Знать будущие процессы и явления – это то, что всегда манило человека. Когда пойдет дождь и пойдет ли он вообще, сколько будет стоить доллар, кто выиграет чемпионат мира по футболу и прочее. Если людям задать вопрос, что бы они делали если бы попали в прошлое, то можно услышать ответы – купил бы доллары перед кризисом или поставил бы денег на победу той или иной команды в тех или иных спортивных чемпионатах. Знание о том, что произойдет в будущем зачастую воспринимается как возможность заработать или избежать неприятностей – знал бы, где упаду солому постелил бы. А раз есть такой спрос, то всегда найдутся и те, кто желает на этом заработать – это всевозможные прогнозисты, аналитики, оракулы и предсказатели спортивных событий. Но количество среди них как дилетантов, так и откровенных мошенников стремится к ста процентам. Цель их очевидна и прагматична – они желают поиметь прибыль здесь и сейчас с тех, кто хотел бы с их помощью узнать о будущих событиях.
Сейчас наблюдается изобилие таких экспертов, которые, утверждают, что они смогли заранее спрогнозировать наступающий кризис. Но по факту мы, в лучшем случае, можем наблюдать лишь тех, кто просто угадал – так как если поднять их прогнозы, то можно увидеть, что они прогнозировали наступление кризиса чуть ли не каждую декаду каждого предыдущего года или вовсе прячут свою некомпетентность за размытыми формулировками. Как-то в интернете я встретил такое высказывание: «Вероятность кризиса в этом году я оцениваю близко к нулю, вероятность начала рецессии в 2020 году я оцениваю в 30%, вероятность рецессии в 2021 году – 50%». И такую размытую формулировку написал не рядовой обыватель, а директор департамента макроэкономического прогнозирования одной из постсоветских стран. И таких одиозных аналитиков множество, которые прячут своё неумение прогнозировать под обилием словоблудия, общих формулировок и научных терминов, применяемых как к месту, так и нет.
Распространенная ситуация: человек читает и натыкается на гороскоп. Он, конечно, не верит во все эти лженауки, но решает прочесть гороскоп чисто ради развлечения. Но странное дело: характеристика подходящего ему знака очень точно совпадает с его собственными представлениями о себе.
Такие вещи случаются даже со скептиками: психологи назвали это явление «эффектом Барнума» – в честь американского шоумена и ловкого манипулятора XIX века Финнеаса Барнума. Большинство людей склонны воспринимать довольно общие и расплывчатые описания, как точные описания своей личности. И, конечно, чем позитивнее описание, тем больше совпадений. Этим эффектом и пользуются астрологи, гадалки, а также нередко и финансовые аналитики.
Эта книга к перечисленной когорте псевдо-экспертов не относится и является исключением. Мне позволяет это утверждать то, что я спрогнозировал наступление нынешнего кризиса заранее. И в качестве доказательства вы можете проследить за моими прогнозами в паблике Фейсбука, который был создан и посвящён нынешнему кризису. Этот паблик я начал вести задолго до начала глобальной рецессии и в нём практически ежедневно выкладывал аналитику на ключевые события наступающего кризиса. Электронный адрес паблика: https://www.facebook.com/crisis2019. Рекомендую каждому посетить этот паблик и ознакомиться. В последующем же читая эту книгу, каждый читатель сможет лично проследить и понять логику того, как мне удалось довольно точно спрогнозировать наступивший кризис. И, кроме того, читая эту книгу, вы сможете освоить методику и самостоятельно составлять точные прогнозы.
В своей книге "Старые времена на Миссисипи" Марк Твен написал: "За сто семьдесят шесть лет Миссисипи укоротилась на двести сорок две мили, то есть в среднем примерно на милю и одну треть в год. Отсюда всякий спокойно рассуждающий человек, если только он не слепой и не совсем идиот, сможет усмотреть, что в древнюю силурийскую эпоху, – а ей в ноябре будущего года минует ровно миллион лет, – Миссисипи имела свыше миллиона трехсот тысяч миль в длину и висела над Мексиканским заливом наподобие удочки… Все-таки, в науке есть что-то захватывающее."
