اطلاعیه کارگاه ریاضی مالی و بیمسنجی (پژوهشگاه دانش‌های بنیادی)

گروهی از علاقمندان به ریاضیات مالی و بیمسنجی، با همکاری پژوهشگاه دانشهای بنیادی، قصد برگزاری کارگاهی سه روزه در این دو زمینه دارند.  هدف از برگزاری این کارگاه سه روزه ایجاد ارتباط بین دانش پژوهان در زمینه ریاضیات مالی و بیمسنجی و افراد شاغل در صنعت بیمه و مالی، به منظور بحث در مورد مسائل مورد علاقه‌شان می‌باشد.این کارگاه در روزهای ۲۸، ۲۹ و ۳۰ مرداد در ساختمان نیاوران پژوهشگاه ،واقع در میدان شهید با هنر تهران (نیاوران سابق)، برگزار خواهد شد. از علاقمندان دعوت میشود در زمینه‌های زیر کارهای علمی‌ خود را   ارائه دهند

مدیریت ریسک مالی و قیمت گذاری

مدیریت ریسک بیمه و بیمه پشتوانه ای

بیمسنجی و آمار

روشهای عددی

و هر موضوع جالب دیگر در زمینه ریاضیات مالی و بیمسنجی

مهلت ارسال خلاصه مقالات تا ۱۵ مرداد به آدرس ایمیل  اعلام شده در زیر می‌باشد

finance.actuary.iran@gmail.com

برای شرکت در کارگاه مبلغ ۵۰۰۰۰ تومان برای هر نفر در نظر گرفته شده که هنگام ثبت نام در روز اول دریافت میشود

هیئت علمی‌

هیربد آسا، دانشگاه لیورپول

امیر احمدی‌ جاوید، دانشگاه صنعتی‌ امیرکبیر

حسن داداشی آرانی، دانشگاه علوم پایه زنجان

آرش فهیم، دانشگاه ایالتی‌ فلوریدا

علی‌ فروش باستانی، دانشگاه علوم پایه زنجان

امین حسن زاده، دانشگاه شهید بهشتی‌

کیوان ملاحی کارای، دانشگاه ژاکوب برمن

امیر تیمور پاینده، دانشگاه شهید بهشتی‌

شیوا زمانی‌، دانشگاه صنعتی‌ شریف

هیئت اجرای

هیربد آسا، دانشگاه لیورپول

علی‌ فروش باستانی، مرکز علوم پایه زنجان

ایمان افتخاری، پژوهشگاه دانشهای بنیادی

سایت مربوطه

http://math.ipm.ac.ir/conferences/2014/FINAC/

https://sites.google.com/site/finactir/

انواع روش‌های تحلیل سرمایه‌گذاری

یاد ندارم که در گذشته پستی راجع به روش‌های تحلیل سرمایه‌گذاری نوشته باشم. ابتدا روشن کنم که منظورم از روش‌های تحلیل سرمایه‌گذاری، روش‌های تحلیل صورت‌های مالی نیست. بلکه در اینجا منظور روش‌های تحلیل داده‌های مربوط به اوراق بهادار برای طرح‌ریزی  استراتژی‌های معامله است. این روش‌ها به سه دسته‌ی عمده تقسیم می‌شوند: تحلیل‌های بنیادی، تحلیل‌های تکنیکال، و تحلیل‌های مقداری. تحلیل صورت‌های مالی معمولا در تحلیل بنیادی به کار گرفته می‌شود.

در تحلیل بنیادی معمولا صورت‌های مالی، عمل‌کرد کسب و کار، عمل‌کرد مدیریت، تصمیمات داخلی و اعتبار یک شرکت برای پیشبینی قیمت سهام آن مورد بررسی قرار می‌گیرد. علاوه بر آن، وضعیت کلی اقتصاد و صنعت مربوط به آن شرکت هم در نتیجه‌ی  پیشبینی در نظر گرفته می‌شود. می‌توان تصور کرد که تحلیل بنیادی به مراتب فراتر از روش تحلیل سرمایه‌گذاری است. از تحلیل بنیادی می‌توان در تعیین سلامت کسب و کار یک شرکت هم استفاده کرد. با هدف سرمایه‌گذاری، معمولا تحلیل‌گران بنیادی به سراغ اوراقی می‌روند که ارزش کمی دارند، به این امید که به اشتباه کم ارزیابی شده باشند، و در صورتی که به چنین جمع‌بندی برسند، این اوراق را می‌خرند به این امید که تحلیل‌شان درست باشد و سود کنند. لازم به ذکر است که در عمل، کنترل ریسک در این نوع تحلیل تا حد زیادی شهودی است و با حجم سهامی که خریداری می‌شود انجام می‌گیرد. طبیعی است که بخشی از این تحلیل، مقداری باشد و بخش دیگر آن شهودی. هر چه بخش مقداری بیشتری در این تحلیل به کار رود، اشتراک آن با تحلیل مقداری بیشتر می‌شود. آن بخشی که تحلیل بنیادی نام خود را از آن گرفته است، ربط چندانی به مقداری یا غیرمقداری بودن عملیات آن ندارد. بلکه چون در این نوع تحلیل، متغیرهای بنیادی نظیر متغیرهای اقتصادی کلان، متغیرهای بین‌المللی اقتصادی، نرخ بهره، نرخ تورم، جی‌دی‌پی، و غیره به کار برده می‌شوند، به آن بنیادی گفته می‌شود.

نوع دیگر تحلیل سرمایه‌گذاری، تحلیل تکنیکال است. در این نوع تحلیل، اغلب تمام متغیرهای بنیادی نادیده گرفته می‌شوند و تمرکز روی داده‌های گذشته‌ی قیمت یک ورق است. تحلیل‌گران تکنیکال به مطالعه‌ی شهودی گذشته‌ی قیمت یک سهم می‌پردازند. سپس تصمیم می‌گیرند که کی بخرند و کی بفروشند. مثلا اگر بر اساس روند افزایش یا کاهش قیمت در هفته‌ی گذشته احساس کنند که قیمت قرار است سیر صعودی داشته باشد، ورق را می‌خرند و در آینده‌ای که آن هم بر اساس اتفاقات رخ داده در قیمت ورق است، می‌فروشند. بر خلاف تحلیل بنیادی که بر مبنای علم اقتصاد است، تحلیل تکنیکال بنیاد اقتصادی ندارد و تنها بر اساس تجربه و یا حس تحلیل‌گر استوار است. به تحلیل‌گران تکنیکال، چارتیست می‌گویند. آن‌ها با نگاه به چارت‌های مستخرج از داده‌های قیمت ورق و سفارشات خرید-فروش، تصمیمی می‌گیرند که بخرند یا بفروشند. با توجه به این که معامله توسط انسان انجام می‌شود، کوچک‌ترین بازه‌ی زمانی بین خرید و فروش نمی‌تواند از چند دقیقه کوچک‌تر شود ولی معمولا کوچک‌ترین بازه‌ی زمانی رایج یک روز است.

