Zeer deskundig uitgesponnen werk over het onverwachte fenomeen dat een totale ommekeer kan betekenen (= zwarte zwaan). De doorgetrokken logica naar kansberekening en beursspeculaties zijn erg nuttig en slaan de nagel op de kop. Spijtig van de overtollige ballast die eraan toegevoegd wordt die uiteindelijk het boek een ware beproeving maken.
Op aanraden van mijn dochter - die meestal enkel lezenswaardige tips doorgeeft - heb ik dit boek door gezwoegd. Kleine lettertjes en een kolos van een boek is echt niet prettig om aan te beginnen. Dit boek kan inhoudelijk gereduceerd worden tot een 250 bladzijden zonder essentie te verliezen.
Ik vermoed dat de Nassim Nicholas Taleb erg intelligent is en terzake deskundig, daar twijfel ik niet aan; maar om zo af te geven op collega's die misschien onterecht een erkenning hebben gekregen waarvan hij vindt dat die hem toekomen is op de duur vervelend om te lezen.
Ik kan dit boek eigenlijk niemand aanraden. Het is het tijdverlies niet waard en ik vermoed dat er terzake compactere boeken zijn die wel aangenaam om lezen zijn. ( )

Wat moet je als crisismanager met De Black Swan? Met die vraag ging ik het beroemde boek van Nicholas Taleb voor de tweede keer te lijf. Een eerdere poging had ik namelijk jaren geleden al eens gestaakt wegens algehele taleberitus, een alsmaar groeiende moeheid bij elk nieuw hoofdstuk dat ik van hem opsloeg. Met een crisisbril op was het echter goed leesbaar en het leverde ook nog eens een mooi rijtje aandachtspunten op voor de crisismanager. Maar verder is het concept van de Black Swan vrijwel nutteloos en het boek een worstelpartij. Lees hier de hele recensie https://www.rizoomes.nl/crisismanagement/de-nutteloosheid-van-de-black-swan-beha... ( )

Ze zijn onvoorspelbaar, ze hebben een gigantische impact ... en achteraf proberen we ze aannemelijk en voorspelbaar te maken. Zwarte Zwanen zijn toevallige gebeurtenissen die ons leven bepalen, van bestsellers tot wereldrampen. Harry Potter was een Zwarte Zwaan, het internet was er een, en 11 september ook.

Waarom herkennen we Zwarte Zwanen pas achteraf? Omdat de mens details ziet, en geen algemeenheden. We richten ons op wat we al weten en vergeten keer op keer stil te staan bij wat we niet weten.

In deze spannende internationale bestseller verklaart Nassim Nicholas Taleb alles wat we weten over wat we niet weten. Hij biedt verrassend eenvoudig inzicht in hoe je voordeel kunt behalen met Zwarte Zwanen. De Zwarte Zwaan zal de manier waarop je naar de wereld kijkt veranderen. Het leert voorspellingen en advies te relativeren (en vaak te negeren), kritisch te denken en klaar te staan om snel te handelen.

'Prachtig boek.' - Het Financieele Dagblad
'Een diepgaand intelligent en provocerend boek.' - The Economist

Na een carrière op Wall Street als succesvol handelaar, doet Nassim Nicholas Taleb het nu rustiger aan als filosoof, essayist, voorspeller van de kredietcrisis en distinguished professor aan de Universiteit van New York. Van hem verschenen tevens bij Nieuwezijds Over robuustheid - Nadere filosofische en empirische bespiegelingen over De Zwarte Zwaan, en Misleid door toeval.
Toon minder
Recensie(s)
Dit boek, dat hier in een tweede, aanzienlijk aangevulde editie verschijnt, gaat over het menselijk onvermogen om op acceptabele wijze met het onwaarschijnlijke of onverwachte om te gaan. In zijn filosofisch getint betoog laat de auteur, die lang werkzaam was in de effectenhandel, op overtuigende wijze zien wat de psychologische, sociale en economische oorzaken en gevolgen zijn van dit tekort. In het dagelijks leven leidt het tot onverstandige beslissingen; in de wetenschap, bijvoorbeeld de economie, tot overdreven respect voor formele theorieën. Taleb houdt de lezer voor, op relativerende wijze om te gaan met voorspellingen en adviezen. Het toegevoegde essay 'Over robuustheid' bevat zelfs een aanbeveling voor een stoïcijnse, niet committerende stijl van leven. Ondanks de ingewikkelde materie is het boek, dat een overvloed anekdotes bevat, voor iedere goed oplettende leek prima te begrijpen. Bevat enkele figuren en afbeeldingen in zwart-wit, voetnoten, een verklarende woordenlijst, literatuuropgave en register. Kleine druk. ( )

