Článek
Kolaps velkých organizací málokdy vypadá jako pozvolné chřadnutí. Připomíná spíš fázový přechod ve fyzice - dlouhé období zdánlivého klidu, během kterého se hromadí skryté napětí, a pak zhroucení během několika dní. Co o tomhle vzorci víme z teorie komplexních systémů a co z pitvy konkrétních pádů od Enronu po Silicon Valley Bank.
Devátého března 2023 dopoledne dostala Silicon Valley Bank během osmi hodin žádosti o výběr zhruba 42 miliard dolarů - skoro čtvrtinu všech svých vkladů. Šestnáctá největší banka Spojených států, do té doby pověstná spíš nudnou stabilitou financování kalifornských startupů, byla najednou insolventní. Příští den ráno ji kalifornský regulátor zavřel a předal do nucené správy FDIC. Ten osmihodinový údaj pochází z přezkumu kalifornského úřadu DFPI z 8. května 2023; potvrzuje jej i zpráva o materiální ztrátě, kterou v září 2023 vydal generální inspektor Federálního rezervního systému.
Den předtím se navenek nestalo nic, co by takovou paniku vysvětlovalo. SVB jen oznámila ztrátu 1,8 miliardy dolarů z prodeje části dluhopisového portfolia a záměr získat 2,25 miliardy nového kapitálu. Žádný podvod, žádné zatajené miliardy. Jenže několik prominentních venture fondů doporučilo svým portfoliovým firmám, ať peníze raději stáhnou, a doporučení proletělo uzavřenými chaty a sítí X rychlostí, jakou starý svět kamenných poboček neznal. Předseda sněmovního výboru pro finanční služby Patrick McHenry později mluvil o „prvním runu na banku poháněném Twitterem“. Studie ekonomů z jara 2023, později otištěná v Journal of Financial Economics, ukázala, že intenzita konverzace o bance na sociálních sítích předpovídala hodinové propady jejích akcií.
A právě tady je jádro věci. Pád velké organizace zpravidla není pomalé chřadnutí, kde se dá včas zatáhnout za brzdu, ani prostý důsledek jednoho velkého selhání. Je to emergentní fázový přechod: makroskopická událost, která vzniká z interakcí mnoha malých částí a propukne nelineárně poté, co se systém dlouho a neviditelně přibližoval k hraně. Mechanismům takového přechodu dnes rozumíme docela slušně. Spolehlivě ho předpovědět ale neumíme - a část literatury, která tvrdí opak, je buď nadsazená, nebo je to retrospektivní vyprávění převlečené za predikci. Obě možnosti tu nechávám otevřené a vrátím se k nim.
Stejný tvar má překvapivě mnoho slavných pádů. Lehman Brothers padl 15. září 2008 po měsících, kdy oficiálně „všechno drželo“. Enron vyhlásil bankrot 2. prosince 2001, šest týdnů poté, co ještě 16. října oznamoval „jen“ jednorázový odpis. Německý Wirecard, člen prestižního indexu DAX, se zhroutil 25. června 2020 během jediného týdne. Kryptoburza FTX podala návrh na bankrot 11. listopadu 2022, čtyři dny poté, co se rozjel run na její vlastní token. Ve všech případech předcházelo zhroucení dlouhé období zdánlivé pevnosti a spustil je podnět, který by ve zdravém systému neudělal vůbec nic.
Když se z mnoha malých interakcí stane jeden velký pád
Slovo „emergence“ je třeba hned na začátku zkrotit, protože se s ním v populárních textech mává jako s kouzelnou hůlkou. V silném smyslu, jak ho zavedl fyzik Philip Anderson v eseji More is Different z roku 1972, znamená vlastnost, kterou nelze odvodit z prostého součtu částí. V slabém smyslu je to často jen ozdobné synonymum pro „složité“. Tenhle text používá střední polohu: kolaps je makrovlastnost, která vzniká z lokálních interakcí - z jednání zaměstnanců, věřitelů, vkladatelů, protistran, ale dá se kauzálně rozebrat přes mechanismy na střední úrovni. Tři takové mechanismy se v pádech opakují: vnitřní ztuhlost, vnější propojenost a kritičnost.