هم تحلیل تکنیکال و تحلیل بنیادی بر این مبنا استوار است که می‌توان تا حد معقولی قیمت برخی سهام را درست پیشبینی کرد. به بیان دقیق‌تر، تحلیل‌گر معتقد است که قیمت بازاری ورق، در فرایندی شبیه به میانگین‌گیری از باور تمام معامله‌گران بازار نسبت به قیمت تعیین می‌شود. اگر بتوان با تحلیل بیشتر قیمت دقیق‌تری کشف کرد، می‌توان بازار را شکست داد. این با نظریه‌ی بازار کارا که تاکید دارد نمی‌توان قیمت را پیشبینی کرد و بازار را (به طور میانگین) منطقی می‌داند، تناقض دارد. البته این که تا چه حد بازار کارا است، خود جای بحث دارد، اما مطالعات آماری و اقتصادی زیادی نشان داده‌اند که بازارهایی نظیر فارکس، تا حد زیادی کارا هستند. با این حال بحث در این زمینه ادامه دارد.

تحلیل مقداری برای سرمایه‌گذاری مجموعه‌ای از روش‌های آماری و ریاضی است که بهترین روش سرمایه‌گذاری را از میان تمام روش‌ها پیدا می‌کند. قدیمی‌ترین روش از این نوع Capital Asset Pricing Model یا به اختصار CAPM نام دارد. این که چه‌گونه از نظریه‌ی بازار کارا یا نظریه‌ی تعادل عمومی به CAPM می‌رسیم، نه در حوصله‌ی این پست است نه در تخصص نویسنده‌ی آن. بنابراین، به طور خلاصه خود CAPM را شرح می‌دهیم. هر پرتفولیو یک ریسک و یک بازده دارد که با عدد و رقم از داده‌های گذشته‌ی قیمت قابل محاسبه هستند. هیچ پرتفولیویی وجود ندارد که از تمام پرتفولیو‌های دیگر هم از نظر بازده بیشتر و هم ریسک کمتر، بهتر باشد. اما اگر به پرتفولیوها یک حساب بانکی بدون ریسک اضافه کنیم، یکی از آن‌ها به همراه حساب بانکی، از بقیه به همراه حساب بانکی بهتر می‌شود. بنابراین، می‌توان بازده و ریسک آن را به عنوان بازده و ریسک مرجع بازار در نظر گرفت. اگر بدانیم ریسک و بازده مرجع چیست در این صورت با فرض این که بازار در تعادل است، می‌توان نتیجه گرفت که نسبت اختلاف بازده یک ورق (یا هر دارایی دیگر) به اختلاف بازده مرجع،  یک ضریب ثابت مختص آن دارایی است. اگر این عدد را بدانیم، می‌توانیم با استفاده از بازده مرجع بازار، بازده آن دارایی را نیز بیابیم. سپس، می‌توان از روی بازده و ریسک دارایی‌های مختلف، پر بازده‌ترین پرتفولیو  را در یک سطح ثابت ریسک یافت. برای این کار روش‌های برنامه‌ریزی درجه‌ی دو به کار می‌آید.

روش CAPM اشکالاتی هم دارد که مانع شده در عمل به کار آید. مثلا تعیین بازده و ریسک مرجع اصلا ساده نیست. اما می‌توان شاخص‌های بازار را با پرتفولیو مرجع جایگزین کرد. از طرفی این روش استاتیک است و عملا امکان اجرای آن در طول زمان وجود ندارد. تمام پارامترهای بازار به سرعت در حال تغییر است و پرتفولیوی بهینه‌ی امروز، ممکن است فردا بهینه نباشد. محاسبات CAPM هم مخصوصا در بخش بهینه‌سازی بازده در سطح ریسک ثابت زمان‌بر است و کامپیوتر‌های قوی نیاز دارد. بنابراین، این روش قابلیت تطبیق با سرعت زیاد بازار را ندارد. روش‌های زیادی برای سرمایه‌گذاری بهینه در آکادمی خلق شده‌اند. اما همگی همان اشکالات CAPM را دارند و بیشتر به کار تحقیقات علمی و درک بازار می‌آیند تا به روش‌های عملی. اما اگر استفاده از سرعت بازار اهمیتی نداشته باشد، مثلا همان‌طور که برای صندوق‌های بازنشستگی اهمیت ندارد، می‌توان این روش‌ها را پیاده‌سازی کرد. معمولا صندوق‌های بازنشستگی روش‌های بهینه‌سازی خاصی دارند. دسته‌ای از اوراق را که در بحران‌های اقتصادی پایداری خوبی از خود نشان داده‌اند را انتخاب می‌کنند و بر اساس نوسانات قیمت آن اوراق، برای حفظ پرتفولیو در حالت بهینه، تغییراتی در فرکانس کم (روزانه یا حتی هفتگی)  در ترکیب پرتفولیو می‌دهند. طبیعی است که این روش‌ها آن جا کارایی دارند و استفاده می‌شوند.

روی دیگر روش‌های مقداری، سرمایه‌گذاری در فرکانس بالا است. در یک بازار سریع، هر دقیقه صدهاهزار معامله انجام می‌شود و قیمت یک ورق هزاران بار تغییر می‌کند. طبیعی است که انسان نمی‌تواند با این سرعت تمام تغییرات را مشاهده کند. اما کامپیوتر می‌تواند. طبیعی است که بتوان بر اساس، الگوریتم‌های شناخت الگو (pattern recongnition) و  یادگیری ماشینی (machine learning) می‌توان استراتژی‌های سودآور یافت که در هر هزارم ثانیه معامله کنند. این کار نیاز به دسترسی به یک جریان سریع داده‌های مالی از بازار به کامپیوتر دارد. هر چه الگوریتم بهتر باشد و جریان دسترسی به داده سریع‌تر، موقعیت بهتری برای کسب سود ایجاد می‌شود. معمولا هزینه‌ی دسترسی سریع به داده زیاد است و تنها از عهده‌ی موسسات مالی نسبتا بزرگ مثل صندوق‌های سرمایه‌گذاری و بانک ها برمی‌آید.

