Больше, чем вы знаете. Необычный взгляд на мир финансов

Долгосрочный успех в любой вышеуказанной вероятностной среде основан на ряде общих моментов. Я выделяю среди них четыре:

1. Концентрация. Профессиональные игроки никогда не распыляются на множество разных игр – они не приходят в казино, чтобы немного поиграть в блэкджек, немного покидать кости в крэпсе, недолго посидеть у игровых автоматов. Они сосредоточиваются на конкретной игре и изучают ее досконально. Аналогичным образом большинство инвесторов должны определить свою сферу компетенции – области, где они обладают относительным знанием и опытом. Пытаться получить конкурентное преимущество в широком спектре отраслей и компаний – мягко говоря, сложная задача. Большинство успешных инвесторов придерживаются своего круга компетенций.

2. Множество ситуаций. Игроки в вероятностные игры должны изучать множество ситуаций. Инвесторы также должны оценивать множество ситуаций и собирать большое количество информации, потому что рыночная цена обычно бывает достаточно точной. Например, чрезвычайно успешный президент и генеральный директор инвестиционного подразделения в Geico Лу Симпсон старается заниматься анализом пять-восемь часов в день и совершает сделки очень редко.

3. Ограниченные возможности. Как отмечает Торп в своей книге «Победи дилера», даже когда вы знаете, что делаете и играете в идеальных условиях, шансы все равно благоприятствуют вам менее чем в 10 % случаев. А редко кто играет в идеальных условиях. Смысл для инвесторов заключается в том, что, даже когда вы компетентны, благоприятные ситуации – где у вас будет обоснованное альтернативное мнение, не совпадающее с рынком, – возникают нечасто.

4. Ставки. В казино вы должны каждый раз делать ставку, чтобы сыграть. В идеале, можете ставить небольшие суммы, когда шансы не в вашу пользу, и крупные суммы, когда шансы смещаются в вашу сторону, но, чтобы сыграть, вы должны сделать ставку. С другой стороны, в инвестировании вы не обязаны участвовать, когда считаете, что ситуация не в вашу пользу, и можете активно играть, когда ситуация кажется привлекательной (разумеется, в рамках ограничений своей инвестиционной политики). Таким образом, инвестирование гораздо перспективнее, чем другие вероятностные игры.

Мышление строго с позиций ожидаемой ценности требует дисциплины и отчасти противоестественно. Однако ведущие теоретики и практики из разных областей сходятся на одной формуле: важна не частота, а величина выигрыша.

Глава 4

Разумная теория качественных признаков устарела

Важность категоризации на основе обстоятельств

Периоды застоя и лихорадочных нововведений в руководстве компаний предсказуемо сменяют друг друга во многом потому, что менеджеры, как правило, не опираются на правильную схему категоризации. Эти периоды, как по шаблону, порождаются причинно-следственной связью. Менеджеры пробуют очередное нововведение, потому что оно кажется им разумным, но, как только сталкиваются с обстоятельствами, при которых новшество не приносит желаемых результатов, тут же от него отказываются. Чаще всего они делают однозначный вывод: «Это не работает», – тогда как на самом деле это отлично работает при одних (пока не установленных) обстоятельствах, но не работает при других.

Клейтон Кристенсен, Пол Карлайл и Дэвид Сандал. Процесс создания теории

Вы считаете, что классифицировать слизевиков (миксомицетов), отталкивающую на вид плесень, которую можно увидеть в темном сыром лесу, несложно? Вы ошибаетесь. Оказывается, слизевики демонстрируют довольно странное поведение – настолько странное, что ставят в тупик ученых на протяжении вот уже многих столетий.

Когда пищи достаточно, слизевики функционируют как независимые одноклеточные организмы. Они перемещаются, поедают бактерии и размножаются делением. Но когда пищи не хватает, клетки слизевиков объединяются и образуют кластеры из десятков тысяч клеток. Эти клетки фактически перестают функционировать как автономные организмы и начинают функционировать как коллектив. Вот почему слизевиков сложно отнести к какой-либо категории: в зависимости от обстоятельств это простейший одноклеточный или же многоклеточный организм¹.