Teoretické zázemí pro tu třetí, nejabstraktnější vlastnost dodali fyzici. Per Bak, Chao Tang a Kurt Wiesenfeld popsali v roce 1987 v Physical Review Letters model hromady písku: sype-li se na ni zrnko po zrnku, sama se dostane do kritického stavu, v němž jedno další zrno spustí lavinu libovolné velikosti, a rozdělení velikostí těch lavin se řídí mocninným zákonem. Velké laviny tedy nejsou anomálie, ale normální vlastnost systému. Bak svou ideu „samoorganizované kritičnosti“ rozpracoval v knize How Nature Works z roku 1996 i na ekonomiku a tržní krachy. Namístě je tu ovšem opatrnost, k níž se ještě dostanu: model hromady písku je pro firmu spíš sugestivní metaforou než přesným popisem.
Užitečnější pro praxi je práce ekologa Martena Scheffera a jeho kolegů. V roce 2009 shrnuli v Nature univerzální varovné signály blížícího se kritického přechodu: jak se systém blíží k hraně, zotavuje se z drobných výkyvů stále pomaleji (jev zvaný „critical slowing down”), roste rozptyl jeho klíčových veličin a roste jejich autokorelace. Tyhle signály jsou solidně doložené v jezerních ekosystémech celoekosystémovým experimentem Stephena Carpentera (Science, 2011), v klimatických datech (Dakos a kol., PNAS, 2008) a pozoruhodně i v nástupu klinické deprese u lidí (van de Leemput a kol., PNAS, 2014). U firem zatím robustní longitudinální důkaz chybí, a k jejich předpovědní hodnotě se proto vrátím se zdravou skepsí.
Tuhost, kterou si firma vypěstuje vlastním úspěchem
Vnitřní ztuhlost je první z opakujících se mechanismů a sociologie ji popsala dávno před teorií chaosu. Michael Hannan a John Freeman ve studii v American Sociological Review z roku 1984 obrátili běžnou intuici: strukturální setrvačnost organizace není manažerská slabost, ale výsledek selekce. Trh odměňuje firmy, které jsou spolehlivé a umějí se zodpovídat - a spolehlivost se kupuje za cenu pevných rutin, které se obtížně mění. Firmy, jež se přizpůsobují rychle a často, ztrácejí důvěryhodnost a populace je trestá. Setrvačnost je tedy cena za přežití v klidných časech a smrtelná přítěž, jakmile se prostředí skokově změní.
Danny Miller dal tomuto procesu jméno, které drží dodnes. V knize The Icarus Paradox z roku 1990 analyzoval přes sto korporací a ukázal, že výjimečné firmy se často zničí týmiž vlastnostmi, jimiž vynikly. Pečlivý výrobce se promění v posedlého kutila, který ladí detaily produktu, o nějž už nikdo nestojí; budovatel se zvrhne v imperialistu, který akvizicemi narostl nad hranici řiditelnosti. Mechanismem je „smrtící setrvačnost“ - strategie, struktura a kultura, jež přinesly úspěch, se přes pozitivní zpětnou vazbu zesilují, až ztvrdnou. Dorothy Leonard-Bartonová tutéž věc pojmenovala v Strategic Management Journal z roku 1992 jako „základní rigidity”: tytéž čtyři vrstvy, které tvoří klíčové schopnosti firmy, mají odvrácenou stranu, jež blokuje inovaci.