از بین این سه روش تحلیل سرمایه‌گذاری، روش مقداری گران‌ترین و هم‌چنین دانش‌محورترین روش است. از طرفی برای شرکت‌ها تحلیل بنیادی ضرروی است حتی اگر قصد سرمایه‌گذاری در بازار را نداشته باشند. چرا که یکی از محصولات آن تعیین سلامت عملکرد اقتصادی شرکت است. از طرفی اگر شرکت‌ها قصد سرمایه‌گذاری داشته باشند، به جای این که خود روش‌های مقداری را پیاده کنند، سراغ صندوق‌های سرمایه‌گذاری می‌روند. به این صورت، بیشتر روی تجارت خود متمرکز می‌شوند. امروزه روز، تحلیل‌های تکنیکال را فقط سرمایه‌گذاران فردی انجام می‌دند و بنگاه‌های مالی از روش‌های دیگر استفاده می‌کنند. با این وجود تحقیق‌های زیادی نشان می‌دهد که برخی از این روش‌ها کارایی قابل قبولی دارند. به عنوان مثال می‌توانید به تحقیق زیر مراجعه کنید که در آن نشان‌داده است برخی از الگو‌های به کار رفته در تحلیل تکنیکال می‌توانند ارزش عملی داشته باشند:

Foundations of Technical Analysis: Computational Algorithms, Statistical Inference, and Empirical Implementation, Andrew Lo Harry Mamaysky and Jiang Wang, Journal of Finance 55(2000), 1705-1765

شاید حتی بتوان الگوریتم‌های سرمایه‌گذاری در فرکانس بالا را زاییده‌ی همان تحلیل‌ها تکنیکال به صورت علمی‌تر و  تکنولوژی-محورتر دانست. مزیت ویژه‌ی روش‌های مقداری بر دو روش دیگر این است که در آن مدیریت ریسک امکان‌پذیر است. چیزی که در تحلیل تکنیکال و تحلیل بنیادی چندان قابل پیاده‌سازی نیست. با توجه به افزایش ریسک‌های بازار در عصر حاضر، روش‌های سرمایه‌گذاری به طور مبرم به کنترل ریسک و اندازه‌گیری آن نیاز دارند. بنابراین، می‌توان گفت که همین ویژگی باعث شده است که در عمل تحلیل‌ها مقداری، تحلیل‌های دیگر را شکست دهند.

روش‌ بازار-محور برای کم کردن آلودگی

آلودگی محیط زیست علاوه بر خطراتی که برای بهداشت عمومی دارد، تبعات اقتصادی زیادی هم دارد. مثلا آلودگی فاضلاب صنعتی می‌تواند دسترسی به آب شرب را سخت‌تر کند و قیمت آن را گران‌تر. آلودگی هوا می‌تواند هزینه‌های درمان خانوار را افزایش دهد و قیمت بیمه‌ها درمانی را زیاد کند. یا تغییرات اقلیمی که در این پست به عواقب اقتصادی آن اشاره شده است. 

با این اوصاف، ما (بشر) بر سر یک دوراهی قرار دارد: یا امروز برای کاهش آلودگی هزینه کند، یا فردا هزینه‌ی گزاف‌تری را بپردازد. راجع به سیاست‌مداران مطمئن نیستم اما به دور از هر گونه استدلال اخلاقی، اقتصاددانان به اجماع معتقدند که هزینه‌ها امروزِ کنترل آلودگی به مراتب سبک‌تر از هزینه‌ها ناشی از نادیده‌گرفتن آن است. چیزی که سیاست‌مداران را از همراهی با اقتصاددانان باز می‌دارد این است که هزینه‌های کاهش یا توقف آلودگی باعث کاهش رشد اقتصادی و در نتیجه درآمد سرانه در کشور می‌شود. به علاوه، به طور ذاتی سیاست‌مداران چندان دوراندیش نیستند و افق نتیجه گیری آن‌ها همان دوره‌ی چندساله تصدی‌گری‌شان است. اما به هر حال کمپین‌های مبارزه به آلودگی با استفاده از بودجه نهادهای غیرانتفاعی و نیروی ان‌.جی.او‌. موفق شده است قوانین و مصوباتی را از مجالس قانون‌گذاری بگذراند. 

قدم بعدی این است که کم‌هزینه‌ترین روش کاهش آلودگی را بیابیم. آیا باید صنایع را به استفاده از تکنولوژی‌های پاکیزه‌تر تشویق کنیم، یا به علت استفاده از تکنولوژی‌ها کثیف جریمه کنیم؟ آیا باید سعی کنیم هزینه‌های اضافی کاهش آلودگی را به تولید کننده تحمیل کنیم یا به مصرف‌کننده یا به هر دو؟ آیا باید درآمد دولت از مالیات (جریمه) آلودگی را به صورت یارانه به استفاده کنندگان از روش‌های پاکیزه بدهیم یا صرف تحقیقات علمی برای کم کردن هزینه‌ی این نوع تکنولوژی کنیم؟ در این که جواب این سوال‌ها چیست اتفاق نظری وجود ندارد و باب بحث و جدل باز است. اما آن چه در عمل در بسیاری از کشورها انجام شده، روش بازار-محور است که در ادامه به توضیح آن می‌پردازم.

در تمام روش‌های موجود، قانون‌گذاران بخش اجرایی را موظف می‌کنند که تا افقی چند ساله آلودگی را از میزان فعلی به حد مصوب کاهش دهد. بنابراین دست قانون‌گذار تا حدی در انتخاب روش باز خواهد بود. اولین چیزی که به ذهن مجریان قانون رسید این بود که بیاییم به صنایع آلوده‌کننده بر اساس هدف آتی در کاهش آلودگی، مقداری مجوز آلودگی بدهیم. این مجوز‌ها باید طوری باشد که کاهش آلودگی پیشبینی شده در قانون را محقق کند. در صورتی که صنعتی بیش از مقدار مجاز آلودگی ایجاد کرد، باید جریمه‌ی سنگینی بپردازد. طبیعتا جریمه باید این قدر باشد که صنایع به خاطر گریز از آن مجبور شوند از سود تولید بیشتر صرف‌نظر کنند. این روش یک اشکال واضح دارد. تصور کنید اگر به هر دلیلی، در یک صنعت یا تولیدی خاص، رشد اقتصادی کمتر از حد پیشبینی شده بود و بنابراین تولید آن شرکت کاهش یافت، رسیدن به هدف کاهش آلودگی آسان‌تر خواهد شد. بنابراین، باید بتوان به صنایع دیگر اجازه داد تا بیشتر تولید کنند. اگر مجوزها را در ابتدای این دوره تقسیم کرده باشیم، صنایع دیگر نمی‌توانند تولید خود را افزایش دهند. این جا است که روش بازار-محور به کار می‌آید.

