Несомненно, оба этих подхода необходимы: всеобщие, экономные «универсальные» законы и систематическое поведение отражают общую картину и господствующие силы, которые определяют общую динамику, а обоснованное, подробное моделирование отражает индивидуальность и уникальность каждой компании. В применении к городам законы масштабирования показывают, что от 80 до 90 % их измеримых характеристик можно определить, зная лишь численность их населения, а оставшиеся 10–20 % являются мерой индивидуальности и уникальности каждого города, и понять их можно только при помощи подробных исследований, принимающих во внимание местные исторические, географические и культурные особенности. Рассуждая в том же духе, я хочу сейчас исследовать, насколько такая же система может быть использована для выявления эмерджентных законов, которым подчиняются компании.
1. Walmart как увеличенная скобяная лавка
Финансовая компания Standard & Poor’s, более всего известная своим индексом фондового рынка по американским компаниям, S&P 500, также предоставляет доступ к весьма полезной базе данных, в которой содержатся финансовые отчеты и балансы всех котирующихся на бирже компаний начиная с 1950 г. Эта база данных называется Compustat. В отличие от аналогичных баз данных по организмам и городам использование ее далеко не бесплатно. Компания S&P запрашивает за доступ к ней 50 тысяч долларов. Для большинства инвесторов, корпораций и бизнес-школ, для которых эта база данных и предназначена, это может показаться мелочью, но для нас, простых ученых, это большая сумма, эквивалентная годовой зарплате постдокторанта. К сожалению, когда мы организовывали проект ISCOM и собирались изучать компании с точки зрения масштабирования, таких средств у нас не было, исследование компаний пришлось отложить в долгий ящик и перенацелить проект на исследование городов, данные по которым можно было получить бесплатно.
Работа с городами оказалась гораздо более интересной и плодотворной, чем ожидал, например, я, и обратиться к рассмотрению компаний с тем вниманием, которого заслуживает эта тема, мы снова смогли много позже, чем предполагалось, даже после того, как мы все-таки получили доступ к базе данных Compustat благодаря исследовательскому гранту, полученному от Национального научного фонда. В частности, поэтому анализ и теоретическая система пока что остаются менее разработанными, чем для городов. Тем не менее мы уже успели заметно продвинуться вперед и получить связную картину, на основе которой может быть построена в грубом приближении научная теория компаний.
Современная концепция компании и тот быстрый оборот рынка, при котором большинство компаний выживает лишь в течение весьма недолгого времени, появились не более пары сотен лет назад. Этот период гораздо короче, чем многие сотни, если не тысячи лет, в течение которых развивались города и городские системы, не говоря уже о миллиардах лет существования биологической жизни. Поэтому у рыночных сил, воздействующих на компании, было гораздо меньше времени для достижения такого же рода метастабильной конфигурации, проявляющейся в систематических законах масштабирования, какая существует для городов и организмов.
Как объяснялось в предыдущих главах, законы масштабирования являются следствием оптимизации сетевых структур, поддерживающих существование всех этих разнообразных систем, а оптимизация эта есть результат непрерывной работы механизмов обратной связи, заложенных в естественном отборе и «выживании наиболее приспособленных». Таким образом, следует ожидать, что в случае городов эмерджентные законы масштабирования должны демонстрировать значительно бо́льшие колебания вокруг идеализированных степенных законов, чем в случае организмов, потому что период воздействия эволюционных сил для первых был гораздо короче, чем для вторых. Сравнение соответствия данных с кривыми масштабирования для этих двух случаев, например рис. 1, на котором представлены уровни метаболизма животных, с рис. 3, на котором показаны данные по производству патентов в городах, подтверждает это предположение: разброс данных вокруг кривой значительно шире для городов, чем для организмов. Из этого следует, что для компаний, временные масштабы «эволюции» которых еще короче, разброс данных вокруг идеализированных кривых масштабирования должен быть еще шире, чем для городов и организмов.
Использованный для анализа набор данных Compustat охватывает 28 853 компании, котировавшиеся на американских биржах в течение шестидесяти лет, с 1950 по 2009 г. В эту базу данных входят стандартные параметры бухгалтерской отчетности: число работников, совокупный объем продаж, размеры активов, расходов и пассивов и так далее, причем каждая из этих категорий разбита на подразделы, например затраты на обслуживание долгов, инвестиции, товарно-материальные запасы, амортизация и так далее. Приведенная на следующей странице блок-схема иллюстрирует взаимосвязи между всеми этими параметрами.
Эту схему построил Маркус Гамильтон, молодой антрополог, которого мы взяли в постдокторантуру для помощи в ведении этого проекта. Маркус еще студентом поставил себе жизненную цель: ввести в антропологию и археологию более количественные, вычислительные и механистические методы. По вполне очевидным причинам такие подходы применяются в этих дисциплинах менее, чем в других гуманитарных науках, так что перед Маркусом стояла трудная задача. Но для наших целей он подходил как нельзя лучше. После защиты диссертации и до прихода к нам в SFI он совместно с Джимом Брауном работал над вопросами глобальной устойчивости с экологической и антропологической точек зрения. Он первым выполнил интереснейшую работу по интерпретации обществ охотников-собирателей в терминах масштабирования и разработал в сотрудничестве со мною и с Хосе Лобо теорию, объясняющую, как и почему наши предки, охотники-собиратели, совершили принципиально важный переход к оседлому образу жизни, что привело впоследствии к образованию городов. Недавно мы с Хосе и Маркусом написали совместную статью, опубликованную в одном из ведущих журналов по антропологии: я считаю ее одним из главных достижений своей карьеры.
Первые результаты наших исследований масштабирования компаний и выводы из них оказались весьма убедительными. Они образуют мощную основу для развития теоретического объяснения общей структуры и истории существования компаний. На рис. 60–63 показаны в логарифмическом масштабе зависимости объемов продаж, доходов и активов всех 28 853 компаний от численности их работников. Эти параметры являются основными финансовыми характеристиками любой компании и используются в качестве стандартной меры ее финансового состояния и динамики развития. Как ясно видно из этих графиков, компании действительно масштабируются в соответствии с простыми степенными законами, причем, как и предполагалось, их отклонения от средней линии поведения гораздо больше, чем у городов или организмов. Итак, с точки зрения статистики все компании представляют собой приблизительные масштабные копии друг друга: Walmart можно считать приблизительной увеличенной копией гораздо меньшей компании. Но при таком, большем разбросе данные демонстрируют поразительную регулярность масштабирования размеров и динамики компаний, особенно удивительную с учетом громадного разнообразия сфер деятельности, географического положения и возраста компаний.
