Hvordan Opfindelsen af Regneark Udløst Wall Street i Verden

Illustration: Elena Scotti (Fotos: Getty Images) Janet BurnsToday 1:45pmFiled til: MicrosoftFiled til: Microsoft

• Microsoft
• Excel
• wall street
• Regneark
• Finans
• Aktier

61

• Rediger
• Embiggen
• Send til Redaktionen
• Fremme
• Dele til Kinja
• Flytte annoncepladser
• Ændringer i artiklen video
• Gå til permalink

I 2010, et par af forskere, der offentliggjort en kontroversiel økonomi papir. Det blev citeret af BRITISKE politikere til at retfærdiggøre stramninger, der udløste den økonomiske og beskæftigelsesmæssige krise og en anti-stramninger protester—foranstaltninger, som FN ‘ s senere kaldet “straffende, smålige, og ofte umærkeligt” påføre “stor elendighed.” I 2013, men dette meget indflydelsesrige papir, der blev anset for at have været væsentligt ud i sine beregninger, til dels takket være et simpelt regneark fejl: specifikt, “et par rækker venstre ud af en ligning til de gennemsnitlige værdier i en kolonne,” the Guardian skrev på det tidspunkt.

Denne berømte foul-up er bare et af mange tilfælde, hvor digitale forudsigelser har svigtet os, der skaber en skarp kontrast mellem virkelighed og hvad de numre, som er forudsagt.

For næsten 40 år, er mennesker, der finansierer og form verdensmarkedet har påberåbt sig denne slags forudsigelser, ved hjælp af digitale værktøjer til at beregne den potentielle risici, fordele og langsigtede scenarier for hvert enkelt produkt eller en investering. Folk, der har studeret finance ‘ s overgang til teknologi, eller så det på første hånd, siger disse nyskabelser kan alle føres tilbage til et spil skiftende form af software: regnearket.

“Jeg ligne regneark til en computer, spil og for ledere.”

Med fremkomsten af regneark og personlige computere, tiderne-gamle-handel og “børsen”—, som tidligere havde stolet på lertavler, teleskoper, eller telegrafer til en konkurrencefordel—har også bygget helt ny verden af monetære aktivitet, ofte søger at binde fremtidens indtægter i dagens nederste linje.

Ifølge nogle eksperter, at den notorisk ufuldkommen regneark kan også være ansvarlig for en bestemt fejlbarlighed, der forekommer endemisk til moderne markeder—med andre ord, at skabe sårbarheder i vores finansielle system og mulighederne for at bruge data, som kun er set i bakspejlet kan forudsige.

Number crunching og risiko: en (meget) kort historie

Ifølge tech historiker Martin Campbell-Kelly, ovennævnte 2010 regneark fejl blev “en absolut katastrofe” for politikere, der havde hyldet papir i STORBRITANNIEN og USA. Men det var ikke ligefrem overraskende.

Campbell-Kelly, professor emeritus ved University of Warwick og en kendt ekspert i computer history, sagde i en telefon samtale, der bygger på intel-fra elektronisk regneark har altid involveret en vis mængde risiko.

“Jeg ligne regneark til en computer, spil for ledere,” sagde han. “De skal simulere den virkelige verden situationer, og du kan ændre de parametre, for at se, hvordan forskellige økonomiske scenarier er i spil.”

Som den store papir-regneark, der tidligere generationer af revisorer og finansfolk spredt over tabeller til at fylde i i længden (og dermed den nye begreb, “regneark”), elektroniske versioner har en forholdsvis simpel layout: stort net, der er arrangeret i kolonner og rækker, skal du tillade brugere at logge og sammenligne deres data, side-by-side som numeriske værdier, såsom omkostninger til dette eller hint produkt over tid.

I modsætning til traditionelle regneark, der krævede, at snesevis eller hundredvis af timer på at gøre kompliceret matematik i hånden, elektronisk regneark, der har tilbudt at gøre meget af arbejdet for brugerne, ved hjælp af indbyggede formler til at beregne hundredvis af værdier, der ifølge en lang række variabler.

Når regneark blev kendt i 1980’erne, finansiering arbejdstagere, pludselig kunne bruge mindre af deres dage ved hjælp af pen, papir, og stadig er-i-brug HP-12C lommeregner til at køre tal, selv om de tidligste programmer kan stadig tage et par timer at udføre beregninger.

Skrald i…

Denne teknologi også automatisk præsenteret for fordele og ulemper, Campbell-Kelly sagde. “Med fysisk regneark, det var meget længere, men ville du have en meget mere intim viden om, hvad der rent faktisk er inde i det. Med computer-regneark, der er underliggende former inde i dem, som du sandsynligvis vil ikke være bekendt med.”

