"Když přišla krize, ukázala závažná omezení současných ekonomických a finančních modelů." "Panuje zde také silné přesvědčení, které sdílím, že špatné nebo příliš jednoduché a sebevědomé ekonomiky se podílely na vzniku krize."
"When the crisis came, the serious limitations of existing economic and financial models immediately became apparent." "There is also a strong belief, which I share, that bad or oversimplistic and overconfident economics helped create the crisis."
Všichni jste nejspíše slyšeli podobnou kritiku od lidí, kteří jsou skeptičtí ke kapitalismu. Ale tohle je něco jiného. Toto pochází ze samého srdce finančnictví. První citace je od Jean-Claude Tricheta z doby, kdy byl guvernérem Evropské centrální banky. Druhá citace pochází od hlavy Britského finančního regulačního úřadu. Chtějí snad tito lidé naznačit, že nerozumíme ekonomickým systémům, které řídí naší společnost? Je to ještě horší. "Utrácíme miliardy dolarů ve snaze porozumět počátkům vesmíru zatímco nerozumíme podmínkám nutným pro stabilní společnost, fungující ekonomiku nebo mír."
Now, you've probably all heard of similar criticism coming from people who are skeptical of capitalism. But this is different. This is coming from the heart of finance. The first quote is from Jean-Claude Trichet when he was governor of the European Central Bank. The second quote is from the head of the UK Financial Services Authority. Are these people implying that we don't understand the economic systems that drive our modern societies? It gets worse. "We spend billions of dollars trying to understand the origins of the universe, while we still don't understand the conditions for a stable society, a functioning economy, or peace."
Co se to tu děje? Jak je tohle možné? Opravdu víme více o podstatě reality, než víme o struktuře, která vzniká z mezilidských vztahů? Bohužel, odpověď zní ano. Ale máme zde zajímavé řešení, které pochází z oblasti známé jako věda o komplexnosti.
What's happening here? How can this be possible? Do we really understand more about the fabric of reality than we do about the fabric which emerges from our human interactions? Unfortunately, the answer is yes. But there's an intriguing solution which is coming from what is known as the science of complexity.
Abych vysvětlil, co to znamená a o jaké řešení se jedná, dovolete mi vrátit se o několik kroků zpět. U fyziky jsem skončil zcela náhodou. Bylo to takové náhodné setkání, když jsem byl malý a od té doby jsem často přemýšlel o úžasných úspěších fyziky při popisu reality, do které se každý den probouzíme. Jednoduše řečeno, můžete o fyzice přemýšlet takto. Vezmete kus reality, kterému chcete porozumět a přeložíte ho do matematiky. Přepíšete jej na rovnice. Potom můžete vyjádřit předpovědi a ověřit je. Ve skutečnosti máme velké štěstí, že to tak funguje, protože nikdo doopravdy neví, proč by myšlenky v našich hlavách měly mít nějaké spojení se základními principy vesmíru. Navzdory těmto úspěchům má fyzika svá omezení. Jak naznačil Dirk Helbing v té poslední citaci, nerozumíme doopravdy komplexnosti, která se k nám vztahuje, která nás obklopuje. Tento paradox je právě tím, co mě zaujalo na komplexních systémech. Takže to jsou systémy, které jsou tvořeny mnoha spojenými a interagujícími díly: hejna ptáků nebo ryb, mravenčí kolonie, ekosystémy, mozky, finanční trhy. To jsou pouze některé příklady. Je zajímavé, že komplexní systémy lze jen obtížně zapsat do matematických rovnic, takže nemůžeme použít běžný fyzikální přístup.
To explain what this means and what this thing is, please let me quickly take a couple of steps back. I ended up in physics by accident. It was a random encounter when I was young, and since then, I've often wondered about the amazing success of physics in describing the reality we wake up in every day. In a nutshell, you can think of physics as follows. So you take a chunk of reality you want to understand and you translate it into mathematics. You encode it into equations. Then, predictions can be made and tested. We're actually really lucky that this works, because no one really knows why the thoughts in our heads should actually relate to the fundamental workings of the universe. Despite the success, physics has its limits. As Dirk Helbing pointed out in the last quote, we don't really understand the complexity that relates to us, that surrounds us. This paradox is what got me interested in complex systems. So these are systems which are made up of many interconnected or interacting parts: swarms of birds or fish, ant colonies, ecosystems, brains, financial markets. These are just a few examples. Interestingly, complex systems are very hard to map into mathematical equations, so the usual physics approach doesn't really work here.
