کتاب سیگنال و سروصدا

خلاصه متنی رایگان کتاب سیگنال و سروصدا

نیلز بور (Niels Bohr)،‌ فیزیکدان معروف دانمارکی میگه: پیش بینی کردن خیلی سخته؛ مخصوصا درباره‌ی آینده

بنده‌ی خدا درستم میگه. اگه یه کم به اشتباهای کارشناسا تو زمینه‌های مختلف مثل هواشناسی، ورزش و سیاست دقت کنین، شما هم به نتیجه‌ی مشابهی میرسین. حتی بدتر، خیلی از کارشناسا تمایل دارن که با اینکه شواهد خلاف چیزی رو نشون میدن که اونا میگن، اما بازم از پیش‌بینی خودشون دست نکشن. در ادامه به سختی‌های پیش‌بینی اقتصادی و پیداکردن اطلاعات کلیدی یعنی سیگنال از بین یه کپه اطلاعات موجود یعنی سر و صدا می‌پردازیم. 

آیا فردا پیاده به محل کارتون میرین یا با اتوبوس؟ آیا چتر همراه خودتون می‌برین؟

 توی زندگی روزمره‌مون، ما بر اساس پیش‌بینی هایی که از آینده داریم، تصمیم میگیریم. مثلا پیش بینی این که فردا بارون بباره یا نه باعث میشه با خودمون چتر همراه داشته باشیم یا نداشته باشیم. ولی پیش بینی تو حوزه‌های دیگه ای مثل بازار‌های مالی، هواشناسی و ورزش هم دیده میشه. اقتصاد یکی از جاهاییه که میشه انتظار داشت توش پیش‌بینی‌های درستی انجام بشه. 

اقتصاد مقوله‌ی مهمی واسه افراد، شرکت ها و حتی ملت‌هاست و انبوهی از داده هم تو این حوزه وجود داره؛ تا جایی که بعضی شرکت‌ها بیش از چهارمیلیون شاخص اقتصادی رو واسه پیش‌بینی ردیابی و تجزیه تحلیل میکنن. اما علی‌رغم این عوامل، بازم خیلی از اقتصاددان‌ها سابقه‌ی خوبی تو پیش‌بینی ندارن. شاخص تولید ناخالص داخلی رو در نظر بگیرین. به اختصار بهش میگن جی دی پی ( GDP ). اولین مشکل پیش بینی جی دی پی اینه که تحلیل گرهای اقتصادی معمولا پیش بینی‌هایی مثل این رو دارن که سال بعد جی دی پی مثلا ۲.۷ درصد رشد میکنه. 

در واقع اونا این عدد رو از یه بازه‌ی پیش بینی گسترده تر به دست آوردن که میگه یه چیزی حدود ۹۰ درصد احتمال داره که تولید ناخالص داخلی بین ۱.۳ تا ۴.۲ درصد کاهش داشته باشه. بنابراین اعلام یه عدد دقیق به عنوان پیش بینی گمراه کننده‌اس و باعث یه حس کاذب اطمینان و دقت میشه. حالا چی از این بدتره؟ اقتصاددانا درواقع خیلی خوب هم بازه پیش بینی رو ارائه نمیدن. مثلا اگه ۹۰ درصد بازه‌های پیش‌بینی‌شون درست دربیاد، میشه انتظار داشت که توی همین شاخص جی دی پی هم، توی ده درصد موارد اشتباه کنن. اگرچه، توی یه نظرسنجی از تحلیل‌گرهای حرفه‌ای مشخص که از سال ۱۹۶۸، اونها توی ۵۰ درصد موارد اشتباه داشتن. 

علاوه بر جی دی پی،‌ اقتصاددان‌ها توی پیش‌بینی رکود هم بد عمل میکنن. این رو در نظر بگیرین که توی دهه‌ی ۱۹۹۰، اونها فقط تونستن دو تا از شصت تا رکودی که رخ داد رو پیش بینی کنن. خلاصه اینکه باید به پیش‌بینی‌هایی که توسط پیشگوهای اقتصادی انجام میشه یه کم بیشتر دقت کنیم. 