Книга была написана в 1875 году, но с тех пор мышление большинства аналитиков не поменялось. Весь их прогноз зачастую заключается в простом протягивании в Excel ряда цифр, а полученные цифры и выдаются за прогноз.
Абсолютное большинство прогнозов не учитывают и даже игнорируют окружающую действительность. Не учитывают, например, стадию жизни, на которой находится продукт или компания. А ведь в жизни мало что растёт линейными темпами – будущее изменчиво и пластично. Форс мажоры и вовсе выпадают из прогнозов, а потому способны полностью выбить компанию из финансовой жизни. Но при всех видимых недостатках компании зачастую слишком увлекаются такими поверхностными статичными прогнозами.
С одной стороны, излишне оптимистичным будет считать, что есть кто-то, кто сможет предсказывать будущее со стопроцентной точностью. Но, с другой стороны, является неправильным и полное отрицание того факта, что существуют проверенные временем подходы к прогнозированию, которые могут дать статическое преимущество перед окружающими. Только эти прогнозы должны быть не «эмоциональными» или основанными на историях известных аналитиков, а «инженерными», основанными только на фактах и с учётом окружающей действительности. В этом могут помочь математические модели. Но математические модели также имеют свои недостатки и потому к ним стоит относиться осторожно и скептически. Так как зачастую эти модели построены на изначально не верных предпосылках. Например, на идее того, что рынок эффективен, люди рациональны, и что рынок всегда учитывает все выходящие новости, либо строят свои прогнозы на основе прошлых исторических участков, что зачастую также является заблуждением.
Несостоятельность таких математических моделей показывает каждый последующий кризис, который полностью разрушает такие модели на корню и перечеркивает все задуманные планы. Например, кризисы 1929 года, 1987, 2000, 2008. Каждый раз практически все официально признанные математические теории и модели, которые должны были спрогнозировать и дать понимание куда движется рынок, феерично ломались.
Кроме того, стоить отметить то, что такие математические модели очень дорогие в использовании. Так как требуют для своего использования мощную инфраструктуру, которую поддерживает большое количество аналитиков. Причем количество аналитиков в таких структурах вовсе не означает качество их работы. Подобные математические модели могут позволить себе лишь очень большие компании или инвестиционные фонды с крупным капиталом. И зачастую математический прогноз в таких компаниях сводиться лишь к искусству лоббирования своих собственных коммерческих интересов.
Из вышесказанного может сложиться впечатление, что компаниям и людям в принципе невозможно сделать расчёт будущего движения рынка и тем более наступление кризиса. И что математика, возможно, вообще не нужна при прогнозировании движения рынков. Но это не так.
Также отмечу, что при прогнозировании будущего, постановке целей и оценке самого себя или своей компании люди склонны завышать свои возможности и способности. Зачастую оптимизм бывает сознательным – мы знаем, что вероятность успешного исхода крайне мала, но полагаем, что к нам это не относится. В декабре 2017 года было опубликовано исследование «States of Stаrtups», которое охватило 869 респондентов. Результатом явилось то, что 42% стартапов уверены, что имеют всё необходимое, чтобы стать компанией стоимостью миллиард долларов, но реальные шансы достичь такой капитализации составляют всего лишь 0,00006%.
Такая уверенность в себе породила гипотезу рациональных ожиданий – источник веры в то, что человек сможет измерить уровень риска всех возможных экономических явлений. Ныне эта гипотеза основополагающая и на ней строится большинство прогнозов. Она предполагает, что будущее в принципе познаваемо. И утверждает также, что данных о будущем достаточно, чтобы решения всех участников рынка были в среднем верными. А это полностью исключает возможность больших кризисов, кроме тех случаев, когда происходят неожиданные события – те, которые не случались прежде и потому не могут быть частью чьих-либо знаний, но такие события весьма редки. И под эту гипотезу подведена вся мощь эконометрики как метода использования прошлых статистических данных для прогнозирования будущих событий.
