打字猴:1.700952256e+09
1700952256 情况并不总是那么简单。可以考虑不利环境变化的概率,或者中东恶性局面的概率或者经济的运行情况,这些是更加复杂的情况。不仅表述这些危机的方程难于被解决,实际上我们甚至连方程是什么都不知道。对于气候变化,我们可以进行模拟以及研究历史的记录;对于另外两个问题,我们可以试图探究历史上相似的情形,或者简化模型。但是在这三种情形中,许多不确定因素使得任何预测都显得苍白无力。
1700952257
1700952258 准确与可信的预测非常难以获得。甚至当人们竭尽全力把所有相关因素都考虑到模型中时,进入任何一个特定模型中的输入与假设也可能强烈地影响其结果。而如果伴随着这些底层假设的不确定性变得更多,那么一种低风险的预测就失去了意义。要使预测具有价值,不确定性的彻底性与直接性就至关重要。
1700952259
1700952260 在考虑其他例子之前,让我先通过回顾一个小逸事来阐述这个问题。
1700952261
1700952262 在我早期的物理学研究生涯中,我注意到,标准模型允许我们感兴趣的某个特定物理量拥有更广阔的数值范围。由于量子力学的贡献,该范围依赖于(当时)近期测到的、非常巨大的顶夸克的质量。当将结果在一个会议上汇报时,我被问及可否将我的新预测用顶夸克质量的函数曲线来刻画。我回答不行,因为我知道有几个不同的因素,而剩下的不确定性允许的可能性范围太宽,以至于不能给出这样一条简单曲线。然而,一个“专家”同行低估了这里面的不确定性,他给出了这样一条曲线(与现今关于现实世界所做的许多预测没什么不同),并且在一段时间内他的预测被广泛引用。最终,当测量到的物理量并没有落在他所预测的区域中时,这种不一致要追根溯源到他对不确定性过度乐观的估计上。显然,最好一开始就避免这种尴尬,无论在科学领域还是现实世界的任何情形中。我们期望预测有意义,并且如果我们对待输入的不确定性足够仔细的话,那么预测还是唯一的。
1700952263
1700952264 现实世界情形表述的是更为棘手的问题,要求我们更加仔细地对待不确定性与未知因素。我们必须谨慎地使用定量预测,而不能不考虑这些问题。
1700952265
1700952266 一个绊脚石是,如何合理地考虑系统风险,它们几乎总是很难量化。在任何大型的交互系统中,多个失效模型中的大型元件往往来自最不受注意的较小部件的互联。信息可以在转换中丢失或从一开始就没有参与进来,而且这种系统性问题可以将其他潜在风险的后果放大。
1700952267
1700952268 当我到一个委员会处理NASA安全问题时,第一次看到这种结构性问题。为了适应这种安抚不同选区的需要,NASA的站点遍及整个美国。即使任何独立站点会看顾各自的装置,在连接上它们却没有机构投资。接着,大型组织也援引这种做法。信息在不同次级系统的交互中很容易丢失。NASA与航空工业风险分析师乔·弗拉格拉(Joe Fragola)做了研究,他给我的一封邮件中写道:“我的经验表明,离开了项目专家之间的联合活动,系统集成团队与风险分析小组进行的风险分析注定是不全面的。特别地,所谓‘一站式’风险分析就变成了精算练习,并且只有学术界才感兴趣。”在广度与细节之间往往有一个权衡,但是两者从长远来看都非常关键。
1700952269
1700952270 这种失败的一个显著案例是英国石油公司(BP)在墨西哥湾的漏油事件。
1700952271
1700952272 2011年2月在哈佛大学的一个演讲中,物理学家彻丽·默里(Cherry Murray)与BP公司深水地平线石油泄漏及海上钻井委员会的其中一员谈到,管理失败是BP公司石油事件的一个主要因素。理查德·西尔斯(Richard Sears),作为该委员会的资深科学家、工程顾问以及壳牌石油公司深水服务部的副总裁,认为BP公司管理层每次只解决出现的问题,而没有形成一个他所称的“超线性思维”的全局图。
1700952273
1700952274 虽然粒子物理学是一个特殊而艰难的行业,但是它的目标却是将简单的底层元素分离出来,以及基于我们的假设作出清楚的预测。其挑战在于达到小尺度与高能标,而不在于解决复杂的关联。即使我们不必知道哪一个基本模型是正确的,也可以作出预测(在给定模型的情形下)。例如,当大型强子对撞机的质子与质子对撞时,什么类型的事件可以发生。当小尺度被纳入到大尺度中时,适用于大尺度的有效理论可以精确地告诉我们小尺度何时进入,以及我们忽略小尺度细节所造成的误差。
1700952275
1700952276 然而,在绝大多数情况下,我们第1章介绍的由于尺度不同带来的清楚分隔并不适用。尽管有时可以共用方法,但是引用几位纽约银行家的说法,“金融不是物理的分支”。在气象领域与银行界,对小尺度关系的认知往往对决定大尺度的结果非常重要。
1700952277
1700952278 缺乏尺度分隔可能带来灾难性的后果。以巴林银行的倒闭为例。在它倒闭那一年之前,建于1762年的巴林银行是英国最老的商业银行。它曾经为拿破仑战争、路易斯安那购地案以及伊利运河提供资金。而到了1995年,仅仅由一个小办公室的流氓交易员在新加坡作出的坏赌注就几乎将它带向了金融崩溃。
1700952279
