Убийственные большие данные. Как математика превратилась в оружие массового поражения

Вопросы анкеты на этом не заканчиваются. Заключенных спрашивают, есть ли судимости у их друзей и родственников. И снова: задайте такой вопрос преступнику, который вырос в квартале среднего класса, – с большой долей вероятности ответ будет отрицательным. Опросник действительно избегает вопросов о расе – они незаконны. Но, учитывая степень подробности, с которой каждый заключенный рассказывает о своей жизни, этот единственный незаконный вопрос практически оказывается ненужным.

Анкету LSI-R, разработанную в 1995 году, с тех пор заполнили тысячи заключенных. Специалисты по статистике использовали эти результаты, чтобы построить систему, в которой ответы, имеющие непосредственное отношение к риску рецидива, имели бы больший вес и добавляли больше баллов. После сдачи анкеты осужденные распределяются по категориям высокого, среднего и низкого риска на основе полученных ими баллов. В некоторых штатах, таких как Род-Айленд, эти тесты используются, только чтобы направить осужденных с высоким риском на программы профилактики рецидива во время отбывания тюремного срока. Но в других штатах, в том числе Айдахо и Колорадо, судьи используют эти результаты и при вынесении приговора.

Это несправедливо. Опросник включает обстоятельства рождения и воспитания преступника, данные о его или ее семье, окружении и друзьях. Но подобные детали не должны иметь отношения к уголовному делу или к приговору. В самом деле, если бы прокурор попытался очернить подзащитного, упомянув количество судимостей его брата или уровень преступности в районе, где он живет, адвокат бы тут же воскликнул: «Возражаю, ваша честь!» И разумный судья принял бы это возражение. Таковы основы нашей правовой системы. Нас судят за то, что мы делаем, а не за наше происхождение. И хотя мы не знаем, сколько именно баллов добавляют эти пункты анкет, любое значение, отличное от нуля, несправедливо.

Многие скажут, что статистические системы, подобные LSI-R, все же достаточно эффективны в оценке вероятности рецидива – по крайней мере, они более точны, чем интуитивные предположения того или иного судьи. Но даже если мы отложим в сторону, совсем ненадолго, серьезнейшую проблему справедливости, мы обнаружим, что соскальзываем в губительную петлю обратной связи ОМП. Осужденный с «высоким риском», скорее всего, окажется в прошлом безработным выходцем из района, в котором многие его родственники и друзья имели столкновения с законом. Отчасти из-за большого количества баллов, набранного в ходе заполнения анкеты, он получает более длительный тюремный срок, который закроет его на большее количество лет в тюрьме в окружении таких же преступников, как он, – что повышает вероятность его возвращения в тюрьму. В конце концов его выпускают на свободу, и он возвращается все в тот же бедный район, но на этот раз с судимостью, которая еще больше затруднит ему получение работы. Если он совершит еще одно преступление, модель оценки риска рецидива может объявить об очередном своем успехе. Но на самом деле это сама модель вносит вклад в токсичный цикл и помогает его поддерживать. Это ключевое свойство оружия математического поражения.

* * *

В этой главе мы познакомились с тремя типами статистических моделей. Бейсбольные модели по большей части можно счесть здоровыми. Они прозрачны, постоянно обновляются, и все допущения и выводы можно легко проследить. Такие модели подпитываются статистикой самой игры, а не прокси-реальностью. Люди, которых их составляют, понимают процесс и разделяют цель модели: выиграть Мировую серию. (Хотя, конечно, это не значит, что многие игроки, как только подойдет время подписывать контракт, не попытаются поспорить с оценкой модели: «Конечно, я сделал двести раз страйк-аут, но только посмотрите на мои хоум-раны…»)

С моей точки зрения, нет ничего плохого и во второй модели, которую мы обсуждали, – гипотетической модели семейных ужинов. Если бы мои дети задались вопросами о допущениях, которые за ней стоят, как экономических, так и диетических, я бы с удовольствием об этом рассказала. И даже если они иногда ворчат, получая очередную порцию зеленого салата, они, вероятно, признают, что моя модель отвечает целям удобства, экономии, здоровья и хорошего вкуса – хотя, возможно, в своих собственных моделях они придадут этим факторам другой вес (и они могут начать создавать свои модели с того самого момента, когда начнут сами покупать себе продукты).