چرا پیشگویی اقتصادی این قدر سخته؟

 جوابش ساده‌اس. چون خیلی از عوامل وجود دارن که میتونن رو این قضیه تاثیر بزارن. یه حادثه تو یه سر دنیا میتونه روند اقتصاد کشوری تو اون سر دنیا رو تغییر بده. علاوه بر این، ارتباطاتی که عامل‌های اقتصادی مختلف با هم دیگه دارن، این قدر پیچیده‌اس که آدمو دیوونه میکنه. مثلا نرخ بیکاری میتونه توسط سلامت پایه‌ی اقتصادی دستخوش تغییر بشه چون کسب و کارها تمایل دارن توی یه شرایط اقتصادی سالم، کارمندای بیشتری استخدام کنن. 

از اون طرف، نرخ بیکاری میتونه روی قیمت‌‌ها هم تاثیر گذار باشه که در نتیجه‌ی اون، تقاضای مصرف کننده تحت‌الشعاع قرار میگیره و علاوه بر اون، سلامت کلی اقتصادی هم تغییر میکنه. این مثال، یه عامل پیچیده‌ی دیگه رو هم معرفی میکنه و اون حلقه‌ی بازخورده. وقتی کسب و کارها فروش بالایی داشته باشن، تحریک میشن که کارمندای بیشتری جذب کنن، کارمندا حقوق بالاتری داشته باشن و حقوق بالای کارمندا باعث تقاضای بیشتر و افزایش بیشتر فروش میشه. همچنین عوامل خارجی‌ای هم وجود دارن که میتونن معنی خیلی از شاخص‌های اقتصادی رو تحریف کنن. 

مثلا بالا رفتن قیمت خونه معمولا یه شاخص مثبته ولی در صورتی که توسط دولت به طور عمدی ایجاد نشده باشه. جالبه بدونین حتی خود پیش‌بینی‌های اقتصادی هم میتونن رو اقتصاد تاثیر بزارن. چون خیلی از مردم و کسب و کارها به این پیش‌بینی‌ها اعتماد میکنن و خرید و فروششون رو بر اساس اونها تنظیم میکنن. 

نه تنها وضعیت اقتصاد تحت تاثیر عوامل بی‌شماری قرار میگیره، بلکه پیش ‌بینی‌ها هم دائما در حال تغییرن. چرا که اولا اقتصاد جهانی مدام در حال تکامله و حتی نظریه‌هایی که امتحانشون رو پس دادن هم سریعا منسوخ میشن. دوما،‌ منابع داده‌هایی که اقتصاددان‌ها باهاشون کار میکنن تا از گذشته و حال باخبر بشن، خیلی غیر قابل اعتمادن و مدام در معرض تجدید نظرن. مثلا داده‌ها‌ی دولت ایالات متحده توی سه ماهه‌ی آخر سال ۲۰۰۸ فقط ۳.۸ درصد کاهش رو برای جی دی پی نشون میدادن. ولی بعدش این آمار به ۹ درصد رسید. پس تعجبی نداره که پیش‌بینی دقیق کار خیلی مشکلی باشه.

همونطور که توی بخش قبل توضیح داده شد، اقتصاد، شبکه‌ای از عوامل مربوط به همیه که به این سادگی‌ها نمیشه اونها رو تشریح کرد

این مسئله، منجر شده که خیلی از اقتصاد دان‌ها یه رویکرد صرفا آماری داشته باشن. بنابراین به جای اینکه به این فکر کنن که هر کدوم از حوادث و اتفاقات چه تاثیراتی رو در بر دارن، اونا صرفا به حرکت نمودارها نگاه میکنن و الگوها رو اونجا کشف میکنن. 

