.png)
Экономисты любят шутить: если реальность расходится с моделью, тем хуже для реальности. Но в каждой шутке лишь доля шутки. Когда сложная макроэкономическая модель ошибается, часто возникает соблазн спрятаться за удобным объяснением: это люди ведут себя как-то особенно и неправильно. Как борьба за стройность моделей мешает порой разглядеть реальность и почему центробанки все внимательнее слушают людей – в колонке советника Департамента денежно-кредитной политики Банка России Алины Евстигнеевой.
Так порой происходит, что элегантные макроэкономические модели и теории терпят крах из-за того, что реальное поведение людей, их ожидания и психология оказываются гораздо сложнее математических уравнений.
Пожалуй, один из самых известных примеров – кривая Филлипса. Очень простая и одновременно гениальная находка новозеландского экономиста Уильяма Филлипса позволила связать в одной модели динамику безработицы и зарплат. Изучив данные по Великобритании почти за столетие, он обнаружил, что когда безработица высокая, то зарплаты растут медленно. А когда низкая – быстро. В 1960-х эта кривая стала осевой для макроэкономических моделей. Она была очень удобным инструментом, позволяющим экономическим властям оценить, чем обернется для инфляции стимулирование экономического роста и занятости, или, с обратной стороны, во сколько обойдется экономике подавление инфляции.
Но в 1970-х с кривой Филлипса что-то пошло не так. Вопреки ее предсказаниям, попытки стимулировать занятость перестали приносить результат: инфляция и правда росла, а вот безработица не снижалась. Ответ на вопрос «что же сломалось?» дали Милтон Фридман и Эдмунд Фелпс в гипотезе о естественном уровне безработицы (причем еще до стагфляции 1970-х), а также Джон Мут и Роберт Лукас в теории рациональных ожиданий. Если коротко, все дело в поведении людей. Кривая Филлипса не учитывала, как люди формируют ожидания и меняют поведение, когда высокая инфляция становится постоянной.Лукас обратил внимание экономистов на принципиальную проблему: если государство меняет правила, люди, действуя совершенно рационально, начинают менять ожидания и решения. Например, когда власти систематически пытаются снижать безработицу, мирясь с более высокой инфляцией, экономические агенты могут начать заранее реагировать на ожидаемую инфляцию: работники будут добиваться повышения зарплат, а фирмы – повышать цены. Тогда прежняя взаимосвязь между инфляцией и безработицей изменится. И хотя кривая Филлипса не умерла, центробанки ушли от ее механического использования, понимая, насколько изменчива связь безработицы и цен.
Другой пример модели, которая не выдержала испытания человеческим поведением и была адаптирована под реальность, – гипотеза перманентного дохода, предложенная Фридманом. Он утверждал: люди планируют потребление в соответствии с ожидаемым будущим доходом (согласно Франко Модильяни – на протяжении всей жизни). То есть, получив годовой бонус, человек не бежит все тратить, а откладывает эти деньги, стараясь выровнять свои расходы в дальнейшем. Однако люди далеко не всегда ведут себя так, стали подмечать экономисты еще с 1980-х: одни могут сглаживать потребление, другие скорее живут от зарплаты до зарплаты.
Например, в середине 2008 г. американское правительство стимулировало потребление, рассылая чеки на сумму около $1000. Гипотеза Фридмана предполагала, что люди будут тратить «бонус» понемногу. Но замысел властей сработал, показало эмпирическое исследование: люди потратили 50–90% полученной суммы всего за три месяца, в том числе до 30% – на повседневные нужды. Причем наиболее активно тратили менее обеспеченные семьи.
Такое поведение могло бы показаться «неправильным», ведь в условиях неопределенности люди «должны» вести себя строго наоборот – сберечь деньги на черный день, а не жить днем сегодняшним. Они действовали нерационально? Мне так не кажется: трудно упрекнуть в недальновидности тех, кто в ситуации глобального финансового кризиса – а это огромная неопределенность – воспользовался возможностью улучшить свое благосостояние.