Должна добавить, что моя модель вряд ли когда-нибудь приобретет промышленные масштабы. Не представляю, чтобы сеть супермаркетов Walmart или Министерство сельского хозяйства США заинтересовались бы моей моделью и распространили бы ее на сотни миллионов людей – как некоторые из видов оружия математического поражения, которые мы будем обсуждать. Нет, моя модель совершенно безобидна, особенно учитывая то, что она вряд ли когда-нибудь перейдет из моей головы в какую-либо компьютерную программу.

Однако оценка вероятности рецидива, которую мы обсуждали в конце главы, – пример совсем другого рода. Он имеет какой-то дурной привкус. Давайте быстро проверим, не относится ли эта оценка к ОМП, и посмотрим на результат.

Первый вопрос: если участник проверки осведомлен о том, что его проверяют с помощью модели, и о том, для чего будет использован результат проверки, можно ли считать эту модель непрозрачной? Ведь большинство заключенных, заполняющих обязательные анкеты, вовсе не глупы. Они как минимум должны подозревать, что информация, которую они предоставляют, будет использована против них, чтобы контролировать их во время отбывания срока, – эта информация даже может привести к увеличению этого срока. Они знают правила игры. Однако представители тюремной администрации тоже их знают. И они не распространяются о целях LSI-R. Администрация отлично понимает, что в ином случае многие заключенные попытаются обыграть модель, предоставив ответы, в которых они будут выглядеть образцовыми гражданами на момент выхода из тюрьмы. Поэтому заключенных стараются держать в неведении и не раскрывать им степень риска рецидива, которую определила модель в их случае.

В этом тюремные администраторы не одиноки. Непрозрачные модели – это правило, а прозрачные – исключение. Нас моделируют как покупателей и домоседов, как пациентов и заемщиков, но практически никаких из этих результатов мы не видим – даже если сами радостно участвуем в опросах. Даже когда такие модели на самом деле «ведут себя» вполне прилично, их непрозрачность может породить ощущение несправедливости. Если распорядитель в концертном зале сказал вам, что садиться в креслах первых десяти рядов нельзя, вы можете счесть этот запрет необоснованным и несправедливым. Но, вероятно, вы измените свое мнение, если распорядитель объяснит вам, что эти места зарезервированы для людей в инвалидных креслах. Прозрачность имеет большое значение.

При этом многие компании делают все, чтобы скрыть результаты, которые дают их модели или даже само существование этих моделей. Одно из самых распространенных оправданий при этом – наличие в алгоритме некоего «секретного компонента», критически важного для данного бизнеса. Это интеллектуальная собственность, которую защищают легионы юристов и лоббистов. В случае интернет-гигантов, таких как Google, Amazon и Facebook, эти алгоритмы стоят сотни миллиардов долларов. Оружие математического поражения по определению представляет собой черный ящик, и в результате крайне сложно ответить на вопрос: работает ли модель против интересов человека? Иными словами, справедлива ли она? Не наносит ли она вред?

И здесь тоже модель LSI-R легко квалифицировать как один из видов ОМП. Люди, которые создали этот алгоритм оценки в 1990-е годы, несомненно, рассматривали его как орудие правосудия, укрепляющее эффективность юридической системы. Кроме того, этот алгоритм может помочь правонарушителям, не предоставляющим большой угрозы, получить более легкие приговоры. Это можно перевести в большее количество лет свободы для них и огромную экономию для американских налогоплательщиков, которые оплачивают ежегодный тюремный счет в 70 миллиардов долларов. Однако поскольку анкета делает заключение об осужденном на основании пунктов, которые нельзя предъявить как свидетельства на суде, она несправедлива. И пусть она многим принесет пользу, другие от нее пострадают.

Ключевой компонент этого страдания – губительная петля обратной связи. Как мы уже увидели, модели вынесения приговоров, которые оценивают человека по его или ее личным обстоятельствам, помогают создать окружение, которое оправдывает эти допущения. Эта деструктивная петля продолжает затягиваться, в результате модель становится все более несправедливой.

