本文来自微信公众号:冯仑风马牛(ID:fengluntalk),内容摘编自《魔鬼经济学》(虎嗅经中信出版集团授权转载),作者:[美]史蒂芬·列维特、[美]史蒂芬·都伯纳,原文标题:《根据经济学常识找出恐怖分子,这个银行职员是如何做到的?》,头图来自:《芝加哥七君子审判》剧照


“经济学有什么用?”有人拿来建立模型,预测宏观经济趋势,而有人则将其作为工具,解释生活中犄角旮旯的问题,比如:恐怖分子都来自什么样的家庭?我们该如何利用银行信息找出恐怖分子?


在芝加哥大学经济学教授史蒂芬·列维特和作家史蒂芬·都伯纳合著的《魔鬼经济学》中,他们除了解释上述两个问题,还解释了为什么犯罪率升高和电视看多了有关,为什么 3K 党和房地产中介是一路货色,为什么毒贩还在和母亲同住等等稀奇古怪的问题。在他们手中,经济学是一把万能钥匙,能打开许多未知问题的大门,帮助人们拥有更加清晰的思维。本篇文章摘取《魔鬼经济学》一部分内容分享给大家,其中一些可能会颠覆你的认知。


《魔鬼经济学》<br>
《魔鬼经济学》

作者:[美]史蒂芬·列维特,[美]史蒂芬·都伯纳

出版社:中信出版集团


公路交通事故增多,全是9·11惹的祸?


有些家庭产棒球球员,有些家庭则出恐怖分子。


人们通常认为,恐怖分子出自贫困家庭,受教育程度很低。出生在贫困家庭、受教育程度很低的孩子,长大后比一般人沦为犯罪分子的概率要大很多,因此,恐怖分子不也应该如此吗?


为了探究真相,经济学家艾伦 · 克鲁格(Alan Krueger)认真梳理了真主党出版的名为《时代周刊》(Al-Ahd)的时事通讯,编纂了 129 个殉道者的生平详情。随后,他将这些殉道者与黎巴嫩的普通同龄人进行了比较。结果发现,恐怖分子出自贫困家庭的概率更小(恐怖分子有 28% 出自贫困家庭,而随机抽取的普通同龄人有 33% 出自贫困家庭),他们更有可能接受了高中以上教育(47% 对 38%)


克劳德 · 白莱比(Claude Berrebi)对巴勒斯坦的自杀式人体炸弹所展开的一项类似分析发现,仅有 16% 的自杀式人体炸弹出自贫困潦倒的家庭,与此相对,超过 30% 的巴勒斯坦男性家境贫穷;同时,60% 以上的自杀式人体炸弹都上过高中,而巴勒斯坦总人口中仅有 15% 的人接受过高中教育。


总的说来,克鲁格发现:“恐怖分子往往受教育程度较高,出自中产阶层或高收入家庭。”尽管也有为数不多的例外,例如爱尔兰共和军,或许还可算上斯里兰卡的泰米尔猛虎组织(没有足够的证据可以确认),但前述情形更具有广泛代表性,从拉丁美洲的恐怖主义组织到在美国实施“9 ·11”恐怖袭击的基地组织。


该怎么解释这种现象呢?


可能是这样的:当肚子还没填饱时,你更多考虑的是填饱肚子,而不是把自己炸上天。也可能是,恐怖主义头目极为看重(执行任务的)能力,因为实施恐怖袭击要求精心策划,这不是一般犯罪活动所能比拟的。


此外,正如克鲁格指出的,犯罪活动的实施主要受个人利益的驱使;而恐怖主义活动,究其根本具有政治性。根据克鲁格的分析,最有可能成为恐怖分子的那类人,与最有可能在政治选举中投票的那类人较为相似。


熟悉历史的读者都会看出,克鲁格对恐怖分子特征的描述, 听起来倒是与典型的革命家有那么几分相似。


但是,革命家与恐怖分子的目标截然不同。革命家希望推翻旧统治并建立新政府。恐怖分子则希望,怎么说呢,其目标我们不是总能弄得很清楚。一位社会学家曾这样说,他们或许希望按照自己的反社会的邪恶愿景重塑世界,宗教性恐怖分子则可能希望削弱他们所憎恨的非宗教体制。克鲁格引述了学术界对恐怖主义所做的 100 多个不同的定义。“在 2002 年举行的一次会议上,”他写道,“来自 50 多个伊斯兰国家的外交部部长,一致同意谴责恐怖主义行径,却无法就谴责对象的具体定义达成一致意见。”


