Математика хаоса: Как физики покорили Уолл-стрит 0:00
Физики и математики играют ключевую роль в формировании современного финансового ландшафта, внедрив сложные модели анализа рынков. Джеймс Уэзеролл, профессор логики и философии науки в Калифорнийском университете в Ирвайне, в своей лекции в Perimeter Institute рассматривает эволюцию этих идей, их реальный вклад в экономику и философские вопросы использования математического моделирования в условиях неопределенности.
🎲 Парадокс «монтяхолла» и уроки вероятности 3:12
Дискуссию Уэзеролл начал с классической вероятностной задачи, основанной на телешоу «Давай договоримся» (Let's Make a Deal). Участнику предлагают три двери: за одной — машина, за двумя другими — козы. После выбора участника ведущий Монти Холл, знающий, где находится машина, открывает одну из оставшихся дверей с козой и предлагает участнику сменить выбор.
- Математический факт: смена выбора увеличивает вероятность выигрыша с 1/3 до 2/3.
- Реакция общества: когда Мэрилин вос Савант (обладательница одного из самых высоких IQ в мире) в своей колонке дала верный совет всегда менять дверь, тысячи читателей, включая профессиональных математиков и физиков, обрушились на нее с критикой, утверждая, что шансы равны 50/50.
По мнению лектора, этот пример наглядно иллюстрирует, что человеческая интуиция — плохой советчик в вопросах вероятности, и поэтому нам необходимы математические инструменты для анализа сложных ситуаций,.
☢️ От Манхэттенского проекта к финансовым моделям 13:57
Исторический поворот в применении физики к финансам начался во время Второй мировой войны. Опыт создания атомной бомбы в рамках Манхэттенского проекта кардинально изменил культуру американской науки.
- Метод DuPont: для коммерциализации нейлона компания применила стратегию взаимодействия всех уровней специалистов одновременно, что позволило в рекордно короткие сроки превратить лабораторные наработки в массовый продукт.
- Миграция талантов: после войны правительство США активно финансировало фундаментальную науку, но после сокращения бюджета на космическую программу в конце 1960-х годов возникла целая плеяда высококвалифицированных физиков, оставшихся без работы. Многие из них направили свои знания в сферу финансов, став первыми «квантами» (количественными аналитиками).
Осборн, один из таких ученых, в 1959 году опубликовал работу «Броуновское движение на фондовом рынке». Он применил методы статистической физики, которыми Эйнштейн описывал движение пыльцы в воде, к анализу колебаний цен акций, предположив, что они также подвержены случайным внешним воздействиям.
🃏 Эд Торп и стратегия «Блэкджека» 31:13
Эд Торп, физик, ставший легендарным инвестором, начал свой путь с попыток обыграть казино. Он разработал математическую стратегию подсчета карт в блэкджеке, которая доказала: при наличии определенных условий в игре можно получить статистическое преимущество.
- Ключевое открытие: Торп понял, что вероятность выигрыша меняется в зависимости от состава колоды, если карты не возвращаются в нее после каждой сдачи.
- Применение в финансах: в 1969 году Торп вместе с Джеком Риганом основал Princeton Newport Partners — один из первых в современном понимании количественных хедж-фондов, который в течение 20 лет приносил в среднем 20% годовой прибыли.
📉 Рыночные крахи как физические феномены 50:39
Уэзеролл подчеркивает, что современные исследования (например, работы Дидье Сорнетта) предлагают рассматривать финансовые обвалы не как результат «вины» конкретных трейдеров или алгоритмов, а как примеры критических явлений.
- Аналогия с лавиной: как снег на склоне постепенно накапливается до состояния, когда малейшее воздействие вызывает сход лавины, так и рынки проходят стадии «приготовления» к краху.
- Критика регуляторов: по мнению Уэзеролла, попытки SEC и CFTC найти «виновного» в событиях вроде «Flash Crash» мая 2010 года часто упускают системный характер проблемы.
💡 Заключение: роль моделей и их риски 59:12
Основная философская мысль лекции заключается в том, что модели — это лишь инструменты. Проблема модели Long-Term Capital Management (LTCM) в 1998 году заключалась не в «ошибке математики», а в чрезмерном кредитном плече (leverage) и игнорировании границ применимости используемых допущений в моменты экстремальной рыночной волатильности.
По словам Уэзеролла, математические методы необходимы для понимания широкомасштабных статистических процессов, но пользователи должны отчетливо осознавать, какие именно допущения заложены в модель и в каких ситуациях эти предпосылки перестают работать.