Третий вопрос – есть ли у модели потенциал экспоненциального роста? Как спросил бы специалист по статистике, может ли она масштабироваться? Это может показаться праздной математической задачкой, но масштаб – именно то, что превращает ОМП из местных неприятностей в настоящее цунами, которое будет влиять на нашу жизнь и определять ее границы. Как мы увидим, развитие ОМП в сферах человеческих ресурсов, здравоохранения и банковского дела (и список этим далеко не ограничивается) быстро расширяет границы, в которых к нам применяется сила, очень похожая на неумолимую мощь закона. Если, к примеру, банковская модель отнесет вас в группу заемщиков высокого риска, то мир будет относиться к вам именно так – как к безнадежному неудачнику, даже если в модель вкралась ошибка. А когда эта модель масштабируется, как это уже случилось с кредитной моделью, она начинает оказывать влияние на всю вашу жизнь – удастся ли вам купить хороший дом, найти хорошую работу или приобрести хорошую машину, чтобы до этой самой работы добираться.

Когда дело доходит до масштабирования, у моделей вероятности рецидива хорошие перспективы. Они уже используются в большинстве штатов, причем модель LSI-R – самый распространенный вариант, используемый как минимум в 24 из них. Однако LSI-R – не единственный вариант: тюрьмы представляют собой оживленный и прибыльный рынок для специалистов по анализу данных. Система исполнения наказаний переполнена информацией, особенно с учетом то, что заключенные еще в большей степени лишены права на privacy, чем любой из нас. Более того, эта система настолько примитивна, неэффективна, дорога и бесчеловечна, что она просто вопиет о необходимости улучшений. Кто же в тюремной администрации будет против подобных дешевых решений?

Реформа системы исполнения наказаний – редкая тема в сегодняшнем поляризованном политическом мире, в которой либералы и консерваторы единодушны. В начале 2015 года братья-консерваторы Чарльз и Дэвид Кох объединились с либеральным аналитическим Центром за американский прогресс, чтобы продвинуть реформу тюрем и снизить число заключенных. Но я подозреваю, что эти межпартийные усилия реформировать тюрьму, как и множество других усилий, практически наверняка выльются в предполагаемо эффективное и справедливое решение – очередную модель, в которую человек будет вводить данные. Такова эпоха, в которой мы живем. Даже если другие инструменты потеснят LSI-R в качестсве основного вида оружия математического поражения, тюрьмы, скорее всего, останутся инкубатором для создания других видов ОМП в огромных масштабах.

Если суммировать все сказанное, вот три главных компонента ОМП: непрозрачность, масштабность и высочайшая степень ущерба. Все эти компоненты присутствуют в той или иной степени в примерах, которые мы будем рассматривать дальше. Разумеется, всегда есть место для возражений. Вы, например, можете сказать, что оценку степени риска рецидива нельзя назвать вполне непрозрачной, потому что она основана на результатах, с которыми заключенные в некоторых случаях могут ознакомиться. И тем не менее она непрозрачна – ведь заключенные не могут посмотреть, как именно их ответы перерабатываются в результат. Подсчитывающий алгоритм от них скрыт.

Есть несколько видов оружия математического поражения, которые, возможно, не вполне соответствуют критерию масштабности. Их распространение пока еще нельзя назвать повсеместным. Но они представляют собой опасные экземпляры, которые со временем неизбежно масштабируются – и, возможно, экспоненциально. Поэтому я включаю эти примеры в свой список.

Наконец, вы можете заметить, что не все виды ОМП приносят исключительно ущерб. В конце концов, они помогают кому-то попасть в Гарвард, кому-то – получить на хороших условиях кредиты или приличные рабочие места, а также сокращают тюремные сроки для некоторых заключенных – для тех, кому повезло. Но вопрос же не в том, что некоторые люди получают от этих моделей пользу, а в том, что столь многие из-за них страдают. Эти модели, усиленные алгоритмами, захлопывают двери перед носом у миллионов людей, зачастую по ничтожнейшим поводам, и не подразумевают возможности апелляции. Эти модели несправедливы.

И вот еще что можно сказать об алгоритмах: они могут переходить из одной области в другую, и это действительно зачастую происходит. Результаты эпидемиологических исследований могут использоваться для предсказаний кассовых сборов; программы, фильтрующие спам, модифицируются, чтобы идентифицировать ВИЧ.

Все это верно и для ОМП. Так что, если математические модели в тюрьмах продемонстрируют кажущийся успех – что на самом деле означает эффективное вмешательство со стороны человека, – они могут распространиться и на всю экономическую систему, наряду с другими ОМП, превратив нас всех просто в расходный материал.

