следовательно, порядок может быть динамическим процессом, в котором случайность и порядок объединены, а не есть периодическое явление с наложенным шумом.

Теория сложности обнаруживает, что эта комбинация локальной случайности и глобального порядка порождает процессы, которые более устойчивы по отношению к окружающим условиям. Это означает, что они могут адаптироваться к окружающим условиям, реагируя, на первый взгляд, непредсказуемым образом. Их поведение непредугадываемо, и поэтому они выигрывают в соревновании с другими видами или системами. Статические системы, реагирующие линейно, обречены на вымирание. Их приспособительные возможности исчерпываются в борьбе с более адаптированными конкурентами.

Существующая парадигма, основанная на эффективных рынках и линейных отношениях между причиной и следствием, постулирует рынок, выступающий в роли окончательного арбитра. Со своей стороны, новая парадигма трактует рынки как сложные, интерактивные и адаптивные системы. Сама их сложность предлагает богатство возможностей и интерпретаций, но только не легкие ответы.

В части 2 мы рассмотрим основы нелинейных динамических систем сначала средствами статистического анализа, используя фракталы, и затем аналитически, используя теорию хаоса. Эти два подхода, как мы увидим, тесно связаны между собой. Можно надеяться, что эти методы и представленные очевидные доказательства побудят сообщество инвесторов заглянуть за пределы теории случайных блужданий и всего с ней связанного - и обратиться к моделям, основанным на теории сложности.