Dit boek is hyper-interessant, heel rijk en tegelijk ook hyper-ergerlijk. Er is al zoveel over geschreven, dat ik me ga beperken tot enkele essenties. Toch eerst voor wie niet helemaal mee is: dit boek gaat over het absoluut onverwachte, de zwarte zwaan die je nooit zou vermoeden als je je hele leven alleen maar witte zwanen hebt gezien. Taleb verwijst uiteraard naar tal van historische voorbeelden van dingen die compleet uit de lucht zijn komen vallen: de instorting van de Sovjetunie, 11 september, grote beurscrisissen enzovoort. En dan hebben we het niet eens over de dingen in ons gewone leven: als je terugkijkt, is dat meestal een aaneenschakeling van onverwachte voorvallen.
Het interessante aan dit boek is vooral dat Taleb toch wel op een degelijke manier verklaart waarom we telkens verrast worden door zo’n dingen. En dat is dan in de eerste plaats psychologisch: we zijn mentaal zo ingesteld dat we altijd verwachten dat de dingen hun gang zullen gaan, zoals ze nu gaan, we gaan uit van stabiliteit terwijl de werkelijkheid bijzonder complex en bijna onvoorspelbaar is; onze verkeerde inschatting komt ook omdat we verwachten dat alles heel logisch zijn gang gaat, dat oorzaak en gevolg altijd heel duidelijk zijn, zelfs op voorhand. Niet dus. Meer nog: we verzetten ons meestal met klem tegen waarschuwingen voor onheil, terwijl – als je de geschiedenis bekijkt – onheil de regel is en regelmaat de uitzondering. Het zit dus voornamelijk tussen onze oren.
En wat nog erger is: wetenschappers en journalisten versterken die tunnelvisie, door ons – achteraf – plausibele verklaringen voor te schotelen, waardoor we de indruk hebben dat als we maar voldoende kennis hebben, we alles veel beter hadden kunnen inschatten en dus ook in de toekomst zullen kunnen inschatten. Of ze doen uitschijnen dat de omstandigheden wel heel uitzonderlijk waren, en dat een herhaling dus zo goed als uitgesloten is.
Het is maar een flauw afkooksel dat ik hier presenteer, want het boek van Taleb is eigenlijk heel rijk aan voorbeelden en redeneringen. Maar …. Zoals ik al aangaf is het tegelijk bijzonder ergerlijk. Om drie, misschien vier redenen. De eerste is dat Taleb op de duur bijna uitsluitend focust op economie en dan vooral de beurs; dat is logisch, omdat hij professioneel beurs-trader was en dus tal van ervaringen opdeed in dat milieu, maar dat vernauwt de focus toch wel erg. En twee: naarmate het boek vordert, doopt Taleb zijn pen meer en meer in het puurste vitriool tegen allerlei wetenschappers, beursgoeroe’s, statistici en dergelijke meer die hij met naam en toenaam noemt (vooral Nobelprijswinnaars) die volgens hem de bal volledig mis hebben geslagen. Het zou best kunnen dat hij gelijk heeft, daar gaat het mij niet om, het gaat vooral om de manier waarop hij dat doet: met een arrogantie die aan het onwaarschijnlijke grenst en die alleen maar toeneemt. Bovendien neemt hij – en dat is mijn derde bezwaar tegen dit boek – zijn toevlucht tot een wel heel technische, statistische uitleg om zijn boude beweringen kracht bij te zetten. Ook daar kan hij misschien gelijk hebben, maar als lezer was hij mij daar volledig kwijt. Ik ga er toch nog een vierde bezwaar tegen aangooien, die achteraf misschien veelzeggender is dan op het eerste gezicht lijkt: alle experten, zowel de betrouwbare als de onbetrouwbare, waarnaar Taleb verwijst zijn …. mannen; er komt maar 1 enkel vrouwelijk personage in dit boek voor en dat is dan nog compleet fictief; het zou misschien wel eens een interessante studie zijn om na te gaan wat de correlatie is tussen het Zwarte Zwaan-syndroom en de genderproblematiek.
Kortom, als ik een beknopte leeswaarschuwing mag geven: lees de eerste helft van dit boek en doe er je voordeel mee, en vergeet de tweede helft. En onthou vooral: Zwarte Zwanen bestaan wel degelijk, en je kunt je er maar in heel beperkte mate tegen wapenen. ( )