恐怖主义活动尤其让人恼火的地方在于,杀戮本身倒并不是其主要目标。确切地说,恐怖主义活动是一种手段,一种把活人吓得屁滚尿流的手段,一种将活人的正常生活搅得鸡犬不宁的方式。正源于此,恐怖主义的威慑效果极大,造成的恐慌是同等级别的非恐怖主义暴力活动远远无法达到的。


2002 年 10 月,华盛顿特区市郊发生的凶杀案有 50 起,这是一个比较正常的数字。但其中 10 起凶杀案的性质却不太一样,不是因家庭争端或帮派火并造成的,而是毫无理由地随机射杀。没有招惹谁的普通人,要么在加油时被杀,要么在离开商店时遭袭, 要么在修草坪时遇害。这样无辜的人被射杀后,恐慌情绪开始蔓延。随着被射杀人数的逐渐增多,整个华盛顿特区几乎完全瘫痪。


学校关闭,户外活动取消,很多人根本就不敢走出家门半步。哪个老奸巨猾、金钱满贯的组织制造了这种恐慌?


结果表明,就两个人:一个 41 岁的男性和一个十多岁的从犯。他们驾驶一辆老款的雪佛兰汽车,用口径为 0.223 英寸的毒蛇步枪射击,宽敞的后备厢成为天然的狙击掩体。行动如此简单, 成本如此之低,后果如此可怕,这就是实施恐怖活动的优势所在。


设想一下这样的情形:实施“9 ·11”恐怖袭击事件的那 19 位劫机犯,不是费尽心思地劫持航班,再撞进高楼,而是化整为零,分散在美国各地,每人持一支步枪,驾驶一辆汽车,每天开往新的地点,在加油站、学校和饭店随意射杀。如果这 19 人同步实施行动,那么事实上不啻每天都在全美范围内引爆定时炸弹。你很难成功抓捕他们,纵使其中之一落网,其他 18 人仍会继续制造屠杀。如此一来,整个美国都会就范,屈服于这伙人的淫威。


恐怖主义之所以具有这样的效应,是因为除了直接受害者, 我们每个人都会因之遭受损失(付出成本)。其中最大的间接成本就在于,我们害怕以后会遭到袭击,虽然从很大程度上说,这有杞人忧天的嫌疑。在一个年度内,一个美国人死于恐怖袭击的概率大约是五百万分之一;相比之下,自杀的概率要比遭受袭击的概率高 575 倍。


再思考一下不那么显而易见的损失,例如时间浪费、自由受限。回想一下你上次搭乘飞机的经历。沿机场安检线顺次排队,被迫脱下鞋子,小心挪动套着袜子的双脚,通过金属探测器,随后收起所有行李,步履蹒跚地四处寻找登机口。


对于恐怖分子来说,恐怖主义的“魅力”在于,即便他没能“成仁”,也能“成功”。机场之所以例行检查旅客的鞋子,要“得益于”一位名叫理查德 · 里德(Richard Reid)的举止诡异、弄巧成拙的英国人。他虽然没能成功引爆鞋中的炸弹,但也让我们付出了巨大的代价。


我们假定,在机场安检线脱鞋、再穿上,平均用时 1 分钟。仅在美国,这个程序每年要执行约 5.6 亿次。5.6 亿分钟大致相当于 1065 年,如果用这个数字除以 77.8 年(美国人的预计平均寿命),结果约等于 14,也就是相当于 14 人累加的总寿命。所以,即使理查德 · 里德没能炸死一个人,他也向我们征收了一种时间税:我们每年因此浪费的时间相当于14 个人的总寿命。


“9 ·11”恐怖袭击所造成的直接损失是巨大的——近 3500 人丧命,经济损失高达 3000 亿美元——这也是美国在阿富汗和伊拉克开战所付出的代价。再来思考一下“9 ·11”恐怖袭击所引发的间接成本。在恐怖袭击后的三个月内,美国发生的交通致死事故额外增加了 1000 例。为什么呢?