Гипотезы Фридмана и Модильяни не ушли из экономики и остаются базой теории потребления, но, как и кривая Филлипса, были адаптированы: реальное поведение людей показало, что оказывалось за скобками моделей.
В «музее моделей» можно найти немало некогда популярных инструментов – одни свое отслужили, другие были адаптированы. Что же мешает экономистам добиться точности прогнозов, строя свои совершенные и стройные модели, наполненные самой сложной математикой?
Задача математической модели, используемой для прогнозирования, – описать реальность формальным языком и прикинуть, что будет происходить дальше. Например, биологи заметили, что численность многих популяций в благоприятной среде растет по простому правилу: каждую единицу времени умножается примерно на одно и то же число. Две бактерии делятся, и их становится четыре, потом восемь, 16 и т. д. Никакой сложной математики – простое правило, которое удивительно точно описывает реальность. Именно так и должна работать модель: не предписывать природе, как себя вести, а подмечать закономерность и описывать ее формальным языком.
У экономистов похожая задача – описать, как люди делают выбор в условиях ограниченных ресурсов, и предсказать, как этот выбор поменяется в ответ на изменение стимулов, институтов и ожиданий. Разумеется, для этого нужно упростить реальность – невозможно учесть все влияющие на выбор факторы. Формальный язык здесь очень важен, и он благодаря развитию математических методов совершил квантовый скачок за последние десятилетия.
Первыми инструментами стали корреляционный и регрессионный анализ, появившиеся на рубеже XIX и XX вв.: экономисты искали связи между переменными, буквально проводя прямую через облако точек на графике. В 1930-х в экономике произошла уже настоящая математическая революция. Ян Тинберген (один из двух первых лауреатов Нобелевской премии по экономике) начал строить первые макроэкономические модели – системы уравнений, описывающие связи между производством, зарплатами, ценами и инвестициями. Это был прорыв: экономика целой страны – Нидерландов – была представлена как связная система, которую можно использовать для прогнозов и оценки политики.
Начало казаться, что экономику можно и вовсе превратить в точную науку, предсказывая выбор людей, буквально как деление бактерий. «Отец макроэкономики» Джон Мейнард Кейнс отнесся к этому скептически, развернув с Тинбергеном знаменитую «дискуссию о методе». По сути, это был спор о том, в какой мере можно применять математику и статистику к анализу сложного и изменчивого общества, в котором далеко не все можно измерить.
Кейнса (он сам был, к слову, серьезным математиком) интересовало реальное поведение людей в постоянно меняющемся мире. Наши решения, считал он, определяются не только расчетом, но и привычками, эмоциями, ожиданиями, которые часто плохо поддаются количественному анализу. Поэтому трудно с помощью одной лишь математики описать неустойчивую социальную систему.
В последующие десятилетия успешно развивались оба подхода, то конфликтуя, то поддерживая друг друга. Революцию произвели и идеи Лукаса о рациональности ожиданий, и пионеров поведенческой экономики Даниэля Канемана и Амоса Тверски, изучавших отклонения от рациональности. Одновременно математическое моделирование подарило новые методы описания действительности. Например, VAR – векторные авторегрессии, которые предписывают меньше теоретических ограничений, позволяя данным говорить самим за себя. И DSGE – динамические стохастические модели общего равновесия, которые связывают секторы экономики воедино и смотрят, как меняется их реакция на происходящее в экономике.
Позже машинное обучение дало экономистам инструменты, о которых Тинберген не мог и мечтать. Сегодня экономисты могут отбирать наиболее подходящие переменные из тысяч вариантов, использовать нейронные сети для работы с колоссальными массивами данных – цифр и текстов, предсказывать будущий урожай, глядя на поля буквально из космоса, и т. д.