Nassim Taleb is een Grieks-orthodoxe Libanees uit een vooraanstaande familie, die in 1975 haar fortuin verloor tijdens de Libanese burgeroorlog. Hij studeerde economie in Frankrijk en in de USA waar hij aan Wharton School een MBA haalde. Hij werkte een tijd als “quant” (econometrist) bij verschillende grote zakenbanken tot hij zelf een beursvennootschap oprichtte in Chicago. Hij is dus specialist in econometrie en statistiek, zij het dat zijn interesse beroepsmatig gaat naar uitzonderingen waardoor je heel arm of heel rijk wordt. Hij trok zich uit het actieve zakenleven terug om onderzoek te doen naar de onvoorspelbaarheid van de toekomst en schrijft daar boeken over.

Taleb begint “De zwarte zwaan” met een aantal argumenten waarom mensen zich nogal makkelijk laten in de luren leggen door o.a. verhalen van filosofen, journalisten en beleggingsgoeroes die geloofwaardig klinken maar enkel steunen op “anecdotical evidence”, systematisch uitgezochte en gefilterde zaken die in hun kraam passen. En verder, dat de wereld bekeken vanuit het standpunt van wie het “gemaakt heeft”, er altijd volledig anders uitziet dan vanuit het standpunt van de grote meerderheid van de populatie die het niet gemaakt heeft. Daar komt nog bij dat de “verliezers” meestal (mond)dood zijn en niet eens kunnen protesteren tegen die gang van zaken.
Maar, schrijft Taleb, ideeën krijg je zo moeilijk uitgelegd, en een smeuïg verhaal blijft moeiteloos hangen in het geheugen van de toehoorders, dus vertelt hij toch maar verhalen over merkwaardige anekdotes. Ondanks dat hij neerkijkt op wetenschappers die - volgens hem - hoofdzakelijk voetnoten overschrijven uit andere wetenschappelijke boeken, heeft hij een behoorlijke literatuurstudie gedaan om aan te tonen dat zijn ideeën over de onvoorspelbaarheid van de toekomst nog zo gek niet zijn.
Van wiskundigen die allerhande moeilijke formules bewijzen houdt hij ook niet, omdat ze volgens hem vaak niet weten voor welk relevant praktisch probleem die zouden kunnen gebruikt worden. Als ingenieur kijk ik daarvan op. Ingenieurs gebruiken wiskundige formules en modellen om heel verschillende praktische ontwerpproblemen op te lossen. Ze vragen geen toelating aan wiskundigen of ze een bepaalde wiskundige techniek mogen gebruiken, als blijkt dat die werkt voor wat ze ermee willen doen. Daar kom ik verder nog op terug.
Ik vermoed dat Taleb’s afkeer van de normale ( of Gausse ) kansverdeling – grafisch weergegeven door een klokkromme - meer te maken heeft met het feit dat de berekeningen die daarmee gemaakt worden, vooral geschikt zijn om vb. in kwaliteitscontrole gemiddelde waarden van een proces in de gewenste richting te verplaatsen en de spreiding van de waarden er rond te verkleinen. Als beleggingsspecialist liggen weinig voorkomende verschijnselen hem heel nauw aan het hart, die samenhangen met de twee stukjes van de kansverdeling helemaal aan de uiteinden van de klokkromme: fortuinen verdienen of verliezen. Een oorzaak die fortuinen doet verdienen of verliezen en die niemand kan voorspellen, noemt hij een Zwarte Zwaan. Omdat de kansverdeling in de uiteinden van de klokkromme de kans op beurscrashes met een grote impact op het rendement van beleggingsportefeuilles – zwarte zwanen dus- niet voorspelt, gaat Taleb op zoek naar wat anders.
Hij komt uit bij exponentiële formules die de wiskundige vorm y = xtot de macht a hebben, waarvan de exponent a kleiner is dan -1 . Hij verwijst naar een aantal kansverdelingen o.a. van het aantal inwoners van grote steden, die zo’n exponentiële wiskundige vorm zouden hebben, en voegt eraan toe dat het moeilijk is om de coëfficiciënt a proefondervindelijk te bepalen. Hij vermeldt ook dat de kansverdeling pas vanaf een minimum aantal inwoners klopt.
Taleb maakt er veel woorden aan vuil om tot de slotsom te komen dat er geen kansverdeling bestaat waarmee de kans op het voorkomen van zwarte zwanen kan geschat worden, laat staan voorspeld.