روش بازار-محور تقریبا چیزی شبیه به کوپن‌فروشی در یک دهه‌ی قبل در ایران است. کسانی که آن دوره را به خاطر دارند می‌دانند که چه می‌گویم. دولت ایران برای تامین معاش مردم به آن‌ها کوپن کالاهای اولیه می‌داد. سپس در زمان اعلام کوپن، مردم را برای خرید ارزان کالاهای اساسی، کوپن را ارائه می‌کردند. برای کسانی که دستشان به دهن‌شان می‌رسد،  ارزش نداشت در صف کوپن یا کالای اساسی ارزان قیمت بایستند و بنابراین کوپن خود را به کوپن‌فروش می‌داند. در طرف دیگر کسانی که به کوپن‌ها نیاز داشتند، آن‌ها را از کوپن فروش می‌خریدند و به این شکل در جامعه یک توازن بین عرضه و تقاضای کوپن ایجاد می‌شد. چیزی که دولت‌های (کوتاه اندیش) وقت نمی‌فهمیدند و در نتیجه کوپن‌فروشی را ممنوع اعلام می‌کردند تا هزینه‌ی بیشتری به افراد نیازمند وارد شود!

مشابه بازار سیاه کوپن در ایران، در روش بازار محور، مجوزهای ارائه شده قابل خرید و فروش در بازار است. بنابراین اگر مثلا یک صنعت بتواند از تکنولوژی پاکیزه‌تری استفاده کند یا به هر دلیلی آلودگی کمتری تولید کند، می‌تواند مجوزهایش را بفروشد و صنایعی که مجوزها را می‌خرند بیشتر تولید می‌کنند. بدین‌سان، هزینه‌های کاهش آلودگی کمتر خواهد شد. از طرفی اگر مجموع کل آلودگی از حد قانونی آن کمتر بود، لازم نیست صنایعی که سهم‌شان در آلودگی بیشتر از مجوزشان است را جریمه کنیم. بنابراین، علاوه بر قابل انتقال بودن مجوز‌ها، فقط در صورتی به آن‌ها نیاز است که مجموع کل آلودگی از مقدار از قبل تعیین شده در قانون بیشتر باشد.

با وجود مزیت ذکر شده در بالا برای روش بازار-محور کاهش آلودگی، مشکلاتی هم متوجه این نوع بازار است. مثلا اگر یک تولیدکننده یا مصرف کننده‌ی عمده (یا انحصاری) برای این مجوزها یا برای یک تولید آلوده کننده‌ی وجود داشته باشد، بعید است بازار نقش موثری در کاهش هزینه‌های مبارزه با آلودگی داشته باشد. مثلا فرض کنید که بین تولید‌کنندگان برق، یک تولیدکننده‌ی اصلی وجود دارد و بقیه حاشیه هستند. به دلیل نقش این تولید کننده‌ی عمده در تولید انرژی، طبیعی است که حجم زیادی از مجوز‌ها در اختیار او باشد. اما از طرف دیگر نقش او در افزایش آلودگی هم انکار ناپذیر است. بنابراین، اوست که می‌تواند کل آلودگی را به حد بحرانی پرداخت جریمه برساند و چون بیشتر مجوزها در اختیار اوست، ممکن است بتواند از طریق فروش مجوزها هم سودی (بادآورده) کسب کند و شرکت‌های رقیب را از معرکه بیرون کند. از طرف دیگر، اگر مجوزهای کمتری به این آلوده ‌کننده‌ی عمده اختصاص دهیم، ممکن است تولیدش کاهش یابد.مثلا در مورد بخش انرژی، کاهش تولید برق می‌تواند باعث مشکلات اقتصادی برای کل صنایع جامعه شود. اگر هم تولیدش کاهش پیدا نکند، هزینه‌های اضافی ناشی از کمبود مجوز را به مصرف‌کننده انتقال می‌دهد. بنابراین، کارکرد روش بازار محور به عدم وجود انحصار و تخصیص اولیه‌ی مجوزها حساس است.

افراد بسیاری هستند که به روش بازار-محور اعتقاد دارند و سعی می‌کنند اشکالات آن را برطرف کنند. کسانی هم هستند که منتقد این روش هستند و به روش‌های ساده‌تری مثل جریمه‌ی ثابت و بدون حق واگذاری مجوز معتقداند. این که آیا روش بازار-محور کار خواهد کرد یا محکوم با فناست، جای بحث دارد و کسی نمی‌داند. اما حداقل برخی تحقیقات علمی نشان داده است که اگر به جای اختصاص مجانی مجوزها، این مجوزها به صورت مزایده به شرکت‌ها واگذار شود، نتیجه‌ی بهتری حاصل می‌شود. حتی پیشنهاد شده است که به جای اختصاص مجوزها در ابتدای هر دوره، این مجوزها در طول دوره و متناسب به شرایط اقتصادی و وضعیت آلودگی اختصاص یابد تا جای اصلاح وجود داشته باشد. 

به هر حال، هر دو سوی طیف موافقان و مخالفان روش بازار-محور، شواهدی از کارایی و یا عدم کارایی آن وجود دارد. مثلا اولین بازار آلودگی بازار آلودگی دی‌اکسید سولفور و دی‌اکسید نیتروژن آمریکا است که به سال ۱۹۹۵ بر‌می‌گردد و هنوز کار می‌کند. یا بازار منطقه‌ای تشویق برای هوای پاک (RECLAIM) به اعتراف همگان یکی از موفق ترین بازارها برای کنترل آلودگی ناشی از خودرو بوده است که باعث افزایش کیفیت سوخت و ایجاد انگیزه برای تولید خودروهای برقی  شده است. از طرف دیگر بازار دی‌اکسید کربن اتحادیه اروپا (EU EST) آن قدر که انتظار می‌رفت موفق نبوده است. در استرالیا و نیوزلند هم تشکیک در مورد کارایی این بازار وجود دارد.