متاسفانه این کار اشتباهات بالقوه‌ای رو همراه خودش داره؛ چرا که نمیشه منکر این قضیه شد که بعضی الگوها صرفا بر اساس اتفاق و شانس ایجاد شدن و هیچ ارتباطی با هیچ عامل دیگه‌ای ندارن. مثلا در نظر بگیرین که از سال ۱۹۶۷ تا سال ۱۹۹۷، برنده‌ی مسابقات فوتبال آمریکایی به نظر می‌رسید که شدیدا با پیشرفت اقتصادی مرتبط باشه. به این معنی که توی بیست و هشت سال از اون سی سال، برنده شدن تیمی از لیگ بقیه‌ی کشورها، به معنی سوددهی بازار سرمایه تو ادامه‌ی سال بوده. درحالی که برنده شدن تیمی از لیگ آمریکا باعث پیش بینی ضرر تو بازارهای مالی می‌شد. 

آمارها نشون میدن که احتمال ایجاد شدن این رابطه یک در چهار میلیون و هفتصد بوده. یعنی اقتصاددان‌ها باید بیشتر فوتبال ببینن؟ معلومه که نه. درواقع این رابطه فقط به خاطر شانس ایجاد شده و از سال ۱۹۹۸ هم دیگه هیچ ارتباطی بین این دو رویداد وجود نداشته. با وجود بیش از چهار میلیون شاخص اقتصادی که مدام دارن تجزیه و تحلیل میشن، مشخصه که این جور ارتباطات تصادفی هم افزایش پیدا میکنن. اعتماد کردن به اونها واسه پیش بینی اصلا کار درستی نیست چون در نهایت یه روزی ضرر میکنیم. 

البته این نکته هم مهمه که حتی اگه واسه استفاده از داده‌ها از تکنولوژي ( technology ) استفاده کنیم، بازم در نهایت این انسانه که تصمیم میگیره آیا تجزیه و تحلیل انجام شده درسته یا نه. ولی خیلی از آدما این رو در نظر نمی‌گیرن. به جاش، اونا سعی میکنن که واسه بیشتر کردن دقت نتیجه، تعداد داده‌ها رو زیاد کنن که این باعث میشه اطلاعات به دردنخور بیشتر و به قول کتاب، سر و صدای بیشتری ایجاد بشه. 

در نتیجه پیدا کردن داده‌های مهم یا سیگنال‌ها سخت‌تر میشه و انحراف بیشتری تو پیش بینی ها به وجود میاد

 حالا بیاین یه نگاه به چهار پیش‌بینی اشتباهی بندازیم که تو آستانه‌ی بحران مالی سال ۲۰۰۸ اتفاق افتادن. با اونایی شروع میکنیم که به حباب مسکن مربوط بودن. اولین عامل، خوش بینی صاحب خونه‌ها، وام دهنده‌ها، دلالا و بنگاه‌هایی بود که فکر میکردن افزایش قیمت خونه‌ها تو ایالات متحده همچنان ادامه پیدا میکنه. در واقع اونا این قانون رو نادیده گرفتن که از نظر تاریخی هم، افزایش قیمت ناگهانی تو قیمت مسکن همیشه با یه رکود پشت سرش همراه بوده. 

پس چطور هیچ کس متوجه این موضوع نشد؟ یه عامل میتونه این باشه که احتمالا این قدر همه داشتن تو اون بازار هیجانی پول در میاوردن که هیچ کس متوجه آینده نبود. عامل دوم تقصیر بنگاه‌ها بود که ریسک پذیری ابزارهای مالی رو که بهش وثیقه‌ی تعهدات بدهی یا به اختصار سی دی او ( CDO ) میگن رو نادیده گرفته بودن. 

سی دی او از بدهی های وام مسکن تشکیل میشه. ایده‌ این بوده که همونطور که صاحب خونه‌ها از رهن خونه‌هاشون پول در میارن، سرمایه گذارهایی که سی دی اوها رو میگردوندن هم کسب سود کنن. در حالی که سی دی او‌ها کاملا تازه وارد بودن، بنگاه‌ها نیاز داشتن که از روی مدل‌های آماری بهشون اعتماد کنن و ریسکش رو به جون بخرن. متاسفانه این کار، احتمال سقوط رو تو مقیاس بزرگ نادیده گرفت و منجر به یه رکود بزرگ شد. 