Подходы к инвестированию, которые основаны только на качественных признаках без учета обстоятельств, вряд ли можно назвать разумными. Иногда акция, кажущаяся дорогой, на деле оказывается дешевой, а акция, кажущаяся дешевой, наоборот, дорогой. Все зависит от ситуации.

Однако инвестиционные консультанты поощряют, мало того, требуют от большинства инвестиционных профессионалов сформулировать стратегию инвестирования на основе качественных признаков и придерживаться ее. Игра довольно прямолинейна. Ориентированные на рост инвесторы пытаются переиграть рынок, заполняя свои портфели акциями компаний, которые быстро наращивают свои продажи и прибыли на акцию, не заботясь о стоимости. Стоимостные инвесторы загружаются дешевыми акциями со скромной доходностью и считают корпоративный рост легкой наживой.

Даже если оставить в стороне внутриорганизационные и внешние ограничения, большинство управляющих активами искренне считают, что их инвестиционный стиль на основе качественных признаков – в сочетании с их профессиональными навыками – позволит им переиграть рынок². Все эти различные подходы к инвестированию основываются на теории – предположении о том, что действия инвесторов могут привести к удовлетворительному исходу.

Слово «теория» вызывает подозрения у большинства инвесторов и руководителей компаний, потому что в их сознании теория ассоциируется с теоретическим, что подразумевает далекое от практики. Но если определить теорию как возможное объяснение причинно-следственной связи, она приобретает в высшей степени практическое значение. Правильная теория помогает предсказать, какие действия или события ведут к конкретному исходу при разумных обстоятельствах³.

Суть же в том, что многие теории инвестирования несостоятельны, потому что основаны на плохой категоризации. То же самое можно сказать и о многих теориях менеджмента⁴. Если конкретнее, инвесторы склоняются к категоризации преимущественно на основе качественных признаков (таких как низкие коэффициенты), чем на основе обстоятельств. Переход от мышления на основе качественных признаков к мышлению на основе обстоятельств может принести существенную пользу инвесторам и руководителям компаний. Берите пример со слизевиков.

В своей наводящей на размышления статье Клейтон Кристенсен, Пол Карлайл и Дэвид Сандал разбивают процесс создания теории на три этапа (см. приложение 4.1). Ниже я привожу описание каждого этапа с указанием на то, как этот общий процесс создания теории применим конкретно в сфере инвестирования:

1. Описать, что вы хотите понять, словами и выразить в цифрах. На этом этапе задача – внимательно наблюдать, описать и измерить феномен так, чтобы и другие исследователи могли прийти к согласию по поводу предмета исследования.

Доходность фондового рынка является примером феномена, требующего хорошей теории. Сегодня мы принимаем эту описательную фазу в исследовании рынка за данность, но первое всеобъемлющее исследование доходности рынка акций было опубликовано только в 1964 г. В этой статье профессора Чикагского университета Лоренс Фишер и Джеймс Лори привели данные о том, что за период с 1926 по 1960 г. акции показали доходность на уровне 9 %. По словам Питера Бернстайна, эта статья произвела «эффект разорвавшейся бомбы», шокировав теоретиков и практиков фондового рынка. Само по себе описание феномена взволновало финансовый и инвестиционный мир⁵.

2. Классифицировать феномены по категориям на основе сходства. Категоризация упрощает и организует мир, а также позволяет выявить различия между феноменами. Пример категоризации в физике – твердые вещества, жидкости, газы. В своем исследовании, посвященном инновациям – области специализации Кристенсена, он выделяет две категории: устойчивые и разрушительные инновации.