طبیعی است که مقدمات اولیه ایجاد چنین بازاری، ایجاد شفافیت در مورد تولید شرکت‌های مختلف است و این که دولت به جای یک رقیب عمده برای صنایع خصوصی، نقش یک منظم‌کننده را ایفا کند. صنایعی که باید در این سیستم قرار بگیرند، عبارتند از صنایع تولید برق که از سوخت‌های فسیلی استفاده می‌کنند، صنایع معدن و نفت که از مواد شیمیایی آلوده کننده استفاده می‌کنند، صنایع استیل، سیمان و نظیر آن‌ها. در میان تمام این صنایع، بر اساس مقیاس آلوده‌کنندگی، نقش صنایع تولید برق در آلودگی از همه برجسته‌تر است و به علاوه، با توجه به تبعات گرمایش زمین کاهش دی اکسید کربن که منبع عمده‌ی آن در تولید برق با سوخت‌های فسیلی است، اولویت بیشتری دارد. بنابراین، چندسالی است که کنترل آلودگی، کنترل دی اکسید کربن را هدف گرفته است و بازارهای مختلفی در سراسر دنیا به کار معامله‌ی مجوزهای کربن مشغولند.

در میان اقتصاددان‌ها هم تحقیقات زیادی در باره‌ی کارایی این نوع بازار انجام شده است. در میان ریاضی‌دانان (مالی) هم مقالات زیادی در باب دینامیک این بازار و مدل‌سازی آن انجام گرفته است. با این که هنوز اجماعی وجود ندارد که بازار باید چگونه طراحی شود، اما صنایع مشمول، روش‌های بهینه‌سازی زیادی را برای کاهش آلودگی خود طراحی کرده‌اند. مثلا بسیاری از شرکت‌های تولید برق، مولد‌های بادی زیادی را به کار گرفتند. طبیعی است که هزینه‌های تولید و نصب انرژی‌های پاکیزه زیاد است و سرمایه‌گذاری بلند مدت نیاز دارد. این جاست که ایجاد اهداف ۱۰ تا ۲۰ ساله به تولید‌کنندگان کمک می‌کند تا طرح سرمایه‌گذاری خود را روی انرژی‌های پاک از قبل تعیین کنند. علاوه بر آن، نصب تجهیزات کاهنده آلودگی نظیر توربین‌های دوکاره (CCGT) نیز هزینه‌بر است. اگر سیاست دولت در کاهش آلودگی پایدار نباشد، بعدی است که صنایع حاضر به سرمایه‌گذاری روی این طرح‌ها باشند. به همین دلیل، حتی اگر بازار مجوز آلودگی کارایی مورد انتظار را نداشته باشد، دولت تنها می‌تواند تغییرات کم در دوره‌های زمانی بلند مدت در این بازار بدهد. بنابراین، این یک واقعیت است که رویکرد بازار-محور به آلودگی تا مدت‌ها پابرجا خواهد ماند. این که در دراز مدت چه تغییراتی باید در این رویکرد داده شود و در چه جهتی باید مورد موشکافی قرار گیرد.

خطرات نصب صفحه کلید فارسی روی iOS

چون من قبلا در پستی روش نصب صفحه کلید فارسی روی iOS را توضیح دادم بد نیست که شما خواندگان عزیز این وبلاگ را از خطرات آن هم آگاه کنم. البته خودم در موقع نگارش آن پست از این خطرات آگاه نبودم. اما می‌شد با کمی دقت دریافت که این خطرات وجود دارد. این مقاله از آرش کمانگیر را راجع به این خطرات از دست ندهید.

مدل‌سازی ریاضی و خطرهای آن

بنا دارم در این پست به اختصار توضیح دهم که مدل‌سازی ریاضی چیست و چگونه باید با آن برخورد کرد. تمام کسانی که با پدیده‌های طبیعی و تکنولوژیک آشنایی دارند می‌دانند که این پدیده‌ها تا چه حد پیچیده هستند؛ به عنوان مثال می‌توان به تحولات جوی یا ژنتیک اشاره کرد. گرچه بر اساس نظریات علمی می‌دانیم چگونه این پدیده‌ها رخ می‌دهند، اما برای این که بتوانیم مشابه این پدیده‌ها را ایجاد کنیم یا در مورد آینده‌ی آن‌ها پیشبینی کنیم باید ابزار محاسبه داشته باشیم. برای روشن شدن مطلب یک مثال می‌آورم. شاید همه کارشناس هواشناسی بدانند که تحت چه شرایط بارش باران یا تندباد اتفاق می‌افتد، اما برای این که بدانیم آیا این شرایط در آینده نزدیک رخ می‌دهد نیاز داریم پارامترهای زیادی از جمله دما، رطوبت، سرعت باد، ... را در نقاط زیادی پیشبینی کنیم. یا مثلا برای این که بدانیم یک بیماری ویروسی را چگونه می‌توان متوقف کرد نیاز داریم کد دی ان ای آن ویروس را استخراج کرده، تغییرات آتی آن را پیشبینی کنیم. 

در این نوع پدیده‌های پیچیده، تحولات به عوامل بسیار زیادی بستگی دارند که خود این عوامل با هم مرتبط هستند. یک کار بنیادی این است که چگونگی ربط این عوامل را به تمامی کشف کنیم. اما در عمل این کار بسیار سخت است و معمولا فقط می‌توان بخشی از بستگی عوامل به هم را درک کرد. بنابراین دانشمندان معمولا بر اساس اطلاعات موجود مدل ایجاد می‌کنند. مدل یک نوع فرض ساده کمی است که چگونه این عوامل مرتبط بر هم اثر می‌گذارند. کمی بودن آن به ما این امکان را می‌دهد که مثلا بدانیم که با افزایش دو درجه دما در یک نقطه رطوبت آن چه قدر افزایش پیدا می‌کند. علاوه بر آن، مدل از میان تمام عوامل فراوان  تاثیرگذار، آن‌هایی را که مهم‌تر به نظر می‌رسند جدا می‌کند و از بقیه صرف نظر. مثلا اگر سرعت باد در تهران در یک ساعت آینده به سرعت باد و دما و رطوبت در تمام نقاط استان های مرکزی و قم وقزوین و البرز بستگی دارد، مدل سعی می‌کند که چند نقطه‌ی مهم از این استان‌ها را انتخاب کند و فقط از اندازه‌گیری‌های این نقاط برای پیشبینی سرعت باد در تهران استفاده کند.

مزیت اصلی استفاده از مدل این است که می‌توان محاسباتی را (معمولا با هدف پیشبینی) انجام داد. در یک پدیده‌ی پیچیده، از آن جا که عوامل فراوان هستند، حتی اگر ربط کمی میان آن‌ها را بدانیم، کامپیوترهای ما قدرت انجام محاسبات حول تمام این عوامل را ندارند (حداقل در زمان مقتضی). با کم کردن عوامل دخیل، مدل به ما امکان محاسبات سریع‌تر می‌دهد.