Формально гипотеза рациональных ожиданий утверждает, что ожидаемая величина любой переменной (например, цена акции или темп инфляции) равна величине, предсказанной с помощью прогнозных моделей с поправкой на случайную погрешность. Но за этой погрешностью зачастую аналитики скрывают свою некомпетентность.
В результате исследований проектов железнодорожного строительства за 30 лет выяснилось, что более чем в 90% случаев прогноз пассажиропотока завышался в среднем в два раза. А стоимость проекта превосходила плановую почти на 50%. При этом свидетельств нереалистичного планирования было множество, но менеджеры предпочитали их игнорировать. Этим обстоятельством часто пользуются компании-поставщики B2B (бизнес для бизнеса). Сперва занижают стоимость, чтобы выиграть тендер, а после дополнительными соглашения добивают заказчика по тем моментам, которые тот выпустил из виду при оптимистичном планировании.
За всеми вышеперечисленными расчетами стоят два предположения. Первое состоит в том, что рациональные индивиды, формируя свои ожидания, используют всю доступную им информацию. Под этим понимается, что они ведут себя в соответствии с моделями, прогнозирующими их будущие действия. И возможность непредсказуемых потрясений означает, что их поведение будет соответствовать расчетной модели лишь в среднем. Люди всегда будут допускать ошибки, но если они совершаются независимо от информации, доступной всем, и к тому же не зависят одна от другой, то нет причин думать, что эти ошибки приведут к смещению общего тренда в ту или иную сторону. Единственный возможный источник односторонней интерпретации фактов лежит в самой модели.
Второе предположение гласит, что Вселенная стабильна (линейна) во времени. Взятые вместе, оба предположения задают уровень информированности и предсказуемости, достаточный, чтобы ваши математические ожидания оказались в среднем верными. Для изменения ожиданий никаких оснований нет. Если вы думаете, что в дальнейшем ваши ожидания изменятся, значит, вы их уже изменили и поэтому в будущем их не измените. Например, текущая цена акций зависит от сегодняшних ожиданий относительно того, какой эта цена будет в будущем.
Прогнозировать можно практически всё. Продажи, денежные потоки, результат встречи, выбор потребителя, температуру воздуха, осадки. Хорошим прогноз считается если он сбывается с хорошей приемлемой точность. Под точностью прогнозы в компаниях представляют зачастую не в виде конкретной цифры, а в определённом диапазоне, то есть с погрешностью. И приемлемой точностью считается если прогноз попал в этот диапазон.
В компаниях, чтобы уменьшить ошибку при прогнозировании делают прогноз по среднему. Такой метод использует плановый отдел, когда вообще не знает о влияющих факторах. К примеру, как заложить сумму незапланированных расходов на будущий год? Для этого берут предыдущие периоды и выводят среднее значение, которое и закладывают на будущие незапланированные расходы.
Когда у аналитиков компании нет каких-либо показателей по рынку, то существует два варианта их получить – либо заказать дорогостоящие исследования, либо использовать так называемый метод Ферми. Этот метод служит для приблизительных расчётов «чего угодно» при минимальных начальных знаниях. Поэтому практически всегда прогнозисты используют именно его.
Суть метода Ферми состоит в том, чтобы за очень короткое время провести быстрые приблизительные расчёты, не имея при этом никаких точных данных. Существует история о том, как Ферми рассказывал своим студентам об определении числа настройщиков пианино в Чикаго. Как можно определить количество данных настройщиков? Студенты начинали с того, что у них не было никаких данных для расчета количества настройщиков пианино в Чикаго. Конечно, можно было просто пересчитать всех настройщиков, прочитав объявления или узнать в каком-нибудь агентстве, выдающем лицензии на такие услуги. Но Ферми предложил своим студентам решать задачи тогда, когда проверить результат будет не так просто. Его целью было продемонстрировать, что они всё-таки знают что-то об искомой величине.