Alt i alt, sagde han, “Der er et reelt problem med regneark, som altid har været et reelt problem: de har en meget dårlig fejl-kontrol kapaciteter. Du kan kontrollere, om der er nogle ting, som cirkulære definitioner, hvor to variabler er codependent på en måde, de ikke bør være.”

“Men hvis du har en fejl i et regneark, er det faktisk meget svært at opdage—ikke som med et edb-program, hvor der er redskaber til at kontrollere den software generelt. Den gennemsnitlige edb-program, der er meget mere pålidelig end den gennemsnitlige regneark.”

“De er faktisk ganske sårbare over for små fejl, og meget sprøde, med ingen mekanisme til at fortælle dig, hvis de har gået sporet.”

Nemlig, sagde han, “En analyse i 80’erne fandt der en overraskende høj brøkdel af regneark, der er indeholdt logiske fejl.” Kort sagt, disse former for programmering fejl kan forårsage et program til at fungere forkert—som ved at producere ukorrekte eller utilsigtede resultater, for eksempel—uden at det får det til at lukke ned eller “crash”, hvilket ville gøre det klart, at der er et problem.

Campbell-Kelly påpeget, at kvaliteten af de data, som brugerne sættes i regneark kan nemt gøre eller bryde pålideligheden af de resultater, også.

Han mindede om, en sætning, der er kommet til at betegne denne form for problem blandt programmører og andre tal-handlere: “Garbage in, Garbage out.” Med andre ord, hvis oplysninger om et bestemt emne, der er indtastet i programmet er sjuskede eller snævert repræsentant, og/eller de programmer, der er fejlbehæftet, er de data, som den producerer, vil sandsynligvis være køje.

Men vi er i sagens natur synes at have tillid til disse typer af tal, og derfor alternativ version af denne sætning: “Garbage in, evangeliet ud.”

Regneark drive den digitale revolution, på trods af ru kanter

Ved slutningen af 1970’erne, at arbejdere på Wall Street var allerede bruger rudimentære e-mail processer, sætte dem blandt de første til at indføre personlige computere uden for de videnskaber, den akademiske verden, og hjem hobbyfolk, ifølge teknolog David Wolfe. Men finance ‘ s kærlighedsaffære med computere, der rigtig tog fart i begyndelsen af 80’erne, når regneark ankom, og virksomhederne begyndte at give in-house medarbejder uddannelse for dette værktøj—én, der, selv i dag, overraskende få af os, der føler sig godt tilpas med.

På det tidspunkt, de banebrydende programmer, der indgår VisiCalc—den første nogensinde digital regneark, og “den” killer app ” til Apple II,” Wolfe sagde—sammen med Lotus 1-2-3, hvor der er udvidede muligheder på nogle områder, og ligeledes styrket IBM ‘s Pc’ er.

Ifølge Wolfe, co-direktør for Politik for Innovation Lab på University of Toronto ‘ s Munk School of Global Affairs og Public Policy, “regneark straks begyndte at få samlet op af den finansielle sektor for sin evne til at gøre” hvad nu hvis ” – beregninger, som: Hvis renten ændrer sig fra 1% til 2% procent, hvordan vil det påvirke mine investeringer kapital?”

Næsten med det samme, Wall Street også begyndt at bruge teknologien til at skabe nye, mere komplekse former for handel og investeringer. “Det blev en utrolig tidsbesparende-værktøj, men begyndte også at spille i skabelsen af derivater,” Wolfe forklaret. Denne form for transaktion, som daterer tilbage tusinder af år, i den tidligste former, indebærer, at en aftalt værdi for visse ressourcer mellem to parter over tid, og er ofte brugt i håb om at stabilisere markederne, eller (måske mere almindeligt) rive i procenter, hvis de ressourcer, der er’ værdi i den virkelige verden går op.

“Mortgage-derivater, fremtidige derivater—de kom ud af evnen til at samle varer sammen, og beregne afledte værdier for dem,” Wolfe sagde. “Det er, hvor skæringspunktet mellem personal computing og regneark syntes at ske.”

Jeffrey R. Diehl, Administrerende Direktør og CEO i Rhode Island Infrastruktur, Bank, husker overgangen til regneark klart, samt fremkomsten af derivater og andre højere-tech handel: på det tidspunkt, han Diehl havde netop afsluttet sin MBA og taget et job hos J. P. Morgan.