1700952280 不久前,美国国际集团(AIG)的约瑟夫·卡萨诺(Joseph Cassano)的阴谋将AIG领向失败的边缘,AIG又面临着全世界主流金融行业崩溃的威胁。卡萨诺负责AIG一个相对很小(400人规模)的称为AIG金融产品的单位,即AIGFP。AIG之前一直在进行合理、稳定的投注,直到卡萨诺开始雇用信用违约互换(credit-default swaps,一种由各家银行推出的复杂投资工具)来对冲对抵押债务的投注。
1700952281
1700952282 在看似要恢复到传销时代的对冲计划中,卡萨诺的团队逐渐攀升到5000亿美元的信用违约互换,超过600亿美元与次级抵押贷款相联系。[1] 如果子单元可以被纳入到大系统中,就像物理中一样,那么较小部分就会以可以操控的方式在更高层次上产生信息或者活动,使得上层可以随时监管处理。但是对尺度分隔的过度违背,让卡萨诺的阴谋没有受到任何监管,并渗透到整个操作中。他的活动没有像证券、赌博、保险一样被规划。信用违约互换遍及全球,没有人研究过它的潜在意义。因此当次贷危机爆发时,AIG还没有准备好,它就崩盘了。美国纳税人最终要承担这些损失以拯救该企业。
1700952283
1700952284 出于对个别机构健全性的考量,安全监管机构开始在一定程度上关注传统的安全问题,但他们并没有对整个系统或与它相关联的风险进行评估。有重叠债务与义务的更为复杂的系统,要求更好地理解这些相互联系,并进行更全面的评估、比较、风险裁决,以及对可能的益处的权衡。[2] 这个挑战适用于绝大多数大系统以及被认为是相关的时间区域。
1700952285
1700952286 这让加重我们计算和处理风险的困难性的因素更多了:我们的心智、市场与政治体系对于长短期风险所采用的不同逻辑——有时是理智的,但常常是贪婪的。大多数经济学家与一些金融学家知道,市场泡沫不会无限期地持续下去。风险不是指泡沫终究会破裂,而是指泡沫在不久的未来会破裂 。驾驭或者膨胀此泡沫——甚至连你都知道是不能持续下去的泡沫,如果你随时准备好在任何时候获取盈利(或者股息)并关闭商店,那么也就不算是目光短浅。
1700952287
1700952288 在气候变化的情形中,我们实际上不知道如何刻画格陵兰冰层的融化量。如果我们询问它在有限时间区间(比如说在接下来的几百年)开始融化的可能性,那么它的概率就更不确定了。但是不知道这个数字,我们也无须把头埋进冰水或者格陵兰的原生态冰水中。
1700952289
1700952290 我们很难就以下两点达成共识:
1700952291
1700952292 ●气候变化到什么程度才算具有风险?
1700952293
1700952294 ●当环境中可能相对缓慢的后果出现时,我们如何、何时避免这些气候变化带来的风险?并且,我们也不知道如何估计行动或者不作为的代价。
1700952295
1700952296 如果有变化更强烈的气候事件发生,我们更可能立即采取行动。而无论我们行动多快,对环境来说都为时已晚。这意味着,即便是不会导致灾难的气候变化也同样值得人们关注。
1700952297
1700952298 甚至当知道某种结果的可能性时,我们倾向于将不同的标准应用于低概率且具有大灾难结果的事件,而不是应用于高概率但结果并不太具有戏剧化的事件。我们听到的关于飞机失事与恐怖袭击的事件比汽车事故的多,而实际上每年死于汽车事故的人数要多得多。人们甚至不知道概率就谈论黑洞,只是因为灾难情景的结果听起来很悲惨。另一方面,许多低(或者不是很低)概率由于在雷达下的可见度低而被忽略。甚至海上钻井一开始被认为是完全安全的,直到墨西哥湾灾难真实发生后人们才知道错了。[3]
1700952299
1700952300 一个相关的问题是:有时巨大的收益或者成本来自概率分布的末端——那些最不可能的事件以及我们知道得最少的事件。[4] 从理论上讲,我们希望我们的计算结果是由已经存在的相关情形的中间或平均估计客观决定的。但是如果类似的事情从来没有发生过或者如果我们完全忽略了可能性,那么我们是没有这样的数据的。如果成本或者收益在这些地方也足够高,假设你事先知道它们是什么,那么它们就会主导预测。无论如何,传统的统计方法不适用于这些数据太小、以至于取平均值没有意义的事件。
1700952301
1700952302 金融危机的发生是由于事件都出现在专家所考虑的范围之外。许多人基于可预测的方面赚钱,但是假设不可能事件决定了某些更负面的发展事态。在为金融工具的可信度建立模型之时,使用的绝大多数数据来自前几年,它们没有包含经济下滑(或急剧下滑)的可能性因素。关于是否需要调控金融工具的评估,也基于市场上升的那段时间。甚至当市场跌落的可能性也考虑进去时,跌落的假定数值也因为过低而不能准确地预言由于缺乏经济调控而造成的真实损失。本质上讲,没有人会关注可以主导危机的“不可能”事件。也许在其他情况下看起来很显而易见的风险,却从未被考虑在内。但是即使是不可能的事件,如果它们具有显著的影响,也需要被考虑进来。[5]
1700952303
1700952304 由于错误的潜在假设而导致的风险评估困难,是任何风险评估的疫病之源。而没有这些估计,任何估计都存在内在偏见 。除了计算中的问题与隐藏在假设中的偏见,许多实际的政策决策还包含“不知之不知”(unknown unknowns)[44] 因素,即不能或者还没有被预期到的因素。有时我们根本无法预知会造成麻烦的那些确切的不可能事件。这使得所有的预测尝试(考虑不到这些未知因素是不可避免的)变得完全没有实际意义。
1700952305
[ 上一页 ]  [ :1.700952256e+09 ]  [ 下一页 ]