Именно об этой опасности я говорю, именно эта опасность неумолимо возрастает. И следующую поучительную историю об этом может рассказать нам мир финансов.

Посттравматический синдром: мое путешествие к утрате иллюзий

Представьте, что у вас есть в жизни какой-то заведенный ритуал. Каждое утро, перед тем как сесть на поезд из Джолиета до чикагской станции «Лассаль-стрит», вы скармливаете кофейному автомату на перроне два доллара. Автомат возвращает вам два четвертака плюс стаканчик с кофе. Но однажды он возвращает вам четыре четвертака. И если трижды за следующий месяц тот же автомат выдает такой же результат, значит, налицо некая системная ошибка…

Если бы это была небольшая аномалия на финансовых рынках, а не пригородный поезд, то сотрудник хедж-фонда – кто-то вроде меня – мог бы сосредоточить на ней свое внимание. Он бы прочесал информацию за несколько последних лет или даже десятилетий, а затем разработал алгоритм по предсказанию этой ошибки – отклонению в цене на пятьдесят центов, – чтобы делать на нее ставки. Даже самые незначительные отклонения могут принести миллионы тем первым инвесторам, которые их обнаружат. И эти инвесторы будут и дальше извлекать прибыль, пока не произойдет одно из двух: либо феномен исчезнет, либо его обнаружат все остальные участники рынка – в любом случае приток прибыли прекратится. Но в этот момент хороший сотрудник хедж-фонда уже будет идти по горячим следам десятков других крошечных аномалий.

Поиски того, что специалисты по количественному анализу называют рыночными аномалиями (market inef-ficiency), сродни поиску сокровищ. Это может быть весело. Когда я втянулась в свою работу в фонде D. E. Shaw, мне начало казаться, что после академических кругов это перемена к лучшему. Хоть мне и нравились преподавание в Барнард-колледже и исследования в области алгебраической теории чисел, прогресс там казался мне мучительно медленным. Я хотела быть частью быстро меняющегося реального мира.

В тот момент хедж-фонды казались мне морально нейтральными институциями – мусорщиками финансовой системы в худшем случае. Я гордилась тем, что пошла работать в фонд Шоу, который называли Гарвардом среди хедж-фондов, и могла демонстрировать тамошним коллегам, как мои умные решения конвертируются в реальные деньги. К тому же зарплата там была в три раза больше профессорской. Начиная работать в фонде, я не могла подозревать, что, помимо прочего, это обеспечит мне место в первом ряду зрителей, наблюдающих катастрофический финансовый кризис, а также преподаст устрашающий урок того, какой вероломной и деструктивной может быть математика. В этом хедж-фонде я впервые вблизи увидела работу ОМП.

В самом начале мне нравилось многое. Все в фонде D. E. Shaw было пронизано математикой. Во множестве фирм заправляют трейдеры: именно они заключают большие сделки, выкрикивают заказы и получают многомиллионные бонусы. Аналитики в этих фирмах находятся на вторых ролях. Но у Шоу трейдеры – это немногим больше, чем просто технические сотрудники: они всего лишь исполнители, а балом правят математики. Моя группа из десяти человек называлась «группой фьючерсов» или «группой прогнозов» (futures group). В бизнесе, где все зависит от того, что случится завтра, что может быть более значительным?

Всего у нас было около 50 сотрудников. Сперва – в основном мужчины, за исключением меня. Большинство из них были по происхождению иностранцами. Многие из них пришли из абстрактной математики или физики; некоторые, вроде меня, – из теории чисел. Однако у меня было мало возможностей поговорить с ними о работе. Учитывая то, что наши идеи и алгоритмы были фундаментом бизнеса хедж-фонда, было ясно, что мы являлись потенциальной группой риска: если бы мы вместе вдруг уволились и ушли в какое-то другое место, то смогли бы использовать свои знания для создания мощнейшей конкуренции нашему бывшему месту работы.

