Antifragilität: Anleitung für eine Welt, die wir nicht verstehen (German Edition)

Wetterverhältnisse oder anderer Unwägbarkeiten eine Ernte im erwarteten Ausmaß nicht möglich.
    Eine schlechte Ernte wie diejenige, die die große Hungersnot in Irland um die Mitte des 19. Jahrhunderts auslöste, verursachte den Tod von einer Million Menschen und die Auswanderung einer weiteren Million (die Gesamtbevölkerung Irlands inklusive Nordirland beträgt zur Zeit der Abfassung dieses Buchs nur ungefähr sechs Millionen). Es ist kaum möglich, Ressourcen rückzuwandeln – im Unterschied zu dem Beispiel mit dem Arzt/Sekretär können sich Länder nicht so leicht umstellen. Tatsächlich wirkte sich Monokultur (die Konzentration auf nur ein einziges landwirtschaftliches Produkt) in der Geschichte immer wieder tödlich aus – eine schlechte Ernte konnte verheerende Hungersnöte zur Folge haben.
    Der zweite Aspekt, der in der Arzt-/Sekretär-Analogie fehlt: Länder haben keine Familien und Freunde. Ein Arzt hat Unterstützer, einen Freundeskreis, eine Gemeinschaft, die ihm unter die Arme greift; einen Schwiegervater, von dem er sich, wenn er auf einen anderen Beruf umsatteln muss, Geld leihen kann; eine Regierung, die ihn unterstützt. All das haben Länder nicht. Außerdem verfügt ein Arzt über Ersparnisse; Länder sind im Unterschied dazu eher Schuldner.
    Auch hier haben wir es also wieder mit Fragilität aufgrund von Effekten zweiter Ordnung zu tun.
    Wahrscheinlichkeitsanpassung: Die Vorstellung des komparativen Vorteils hat eine Parallele in der Wahrscheinlichkeit: Wenn Sie aus einer Urne eine Stichprobe nehmen (mit Zurücklegen) und in 60 Prozent der Fälle eine schwarze Kugel ziehen und in den verbleibenden 40 Prozent eine weiße, dann ist die optimale Strategie, folgt man den Lehrbüchern, zu 100 Prozent auf Schwarz zu setzen. Die Strategie, zu 60 Prozent auf Schwarz und zu 40 Prozent auf Weiß zu setzen, nennt man »Wahrscheinlichkeitsanpassung«, sie wird in der Literatur zur Entscheidungstheorie als Fehler angesehen (der Leser möge sich daran erinnern, dass das die Methode Triffats im zehnten Kapitel war). Der Instinkt der Leute, sich auf Wahrscheinlichkeitsanpassung einzulassen, scheint gesund zu sein und alles andere als ein Fehler. In der Natur sind Wahrscheinlichkeiten unbeständig (oder unbekannt), und Wahrscheinlichkeitsanpassung entspricht in etwa einer Redundanz, einem Puffer. Wenn sich also die Wahrscheinlichkeiten verändern, oder anders gesagt: wenn eine andere Zufälligkeitsschicht hinzukommt, dann stellt Wahrscheinlichkeitsanpassung die optimale Strategie dar.
    Wie Spezialisierung funktioniert: Der Leser sollte das, was ich sage, nicht als Ablehnung von Spezialisierung interpretieren – ich meine lediglich, man sollte sich erst dann auf eine Spezialisierung einlassen, wenn man Fragilität und Effekte zweiter Ordnung in Erwägung gezogen hat. Ich bin überzeugt, dass Ricardo letztlich recht hat, aber nicht aufgrund der zitierten Modelle. Organisch würden sich Systeme ohne Top-down-Kontrollen allmählich, langsam und über längere Zeit spezialisieren, aufgrund eines Versuch-und-Irrtum-Prozesses, und so den angemessenen Zustand der Spezialisierung erreichen, nicht genötigt durch irgendwelche von Bürokraten verordneten Modelle. Um es noch einmal zu wiederholen: Systeme machen kleine, Planung macht große Fehler.
    Die aufgezwungene Durchsetzung von Ricardos Modell in ein Modell verwandelter Einsicht durch irgendeinen Sozialplaner hätte also einen Zusammenbruch zur Folge; wenn man hingegen den Dingen erlauben würde, sich durch Tüfteleien zu entwickeln, dann würden sie nach und nach Effizienz zeigen, und zwar wirkliche Effizienz. Die Rolle der Politiker sollte – im Sinne eines Via-Negativa -Vorgehens – darin bestehen, die Herausbildung von Spezialisierung zuzulassen, indem sie das aus dem Weg räumen, was den Prozess behindert.
    Eine allgemeinere Methode zur Auffindung von Modellfehlern
    Modelleffekte zweiter Ordnung und Fragilität: Nehmen wir an, wir verfügen über das richtige Modell (eine sehr großzügige Annahme), sind uns aber bezüglich der Parameter nicht sicher. Als Verallgemeinerung des Defizit-/Beschäftigungsbeispiels, das wir im letzten Abschnitt besprochen haben, nehmen wir an, wir verwenden f , eine einfache Funktion:, in der α _ die durchschnittlich erwartete Input-Variable sei, wobei wir φ als Verteilung von α über seinen Definitionsbereich, nehmen;.
    Der Stein der Weisen: Allein der Umstand, dass α ungewiss (da geschätzt) ist, müsste eine Verzerrung