Mijn bedenkingen

Over wiskunde en wiskundige modellen en de beperkingen aan hun geldigheid

Wiskunde is een exacte wetenschap die vertrekt vanuit een aantal basisveronderstellingen ( axioma’s), en een aantal afspraken (definities) over welke bewerkingen op bepaalde soorten van getallen (meer algemeen op “verzamelingen”) kunnen worden toegepast vb. op gehele getallen, natuurlijke getallen, meetkundige figuren, enz.
Taleb houdt niet van deductie in een bewijsvoering omdat hij – terecht - vreest dat zonder het geregeld terugkoppelen en toetsen van de theorie aan de praktische problemen die je ermee wil verklaren en oplossen, je terecht kan komen in het soort verklaringen die vele artsen in West Europa 150 jaar geleden nog gaven voor hun therapieën, waarbij ze zich beriepen op wat de antieke Griekse arts Galenus van Pergamon daarover ooit gezegd had, zonder dat het voldoende systematisch proefondervindelijk was gecontroleerd. Ondanks dat Vesalius daar al een ander licht op had laten schijnen.

De vereiste nauwkeurigheid van het resultaat bepaalt hoe ver de formule mag vereenvoudigd worden

Toen ik voor ingenieur studeerde, werd me ingeprent dat ingenieurs wetenschappelijke methodes gebruiken om praktische ontwerpproblemen op te lossen, maar dat een uitkomst van een berekening op 1% nauwkeurig in de praktijk meestal voldoet. Een categorie problemen wordt dikwijls herleid tot zijn eenvoudigste vorm, waarvoor een wetenschappelijk correcte oplossing bestaat. Die wordt meestal uitgedrukt in een wiskundige formule met daarin de relevante natuurkundige of scheikundige grootheden die de uitslag bepalen. De proefondervindelijk gemeten uitslagen voor de minder eenvoudige vormen van het probleem, kloppen dikwijls niet met die berekend met de formule voor de eenvoudigste vorm. Maar als ze een ongeveer constante verhouding hebben met de berekende, dan wordt die verhouding prompt bevorderd tot “correctiecoëfficiënt” waarmee de formule wordt vermenigvuldigd. Wetenschappelijk niet 100 % juist, maar het werkt in de praktijk, en het respecteert de wetmatigheden van het verschijnsel.

Voorwaarden kunnen het toepassingsgebied van een wiskundig model inperken

Aan het begin van mijn beroepsleven had ik niet altijd door dat wiskundige formules bepaalde eigenschappen modeleren van iets in de werkelijke wereld, tussen een minimum en een maximum waarde en dan nog in een aantal veronderstellingen vb. “als we geen rekening houden met wrijving”. Een wiskundige formule is niet de hele werkelijkheid. Het is een sterk vereenvoudigd model, maar in goed omschreven omstandigheden bruikbaar. Dat geldt ook voor statistische berekeningen. Voor je eender welke formule toepast moet je weten over welke soort waarden het gaat (Ja/Nee of waar /niet waar uitkomsten ; getallen met gehele waarden; discrete waarden; continue waarden) en over welke type kansverdeling (vb. normale -; Poisson-; enz.).

Waarom de kansverdeling van een verschijnsel in de echte wereld niet altijd perfect overeenkomt met één van de “type” kansverdelingen.

Vele kansverdelingen van een verschijnsel worden veroorzaakt door een combinatie van verschillende oorzaken, die elk voorkomen volgens hun eigen type kansverdeling. Vb. De combinatie van twee normale kansverdelingen met een verschillend gemiddelde levert een kansverdeling op met twee pieken in plaats van één. Het is best mogelijk dat de kansverdeling van het resultaat van beleggingen ver van het gemiddelde rendement, het gevolg is van andere oorzaken dan van die rond het gemiddelde.

De kansdichtheid van een verschijnsel met vele onafhankelijke oorzaken die relatief kleine positieve en negatieve gevolgen hebben op het resultaat, is dikwijls normaal verdeeld. Bij een klokkromme zit de grootste kansdichtheid dichtbij de gemiddelde waarde, en zolang je de klokkromme gebruikt om problemen op te lossen met waarden van de parameter in een strook links en/ of rechts van het gemiddelde, stoort het niet wat er aan de uiteinden van de kansverdeling gebeurd. Een relatief kleine steekproef is voldoende om te toetsen dat de verdeling “normaal” is (met 95 % betrouwbaarheid). Omdat de kans verwaarloosbaar klein is dat er een “uitligger” , een resultaat dat ver van het gemiddelde ligt, in de steekproef zou zitten, verwijdert men meestal zo’n uitligger, in de veronderstelling dat die door een meetfout veroorzaakt is. Het is duidelijk dat op zo’n manier enkel aangetoond is dat het middelste deel van de verdeling “normaal” is, tenzij men heeft nagegaan dat de uitligger wel degelijk aan een meetfout te wijten is.