Diehl sagde i et interview over telefonen, at han mener, regneark har i sidste ende været med til at styrke og udvide den finansielle branche til det bedre, men det var ikke altid problemfri sejlads, specielt i starten. Og på trods af selskabets edb-træningsprogram, Diehl sagde, at hans chef havde altid opmuntrede ham til at tjekke numrene ved hånden, og til at udvikle evnen “til at kaste et blik på dem og se, hvis de er af sted.”

I løbet af disse år, Diehl primært arbejdet med valuta og obligationer udvekslinger, der kræver komplekse beregninger omkring de internationale markeder. En dag, da han var klar til at indlede en første af sin art digital udveksling, han tog et sidste blik på tallene, og faktisk kunne fortælle, at de var fra. Han forsøgte at advare sine kolleger, som mente, at tal; sent om aftenen, Diehl fik en opringning: han havde haft ret, og hurtigt hjalp med at rette fejlen.

Diehl sagde, at det også var tydeligt, at regneark var ikke rigtig, der er konstrueret eller udstyret i første omgang for finansiering, formål, enten. “På grund af særheder i den måde, de programmer, arbejdet, og at begrænsninger i den hardware, vi havde til at være kreativ i, hvordan vi kan bruge dem.”

“Hvad jeg har fundet om, hvordan mennesker interagerer med regneark i 80’erne er, at de ikke rigtig tror på dem som erstatter eller fortrænger menneskelig dom, men snarere som en slags superhelt cape, eller protese.”

For eksempel, da J. P. Morgan arbejdere var ved hjælp af Apple IIs, opdagede de, at de havde behov for at beregne finansielle perioder, i forskellige størrelser bidder, for det maksimale antal af celler, der kan være 100 eller 200 tværs.

“Så fik vi en af de første IBM Pc’ er, og vi flyttede fra VisiCalc til Lotus 1-2-3,” Diehl sagde. “En ting, der fangede os overraske, anekdotisk, er, at VisiCalc har sin første regnskabsperiode, der er udpeget som Perioden 1. I Lotus 1-2-3, den første pengestrøm periode blev Periode 0.”

Omkring den tid, at hans selskab var det overvejes, om det skal flytte fra sit Wall Street kontorer til World Trade Center, som en langsigtet strategi. “Vi var analysere leasing kontra køb scenarier i 75 år” til en værdi af cash flow,” Diehl forklaret.

“Den fyr, som jeg arbejdede for—hjernen har tillid til i vores corporate finance-gruppen, som er påberåbt af [virksomhedens] kasserer på det tidspunkt—fik mig til at gå igennem alle de scenarier, der i hånden på en HP lommeregner. Der var 300 pengestrømme i en 75-årig periode … Men det var faktisk sådan, at vi opdagede, at der var en forskel i, hvordan Lotus 1-2-3 behandlet pengestrømme versus VisiCalc.”

Ved begyndelsen af 1990’erne, men begge programmer havde mistet tronen til et andet stykke software, som blev pakket med en hel kontorpakke på, at virksomhedens maskiner: Microsoft Excel.

Det var ikke den bedste eller mest innovative regneark, ifølge de fleste tech historikere. Men i de næste tre årtier, Excel vil blive allestedsnærværende, fra Wall Street til små virksomheder.

Hele 80’erne og begyndelsen af 90’erne, store stakke af udskrifter var også “gå-til konto” på Wall Street under møderne, i henhold til Vil Deringer, lektor i videnskab, teknologi, og samfund på MIT, og en tidligere investment banking analytiker hos Blackstone group.

De stakke af papir vil ofte gå ulæste, men de har vist, at high-tech beregninger havde været gjort. “Det blev vigtigt til at udføre din engagement med den måde at tænke på,” Deringer sagde.

“Regneark give indtryk af objektivitet, en vis nøjagtighed, fordi de ser kompliceret: der er masser af tal, kan du sætte alle disse ideer og data point sammen og skabe disse komplicerede strukturer, og producere, hvad der synes at være utrolig præcise svar.”

“Men de er faktisk ganske sårbare over for små fejl, og meget sprøde, med ingen mekanisme til at fortælle dig, hvis de har gået sporet.”

Den ‘Junk Bond King’ falder, men Wall Street soldater på

Efter regneark ramte Wall Street, finansielle nyskabelser findes i stor mængde, men med blandede resultater. Nogle nye værktøjer eller teknikker, der står over for kritik, mens nogle innovatorer, når rost for deres visioner, gik ned i flammer. De andre blev en integreret del af markedet som vi kender det i dag.

“Hvad jeg har fundet om, hvordan mennesker interagerer med regneark i 80’erne er, at de ikke rigtig tror på dem som erstatter eller fortrænger menneskelig dom, men snarere som en slags superhelt cape, eller protese,” Deringer sagde.

