|
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» 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, свиней и птицы на каждом этапе производства, как они конкурируют за деньги потребителей, сколько готовы потратить покупатели и почему, как норма прибыли мясокомбинатов и розничных продавцов повлияет на их поведение (например, какой кусок мяса они покажут в рекламе), компьютер выдавал мне цены на мясо крупного скота, свиней и птицы, на которые я мог сделать ставку.
При всей незамысловатости этих ранних моделей мне нравилось их строить и совершенствовать, к тому же они были достаточно точными, чтобы зарабатывать на них. Мой подход к ценообразованию отличался от того, которому меня учили на занятиях по экономике, где в основе спроса и предложения лежал объем проданного товара. Я обнаружил, что гораздо практичнее измерять спрос как потраченный объем (а не объем купленного), а также смотреть, что представляют собой продавец и покупатель и почему они покупают и продают. Подробнее я остановлюсь на этом в следующей своей книге, посвященной принципам экономики и инвестирования.
Этот подход стал одной из основных причин, по которым мне удавалось улавливать экономические тренды и движения рынка, которые остальные пропускали. С этой позиции каждый раз, когда я анализировал любой рынок: товары, акции, облигации, валюту, что угодно, – я видел и понимал дисбаланс, который упускали другие, кто определял спрос и предложение традиционным образом (как категории, уравнивающие друг друга).
Визуализация сложных систем машинным методом, выявление в них причинно-следственных отношений, определение принципов для работы с этими системами и ввод их в компьютер, чтобы он мог принимать решения за человека, – все это стало стандартной практикой.
Не поймите меня неправильно. Мой подход был далек от идеального. Я как сейчас помню одну «верную» сделку, которая обошлась лично мне в $100 000. Эта сумма примерно равнялась моему собственному капиталу на тот момент. Хуже всего, что эта сделка негативно отразилась и на моем клиенте. Болезненный урок, который я извлек из этой ситуации: никогда нельзя быть уверенным ни в чем. Всегда есть риски, которые могут проявиться в самый неожиданный момент, а потому лучше в любом случае считать, что вы что-то упускаете из виду. Этот урок изменил мое отношение к процессу принятия решений, что будет прослеживаться на протяжении всей книги, и именно это в значительной мере определило мой успех. К сожалению, я совершил еще не одну ошибку, прежде чем мне удалось полностью изменить свое поведение.
|