بیاین دو شکست دیگه‌ای که منجر به رکود بزرگ سال ۲۰۰۸ شد رو با هم بررسی کنیم

 سومین پیش‌بینی اشتباه توی موسسه مالی آمریکا اتفاق افتاد. جایی که انقدر مشتاق بودن که توی اون بازار پررونق دنبال سود باشن که واسه سرمایه گذاری بیشتر خودشونو تو بدهی غرق کردن. بانک سرمایه گذاری برادران لمان ( Lehman Brothers )‌ رو در نظر بگیرین که به ازای هر یه دلاری که داشت، حدود ۳۳ دلار ریسک میکرد. به عبارت دیگه اگه ارزش سهامش فقط ۴ درصد کم می‌شد،‌ شرکت به کل زیر آب میرفت. بقیه‌ی بانک‌های ایالات متحده هم تقریبا به همین شکل بودن. هیچ کس به فکر روی دیگه‌ی بازار نبود. 

البته که این کار واسه یه مدت کوتاهی بهشون سود میرسوند ولی هیچ کس هیچ‌وقت هوس نکرد که یه کم به آینده فکر کنه. چهارمین شکست بعد از رکود توسط دولت آمریکا رخ داد. تیم اقتصادی دولت داشت سعی میکرد، اوضاع رو مثل روز اولش کنه. اونا فکر میکردن که با یه رکود معمولی رو به رو هستن و نرخ بیکاری توی یک یا دو سال دوباره به مقدار طبیعیش برمی‌گرده. ولی تاریخ نشون میده رکودی که توسط سقوط مالی رخ بده، واسه چهار تا شیش سال نرخ بیکاری رو بالا نگه میداره و از اون جایی که اون رکود هم همچین وضعیتی رو داشت، اونا باید اطلاعات بیشتری جمع میکردن. 

این باعث شد که اقدامات دولت بعد از رکود کافی و موثر نباشه. توی بخش بعدی، راه‌هایی رو واسه مقابله با این شرایط سخت بررسی میکنیم.

همونطور که دیدیم، پیش بینی فرایند مشکلیه

یه راه کلیدی واسه غالب شدن بهش موقع در نظر گرفتن احتمالات اینه که رویکرد بیز ( Bayes ) رو به کار بگیریم. این یه قضیه‌اس که بر اساس تحقیقات وزیر مشهور انگلیس، توماس بیز ( Thomas Bayes ) مطرح شده؛ به این صورت که چهارچوبی رو با کمک ریاضی واسه به روز کردن باورهای یه نفر از طریق یه راه منطقی با استفاده از اطلاعات جدید فراهم میکنه. به این مثال خوب توجه کنین تا ببینین باورها چطور باید به روزرسانی بشن. 

فرض کنیم شما خانمی هستین که توی دهه‌ی چهارم زندگی‌تون قرار دارین و نگران مبتلا شدن به سرطان سینه هستین. پس میخواین پیش بینی کنین که احتمال مبتلا شدن شما چقدره. واسه شروع حتما یه سر به اینترنت میزنین. گوگل بهتون میگه که طبق آمار، حدود ۱.۴ درصد از خانوم‌های بین ۴۰ تا ۵۰ سال به این بیماری مبتلا میشن. به این میگن احتمالات اولیه. احتمالاتی که قبل از هر چیزی به دست میارین. بعد از دیدن این آمار، تصمیم می‌گیرین که یه آزمایش ماموگرافی ( mammogram ) انجام بدین تا مشخص بشه آیا خدای نکرده شما هم سرطان سینه دارین یا نه. 

