La letra chica que Wall Street no vé

A veces se escuchan frases del estilo de: “invertir en la bolsa es como el casino, nunca se sabe que puede pasar”. Esto parece la anticuada opinión de personas con poco conocimiento financiero. Aunque es cierto que hay un riesgo inherente, o shocks no pronosticables que pueden desestabilizar y destruir inversiones, el estudio de los precios, la correlación de variables y el modelado han hecho que la inversión en la bolsa sea cada vez menos  un juego del azar. Sin embargo un exceso de confianza en ellos puede ser igual o más peligroso.

Wall Street ha estado siempre ávido de fórmulas creadas por genios matemáticos, que se pueden aplicar para pricear securities o establecer riesgos. Y lo hacen porque estos modelos le simplifican la vida a todos, y al incluirlos hasta en las mas corrientes de las calculadoras financieras se esta logrando poner más conocimiento y opciones al alcance de más gente.

Hace poco mas de tres década el modelo de Black and Scholes para pricear opciones europeas, pasó de un paper académico a una herramienta milagrosa que asignaba un valor a contratos que se vendían y compraban en el mercado. Esto dió luz verde al negocio de los derivados que creció exponencialmente y siguió creciendo hasta limites peligrosos. El modelo toma como referencia el movimiento de las partículas al azar (Brownian Motion) y lo asocia con movimientos en los precios del subyacente. Este tenía también un serie de asunciones importantes que no debieron ser obviadas; pero al fin y al cabo lo que hacía era simplificar una complicada realidad y darle un valor a algo que antes casi nadie sabía como determinarlo.

Pero este modelo mostró sus debilidades en el increíble final de Long Term Capital Managment. Este fondo de inversión que tenía algunas de las mentes más brillantes (incluyendo a Myron Scholes y Roert Merton) creaban retornos de 40% anuales, con poca volatilidad, usando arbitraje y opciones. Su espectacular crecimiento fue empañado por la caída de igual magnitud, ya que su fé en el modelo de B&S y el uso sin restricciones de opciones logró que en 1998 LTCM (que en ese momento tenía un debt to equity ratio de 50:1) tuviera que ser rescatado por la FED por $4600 millones.

En la crisis financiera actual, hay otro modelo estrella conocido como Gaussian-Copula function, del que Wired publicó un artículo este mes, que tiene algo de la culpa de lo que esta pasando; bueno en realidad no el modelo, sino las personas que decidieron utilizarlo de manera inadecuada.  Creado por David X. Li, éste también simplifica una compleja realidad en algo que se creía era bastante exacto. Utilizando el precio de los credit default swap (CDS – un tipo de derviado) evaluaba riesgo de una manera bastante directa y sencilla, en lugar de lidiar con las miles de variables que afectan el riesgo de default. Esta simplificación fue súper útil y es por eso que se volvió tan exitosa, pero asume que los mercados financieros le otorgan un precio correcto al riesgo de default (se supone que si el riesgo de default de cualquier papel aumenta, el retorno del mismo debe aumentar para compensarlo, en el caso de un bono sería una caída en el precio por ejemplo).

Wired

El problema es que los mercados financieros no son tan eficientes como quisíeramos que fueran, es fácil que se mueva por humores financieros o por “animal spirits” y que el valor de las securities no sea por momentos el verdadero. Prueba de esto son las burbujas que cada tanto hacen POP. Mirar sólo los precios de los CDS es un error de por sí grande, aunque el intento de simplificar las cosas es válido, porque intentar evaluar, por ejemplo, como se correlacionan todas las variables que hacen que una persona pueda pagar su hipoteca o no a fin de mes, y como cambian estas continuamente sería un trabajo bastante difícil.

Usando la formula de Li, las agencias que evalúan riesgo, podían decir que tan probable era que una seria de créditos defaulte. Pero esta fórmula no puede definir el riesgo de algo tán complicado como el pago de miles de hipotecas, donde a cada una la afectan miles de variables cuya correlación cambia todo el tiempo (no existen maturities fijas). Menos aún debería poder evalauarse el riesgo usando sólo el precio final de los CDS. Además usando algo que se llama tranching los financistas se dieron cuenta que podían dividir los pools de préstamos hipotecarios para calificarlos de seguros a poco seguros y asignarle un retorno acorde y crear papeles conocidos como CDO (Colletarilized debt obligation). Con esta fórmula permitía que se califique como triple A, CDOs que tenían activos subyacentes que era muy riesgosos, en este caso los mortgages otorgados a personas con dudoso poder de repago.

La incorrecta aplicación y masificación de este modelo, y el no prestar atención a la letra chica del mismo, es uno de los grandes culpables de que se haya caído el multi-millonario mercado de los CDO, iniciando la crisis actual. Las consecuencias del mal uso de los avances que dan los cracks académicos, y su adaptación sin tener en cuenta sus simplificaciónes o limitaciones intrínsecas, esta generando grandes problemas, y como vemos no es la primera vez.

Aunque las caída de LTCM fue gigante, no se compara a lo que estamos viviendo y lo que vendrá. Los paralelismos actuales a 1930 nos hace pensar que estamos entrando en un pozo del cual no nos va a ser fácil salir. Pero debemos evitar dejarnos llevar demasiado por la simplicidad y efectividad de algunos soluciones matemáticas que facilitan las cosas y permiten ganar mucho dinero. Ya es tarde para llorar por la leche derramada, pero ya que estamos aprendiendo por las malas, se debería tener en cuenta esto para evitar caer en problemas similares. Aunque no soy un creyente de la excesiva regulación (si de la regulación inteligente), la SEC podría tomar nota de esto y tomar cartas en el asunto cuando vea que algunos mercados de derivados crezcan desproporcionadamente utilizando métodos potencialmente peligrosos.

Como ya pasó muchas veces, se han creado gigantes que dejan una gran huella al caer. A veces es por exceso de ambición, a veces por errores en los métodos usados, pero lo importante es que aprendiendo de estos errores, e idealmente iterando lo menos posible, se pueda llegar a mercados eficientes que se dejen llevar menos por la conducta de las masas y mas por hechos y argumentos sólidos, y por modelos que se van perfeccionando con el tiempo. Es necesario no crear un fé ciega en ellos y lograr que resistan los más severos y constantes planteos, de esta manera probarán su verdadera útilidad. No hay que olvidarnos que los modelos son lo mejor que tenemos, la alternativa sí sería un  juego de azar, pero eso no quiere decir que estén completamente bien, o que no vayan a venir mejores. Sólo hay que tener en cuenta que no son la verdad absoluta y así podríamos evitar caer tan fuerte como se lo estamos haciendo hoy.