The Signal and the Noise — Silver: KOMPLETT

Silver formulerar bokens grundmetafor redan i inledningen: »Signalen är sanningen. Bruset är det som distraherar oss från sanningen.« Han skrev boken i kölvattnet av en decennielång explosion av data — och hans observation är den omvända av teknikoptimisternas: mängden information växer exponentiellt, men signal-brus-förhållandet blir inte bättre av det.

Tvärtom. Mer data ger fler möjliga hypoteser, fler sätt att hitta mönster som inte finns, fler kurvor som kan passas till gårdagens brus. Fenomenet känner du från din egen terminal: hundra nyckeltal, tusen nyhetsnotiser, tiotusentals prisstick — och ändå ingen särskilt bättre koll på vad nästa kvartal bringar än en analytiker hade 1995.

Katastrofmuseet är välutfyllt. 2008: en global finanskris som nästan ingen ansvarig modell fångade i förväg — trots att marknaden bad i data. Ekonomerna: konjunkturprognoser som i praktiken jagade varje recession nedåt i stället för att förutsäga den. Punditerna: politiska TV-prognoser med träffsäkerhet i storleksordningen slantsingling — men med betydligt högre segerprocent i mediepanelen.

Jordbävningsforskare som lovat tidsangivelser och fått dra sig tillbaka. Terroranalytiker som missade 9/11 trots att bitarna fanns i systemet. Silvers poäng är inte att dessa människor var dumma — utan att de var kalibrerade fel: för säkra, för exakta, för ensamma med sina teser.

Och museet har en läktarsektion där motståndarna sitter: domänerna där prognoserna faktiskt blir bättre. Väderprognosen är den äldsta och ännu levande framgångssagan — fysikbaserade ensemblemodeller, ärliga sannolikheter och ett system som mäter och bestraffar sina egna fel. Baseball, Silvers egen hemmaplan, där hans PECOTA-system slog branschen genom att jämföra spelare med aggregat av liknande spelare.

Schack, där maskiner och människor i samspel lyfter nivån. Klimatvetenskapen, som gör något svårt (långsiktig trend) hyfsat medan båda lägren missbrukar det enkla (kortsiktigt brus). Skillnaden mellan bra och dåliga domäner är inte datamängd — det är återkoppling, kalibrering och ödmjukhet.

För AK1A-labbet är kursen fundamental eftersom den formulerar problemet innan vi får presentera någon lösning. AKM1 poängsätter fundamentaldata på tjugo variabler från V01 Försäljningstillväxt till V20 Återköp; AK1TS bygger deterministiska vågmatriser på fem tidshorisonter. Båda är prognosanspråk — och Silver är den som bäst formulerar varför sådana anspråk brukar misslyckas.

Kursens löfte är därför dubbla: du ska kunna varenda anklagelse mot prognosmakaren på rak arm, och du ska kunna skilja det legitimt strukturskapande från det oärligt spådande. Skillnaden heter kalibrering, och den går att mäta — det är kapitel ett i praktiken.

Mekaniken var enkel i efterhand. Bankerna packade subprime-lån i CDO:er och skiktade dem i trancher; ratingbyråerna betygsatte de övre skikten AAA — samma betyg som statsobligationer — och en stor majoritet av subprime-CDO:ernas värde toppbetygades. Modellerna vilade på ett antagande som känns harmlöst men var dödligt: att bostadspriser inte faller samtidigt i hela USA.

Det var sant i datan — eftersom datan inte räckte tillbaka till nationella prisfall. Korrelationen mellan regionala bostadsmarknader skattades från en period då den var låg, och antagandet smittade ner i den gaussiska kopula som prisade beroenden mellan lånen — i media senare kallad »formeln som dödade Wall Street«. Historiens tystnad togs för historiens lag.

Silver citerar det mest avslöjande uttalandet i krisens krönika: Goldmans finanschef David Viniar konstaterade i augusti 2007 att man sett rörelser på 25 standardavvikelser, flera dagar i rad. En 25-sigmarörelse är i en normalfördelad modell inte bara osannolik — den ska i princip inte inträffa en gång under universums ålder. Att den kom flera dagar i följe betyder inte att marknaden bröt mot verkligheten; det betyder att modellen bröt mot verkligheten.

Risken var skattad på ett kort, lugnt brusfönster, och när regimen byttes var modellens sannolikheter värdelösa. Detta är icke-stationaritet i ren form — och anledningen till att kursen återvänder till begreppet i kapitel 13 som en anklagelse även mot oss.

Ovanpå modellfelet låg incitamentsfelet: ratingbyråerna betalades av utfärdarna — de bolag vars papper de skulle betygsätta. En AAA-stämpel var inte en prognos utan en produkt. Så länge efterfrågan på säkert-seende papper var enorm fanns en maskin som konverterade risk till AAA, och varje länk i kedjan — banken, byrån, köparen med kort minne — tjänade på att inte fråga.

Silvers generalisering är värd att memorera: prognoser korrumperas inte bara av brist på data utan av att någon tjänar på ett särskilt svar. Frågan »vem betalar för den här siffran?« hör hemma i varje analys, framför allt kring rikttal och konsensus.

AKM1-översättningen är direkt. V10 Skuldsättningsgrad och V11 Likviditet finns i modellen eftersom 2008 lärde att hävstång gör goda fundament till domedagsvapen när regimen byter. V12 Intäktsstabilitet är korrelationsantagandets motsats: den straffar intäkter som bara ser stabila ut för att de aldrig testats i en nedgång.

V19 Kapitalförbrukning och emissionsrisk är bankroll-frågan — ett bolag som bränner kontanter i en upplåningsberoende bransch är en bank dagen före Viniars 25-sigma. Och över allt: marginal of safety — det utan nummer — för det är exakt det AAA-betygen tog bort från systemet: försäkringen mot att modellen hade fel.