از دست این روزگار نامرد، آزمایش شما مثبت در میاد. خب این یعنی چی؟ احتمالا واقعیت خیلی بهتر از چیزیه که شما فکر میکنین. ماموگرام‌ها خالی از ایراد نیستن. از یه طرف اگه یه خانوم سرطان سینه داشته باشه، ماموگرام فقط تو ۷۵ درصد موارد میتونه اون رو شناسایی کنه. از طرف دیگه، حتی اگه یه خانوم سرطان نداشته باشه هم ماموگرام همچنان تو ده درصد از موارد اون رو اشتباه تشخیص میده. حالا چقدر احتمال داره که بعد از تست مثبت ماموگرام به سرطان سینه مبتلا شده باشین؟ 

ممکنه تعجب کنین که احتمالش فقط ده درصده. اگه شک دارین، خوبه که بدونین داده‌های بالینی هم این رو تایید میکنن. این نکته تاکید داره که ما درک شهودی خیلی خوبی از اینکه چطور اطلاعات جدیدی مثل نتیجه‌ی ماموگرافی با اطلاعات قدیمی تعامل میکنن نداریم. به طور خاص، ما تمایل داریم که بیشتر رو اطلاعات جدید تمرکز کنیم. اینکه روی نتیجه‌ی ماموگرافی بیش از حد تاکید کنیم و این رو فراموش کنیم که در حقیقت، احتمال وقوع سرطان سینه پایینه و احتمال اشتباه بودن نتیجه‌ی آزمایش خیلی بیشتر از درست بودنشه. استفاده از تئوری بیز بهمون کمک میکنه که از تعصبات ذاتی‌ای مثل این که فقط دنبال آخرین اطلاعات باشیم دوری کنیم. 

برای فهمیدن یه نکته‌ی کلیدی دیگه واسه پیش‌بینی بهتر، بیاین ببینیم کدوم دسته از آدما پیشگوهای بهترین

فیلیپ تتلاک ( Philip Tetlock ) روانشناس و دانشمند علوم سیاسی، از سال ۱۹۸۷ شروع به جمع‌آوری پیش‌بینی‌هایی کرد که توسط عده‌ی زیادی از کارشناسا تو حوزه‌هایی مثل سیاست و اقتصاد انجام می‌شد. بعد از تجزیه و تحلیل درستی پیش‌بینی‌ها و نوع شخصیت و تفکر کارشناسایی که این پیشگویی‌ها رو انجام داده بودن، جناب تتلاک به یه الگوی مشخص رسید. 

معلوم شد که پیشگوهایی موفق‌تر عمل کردن، که سعی کرده بودن با ترکیب قسمت‌های کوچیکی از علوم مختلف استراتژی خودشون رو بسازن. از اون طرف، اونایی که پیش‌بینی‌هاشون اکثرا اشتباه از آب دراومده بود، بیشتر روی یه ایده یا قانون کلی تمرکز کرده بودن. آقای تتلاک اسم این دو دسته رو گذاشت جوجه تیغی‌ها و روباه‌ها. جوجه تیغی‌ها معمولا بی پروا و با اعتماد به نفسن. اون‌ها قوانین مهم و تاثیرگذاری رو کشف میکنن که تو ذهن دنیا میمونه. مثلا زیگموند فروید ( Sigmund Freud ) روانشناس و قضیه‌ی ناخود‌آگاهش رو به یاد بیارین. 

از طرف دیگه، روباه ها بیشتر محتاط و دقیقن. یه مسئله رو از دیدگاه‌های مختلف میبینن و با دقت همه‌ی جوانب رو بررسی میکنن. اون‌ها بیشتر از جوجه‌تیغی‌ها تمایل دارن که به شواهد و داده‌های تجربی اعتماد کنن. به سادگی ایدئولوژی‌ها و پیش‌فرض‌های خودشونو کنار میذارن و اجازه میدن که داده‌ها براشون تصمیم‌گیری کنن. البته که اعتماد به نفس جوجه‌تیغی‌ها جذابیت رسانه‌ای بیشتری داره و توجهات بیشتری رو هم به سمت خودش جلب میکنه. 