В инвестировании существуют разные категории для классификации: акции стоимости и акции роста, высокий риск и низкий риск, акции компаний высокой и низкой капитализации. Эти категории глубоко укоренились в сознании инвестиционного сообщества, и именно на них опираются многие инвестиционные компании и продукты.

3. Сформулировать теорию, которая объясняет поведение феноменов. Состоятельная теория, основанная на грамотной категоризации, объясняет причинно-следственную связь, почему эта связь работает и, главное, при каких обстоятельствах. Важно, чтобы теория могла быть фальсифицируемой (опровергаемой).

Инвестиционный мир изобилует теориями о рентабельности инвестиций. Сторонники теории эффективного рынка утверждают, что не существует стратегии, которая позволила бы обеспечить устойчиво высокую рентабельность инвестиций с поправкой на риск. Управляющие активами реализуют мириады различных стратегий, – многие в рамках особого инвестиционного стиля, – каждая из которых основана на соответствующей теории, доказывающей, что их конкретный подход приведет к сверхприбылям.

Как совершенствуется теория? После того как теория сформулирована, исследователи могут использовать ее для предсказания возможных результатов при различных обстоятельствах. В процессе этого они часто выявляют отклонения – или результаты, не соответствующие теории (см. правую часть схемы в приложении 4.1). Такие отклонения вынуждают исследователей пересмотреть этапы описания и категоризации. Цель – сформулировать новую теорию, которая объясняет рассматриваемый феномен точнее и полнее, чем предыдущая. Процесс создания теории требует, чтобы исследователи последовательно проходили через три вышеуказанных этапа для совершенствования своей способности к предсказыванию.

Требование быть фальсифицируемой (опровергаемой) применительно к теории представляет собой проблему для экономистов, потому что большое число экономических конструктов предполагает ответ в своих определениях. Один из примеров – теория максимизации полезности, согласно которой индивиды действуют ради получения максимально возможной полезности. Но поскольку можно определить полезность как угодно, чтобы объяснить фактически любое поведение индивида, то опровергнуть эту теорию невозможно.

Пример из мира финансов – модель ценообразования капитальных активов (CAPM). Экономисты используют CAPM для оценки эффективности рынка, тогда как в основе этой модели лежит предположение об эффективности рынка. По словам выдающегося экономиста Ричарда Ролла, любая оценка с помощью CAPM «в действительности представляет собой обоюдное тестирование эффективности модели и эффективности рынка»⁶. По словам Кристенсена, многие основополагающие концепции в экономике следовало бы назвать скорее конструктами, чем теориями, потому что они принципиально неопровержимы.

Нужно понимать, что не все исследователи привержены совершенствованию своих теорий. Многие удовлетворяются тем, что формулируют теорию и демонстрируют невозможность ее опровергнуть. Такова значительная часть советов, которые щедро раздаются консультантами в сфере менеджмента. Например, консультанты могут утверждать, что «аутсорсинг – это хорошо», и приводить многочисленные примеры «в подтверждение» своей теории. Но поскольку она не уточнялась исследователями путем повторного прохождения через процесс описания/категоризации/уточнения, то может быть некорректной. Такая теория хороша на бумаге, но на практике не работает⁷.

Пожалуй, главное, что утверждают Кристенсен и его коллеги, – это важность правильной категоризации для создания хорошей теории. Точнее, по мере своего совершенствования хорошая теория эволюционирует от категорий на основе качественных признаков к категориям на основе обстоятельств. Теории, которые опираются на категоризацию на основе обстоятельств, подсказывают практикам, что делать в различных ситуациях. Напротив, теории, использующие категоризацию на основе качественных признаков, предписывают действия на основе свойств феноменов.