Co tedy víme o komplexních systémech? No, ukázalo se, že to co vypadá jako komplexní chování navenek, je pouze výsledkem několika jednoduchých pravidel interakcí. Což znamená, že můžete zapomenout na rovnice a porozumět systému tak, že se budete dívat na interakce mezi jeho částmi, takže opravdu můžete zapomenout na rovnice a zkoumat jen interakce. A je to ještě lepší, protože ty nejkomplexnejší systémy mají tuhle úžasnou vlastnost označovanou tvorba nového. Toto znamená, že systém jako celek najednou začne vykazovat chování, které nelze pochopit nebo předpovídat zkoumáním jednotlivých dílů systému. Takže celek je doslova více než jen součet jeho částí. A to vše také znamená, že můžete zapomenout na jednotlivé díly systému, jakkoliv komplexní. Takže ať je to buňka nebo termit nebo pták, soustředíte se pouze na pravidla interakcí.
So what do we know about complex systems? Well, it turns out that what looks like complex behavior from the outside is actually the result of a few simple rules of interaction. This means you can forget about the equations and just start to understand the system by looking at the interactions, so you can actually forget about the equations and you just start to look at the interactions. And it gets even better, because most complex systems have this amazing property called emergence. So this means that the system as a whole suddenly starts to show a behavior which cannot be understood or predicted by looking at the components of the system. So the whole is literally more than the sum of its parts. And all of this also means that you can forget about the individual parts of the system, how complex they are. So if it's a cell or a termite or a bird, you just focus on the rules of interaction.
Výsledkem je, že sítě jsou ideálními příklady komplexních systémů. Uzly v síti jsou systémové komponenty a spojení mezi nimi určeny vzájemnými interakcemi. Takže to, čím jsou rovnice pro fyziku, jsou komplexní sítě pro studium komplexních systémů.
As a result, networks are ideal representations of complex systems. The nodes in the network are the system's components, and the links are given by the interactions. So what equations are for physics, complex networks are for the study of complex systems.
Tento přístup byl úspěšně aplikován na mnoho komplexních systémů ve fyzice, biologii, počítačových vědách, humanitních vědách, ale co třeba v ekonomii? Kde jsou ekonomické sítě? Zde je překvapivá a značná mezera v literatuře. Studie, kterou jsme publikovali minulý rok, "Síť globání korporátní kontroly", byla první významnou analýzou ekonomických sítí. Tato studie se brzy stala na internetu virální a soustředila na sebe pozornost mezinárodních médií. Tohle je velice zajímavé, protože, znovu, proč se tím nikdo nezabýval předtím? Podobná data byla k dispozici už nějaký čas.
This approach has been very successfully applied to many complex systems in physics, biology, computer science, the social sciences, but what about economics? Where are economic networks? This is a surprising and prominent gap in the literature. The study we published last year, called "The Network of Global Corporate Control," was the first extensive analysis of economic networks. The study went viral on the Internet and it attracted a lot of attention from the international media. This is quite remarkable, because, again, why did no one look at this before? Similar data has been around for quite some time.
Na co jsme se podrobně zaměřili byly sítě vlastnictví. Uzly značí společnosti, lidi, vlády, nadace, atd. A spojnice reprezentují akcionářské vztahy, takže akcionář A drží x procent akcií ve společnosti B. Také přiřazujeme hodnotu dané společnosti, určenou jejím provozním obratem. Tyto sítě vlastnictví odhalují vzorce akcionářských vztahů. Na tomto malém příkladu můžete vidět několik finančních institucí s tím, že některá spojení jsou zvýrazněna.
What we looked at in detail was ownership networks. So here the nodes are companies, people, governments, foundations, etc. And the links represent the shareholding relations, so shareholder A has x percent of the shares in company B. And we also assign a value to the company given by the operating revenue. So ownership networks reveal the patterns of shareholding relations. In this little example, you can see a few financial institutions with some of the many links highlighted.
Mohli byste si myslet, že se na tohle nikdo ještě nepodíval, protože sítě vlastnictví jsou velmi, ale velmi nudné. Nicméně vlastnictví souvisí s mocí, jak vysvětlím později, a zkoumání sítí vlastnictví nám může pomoci najít odpovědi na otázky jako: Kdo jsou klíčoví hráči na trhu? Jak jsou organizovaní? Jsou izolovaní? Jsou propojení? Jaké je celkové rozdělení moci? Jinými slovy, kdo ovládá svět? Což si myslím, že je zajímavá otázka.
Now, you may think that no one looked at this before because ownership networks are really, really boring to study. Well, as ownership is related to control, as I shall explain later, looking at ownership networks actually can give you answers to questions like, who are the key players? How are they organized? Are they isolated? Are they interconnected? And what is the overall distribution of control? In other words, who controls the world? I think this is an interesting question.
Také se to vztahuje k systémovým rizikům. Je to měřítko, do jaké míry je systém zranitelný jako celek. Vysoký stupeň propojenosti může být špatný pro stabilitu, protože to znamená, že se potíže mohou šířit systémem jako epidemie.
