Сэру Дэвиду Коксу сейчас 95 лет, и он никогда не прекращал трудиться. За свою 80-летнюю карьеру Кокс написал 317 научных работ, и очень вероятно, что напишет еще. В своем офисе в Наффилд-колледже в Оксфорде он продолжает писать комментарии и обзоры современной статистики, а также вносить новый вклад в эту область.
Я спросил его, каждый ли день он появляется в офисе.
– Не каждый, – ответил Дэвид. – В субботу и воскресенье не появляюсь.
Затем сделал паузу и поправился:
– Точнее, вероятность того, что я приду на работу в субботу или в воскресенье, отлична от нуля. Такое может произойти.
Сэр Дэвид Кокс любит точность. Его ответы на мои вопросы были осторожными и обдуманными; математик всегда оговаривал уровень уверенности в своей способности дать ответ.
Именно Кокс открыл уравнение ставок. Сам он, правда, никогда бы так не выразился, и это в любом случае не совсем верно. Точнее было бы сказать, что он разработал теорию логистической регрессии, которую я использовал для нахождения α и β, а Бентер – для определения факторов, влияющих на исход скачек[21]. Дэвид Кокс разработал статистический метод, благодаря которому уравнение ставок дает точные прогнозы.
Логистическая регрессия была продуктом послевоенной Британии. К финалу Второй мировой войны Дэвид закончил изучать математику в Кембридже, и его направили на работу в королевские ВВС. Затем он перешел в текстильную промышленность, поскольку в Великобритании начался процесс восстановления[22]. Кокс рассказал мне, что изначально его интересовала чистая математика, которую он изучал, но такая работа привлекла его внимание к новым задачам. «Текстильная промышленность была полна увлекательных математических проблем», – сказал он.
Сэр Дэвид признавал, что смутно помнит детали, но лучился энтузиазмом, говоря о тех временах. Он рассказал, как можно использовать тесты для различных характеристик материалов, чтобы определить вероятность их разрушения, и о проблемах, связанных с созданием более прочного и более однородного конечного продукта из грубо пряденой шерсти. Кроме того, в ВВС он столкнулся с задачами, касавшимися частоты аварий и аэродинамики крыла. Это также дало ему много пищи для размышлений.
Именно из таких практических соображений у Дэвида Кокса зародился более общий, математический вопрос: каким образом лучше всего прогнозировать, как разные факторы (скорость ветра или напряжения в материале и другие) могут повлиять на что-то – например, на авиационную катастрофу или на то, порвется ли одеяло. Это вопрос того же типа, который Бентер задавал о лошадях: как зависит вероятность победы четвероногого от истории его прошлых выступлений и от погоды.
– Когда я создавал эту теорию [в середине 1950-х], самые серьезные разногласия в университетах касались анализа медицинских и психологических данных, предсказания того, как разные факторы связаны с медицинским результатом, – рассказывал Кокс. – Логистическая регрессия возникла в результате синтеза моего практического опыта и математического образования. Все известные мне проблемы медицины, психологии и промышленности можно было решить с помощью одного семейства математических функций.
Это семейство оказалось гораздо полезнее, чем предполагал даже сам ученый. Начиная с промышленности 1950-х, когда логистическая регрессия играла важную роль в интерпретации результатов медицинских исследований, она успешно применяется к бесчисленным математическим задачам. Именно этот подход использует Facebook, чтобы определить, какую рекламу нам показать, а Spotify – чтобы рекомендовать нам музыку. Он же стал частью системы идентификации пешеходов в автомобилях без водителей. И конечно, он используется в азартных играх…
Я спросил у сэра Дэвида, знает ли он об успехах Бентера в применении логистической регрессии к скачкам. Он не слышал. Тогда я поведал ему, как логистическая регрессия принесла миллиард долларов, а также об оксфордском студенте Мэттью Бенхэме и его успехе в предсказании результатов футбольных матчей.
– Предпочту сказать, что вам не следует играть в азартные игры, – сказал он мне, а затем надолго задумался.
Потом Кокс начал вспоминать об одном из своих коллег в 1950-х. Он взял с меня обещание никогда не повторять эту историю, и я сдержу слово.
Ставки – это не прогнозирование будущего с определенностью. Это определение мелких различий между тем, как смотрите на мир вы и как смотрят на него другие. Если ваш взгляд чуть острее, а ваши параметры лучше объясняют данные, у вас есть преимущество. Не ждите, что оно появится сразу. Его нужно наращивать постепенно, методом проб и ошибок, улучшая оценки своих параметров. И не думайте, что будете постоянно побеждать. При регулярной игре у вас получится выигрывать лишь чуть чаще, чем проигрывать.
