Рискуя собственной шкурой. Скрытая асимметрия повседневной жизни - Нассим Николас Талеб

В этом разделе мы проанализируем вероятностную нестыковку хвостовых рисков и отдачи в присутствии проблемы принципала – агента.

Перенос ущерба. Если агент получает прибыль от положительной отдачи в форме случайной величины, но не терпит убытков от отрицательной и оценивается исключительно на базе прошлых результатов, он мотивирован скрывать риски в левом хвосте, используя отрицательно скошенное (или, в более общем виде, асимметричное) распределение результатов. Ситуацию можно обобщить на любую отдачу, в отношении которой агент не несет полные риски и огражден от отрицательных последствий своих действий.

Рис. 7. Бизнес Боба Рубина. Отдача в скошенной ситуации, когда выгода видима (и таит в себе вознаграждение), а ущерб возникает редко (и тот, кто его нанес, не страдает благодаря тому, что не ставит шкуру на кон). Может наблюдаться в политике и везде, где штраф за ущерб мал

Пусть P(K, M) – отдача (выплаты) для оператора над М периодами мотивации:

где – независимые, одинаково распределенные случайные величины, представляющие распределение прибыли в определенный период, и К – «перегородка»: – характеристическая функция момента остановки, в который условия прошлых результатов не удовлетворяются (а именно – условие достижения определенных результатов за некое число лет; при невыполнении условия отдача прекращается, игра завершается, количество положительных мотиваторов обнуляется). Константа – «агентская выплата», ставка вознаграждения за результаты, не обязательно выраженная в деньгах (при условии, что ее можно определить как «выгоду»). Величина определяет меру риска в момент (вследствие сдвига Ито: результат в период s определяется через q в определенный более ранний период < s).

Пусть – семейство вероятностных мер на. Каждой мере соответствует характеристика среднего/скошенности, так что мы можем разделить их свойства на две части по обе стороны параметра «центральности» К на «верхнее» и «нижнее» распределение. Запишем как, тогда и – «верхнее» и «нижнее» распределение, каждое соответствует определенному условному ожиданию и.