其中一个原因在于,许多人不再选择乘坐飞机,而是自己开车出行。以每英里的路程而论,驾车比乘坐飞机要危险得多。


然而,有趣的是,我们的数据显示,大多数额外增加的交通致死事故并不是发生在州际公路,而是在地方公路,而且大多集中在美国东北地区,毗邻恐怖袭击发生地。而一般情形下,交通致死事故更有可能与酗酒以及疯狂的驾驶行为有关。这些事实再加上诸多对恐怖主义后果展开的心理学研究表明,“9 ·11”恐怖袭击导致了酗酒现象以及遭袭后心理创伤和焦虑现象的激增,而这在其他因素的综合作用下,就引发了更多的交通致死事故。


此类涓滴效应无穷无尽。“9 ·11”恐怖袭击发生后,因为新签证限制措施的实施,成千上万的外国大学生和教授被挡在美国大门之外。至少有 140 家美国公司利用随后股市的下挫,非法倒签股票期权,赚得盆满钵满。在纽约市,大量的警力资源转而部署在反恐一线,结果导致其他部门(例如未结案调查组及打黑调查组)备受冷落。美国各地情形大致相同。本可以用来追踪金融罪犯的资金和人力资源,悉数被部署到追踪恐怖分子的行动中,或许这也是导致或至少加剧近期金融危机的一大原因吧。


“9 ·11”恐怖袭击的余波并不全是负面的。得益于航班客流量的减少,流感——在飞机上很容易传播——的扩散速度开始下 降,也没有以前那么危险。在华盛顿特区,每当国家安全警戒级别上升时,更多警力会部署到该市,该市犯罪率就会下降。而且,当美国加强边境安全保卫时,也给加州的某些种植户带来了一场“及时雨”:随着从墨西哥和加拿大流入美国的大麻数量的减少,这些种植户转而大面积种植和出售大麻,结果,大麻竟然成了该州最重要的经济作物。


恐怖分子的银行账户有什么特点


如果有人一天吸两包烟,抽了 30 年,最后死于肺气肿,那么至少你可以这样说,他是咎由自取,不过终其一生一定很享受吸烟的乐趣吧。


对于恐怖袭击受害者,这种安慰就不适用了。你遭遇的不仅仅是意外横死,而且毫无缘由。你是附带的牺牲品;把你杀死的人,既不认识你,也毫不在乎你的生活、你取得的成就和你爱的人。说到底,把你杀死,只是恐怖分子的一种手段而已。


事实上,恐怖分子可选择的袭击手段和对象太多,所以恐怖主义活动可谓防不胜防,这更让人灰心丧气。在列车上安置炸弹, 开飞机撞击摩天大楼,用邮件寄送炭疽杆菌。美国发生“9 ·11” 恐怖袭击、英国发生“7· 7”爆炸案后,两国都把大量的资源部署到反恐领域,用于保护价值最高的目标,可是反恐行动有时是徒劳的。所以,你真正应该做的是不用将恐怖分子可能袭击的目标通通保护起来,而是在恐怖袭击发生前弄清恐怖分子的身份, 将他们提前投进监牢。


这里有个好消息:恐怖分子并不多。如果考虑一下实施恐怖袭击相对容易以及此类袭击相对罕见的事实,你自然会得出这种结论。自“9 ·11”恐怖袭击以来,美国本土几乎就没发生过任何恐怖袭击事件;在英国活动的恐怖分子很有可能相对来说更多, 但仍然极为罕见。


也有个坏消息:正因为恐怖分子极为罕见,所以想在恐怖袭击发生前将他们找出来也很困难。传统反恐行动主要有三种方式:搜集情报(难度高,危险大)、监听电子通信(几乎无迹可寻)以及追踪跨国资金走向(鉴于每年经由全球银行快速流转的资金数以万亿美元计,这显然无异于大海捞针)。“9 ·11”恐怖袭击背后的那 19 个人,筹集的用于该次袭击的全部资金为303671.62 美元,平摊在每个人头上,还不足 16000 美元。


或许,还有第四种策略可以找到恐怖分子?