Чтобы воспрепятствовать подобному развитию событий в крупном масштабе, Дэвид Шоу по большей части запрещал нам обсуждать с коллегами из других групп – а иногда даже с товарищами по группе – то, чем мы занимаемся. В каком-то смысле каждый квант информации был заперт в одной из сот сетевой структуры – примерно как в «Аль-Каиде». Если бы одна сота исчезла – допустим, кто-то из нас перебежал к конкурентам, например в Bridgewater или J. P. Morgan, а то и основал собственный фонд, – он мог бы унести с собой лишь свои собственные знания, вся остальная часть бизнеса Шоу осталась бы незатронутой. Как вы можете себе представить, на чувстве товарищества эти правила сказывались не самым лучшим образом.

Всех новичков обязывали дежурить каждые 13 недель в группе прогнозов. Дежурный сотрудник должен быть готов решать проблемы, связанные с вычислениями, в любое время, когда открыт один из мировых рынков, – то есть с вечера воскресенья по нью-йоркскому времени, когда оживали азиатские рынки, и до завершающего удара колокола на Нью-Йоркской фондовой бирже в четыре часа дня в пятницу. Недосып был постоянной проблемой. Еще более серьезной проблемой было чувство беспомощности из-за запрета на распространение информации. Допустим, алгоритм не работал так, как положено. Мне нужно было обнаружить проблему, а затем найти ответственного за нее человека в любое время дня и ночи – и попросить его (всегда именно его) исправить ситуацию. Далеко не всегда это была приятная беседа.

А еще периодически возникала паника. В праздники, когда в офисе было очень немного сотрудников, происходили странные вещи. У всех нас было много разных бумаг в наших гигантских портфелях, включая валютные форварды, то есть обещания в течение ближайшей пары дней купить большой объем иностранной валюты. Вместо реальной покупки иностранной валюты, однако, трейдеры каждый день пролонгировали позицию, и обязательство могло быть отложено еще на один день. Таким образом, наша ставка на направление рынка могла быть сохранена, но при этом мы не оказывались с огромными суммами наличности на руках. И вот однажды в рождественские дни я заметила позицию в японских иенах, по которой подходил срок закрытия. Кто-то должен был продлить контракт. Обычно эту работу делал наш коллега в Европе, однако в этот момент он, предположительно, праздновал Рождество с семьей. Я понимала, что, если контракт не продлить, кому-то вот-вот придется предъявить в Токио 50 миллионов иен. Разрешение этой проблемы внесло в мирный семейный праздник несколько безумных часов хаоса.

Все эти сложности можно уложить в категорию производственных рисков. Но настоящей проблемой было неприятное чувство, которое я стала ощущать. Я привыкла к игре в этих океанах валют, бондов и других бумаг, к триллионам долларов, протекающих по международным рынкам. Но в отличие от цифр в моих академических моделях, цифры в моделях, которые мы строили в хедж-фонде, означали конкретные вещи для конкретных людей: пенсионные сбережения и ипотечные кредиты. Когда я оглядываюсь назад, это кажется смехотворно очевидным. И, конечно, я всегда об этом знала. Но я тогда по-настоящему не понимала истинную сущность всех этих монеток по 5, 10 или 25 центов, которые мы отщипывали откуда-то с помощью наших математических орудий. Это были не вдруг обнаруженные сокровища, вроде добытого в золотой шахте самородка или дублонов из трюма давно затонувшего испанского галеона. Это богатство приходило из карманов живых людей. Для хедж-фондов, самых самодовольных игроков на Уолл-стрит, это были «глупые деньги».

Только в 2008 году, когда рынки рухнули, истина открылась мне во всей своей неприглядности. Помимо воровства денег со счетов людей, финансовая индустрия занималась созданием оружия математического поражения, и я принимала в этом определенное участие.

Проблемы на самом деле начались годом раньше. В июле 2007 года ставки кредитования на межбанковском рынке резко взлетели вверх. После прошлой рецессии, которая последовала за 9 сентября 2001 года, низкие процентные ставки разогревали пузырь на рынке недвижимости. Казалось, что любой может взять ипотеку, девелоперы превращали пригороды, пустыни и прерии в огромные стройплощадки, а банки использовали миллионы всевозможных финансовых инструментов, «завязанных» на золотую жилу в строительстве.

Однако повышение ставки межбанковских кредитов сигнализировало о проблемах. Банки теряли доверие друг к другу в вопросе возврата суточных кредитов. Они постепенно осознавали, какой опасный мусор хранят в своих портфелях, – и разумно предполагали, что другие банки рискуют точно так же, если не сильнее. Сейчас можно сказать, что резкий подъем ставок кредитования был на самом деле признаком возвращения здравого смысла, однако произошло это слишком поздно.