Nejlépe zdokumentovaným pádem tohoto typu je Nokia. Timo Vuori a Quy Huy popsali v Administrative Science Quarterly z roku 2016 na základě 76 hloubkových rozhovorů, jak finská firma prohrála bitvu o chytré telefony, ačkoli její systém Symbian ovládal v polovině roku 2007 podle dat Gartneru zhruba dvě třetiny globálního trhu. Vrcholový management se bál konkurence i akcionářů a měl pověst lidí, kteří netolerují špatné zprávy. Střední management se bál vrcholového. Vznikla emergentní informační blokáda: nikdo nahoru nepředal skutečný stav vývoje operačního systému a vedení rozhodovalo na základě vědomě přikrášlených hlášení. V roce 2013 prodala Nokia mobilní byznys Microsoftu. Sluší se přiznat mez: jde o jednu kvalitativní studii, byť mimořádně pečlivou, a její mechanismus by potřeboval ověřit na dalších případech, než z něj uděláme zákon.
Těsná vazba, ve které se z poruchy stane kaskáda
Druhý mechanismus přichází zvenčí a nejostřeji ho formuloval sociolog Charles Perrow. V knize Normal Accidents z roku 1984, napsané původně nad rozborem havárie jaderné elektrárny Three Mile Island, tvrdí, že systémy, které jsou současně interaktivně složité (jejich komponenty na sebe působí neočekávanými způsoby) a těsně svázané (procesy běží rychle a nedají se izolovat), produkují katastrofy nutně, nikoli náhodou. Nazval je „normální nehody“. Vzniknou tak, že se neočekávaně potkají dvě nebo tři drobné poruchy a těsná vazba z nich udělá kaskádu rychleji, než kdokoli stihne pochopit, co se vlastně děje. Tutéž logiku Perrow rozšířil i mimo průmysl: v knize The Next Catastrophe z roku 2007 varoval před koncentrovanými, těsně provázanými kritickými infrastrukturami a v předmluvě k brožovanému vydání z roku 2011 i v pozdějších statích vztáhl optiku normálních nehod přímo na finanční krizi roku 2008.
Že nešlo o spekulaci, ukázala krize roku 2008. Závěrečná zpráva americké vyšetřovací komise FCIC z ledna 2011 dochází k tvrdému závěru, že krize byla odvratitelná, a popisuje přesně Perrowovu kaskádu: miliony mimoburzovních derivátových kontraktů mezi systémově důležitými institucemi přidaly nejistotu a vystupňovaly paniku. Pojišťovna AIG dostala federální závazek přes 182 miliard dolarů právě z obavy, že její pád spustí řetězovou ztrátu napříč globálním systémem. Fyzici a síťoví vědci to po krizi kvantifikovali. Stefano Battiston a kolegové představili v roce 2012 v Scientific Reports metriku DebtRank, kterou aplikovali na 1,2 bilionu dolarů nouzových půjček Fedu z let 2008 až 2010. Zjistili, že 22 institucí tvořilo hustě propojený graf, v němž mohl systémový pád spustit i malý rozptýlený šok. Jejich závěr přerámoval celou debatu: nejde ani tak o to být „příliš velký, než aby padl“, jako spíš „příliš centrální, než aby padl“.
S tím souvisí kontraintuitivní výsledek, který by si měl přečíst každý risk manažer. Diverzifikace, jež snižuje riziko jednotlivé instituce, může zvyšovat riziko celé soustavy. Když všechny firmy drží podobně „bezpečná“ portfolia, jejich osudy se zkorelují a v krizi padají spolu. Ukázali to nezávisle Beale a kol. v PNAS v roce 2011 a o rok později Battiston se Stiglitzem a dalšími v Journal of Financial Stability. Markowitzovsky optimální portfolio na úrovni jednotlivce tak může být zápalnou šňůrou na úrovni systému.
Existuje ovšem i protichůdná evidence a poctivost velí ji uvést. Karl Weick a Kathleen Sutcliffová popisují v knize Managing the Unexpected takzvané vysoce spolehlivé organizace - řízení letového provozu, jaderné ponorky, dialyzační oddělení, které v prostředí stejně rizikovém, jak předpokládá Perrow, dosahují řádově nižší nehodovosti. Daří se jim to kulturou: posedlostí selháním, neochotou věci zjednodušovat, předáváním rozhodování tomu, kdo má v dané chvíli nejvíc expertízy. Historik Scott Sagan proti tomu v The Limits of Safety z roku 1993 namítá, že tyhle organizace možná nebyly bezpečné, jen měly štěstí. Spor není rozhodnutý, ale jeho existence sama o sobě vyvrací nejtvrdší čtení Perrowa: těsná vazba není osud, kulturní volby mají kauzální váhu.