Volgens welke kansverdelingen zouden zwarte zwanen op de beurs kunnen verdeeld zijn?

Beurskoersen gaan omhoog of omlaag naar gelang het marktsentiment: wie verwacht dat aandelen gaan stijgen koopt ze van wie dat niet verwacht. De slotkoers van de dag geeft weer voor welke prijs er toen even veel kopers als verkopers waren. Per definitie kan men zwarte zwanen niet zien aankomen en er dus ook geen rekening mee houden bij het loven en het bieden. En als er één is, dan is de impact heel groot, ook weer per definitie. Omdat mensen, mensen zijn, en beurssoftware die automatisch aandelen koopt of verkoopt door mensen is ontwikkeld, breekt er paniek uit en wil iedereen zijn aandelen kwijt op het ogenblik dat vb. duidelijk wordt dat Freddy Mac en Fanny Mae op een berg woninghypotheken zitten die nooit kunnen terug betaald worden, en dat die giftige rommel, vermomd als herverpakte kredieten, in de balansen van een hele reeks grote banken en verzekeringsmaatschappijen terecht is gekomen. Dit heeft niets meer te maken met “vele onafhankelijke oorzaken met elk een relatief klein gevolg dat positief of negatief kan zijn”. Daarom voorspelt de normale kansverdeling - de klokkromme - dit soort echt gebeurde zwarte zwanen niet.
Op zijn zoektocht naar andere kansverdelingen komt Taleb uit bij formules van de vorm y = x tot de macht a , waarvan de exponent a kleiner is dan -1 .

Onder welke voorwaarden kunnen exponentiële formules van de vorm y = x tot de macht a kansen voorspellen

De kans dat een bepaald voorval zich na een wachttijd T voordoet = e tot de macht – λt voor processen waarbij de kans constant is dat het voorval gebeurt binnen een bepaald tijdsinterval. Dat is dus een voorwaarde! λ noemt men de “voorkomensverwachting” die gelijk is aan de gemiddelde periode dat het voorval zich voordoet over een lange tijd. Men spreekt dan van een ééndimensioneel Poissonproces. De formule heeft de wiskundige vorm y = x tot de macht a. (Stel x gelijk aan e tot de macht -t en de kans wordt = x tot de macht λ)

Bij de kansverdeling van het aantal inwoners van grote steden in de hele wereld – de kans dat een stad een aantal inwoners heeft dat ligt tussen X en X + N – komt de voorwaarde erop neer dat het aantal inwoners op de hele aarde constant moet zijn. Anders gezegd: de kans op een bepaald aantal inwoners in grote steden wordt beïnvloed en begrensd door het aantal mensen dat op aarde woont. De laatste 150 jaar is de wereldbevolking gestegen van minder dan 1.5 miljard naar 7 nu en vermoedelijk een maximum van 9 rond 2050, om daarna weer te dalen. En de ontwikkeling van de economie beïnvloedt de plattelandsvlucht. Omdat de kansverdeling niet constant is in de tijd, lukt het niet om een constante coëfficiënt proefondervindelijk te bepalen.

Ander voorbeeld: de verdeling van rijkdom over personen. Juister: hoeveel personen lopen op de wereld rond, die minstens een bepaalde rijkdom hebben. De wereldbevolking verandert doorheen de tijd. Ook de totale kapitalisatie van alle beurzen in de wereld verandert voortdurend. Meer door de “stemming” op de beurs, dan door de feitelijke waarde van de onderliggende aandelen. Met andere woorden, hoe hoog men denkt dat de bomen in de toekomst gaan groeien. Veel fortuinen zijn in werkelijkheid aandelen en ander waardepapier. Vermits ongeveer alle parameters van de verdeling van rijkdom voortdurend in de tijd op en neer gaan, is ook hier geen constant gemiddelde over een lange periode of voor een bepaald land. Denk ook aan systematische verschuivingen vb. veranderingen in de belastingswetgeving van één land t.o.v. een ander, waarom heel rijke mensen de “zetel van hun fortuin” wel eens naar een voordeliger land verplaatsen.