اما سرآخر، این روباه‌ها هستن که پیش بینی بهتری دارن. در واقع پیش‌گویی جوجه‌تیغی‌ها در مجموع شاید یه کم بهتر از کسایی باشه که همینطوری رو هوا یه حدسی میزنن. خب به نظر میاد که پیشگوهای خوب با استفاده از عوامل مختلف و سبک سنگین کردن اونا از جوانب مختلفه که میتونن درست پیش بینی کنن و با اعتماد کردن به حقایق ساده و دم دستی نمیشه به نتیجه رسید. در ادامه متوجه میشین که چطور از چیزی که یاد گرفتین واسه پیش‌بینی‌های بهتر توی موقعیت‌های سخت استفاده کنین. 

یه کار خیلی سخت تو پیش بینی، اینه که بخواین حرکت قیمت سهام رو تو کوتاه مدت تجزیه و تحلیل کنین

 البته که توی بلند مدت میانگین ارزش سهام‌ بالا میره. ولی این اطلاعات زیاد به درد سهامدارا نمیخوره؛ چون اونا میخوان با بازار حرکت کنن. تمایلی که ثابت شده رسیدن بهش خیلی سخته. اول اینکه واسه یه نفر سخته که بخواد رفتار بازار رو به خوبی پیش‌بینی کنه. درواقع توی یه مطالعه‌ای نشون داده شد که وقتی هفتادتا اقتصاددان راجع به آینده‌ی بازار سرمایه طی چندسال نظر دادن، میانگین پیش‌بینی اونها از پیش بینی فردی هرکدومشون بهتر بود. 

اما چرا حرکت کردن با روند بازار اینقدر مشکله؟ چون بازار سرمایه معمولا بسیار کارامده. یعنی هیچ راه آسون و مطمئنی واسه رسیدن به این بازار وجود نداره. بیشتر سرمایه‌دارا از موسسات مالی باهوش و ماهری استفاده میکنن که با استفاده از حجم عظیمی از داده‌هایی که در اختیار دارن، سعی میکنن که پیش بینی درستی رو ارائه بدن. بیشتر اونها با دیدن سهمی که زیر قیمت فروخته میشه به این نتیجه میرسن که بازار به زودی قیمتش رو بالا میبره و اصلاحش میکنه. 

تنها راه برنده بودن تو بازار اینه که چیزی رو بدونین که بقیه نمیدونن و به نظر میرسه، تنها منبع واسه رسیدن به همچین دستاوردی، اطلاعات غیرقانونی رده بالا هستن. جالبه که بدونین گروهی از سرمایه گذارا توی ایالات متحده که به نظر کارشون درسته و دست بازارو همیشه میخونن، عضو کنگره هستن و سرمایه‌‌گذاری‌هاشون سالانه بین ۵ تا ۱۰ درصد بیشتر از بازده کل بازاره. این نشون میده که لابی‌گرها یا به قول خودمون بچه‌های بالا میتونن از اطلاعات محرمانه سر در بیارن و از طریق اون رفتار بازارو به دست بگیرن. توی بخش بعدی، محدوده‌ای رو میبینین که تو اونجا بازار کارامد نمیتونه باشه. 

اگرچه که بازار سرمایه تمایل داره که کارامد و منطقی باشه،‌ اما وقتی حباب شکل بگیره این قضیه رد میشه

 منظور از حباب جاییه که قیمت سهام همینجور بیخودی بالا و بالاتر میره. اگرچه که هیچ روشی واسه پیش بینی حباب وجود نداره اما شاید بعضی نشونه‌ها بتونن بهمون کمک کنن. اول اینکه یه سرنخ آشکار وجود داره. اونم اینه که قیمت سهام یهویی به صورت عمومی بالا میره. در واقع، میشه مثال های زیادی هم از گذشته زد که توشون، قیمت سهام حتی به دو برابر میانگین سالانه میرسه که بعدش هم خودتون میدونین چه اتفاقی میفته. 