В фонде Шоу все эти волнения тоже слегка снижали оптимистический настрой. Многие компании должны были оказаться в сложном положении – это было очевидно. Индустрию ждал удар, возможно очень серьезный. И все-таки это могло оказаться не нашей проблемой. Мы ведь не ныряли с головой в рискованные рынки. В конце концов, сам термин «хедж-фонд» происходит от слова hedge – преграда, защита. Хедж-фонды по природе своей защищены. Поначалу мы называли волатильность на рынках «заварушкой». Фонду Дэвида Шоу эта заварушка могла причинить определенный дискомфорт, возможно, даже послужить причиной пары неловких моментов – когда, например, кредитку богатого человека вдруг не принимают в дорогом ресторане. Но были хорошие шансы, что мы окажемся в безопасности.

В конце концов, хедж-фонды не создавали эти рынки, а только играли рядом с ними. Это означало, что при крушении рынка из развалин можно было бы извлечь массу богатых возможностей. Игра для хедж-фондов заключалась не в том, чтобы поднимать рынки, а в том, чтобы предсказывать в них тенденции. Движение вниз могло быть столь же выгодным.

Чтобы понять, как хедж-фонды действуют в кулуарах, представьте себе игру бейсбольной Мировой серии на чикагском стадионе «Ригли-филд». С драматическим хоум-раном в конце девятого иннинга «Кабс» выигрывают свой первый чемпионат с 1908 года – с того времени, когда президентом был Тедди Рузвельт. Стадион взрывается от восторга. И только один ряд фанатов остается на своих местах, тихо анализируя результат. Эти азартные игроки не делают традиционные ставки на победителя. Вместо этого они могут поставить на то, что реливеры «Янки» пожертвуют больше уоков, чем страйк-аутов, что в игре будет как минимум один бант, но не больше двух, или что стартер «Кабс» продержится как минимум шесть иннингов. Они даже ставят на то, выиграют или проиграют другие игроки свои ставки. Эти люди ставят на многие факторы, связанные с игрой, но не на сам результат игры. Именно так ведут себя хедж-фонды.

Благодаря этому подходу мы чувствовали себя в безопасности – по крайней мере, в относительной безопасности. Я помню грандиозное событие, когда мы торжественно встречали архитекторов здания, которое вот-вот должно было рухнуть. Фирма приветствовала Алана Гринспена, бывшего председателя Федеральной резервной системы, и Роберта Рубина, бывшего министра финансов и председателя Goldman Sachs. Рубин в 1999 году настоял на пересмотре закона Гласса – Стиголла, принятого еще в эпоху Великой депрессии. Отмена закона, запрещавшего банкам заниматься инвестиционной деятельностью, запустила в течение последующего десятилетия настоящую оргию спекуляций. Банки и раньше могли генерировать кредиты (многие из которых были ничем не обеспечены) и предлагать их клиентам в форме ценных бумаг. Это не было чем-то необычным и могло рассматриваться как одна из банковских услуг. Однако теперь, когда закон Гласса – Стиголла был отменен, банки могли – и иногда пользовались этой возможностью – играть против тех самых ценных бумаг, которые продавали своим клиентам. Это создавало огромные риски – и бесконечный инвестиционный потенциал для хедж-фондов. В конце концов, мы ставили на движение рынка, вверх или вниз, и движения эти порой были весьма бурными.

На приеме в фонде Шоу Гринспен предупредил нас о надвигающихся проблемах с ипотечными ценными бумагами. Это воспоминание преследовало меня, когда я осознала через пару лет, что Рубин, который в то время работал в Citigroup, играл решающую роль в комплектации огромного портфеля этих самых токсичных контрактов, что и послужило основной причиной, по которой Citigroup позже пришлось предоставить финансовую помощь от государства – то есть за счет налогоплательщиков.

Рядом с этими двумя сидел протеже Рубина и наш временный партнер Ларри Саммерс. Он вслед за Рубином пришел работать в Министерство финансов, а затем стал президентом Гарвардского университета. Однако Саммерс не смог наладить отношения с преподавательским составом. Отчасти профессора ополчились на Саммерса после его заявления, что малое число женщин-ученых в математике и других точных науках – это, возможно, следствие генетической неполноценности, или, как он сформулировал, «неравного распределения врожденных способностей».