«همه‌ی مدل‌های غلط هستند اما برخی مفید.» این جمله منسوب است به یک آماردان به نام جورج کاکس. منظور از این جمله این است که عملا همه‌ی مدل‌ها با صرف نظر کردن از برخی عوامل با پدیده‌ی مورد بحث تفاوت‌های جدی دارند. اما در جاهایی که می‌توانند درست پیشبینی کنند، مفید واقع می‌شوند؛ مثل مدلی که بتواند در ۸۵٪ موارد شرایط جوی هفته‌ی آینده را درست پیشبینی کند. اما استفاده از مدل خطراتی هم دارد. بیشتر این خطرها وقتی رخ می‌دهد که برای مدت طولانی از مدل استفاده می‌کنیم و فراموش می‌کنیم که مدل واقعیت نیست. در این صورت وقتی که شرایط تغییر می‌کند، مدل ما جواب غلط می‌دهد.

گرچه مدل‌ها به مراتب ساده‌تر از پدیده‌ی مورد بحث هستند، اما از نقطه نظر ریاضی ممکن است هنوز پیچیده باشند. پیچیدگی مدل‌های ریاضی ممکن است کاربردشان را سخت کند. برای همین است که میل زیادی به استفاده از مدل‌های ساده وجود دارد. به عبارت دیگر، سعی می‌شود تا حد ممکن مدل ساده باشد. حتی در صورتی که درست نتیجه نداد، با کمترین و ساده‌ترین تغییر آن را اصلاح کرد. به عنوان نمونه مدل بلک-شولز در قیمت گذاری مشتقات مالی حدود چهل سال است که در بازار استفاده می‌شود در حالی که در تحقیقات نظری مدل‌های بسیار پیچیده‌تری مطالعه شده اند. دلیل دیگر برای ساده نگه داشتن مدل این است که اگر یک مدل پیچیده جواب ندهد، اصلاح آن هم به همان پیچیدگی است. در حالی که اصلاح مدل ساده (اگر اصلا امکان پذیر باشد) هم به همان سادگی مدل است.

این پست را با یک مثال از خطای مدل‌سازی می‌بندم. در بحران مالی ۲۰۰۷، قراردادهای مشتق روی وام‌های مسکن به شکل موضعی قیمت‌گذاری شده بودند. دولت ایالات متحده برای خانه‌دار کردن مردم، مشوق‌هایی به بانک‌ها داده بود تا به افراد کم‌درامد وام‌ مسکن بدهند. بنابراین، ریسک این وام‌ها زیاد بود اما این ریسک در مدل‌ها کم در نظر گرفته شده بود.  علاوه بر آن، مدل‌های استفاده شده خطر درمانگی مالی هر وام‌گیرنده را جدا در نظر گرفته بودند. در حالی که، این نوع ریسک قابلیت بخش شدن در کل شبکه‌ی مالی را داشت. گر چه در طول سال‌های پیش از ۲۰۰۷ هیچ کدام از این عوامل به عنوان عوامل تعیین کننده در نظر گرفته نشده بودند، اما بحران مالی نشان داد مهم بودند.

به طور خلاصه، ما مجبور هستیم از مدل‌های ریاضی استفاده کنیم. اما باید در کنار استفاده‌ از مدل‌ها از هوش خود هم استفاده کنیم تا جنبه‌های منفی مدل‌ها دامنگیرمان نشود.

تغییرات آب و هوایی، انتشار دی اکسید کربن و لزوم مقابله با گرم شدن زمین

در این مقاله سعی خواهم کرد به زبان ساده توضیح دهم که تغییرات آب و هوایی چیست و چه عواقبی دارد و چگونه می‌توان جلوی آن را گرفت و با آن مقابله کرد. دلیل نوشتن این پست این است که در میان مردم و حتی تحصیل‌کردگان در ایران و سایر کشورها اطلاعات کمی در این زمینه وجود دارد که عامل آن قصور سیاست‌مداران در مواجهه با آن و به خصوص گنجاندن آن در برنامه‌های آموزشی است. این مقاله حول سه محور است: شواهد گرمایش زمین، عواقب آن و روش‌های چاره‌جویی و مقابله با آن.

شواهد: اصلی‌ترین شاهد گرمایش زمین آب شدن یخ‌های قطبی است. مثلا یخچال مویر در سال ۱۹۴۱ هنوز یخچال بود اما در سال ۲۰۰۴ به یک دریاچه‌ی کامل تبدیل شد. اندازه‌گیری‌های بسیاری در سراسر دنیا نشان داده که یخ‌های قطبی که بیش از هزار سال یخ بودند در حال آب شدن هستند. بخش زیادی از زمین گرینلند که در طول تاریخ زیر یخ بوده، اکنون هویدا شده است. هنوز بر سر این که چه مقدار از این گرمایش ناشی از فعالیت‌های انسانی به خصوص استفاده از سوخت‌های فسیلی است اختلاف نظر وجود دارد، اما تحقیقات زیادی نشان می‌دهد که گازهای گلخانه‌ای نقش غیرقابل انکاری در این تغییرات دارند. یخ‌های قطبی با جذب دی اکسید کربن باعث کنترل دمای زمین می‌شوند. اگر حجم دی اکسید کربن در جو از حد خاصی بیشتر باشد، یخ‌های قطبی اشباع می شوند و دی اکسید کربن در هوا باقی می‌ماند و باعث گرم شدن می‌شود. همزمان گرما باعث آب شدن یخ‌ها می‌شود و میزان بیشتری دی اکسید کربن در هوا آزاد می‌شود. سایر گازهای گلخانه‌ای مثل متان هم در این گرمایش نقش دارند اما نه به اندازه‌ی دی اکسید کربن. همزمان کاهش جنگل‌های کره‌ی زمین مثل آمازون هم باعث بیشتر شدن حجم دی اکسید کربن می‌شود.
چه کشوری آلوده کننده‌ترین است؟ در کل چین بیشترین سهم را در تولید دی اکسید کربن دارد اما سرانه‌ی آلودگی ایالات متحده از تمام کشورها حتی چین بالاتر است که تا حدود زیادی ناشی از تولید برق است [منبع: بانک جهانی]. در ایالات متحده اقتصاد خانوارها به آن‌ها امکان می‌دهد که برق بیشتری مصرف کنند و بنابراین تولید برق بسیار زیاد است. منابع زیادی از جمله ذغال سنگ، نفت، گاز، باد، خورشید و مواد رادیواکتیو صرف تولید مقدار زیادی برق برای صنایع و خانه‌ها می‌شود.
اگر به داده‌های بانک جهانی نگاه کنیم، می‌بینیم که ایران نقش کمی در این تغییرات دارد. با وجود این آلودگی شهرهای ایران بسیار زیاد است. نکته‌ی مهم این است که آلودگی‌های تنفسی مثل سرب یا مونواکسید کربن نقش زیادی در گرم شدن زمین ندارند. ایران هم در دنیا سهم زیادی در تولید برق ندارد چرا که بخش زیادی از تولید برق به خاطر صنایع است که متاسفانه در ایران چندان گسترش پیدا نکرده‌اند. بر عکس کشورهای صنعتی نظیر ایالات متحده، چین، انگلستان و سایر کشورهای اروپای غربی نقش فراوانی در تولید دی اکسید کربن دارند.