And it has implications for systemic risk. This is a measure of how vulnerable a system is overall. A high degree of interconnectivity can be bad for stability, because then the stress can spread through the system like an epidemic.
Vědci občas kritizovali ekonomy, kteří věří, že myšlenky a koncepty jsou důležitější než empirická data, protože základní poučkou vědy je: nechte mluvit fakta. Dobře. Udělejme to tedy.
Scientists have sometimes criticized economists who believe ideas and concepts are more important than empirical data, because a foundational guideline in science is: Let the data speak. OK. Let's do that.
Začali jsme s databází obsahující 13 milionů vlastnických vztahů od roku 2007. To je velké množství informací, ale protože jsme chtěli zjistit, kdo vládne světu, rozhodli jsme se soustředit na mezinárodní společnosti nebo také TNCs (transnational corporations) ve zkratce. To jsou společnosti, které operují ve více než jedné zemi; našli jsme jich 43 000. V dalším kroku jsme vybudovali síť kolem těchto společností, tak, že jsme vzali všechny akcionáře těchto společností a potom akcionáře akcionářů atd. až úplně nahoru a potom zase zpátky, a skončili jsme se sítí o 600 000 uzlech a jednom milionu spojení. Tuto síť TNC jsme analyzovali.
So we started with a database containing 13 million ownership relations from 2007. This is a lot of data, and because we wanted to find out "who rules the world," we decided to focus on transnational corporations, or "TNCs," for short. These are companies that operate in more than one country, and we found 43,000. In the next step, we built the network around these companies, so we took all the TNCs' shareholders, and the shareholders' shareholders, etc., all the way upstream, and we did the same downstream, and ended up with a network containing 600,000 nodes and one million links. This is the TNC network which we analyzed.
A její struktura vypadá následovně. Takže máte periferii a centrum, které obsahuje asi 75 procent všech hráčů, a v tomto centru je malé, ale dominantní jádro, které je tvořeno velmi silně propojenými hráči. Abych vám to přiblížil, představte si velkou městskou oblast. Takže máte předměstí a periferii, a poté centrum jako finanční čtvrť, a to jádro bude něco jako ta nejvyšší budova v centru. A už teď můžeme vidět první náznaky organizace. Pouze 36 % TNCs je v samotném centru, ale společně vytvoří 95 % celkového obratu všech TNCs.
And it turns out to be structured as follows. So you have a periphery and a center which contains about 75 percent of all the players, and in the center, there's this tiny but dominant core which is made up of highly interconnected companies. To give you a better picture, think about a metropolitan area. So you have the suburbs and the periphery, you have a center, like a financial district, then the core will be something like the tallest high-rise building in the center. And we already see signs of organization going on here. 36 percent of the TNCs are in the core only, but they make up 95 percent of the total operating revenue of all TNCs.
Dobře, takže jsme analyzovali strukturu, jak se to vztahuje k moci? Vlastnictví akcionářům umožňuje právo hlasování. Což je normálním projevem moci. Existují různé modely, které vám dovolují spočítat podíl moci, který vám dává vlastnictví. Máte-li více jak 50 % akcíí společnosti, získáváte kontrolu. Ale obvykle záleží na relativním rozdělení akcií a síť je to, co rozhoduje. Zhruba před 10 lety pan Tronchetti Provera vlastnil a ovládal malou společnost, která měla a ovládala větší společnost, atd. Chápete pointu. Výsledkem bylo, že mohl ovládat Telecom Italia s pákovým efektem 26. To znamená, že s každým eurem, které investoval, byl schopen ovlivnit dalších 26 eur tržní hodnoty skrze tento řetězec vlastnických vztahů.
OK, so now we analyzed the structure, so how does this relate to the control? Well, ownership gives voting rights to shareholders. This is the normal notion of control. And there are different models which allow you to compute the control you get from ownership. If you have more than 50 percent of the shares in a company, you get control, but usually, it depends on the relative distribution of shares. And the network really matters. About 10 years ago, Mr. Tronchetti Provera had ownership and control in a small company, which had ownership and control in a bigger company. You get the idea. This ended up giving him control in Telecom Italia with a leverage of 26. So this means that, with each euro he invested, he was able to move 26 euros of market value through the chain of ownership relations.
Takže co jsme vlastně spočítali v naší studii byla kontrola nad částí tržní hodnoty TNCs. Toto nám umožnilo přiřadit úroveň vlivu každému akcionáři. Tohle je v zásadě podle Maxe Webera chápání potenciální moci, což je pravděpodobnost prosazení vlastní vůle navzdory odporu ostatních.
Now what we actually computed in our study was the control over the TNCs' value. This allowed us to assign a degree of influence to each shareholder. This is very much in the sense of Max Weber's idea of potential power, which is the probability of imposing one's own will despite the opposition of others.
