годов создатель знаменитой «шкалы землетрясений» Чарльз Рихтер высказал предположение, что именно «распределения с тяжелыми хвостами» ответственны за катастрофы. В дальнейшем теория риска установила, что этот закон распределения вероятностей имеет фундаментальный характер для процессов, подпадающих под категорию катастрофических. Сегодня исследователи сходятся во мнении, что степенные распределения «с тяжелыми хвостами» описывают не только природные, но и разнообразные техногенные катастрофы: аварии на атомных станциях и химических предприятиях, разрывы трубопроводов, неполадки в компьютерных сетях, более того, ими в значительной степени определяется развитие биосферы и поведение финансовых рынков. «Степенная» статистика существенно отличается от «нормальной» (это еще одно название Гауссового распределения). «Степенная» статистика описывает явления, при которых ущерб от одного самого крупного события может превосходить ущерб от всех остальных cобытий этого класса вместе взятых. Ответ на вопрос, откуда берется степенная статистика, удалось получить благодаря новой парадигме нелинейной динамики – теории сложности и построенной в ее рамках теории самоорганизованной критичности. Для всех степенных распределений общим является возникновение длинных цепочек причинно-следственных связей: одно событие может повлечь другое, третье и т.д., в результате чего происходит «лавинообразный» рост изменений, затрагивающих всю систему. Причем окончание «лавины изменений» – переход к новому состоянию равновесия – может произойти не скоро. Исследование сложных систем, демонстрирующих самоорганизованную критичность (т.е. все тех же систем, относящихся к классу процессов с ограниченным горизонтом прогноза), показало, что такие системы сами по себе стремятся к критическому состоянию, в котором возможны «лавины» любых масштабов. Поскольку к системам такого сорта относятся биосфера, общество, инфраструктуры различного типа, военно-промышленный комплекс, множество других иерархических систем, результаты теории самоорганизованной критичности очень важны для анализа управляющих воздействий, разработки методов прогнозирования и «упреждающей защиты» от этих явлений. Именно на базе нелинейной динамики теория рисков выработала своеобразную технику работы с незнанием, направленную на поиски закономерностей поведения произвольной нелинейной системы как целого. Оказывается, компьютерный анализ большого массива статистических данных позволяет выявить так называемые «предвестники» катастроф. Даже незначительный рост этих медленно меняющихся величин, рассчитываемых по определенным сложным формулам, сигнализирует о надвигающейся опасности. Одним из первых идею о подобном применении методов нелинейной динамики высказал более 20 лет назад Владимир Кейлис-Борок (ныне – академик РАН, директор Международного института теории прогноза землетрясений и математической геофизики). Под его руководством был создан алгоритм прогноза, основанный на накопленных за многие годы данных сейсмической активности. Этот метод получил название М8, поскольку предназначался для прогноза достаточно сильных (более чем в 8 баллов) землетрясений. С 1985 года началось систематическое применение разработанного российскими учеными алгоритма. За это время было успешно предсказано пять из семи происшедших крупнейших землетрясений, в том числе Спитакское и Калифорнийское. Впрочем, «удачные» предсказания едва ли могут серьезно облегчить работу соответствующим «службам спасения»: точность данного метода крайне невелика – прогноз выдается с неопределенностью по времени в один – два года и с неопределенностью в пространстве в 200...400 км. Не слишком успешно применение данного метода и к прогнозу землетрясений слабее 8 баллов. Но даже с учетом этих оговорок продемонстрированная алгоритмом Т8 возможность предсказывать землетрясения за несколько лет до их наступления представляется серьезным научным достижением. Более того, уже обкатанный на прогнозе природных катаклизмов алгоритм был применен Кейлис-Бороком с сотрудниками и в социально-экономической сфере. В рамках метода Т8 анализировались экономические рецессии в США с 1963 года по 1997 год. За основу были взяты 9 ежемесячных характеристик экономики США – объем ВВП, суммарный личный доход граждан, уровень безработицы и др. Расчеты на базе этих данных позволяли определить так называемые промежутки тревоги – периоды времени, за которыми должны были последовать рецессии. И действительно, все пять рецессий, происходивших с 1963 года по 1997 год, предварялись периодами тревоги. В одном случае тревога длилась 13 месяцев, в другом – 10, а в оставшихся трех случаях – по 3 месяца. Правда, данное исследование было ретроспективным, и пока вопрос о будущих катаклизмах в американской экономике группа Кейлис-Борока не изучала. Наиболее яркий пример взаимопроникновения точного естествознания и наук об обществе – возникшее в середине 90-х годов новое междисциплинарное направление, эконофизика. Официальной датой ее рождения считается 1997 год, когда в Будапеште была проведена первая «эконофизическая» конференция, а начиная с 1999 года Европейское физическое общество поставило организацию конференций «Применение физики в финансовом анализе» на поток – в декабре этого года в Лондоне состоится уже третья по счету «тусовка эконофизиков». Многочисленные зарубежные адепты новомодной дисциплины (подавляющее их большинство по образованию – физики), вооружившись методами нелинейной динамики, сегодня активно вторгаются в