دوم اینکه شما میتونین به نسبت قیمت به درامد یا پی به ای ( P/E ) سهام رو تحت نظر داشته باشین. پی به ای همون نسبت قیمت به سود پیش بینی شده‌ی شرکته. توی طولانی مدت، نرخ پی به ای کل بازار دور و ور ۱۵ درصد میچرخه. این یعنی اگه یهو دیدین که نرخ پی به ای بازار خیلی بیشتر از این عدد شد یعنی مثلا به ۳۰ رسید، میتونین نتیجه بگیرین که یه حباب در حال شکل گرفتنه. ولی چرا همچین حباب هایی شکل میگیرن؟ آیا سرمایه‌گذارا نباید اونها رو شناسایی کنن و واسه برگردوندن قیمت سهام اونها رو بفروشن؟ خب درواقع اگه بخوایم دقیقتر به مسئله نگاه کنیم جواب منفیه. 

اونا نباید سهامشون رو بفروشن. میدونین که بیشتر موسسات سرمایه گذاری، از طرف یه شرکت یا مشتری سرمایه گذاری‌هاشون رو انجام میدن. وقتی عملکرد این موسسه‌ها خوب باشه،‌ سودهای بزرگی نسیب‌شون میشه و اگه هم بد عمل کنن، احتمال ورشکستگی شون هم وجود داره. به این ترتیب وقتی متوجه میشن که یه حباب در حال شکل‌گیریه، اونها بیشتر و بیشتر خرید میکنن و همونطور که بازار رشد میکنه، سودها رو درو میکنن. وقتی در نهایت رکود اتفاق میفته، این موسسه‌های نامرد فقط پول شرکت‌ها و مشتری‌های بدبخت رو به باد میدن نه پول خودشونو. 

بعدش چی میشه؟ چون همکارای این موسسات هم همین کار رو انجام دادن و اونها هم مشتری‌هاشون رو بد بخت کردن در نتیجه مقصر شناخته نمیشن و به کارشون ادامه میدن. جالبه بدونین که بعد از سه رکود تاریخی، فقط ۲۰ درصد از موسسات سرمایه گذاری از دور خارج شدن و ۸۰ درصد هنوز هم سر و مور و گنده دارن کارشون رو انجام میدن. در نتیجه میشه گفت که نادیده گرفتن حباب گرچه واسه خیلیا آب نداره ولی واسه یه عده خیلی نون داره.   

درست مثل مقوله‌ی اقتصاد، اقلیم هم یه شبکه‌ی پیچیده‌اس که اجزاش با هم دیگه ارتباط دارن و پیش بینی راجع بهش فوق‌العاده مشکله

 حتی مدل‌های پیچیده‌ای که عوامل بی‌شماری مثل چرخه‌های ال نینو ( El Nino ) و لکه‌های خورشیدی رو در نظر میگیرن هم خیلی وقتا شکست میخورن. مثلا هیئت بین‌المللی تغییر اقلیم یا آی پی سی سی ( IPCC ) براساس مدلی تو سال ۱۹۹۰ اعلام کرد که توی صد سال آینده، دمای جهانی بین ۲ تا ۵ درجه افزایش پیدا میکنه و تمایل به سمت ۳ درجه‌اس. 

اما یازده سال بعد، مشاهدات نشون دادن که این پیش بینی کاملا اشتباه بود و تغییرات دمایی توی هر قرن فقط ۱.۵ درجه یعنی نصف اون چیزیه که انتظارش رو داشتن. خود دانشمندای حوزه‌ی اقلیم هم کاملا از سختی مدل‌سازی اگاه هستن. از اونجایی که تقریبا همه‌ی اونا قبول دارن که تغییرات اقلیمی به دست فعالیت‌های انسانی به وجود میان، خودشون هم به مدل‌سازی و پیش‌بینی‌هاشون درباره‌ی تغییرات اقلیمی مشکوکن.

مثلا فقط ۱۹ درصد از دانشمندای این حوزه احساس میکردن که مدل‌سازی‌شون از ارتفاع سطح دریا با توجه به تغییر اقلیم دقیق و درسته. بنابراین به نظر میرسه که مدل های اقلیمی‌ای که از یه عالمه داده استفاده میکنن هم به اندازه‌ی کافی دقیق نیستن. ولی آیا ما میتونیم مدل ساده‌تری رو پیدا کنیم که فقط به سیگنال توجه کنه و سر و صدای زیاد داده‌های به درد نخور رو نادیده بگیره؟ مشخص شده که سطح کربن دی اکسید اتمسفر همون سیگناله. مدل‌های ساده‌ی دهه‌ی ۱۹۸۰ که روی سطح CO2 تمرکز کرده بودن، تونستن خیلی بهتر از مدل‌هایی که قبل و بعدشون وجود داشت، تغییرات دمای جهانی رو پیش بینی کنن. 