“De tilbød måder at tænke på, at de finansielle praktikere var naturligvis rettet mod, [de], der allerede er tænkt i forhold til, hvad der vil ske i fremtiden, hvad vil det sige i dag, og hvordan vil det afspejle sig tilbage.”

“Regnemaskiner kan gøre en simpel version af denne, men regneark, så du kan bruge den idé—projektering ting, der vil ske i fremtiden, og tildeling af værdi i dag—i en utrolig kraftfuld måde.”

Hele 80’erne, for eksempel, en af de mest bemærket og beundret tal eksperimentere med tal på Wall Street var Michael Milken, en Wharton MBA-modtageren og record-breaking finansmand.

“Milken, den såkaldte junk bond konge, i nogle måder har skabt DNA på en helt ny på det finansielle marked, med sin brug af ting som high-yield-obligationer, og var langt den mest indflydelsesrige finansmand i 1980’erne,” Deringer sagde. “Han brugte netop disse instrumenter, som han havde mere eller mindre opfandt dem til, og der er udviklet metoder til at “sælge” en masse af de nye former for finansielle transaktioner, såsom gearede opkøb og fjendtlige overtagelser.”

Milken senere erklærede sig skyldig i at værdipapirer og skat krænkelser for sin rolle i en Wall Street-skandalen i nærheden af dette årti ‘ s ende. Som et resultat, Milken serveres 22 måneder i fængsel og betalt flere hundrede millioner i bøder, som i 2018, han også havde en nettoformue på omkring 3,7 milliarder kroner.

På trods af Milken og hans kolleger’ og derefter-i juridiske problemer, mange af de samme teknikker, der også boede på i 90’erne, 2000’erne, og ud over. Ifølge Harvey A. Silverglate, Milken er en tid advokat, “Milken’ s største problem var, at nogle af hans mest geniale, men helt lovligt manøvrer blev set, af dem, som i første omgang ikke forstår dem, som felonious, netop fordi de var nye–og ofte særdeles rentabel.”

“De virkelig gøre det klart, at mennesker i toppen af finansielle institutioner, der ikke fuldt ud forstår, hvordan instrumenter, der er designet og bruges af folk under dem, der arbejdede. De gjorde milliarder dollar-indsatser uden at forstå, hvad de lavede.”

I samme vindue, mens Milken var charmerende investorer og tjener milliarder, et andet finansielt redskab steg i forgrunden tak til regneark, på en måde, der ville ændre finansiering for evigt, Deringer sagde: en økonomisk formel, kendt som ‘nutidsværdien’ beregning, og “anses af nogle for at være den vigtigste opfindelse i moderne historie finansiering,” i henhold til Deringer.

Kort sagt, sagde han, “Det giver dig mulighed for at sætte en værdi på penge, der kommer til at være opnås i fremtiden. En standard økonomisk beregning, der giver os mulighed for at sige, hvad er det værd i dag på $100 i 20 år; eller, hvad der ville du nødt til at gemme i dag for at få $100 i 20 år, inklusiv renters rente?” Tidligere, at en sådan mangesidet beregning ville have været umuligt; med regneark, det kunne være udført på få minutter.

Det er også et af mange tegn på, at finansfolk i 1980’erne var der kigger endnu længere ind i fremtiden med deres transaktioner, Deringer sagde—roman på den tid, men den normale tilstand af tingene i dag.

“Når [nuværende beregning af værdien] første kom, troede folk, det var lidt mærkeligt og ulogisk,” forklarede han. “Nu, i finansiering, mennesker, behandle det som tyngdekraften—så indlysende, at det er umuligt at forestille sig, hvordan nogen nogensinde ville tænke anderledes.”

Liv og finansiering i en post-Stor Korte verden

I 2010, journalisten Michael Lewis lavet bølger med hans faglitterære bog The Big Short: Inside the Doomsday Machine, som gav Amerikanerne et nærmere kig på den 2007-2008 finansielle krise, såvel som dem, der vovede at satse mod markedet. Blandt andre ting, bogen detaljeret nogle af de handelsadfærd og værktøjer, der kørte denne økonomiske katastrofe.

Disse omfatter lånefinansierede opkøb og konsolidering, collateralized debt forpligtelse, og pant-backed securities—metoder, der kan spores tilbage til regneark’ ankomst, og er en del af, hvad David Wolfe kalder “mathematization i den finansielle sektor.”

Ved at flytte meget af det faktiske antal arbejdet på techno-værktøjer, Wolfe sagde, at finansielle virksomheder har øget afstanden mellem beslutningstagere og i den virkelige verden påvirker deres arbejde opnår.