заповедную зону экономической науки – в анализ и прогнозирование разнообразных финансовых потрясений (ибо, как мы уже отмечали, финансовые рынки, согласно представлениям нелинейной динамики, – всего лишь одна из вариаций третьего класса процессов, систем с ограниченной предсказуемостью). Характерный пример подобных попыток – недавние исследования группы Дэвида Лэмпера из Оксфордского университета. Лэмпер создал модель, позволяющую, по его мнению, эффективно предсказывать финансовые катастрофы. Его модель базируется на анализе стандартной системы, состоящей из множества игроков, конкурирующих друг с другом за ограниченные ресурсы. «Всеобщая взаимозависимость» поведения игроков приводит к тому, что система в целом оказывается очень чувствительной к небольшим флуктуациям. И хотя подавляющее их большинство так и остается малозначимым для рынка, отдельные «мелочи» способны вызвать «лавины изменений». Декларируемая новизна подхода Лэмпера состоит в том, что ему якобы удалось «нащупать очаги будущей катастрофы» (те самые «предвестники», выявление которых – важнейшая задача «рискового прогнозирования») – ими оказались так называемые коридоры предсказуемости, внутри которых краткосрочные изменения параметров рынка с высокой степенью определенности соответствуют рациональным ожиданиям. Как ни странно, именно эти небольшие периоды «повышенной предсказуемости» поведения рынка зачастую предвещают последующие серьезные катаклизмы. С результатами его компьютерного моделирования вполне коррелирует и другое недавнее исследование флуктуаций финансовых рынков, проведенное Рикардо Мансиллой (Национальный университет Мехико). Мансилла также пришел к выводу, что непосредственно перед резкими изменениями на рынке возрастает предсказуемость. Лавинообразный рост исследований, наблюдающийся в последние годы в сфере анализа и прогнозирования процессов с ограниченной предсказуемостью, безусловно, в значительной степени объясняется увеличением вычислительной мощи используемых при моделировании этих процессов компьютеров. Однако, по мнению ведущего отечественного специалиста в данной области, заместителя директора Института прикладной математики РАН профессора Георгия Малинецкого, оптимистические ожидания, типичные для нашего общества, связывающего слишком много надежд с компьютерными технологиями, пока явно опережают реальный прогресс в этой научной сфере: «Вначале предполагалось, что автоматизированные системы управления позволят резко повысить эффективность экономики. Но экономика оказалась не готова к этому. Большие надежды возлагались на вычислительный эксперимент, связанный с компьютерным решением различных уравнений. Но выяснилось, что для описания многих важных объектов у нас нет соответствующих уравнений, а если они и есть, то определение коэффициентов и настройка модели сами по себе представляют исключительно сложную задачу. Ахиллесовой пятой алгоритмов прогноза для социально-экономических систем и задач по управлению риском являются данные. Для того чтобы „научить“ соответствующие компьютерные системы, нужно иметь длинные ряды достоверных и достаточно точных данных, характеризующих различные стороны изучаемого объекта. Пока этого практически нигде нет. Только восполнив этот пробел, можно существенно повысить качество прогноза».
Эконофизика использует современный математический аппарат нелинейной динамики и статистической физики, чем принципиально отличается от эконометрики, основанной на линейных моделях. В настоящее время преимущества использования современных физических концепций для описания и анализа финансовых систем не требуют дополнительных доказательств. Взаимный интерес физиков и экономистов к совместным исследованиям оказался обеспеченным большим количеством баз экономических данных и появлением новых физических результатов и парадигм, таких как критические явления, неупорядоченные системы, системы с нелинейной динамикой. Усилия многих исследователей направлены на анализ больших массивов эмпирических данных по обменным курсам валют, ценам акций, функционированию отдельных секторов финансового рынка. Математический аппарат включает методики корреляционного анализа, выявление тренда, мультифрактального анализа. Приложение к управлению рисками и прогнозированию осуществляется путем выявления аттракторов, определения ранних симптомов обвала рынка. Для моделирования финансового рынка используются многоагентные (тиlti-agent) и перколяционые модели. Рассматривается универсальность скейлинговых закономерностей во флуктуациях активов компаний, статистические распределения дохода фирм. Пристальное внимание уделяется результатам стохастического моделирования априорных ожиданий, новым подходам к определению цен опционов, анализу Леви-процессов в динамике цен. Сложившаяся в эконофизике ситуация во многом напоминает начальную стадию развития термодинамики и квантовой механики. По общему мнению, эконофизический подход к финансам должен в целом стать значительно более прибыльным, чем интуитивное прогнозирование, хотя в настоящее время нет достоверной информации о том, что кто-то сумел заработать большие деньги на данных теориях. Значительное увеличение количества научных статей, монографий, конференций за последние 4 года демонстрируют растущую популярность эконофизики. Согласно журналу Института физики Великобритании, финансовый сектор экономики стал одним из основных работодателей молодых физиков-теоретиков. Так одним из направлений эконофизики является фрактальный анализ структуры рынка (в т.