Эта идея крайне важна для инвесторов, которые зачастую чрезмерно полагаются на качественные признаки. Примером тому – инвестирование на основе низкого коэффициента цены/прибыли на акцию, что является центральным критерием в теории стоимостного инвестирования. Но инвестор получил бы весьма незавидные результаты, если бы использовал коэффициент цены/прибыли как индикатор для определения моментов для входа на рынок (когда коэффициент низкий) и выхода из рынка (коэффициент высокий) на протяжении последних 125 лет⁸. Это не означает, что низкие коэффициенты цены/прибыли плохи; а говорит о том, что рассматривать их стоит как однозначный сигнал к покупке акций – несостоятельная теория для того, чтобы обеспечить превосходную долгосрочную доходность.

В действительности же наблюдатели часто описывают инвестиционную стратегию успешных инвесторов как эклектичную. Возможно, точнее было бы описать их подход как основанный на обстоятельствах, а не на качественных признаках. Хороший пример тому – Билл Миллер из Legg Mason Value Trust, единственный управляющий фондом, который за последние 40 лет на протяжении 15 лет подряд переигрывал индекс S&P 500. Подход Миллера определенно основан на обстоятельствах, и его часто критикуют за отход от стратегии на основе качественных признаков:

В портфеле Legg Mason Value мы не видим той концентрации на акциях с низкими коэффициентами цены/балансовой стоимости и цены/прибыли, которой можно было бы ожидать от фонда акций стоимости. По данным Morningstar, в конце 1999 г. его коэффициент цены/балансовой стоимости был на 178 % выше аналогичного среднего показателя для акций стоимости, а коэффициент цены/прибыли – на 45 % выше среднего показателя⁹.

Все инвесторы, сознательно или нет, пользуются какой-либо теорией. Урок, который преподносит нам процесс создания теории, заключается в том, что правильные теории учитывают обстоятельства. К сожалению, очень многие инвесторы цепляются за подход к рынку только на основе качественных признаков и заламывают руки, когда рынок ведет себя так, как, по их мнению, он не должен себя вести.

Глава 5

Рискованный бизнес

Риск, неопределенность и прогнозирование в инвестировании

Практическое различие… между категориями риска и неопределенности… состоит в том, что при риске распределение исходов в группе случаев известно… тогда как при неопределенности это не так… по той причине, что ситуация, с которой приходится иметь дело, в высшей степени уникальна.

Фрэнк Найт. Риск, неопределенность и прибыль

Наши знания об устройстве общества или природы блуждают в тумане неопределенности. Большинство бед проистекает из веры в определенность.

Кеннет Эрроу. Я вижу птицу по полету

Известный специалист по когнитивной психологии Герд Гигеренцер сделал необычное открытие, когда посетил с экскурсией аэрокосмическое подразделение концерна Daimler-Benz, которое производит ракетоноситель Ariane. На плакате, где отслеживалась успешность всех 94 запусков ракет Ariane 4 и 5, приводились данные и о восьми авариях, включая запуски 63, 70 и 88. Любопытно, что, когда Гигеренцер спросил у гида о риске аварий, тот ответил, что уровень надежности составляет около 99,6 %.

Когда же Гигеренцер поинтересовался, каким образом восемь аварий при 94 запусках могут дать определенность в 99,6 %, гид заметил, что в расчетах не учитывается человеческий фактор. Вместо этого DASA рассчитывала уровень надежности на основе конструктивных характеристик отдельных частей ракеты¹.

Случай с DASA невольно воскрешает в памяти катастрофу шаттла в 2003 г. По оценкам инженеров NASA, ожидаемое количество неудачных пусков для шаттлов составляло 1 из 145 (0,7 %), однако программа потеряла два челнока при первых 113 запусках². Расчеты DASA и NASA заставляют задуматься над тем, как мы соотносим неопределенность и риск с вероятностью.

Так как же мы должны понимать риск и неопределенность? За отправную точку логично взять различие, проводимое Фрэнком Найтом: риск предполагает неизвестный исход, но распределение возможных исходов нам известно, а неопределенность также предполагает неизвестный исход, но в этом случае распределение исходов нам неизвестно. Поэтому азартные игры, такие как рулетка или блэкджек, рискованны, тогда как исход войны неясен. Найт говорит, что в основе риска лежит объективная вероятность, а в основе неопределенности – субъективная вероятность.