Statistika, která prozrazuje, že jde o systém, ne o sérii náhod
Že kolapsy firem nejsou nezávislé náhodné události, naznačuje tvar statistických rozdělení. Robert Axtell ukázal v roce 2001 v Science na úplné populaci zhruba 5,5 milionu amerických daňových subjektů, že velikosti firem se řídí Zipfovým zákonem s exponentem blízkým jedné. Dřívější představa o lognormálním rozdělení byla artefaktem toho, že se měřily jen velké veřejně obchodované firmy z databáze Compustat. Skupina kolem Gene Stanleyho zase doložila v Nature už v roce 1996, že rozdělení ročních temp růstu firem má laplaceovský tvar a jeho rozptyl klesá s velikostí podle mocninného zákona, a to napříč sedmi řády velikosti. Takové „škálovací“ zákony jsou typickým otiskem systémů blízkých kritičnosti.
Nutné je tu ovšem zabrzdit - a sám Axtell to dělá. Z toho, že data sedí na mocninnou křivku, neplyne konkrétní mikroekonomické vysvětlení; stejnou křivku produkuje celá rodina modelů a Axtell o tom nejjednodušším sám napsal, že je „spíš bajkou o růstu firem než věrohodným vysvětlením“. Mocninné zákony jsou navíc statisticky ošidné. Aaron Clauset, Cosma Shalizi a Mark Newman v přehledové studii v SIAM Review z roku 2009 ukázali, že řada publikovaných „mocninných“ rozdělení je ve skutečnosti lognormální nebo protažená exponenciála a autoři je nikdy pořádně neotestovali. Statistika tedy podporuje tezi, že jde o systémový jev, ne o sérii nezávislých neštěstí - ale netvrdí víc, než kolik unese.
K systémovému čtení patří i to, kdy organizace umírají. Arthur Stinchcombe formuloval už v roce 1965 „zátěž novosti”: mladé firmy hynou častěji než staré. Josef Brüderl a Rudolf Schüssler tento obrázek opravili. Ve studii z roku 1990, postavené na úplném souboru živnostenských zápisů a výmazů v Mnichově a Horním Bavorsku z let 1980 až 1989, ukázali, že úmrtnost neklesá monotónně, ale vrcholí někde mezi prvním a patnáctým rokem po založení, podle toho, jak velkou počáteční výbavu firma dostala do vínku. Jakmile dojdou líbánky počátečních zdrojů, přichází nejnebezpečnější fáze.
Proč to pořád neumíme předpovědět
Kdyby měl ten emergentní vzorec spolehlivý varovný systém, dalo by se na něm vydělat jmění. Pokusů bylo dost a stojí za to vědět, kde mají strop. Nejstarší a nejpoužívanější je Altmanovo Z-skóre. Edward Altman publikoval v roce 1968 v Journal of Finance diskriminační funkci pěti účetních poměrů, která na trénovacím vzorku 66 amerických výrobních firem z let 1946 až 1965 určila bankrot rok předem s přesností kolem 95 procent. Háček je v tom slově „trénovací”: na datech mimo původní vzorek klesá přesnost podle Altmanova vlastního přehledu z roku 2000 zhruba na 80 až 90 procent rok před pádem a model se musel od šedesátých let opakovaně překalibrovat pro jiné typy firem i jiné země. Hlavně ale Z-skóre čte účetnictví - a u Enronu, Wirecardu i FTX bylo účetnictví zčásti fikce. Lehman navíc rozvahu kosmeticky vylepšoval transakcemi Repo 105, takže ukazatele opřené o výkazy signalizovaly bezprostřední ohrožení jen mlhavě.
