För någon månad sedan riktades ett fett, anklagande finger mot en av de ansvariga bakom finanskrisen. Men den här gången var det inte bonusfrossande Wall Street-bossar eller avregleringsälskande centralbankschefer som pekades ut. Fingret var riktat mot en tystlåten kines vid namn David Li. Eller egentligen mot hans matematik.
Det var det amerikanska magasinet Wired som på sitt omslag hade satt en ekvation tillsammans med rubriken ”Den hemliga formeln som förstörde Wall Street”. Ekvationen, som David Li kläckte år 2000, gav ett enkelt sätt att bestämma riskerna med – och därmed sätta priset på – en fram till dess så gott som okänd kategori värdepapper, så kallade collateral debt obligations, eller CDO:er.
Med hjälp av Lis ekvation fullkomligt exploderade marknaden för CDO:er under åren som följde, från 275 miljarder dollar år 2000, till 4,7 biljoner dollar sex år senare. Det exotiska vädepapperet, som ofta var baserat på bostadslån tagna på en ständigt stigande bostadsmarknad, blev en sedelpress för bankerna. Alla ville ha en del av kakan. Vinsterna var stora och riskerna små.
Åtminstone såg det så ut när datorerna spottade ut en riskanalys baserad på David Lis formel. Problemet var bara att formeln var för bra för att vara sann. Den var lättanvänd och beskrevs ofta som ”vacker”, men den tog inte hänsyn till att mer oväntade händelser kunde inträffa – som att bostadspriserna i USA skulle falla unisont över hela landet. Men det är precis vad som hände. Så marknaden för CDO:er kollapsade, bankerna förlorade ogripbara summor pengar och i dag lever hela världen med resultatet.
Mattegenier av David Lis slag – eller snarare den värld som de håller på att bygga – beskrivs ingående i den nya boken ”The Numerati” av Business Week-journalisten Stephen Baker. Med sin flåsiga affärsjournalistiska stil skulle boken kunna vara lätt att avfärda, om det inte vore så att Baker snubblat över en så dramatisk förändring av hur samhällsmaskineriet är uppbyggt.
Baker berättar hur just finansvärlden var tidig med att anamma matematiska och statistiska metoder på områden som tidigare styrts av mänsklig intuition.
Den främsta anledningen till att det skedde på just Wall Street var att värdepappershandel ger upphov till en stor mängd data. När datorerna växte sig kraftigare från 70-talet och framåt fanns plötsligt en möjlighet att vaska fram insikter ur all denna data, bara man hade den matematiska kunskapen att se mönstren. Så bankerna började rekrytera bland fysiker, matematiker och statistiker – bland sådana som David Li.
Men nu börjar saker hända bortom Wall Street. Under de senaste åren har vårt beteende digitaliserats i galopperande takt. Det är på ett sätt en banal iakttagelse – vi umgås på sociala sajter som Facebook i stället för på ett kafé, vi handlar på Adlibris i stället för i boklådan, och så vidare. Men för en matematiskt bildad forskare har det omvälvande konsekvenser. Vårt digitala liv producerar data som aldrig förr. Under en månad samlar Yahoo ihop 110 miljarder separata bitar data om sina kunder, berättar Baker. Data som kan analyseras. Plötsligt kan matematiska modeller byggas kring alla sorters mänskligt beteende. Och stora pengar finns att tjäna för den som gör det väl. Google, skriver Baker, är ”byggt på matematik”.
I dag är den disciplin som kallas ”applicerad matematik” en snabbt expanderande bransch. Som exempel använder IBM sina egna medarbetare som testobjekt för att optimera modernt kontorsarbete. Man analyserar e-postkorrespondens, mobilanvändning och datorbaserade kalendrar, och bygger sociala modeller som kopplas samman med fakturering och intäkter.
Denna kunskap används sedan för att se vad varje person är bra – eller dålig – på, vilka han jobbar bäst med, hur produktiv han är, och så vidare. I slutändan kan man ana det Baker kallar ”ett virtuellt löpande band”, där varje liten arbetsuppgift fördelas automatiskt till den som är bäst skickad att lösa den. De som inte bidrar sorteras förstås ut. Det är, med en matematikers ord, ”en industriell revolution för kunskapsarbetaren”.
Samma analyser pågår inom marknadsföring, politik, brottsbekämpning, sjukvård och på dejtingtjänster. Data samlas från vårt surfande, mobilanvändande, rörelsemönster på flygplatser och i butiker, röstande i val och kontokortsanvändande.
Men målet är inte bara att analysera. Analyserna ska kunna användas för att förutspå vad vi ska göra och för att föregripa våra behov. Målet är att reducera det mänskliga beteendet till algoritmer, tydliga steg-för-steg-instruktioner till programvara, som gör att maskinerna hela tiden ligger ett steg före. Så ska en shoppare nås av just rätt sorts reklam baserat på tidigare inköp; en kärlekstörstande kopplas ihop med rätt potentiell partner; och en terrorist kunna gripas före själva dådet.
På det hela taget menar Baker att det inte finns någon större anledning att vara orolig för siffersamhället. Det gäller bara att vi blir bättre på att själva värdera och hålla inne med vår information. Men det är lätt att känna sig skeptisk till den slutsatsen.
En som definitivt är skeptisk är finansmannen och filosofen Nassim Nicholas Taleb. I den uppmärksammade boken ”The Black Swan” attackerar Taleb den ”bluff” som han menar applicerad matematik och prognosmakeri utgör. Dessa har, skriver han, en tendens att fokusera alltför mycket på genomsnittet, på bekostnad av det oväntade och oförutsägbara – det som Taleb kallar ”svarta svanar”.
Vi kan egentligen bara förutspå det som redan skett, medan det som verkligen förändrar världen är det vi inte känner till. Och en så komplicerad varelse som människan är särskilt svår för statistiken att hantera.
Ett klockrent exempel är förstås David Lis formel. Den byggde på en analys av vad som hänt under de få år som CDO:er funnits – då priserna bara stigit – men tog inte hänsyn till att mer oväntade saker kunde inträffa. Trots det fick den enorm spridning och inflytande och när kraschen kom gjorde den problemen mycket värre.
Taleb menar att vi löper samma risker i alla försök att förutspå och göra prognoser där människor är inblandade. Hans bok är dessvärre så snårigt skriven att den är närmast oläslig – ändå förmedlar den en insikt som alla, inte minst de som ägnar sig åt att förutspå framtiden, borde ta till sig. Att förutspå hur en terrorist ska bete sig baserat på hur han betett sig tidigare – och att dessutom automatisera en sådan analys – är bara att inbjuda större katastrofer från helt oväntade håll.
Bättre då att med öppna ögon acceptera att människan beter sig slumpmässigt och att världen är oförutsägbar.
Men trots Talebs skepticism finns nog en sak man kan förutspå med säkerhet. Matematikerna och deras formler kommer att få mer att säga till om.
Och flera fingrar kommer att peka mot dem när något går fel.