Чтобы понять еще одно различие между риском и неопределенностью, давайте обратимся к словарю: риск – «возможность понести ущерб или убыток», неопределенность – «неизвестное или неустановленное». Поэтому риск всегда указывает на возможность негативных последствий, тогда как неопределенность не обязательно предполагает плохой исход.

Почему инвесторам так важно знать, чем различаются риск и неопределенность? Главным образом потому, что инвестирование в значительной степени опирается на вероятностный анализ. Каждый день инвестору приходится оценивать инвестиционные возможности с позиций вероятностей – ведь это его ключевой навык. Вот почему нужно хорошо понимать, как определять вероятности для различных ситуаций и где находятся потенциальные ловушки.

В своей книге «Просчитанный риск» (Calculated Risks) Гигеренцер предлагает три метода оценки вероятностей. Эти методы описаны в последовательности от менее конкретного к более конкретному и могут помочь инвесторам в классификации вероятностных суждений³:

1. Степени убеждения отражают субъективные вероятности и представляют собой наиболее «вольный» способ перевода неопределенности в вероятность. Суть этого способа в том, что инвесторы могут переводить даже единичные события в вероятности при соблюдении закона вероятности – все множество альтернатив сводится к одной. Кроме того, инвесторы могут часто обновлять свою оценку вероятностей на основе степеней убеждения при получении новой, относящейся к делу информации.

2. Предрасположенность. Вероятности на основе предрасположенности отражают свойства объекта или системы. Например, если игральная кость симметрична и сбалансированна, выпадение каждого числа имеет вероятность один к шести. Оценка риска в DASA и NASA, судя по всему, также основана на предрасположенности (свойствах). Данный метод оценки вероятности не всегда учитывает все факторы, которые могут повлиять на исход (такие как человеческие ошибки при запуске ракет).

3. Частота. В данном случае вероятности оцениваются на основе большого количества наблюдений в соответствующей референтной группе. При отсутствии надлежащей референтной группы оценка вероятности на основе частоты невозможна. Использующих этот метод игроков не интересуют ни чьи-либо предположения о том, какое число может выпасть следующим, ни свойства кости. Они сосредоточивают свое внимание только на результатах повторных бросков кости.

Какое отношение это имеет к долгосрочной доходности фондового рынка? А такое, что много чернил потрачено на прогнозирование рынка на основе степеней убеждения, когда вероятностная оценка, однако, значительно искажается недавним опытом. Ведь степени убеждения насыщены эмоциями.

К фондовому рынку также можно подходить с позиций предрасположенности. Как пишет Джереми Сигел в своей книге «Долгосрочные инвестиции в акции» (Stocks for the Long Run), в США годовая доходность акций на протяжении 200 лет составляла чуть меньше 7 % с учетом всех неблагоприятных периодов⁴. Вопрос в том, существуют ли свойства, которые способствуют росту экономики и прибыли и поддерживают столь устойчивую доходность?

Наконец, фондовый рынок можно оценивать на основе частоты. Например, возьмем годовую доходность рынка за период с 1926 по 2006 г. Это распределение доходности имеет среднее арифметическое 12,0 % со стандартным отклонением 20,1 % (если применяется статистика нормального распределения). Предположив, что в будущем распределение годовой доходности останется таким же, как в прошлом (т. е. если считать последние 80 лет правомочной референтной группой), мы можем составить суждения о вероятностях будущей годовой доходности⁵.

Из трех вышеописанных методов оценки вероятностей академическое финансовое сообщество склоняется к последнему. Большинство финансовых моделей предполагает, что изменения цены подчиняются нормальному распределению. Например, в модели ценообразования опционов Блэка – Шоулза одним из ключевых входных параметров является волатильность или стандартное отклонение будущих изменений цены.