Иногда мы склонны сосредоточиваться на одной «грандиозной идее». Однако уравнение ставок говорит нам, что ключ к успеху – создать различные вариации нашей идеи. Представьте, что вы начинаете собственные уроки йоги или танцев. Пробуйте различные плей-листы с разными группами и отмечайте, какие композиции получают наилучший отклик. Проверяя множество мелких идей, мы сравниваем их между собой, как лошадей на ипподроме «Хэппи-Вэлли». В конце каждой гонки можем заново оценить победителей и неудачников и посмотреть на те свойства, которые привели к успеху или к неудаче.
Если вы начинаете проверять новую идею, вам нужно выполнять то, что именуется A/B-тестированием. Когда Netflix обновляет дизайн своего сайта, компания создает две или несколько версий (A, B, C и т. д.) и показывает их разным пользователям. Затем создатели смотрят, какой вариант наиболее привлекателен для людей. Это самое прямое применение уравнения ставок к «успеху» и «неудаче» параметров дизайна. Когда Netflix получает так много информации, она может быстро представить четкую картину, что работает, а что нет.
Вам не нужна логистическая регрессия, чтобы начать пользоваться уравнением ставок. Но как только вы поняли принцип настройки параметров для улучшения соответствия данным, рукой подать до изучения самого метода. Сэр Дэвид Кокс сказал мне, что, по его мнению, большинство людей могут и должны научиться использовать разработанный им метод. Он утверждал, будто для понимания того, что раскрывает логистическая регрессия в собранных вами данных, незачем вдаваться во все математические подробности ее работы.
Во время чемпионата мира я смотрел много матчей, но понятия не имел, принесет ли мне деньги тот или иной исход, потому что не следил за коэффициентами. Я просто наслаждался играми. Раз за разом Ян присылал мне автоматически создаваемые таблицы со списками сделанных ставок и заработанных или проигранных денег. Во время первого круга групповой стадии мы проиграли, но затем начали выигрывать; и по ходу турнира наши прибыли стали превышать потери. К концу чемпионата мира я заработал примерно 200 фунтов при общем объеме ставок в 1400 фунтов, уровень доходности составил 14 %.
После изучения очередной обновленной таблицы с нашими результатами я снова видел письма в своем почтовом ящике, которые по ходу чемпионата становились всё более отчаянными: «Пожалуйста, я знаю, что вы разбираетесь в футболе и правильном счете, не могли бы вы помочь мне, пожалуйста?»; «Я хотел бы следовать всем вашим прогнозам для правильных ставок, потому что я много проиграл у букмекеров»; «Сегодня в стране разыгрывается футбольный джекпот с кучей денег. Помогая мне выиграть, вы поможете еще сотне людей за мной». Такие сообщения шли почти ежечасно.
Я не мог отделаться от мысли, что наша маленькая прибыль поступала из их маленьких карманов. Конечно, самая большая доля шла букмекерам, но те деньги, что заработали мы с Яном и Мариусом, когда-то принадлежали другим людям – возможно, тем, у кого их изначально было немного.
Тогда в моей голове зародилась идея: неравенство между теми, кто знает уравнения, и теми, кто их не знает, не ограничивается азартными играми. Статистические модели сэра Дэвида Кокса работают во многих сферах современного общества. Математические методы привели к прогрессу и легли в основу технологий в самых разных областях – от шерстяной промышленности и проектирования летательных аппаратов до современной науки о данных и искусственного интеллекта. Этот прогресс контролируется очень небольшой группой – теми, кто знает уравнения. И часто именно люди, обладающие этими секретами, извлекали социальную и финансовую пользу из математики.
Дэвид Кокс – член «Десятки». Он не знает об этом, но он изобрел одно из уравнений и полностью понимает остальные девять. Его позиция в истории «Десятки» незыблема. Он заслуженный участник самого высокого уровня.
Бентер, Бенхэм и Блум тоже часть «Десятки». Может, они не знают уравнений на том формальном математическом уровне, на котором их понимает Кокс, но они разбираются в принципах и понимают, как применить их на практике. Ян и Мариус на пути вступления туда.
А я? Я знаю эти десять уравнений в чистом незамутненном виде – как их понимают ученые. Я также знаю их в практическом смысле, в котором их использовал Бентер. И хотя я этого не осознавал ранее, я понял, что «Десятка» определяет меня не только как работника, но и как личность.
Глава 2. Уравнение суждений
Мой друг Марк руководит командой финансовых трейдеров, и все они владеют математическими методами. Марк заметил, что у лучших из них есть общая черта – способность реагировать на новую информацию и обрабатывать ее. Когда происходят какие-то события, они быстро подстраиваются к новой реальности.
Эти люди рассуждают не в абсолютных характеристиках – «та компания получит прибыль в следующем квартале» или «тот стартап провалится», – а в терминах вероятностей: «компания получит прибыль с вероятностью 34 %» или «для этого стартапа риск неудачи составляет 90 %». Когда поступает новая информация – например, CEO вынужден уйти в отставку или бета-версия, выпущенная стартапом, пользуется успехом, – они корректируют эти вероятности: 34 % превращаются в 21 %, а 90 % – в 80 %.