伊恩 · 霍斯利认为第四种策略是可能的。他不在执法部门工作,不是政府官员,也不是来自军方,而且他的背景或行为举止也没有表明他有哪怕那么一点点英雄豪杰的气质。他在英格兰中部地区长大,父亲是位电器工程师。如今,霍斯利已步入中年, 在一个远离伦敦喧嚣的世外桃源过着开心的生活。他性情和蔼, 不苟言笑,算不上外向;用他自己的话来讲,他是“非常普通, 别人见后就忘的那种人”。


在成长过程中,他曾想过,或许自己可以做一名会计。当女朋友的父亲帮他找了一份银行出纳员的工作时,他就离开了学校。在为银行效力期间,有机会出现时他也会把握住,坐上新职位, 但没有一个是他特别感兴趣的,或者说没一个职位的收入是丰厚的。他最终发现计算机编程工作很有意思,因为这份工作可以让他“深入了解那家银行运行所依赖的基础数据库”。


事实表明,霍斯利工作勤奋,热衷于研究人类行为,能辨是非,正义感强,最终,银行安排他追查银行员工的欺诈行为。因为成绩斐然,后来他又负责研究消费者诈骗行为(对这家银行构成更大的威胁)。英国每年因此类诈骗而损失的资金大约为 15 亿美元。近年来,两种情形使诈骗活动更为泛滥:网上银行业务增多以及银行间为了迅速抢占客户而激烈竞争。


有那么一段时间,资金成本如此低,信贷如此宽松,以至于不论就业状况、国籍、信誉程度如何,只要走进一家英国银行的人的心脏还在跳动,都可以轻易开立一张银行借记卡。(事实上, 甚至死活都不足以成为问题:诈骗犯也很乐意使用死人和虚构人的身份。)霍斯利了解不同客户群体的情况。西非移民是支票伪造高手,而东欧人则是最出色的个人身份信息窃贼。这类诈骗犯十分执着,创意非凡:他们会追踪至一家银行的呼叫中心,在外面徘徊直到员工出来,进而展开贿赂,套取客户信息。


霍斯利组建了一个数据分析和特征筛选团队,编写能够搜索银行数据库以识别诈骗行为的计算机程序。这些程序员干得不错。然而,诈骗犯也不差,而且反应迅速,一旦以前的诈骗方法被识破,便立即搞出新花样。如此三番五次的较量之后,霍斯利的思维更敏锐,对诈骗犯的思维方式把握得更深刻。即使在梦中,他仍然想着银行数以亿计的数据,苦苦寻找那些可能间接反映违法行为的群体特征。他的算法也越来越缜密。


大约就在这个时候,我们有幸见到了伊恩 · 霍斯利,于是我们与他一起开始思考这个问题:如果他的算法能够筛选浩瀚繁复的银行数据,找出诈骗犯,那么同样使用这一算法,能否巧妙地识别出其他坏人,例如潜在的恐怖分子呢?


“9 ·11”恐怖袭击后的数据分析表明,这种预感具有一定的合理性。那 19 名恐怖分子的银行业务反映出了他们的某些行为方式,总体而论,与银行一般客户的行为特征有着显著差别:


他们的美元账户上存有现金或现金等价物,平均数额大致为 4000 美元,通常是在一家大型知名银行的分行开立账户。他们通常以邮政信箱作为联系地址,地址变化频繁。其中有些人经常给其他国家电汇,也经常收到来自其他国家的电汇,但电汇数额通常较小,不足以引起银行的注意而予以上报。


他们往往一次性存入大量现金,随后经常取出小额现金。他们的银行业务没有反映出正常的生活费用,例如租金、公用事业费用、汽车还款、保险费等等。每月存钱或取款的时间没有明显的规律可言。不用储蓄账户或保险箱业务。支取现金比使用支票的比例明显高出很多。