Для начала он просил определить другие значения, имеющие отношение к пианино и настройщикам показатели – тоже неизвестные, но более простые для оценки. Это были численность населения Чикаго (в 1930-1950-х годах составляла более 3 млн. человек), среднее число человек в одной семье (два или три), процент семей, регулярно пользующихся услугами настройщиков пианино (максимально каждая десятая, минимально каждая тридцатая семья), требуемая частота настройки (в среднем, вероятно, не менее раза в год), число пианино, настраиваемых настройщиком в день (четыре или пять инструментов с учетом затрат времени на дорогу), а также число рабочих дней настройщика в году (скажем, 250).
Затем Ферми брал эти данные и высчитывал по следующей формуле:
Число настройщиков пианино в Чикаго = (Численность населения/Число членов одной семьи) х Процент семей, пользующихся услугами настройщиков х Число настроек в году/ (Число пианино, настраиваемых одним настройщиком за день х Число рабочих дней в году).
В зависимости от цифр, подставляемых в это уравнение, получался ответ в интервале от 20 до 200. Когда эту цифру сравнивали с реальной, которую можно было узнать из телефонного справочника, она была ближе к реальной, чем думали студенты. Правильный ответ составлял примерно 50 человек.
Полученный интервал значений выглядит слишком широким. Но в его защиту приводят то, что он даёт хоть какое-то значение в сравнении его с изначальной позицией, которую занимали студенты «неужели это вообще можно определить?»
Данный метод позволял производившим расчёты людям понять, откуда берётся неопределённость. Какие переменные характеризовались наибольшей неопределённостью – процент семей, регулярно пользующихся услугами настройщиков пианино, частота настроек, число инструментов, которые можно настроить за день, или что-то ещё? Самый крупный источник неопределённости указывал на то, какие измерения позволят максимально снизить её.
Поиск ответа на «вопрос Ферми» не предполагает проведения новых наблюдений и поэтому не может считаться измерением. Это скорее оценка того, что вам уже известно о проблеме, это способ позволяющий несколько приблизиться к цели.
Этот способ является основополагающим для маркетологов и различных прогнозистов. Если они не владеют знаниями по определённому вопросу, то они задают себе вопрос: что же всё-таки известно о проблеме? И затем оценивают имеющуюся количественную информацию о предметах, которые выглядят для них неизменяемыми. Логика действий при использовании метода Ферми заключается в следующем утверждении: вы многое не знаете, но что-то же вы всё-таки знаете.
Существенным недостатком этого метода является критерий отбора. Разбежность значений у каждого человека будет очень большой. Величина, которая для одного человека кажется похожей на правду и приемлемой для другого может быть в десятки раз больше. А если этот расчет проводится в команде из нескольких людей, то это предполагает высокую конфликтность между участниками со всеми вытекающими последствиями в будущем.
Если же влияющие факторы известны аналитикам, то самым используемым методом для прогнозирования является регрессионный анализ. Он учитывает для будущего прогноза множество факторов, таких как: тренд, сезонность, ёмкость рынка, активность конкурентов и прочее. Но даже при таком подходе важным недостатком является то, что прогноз формируется на основе статических моделей. А из этого в последствии всплывает множество факторов, дающих погрешность в прогнозе. Аналитики при этом, чтобы подстраховать себя, заранее предупреждают, что статическая модель не будет корректной, а поэтому необходимы будут ручные корректировки. И затем начинают постоянно править свой же прогноз до периода его окончания. Тем самым фактически расписываясь в изначальной неправильности собственного прогноза. Руководству компании в этом случае приходится принять определённое допускаемое значение отклонения от прогноза, которое закладывает аналитик изначально.
Ошибки прогноза и последующие правки очень дорого обходятся компаниям и порождают высокую конфликтность в компании. Допустим, в производственной компании, спрогнозировали количественный показатель продаж, и далее под него подключается уже вся цепочка компании – на его основе составляется план закупок и план производства. Эти планы формируют затратную часть расходов на осуществление заданного плана продаж и исходя из них строятся планы с целевыми показателями для подразделений. А на их основе уже рассчитываются и оцениваются показатели эффективности (КРI) того или иного подразделения или сотрудника.
Бесплатно
Установите приложение, чтобы читать эту книгу бесплатно
О проекте
О подписке