Ambicióznější je přístup fyzika Didiera Sornetta. Spolu s Andersem Johansenem a Jeanem-Philippem Bouchaudem popsal v roce 1996 takzvaný log-periodický mocninný zákon: před krachem prý index roste superexponenciálně a překládají se přes něj stále rychlejší oscilace, z nichž lze odhadnout nejpravděpodobnější čas zlomu. Sornette později tyhle předvídatelné extrémy nazval „dragon kings“ a odlišil je od Talebových „černých labutí“ - nejsou to nahodilé výběry z ocasu rozdělení, ale produkty zvláštního endogenního mechanismu, totiž bubliny živící se sama sebou. Akademická obec je ovšem rozdělená. Hyong-shik Chang a James Feigenbaum nenašli v bayesovské analýze z roku 2006 statistický důkaz, že by log-periodický model překonal prostou náhodnou procházku. David Brée a Nathan Joseph ukázali v roce 2013, že model je přeparametrizovaný a různá lokální optima dávají dramaticky odlišné odhady času krachu. Historky o zázračných ziscích na konkrétních krazích kolují, ale ty nejcitovanější pocházejí z druhé ruky a v recenzované podobě je nenajdete; jako důkaz tedy neobstojí.
Důvod, proč je predikce tak tvrdošíjně slabá, je ostatně obsažen v samé povaze věci. Jean Carlson a John Doyle ukázali na přelomu tisíciletí, naposled v PNAS z roku 2002, že mocninné chvosty v navržených systémech - sítích, technologiích, ale i firmách - nevznikají samovolnou kritičností jako u hromady písku, nýbrž lidskou optimalizací. Nazvali to „vysoce optimalizovaná tolerance“. Takový systém je „robustní, a přesto křehký”: skvěle odolává poruchám, na které byl navržen, a katastrofálně selhává při těch, které návrhář nepředvídal. Čím víc systém vyladíte proti známým rizikům, tím tvrdší ránu dostanete od neznámého. Předpovědět dokážeme jen to, co jsme do modelu vložili - a fázový přechod přichází právě těmi dveřmi, které v modelu nejsou.
Co s tím, když predikce selhává
Teď přichází nejsilnější námitka proti všemu, co tu tvrdím: „emergentní kolaps“ je často jen vyprávění, které dáváme dohromady po pádu. Phil Rosenzweig v knize The Halo Effect z roku 2007 ukázal, jak jsou příběhy o vzestupu a pádu firem nasáklé znalostí výsledku - totéž chování vykládáme jako vizionářství, když firma uspěla, a jako pýchu, když padla. Chybí kontrolní skupina: kolik firem mělo stejné „varovné signály“ a nezhroutilo se? Bez ní nemá řeč o predikci oporu, jen survivorship bias. K tomu se přidává epistemická kritika přenášení modelů fyziky na společnost - Philip Mirowski ji rozvinul už v More Heat Than Light z roku 1989 a skupina ekonomů kolem Maura Gallegatiho ji shrnula v Physica A z roku 2006 do varování před „znepokojivými trendy v ekonofyzice“. Lidé mají na rozdíl od pískových zrnek preference a reflexivně reagují na předpovědi, čímž je rozbíjejí.
A je tu námitka nejtěžší: spousta slavných pádů byl prostě podvod a selhání správy, ne emergence. Wirecard si vymyslel 1,9 miliardy eur na filipínských účtech, které neexistovaly, zatímco auditor EY přes deset let nic neviděl a německý dohled BaFin místo banky vyšetřoval novináře Financial Times, kteří na podvod upozorňovali už od roku 2015. FTX míchala peníze klientů s obchodní firmou Alameda a její nový krizový šéf John Ray III, muž, který likvidoval Enron, napsal, že za celou kariéru neviděl tak naprosté selhání kontrol a tak úplnou absenci důvěryhodných finančních informací. Pokud emergence vysvětluje i tohle, nevysvětluje nic.
