← Fooled by Randomness & Black Swan Effect – Part 3There is No Value Investment! →
Fooled by Randomness and Black Swan Effect
22 April 2011 14:40
ช่วงนี้ผมเอาหนังสือเก่าบางเล่มมาปัดฝุ่นอ่านใหม่ และทุกครั้งที่อ่านก็จะได้มุมมองบางอย่างเพิ่มเติมไม่มากก็น้อย หนังสือเล่มนี้อ่านครั้งแรกเมื่อเดือน ก.ย. – ต.ค. 2008 ช่วงที่ต้องเดินทางไปจัดประชุมวิชาการต่างจังหวัด เป็นหนังสือที่เสนอแนวความคิดที่น่าสนใจมาก และช่วยเปิดมุมมองให้ผมได้มากขึ้นเยอะ

หนังสือ สองเล่มนี้ เป็น New York Time Bestseller และ Amazon Bestseller อยู่นานหลายสัปดาห์ แต่เป็นหนังสือที่อ่านยาก มีศัพท์แสงประหลาดอยู่ไม่น้อย เล่มแรกคือ Fooled by randomness ซึ่งอ่านง่ายกว่า แต่ผมไม่คิดว่าจะมีใครแปล Black Swan เป็นภาษาไทยได้อย่างง่ายดายเพราะคนแปลต้องมีความรู้เกี่ยวกับตลาดการเงิน, เรื่องคณิตศาสตร์ และปรัชญาพอสมควร

หนังสือ สองเล่มนี้ เป็น New York Time Bestseller และ Amazon Bestseller อยู่นานหลายสัปดาห์ แต่เป็นหนังสือที่อ่านยาก มีศัพท์แสงประหลาดอยู่ไม่น้อย เล่มแรกคือ Fooled by randomness ซึ่งอ่านง่ายกว่า แต่ผมไม่คิดว่าจะมีใครแปล Black Swan เป็นภาษาไทยได้อย่างง่ายดายเพราะคนแปลต้องมีความรู้เกี่ยวกับตลาดการเงิน, เรื่องคณิตศาสตร์ และปรัชญาพอสมควร

ก่อนการค้นพบทวีปออสเตรเลีย นักวิทยาศาสตร์ทุกคนเชื่อว่าหงส์ทุกตัวมีสีขาว (เป็นที่มาของคำกล่าวว่า All swans are white ซึ่งมีความหมายเปรียบว่านี่คือความจริงของธรรมชาติ) จนกระทั่งมีคนเจอ black swan ในปี 1697 บริเวณที่เป็นเมือง Perth ในปัจจุบัน. The Black Swan นำเสนอเหตุการณ์ที่มีผลกระทบสำคัญและคุณสมบัติของเหตุการณ์ที่เข้าข่าย Black Swan ได้น่าสนใจมาก

ลักษณะของ Black Swan ที่สำคัญ 3 อย่างคือ

Rarity/Highly unexpected เหตุการณ์นี้ต้องหายาก และมักคาดไม่ถึง
Extreme impact เหตุการณ์นี้มีผลกระทบชัดเจนและรุนแรง
Retrospective predictability ถ้ามองย้อนหลังกลับไป เราอาจจะเข้าใจหรืออธิบายได้ว่ามันเกิดขึ้นได้อย่างไร
โดยปกติ เหตุการณ์หนึ่ง ๆ มีผลกระทบต่อเรามากน้อยเท่าไหร่ ขึ้นกับโอกาสของการเกิด (possibility) โอกาสใด ๆ ที่เกิดขึ้นแบบสุ่มโดยที่เราไม่ได้คาดคิด มีผลกระทบมากหรือน้อยโดยทั่วไปก็จะขึ้นกับความน่าจะเป็นของการเกิดเหตุการณ์นั้น

Fooled by Randomness เกิดจากความเชื่อพื้นฐานของมนุษย์ที่คิดว่าโอกาสใดที่เกิดน้อย จะมีผลกระทบกับเราน้อยกว่าโอกาสใดที่เกิดง่ายกว่า ทำให้มนุษย์เกิด false sense of confidence ว่าเราสามารถ “ทำนาย” การเกิดเหตุการณ์ต่าง ๆ ได้ดี เช่นการพยากรณ์อากาศ, การทดสอบทางสถิติหรือวิทยาศาสตร์

