Экономика сложности: чем она полезна бизнесу

 Экономика сложности: чем она полезна бизнесу

В последние десятилетия в экономической науке активно развивается неортодоксальное направление экономика сложности (complexity economics). Этот подход рассматривает экономические процессы как эволюцию сложных систем, в ходе которой непредсказуемые события приводят к необратимым изменениям, запуская фазовый переход системы из одного состояния в другое. Такой взгляд на экономику позволяет увидеть более сложную картину, чем можно представить в рамках идеи равновесия.

 

Равновесный мир

 

Colton Sturgeon / www.Studio51Film.com Instagram @sturgeon_imagery

 

Основные идеи экономики сложности сформулировал в своих работах американский ученый Брайан Артур (W. Brian Arthur), получивший известность благодаря своим работам по истории технологий. Экономика сложности исходит из того, что экономический процесс интерактивен: экономические агенты фирмы, инвесторы, потребители не просто взаимодействуют друг с другом, формируя относительно устойчивые результаты или паттерны (например, рыночную цену), но реагируют на полученный результат, меняют свое поведение и запускают новое взаимодействие, из которого формируется новый паттерн. Таким образом, экономический процесс никогда не достигает равновесия.

 

В чем отличие такого рассуждения от классического подхода? В стандартной экономической теории результаты макроуровня точно также объясняются микровзаимодействиями агентов. Если на рынке есть достаточно большое количество продавцов и ничто не препятствует свободному движению информации, рано или поздно на нем установится равновесная цена. Традиционно экономисты задавались не вопросом о том, как агенты отреагируют на результаты своих взаимодействий, но какое индивидуальное поведение позволит создать стабильный результат, так что ни у кого из агентов не будет стимулов к его изменению. Другими словами, речь шла только о таких результатах микровзаимодействия, установление которых не требует изменения в поведении агентов, следовательно, не запускает нового взаимодействия.

 

Например, теория общего равновесия показывает, каким должно быть соотношение между количеством производимых и потребляемых товаров и услуг и их ценами, чтобы у агентов не возникало стимулов к изменению этого соотношения. Это и есть «общее равновесие» то есть равновесие на всех рынках моделируемой экономики. Классическая теория игр показывает, какие стратегии и ходы будут наилучшими для игрока, если даны стратегии и ходы, которыми могут воспользоваться его оппоненты. Наконец, теория рациональных ожиданий отвечает на вопрос о том, какими должны быть ожидания экономических агентов, чтобы, при условии, что все агенты прогнозируют будущее примерно одинаковым образом, эти прогнозы в среднем оказывались корректным описанием результатов коллективного взаимодействия агентов. Другими словами, предполагается, что модель «встроена» в сознание агентов.

 

Несмотря на их удобство для математического анализа, подобные стандартные модели видят экономические процессы лишь как стремящиеся или отклоняющиеся от равновесного состояния под воздействием внешних «шоков». Экономика сложности, напротив, позволяет ввести в анализ эндогенные изменения и историческое время.

 

Дорожные пробки

 

Jens Herrndorff / Unsplash

 

Разницу двух подходов можно показать на простом примере дорожного движения. Элементарная модель этого процесса будет исходить из того, что машины, следующие друг за другом в одном направлении, будут снижать скорость по мере приближения друг к другу, и увеличивать скорость, если увеличивается дистанция между ними. Таким образом, каждому заданному значению плотности трафика будет соответствовать некоторое среднее расстояние между машинами. Исходя из этого, можно найти равновесную скорость, при которой водителям не придется притормаживать или ускоряться, а движение не будет затруднено.

 

Однако ту же ситуацию можно рассматривать и через призму неравновесия. В ситуации высокой плотности движения кто-то из водителей может отвлечься и сбавить скорость следовательно, машины, идущие за ним, тоже затормозят. Движение на участке будет затруднено, что вызовет «эффект домино»: водители машин позади сбросят скорость, возникнет пробка. Равновесие нарушится, причем не из-за внешнего шока, а спонтанно, и охватит определенную часть движущихся автомобилей: больше одного, но не все. Иными словами, процесс происходит не на микро- или макро-, а на мезоуровне. Как раз этому уровню анализа нет места в равновесных моделях, нацеленных на поиск соответствия микроповедения и макрорезультатов.