После того как Саммерс ушел с поста президента Гарварда, он оказался в фонде Шоу. И я помню момент, когда наш основатель Дэвид Шоу обратился к этой престижной троице и пошутил, что перемещение Саммерса из Гарварда в D. E. Shaw можно считать «продвижением по карьерной лестнице». Потому что рынки могут бурлить, но фонд Шоу все равно остается на вершине мира.

Однако по мере углубления кризиса партнеры D. E. Shaw слегка растеряли свою самоуверенность. В конце концов проблемные рынки оказались взаимосвязанными. Например, уже циркулировали слухи об уязвимости банка Lehman Brothers, который владел 20 % фонда D. E. Shaw и осуществлял многие из наших трансакций. Чем больше раскачивались рынки, тем менее спокойной становилась обстановка в офисе фонда. Мы могли анализировать и производить расчеты самым лучшим образом, но что, если устрашающее завтра не будет похоже ни на один из вчерашних дней? Что, если это завтра принесет что-то совершенно новое и иное?

Это не могло не беспокоить, потому что математические модели, по сути своей, основаны на прошлом опыте – и на предположении, что паттерны будут повторяться. Но прошло совсем немного времени, и группа фондовых акций ликвидировала свои активы – и весьма высокой ценой. Затем прекратился активный набор на работу новых аналитиков (в результате которого я когда-то оказалась в этой фирме). Хотя люди еще пытались подшучивать над этой новой атмосферой, чувство страха неуклонно нарастало. Всеобщее внимание было сосредоточено на секьюритизированных продуктах, особенно на ценных бумагах с ипотечным покрытием, о которых нас предупреждал Гринспен.

В течение десятилетий ипотечные ценные бумаги были символом отсутствия риска. Они были скучными финансовыми инструментами, которые как отдельные люди, так и инвестиционные фонды использовали, чтобы разнообразить собственные портфели (идея заключалась в том, что разнообразие инструментов может нейтрализовать риски). В каждом ипотечном кредите есть потенциал дефолта: владелец дома может объявить о банкротстве, и это значит, что банк не вернет себе выданные в кредит средства. На другом конце шкалы находится ситуация, когда заемщик выплачивает ипотеку раньше положенного, обрывая тем самым череду платежей с процентами.

И вот в 1980-е годы инвестиционные банкиры начали скупать тысячи ипотечных кредитов и объединять их в ценные бумаги – некоего рода гарантию, то есть инструмент, который выплачивает регулярные дивиденды, зачастую раз в квартал. Некоторые из владельцев домов, конечно, обанкротятся, зато остальные удержатся на плаву и будут продолжать выплачивать свои ипотеки, организуя постоянный и предсказуемый денежный поток. Со временем это превратилось в целую индустрию – столп, на котором держались рынки долгосрочных капиталов. Эксперты группировали ипотеки по разным классам или траншам. Некоторые считались абсолютно надежными. Другие были более рискованными – и имели более высокий процент. У инвесторов были все причины для уверенности, поскольку агентства, оценивающие кредитные риски, такие как Standard & Poor’s, Moody’s и Fitch, изучали также и эти ценные бумаги и классифицировали их по рискованности. Они считали такие бумаги разумными инвестициями.

Однако вспомним о непрозрачности. Инвестор не знает о качестве ипотеки в ценных бумагах. Единственный взгляд, который был ему доступен, был взглядом на рейтинг, составленный аналитиком. А этот аналитик получал деньги от тех самых компаний, чьи продукты он оценивал. Нет нужды говорить, что ипотечные ценные бумаги оказались идеальной платформой для мошенничества.

Если хотите метафору, то вот вам одна из наиболее распространенных: это сосиска. Представьте себе, что ипотечные кредиты – это кусочки мяса разного качества, а ипотечные ценные бумаги – связки сосисок, изготовленных из соединения всех этих кусочков и добавления сильно пахнущих специй. Конечно, сосиски могут отличаться по качеству – и нам сложно определить по их внешнему виду, что у них внутри, но штамп Министерства сельского хозяйства, подтверждающий, что их можно есть, развеивает наши тревоги.