Was das Buch von Nassim Nicholas Taleb über Wahrscheinlichkeit und Zufälligkeit Datenexperten beibringen kann

Nassim Taleb ist ein ehemaliger Händler von Finanzderivaten und Wahrscheinlichkeitsforscher. Sein Buch „The Black Swan: The Impact of the Highly Improbable“ hebt hervor, wie höchst unwahrscheinliche Ereignisse unser tägliches Leben und die Finanzmärkte beeinflussen. Es überrascht nicht, dass Datenexperten viele Lektionen lernen können, da sowohl quantitative Finanzen als auch Datenwissenschaft statistische Modelle und Wahrscheinlichkeitstheorie beinhalten.

Was ist ein schwarzer Schwan?

Black Swan ist eine Metapher für ein höchst unwahrscheinliches, aber sehr wirkungsvolles Ereignis. Laut Nassim bereiten sich unsere Modelle anscheinend nie richtig auf solche Ereignisse vor, trotz der Zauberei, die wir bei der Entwicklung anwenden. Der Covid-19-Ausbruch ist vielleicht das jüngste Beispiel für ein unvorhergesehenes Ereignis, das niemand kommen sah und dennoch verheerende Auswirkungen auf den Alltag hatte. Für die Finanzmärkte war die Finanzkrise von 2008 ein schwarzer Schwan, der zur Pleite von Lehman Brothers und einer weltweiten Rezession führte.

Schwarze Schwäne müssen nicht unbedingt destruktiv sein. Die Entdeckung von Öl in der norwegischen Nordsee könnte als schwarzer Schwan betrachtet werden. Der Geschichte nach glaubte niemand an riesige Ölreserven, als Norwegen seine Rechte an der Nordsee geltend machte. Ein weiterer „positiver“ schwarzer Schwan könnte die Erfindung von Lasern sein, die bei ihrer Entwicklung keinen wirklichen Zweck hatten, aber im Laufe der Zeit wurden Anwendungen wie die Heilung des Sehvermögens entdeckt. In beiden Fällen war das zufällige Ergebnis unvorhergesehen (höchst unwahrscheinlich), aber sehr wirkungsvoll.

Das Triplet der Opazität

Nassim nennt drei Fehler, die Menschen machen, wenn sie historische Ereignisse bewerten:

1. Die Illusion des Verstehens: Wir glauben zu wissen, was was verursacht hat, aber alle unsere Erklärungen könnten fiktiv sein. Erwecken Sie die Illusion, dass wir Ereignisse vorhersagen und erklären können, obwohl sie in Wirklichkeit unvorhersehbar sein könnten.
2. Die nachträgliche Verzerrung : Wir kommen mit Erklärungen, Lösungen und Vorsichtsmaßnahmen im Nachhinein. Erweckt die Illusion, dass der negative Schwarze Schwan hätte gemildert werden können.
3. Die Überbewertung sachlicher Informationen: Wir erkennen nicht, dass das, was „sachlich“ erscheint, verzerrt oder unvollständig sein kann.

Manche Dinge sind nicht vorhersehbar oder erklärbar. Wenn sie erklärbar sind, kommt die Erklärung normalerweise nach dem Problem, nicht vorher, und warnt uns, dass es sich um unvorhergesehene Ereignisse handelt, die nicht in den Daten erfasst werden und unsere Modelle daher blind sind. Der letzte Punkt bezieht sich auf Schlussfolgerungen, die aus Modellen gezogen werden. Was wir für eine sachliche Darstellung von Beziehungen in unseren Datensätzen halten, könnten verzerrte Schätzungen sein, die aus „unvollständigen“ Stichproben gezogen wurden.

Der narrative Irrtum

Als Menschen neigen wir dazu, Geschichten und Erzählungen zu konstruieren, wenn wir zufällige Ereignisse beobachten. Unser Verstand ist anfällig für Schlussfolgerungen ohne angemessene Beweise.

Stellen Sie sich das folgende Szenario vor: Sie sind ein Datenanalyst, der für einen Makler für Hochhauswohnungen arbeitet. Sie werden beauftragt, die folgende Frage zu klären: Wie viel Platz sollten sie in ihrem neuen Entwicklungsprojekt zum Parken einplanen?

Hier ist eine Grafik, die das Verhältnis zwischen Mieten und Stellplatz darstellt:

Als Datenprofi sehen Sie das obige Diagramm. Welche Schlussfolgerung ziehen Sie? Wenn sie 1000 m² für das gesamte Projekt zur Verfügung haben, wie viel sollten sie für das Parken einplanen? Es ist leicht, eine Erzählung zu konstruieren, dass das Parken eine große Annehmlichkeit für Mieter ist, daher würde die Zuweisung von riesigem Platz dem Makler ermöglichen, mehr Miete zu verlangen! Scheint vernünftig?

Die vorgenannte Argumentationslinie ist nicht notwendigerweise falsch, aber sie hat das Problem, auf den narrativen Irrtum hereinzufallen . Die Wahrheit ist, dass wir durch die alleinige Betrachtung der uns bisher zur Verfügung gestellten Daten keinen kausalen Zusammenhang feststellen können. Es gibt Hunderte anderer Erklärungen, die wir konstruieren können, um zu erklären, was wir beobachten . Sie können beispielsweise argumentieren, dass der Makler sowohl an großen als auch an kleinen Bauvorhaben beteiligt ist, große Bauvorhaben höhere Mieten abwerfen und auch mehr Platz zum Parken haben. Daher kein Einfluss des Stellplatzes auf die Mieten.