Chcete-li spočítat, jak fungují sítě vlastnictví, je třeba udělat toto. Není to vlastně ani příliš složité na pochopení. Vysvětlím vám to na této analogii. Představte si vodu proudící trubkami o různých průřezech. Podobně se pohybuje moc v sítích vlastnictví a shromažďuje se v uzlech. Takže co jsme zjistili po spočítání veškeré moci v síti? Ukázalo se, že 737 hlavních akcionářů může potenciálně společně ovládnout 80 % celkové hodnoty všech TNCs. Vzpomeňte si, že jsme začínali s 600 000 uzly, takže těchto 737 největších hráčů tvoří dohromady o něco více než 0,1 %. Jde hlavně o finanční instituce v USA a Velké Británii. Ale je to ještě extrémnější. V jádru je 146 největších hráčů a ti mají dohromady potenciál k ovládnutí 40 % tržní hodnoty TNCs.
If you want to compute the flow in an ownership network, this is what you have to do. It's actually not that hard to understand. Let me explain by giving you this analogy. So think about water flowing in pipes, where the pipes have different thickness. So similarly, the control is flowing in the ownership networks and is accumulating at the nodes. So what did we find after computing all this network control? Well, it turns out that the 737 top shareholders have the potential to collectively control 80 percent of the TNCs' value. Now remember, we started out with 600,000 nodes, so these 737 top players make up a bit more than 0.1 percent. They're mostly financial institutions in the US and the UK. And it gets even more extreme. There are 146 top players in the core, and they together have the potential to collectively control 40 percent of the TNCs' value.
Takže co byste si z toho měli odnést? Tento vysoký stupeň kontroly, který jste viděli, je velmi extrémní podle jakýchkoliv měřítek. Vysoká úroveň propojení mezi hlavními hráči v jádru může znamenat značné systémové nebezpečí pro světovou ekonomiku a mohli bychom snadno reprodukovat tuto síť TNC podle několika jednoduchých pravidel. To znamená, že jeho struktura je nejspíše výsledkem sebeorganizace. Je to základní charakteristika, která závisí na pravidlech interakcí systému, takže to nejspíše není výsledek přístupu shora dolů, jako celosvětová konspirace.
What should you take home from all of this? Well, the high degree of control you saw is very extreme by any standard. The high degree of interconnectivity of the top players in the core could pose a significant systemic risk to the global economy. And we could easily reproduce the TNC network with a few simple rules. This means that its structure is probably the result of self-organization. It's an emergent property which depends on the rules of interaction in the system, so it's probably not the result of a top-down approach like a global conspiracy.
Naše studie je "otiskem povrchu měsíce. Není to mapa ulic." Takže byste měli brát přesná čísla v naší studii s rezervou, nicméně nám to "nabídlo fascinující náhled na odhodlaný, nový svět financí." Doufáme, že jsme otevřeli dveře dalšímu výzkumu v tomto směru, aby mohly být zmapovány i zbývající oblasti. A tento proces již pomalu začíná. Můžeme pozorovat vznik dlouhodobých a dobře financovaných programů zaměřených na porozumění našemu propojenému světu z pohledu komplexnosti. Ale tato cesta teprve začíná, takže budeme muset ještě počkat, než uvidíme první výsledky.
Our study "is an impression of the moon's surface. It's not a street map." So you should take the exact numbers in our study with a grain of salt, yet it "gave us a tantalizing glimpse of a brave new world of finance." We hope to have opened the door for more such research in this direction, so the remaining unknown terrain will be charted in the future. And this is slowly starting. We're seeing the emergence of long-term and highly-funded programs which aim at understanding our networked world from a complexity point of view. But this journey has only just begun, so we will have to wait before we see the first results.
Podle mého názoru je zde stále jeden velký problém. Myšlenky spojené s financemi, ekonomikou, politikou a společností jsou mnohdy zatíženy osobními ideologickými názory. Opravdu doufám, že tato komplexní perspektiva umožní najít společná východiska. Bylo by opravdu výborné, kdyby toto pomohlo ukončit zatuhlost způsobenou protichůdnými myšlenkami, která jak se zdá paralyzuje náš globalizovaný svět. Realita je tak komplexní, že musíme opustit dogmata. Ale to je jen má osobní ideologie.
Now there is still a big problem, in my opinion. Ideas relating to finance, economics, politics, society, are very often tainted by people's personal ideologies. I really hope that this complexity perspective allows for some common ground to be found. It would be really great if it has the power to help end the gridlock created by conflicting ideas, which appears to be paralyzing our globalized world. Reality is so complex, we need to move away from dogma. But this is just my own personal ideology.
Děkuji vám.
Thank you.
(Potlesk)
(Applause)