Black Swan Effect เป็นตัวอย่างที่ดีที่หักล้างความเชื่อในกรณีที่มนุษย์เรามีความมั่นใจว่า สามารถทำนายผลอะไรได้เกือบทั้งหมด โดยไม่ได้เฉลียวใจว่าอะไรกำลังจะเกิดขึ้น และไม่รู้ว่าเรายังไม่รู้อะไรอีกมาก แต่เมื่อเหตุการณ์เกิดขึ้นแล้วเราจึงเข้าใจว่ามีสิ่งบอกเหตุหลายอย่างที่อธิบายปรากฏการณ์ได้อย่างดี ผมเองก็ไม่รู้ว่าจะอธิบายยังไงให้มันง่าย ๆ ได้มากกว่านี้ เพราะหนังสือเล่มนี้ยอมรับเลยว่าอ่านยาก
มีลักษณะเป็นปรัชญามากกว่าหนังสือเศรษฐศาสตร์หรือธุรกิจ ถ้าตรงไหนไม่รู้เรื่อง ก็ลองนึกตามตัวอย่าง อาจจะพอได้ไอเดียมากกว่า

จะเข้าใจ Black Swan ต้องเข้าใจ extremistan กับ mediocristan ก่อน ทั้งสองอย่างนี้เป็นประเภทของตัวแปร (parameter) ที่แยกกันโดยดูว่าค่าพิสัยของตัวแปรที่เป็นไปได้ สามารถเพิ่มหรือลดขนาดได้หรือไม่ (scalability)

non scalable parameter คือตัวแปรที่มีค่าค่อนข้างคงที่ แปรผันน้อย ไม่สามารถเพิ่มหรือลดได้มากนัก ส่วน scalable paramenter เป็นตัวแปรที่มีค่าแปรผันได้ ตัวอย่างของ parameter ที่เป็น non scalable มักเป็นค่าที่เกี่ยวกับปริมาณ ชั่ง ตวง วัดกันทั่ว ๆ ไป (quantity) เช่น ความสูงและน้ำหนักของคน, IQ, อุณหภูมิของอากาศ, ค่าจ้างแรงงาน/ชม. ค่าเหล่านี้มีการกระจายเป็นแบบสุ่ม แต่มีลักษณะเป็น bell curve (Gaussian distribution) และมีกรอบพิสัย (range) ที่จำกัด เช่นความสูงของคน น้ำหนักของคน หรือค่าจ้างแรงงาน/ชม. ค่าเหล่านี้แม้จะมีความหลากหลายแตกต่างกันไป แต่ก็มีความจำกัด (subject to limitation or gravity)

ในขณะที่ scalable parameter เป็นค่าที่มีความหลากหลายมาก และมีพิสัย (range) แทบไม่จำกัด และมักเกี่ยวกับตัวเลข (number) เช่นความร่ำรวยของคนจะเห็นว่ามีตั้งแต่จนสุด ๆ จนถึงร่ำรวยล้นฟ้า.

สมาชิกของตัวแปรที่มีลักษณะเป็น non scalable คือ mediocristan และสมาชิกของตัวแปรที่เป็น scalable คือ extremistan

ใน mediocristan นั้น parameter แต่ละอันนั้น contribute ต่อกลุ่มโดยรวมไม่มากนัก โดยเฉพาะถ้า sample size มีขนาดใหญ่มาก ๆ ตัวอย่างเช่น ค่าอุณหภูมิเฉลี่ยของประเทศไทย 365 วันมีค่า 28 องศา สมมติวันนี้ (19 ก.พ.) ประเทศเราจะมีอุณหภูมิเพิ่มขึ้นจาก 22 ไปเป็น 50 องศา (ร้อนผิดปกติ) ก็ทำให้ค่าเฉลี่ยอุณหภูมิของประเทศไทยไม่ต่างไปจากเดิมมากนัก

