Что нужно знать инвестору: классические ошибки анализа. Часть 1

Анализ — это способ правильно понимать окружающую действительность и что вокруг вообще происходит. Он не только про математику или статистику, он про все виды человеческой деятельности, знания базовых принципов анализа сильно помогают жить, работать и зарабатывать.

Для того, чтобы приумножать деньги, инвестируя их, необходимо принимать верные решения. Чтобы принимать верные решения, необходимо опираться на корректные данные. А корректные данные —— это, в том числе, правильно интерпретированные данные. О самых распространенных ошибках анализа применительно к интерпретации данных — в этой статье.

Возможная нерелевантность сводных показателей

Сводные данные могут совпадать по количественным и качественным показателям, но при этом совершенно не отражать сути явления. Этот эффект отлично описал в 1970-х годах статистик Френсис Анскомб, явление получило название «квартет Анскомба».

Он собрал четыре набора данных, каждый обладал несколькими совершенно идентичными параметрами, в том числе такими, как: среднее значение, дисперсия, линейная регрессия и корреляция. Когда на бумаге только цифры, то все отлично, но если посмотреть на графики, то становится понятно, что ни о каком сходстве истинного положения дел речи и быть не может.

Вывод: форма представления информации не менее важна, чем сводные показатели, без учета ее характеристик ничего хорошего из попыток анализа не получится.

Оглашают обычно успех

Вероятность того, что вы ознакомитесь с публикацией, описывающей положительный или статистически значимый результат всегда выше, чем с той, где описывается неудача, базирующаяся на тех же исходных данных. Это происходит не из-за всемирного заговора, а просто потому, что про уже достигнутые результаты гораздо интереснее писать и про них же гораздо интереснее читать. Поэтому вполне возможно, что за несколькими историями успеха, основанными на сходных стартовых комбинациях факторов, существуют десятки и десятки неудач и проигрышей, про которые вы либо не нашли информации, либо про которые просто никто ничего не написал.

Сложное — точнее, зато упрощенное — надежнее

Для понимания работы той или иной сложной системы, как правило, принято создавать математическую модель, которая описывает поведение максимального количества поддающихся обсчету элементов системы. Разумеется, чем больше переменных ваша модель представлений о чем-либо будет в себя включать, тем более детализированные и точные результаты анализа вы будете получать на выходе.

Однако опасность заключается в том, что по-настоящему сложные математические модели работают корректно только применительно к той системе, для которой были созданы. Различные системы всегда отличаются друг от друга в деталях, даже если формально они выполняют одни и те же функции. Как следствие, имеет смысл перед экстраполяцией уже модели на другую систему отказаться от излишней детализации, и сделать ее заново уже после того, как убедитесь, что базовый набор алгоритмов лег на новую структуру как родной.

К тому же, чем больше деталей, тем больше шансов на появления ошибок в структуре модели, умение соблюдать баланс между ее детализацией и ее эффективностью — немаловажный навык анализа чего угодно.

Ошибка Макнамары

Этот классический глюк анализа получил свое название в честь министра обороны США Роберта Макнамары, которые занимал этот пост в период с 1961 по 1968 годы, во время войны с Вьетнамом. Дядька был нереально упертый, судя по отзывам — умел думать одну мысль одновременно, зато так, что кони приседали. Хотя, с другой стороны — он потом Всемирный банк возглавлял 13 лет. Впрочем, возможно именно поэтому.

Короче, он оценивал положение во время войны исключительно по единственному показателю — количеству убитых врагов. Его не напрягало ни то, что в США поменялось отношение к войне, ни то, что оно поменялось у его собственных солдат, ни внутриполитическая ситуация во Вьетнаме. Чем это кончилось, — мы все знаем.

Нельзя делать выводы, основываясь только на одном или нескольких метрических параметрах, любая сложная система состоит не только из них.

Парадокс Симпсона

Нет, не Гомера Симпсона, а Эдварда Симпсона, который повторно сформулировал его в середине прошлого века. Смысл его заключается в том, что некий параметр, который является положительным у разных групп, при объединении этих групп может стать отрицательным.

Пример. Лет сорок назад один из американских университетов обвинили в дискриминации абитуриентов по половому признаку, так как женщин в него поступало меньше, чем мужчин. Неиллюзорно удивившись такому повороту событий, ибо тогда там головами были все в основном еще здоровы, сотрудники университета начали разбираться, что за фигня.

Быстро выяснилось, что по отдельным дисциплинам все обстояло как раз наоборот: женщин принимали заметно больше. А проблема заключалась в том, что женщины гораздо чаще, чем мужчины, подавали заявления на наиболее конкурентные специальности, где был мощный отсев абитуриентов безотносительно к полу, поэтому на выходе получалось, что в университет не попадало больше женщин, чем мужчин.

Вывод: собранные вместе элементы не обязательно обладают теми же свойствами, что обладали поодиночке, и зачастую начинают обладать свойствами, которыми по отдельности не обладали.

Во второй части мы расскажем еще о 6 ошибках, зная которые, проще принимать инвестиционные решения.