عواقب: شوخی یا جدی در جاهای سرد زمین مثل کانادا مردم از گرمایش زمین لذت ببرند و جاهای گرم هم اثرات گرمایش را آن‌طور که فکر می‌کنیم حس نکنند. پس چرا این قدر باید نگران گرمایش زمین باشیم؟ نکته‌ی مهم این است که اثرات تغییرات آب و هوایی فقط گرم شدن دما نیست. مشهود ترین اثر این تغییرات بالا آمدن سطح آب‌های آزاد است. مثلا بخش زیادی از کشور پر جمعیت بنگلادش زیر آب می‌رود و کشور جزیره‌ای مالدیو به طور کلی محو می‌شود. بسیاری از کشورهایی که بخشی از خاک خود را از دست می‌دهند، کشورهای فقیر هستند که توانایی مقابله با این تغییرات را ندارند. کشورهای اروپایی و آمریکای شمالی کمتر زمین از دست می‌دهند اما اثرات افزایش سطح آب دامن‌گیر این کشورها هم می‌شود. بسیاری از محصولات مصرفی کشورهای پیشرفته در کشورهای فقیر و در حال توسعه تولید می‌شود. بنابراین، مشکلات کلان کشوری مثل بنگلادش روی اقتصاد کشورهای پیشرفته تاثیرگذار است. علاوه بر این، هزینه‌ی انتقال بسیاری از تاسیسات ساحلی، شور شدن آب‌های زیرزمینی در اثر افزایش فشار آب شور، کاهش محسوس منابع آب مصرفی و ناکارآمدی کانال‌های فاضلاب شهرهای در دفع سیل  در شهرهای ساحلی، هزینه‌های ناشی از توفان‌های مهیب، ...  از دردسرهای این تغییرات هستند. به طور کلی تخمین زده شده است که هزینه‌های مواجهه با این تغییرات آن قدر زیاد است و آمادگی ما برای مواجهه با آن این قدر کم که بهتر است سعی کنیم این تغییرات را کندتر کنیم.
چه قدر طول می‌کشد که این عواقب رخ دهند؟ بر خلاف تصور عموم که فکر می‌کنند این تغییرات در طول عمرمان رخ نمی‌دهد، باید اشاره کرد که اتفاقا محو شدن برخی از زمین‌های ساحلی در مدت ۴۰ سال رخ می‌دهد. بسیاری از توفان‌های حاره‌ای اخیر که در تاریخ معاصر بی‌سابقه بوده‌اند انتظار می‌رود که هر سال تکرار شوند. زمستان سردتر و تابستان گرم‌تر که بسیاری از تولیدات کشاورزی را تحدید می‌کند، هم اکنون در حال رخ دادن است. کمبود بارش برف در مناطق کویری از جمله ایران یکی از عواقب مشهود گرمایش زمین است که همه‌ی ما در طول عمرمان حس کردیم. بر اساس چهارمین گزارش ارزیابی هیات فرادولتی تغییرات آب و هوایی چهار بخش اصلی که باید روی آن کار کرد عبارت است از: آب شیرین، اکوسیستم، غذا و تاسیسات ساحلی که تمام این موارد بسیار حساس هستند.

چاره‌جویی: در سطح بین المللی پیمان کیوتو کشورهای عضو را متعهد می‌کند که گام‌های عملی در جهت کاهش تولید دی اکسید کربن بردارند. با این که تقریبا تمام کشورهای صنعتی عضو این پیمان شده‌اند، اما در سطح سیاست‌مداران این ترس وجود دارد که پیاده‌سازی عملی این پیمان باعث کاهش تولیدات و در نتیجه باعث ایجاد تبعات اقتصادی منفی برای مردم شود. با این وجود کشورهای اروپایی پیش قدم شدند و طرحی به نام EU ETS (طرح معامله انتشار [دی اکسید کربن] اتحادیه اروپا) را پیاده سازی کردند. به موجب EU ETS به هر کشور اجازه می‌دهد تا پایان یک دوره‌ی مشخص، حداکثر مقدار مشخصی دی اکسید کربن در هوا پخش کند. اگر در پایان دوره انتشار دی اکسید کربن آن کشور از حد تعیین شده تجاوز کرد باید جریمه بدهد. طبیعی است که این جریمه به صنایع آلوده کننده‌ی آن کشور انتقال پیدا می‌کند. در صورتی که این صنایع می‌خواهند از این جریمه معاف شوند، باید تا قبل از پایان دوره اوراق مجوز انتشار کربن را از بازار بورس این اوراق تهیه کنند. اگر هم انتشار کربن به حد معین شده برای هر کشور نرسد، هیچ جریمه‌ای در کار نیست. این روش کنترل انتشار کربن را با نام cap-and-trade می‌شناسند. در آمریکا هم اخیرا اوباما قانونی را ابلاغ کرد که برای هر ایالت حد بالایی تعیین می‌کند و هر ایالت مختار است که روش خود را برای کاهش انتشار پیاده کند. برخی ایالات مثل کالیفرنیا از چند وقت پیش cap-and-trade را پیاده سازی می‌کنند. هدف این طرح این است که تا سال ۲۰۳۰ انتشار کربن به ۳۰٪  میزان سال ۲۰۰۵ برسد. در حال حاضر این میزان ۱۵٪ مقدار سال ۲۰۰۵ است. بنابراین، ایالات متحده در حال حاضر در نیمه‌ی این راه است.
ایران و کشورهایی نظیر ایران تا کنون چه کار کردند؟ متاسفانه هیچ چیز. با این که نقش هر یک از کشورهای کوچک‌تر در حال توسعه در این تغییرات کم است، اما در مجموع نقش قابل توجهی در تغییرات آب و هوایی دارند. بر اساس داده های بانک جهانی سرانه کشورهای در حال توسعه خاورمیانه حدود ۴ تن کربن در سال است که تنها یک تن از متوسط جهانی کمتر است. به غیر از آن، این کشورهای تا کنون هیچ سرمایه گذاری در مقابله با این تغییرات نکرده اند. مثلا هیچ طرحی برای انتقال تاسیسات ساحلی، ایجاد کانال‌های دفع سیل در شهرهای ساحلی یا مدیریت منابع آب شیرین ندارند. بدون این آمادگی‌ها هر توفان شدید باعث از بین رفتن ساختارهای شهری و تحمیلی هزینه های مالی و جانی فراوان خواهد شد. در حالی که کشورهای صنعتی تمام بخش‌های آسیب‌پذیر خاک خود را مشخص کرده در حال اجرای طرح‌های مقابله  هستند. مثلا در جنوب فلوریدا در ایالات متحده چهار بخش‌داری در حال بررسی ایجاد چاه‌های عمیق‌تر برای دسترسی به منابع آب شیرین هستند که پس از افزایش سطح آب‌های آزاد غیردسترس خواهند شد. این نوع طرح‌ها کاری نیست که بتواند در ۱۰ سال انجام داد. سیستم شهرهای فعلی در همه جای دنیا حاصل بیش از ۵۰ سال توسعه است و تغییرات اساسی در این سیستم هم ممکن از تا ۳۰ سال زمان احتیاج داشته باشد.