ทางตรงกันข้าม กลุ่ม extremistan มีความหลากหลาย และไม่เท่าเทียมกัน (inequality) สูง parameter ค่าหนึ่งเพียงค่าเดียว อาจมีอิทธิพลโดยรวมสูงมาก และอาจจะสูงกว่าค่าที่เหลือในกลุ่มรวมกันด้วยซ้ำไป ตัวอย่างเช่น สมมติว่าเอาคนทุกคนในเมือง Seattle มารวมกันในสนามกีฬาประจำเมือง แล้วดูค่าเฉลี่ยทรัพย์สินของคนทั้งเมือง จะเห็นได้ชัดว่าการรวมหรือไม่รวม Bill Gates เพียงคนเดียว ทำให้ค่าเฉลี่ยนี้เปลี่ยนไปอย่างมาก หรือถ้าเราเอานักเขียนทุกคนในโลกนี้มายืนเรียงกันตามจำนวนหนังสือที่ขายได้ จะเห็นได้ว่า JK Rowling ซึ่งยืนหัวแถว ขายหนังสือได้มากกว่านักเขียนอีก 60% ที่เหลือในโลกนี้รวมกัน

Fooled by Randomness & Black Swan Effect – Part 2
19 February 2011 22:22
โดยปกติ เหตุการณ์หนึ่ง ๆ มีผลกระทบต่อเรามากน้อยเท่าไหร่ ขึ้นกับโอกาสของการเกิด (possibility) โอกาสใด ๆ ที่เกิดขึ้นแบบสุ่มโดยที่เราไม่ได้คาดคิด มีผลกระทบมากหรือน้อยโดยทั่วไปก็จะขึ้นกับความน่าจะเป็นของการเกิดเหตุการณ์นั้น

Fooled by Randomness เกิดจากความเชื่อพื้นฐานของมนุษย์ที่คิดว่าโอกาสใดที่เกิดน้อย จะมีผลกระทบกับเราน้อยกว่าโอกาสใดที่เกิดง่ายกว่า ทำให้มนุษย์เกิด false sense of confidence ว่าเราสามารถ “ทำนาย” การเกิดเหตุการณ์ต่าง ๆ ได้ดี เช่นการพยากรณ์อากาศ, การทดสอบทางสถิติหรือวิทยาศาสตร์

Black Swan Effect เป็นตัวอย่างที่ดีที่หักล้างความเชื่อในกรณีที่มนุษย์เรามีความมั่นใจว่า สามารถทำนายผลอะไรได้เกือบทั้งหมด โดยไม่ได้เฉลียวใจว่าอะไรกำลังจะเกิดขึ้น และไม่รู้ว่าเรายังไม่รู้อะไรอีกมาก แต่เมื่อเหตุการณ์เกิดขึ้นแล้วเราจึงเข้าใจว่ามีสิ่งบอกเหตุหลายอย่างที่อธิบายปรากฏการณ์ได้อย่างดี ผมเองก็ไม่รู้ว่าจะอธิบายยังไงให้มันง่าย ๆ ได้มากกว่านี้ เพราะหนังสือเล่มนี้ยอมรับเลยว่าอ่านยาก
มีลักษณะเป็นปรัชญามากกว่าหนังสือเศรษฐศาสตร์หรือธุรกิจ ถ้าตรงไหนไม่รู้เรื่อง ก็ลองนึกตามตัวอย่าง อาจจะพอได้ไอเดียมากกว่า

จะเข้าใจ Black Swan ต้องเข้าใจ extremistan กับ mediocristan ก่อน ทั้งสองอย่างนี้เป็นประเภทของตัวแปร (parameter) ที่แยกกันโดยดูว่าค่าพิสัยของตัวแปรที่เป็นไปได้ สามารถเพิ่มหรือลดขนาดได้หรือไม่ (scalability)

non scalable parameter คือตัวแปรที่มีค่าค่อนข้างคงที่ แปรผันน้อย ไม่สามารถเพิ่มหรือลดได้มากนัก ส่วน scalable paramenter เป็นตัวแปรที่มีค่าแปรผันได้ ตัวอย่างของ parameter ที่เป็น non scalable มักเป็นค่าที่เกี่ยวกับปริมาณ ชั่ง ตวง วัดกันทั่ว ๆ ไป (quantity) เช่น ความสูงและน้ำหนักของคน, IQ, อุณหภูมิของอากาศ, ค่าจ้างแรงงาน/ชม. ค่าเหล่านี้มีการกระจายเป็นแบบสุ่ม แต่มีลักษณะเป็น bell curve (Gaussian distribution) และมีกรอบพิสัย (range) ที่จำกัด เช่นความสูงของคน น้ำหนักของคน หรือค่าจ้างแรงงาน/ชม. ค่าเหล่านี้แม้จะมีความหลากหลายแตกต่างกันไป แต่ก็มีความจำกัด (subject to limitation or gravity)

ในขณะที่ scalable parameter เป็นค่าที่มีความหลากหลายมาก และมีพิสัย (range) แทบไม่จำกัด และมักเกี่ยวกับตัวเลข (number) เช่นความร่ำรวยของคนจะเห็นว่ามีตั้งแต่จนสุด ๆ จนถึงร่ำรวยล้นฟ้า.

