Alians człowieka z maszyną

Wspominaliśmy na blogach bossa.pl książkę (oraz film, który powstał na jej podstawie) Micheala Lewisa Moneyball (Książki, książki, książki; Moneyball). Przypomnę tylko w skrócie. Lewis opisał w niej swego rodzaju rewolucję, która miała miejsce na rynku baseballu. Około dekady temu na rynku tym zaczęli się coraz częściej rozpychać statystycy, matematycy i ludzie zajmujący się analizą jakościową. Do tego czasu najważniejszą funkcję (poza zawodnikami) pełnili łowcy talentów. Ludzie z ogromnym doświadczeniem wyszukiwali najlepszych z najlepszych. Wynajdowali genialnych zawodników oraz popełniali katastrofalne pomyłki. Jak w życiu.

Nagle młodzi fani baseballu zakochani w komputerach, danych, statystyce zaczęli pokazywać, że można to zrobić inaczej. Ba, zaczęli pokazywać, że często warto postawić na zawodników, których nie zauważył, albo wręcz nie doceniał, żaden z łowców talentów. Dzięki analizie tysięcy informacji i danych, można było wyszukać takie cechy zawodników, na które nie zwracali uwagę najwybitniejsi selekcjonerzy. Po opublikowaniu książki Moneyball w branży nastąpiła prawdziwa rewolucja. Doszło do swego rodzaju wojny między starym i nowym. W zasadzie to nic nowego, jak świat światem ta wojna wciąż trwa. Nowe idee wypierają stare. Dotychczasowy świat nie rozumie nowatorskiego podejścia i przed nim się broni. Dotychczasowi pracownicy tej branży mieli podstawy by obawiać się, tego, że ich miejsce zastąpią maszyny i oprogramowanie analityczne. W wielu przypadkach faktycznie pociągnęło to za sobą zwolnienia.

Jedną z osób stojących w awangardzie tego nowego nadchodzącego świata był Nate Silver, który opracował system PECOTA, mający prognozować wyniki osiągane przez zawodników (początkowo tylko miotaczy, ale później system zaczął się rozwijać). W 2003 roku okazało się, że system PECOTA osiąga nieco lepsze wyniki, niż inne programy i tak rozpoczęła się jego popularność. Silver był wówczas pracownikiem KPMG i jak sam wspomina tworzenie arkusza kalkulacyjnego dotyczącego baseballu w godzinach pracy nie zwracało niczyjej uwagi, bo było to jego główne narzędzie. Dzięki swojej koncepcji prognozowania i stworzonemu modelowi mógł porzucić pracę polegającą na wycenie kontraktów i optymalizacji podatków.

Po kilku latach funkcjonowania systemu Nate Silver zrobił zestawienie porównujące skuteczność prognostyczną własnego systemu i łowców talentów. Okazało się, że nieco lepsze wyniki osiąga wciąż człowiek.

Pozornie może się wydawać, że człowiek jest tendencyjny, zaś maszyna obiektywna.

Niemniej statystycy też nie są całkowicie bezstronni. Jedną z najbardziej zdradliwych tendencji jest zakładanie, że jeśli czegoś nie da się łatwo oszacować, nie ma to znaczenia.

[…] jak wszyscy młodzi mężczyźni, zawodnicy są nabuzowani hormonami, ogarnięci młodzieńczym buntem, niedorośli i podatni na pokusy w postaci alkoholu i uciech cielesnych”

Jak wycenić i zanalizować takie cechy? Maszyna jest bezsilna. Dlaczego pisze o baseballu na blogu o rynkach kapitałowych? Dokładnie z tego powodu, z którego obaj z Kathayem zauważyliśmy, jak wiele wspólnego świat baseballu opisany w Moneyball przypominał rewolucję na rynkach finansowych. Stary świat zaczęły wypierać maszyny statystycy. Wydawało się, że człowiek staje się niepotrebny i … wystarczyło parę kryzysów, spektakularnych upadków funduszy zarządzanych zgodnie z algorytmami, żeby okazało się, że hola, hola… Jeszcze nie czas na panowanie maszyn nad światem. Silver zwraca uwagę na to, że po ponad 10 latach od opublikowania książki Lewisa łowcy talentów zaczęli współpracować ze statystykami (zwłaszcza, że analizą danych zajmowali się od lat).

Gdy słyszę co jakiś czas pytanie o to, czy nie boję się, że na rynkach finansowych zarządzanie przejmą algorytmy zadaję wciąż to samo pytanie – a kto będzie wymyślał koncepty, idee, wyszukiwał pomysły. Do tego wciąż potrzebny jest człowiek. Ba nawet sam osąd, które dane wybrać, jak je ocenić, też jest domeną umysłu człowieka. Nasz mózg jest „zaprogramowany” do wyszukiwania wzorów. Czasem sprowadza to nas na manowce – bo tego wzoru faktycznie nie ma. Widzimy później twarze w plamach na szybie, jakieś przesłania w ciągach losowych danych. Ale czasem, gdy wzory istnieją lecz są tak zanieczyszczone, że żaden algorytm nie jest w stanie sobie z tym poradzić nadal wygrywamy.

Oczywiście prowadzić to będzie do wielu zmian. Na razie jednak nie ma obaw co do tego, że dowolny algorytm będzie tak skuteczny w prognozowaniu, że rynki przestaną mieć sens.

(inspiracją do tekstu jest genialna książka Nate SIlvera „Sygnał i szum”)