毫无疑问,事发后总结恐怖分子的银行业务特点,要比事发前弄清楚恐怖分子的银行业务特点容易。而且,这 19 个人—生活在美国、接受如何劫持航班训练的外国人—的行为特征,不一定就与其他恐怖分子(例如土生土长的伦敦自杀式人体炸弹) 的行为特征一致。


此外,我们过去用数据识别违规欺诈行为所选取的目标群体中,舞弊、欺诈的比例相对较高。但在本例中, 涉及的目标群体规模庞大(仅霍斯利工作的这一家银行就有数百万的客户),而潜在恐怖分子的数量却少之又少。


我们假定,或许你能够开发出一种算法,准确率高达 99%, 同时假定英国有 500 个恐怖分子,那么这种算法可以准确地识别出 495 名恐怖分子(即 99%)。然而,在英国,大约有 5000 万成年人与恐怖主义扯不上任何关系,而且那种算法也会错误识别 1% 的群体,也就是 50 万人。最后,这个准确率为 99% 的了不起的算法,会弄出太多“假阳性”结果—当 50 万名无辜的英国人因涉嫌从事恐怖活动被安全部门强行带走时,他们完全有理由义愤填膺。


当然,安全部门也没法应对如此庞大的工作量。如果你想要缉拿恐怖分子,那么 99% 的准确率离令人满意的标准还相差甚远。


如何判断谁是恐怖分子?


2005 年 7 月 7 日,4 个自杀式人体炸弹袭击伦敦,1 个在拥挤不堪的公交车上爆炸,3 个在伦敦地铁里引爆,总共夺去 52 条人命。“就我个人而言,此番袭击让我悲痛至极。”霍斯利回忆说, “当时,我们才刚开始实施识别恐怖分子的项目,事发后,我就在想,如果早几年就启动这个项目,我们能阻止这次袭击吗?”


“7· 7”爆炸案中的自杀式人体炸弹留下了一些银行数据,但不是很多。然而,在接下来的几个月中,大批形迹可疑的人被英国警方逮捕—这为我们开展恐怖分子识别项目帮了一个大忙。无可否认,没有一个人被证实是恐怖分子,其中大多数人根本就不会以任何罪名被定罪。但是,既然他们与恐怖分子的特征如此吻合,并因此遭到抓捕,那么或许我们可以利用他们的银行业务习惯创建一个实用的算法。碰巧的是,其中有 100 多名恐怖主义嫌疑人就是霍斯利工作的银行的客户。


这个程序要分两步走。首先,汇总这 100 多名嫌疑人的所有可用资料,然后根据他们不同于其他普通人的行为特征,创建一个算法。一旦算法得到最佳调整,就可以用来从这家银行的数据库挖掘信息,识别出隐藏的罪犯。


鉴于英国正在打击伊斯兰宗教激进分子,不再针对爱尔兰游击队,所以被捕的嫌疑人中一定有用穆斯林姓名的。后来证明, 穆斯林姓名是这种算法中最明显的人口统计特征。如果一个人既没有穆斯林姓,也没有穆斯林名,那么这个人是恐怖主义嫌疑人的概率仅有五十万分之一。如果仅有穆斯林姓或穆斯林名,那么其概率为三万分之一。然而,如果既有穆斯林姓又有穆斯林名, 那么其概率大幅上升为两千分之一。


潜在的恐怖分子绝大多数都是男性,而且年龄多在 26~35 岁。此外,他们极有可能:


• 拥有移动电话

• 是学生

• 租房,没买房


仅凭这些特征,几乎不能成为逮捕他们的理由。(这些特征描述几乎与我们的许多研究助理的行为特征都吻合,但我们十分肯定他们中没一个是恐怖分子。)但当我们把这些特征与穆斯林姓名放在一起时,那么即使这些特征再普通,也会提高上述算法的威力。


一旦考虑了上述因素,其他几个特征就无关紧要,不能用以识别恐怖分子。这几个特征包括:


• 就业状况

• 婚姻状况

• 住所距清真寺很近


住所毗邻清真寺、没有工作、单身的 26 岁男性是恐怖分子的概率,绝不会比住所距离清真寺 5 英里、有工作、已婚的 26 岁男性是恐怖分子的概率更高。这与一般看法竟然是截然相反的。