Tahle námitka je správná a nesmí se obejít - proto ji nechávám stát. Odpověď není, že podvod není podvod, nýbrž že emergentní rámec vysvětluje něco jiného: ne proč lidé lhali, ale proč jim to tak dlouho procházelo. Audit, který selže, regulátor zajatý odvětvím, kultura, v níž se odchylka postupně normalizuje, až se z výjimky stane standard - to vše jsou systémové, emergentní vlastnosti, které socioložka Diane Vaughanová popsala v analýze havárie raketoplánu Challenger z roku 1996 jako „normalizaci deviace“. Enron ostatně ukazuje, že hranice mezi podvodem a komplexitou je porézní: jeho zhruba tři tisíce účelových společností byly tak provázané s cenou vlastní akcie, že když akcie klesla, padly i „zajišťovací“ struktury Raptor, které jako jediný kolaterál držely právě tu klesající akcii. Vyšetřovací zpráva představenstva z února 2002 to popsala střízlivě: šlo o entity, v nichž měl reálný ekonomický podíl jen Enron sám. Podvod a pozitivní zpětná vazba se tu nedají oddělit.
Co z toho plyne pro někoho, kdo firmu řídí, financuje nebo reguluje, je méně efektní, než by si přál. Přestaňte hledat jeden spouštěč a jeden ukazatel, který krach předpoví. Sledujte místo výkonnostních metrik metriky křehkosti: koncentraci závazků - u SVB bylo nepojištěných zhruba 94 procent vkladů, učebnicová červená vlajka, nesoulad splatností mezi tím, co dlužíte krátce, a tím, co vám vrátí pozdě, skrytou páku v derivátech a podrozvahových strukturách a ano, i rostoucí rozptyl a autokorelaci klíčových řad podle Scheffera. Stavte redundanci tam, kde těsná vazba nemá strategickou hodnotu. A když firma drží aktivum, jehož cena visí na její vlastní bilanci - ať už je to token FTT, nebo akcie zajišťující sama sebe, berte to jako poplach nejvyššího stupně: je to přesně ta smyčka, která dokáže pomalý problém proměnit v osmihodinový pád.
Silicon Valley Bank zveřejnila údaj o ztrátě a plán na navýšení kapitálu ve středu večer. V pátek ráno už neexistovala. Mezi tím neuplynul žádný pomalý úpadek, jen překlopení systému z jednoho stavu do druhého, jakmile dost vkladatelů uvěřilo, že to udělají i ostatní. Otázka, kterou si po přečtení stojí za to položit, nezní, která firma je dnes ztrátová. Zní: která vypadá pevně právě proto, že je vyladěná na svět, jenž se chystá změnit pravidla?
Zdroje a citace
Citace jsou uvedeny v podobě, která umožňuje dohledání v primárním zdroji. U tvrzení, jež se opírají o sekundární zdroj nebo zůstala neověřena, je to výslovně uvedeno.
Teorie komplexních systémů a fázové přechody
- Anderson, P. W. (1972). More is Different. Science 177(4047):393-396. DOI: 10.1126/science.177.4047.393.
- Bak, P., Tang, C., Wiesenfeld, K. (1987). Self-organized criticality: An explanation of 1/f noise. Physical Review Letters 59(4):381-384. DOI: 10.1103/PhysRevLett.59.381.
- Bak, P. (1996). How Nature Works: The Science of Self-Organized Criticality. Copernicus / Springer.
- Scheffer, M. a kol. (2009). Early-warning signals for critical transitions. Nature 461:53-59. DOI: 10.1038/nature08227.
- Carpenter, S. R. a kol. (2011). Early Warnings of Regime Shifts: A Whole-Ecosystem Experiment. Science 332(6033):1079-1082. DOI: 10.1126/science.1203672.
- Dakos, V. a kol. (2008). Slowing down as an early warning signal for abrupt climate change. PNAS 105(38):14308-14312. DOI: 10.1073/pnas.0802430105.
- van de Leemput, I. A. a kol. (2014). Critical slowing down as early warning for the onset and termination of depression. PNAS 111(1):87-92. DOI: 10.1073/pnas.1312114110.
- Carlson, J. M., Doyle, J. (2002). Complexity and robustness. PNAS 99(suppl. 1):2538-2545. DOI: 10.1073/pnas.012582499. (Highly Optimized Tolerance.)
