Моделирование рынков машинным методом
Я с головой погрузился в рынки крупного рогатого скота, мяса, зерна и масличных культур. Они нравились мне своей конкретностью и тем, что были меньше, чем акции и облигации, подвержены искаженным представлениям о ценности. Курсы ценных бумаг могли быть завышенными или заниженными из-за того, что «большие дураки»[9] продолжают их продавать или покупать, а мясо быстро оказывается на прилавке, где его цена определяется тем, сколько готов заплатить потребитель. Я мог визуализировать процессы, предшествовавшие продажам, и видел причинно-следственные связи, лежащие в основе. Поскольку крупный рогатый скот питается зерном (преимущественно кукурузой) и соей и поскольку кукуруза и соя конкурируют за посевную площадь, эти рынки тесно связаны. Я узнал о них все, что только можно вообразить: объем посевных площадей и обычный урожай в каждой из основных сельскохозяйственных областей; как конвертировать количество осадков в разные недели посевного периода в оценку будущего урожая; как прогнозировать объем урожая, затраты на хранение и поголовье скота по весовой группе, местоположению и уровням прироста массы; а также как прогнозировать выход при разделке (туш), маржу розничных продавцов, предпочтения потребителей и объем забоя скота в каждом сезоне. Этому всему я учился не по книжкам: практикующие специалисты показывали мне, как устроено сельское хозяйство, а я собирал из полученных знаний модели, учитывающие взаимодействие этих отдельных фрагментов во времени.
Например, зная, каково на сегодня поголовье крупного рогатого скота, птицы и свиней, сколько зерна они съедают и с какой скоростью набирают вес, я мог прогнозировать, когда и сколько мяса появится на рынке, когда и сколько зерна и сои будет потреблено. Аналогичным образом, зная объем посевных площадей, засеянных зерновыми и соевыми культурами во всех сельскохозяйственных областях, применяя регрессии, показывающие, как уровень осадков влияет на потенциальный урожай в каждой из аграрных областей, а также учитывая прогноз погоды и вероятные периоды дождей, я мог прогнозировать время и качество урожая зерновых и соевых культур. В моем представлении это был прекрасный алгоритм с логичными причинно-следственными связями. Благодаря их пониманию я мог формулировать правила принятия решений (или принципы), которые мог заложить в основу модели.
Эти первые модели лишь отдаленно напоминают те, что мы используем сегодня. Они представляли собой упрощенные наброски, проанализированные и переведенные в компьютерные программы с помощью технологий, которые я мог себе позволить. В самом начале я строил регрессии на карманном калькуляторе Hewlett-Packard HP-67, графики чертил от руки цветными карандашами и фиксировал каждую сделку в толстой тетради. С появлением персонального компьютера я получил возможность вводить данные в компьютер и наблюдать, как они преобразуются в прогнозы вероятного будущего в формате сводных таблиц. Зная, что происходит с поголовьем скота,