还有一些反面特征格外突出。数据表明,潜在的恐怖分子尤其不太可能:


• 开立储蓄账户

• 在星期五下午从自动取款机上取钱

• 投保人身险


穆斯林在每周五的下午要参加集体祷告仪式,因此周五不从自动取款机上取钱似乎是自然的。人身险这一特征则更有趣一些。假定你 26 岁,已婚,有两个孩子,那么从很大程度上说,投保人身险合情合理—万一你“英年早逝”,那么你的家人还能靠保险补偿金维持生计。然而,如果投保人自杀致死,那么保险公司是不会为此支付补偿金的。因此,一个想到某天可能会把自己炸上天的 26 岁的家庭户主,很可能不会把钱浪费在人身险上。


所有这些因素都间接表明,如果一个正在成长的恐怖分子希望掩盖自己的可疑形迹,那么他应该去开户银行,把自己账户的姓名改掉,要一点都不像穆斯林姓名的那种。而且,买几份人身险也不是坏事。霍斯利工作的那家银行就提供几种人身险,每月缴不了几个钱。


所有这些特征综合在一起,就很能说明问题——可借此创建一个理想的算法,对这家银行的整个客户数据库层层筛查,最终锁定数量相对较少的潜在恐怖分子群体。


这是一张很严密的网,但还可以拉得更紧。最终使这个算法表现出色的是最后一个特征,它赋予这个算法无与伦比的威力。基于国家安全的考虑,该银行要求我们不要公开该特征,我们就称之为 X 变量吧。


是什么使 X 变量如此特别呢?首先,它是一个行为特征,不是人口统计特征。各地反恐部门梦寐以求的是,能在某天变为一只苍蝇,趴在恐怖分子房间的墙上。如今,对算法略做调整(但意义重大)之后,X 变量就让反恐部门的梦想成真了。与这种算法中其他许多特征不同的是,X 变量测算的是客户群某种特定的银行业务活动的频率。普通人也会存在这种行为(并不罕见),只是频率较低;但是,在具备恐怖分子其他特征的群体中,出现这种行为的频率要高很多。


正是这个特征赋予了上述算法巨大的预测威力。用这个算法分析覆盖数百万银行客户资料的数据库,霍斯利能生成一个包括嫌疑极大的 30 个用户的名单。根据他较为保守的估计,在这 30 个嫌疑人名单中,至少有 5 人肯定参与了恐怖主义活动。从 30 个人中找出 5 个,还并不完美—因为这种算法漏掉了很多恐怖分子,而且错误地识别了不少无辜者—但是,这绝对要比从 500495 个人中确定 495 个人的情况好多了。


截至本书写作之时,这份 30 人名单已被霍斯利传给上司,随后又被其上司递交给相关部门。霍斯利的工作已经完成,现在该他们出场了。考虑到这个问题的性质,霍斯利可能永远无从确定他是否做得够好,读者朋友也更不太可能看到他成功与否的直接证据,因为并没有发生的恐怖主义袭击无法得到验证。


然而,或许在不久后的某一天,当你坐在英国的一家酒吧里, 不经意地发现离自己近在咫尺的地方,坐着一个陌生人,平和朴实,沉默寡言。你和他喝了一杯,又喝了一杯,随后又喝了第三杯。这时,他开始说上几句了,几乎是局促不安地提到,最近他被授予了爵位,现在叫伊恩 · 霍斯利爵士。他不能随意谈及与他受封爵位有关的事迹,只能告诉你,这与防止公民社会免遭坏人破坏有关。听到他为社会做出巨大贡献,你为了深表感谢,又请他喝了一杯,随后又是几杯。最终,酒吧打烊关门,你们两人东倒西歪地晃出大门。之后,在他正要朝光线暗淡的小巷中走去的时候,你突然想到了一个微不足道的方式,可略微报答他所做的贡献。于是,你把他又拉了回来,招呼了一辆出租车,把他塞进车里。因为,请记住,朋友不会让朋友醉酒后步行。


本文来自微信公众号:冯仑风马牛(ID:fengluntalk),作者:[美]史蒂芬·列维特、[美]史蒂芬·都伯纳