สมาชิกของตัวแปรที่มีลักษณะเป็น non scalable คือ mediocristan และสมาชิกของตัวแปรที่เป็น scalable คือ extremistan

ใน mediocristan นั้น parameter แต่ละอันนั้น contribute ต่อกลุ่มโดยรวมไม่มากนัก โดยเฉพาะถ้า sample size มีขนาดใหญ่มาก ๆ ตัวอย่างเช่น ค่าอุณหภูมิเฉลี่ยของประเทศไทย 365 วันมีค่า 28 องศา สมมติวันนี้ (19 ก.พ.) ประเทศเราจะมีอุณหภูมิเพิ่มขึ้นจาก 22 ไปเป็น 50 องศา (ร้อนผิดปกติ) ก็ทำให้ค่าเฉลี่ยอุณหภูมิของประเทศไทยไม่ต่างไปจากเดิมมากนัก

ทางตรงกันข้าม กลุ่ม extremistan มีความหลากหลาย และไม่เท่าเทียมกัน (inequality) สูง parameter ค่าหนึ่งเพียงค่าเดียว อาจมีอิทธิพลโดยรวมสูงมาก และอาจจะสูงกว่าค่าที่เหลือในกลุ่มรวมกันด้วยซ้ำไป ตัวอย่างเช่น
สมมติว่าเอาคนทุกคนในเมือง Seattle มารวมกันในสนามกีฬาประจำเมือง แล้วดูค่าเฉลี่ยทรัพย์สินของคนทั้งเมือง จะเห็นได้ชัดว่าการรวมหรือไม่รวม Bill Gates เพียงคนเดียว ทำให้ค่าเฉลี่ยนี้เปลี่ยนไปอย่างมาก หรือถ้าเราเอานักเขียนทุกคนในโลกนี้มายืนเรียงกันตามจำนวนหนังสือที่ขายได้ จะเห็นได้ว่า JK Rowling ซึ่งยืนหัวแถว ขายหนังสือได้มากกว่านักเขียนอีก 60% ที่เหลือในโลกนี้รวมกัน

Fooled by Randomness & Black Swan Effect – Part 3
19 February 2011 22:24
การเกิด Black Swan Event นั้นจึงเกิดขึ้นเฉพาะกับเหตุการณ์ที่เกี่ยวข้องกับ extremistan เท่านั้น เนื่องจากมีความหลากหลาย ปัจจัยนี้อย่างเดียวยังไม่พอต่อการเกิดเหตุ แต่ยังต้องเกิดจากความหลงผิดของมนุษย์ 3 อย่าง (triplet of opacity) ได้แก่

1. Illusion of understanding – ความเข้าใจว่าตัวเองเข้าใจดีแล้ว คิดว่าตัวเองรู้ว่าอะไรเป็นอะไร ทั้ง ๆ ที่ความจริงยังมีอะไรอีกตั้งเยอะที่ยังไม่รู้
2. Retrospective distortion – เวลาคนเรามองอดีตย้อนกลับไป แล้วเข้าใจดี ดูว่าเออ.. มัน make sense ทั้ง ๆ ที่ตอนนั้น เราเองก็ไม่รู้ว่ามันจะเป็นอย่างไรต่อไป
3. Overvaluation of factual information – คือการประเมินข้อมูล “เว่อ” เกินไป เนื่องจากเราคิดว่าเรา “รู้ดี”

ปัจจัย 3 ประการนี้ตามปกติจะใช้ได้ดีกับ mediocristan เพราะมี relationship ที่ตรงไปตรงมา สามารถนำอดีตมาใช้คาดการณ์อนาคตได้ แม้อนาคตจะยังไม่แน่นอน (random) แต่อยู่ในร่องในรอย (เขาเรียกว่า type 1 randomness) แต่ใช้ไม่ได้กับ extremistan ซึ่งเราอาจจะไม่รู้ว่าจะเป็นอย่างไร (type 2 randomness)