Но изменения цены акций не подчиняются нормальному распределению, что влияет на наши представления о риске и неопределенности, маркет-тайминге и управлении активами. А конкретнее: изменения цены акций распределяются с высоким эксцессом – среднее значение выше, а хвосты толще, чем при нормальном распределении. (Мы все же должны признать, что существует распределение, характеризующее рынок; просто это ненормальное распределение.) Выбросы (экстремальные значения) доходности представляют собой особый интерес для понимания характеристик доходности фондового рынка по прошествии времени.

Чтобы проиллюстрировать эту мысль, я взял дневные изменения цены индекса S&P 500 за период с 3 января 1978 г. по 30 марта 2007 г. Годовая доходность индекса (без учета дивидендов) за этот период составила 9,5 %. Затем я исключил 50 худших и 50 лучших дней из выборки, составившей более 7000 дней. Если бы вам каким-то образом удалось избежать 50 худших дней, то ваша годовая доходность выросла бы до 18,2 %, что почти на 9 % выше фактической. Но без 50 лучших дней ваша доходность составила бы всего 0,6 %.

Хотя этот анализ привлекает внимание, ему недостает контрольной точки. Чтобы обеспечить лучший контекст, я рассчитал среднее значение и стандартное отклонение на основе фактических базовых данных и использовал эту статистику для создания случайной выборки с таким же размером и характеристиками. Когда я исключил 50 худших дней из созданной мной выборки, доходность составила всего 15,2 % (по сравнению с 18,2 % для реальных данных). Аналогичным образом, когда я исключил 50 лучших дней, доходность составила 3,5 %, что существенно выше, чем для реальных данных.

Проще говоря, этот анализ показывает, что дни с экстремальными значениями доходности оказывают гораздо большее влияние на общую доходность рынка, чем предполагается нормальным распределением. Кроме того, это весомый аргумент против маркет-тайминга – разве что у инвестора есть какой-либо способ систематически предвидеть дни с экстремальной доходностью.

И последнее замечание по поводу дней с выбросами доходности: они не распределены в случайном порядке по временному ряду, а стремятся в кластеры (см. приложение 5.1). Наш анализ, исключивший дни с максимальной и минимальной доходностью, на самом деле не очень реалистичен, потому что в реальной жизни дни с экстремальной волатильностью идут группами.

О прогнозировании можно сказать очень много, но в настоящей дискуссии о риске и неопределенности я хочу показать, как на рынке действия на основе прогнозов могут изменить прогнозируемый исход.

Чтобы понять, как это происходит, давайте сравним игру в рулетку с тотализатором. При игре в рулетку ваши прогнозы никак не влияют на ее исход. Прогнозируемый исход не зависит от самого прогноза. Сравните это с прогнозированием на скачках. Если вы считаете, что какая-либо лошадь способна показать результаты лучше, чем предполагают ставки, вы ставите на нее. Но ваша ставка влияет на коэффициент выплат. Например, если все игроки прогнозируют победу определенной лошади, то такой прогноз отразится на коэффициенте выплат и рентабельность инвестиции окажется низкой.

Эта аналогия применима и к фондовому рынку. Если вы считаете, что акция недооценена и начинаете ее покупать, то способствуете росту цены, что снижает потенциальную доходность. Эта точка зрения подчеркивает важность ожидаемой ценности – центральной концепции в любом вероятностном анализе. Концепция ожидаемой ценности оформляет идею о том, что рентабельность ваших инвестиций является продуктом вероятностей различных результатов и выигрышей при каждом исходе⁶.

Питер Бернстайн как-то заметил, что «фундаментальный закон инвестирования – неопределенность будущего». Наша задача как инвесторов научиться переводить эту неопределенность в вероятности и выигрыши при поисках привлекательных ценных бумаг. И умение классифицировать вероятностные суждения может оказаться очень полезным на этом поприще.

Глава 6

Вы эксперт?

