Но сделать это иногда очень непросто. Подумайте, к примеру, о вероятности губительных изменений климата, или о вероятности возникновения кризиса на Ближнем Востоке, или о судьбе экономики. Существуют и гораздо более сложные ситуации.

Дело не только в том, что уравнения, описывающие риски, сложно решаются. Дело в том, что мы зачастую просто не знаем, что это за уравнения. В вопросе о климатических изменениях мы можем строить модели и изучать исторические записи. В двух других ситуациях мы можем поискать исторические аналогии или попытаться построить упрощенные модели. Но во всех трех случаях любой прогноз будет смазан сильнейшими неопределенностями.

Точный и надежный прогноз — дело сложное. Даже когда мы изо всех сил стараемся учесть в модели все существенные нюансы, входные данные и предположения, лежащие в ее основе, могут существенно повлиять на результат. Оптимистичный прогноз не имеет смысла, если модель построена на предположениях, связанных с серьезными неопределенностями. Чтобы прогноз имел какую‑то ценность, необходимо тщательно рассматривать эти неопределенности и никогда о них не забывать.

Прежде чем обратиться к другим примерам, позвольте мне привести в качестве иллюстрации к проблеме забавный случай. В начале своей научной карьеры я обратила внимание на то, что Стандартная модель допускает для определенной величины гораздо более широкий диапазон, чем предсказывалось ранее, за счет квантово–механической составляющей, размер которой зависел от недавно (на тот момент) измеренной и удивительно большой массы t–кварка. Когда я представила свои выводы на конференции, мне предложили построить график зависимости предсказанной мной величины от массы t–кварка. Я отказалась, зная, что эта величина зависит от слишком многих параметров и что оставшиеся неопределенности не позволят построить здесь простую кривую. Однако среди коллег нашелся «специалист», который, недооценив неопределенности, все‑таки построил график (мне почему‑то кажется, что сегодня многие прогнозы в реальной жизни делаются именно так), и некоторое время на его предсказание достаточно широко ссылались. Со временем, когда эту величину измерили, и она не попала в предсказанный диапазон, такая несогласованность нашла простое и верное объяснение: эксперт был слишком оптимистичен в оценке неопределенностей. Очевидно, лучше избегать подобного подхода как в науке, так и в любой жизненной ситуации. Мы хотим, чтобы прогнозы имели смысл, а это возможно только при тщательном учете неопределенностей.

Реальные ситуации бывают еще более «упрямы» и требуют, чтобы мы еще осторожнее обращались с неопределенностями и неизвестными. Нужно с оглядкой подходить к прогнозам, в которых невозможно учесть или просто не учтены все эти вещи.

Одна из проблем прогнозирования связана с корректной оценкой системных рисков, которые почти всегда очень трудно перевести в количественную форму. В любой крупной взаимосвязанной системе меньше всего внимания уделяется крупномасштабным элементам, которые «тянут» за собой модели множественных отказов, возникающих из‑за многочисленных взаимосвязей между меньшими частями. Информация может потеряться при передаче или просто остаться незамеченной. Такие системные проблемы способны многократно умножить последствия любых других потенциальных рисков.

Будучи членом комиссии по безопасности исследовательских программ NASA, я не раз сталкивалась с подобными структурными проблемами. Как известно, подразделения космического агентства раскиданы по всей стране. И если о своей технике и оборудовании отдельные центры агентства еще заботятся, то качество связи между ними никого особенно не интересует и денег в эту инфраструктуру вкладывается куда меньше. В путешествиях между подразделениями информация легко теряется. В адресованном мне электронном письме аналитик по рискам Джо Фрагола, работавший в NASA и аэрокосмической отрасли и проводивший на этот счет специальное исследование, писал: «Мой опыт говорит о том, что анализ рисков, проведенный без совместного участия специалистов по конкретным вопросам, команды системной интеграции и риск–аналитиков, не имеет смысла. В частности, так называемые риск–анализы под ключ превратились в упражнения по статистике и представляют в настоящее время лишь академический интерес». Слишком часто аналитикам приходится поступаться либо широтой, либо подробностью, хотя в долгосрочной перспективе важно и то и другое.

Одним из самых наглядных примеров подобной ошибки (из целого ряда других) стал инцидент на платформе British Petroleum в Мексиканском заливе в апреле 2010 г. В лекции, прочитанной в Гарварде в феврале 2011 г., Черри Мюррей, декан Гарвардского университета и член Национальной комиссии по утечке нефти на платформе Deepwater Horizon, назвал ошибки руководства ВР одной из серьезнейших составляющих аварии. Ричард Сирс, бывший вице–президент компании Shell Oil Co., который в комиссии был старшим советником по науке и техническим вопросам, рассказал, что руководство ВР мыслило, как он выразился, «гиперлинейно»; оно пыталось решать проблемы по очереди, одну за другой и даже не пыталось сформировать общую картину происходящего.

Физика элементарных частиц — высокоспециализированная и сложная отрасль, цель которой — выделить простые элементарные составляющие и научиться строить четкие прогнозы на базе наших гипотез. Наша задача — получить доступ к маленьким расстояниям и большим энергиям, а не разбираться в сложных взаимосвязях. Хотя мы зачастую не знаем, какая из предложенных моделей верна, мы можем предсказать—для каждой конкретной модели, — какого рода событий следует ожидать, к примеру, когда протоны в коллайдере столкнутся друг с другом. А когда мелкие масштабы входят в более крупные, то эффективные теории этих крупных масштабов говорят нам, какое место занимают в них мелкие масштабы и какие ошибки мы можем совершить, если проигнорируем такие детали.

Однако в большинстве реальных ситуаций нет того четкого и понятного разделения по масштабам, о котором мы говорили в главе 1. Несмотря на то что иногда мы пользуемся одними и теми же методами, уже несколько нью–йоркских банкиров успели заявить, что «финансы — это не раздел физики». В банковском деле без знаний о взаимодействиях на мелких структурных уровнях, как правило, невозможно предвидеть крупномасштабные результаты тех или иных действий.

Отсутствие четкого понимания границ между масштабами может привести к катастрофическим последствиям. Возьмем коллапс банка Barings. До своего падения Barings, основанный в 1762 г., был старейшим коммерческим банком Британии. Он финансировал наполеоновские войны, покупку Луизианы и строительство канала Эри. Тем не менее в 1995 г. несколько неудачных ставок, сделанных одним–единственным трейдером в крохотной сингапурской конторе, его разорили.

Чуть ближе к нам по времени махинации Джозефа Кассано из страховой компании AIG едва не привели к гибели компании и создали угрозу крупного финансового коллапса уже в мировом масштабе. Кассано возглавлял относительно небольшое (400 человек) подразделение AIG Financial Products в составе этой компании. Дела AIG обстояли относительно стабильно до тех пор, пока Кассано не начал использовать кредитно–дефолтные свопы (сложный финансовый инструмент, продвигаемый банками и относящийся к категории внебиржевых деривативов) для хеджирования ставок по обеспеченным долговым обязательствам (биржевым деривативам).