Но новые достижения порождают и новые проблемы. Методов стало так много и они стали настолько продвинутыми, что вырос соблазн просто сложить временные ряды в «черный ящик» и достать из него какие-то результаты и рекомендации, не очень обращая внимание на то, что же собственно все это значит и соотносится ли с реальным поведением людей. Порой экономисту комфортнее оказаться в экономике «чистого разума» – в мире без людей, где правят бал сложные уравнения, а не вписывающееся в них поведение сведено к случайной ошибке ε.
Известный экономист Дэни Родрик, объясняя пользу моделей, признавал, что многим экономистам «больше нравится забавляться с математическими построениями, чем тратить время на попытки уловить суть явлений реального мира <...> Различные контексты – разные рынки, социальные условия, страны, эпохи и т. д. – требуют разных моделей. На этом месте экономисты обычно и спотыкаются». И когда какая-нибудь сложная модель обещает, что инфляция в следующем квартале будет снижаться, но она вместо этого растет, велик соблазн списать это на несовершенство людей, а не модели. Например, на нерациональную гиперреакцию на информационный фон, что привело к ажиотажному спросу, скажем, на гречку и всплеску инфляционных ожиданий.
Стоит признать, что за последние десятилетия экономика благодаря исследованиям бихевиористов стала куда больше учитывать поведение людей. Поведенческая экономика предлагает на выбор десятки когнитивных искажений, объясняющих нерациональность: эффект владения (мы переоцениваем то, что уже имеем), неприятие потерь (они огорчают сильнее, чем радует выигрыш), эффект якоря (цепляемся за первое услышанное число), предвзятость подтверждения (ищем только то, что подтверждает нашу точку зрения) и пр.
Список можно продолжать бесконечно, и это само по себе подозрительно. Когда у теории на каждую аномалию находится отдельное объяснение, она рискует превратиться в набор удобных отговорок: если человек поступил не так, как предсказывала модель, значит, просто сработало очередное искажение. Модель остается непогрешимой, а виноватым снова оказывается человек – только теперь он уже не «странный», а «когнитивно искаженный».
Немецкий когнитивный психолог Герд Гигеренцер из Института развития человека им. Макса Планка против такого подхода. Он призывает учитывать среду, в которой принимаются решения, и доказывает, что простые подсознательные правила и интуиция часто работают не хуже сложных математических расчетов.
Гигеренцер провел множество любопытных экспериментов. Например, американских и немецких студентов спросили в 1990-х, какой город больше – Сан-Диего или Сан-Антонио. Среди американцев правильно ответили 62%. Среди немецких студентов – 100%. Я знаю, о чем вы подумали, но разгадка в другом: немцы слышали что-то про Сан-Диего, а вот про Сан-Антонио – почти ничего. Поэтому справедливо решили, что Сан-Диего больше. Эвристика сработала.
И если Канеман ищет в человеке когнитивные искажения, то Гигеренцер видит в человеке гения адаптации. Когда люди поступают не по модели, он предлагает проверить модель. Быть может, люди знают что-то ускользнувшее от взгляда исследователя.
На самом деле люди, так часто мешающие красоте стройных теорий, знают очень многое. Это наглядно показал еще 120 лет назад статистик Фрэнсис Гальтон, изучивший результаты конкурса на сельской ярмарке в Плимуте. Посетителям было предложено угадать вес туши быка. В состязании приняло участие около 800 человек, которые называли самые разные числа. Но среднее значение оказалось удивительно точным – отклонение составило менее 1%. Это явление сегодня известно как «мудрость толпы» (подробнее об этом можно почитать в бестселлере Джеймса Шуровьески).
«Мудрость толпы», когда усредняется множество мелких ошибок, многократно подтверждалась экспериментами и эмпирикой. Мы можем наблюдать ее в самых разных сферах и ситуациях, в том числе на фондовых рынках. А некоторые корпорации пытаются заработать на «мудрости толпы» своих сотрудников. Например, Google использовал внутренние рынки предсказаний для оценки проектов и технологических трендов. Причем позиции сотрудников сближались, когда они сидели рядом. Это напоминание о том, что независимость мнений – важное условие. Другое ограничение – сложность вопроса: чем больше требуется специальных знаний, тем меньше пользы от толпы.