Er zijn wel meer oorzaken bekend die grote stijgingen en dalingen van beurskoersen hebben veroorzaakt. Naast de vastgoed-; IT-; en andere bubbels, zijn er gewoon misdadige manipulaties gaande van aandelenhandel met voorkennis; over kunstmatige schaarste vb. aan zilver, zoals georganiseerd door de gebroeders Hunt op het ogenblik dat ze ongeveer het wereldmonopolie op zilver hadden; het hebben van een monopolie of een duopolie zoals lange tijd het geval was van Microsoft (besturingsystemen voor pc’s) en Intel (chips voor pc’s die vooral onder Windows draaien) enz.

Er zijn altijd wel mensen zonder scrupules die graag snel heel rijk willen worden. Met de vraag “Wie wordt hier beter van?” en weten wat een normale gang van zaken is kan men dat niet voorspellen ,
maar meestal toch herkennen wanneer dat zich voordoet.Met deugdelijke regels voor Corporate Governance is het moeilijker sporen te wissen van scheef schaatsen. En wetgeving die afdwingbaar maakt dat gedupeerden vergoed worden voor geleden schade, beïnvloedt de afweging tussen risico en winst fundamenteel.

De logica van statistiek is ons vreemd

De meeste mensen zijn ervan overtuigd dat men “met statistiek alles kan bewijzen”. Er is heel wat studeren en praktijk nodig om een probleem uit de echte wereld als een werkhypothese te verwoorden zodat die met statistische methoden kan worden opgelost.

Om te beginnen is een rekenkundig gemiddelde berekenen nog geen statistiek, en een corelatie geen oorzakelijk verband.
Enkele jaren geleden was het in België politiek niet correct om luidop te zeggen dat personen van noord Afrikaanse afkomst “oververtegenwoordigd” waren bij wie veroordeeld waren voor kleine criminaliteit, ondanks dat het zo was. De politici uit de meerderheid waren ervoor beducht dat sommige mensen deze corelatie zouden begrijpen of uitleggen als een oorzakelijk verband. In de zin van: omdat men van noord Afrikaanse origine is, is men een misdadiger. Aan de andere kant verhindert doodzwijgen onderzoek naar de echte redenen en oorzaken ervan, met de bedoeling het probleem op te lossen, iets wat wij als burgers wel mogen verwachten van onze overheid.

De reden dat mensen het moeilijk hebben met statistische interpreteren van feiten, heeft te maken met hoe onze hersenen werken. Het menselijk brein conditioneert het menselijk denken op zo’n manier dat we in een flits de meest waarschijnlijke verklaring verzinnen op basis van enkele flarden van gegevens, voor wanneer we snel moeten beslissen of het hard weglopen of vechten wordt . Dat is eigen aan onze soort en genetisch bepaald. De vereenvoudigde uitleg is dat linkerkant van onze hersenschors goed is in creatieve dingen, onder andere in het bedenken van verklaringen op basis van enkele aanwijzingen. De rechterhelft is ons gezond boerenverstand, dat de feiten controleert en moet voorkomen dat we met beide voeten tegelijkertijd in hetzelfde gat trappen.

Maar met statistiek heeft ons brein het moeilijk. Dat “de waarschijnlijkheid van iets is nul” betekent dat de kans dat het zal gebeuren verwaarloosbaar klein is, maar niet onmogelijk, vinden we ver gezocht. We zeggen dan: “Met statistiek kan je alles bewijzen.” En wachten tot we genoeg feitenmateriaal hebben om “statistisch relevant” met een betrouwbaarheid van 95% (met 1 kans op 20 dat het onterecht is) te kunnen zeggen of verklaring a, b dan wel c de oorzaak is, vinden we te veel moeite en dat duurt veel te lang naar onze zin.

Maar we willen, we moeten alles verklaren, om het gevoel te hebben dat we greep op ons leven hebben. Van jongs af aan leert een kleuter de wereld om zich heen te verklaren door zijn ouders de oren van het lijf te vragen waarom de wereld is zoals hij is. Tot en met: Moeder waarom leven we? Dat we zo’n vragen stellen komt door onze genen, die het bouwplan van onze hersenen bepalen.
Financiële commentatoren hebben er hun broodwinning van gemaakt dag na dag te “verklaren” - meestal naast de kwestie, maar het gaat er bij veel beleggers in als zoete koek - wat er gisteren gebeurd is op de beurs. Voorspellen is moeilijk, zelfs in het verleden. ( )