 

Экология прогнозов

 

Marc Sendra Martorell / Unsplash

 

Подобные процессы постоянно происходят в экономической жизни. Простейший пример образование финансовых «пузырей», которое Артур проанализировал с помощью компьютерной симуляции. Фондовый рынок можно представить как «экологию» прогностических моделей, которые борются за выживание и адаптируются друг к другу. В каждый временной интервал инвесторы придерживаются той или иной модели прогнозирования поведения рыночных цен, однако на длинной дистанции они могут менять модели, отказываясь от менее точных в пользу более точных. Возможна ситуация, в которой две группы инвесторов останавливают свой выбор на двух моделях. Первая модель говорит о том, что, если цена актива росла в течение N предыдущих периодов, следует ожидать ее увеличение на X% в следующем периоде. Вторая модель более пессимистична: согласно ней, если текущая рыночная цена акции превышает сумму дивидендов больше, чем в Y раз, следует ожидать ее падения на Z%.

 

Первый прогноз приводит к образованию «пузырей». Инвесторы будут действовать в соответствии с первой моделью, если цена актива действительно росла на протяжении N периодов, начнут его покупать в ожидании дальнейшего роста. Таким образом, цена вырастет еще больше, а прогноз окажется точным. Однако в какой-то момент рыночная цена вырастет настолько, что будет превышать сумму дивидендов больше, чем в Y раз, подпадая под действие уже второго прогноза. Инвесторы начнут продавать акции, цена пойдет вниз и первый прогноз станет некорректным, а все большее количество игроков будет ориентироваться уже на второй прогноз. Запускается процесс «падения» рынка. Масштаб и длительность подобных процессов могут быть разными, а их возникновение происходит случайным образом и поэтому непредсказуемо. Можно лишь быть уверенным, что они будут происходить и рассчитать их вероятные масштабы.

 

Принцип домино

 

Ryan Quintal / Unsplash

 

Более общим случаем является феномен кластеризованной волатильности (clustered volatility) ситуация, когда длительный период низкой активности сменяется более коротким периодом гиперактивности. Если фондовый рынок это «экология» прогностических моделей, в долгосрочной перспективе его динамика выглядит как смена относительно длительных периодов, когда модели инвесторов работают «нормально» и позволяют сделать относительно точные прогнозы, и периодов быстрых изменений, когда некоторым инвесторам удается получить преимущество, так что их прогнозы становятся более точными. Это вынуждает всех остальных адаптироваться к новой «экологической» ситуации, в результате чего возникает высокая волатильность, при этом средняя волатильность на длинном временном отрезке может оставаться более или менее стабильной.

 

Еще один пример, где работает «принцип домино», называется внезапной перколяцией (sudden percolation) и наблюдается в таких ситуациях, как банковские паники. Его суть в том, что масштабы изменений в сложных системах зависят от того, насколько тесно связаны их элементы. Банковскую систему можно представить в виде сети, узлами которой являются банки, в связями между ними взаимные обязательства этих банков. Внезапно один из банков получает информацию о том, что у него на балансе находятся проблемные активы например, субстандартный ипотечный кредит, ставший катализатором кризиса 2008 года. Чтобы увеличить ликвидность, банк обращается к другим банкам, и эффект распространяется по сети, если плотность связей велика, или «затухает» в противном случае. Из этого следует, что при анализе «системного риска» необходимо учитывать сетевую топологию банковской и финансовой системы, поскольку узлы с большим количеством связей  крупные банки, связанные с большим количеством других организаций,  могут сыграть решающую роль в распространении негативного эффекта и привести к краху банковской системы.

 

Фазовые переходы

 

Damon Hall / Unsplash

 

Все эти примеры можно обобщить с помощью понятия фазового перехода то есть перехода сложной системы из одного состояния в другое. В отличие от стандартного подхода, в котором системы отклоняются от равновесия в результате внешних шоков, но всегда стремятся к нему вернуться, сложные системы эволюционируют когда значение некоторого параметра достигает критического уровня, происходит переход из одного состояния в другое, возникает новая «экология», к которой агенты должны будут по-новому адаптироваться. В примере с компьютерной моделью фондового рынка таким «критическим» параметром может быть интенсивность их адаптации то есть то, с какой скоростью инвесторы учатся на своем опыте и меняют прогностические модели. При низкой скорости «открытия» новых прогнозов, рынок придет к равновесию в соответствии с теорией рациональных ожиданий, где инвесторы делают одинаковые прогнозы, в результате чего происходят изменения цен, в среднем соответствующие этим прогнозам. Однако более реалистичной ситуацией является высокая скорость адаптации и обучения, когда прогнозы инвесторов отличаются друг от друга, так что одни получают преимущество, а другие должны реагировать и адаптироваться. С другой стороны, если скорость изменений достигает экстремально высоких значений, система входит в полосу хаотической динамики, пока не образуется новая «экология», к которой придется адаптироваться агентам.