Павел Матисов – Вечная Бездна I (страница 12)
Сигналинг и скрининг – другие способы выявления скрытых характеристик. Сигнал – это наблюдаемый фактор, принимаемый как средство выявления информации о скрытой характеристике[51]. Неинформированная сторона использует сигнал (приближение), чтобы проверить информированную сторону. Например, если кто-то сегодня запрашивает информацию о тарифах на авиаперелет из Чикаго до Гонолулу на завтра, то он подает сигнал о срочности своих планов по передвижению. Степень срочности есть скрытая характеристика, но звонок сегодня о полетах на завтра является хорошим посредником. Тарифный план авиалиний отражает это обычно установлением более высокой оплаты срочных заявок и сниженной оплаты для заказывающих заранее неделями ранее или для тех, кто иным способом сигнализирует, что их путешествие носит необязательный характер. Путешественники выходного дня, например, скорее всего, являются туристами, которые могли бы также полететь в другие места на других авиалиниях. (Следует сказать, однако, что авиалинии стали настолько бесстыдно хороши в распознавании сигналов, что могут заломить цену даже для клиентов в отпуске.)
Сигналинг и скрининг объясняют, почему при покупке машины, безусловно, следует одеться попроще и обязательно принарядиться при найме на работу! Однако одеться невзрачно для стоянки для машин и броско для собеседования – стратегия, всеми легко имитируемая. Сигналы подаются, но они перекрываются «белым шумом» и не могут эффективно использоваться для отбора (скрининга). Продавцы машин обучены не только скринингу клиентов, но и выяснению дальнейшей информации: чем мы зарабатываем на жизнь, где мы работаем и даже где живем? Стеснены ли мы в средствах? Есть ли у нас другая машина для сделки на основе встречной продажи? И, кстати, почему бы не заключить сделку прямо сейчас, сегодня? Вербальная и невербальная информация, полученная подобным способом, увеличивает соотношение сигнал/шум и определяет изначальную «скидку» от указываемой цены. Аналогичным образом на собеседовании при найме на работу тот факт, что (почти) все носят хороший костюм, не дает фирме основание для отбора кандидатов. Отсюда спрос и предложение дополнительных сигналов или сегментов информации: отличные оценки в школьной ведомости, хорошо составленное резюме, хорошие, убедительные рекомендательные письма и проверка личных связей, данных и документов – все это помогает отделить будущего первоклассного служащего от посредственности.
Сигналинг и скрининг помогают преодолеть информационные проблемы, но не без определенных затрат. Затраты могут быть значительными (например, сбор информации по ценам у продавцов машинами, подготовка к интервью и резюме). По сути, затраты могут быть столь существенными, что в целом желаемые сделки вообще не происходят. Или еще хуже – на ряде рынков мы наблюдаем крайне нежелательные последствия. Наиболее знаменитый случай в экономике неблагоприятного отбора представляет модель 1970 года Джорджа Акерлофа – модель «рынка лимонов» (работа, за которую он в соавторстве с другими получил Нобелевскую премию 2001 года). Проще говоря, лишь продавец подержанных машин знает, надежна ли машина или она «лимон» (надежность является скрытой характеристикой). Зная, что они находятся в невыгодных информационных условиях, осторожные покупатели предлагают низкие цены. Но низкие цены отпугивают продавцов высококачественных подержанных машин от участия на рынке. Это и есть пример неблагоприятного отбора: лишь продавцы низкокачественных подержанных машин – «лимонов» – остаются на рынке. Акерлоф применяет идею неблагоприятного отбора для объяснения особенностей некоторых других рынков. Так, на рынке медицинского страхования непропорционально много больных, а не здоровых обращаются к страховому обеспечению. Но те, кто обращается, – это совсем не те, кого страховая компания желала бы обеспечить страховым покрытием. На кредитных рынках в развивающихся странах – Акерлоф обращается к примеру Индии – недостатки в информации о риске неплатежа ведут к непропорциональному числу заявителей, которые в действительности имеют высокий кредитный риск; отсюда успех микрокредитования, которое носит территориальный характер и может по месту жительства получить доступ к информации о кредитоспособности заявителя. (Что в итоге в 2006 году принесло Нобелевскую премию экономисту и основателю подобного банка Мухаммаду Юнусу и банку Grameen Bank в Бангладеш.) Модель Акерлофа также объясняет очевидную дискриминацию на рынке труда. Когда способности соискателя на рабочее место сложно выяснить заранее, могут быть использованы индикаторы, применение которых может быть индивидуально незаслуженным, но которые служат «хорошей
Читатели, возможно, с трудом поверят в то, что дискриминация может происходить «статистически», как непреднамеренное последствие издержек поиска, а не закономерное следствие предвзятого мнения. (Исследователи не отрицают, что в отдельных случаях имеет место личная дискриминация, при этом статистическая дискриминация является достоверным, альтернативным или, по крайней мере, дополнительным объяснением.) Но статистическая дискриминация, использование информации о среднестатистических характеристиках той или иной группы для прогнозирования способностей или поведения того или иного индивида, была экспериментально подтверждена. Донна Андерсон и Майкл Хауперт сообщают об одном эксперименте в классе, который демонстрирует экономическую неэффективность дискриминации на основе таких персональных характеристик, как пол и раса (характеристики, которые явно не назовешь скрытыми), при этом демонстрируя, что статистическая дискриминация тем не менее может иметь место как итог издержек, связанных с поиском (издержки по выявлению скрытых характеристик)[53]. Экспериментально подтвержденная логика говорит о том, что подвергнуться риску в случае отказа в найме производительного работника из группы, которая в среднем считается относительно непроизводительной, и наем непроизводительного работника из группы, которая в среднем считается относительно продуктивной, может быть дешевле, чем понести более интенсивные и потому более дорогостоящие издержки, связанные с обнаружением скрытой характеристики. Даже без селективного плана проблема изыскания дешевых средств сигнализации и фильтрации может привести к неблагоприятному (дискриминационному) отбору.
Решения этой проблемы так или иначе предполагают снижение издержек поиска (более точные сигналы, лучший отбор). Чтобы определить кредитоспособность заявителей, кредитные компании изучают их личные данные, а также используют данные местных сообществ. Кроме того, они используют специальные формулы для расчета кредитного риска, чтобы оценить, насколько надежен тот или иной соискатель. Работодатели все больше применяют компьютеризированные процедуры приема заявок, по крайней мере, в качестве первого фильтра. Другой альтернативой решения проблемы является разделение рисков. Страховые компании до определенной степени добиваются этого введением периодов ожидания, совместного платежа и предоставлением групповых планов, в которых и здоровые и больные получают страховое покрытие. Однако все попытки выявить информацию о скрытых характеристиках влекут расходы, совместные либо нет. Ясно, что некоторые, заслуживающие той или иной услуги индивиды ее не получат вследствие остающейся неопределенности и неспособности компании получить необходимую информацию, что отчасти объясняет, почему не иметь досье может быть хуже, чем иметь посредственное досье. Это неблагоприятное последствие скрытых характеристик и информационных проблем, по сути, неразрешимо.
Конец ознакомительного фрагмента.
Текст предоставлен ООО «Литрес».
Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.