Organizační teorie a strukturální setrvačnost
- Hannan, M. T., Freeman, J. (1984). Structural Inertia and Organizational Change. American Sociological Review 49(2):149-164.
- Miller, D. (1990). The Icarus Paradox: How Exceptional Companies Bring About Their Own Downfall. HarperBusiness.
- Leonard-Barton, D. (1992). Core Capabilities and Core Rigidities: A Paradox in Managing New Product Development. Strategic Management Journal 13(S1):111-125. DOI: 10.1002/smj.4250131009.
- Stinchcombe, A. L. (1965). Social Structure and Organizations. In: March, J. G. (ed.), Handbook of Organizations.
- Brüderl, J., Schüssler, R. (1990). Organizational Mortality: The Liabilities of Newness and Adolescence. Administrative Science Quarterly 35(3):530-547. (Datová báze: úplný soubor živnostenských zápisů a výmazů v Mnichově a Horním Bavorsku 1980-1989.)
- Vuori, T. O., Huy, Q. N. (2016). Distributed Attention and Shared Emotions in the Innovation Process: How Nokia Lost the Smartphone Battle. Administrative Science Quarterly 61(1):9-51.
Těsná vazba, normální nehody, vysoká spolehlivost
- Perrow, C. (1984/1999). Normal Accidents: Living with High-Risk Technologies. Basic Books / Princeton University Press.
- Perrow, C. (2007/2011). The Next Catastrophe. Princeton University Press. (Aplikaci normálních nehod na finanční krizi 2008 obsahuje až nová předmluva k brožovanému vydání z roku 2011, resp. Perrowova stať z roku 2010.)
- Weick, K. E., Sutcliffe, K. M. (2001/2007). Managing the Unexpected. Jossey-Bass.
- Sagan, S. D. (1993). The Limits of Safety. Princeton University Press.
- Vaughan, D. (1996). The Challenger Launch Decision. University of Chicago Press. (Normalizace deviace.)
Síťové kaskády a systémové riziko
- Battiston, S., Puliga, M., Kaushik, R., Tasca, P., Caldarelli, G. (2012). DebtRank: Too Central to Fail? Financial Networks, the FED and Systemic Risk. Scientific Reports 2:541. DOI: 10.1038/srep00541.
- Beale, N. a kol. (2011). Individual versus systemic risk and the Regulator’s Dilemma. PNAS 108(31):12647-12652. DOI: 10.1073/pnas.1105882108.
- Battiston, S., Delli Gatti, D., Gallegati, M., Greenwald, B., Stiglitz, J. E. (2012). Default cascades: When does risk diversification increase stability? Journal of Financial Stability 8(3):138-149. DOI: 10.1016/j.jfs.2012.01.002. (Související práce téhož kolektivu „Liaisons dangereuses…” vyšla v Journal of Economic Dynamics and Control 36(8):1121-1141.)
- Financial Crisis Inquiry Commission (2011). The Financial Crisis Inquiry Report. U.S. GPO. (Závěr o odvratitelnosti krize; závazek vůči AIG přes 182 mld. USD.)
Statistické regularity
- Axtell, R. L. (2001). Zipf Distribution of U.S. Firm Sizes. Science 293(5536):1818-1820. DOI: 10.1126/science.1062081.
- Axtell, R. L. (2006). Firm Sizes: Facts, Formulae and Fantasies. CSED Working Paper, Brookings Institution. (Zdroj citátu o „bajce o růstu firem”.)
- Stanley, M. H. R. a kol. (1996). Scaling behaviour in the growth of companies. Nature 379:804-806. DOI: 10.1038/379804a0.
- Clauset, A., Shalizi, C. R., Newman, M. E. J. (2009). Power-Law Distributions in Empirical Data. SIAM Review 51(4):661-703. DOI: 10.1137/070710111.
Predikce a její meze
- Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance 23(4):589-609. DOI: 10.1111/j.1540-6261.1968.tb00843.x.