به علاوه، این رابطه فقط یه تصادف آماری نیست چون یه علت و معلول قابل قبولی هم پشتشه. اثر گلخانه‌ای یه پدیده‌ی فیزیکی اثبات شده‌اس. این که گازهایی مثل کربن دی اکسید توی اتمسفر انباشه میشن و توش گیر میفتن و دماش رو بالا می‌برن. متاسفانه پیش بینی‌های دقیق فقط یه بخش از راه حله. بخش دیگه‌اش اینه که ملت‌ها برای تغییر روند آستین بالا بزنن و یه اقدام جمعی انجام بدن. 

همه‌ی ما درباره‌ی تئوری‌های توطئه که مربوط به حملات ۱۱ سپتامبر به مراکز تجارت جهانیه شنیدیم

بعضی‌ها ادعا میکنن که این حملات کاملا قابل پیش‌بینی بودن و دولت ایالات متحده باید راجع بهشون میدونست. 

مثلا توی جولای سال ۲۰۰۱، هشداری درباره‌ی افزایش فعالیت القاعده وجود داشت و توی آگوست هممون سال هم یه اصولگرای اسلامی واسه درخواست مشکوکش برای تمرین شبیه‌سازی شده‌ی هواپیمای بوئینگ ۷۴۷ دستگیر شد. همچنین توطعه‌های تروریستی قبلی‌ای هم برای پرواز جت‌های تجاری به داخل ساختمون‌ها قبلا کشف شده بود. اما درواقع این سیگنال‌ها فقط وقتی آشکارن که به گذشته نگاه کنیم. 

توی زمان خودش، همه‌ی این ‌ها سر و صدا بودن. آژانس‌های امنیت تو اون زمان باید صدها هزار مورد از این نوع سرنخ‌ها رو بررسی میکردن که اکثر قریب به اتفاق‌شون هم به جایی نمی‌رسیدن. با این حال، دولت ایالات متحده نباید اینقدر از این حمله‌ی بزرگ غافلگیر می‌شد. چرا؟ چون داده‌ها نشون میدن که چنین حملاتی واقعا قابل انتظار هستن. فراوانی و شدت حملات تروریستی از الگویی پیروی میکنن که بهش میگن نمودار کلاست. نمودار کلاست به سادگی بیان میکنه که حملاتی مثل چیزی که توی ۱۱ سپتامبر رخ داده، به طور معمول هر هشتاد سال یکبار اتفاق میفتن. 

بنابراین دولت باید کاملا این احتمال رو در نظر می‌گرفت. خبر خوب این که منحنی کلاست همیشه هم قطعی نیست. به نظر میرسه که اسرائیل تونسته راهی رو پیدا کنه که از این منحنی در بره و حملات تو مقیاس بزرگ رو از سرش باز کنه. نتیجه‌اش این شده که از سال ۱۹۷۹، هیچ حمله‌ای که بیش از ۲۰۰ نفر توش شرکت داشته باشن، تو این کشور گزارش نشده. مشخصا، نکته‌ای تو این قضیه وجود داره که بقیه ی ملت‌ها میتونن ازش یاد بگیرن. 

خلاصه اینکه کارشناسا توی خیلی از حوزه‌ها تمایل دارن که پیش‌بینی‌های ضعیف‌شون رو با یه لحن خیلی محکم و دقیق بیان کنن. همه‌ی اونها توی داده‌های مختلف دنبال یه الگوی مشخص می‌گردن. اما توی جهان امروز که مقدار داده‌ها سرسام‌آوره، این کار میتونه یه الگوی غلط به دست‌شون بده و نتیجه‌ی عکس داشته باشه.