На самом деле, когда группа экономистов дает вам свой прогноз по ВВП, истинный интервал прогнозирования в 90 %, основанный на соответствии этих прогнозов реальности {393} , а не на заявляемой самими экономистами степени точности, захватывает примерно 6,4 пункта ВВП (что эквивалентно ошибке в ±3,2 %) [83] .

Иными словами, когда вы слышите в новостях, что ВВП вырастет в следующем году на 2,5 %, это может с тем же успехом означать и невероятный рост на 5,7 %, и падение на 0,7 %, то есть достаточно серьезную рецессию. До сих пор экономисты не смогли придумать ничего лучше, и нет особенных свидетельств тому, что качество их прогнозов улучшается. Старая шутка об экономистах, выявивших девять из последних шести рецессий, имеет под собой вполне реальную основу. В течение 1990-х годов экономисты смогли заранее предсказать лишь две из 60 рецессий {394} .

В этом смысле экономисты не уникальны. Результат такого рода можно считать либо следствием того, что эксперты не умеют давать честное описание неопределенности в своих прогнозах, либо следствием того, что они не очень заинтересованы это делать. Такая же чрезмерная уверенность в достоверности прогнозов наблюдается и во множестве других областей, в том числе в медицинских исследованиях, политических науках, финансах и психологии. Судя по всему, она применяется и тогда, когда мы, создавая прогноз, основываемся на своих суждениях (а именно так делали политологи – гости Фила Тэтлока) или когда мы используем для этого статистическую модель (как в случае неудачных прогнозов землетрясений, описанных в главе 5).

Однако, в отличие от представителей других профессий, подобные ошибки экономистов могут считаться непростительными. В первую очередь их прогнозы не просто слишком самоуверенны, но и плохо применимы в условиях реального мира. Ошибка в прогнозах реального значения ВВП может приводить к существенным экономическим последствиям. Кроме того, организованные усилия по предсказанию значения таких переменных, как ВВП, проводятся уже много лет, начиная с опроса, проведенного Ливингстоном в 1946 г. Эти результаты хорошо задокументированы и имеются в бесплатном доступе. Получение обратной связи от того, как проявили себя наши прогнозы в реальности, – это единственный и, возможно, самый важный способ их улучшить.

Предсказатели в мире экономики получают больше обратной связи, чем представители большинства других профессий. Однако они предпочитают вести себя крайне самоуверенно и не желают исправлять собственные искажения.

Но разве экономика – это не дисциплина, изучающая рациональность поведения? Разумеется, вы можете ожидать, что представитель какой-то другой профессии, например антрополог, может допустить искажения при создании прогнозов, но не экономист. Возможно, именно с этим отчасти и связана проблема экономических прогнозов. Экономисты хорошо разбираются в вопросах рациональности. Это означает, что они хорошо понимают, как работает система стимулов. И если они делают искаженные прогнозы, то, возможно, это является признаком того, что у них недостаточно стимулов для создания хороших.

Принимая во внимание такие результаты работы экономистов в области создания прогнозов, мне очень захотелось найти кого-нибудь из них, кто мог бы признать, насколько сложна его работа и насколько легко любой прогноз может оказаться неверным. И мне удалось найти такого человека – Яна Хациуса, главного экономиста компании Goldman Sachs.

Хациус может, по крайней мере, смело утверждать, что его прогнозы в последние годы были более надежными, чем у его конкурентов. В ноябре 2007 г., пока большинство экономистов все еще думало, что рецессия любого рода маловероятна, Хациус опубликовал провокационное письмо под названием «Долги с рычагом, или Почему дефолт на ипотечном рынке так важен». В письме предупреждалось о возможном развитии такого сценария, при котором миллионы домовладельцев могли оказаться неплатежеспособными. Это могло, в свою очередь, вызвать эффект домино на кредитных и финансовых рынках, привести к триллионным убыткам и очень жесткой рецессии. Примерно такой сценарий и был реализован. Хациус и его команда отозвались критически и о возможности чудесного послекризисного восстановления. В феврале 2009 г., через месяц после принятия закона о пакете стимулирующих финансовых мер и заявлении Белого дома о возможности снизить безработицу до уровня в 7,8 % к концу 2009 г., Хациус спрогнозировал рост безработицы до 9,5 % {395} (что оказалось довольно близко к реальному значению – 9,9 %).

Хациус, мягкий почти до меланхолии немец, занимающий должность главного экономиста Goldman Sachs с 2005 г. {396} , через восемь лет после начала работы в компании вызывает уважение даже у тех, кто скептически относится к большим банкам.

«[Ян] очень хорош, – рассказывал мне Пол Кругман. – Я надеюсь, что присущее Ллойду Бланкфейну злорадство не отразится на Яне и его людях». Кроме того, Хациус на удивление спокойно относится к своей способности предсказывать направление развития экономики США.

«Никто даже не представляет себе, – рассказывал он мне на встрече в офисе Goldman со стеклянными стенами, расположенном на Уэст-стрит в Нью-Йорке, – насколько сложно прогнозировать цикл бизнеса. Понимание сути такого комплексного процесса, как экономика, – это невероятно сложный процесс».

С точки зрения Хациуса, у людей, занимающихся экономическими прогнозами, имеются три фундаментальные проблемы. Во-первых, очень сложно выявить причинно-следственные связи на основании анализа одной лишь экономической статистики. Во-вторых, экономика постоянно меняется, поэтому объяснения экономического поведения, подходящие для одного цикла бизнеса, могут быть неприменимы для другого. И, в-третьих, плохи не только сами прогнозы экономистов, но и данные, с которыми им приходится работать.

Ежегодно правительство рассчитывает около 45 тыс. экономических показателей {397} , а в частных источниках отслеживается не менее 4 млн данных {398} . Многие экономисты поддаются искушению закинуть все эти данные в блендер и заявить о том, что возникающая в результате каша представляет собой образец высокой кухни. С момента окончания Второй мировой войны в стране было всего 11 рецессий {399} . Если у вас есть статистическая модель, которая призвана объяснить 11 реальных событий, но должна выбирать для этого исходные данные из 4 млн входных параметров, многие из выявленных вами связей будут ложными (это еще один классический пример оверфиттинга – ошибочного принятия шума за сигнал – проблема в предсказании землетрясений, описанная в главе 5).