- Altman, E. I. (2000). Predicting Financial Distress of Companies: Revisiting the Z-Score and ZETA Models. Working paper, Stern School of Business, NYU.
- Sornette, D., Johansen, A., Bouchaud, J.-P. (1996). Stock market crashes, precursors and replicas. Journal de Physique I (France) 6(1):167-175. DOI: 10.1051/jp1:1996135.
- Sornette, D. (2009). Dragon-Kings, Black Swans and the Prediction of Crises. Swiss Finance Institute Research Paper No. 09-36. DOI: 10.2139/ssrn.1470006. (Preferovaná citace; varianta na arXiv:0907.4290.)
- Chang, G., Feigenbaum, J. (2006). A Bayesian analysis of log-periodic precursors to financial crashes. Quantitative Finance 6(1):15-36.
- Brée, D. S., Joseph, N. L. (2013). Testing for financial crashes using the Log Periodic Power Law model. International Review of Financial Analysis 30:287-297. DOI: 10.1016/j.irfa.2013.05.005.
Antifragilita a kritika narativu
- Taleb, N. N. (2012). Antifragile: Things That Gain from Disorder. Random House.
- Rosenzweig, P. (2007). The Halo Effect. Free Press.
- Mirowski, P. (1989). More Heat Than Light. Cambridge University Press.
- Gallegati, M., Keen, S., Lux, T., Ormerod, P. (2006). Worrying trends in econophysics. Physica A 370(1):1-6. DOI: 10.1016/j.physa.2006.04.029.
Případové studie - primární a institucionální zdroje
- Powers, W. C., Troubh, R. S., Winokur, H. S. (2002). Report of Investigation by the Special Investigative Committee of the Board of Directors of Enron Corp. (Powers Report, 1. 2. 2002).
- Valukas, A. R. (2010). Lehman Brothers Holdings Inc. Chapter 11 Proceedings Examiner’s Report (Jenner & Block, 11. 3. 2010). (Repo 105.)
- KPMG (2020). Report on the independent special investigation, Wirecard AG (27. 4. 2020); k tomu zpráva Evropského parlamentu PE 651.383.
- California DFPI (8. 5. 2023). Review of the Supervision and Closure of Silicon Valley Bank. (Údaj 42 mld. USD za 8 hodin, ~25 % vkladů.)
- Federal Reserve, Office of Inspector General (září 2023). Material Loss Review of Silicon Valley Bank. (~94 % nepojištěných vkladů k závěru roku 2022.)
- Federal Reserve (28. 4. 2023). Review of the Federal Reserve’s Supervision and Regulation of Silicon Valley Bank (Barrova zpráva). (Podíl nepojištěných vkladů ~94 %, nerealizované ztráty, absence CRO.)
- Soudní a insolvenční dokumenty FTX Trading Ltd. (Chapter 11, U.S. Bankruptcy Court, District of Delaware, 11. 11. 2022); výrok Johna J. Raye III z prvního prohlášení správce.
- Cookson, J. A. a kol. (2023). Social Media as a Bank Run Catalyst. SSRN, 18. 4. 2023; publikováno v Journal of Financial Economics (2025). (Souvislost intenzity konverzace na sítích a hodinových propadů akcií SVB.)
Transparentnost tvorby:
Koncepce, struktura a redakční linie článku jsou dílem autora, který vypracoval obsahovou skicu, stanovil klíčové teze a řídil celý proces tvorby. Generativní AI (Claude, Anthropic) byla využita jako nástroj pro rešerši, vyhledávání primárních zdrojů a formulační rozpracování autorovy obsahové skici.
Autor výstupy průběžně redigoval, ověřil klíčová zjištění a schválil finální znění. Žádná část textu nebyla publikována bez lidské kontroly. Všechny faktické údaje byly ověřeny proti veřejně dostupným zdrojům uvedeným v textu.
Postup je v souladu s požadavky čl. 50 Nařízení EU 2024/1689 (AI Act) na transparentnost AI-generovaného obsahu. #poweredByAI