یک بیستم عمر، زندگی

دنیای امروز دنیای عجیبی است! آدم‌ها روز و شب کار می‌کنند. با این که کارها تندتر انجام می‌شوند، اما تمام نمی‌شوند. آدم باید ۳۰ سال هر روز حداقل ۸ ساعت به انجام اموری بگذراند که از بیشتر آن‌ها لذتی نمی‌برد. اما اگر انجام نشوند زندگی هم نمی‌گذرد. در واقع بهتر بگویم، پولی به جیب آدم نمی‌آید. بعد از سی سال هم که بازنشسته می‌شوی، دیگر معلوم نیست رمق و شوق جوانی را داشته باشی تا هر کاری که دلت خواست برای خودت انجام بدهی.

به جای کلی گویی بگذارید یک مثال از زندگی خودم بزنم. من آدم کندی هستم و خیلی سریع کارها را به آخر نمی‌رسانم. اما معنی آن این نیست که کار را درست انجام نمی‌دهم. با این حال در دنیای فعلی مجبورم که کارها را سریع انجام دهم. این به نوعی با طبیعت من ناسازگار است. اما خوب مجبورم که تند باشم چون دیگران از خلق ریاضیات همان لذتی را می‌برند که من اما نتایج را تندتر چاپ می‌کنند. وقتی که ایده‌ام را دیگری زودتر به نتیجه می‌رساند و چاپ می‌کند، بسیار برایم تلخ است. این تلخی را دوست ندارم. بنابراین، سعی می‌کنم روی مغز خودم کار کنم که وقت بیشتری صرف ایده‌هایم کنم. 

از طرف دیگر خدا می‌داند که آدم چقدر عمر می‌کند. عمر ابدی نیست. هر کسی دوست دارد در عین حال که از لذت‌ها بهره‌ای می‌برد، در مدت زندگی هم کاری کند که حداقل خودش احساس کند در زندگی چیزی را به جایی رسانده است.

 دقیقا به همین دلیل است که آدم باید به دنبال یک تعادل بین کار و زندگی بگردد. اگر عاشق کاری هستید، با وجود تمام لذتی که از انجام آن کار می‌برید، در حین انجام آن کار دردسرهایی هم می کشید. مثلا اگر عاشق سیاست‌مدار شدن یا رئیس جمهور شدن هستید و این کار را خوب بلدید و از انجام آن لذت زیادی می‌برید، باید بدانید که مرتب تحت فشار احزاب مخالف و مردم هم هستید. هر از گاهی هم مشکلات بزرگی در مقیاس مملکتی پیش می‌آید که بخش زیادی از بار و فشار آن بر دوش شماست. اگر دانشمند هستید و عاشق تحقیق، باید بدانید که نمی‌توانید در یک اتاق یا آزمایشگاه بنشینید و کار علمی کنید یا با هم‌پاله‌های خود در کنفرانس‌های علمی بگردید و گپ علمی بزنید و لذت ببرید. باید گاهی هم بروید طرح پروژه بنویسید تا برای آزمایشگاه خود پول بگیرید، یا یک روز باید کراوات بزنید و در مهمانی رئیس دانشگاه شرکت کنید، یا گان (لباس فارغ‌التحصیلی) بپوشید و در مراسم فارغ التحصیلی مارشال شوید و پرچم گروه را جلوی صف دانشجویان حمل کنید. خلاصه هزار کار گل (به کسر گاف) هست که باید انجام داد، وگرنه آن کاری که دوست دارید هم نمی‌توانید انجام دهید. 

این جا است که جای تعادل بین کار و زندگی برجسته می‌شود. اگر عاشق ریاضی هستید و می‌خواهید ریاضی‌دان شوید، باید همه‌ی کارهای گِل را هم یاد بگیرید و انجام دهید تا بتوانید ریاضی هم انجام دهید. این نه فقط کارهای جانبی را شامل می‌شود، بلکه در شیوه‌ی انجام کار اصلی هم تاثیر می‌گذارد. مثلا دیگر این که یک مساله را حل می‌کنید یا نکته‌ای را روشن می‌کنید و لذت آن را می‌برید، کافی نیست. بلکه باید تمام کار را به شکلی استاندارد برای فهم دیگران در‌آورید و آن را چاپ کنید که آن هم کار مطلوبی نیست. بنابراین، بخش زیادی از وقت شما صرف تایپ و ویرایش و فرستادن مقاله می‌شود و مهارت‌های مورد نیاز لزوما چیزهایی نیستند که یادگیری‌شان برای شما لذت بخش باشد.

نمی‌دانم شما از حرف‌های من چه نتیجه‌ای می‌گیرید. اما خود من این نتیجه را می‌گیرم که «زندگی کوتاه‌تر از آن است که با روز و ماه و سال شمرده می‌شود». بخش زیادی از وقت ما صرف کارهایی می‌شود که دوست نداریم و شاید اگر سر جمع حساب کنیم، کمتر از یک بیستم عمر صرف کاری می‌شود که به آن شوق داریم. بنابراین باید قدر آن را دانست و نوزده بیستم آن را کار کرد و یک بیستم، زندگی.