Welches ist die wahre Art, die Daten zu interpretieren? Es erfordert das Hinzufügen von Kontrollen und möglicherweise das Sammeln weiterer Beweise.

Ich weiß, was Sie denken müssen, das ist absurd! Natürlich werden die Dinge nie perfekt sein, heißt das nicht, dass wir nicht antworten sollten, oder?

Nein, das ist nicht die Hauptsache. Der wichtigste Punkt ist, skeptisch zu sein! Wir Menschen konstruieren Geschichten, um zu erklären, was wir beobachten; Als Datenprofis sollten wir unserem Drang widerstehen, Erzählungen (ohne konkrete Beweise) zu konstruieren. Wir sollten niemals versuchen, Schlussfolgerungen zu ziehen, die über das hinausgehen, was wir beobachten, oder auf die Risiken achten, wenn wir dies tun. Wir sollten immer auf der Hut sein, unsere Erzählungen zu verfälschen. Das Geschichtenerzählen mag gut für den Verkauf sein, aber es verewigt auch die Selbsttäuschung!

Gefällt dir diese Geschichte? Benötigen Sie Hilfe beim Programmieren? Bitte denken Sie darüber nach, Gönner zu werden! ( Das Medienpartnerprogramm ist in meinem Land nicht verfügbar, Patreon ist die einzige Möglichkeit, mein Schreiben zu Geld zu machen. )

Der ludische Irrtum

Nassim hat den Namen für diesen Trugschluss entwickelt. Er weist darauf hin, dass akademische Experten Modelle konstruiert haben, die nicht der Realität entsprechen, aber wir beharren darauf, sie zu verwenden. Er weist insbesondere darauf hin, wie die moderne Portfoliotheorie und die unsachgemäße Verwendung der Gaußschen Verteilung dazu geführt haben, dass die modernen Finanzanalysten das Risiko von Black-Swan-Ereignissen unterschätzt haben.

Unwahrscheinliche Ereignisse könnten wahrscheinlicher sein, als wir denken!

Nassim führt aus, dass die Verteilung der Renditen am Aktienmarkt nicht gaußsch ist und stattdessen der fetten Verteilung folgt, die extreme Ereignisse wahrscheinlicher macht, als uns das Gaußsche Modell glauben lässt. Was wiederum dazu führt, dass Optionshändler ihr Portfolio übermäßig stark hebeln oder einem Abwärtsrisiko aussetzen.

Als Datenprofis sind wir alle an eine Reihe von Methoden und Distributionen gewöhnt, die uns das Leben erleichtern. Die meisten linearen Modelle folgen den Fehlern, um normalverteilt (Gaußsch) zu sein, aber die Natur oder was auch immer wir modellieren möchten, ist nicht verpflichtet, gaußsch zu sein. Der spielerische Irrtum geht über eine bloße Verteilung hinaus, jedes mathematische Konstrukt, das wir verwenden, kann uns dem Irrtum aussetzen.

Wichtig ist, wie sehr wir es uns leisten können, uns auf diese Vereinfachungen zu verlassen. Die Verbreitung von Datentools und -techniken hat uns anfälliger dafür gemacht, falsche Antworten als Wahrheit zu akzeptieren! Nur weil eine bekannte Methode etwas schätzt oder vorhersagt, ist es noch lange nicht wahr. Es ist nur so wahr, wie es die Daten und Annahmen des Modells zulassen.

Prognosen sind keine Fakten!

Dies ist offensichtlich, wenn darauf hingewiesen wird, aber dennoch nehmen wir Prognosen heute ernster denn je. In den meisten Fällen sind sie harmlos, eine falsche Umsatzprognose für Ihr Unternehmen wird in den meisten Fällen nicht katastrophal sein. Es gab jedoch einen Anstieg von KI-Unternehmen, die versuchen, traditionelle Branchen wie Opendoor zu stören, die versuchen, den Wohnungsmarkt zu stören. Ihr gesamtes Geschäftsmodell beruht auf der Fähigkeit ihres Algorithmus, den Preis von Häusern vorherzusagen und den Kunden eine genaue Vorhersage des Wertes ihrer Häuser zu geben.

Einige Dinge sind sehr einfach vorherzusagen, aber die meisten Dinge in den Sozialwissenschaften wie den Wirtschaftswissenschaften sind es nicht. Vor allem, wenn es um menschliches Verhalten geht. Ökonomen liegen notorisch falsch, dennoch verlassen wir uns weiterhin auf ihre Vorhersagen.

Immer mehr Unternehmen verlassen sich auf Vorhersagen und Prognosen, um Geld zu verdienen. Nassim betont, dass die Welt chaotisch ist, daher können kleine Änderungen in unseren Eingaben große Änderungen in den Ausgaben verursachen. Ungeachtet der verwendeten Zauberei kann Chaos per Definition nicht vorhergesagt werden. Prognosen und Vorhersagen verlieren an Kraft, je mehr Sie sie über die Zeit verlängern.

Die wichtigste Erkenntnis ist: Je mehr Sie sich auf Vorhersagen verlassen, desto höher ist die Wahrscheinlichkeit eines Systemversagens, denn wenn ein Modell falsche Vorhersagen macht, kann dies zu Fehlfunktionen anderer Systeme führen. Je mehr wir uns auf Modelle verlassen, desto mehr Risiken bringen wir in das System ein.

Vielen Dank fürs Lesen! Wenn Ihnen gefällt, was ich schreibe, folgen Sie bitte und abonnieren Sie auch, um eine E-Mail zu erhalten, wenn ich etwas veröffentliche!

Hier sind einige meiner Beiträge, die Ihnen gefallen könnten: