Vad är en svart svan?
En svart svan är en oförutsägbar händelse som ligger längre än vad som normalt förväntas av en situation och som kan ha allvarliga konsekvenser. Svarta svanhändelser kännetecknas av deras extrema sällsynthet, deras allvarliga inverkan och praxis att förklara omfattande misslyckanden med att förutsäga dem som enkla dårskap i efterhand.
Key Takeaways
- En svart svan är en extremt sällsynt händelse med allvarliga konsekvenser. Det kan inte förutsägas i förväg, även om många hävdar att det borde vara förutsägbart efter faktum. Svarta svanhändelser kan orsaka katastrofala skador på en ekonomi, och eftersom de inte kan förutsägas, kan de bara förberedas på att bygga robusta system. kan både misslyckas med att förutsäga och potentiellt öka sårbarheten för svarta svanar genom att sprida risk och erbjuda falsk säkerhet.
Black Swan Events
Förstå en svart svan
Termen populariserades av Nassim Nicholas Taleb, en finansprofessor, författare och före detta Wall Street-handlare. Taleb skrev om idén om en svart svanhändelse i en bok från 2007 före händelserna under finanskrisen 2008. Taleb hävdade att eftersom svarta svanhändelser är omöjliga att förutsäga på grund av deras extrema sällsynthet men ändå har katastrofala konsekvenser, är det viktigt för människor att alltid anta att en svart svanhändelse är en möjlighet, oavsett vad det kan vara, och planera i enlighet med detta.
Senare använde han finanskrisen 2008 och idén om svarta svanhändelser för att hävda att om ett trasigt system tillåts misslyckas, stärker det faktiskt mot katastrofen av framtida svarta svanhändelser. Han hävdade också att omvänt ett system som stöds upp och isoleras från risk i slutändan blir mer sårbart för katastrofiska förluster inför sällsynta, oförutsägbara händelser.
Taleb beskriver en svart svan som en händelse som 1) överträffar normala förväntningar som är så sällsynta att även möjligheten att den kan förekomma är okänd, 2) har en katastrofisk inverkan när den inträffar och 3) förklaras i efterhand som om det var faktiskt förutsägbart.
För extremt sällsynta händelser hävdar Taleb att standardverktygen för sannolikhet och förutsägelse, såsom normalfördelning, inte är tillämpliga eftersom de beror på stor befolkning och tidigare provstorlekar som per definition aldrig är tillgängliga för sällsynta händelser. Att extrapolera med hjälp av statistik baserat på observationer av tidigare händelser är inte användbart för att förutsäga svarta svanar och kan till och med göra oss mer utsatta för dem.
Vår oförmåga att förutsäga svarta svanar är viktigt eftersom de också kan få så allvarliga konsekvenser. Inconsequentialhändelser, oavsett hur oförutsägbara, är uppenbarligen mindre intressanta.
Den sista viktiga aspekten av en svart svan är att observatörerna som en historiskt viktig händelse är angelägna om att förklara det efter det faktum och spekulera i hur det kunde ha förutsagits. Sådana retrospektiva spekulationer hjälper emellertid inte faktiskt till att förutsäga svarta svanar.
Exempel på tidigare Black Swan-händelser
Den amerikanska bostadsmarknadens krasch under krisen 2008 är en av de senaste och välkända svarta svanhändelserna. Effekten av kraschen var katastrofisk och global, och endast ett fåtal utmanare kunde förutsäga att det skulle hända.
Även 2008 hade Zimbabwe det värsta fallet av hyperinflation under 2000-talet med en högsta inflationstakt på mer än 79, 6 miljarder procent. En inflationsnivå på det beloppet är nästan omöjligt att förutsäga och kan lätt förstöra ett land ekonomiskt.
Dot-com-bubblan 2001 är ytterligare en svart svanhändelse som har likheter med finanskrisen 2008. Amerika åtnjöt snabb ekonomisk tillväxt och ökningar av privat förmögenhet innan ekonomin katastrofalt kollapsade. Eftersom Internet var i sin barndom när det gäller kommersiellt bruk investerade olika investeringsfonder i teknologiföretag med uppblåsta värderingar och ingen marknadstraktion. När dessa företag föll ihop, drabbades fonderna hårt och nedsättningsrisken överfördes till investerarna. Den digitala gränsen var ny och nästan omöjlig att förutsäga kollapsen.
Som ett annat exempel drevs den tidigare framgångsrika hedgefonden, Long-Term Capital Management (LTCM), ned i marken 1998 till följd av krusningseffekten som orsakades av den ryska regeringens skuldfall, något som företagets datormodeller inte kunde ha förutspått.