Эксперты и рынки

Все свидетельствует о том, что от экспертов мало пользы. …Удивительно, но я не нашел ссылок ни на одно исследование, которое подтверждало бы преимущество экспертных мнений.

Скотт Армстронг. Теория жатого ситца: ценность экспертов в прогнозировании¹

Если вы обращаетесь в больницу с жалобой на боли в груди, врач сразу отправляет вас на электрокардиографическое исследование (ЭКГ). Электрокардиограф регистрирует электрические импульсы вашего сердца и изображает их в виде волнистой линии на бумаге. На основе анализа кардиограммы врач определяет, есть ли у вас инфаркт или нет. Иногда показания ЭКГ четкие. Но очень часто ЭКГ не позволяет сделать однозначных выводов, поэтому постановка правильного диагноза всецело зависит от экспертных знаний врача.

Но насколько хорошо врачи читают ЭКГ? В 1996 г. исследователь из Университета Лунда Ларс Эденбрандт выставил свой компьютер против д-ра Ханса Олина, ведущего шведского кардиолога. Специалист по искусственному интеллекту Эденбрандт обучил свою машину чтению ЭКГ, введя в программу тысячи кардиограмм и указав, какие из них соответствуют сердечному приступу. 50-летний Олин обычно читал в год около 10 000 ЭКГ в рамках своей врачебной практики.

Эденбрандт отобрал больше 10 000 ЭКГ, половина из которых принадлежала пациентам, перенесшим инфаркт, и дал их машине и человеку. Олин целую неделю изучал графики и раскладывал ЭКГ на две стопки. Это состязание напоминало знаменитый поединок между Гарри Каспаровым и компьютером Deep Blue, и Олин хорошо знал о своих шансах.

Когда Эденбрандт подсчитал результаты, победитель стал очевиден: компьютер правильно распознал 66 % случаев инфаркта, тогда как Олин – всего 55 %. Компьютер значительно лучше, чем ведущий кардиолог, справился с этой стандартной задачей, где точность может быть вопросом жизни и смерти².

Наше общество преклоняется перед экспертами. Пациенты всецело вверяются своим врачам, инвесторы внимательно прислушиваются к мнениям финансовых аналитиков, а восприимчивые телезрители следуют рекомендациям знатоков всех сортов. Но есть ли основания для такой беспрекословной веры в экспертов?

Есть области, где эксперты однозначно и неизменно справляются лучше, чем обычные люди: только представьте, что вы играете в шахматы с гроссмейстером, сражаетесь с обладателем Большого шлема на центральном корте Уимблдона или проводите операцию на головном мозге. Но в других областях от экспертов пользы гораздо меньше, и их мнения обычно уступают в точности коллективным суждениям. Кроме того, в одних областях эксперты склонны соглашаться друг с другом (например, в прогнозировании погоды), тогда как в других зачастую выражают диаметрально противоположные мнения. Почему так происходит?

Давайте сузим нашу дискуссию до когнитивных задач. Один из способов оценить эффективность экспертов основан на характере проблемы, к которой они обращаются. Все проблемы можно рассматривать как расположенные на континууме³ – на одном его конце находятся четкие, понятные проблемы, присущие статическим, линейным или дискретным системам, а на противоположном – динамические, нелинейные и непрерывные проблемы. В приложении 6.1 приведены дополнительные определения для каждой проблемы из двух противоположных категорий.

Несмотря на то что тысячи часов целенаправленной практики позволяют экспертам приобрести многочисленные знания в своей области, иногда это ведет к снижению когнитивной гибкости. А снижение когнитивной гибкости ведет к снижению эффективности экспертов по мере усложнения проблем.

Объяснить такое положение дел помогают две концепции. Первая – так называемая функциональная фиксированность, когда мы привыкаем использовать предмет или думать о чем-либо определенным образом и затрудняемся предложить новое применение или новый взгляд на вещи. Мы стремимся придерживаться устоявшейся точки зрения и неохотно рассматриваем любые альтернативы.