ตัวอย่างเหตุการณ์ 9/11 วินาศกรรมช็อคโลก .. เมื่อลองย้อนกลับไปแค่ 1 วัน ณ วันที่ 10 กันยายน มีใครคาดคิดหรือไม่ว่าวันรุ่งขึ้นจะเกิดโศกนาฏกรรมยิ่งใหญ่ เมื่อเกิดขึ้นแล้ว การมองย้อนหลังกลับไปทั้งหมดทำให้เรามองเห็น “ช่องโหว่” มากมายมหาศาลที่นำไปสู่เหตุการณ์ที่ว่า

Black Swan Event จึงเป็นเหตุการณ์ที่มักมีลักษณะที่ highly impossible แต่เมื่อเกิดแล้วจะมี great impact และยากที่คนที่ได้รับผลกระทบอย่างจัง จะได้รู้ล่วงหน้าก่อน ในเหตุการณ์ที่ผ่านมา เรื่อง CDS น่าจะเข้ากับ Black Swan ได้ดีเยี่ยม คนที่รับประกันตราสารหนี้เกิด false sense of confidence ว่าตัวเองสามารถบริหารจัดการความเสี่ยงได้ดี น่าจะเป็นแหล่งทำเงินง่าย ๆ แต่เมื่อเกิดความผิดปกติในระบบตราสารหนี้ทั้งระบบแล้ว CDS กลับกลายเป็นระเบิดที่กระทบผู้รับประกันอย่างรุนแรง

Globalization กับ Black Swan
Globalization ทำให้ความแปรปรวนของสิ่งต่าง ๆ ลดลง ทุกภาคส่วนต่อถึงกันทำให้เราได้รับข้อมูล ข่าวสาร สินค้า บริการ ได้เท่าเทียมกัน แต่การเชื่อมต่อกันนี้แม้จะลด internal risk แต่ไม่สามารถลด systemic risk ได้ จริงอยู่ที่ systemic risk มีโอกาสเกิดปัญหาได้น้อย แต่ด้วยผลของ globalization ทำให้ปัญหามันกระจายตัวออกไปอย่างทั่วถึงและรุนแรง. ตัวอย่างของ globalization กับภาคธุรกิจการเงินคือการควบรวมกิจการ (merger & acquisition) ทำให้กิจการใหญ่ขึ้น มีความมั่นคงมากขึ้นด้วยทรัพย์สินปริมาณสูง มีการทำธุรกรรมหลายชนิดเป็นการกระจายความเสี่ยงของกิจการ ในกรณีที่ธุรกิจด้านใดมีรายได้ลดลงอาจมีธุรกิจอื่นมาชดเชยได้ การมีผู้เล่นน้อยรายลงทำให้การแข่งขันไม่อยู่ในสภาพดุเดือดเหมือนทะเลเลือด (red ocean) แต่ถ้าในทางกลับกัน สถาบันการเงินขนาดใหญ่เกิดปัญหา จะส่งผลกระทบในวงกว้างและรุนแรงมาก วิกฤตเศรษฐกิจของอเมริกาที่แผ่กระจายไปยังภาคพื้นยุโรปและเอเชีย อีกหลายประเทศ เป็นตัวอย่างชัดเจนของ Black Swan Effect ในขณะที่ประเทศที่มี connection ผ่าน globalization น้อยกว่ากลับไม่ค่อยมีผลกระทบเท่าใดนัก (เทียบผลกระทบต่อประเทศไทย กับสิงคโปร์ เป็นต้น) สิ่งหนึ่งที่น่าเป็นห่วงของผลพวง Hamburger crisis คือการ take over ของกิจการธนาคารหลายแห่ง ก่อให้เกิดธนาคารที่ขนาดใหญ่ขึ้น และมีจำนวนลดลง (Mega – Bank) แม้โอกาสที่สถาบันอย่าง JP Morgan Chase, Wells Fargo และ Bank of America จะล้มคงยากขึ้น แต่ถ้าเกิดขึ้น .. ผลกระทบครั้งหน้าอาจจะสาหัสกว่าที่ผ่านมา

Advertisements