Med hensyn til hans kolleger, der arbejdede på De Store Kort, Wolfe udtalte, “at De virkelig gør det klart, at mennesker i toppen af finansielle institutioner, der ikke fuldt ud forstår, hvordan instrumenter, der er designet og bruges af folk under dem, der arbejdede. De gjorde milliarder dollar-indsatser uden at forstå, hvad de lavede. De vidste stort plus, men ikke ulemperne.”

I øvrigt, den såkaldte “junk bond king” måske har argumenteret for noget lignende, Deringer sagde; i en nøddeskal, Milken antydet teknologisk determinisme, et begreb, der bor på store virksomheder i dag.

“Tilsyneladende på et tidspunkt sagde han, at, faktisk, hvis man ønskede at identificere, hvem der var de virkelige syndere for den nye, friløb, en slags moralsk boundary-crossing former for finansiering, der er udviklet i 80’erne, den folk til virkelig at se på var opfindere af VisiCalc,” Deringer sagde.

“Folk investerer i disse modeller, indtil de bryde og bryde spektakulært.”

“Det er virkelig interessant at høre, finansfolk forsøge at skyde skylden på teknologi,” fortsatte han. “Det er en bredere fænomen, vi ser i en masse tekniske områder: et forsøg på at fornægte en vis form for menneskelig ansvar for visse sociale forandringer og sociale problemer ved at hævde, at det var alt i den teknologi, uden for nogens kontrol. Og de vil spille begge sider af det.”

Ifølge Deringer, øget indlejring af disse typer af tal-crunching værktøjer i vores sociale systemer udgør også flere, meningsfuld risici, hvem peger fingre; for én ting, at den måde, at der er truffet beslutninger og tjenester, der tilbydes til millioner af mennesker kan blive—som i dag på det finansielle marked—endnu mere uigennemskueligt.

Alt i alt, Deringer sagde, at hans forskning på finans-og tech-tendenser i løbet af de seneste par årtier antyder, at “meget skizofren” adfærd i retning af data og tal i vores samfund.

“På den ene side, men vi er meget vant til at yde en vis form for autoritet til kvantitative beviser, og behandler det som stærkere end kvalitative beviser. Men på samme tid, vi alle kender eksempler på, hvordan statistik er fejlbarlig, og kan nemt gå galt.”

“Det er et interessant fænomen: vi har en dyb tro på tallene, og også dyb skepsis, der synes at være indbyrdes forbundet. Vi er meget mere, der måles på, hvordan vi behandler kvalitative beviser, som førstehånds vidnesbyrd, for eksempel, men med tal, det er meget mere dikotome.”

“Fænomenet med regneark har virkelig interessante eksempler,” Deringer tilføjet. “Folk investerer i disse modeller, indtil de bryde og bryde spektakulært.”

Deringer sagde, at han håber, at stigningen i antallet af data journalistik, blandt andre ting, der kunne hjælpe med at vores kultur at få en sundere tankegang (eller i det mindste mere målt) omkring, hvilke data der virkelig giver.

“En af sine løfter som en ny mode er en slags justering af nogle af vores forventninger, og betale dybt opmærksom på kvantitative beviser, men i en langt rigere sammenhæng, som mener, data og antagelser, der gik ind i det.”

Kritikere af denne kontroversielle 2010 den økonomiske stramninger papir, som står over for udfordringer på flere niveauer, siden den blev offentliggjort, synes at være enige. Som økonom Paul Krugman mente, til the New York Times i 2013, papiret er problemer, der gik langt dybere, end dens regneark celler i det menneskelige rige, er i virkeligheden: “for det Første, er de udeladt nogle data, for det andet, de brugte usædvanligt og meget tvivlsomme statistiske procedurer; og endelig, ja, de har lavet et Excel kodning fejl,” skrev han.

Fund manager David Schuchman sagt på en anden måde, til Forbes, at år, hævder, at fokusere på undersøgelsens Excel fejl misser pointen. “I virkeligheden er den eneste lære at drage fra denne episode er, at den akademiske økonomi, som mange social sciences, er funderet i overmod og pseudo-præcision,” skrev han. “Og, at den moderne opfordre til at kræve en akademisk undersøgelse for at ‘bevise’ eller begrunde sagens natur komplekse og tvetydige beslutninger er antitesen til at tænke klart.”

Gå fremad, Deringer sagde, “jeg håber, vi kan behandle numeriske bevis i en meget rigere, mere skeptisk, og mere respektfuld måde.”

Janet Burns er en freelance skribent, der er baseret i Brooklyn.

Dele Denne Historie