Кстати, если вы вдруг попали на ТВ-викторину «Кто хочет стать миллионером?», выбирайте «помощь зала» вместо «звонка другу». Шуровьески приводит данные оригинальной западной версии шоу: «помощь зала» дает верный ответ в 91% случаев, а «звонок другу» – лишь в 65%.
Может ли поведенческая рамка Гигеренцера и «мудрость толпы» чем-то помочь центробанкам? На самом деле да. Именно поэтому центробанки все активнее используют данные социологических опросов и глубинных интервью. Они пытаются понять, как люди на самом деле принимают экономические решения (подчас вразрез с предсказаниями моделей), как воспринимают инфляцию, сообщения и действия центробанка, какие у них ценности и как они относятся к экономическим событиям. Результаты таких исследований дополняют картину, которую можно получить, анализируя статистику и действия населения и бизнеса, например реакцию на изменения ключевой ставки.
Вспоминая эксперимент про Сан-Диего и Сан-Антонио, мы в Банке России обнаружили, что иногда не вполне верные или неакадемические представления о предмете не мешают людям принимать верные решения. Например, в недавнем исследовании «народных теорий» об инфляции и ключевой ставке мы отметили, что, хотя люди и считают, что повышение ключевой ставки скорее ведет к ускорению инфляции, действуют они часто весьма рационально: стремятся отложить кредиты и больше сберегать, когда ключевая ставка находится на высоком уровне.
Один из базовых примеров «улучшения» макроэкономических моделей благодаря переосмыслению поведения людей – это пропорции рациональных и адаптивных ожиданий. В любом обществе есть два типа инфляционных ожиданий: с одной стороны, люди будут пытаться принимать решения, исходя из своих прогнозов (например, зная, что вырастет НДС, стремятся закупиться впрок), с другой – всегда учитывают прошлый опыт (если цены на курицу все последние годы росли по 10%, то и дальше можно ожидать похожей динамики). От того, насколько точно экономисты рассчитали баланс рациональных и адаптивных ожиданий, будет заметно зависеть прогноз инфляции. А оценить этот баланс помогают в том числе экспериментальные и социологические исследования.
ЦБ Армении с системой прогнозирования FPAS Mark II, которая была запущена в начале 2024 г., пошел еще дальше. Вместо одного базового сценария, от которого раньше отталкивались все решения, он строит два (или более) сценария. Но один сценарий описывает ситуацию, при которой ставка должна быть выше рыночных ожиданий, второй – ниже. В итоге ЦБ Армении строит свои сценарии, опираясь и на собственные модели, и на «мудрость толпы».
Логично ожидать, что самые сильные прогнозные модели должны возникать на стыке «тяжелой» эконометрики с углубленной социологией. Когда, с одной стороны, мы хорошо понимаем мотивы и логику принятия решений, а с другой – можем описать все это формальным языком и встроить в общую систему экономики. В одиночку рискуют ошибиться и модель, и толпа, и эксперты. Поэтому центробанку приходится сверять свои модели с данными, ожиданиями рынка и опросами и по мере необходимости обновлять свой инструментарий.
Реальность меняется. Сегодня Сан-Антонио уже больше, чем Сан-Диего, иными словами, эвристика, сработавшая в 1990-х, сегодня привела бы студентов к неверному ответу. Именно сверяться с реальностью призывал Тинберген в нобелевской лекции, ведь модель – это лишь упрощение и не всегда выдерживает проверку жизнью.
Что почитать и послушать на эту тему:
- О «мудрости толпы» на фондовом рынке (можно послушать, а можно почитать)
- О поведенческой макроэкономике
- Выпуск «Экономики на слух» о том, чему научил экономистов мировой финансовый кризис (можно послушать, а можно почитать)
- О моделях центробанков
- Статьи о том, насколько рационально мы себя ведем (здесь и здесь)
- Выпуск «Экономики на слух» о народной экономике
- О том, сломалась ли кривая Филлипса
