Вторым новым элементом в экономическом инструментарии будет теория сложности. Ключевой вопрос в экономике звучит следующим образом: являются ли рынки капитала сложными системами? В случае утвердительного ответа каждую модель равновесия, используемую в финансовой экономике, следует считать устаревшей.

Ответ на этот вопрос дает физика. Динамическая сложная система состоит из автономных агентов. Каковы характеристики автономных агентов в сложной системе? В сумме их четыре: разнообразие, взаимосвязанность, взаимодействие и адаптация. Система, агенты которой в меньшей степени обладают данными характеристиками, стремится к состоянию неподвижности. Система, агенты которой обладают высокой степенью этих характеристик, стремится к хаосу. Система, агенты которой демонстрируют идеальный баланс характеристик, которые не слишком высокие или не чересчур низкие, представляет собой сложную динамическую систему.

Разнообразие рынков капитала можно наблюдать в поведении «быков» и «медведей», в позициях лонгов и шортов, по индексу жадности и страха[1]. Разнообразие в поведении представляет собой квинтэссенцию рынков.

Взаимосвязанность рынков капитала также является очевидной. В условиях использования индекса Доу-Джонса, Томсон Рейтер, Блумберг, Фокс Бизнес, имейлов, чатов, текстов, Twitter и телефонов трудно представить более плотно связанную систему, чем рынки капитала.

Взаимодействие на рынках капитала измеряется триллионами долларов в акциях, облигациях, валютах, сырье и в операциях с деривативами, проводимых ежедневно, при этом в каждой из них участвуют закупщик, продавец, брокер или стороны обмена. Ни одна другая социальная система и близко не стоит рядом с рынками капиталов по степени взаимодействия, измеряемой количеством транзакций.

Адаптация также служит характеристикой рынков капитала. Хедж-фонд, теряя деньги на позиции, быстро адаптирует свое поведение так, чтобы выйти из сделки или по возможности удвоить ставку. Фонд меняет свое поведение, основываясь на поведении других игроков, отражаемом на рыночных ценах.

Рынки капиталов представляют демонстративно сложные системы: ничто другое с ними не сопоставимо.

Недостатки преобладающих моделей риска заключаются в том, что сложная система ведет себя совершенно не так, как система равновесия. Вот почему модели равновесия Центрального банка и Уолл-стрит показывают неизменно слабые результаты в прогнозах и в управлении рисками. Каждый анализ производится на основе одних и тех же данных. Однако, когда вы вводите эти данные в неполноценную модель, вы получаете неполноценный результат. Инвесторы, использующие теорию сложности, оставят приверженцев популярных методик далеко позади и смогут получить куда более надежный прогноз.

Третьим инструментом в дополнение к поведенческой психологии и теории сложности является байесовская статистика – раздел этиологии, также называемый причинным выводом. Оба эти термина берут свое начало из теоремы Байеса – уравнения, впервые описанного Томасом Байесом и посмертно опубликованного в 1763 году. Одна из версий этой теоремы впоследствии была детально разработана независимо (от Байеса) и представлена в более формализованном виде французским математиком Пьером-Симоном Лапласом в 1774 году. В последующие десятилетия Лаплас продолжил работу над ней. Статистики двадцатого века разработали более строгую формулировку этой теоремы.

Фундаментальная наука, к которой относится и экономика, накапливает большие объемы данных и использует дедуктивные методы для создания проверяемой гипотезы, основанной на имеющейся информации. Эти гипотезы часто задействуют корреляции и регрессии, при помощи которых создаются прогнозы будущих событий, при этом предполагается, что они в большей степени будут походить на события прошлого. Схожие методы задействуют использование стохастики или случайных чисел для моделирования по методу Монте-Карло, который является высокопроизводительной версией многократного подбрасывания монеты или игральной кости для определения вероятности будущих событий.