Как распознать будущего банкрота

Как распознать будущего банкрота

Рассмотрим метод распознавания хрупкости – философский камень наоборот. Мы изучим этот метод на примере гигантского ипотечного агентства Fannie Mae, спонсируемого правительством США. Fannie Mae – та самая корпорация, коллапс которой лишил американских налогоплательщиков сотен миллиардов долларов (увы, сумма убытков продолжает расти по сей день).

В 2003 году Алекс Беренсон, журналист The New York Times, пришел ко мне в офис с секретными отчетами о финансовой уязвимости Fannie Mae. Отчеты Беренсону передал некий отступник из числа служащих компании. В отчетах описывалась методология расчета риска, доступная только инсайдерам; Fannie Mae сама занималась расчетами риска и предоставляла общественности и другим структурам лишь те данные, которые считала нужным обнародовать. Но отступник позволил нам изучить непосредственно методику, которая использовалась агентством при расчетах.

Мы изучили отчеты: если коротко, изменение экономических показателей в одну сторону вело к огромным убыткам, в другую – к маленькой прибыли. Если показатели менялись очень сильно, убыток становился фантастическим, а прибыль – совсем крошечной. Выглядело все ровно так, как в истории с камнем, которую иллюстрирует рис. 9. Возрастание ущерба было очевидно – и оно было чудовищным. Мы сразу поняли, что краха не миновать: риск Fannie Mae был чрезвычайно «вогнутым», точно график дорожных пробок, изображенный на рис. 14: как только экономические показатели выходили за рамки узкого «коридора», убыток начинал расти со страшной силой (мне даже не нужно было знать, о каких показателях идет речь; хрупкость такого масштаба в отношении единственной переменной подразумевает хрупкость в отношении всех остальных параметров). Мои чувства отозвались прежде интеллекта: я ощущал острую боль, когда просто смотрел на цифры. Речь шла о суперхрупкости – и, спасибо Беренсону, газета The New York Times представила мою точку зрения. Какое-то время меня поливали грязью, однако в целом никто ничего не заметил. Я успел назвать пару ключевых героев истории шарлатанами, и они, естественно, этому не обрадовались.

Нелинейное куда больше подвержено влиянию исключительных событий, но такие события никого не интересовали, потому что у людей в мозгах выстроен психологический барьер.

Я продолжал твердить всем, кто готов был меня слушать, включая случайных таксистов (ну, почти), что корпорация Fannie Mae сидит на бочке с динамитом. Разумеется, катастрофы не случаются каждый день (скверно построенные мосты тоже рушатся не сразу), и мне говорили, что я неправ, что мое мнение ни на чем не основано (мол, акции Fannie Mae растут – и еще что-то столь же обтекаемое). Я сделал вывод, что другие институции, почти все банки, пребывали точно в таком же положении. Разузнав, как обстоит дело в аналогичных структурах, я осознал, что проблема везде одна и та же – и что полный коллапс банковской системы неминуем. Я был настолько уверен в своих выводах, что потерял контроль над собой и вернулся на фондовые рынки, дабы отомстить индюшкам. Как говорит персонаж третьего «Крестного отца»: «Только я подумал, что выбрался, как они затащили меня обратно».

Все случилось так, как того хотели боги. Fannie Mae обанкротилась вместе с другими банками. Это случилось чуть позже, чем я предполагал, – ну так что же?

В одном я сглупил: в тот момент мне не удалось увидеть связь между финансовой хрупкостью и хрупкостью, да и само слово «хрупкость» я не использовал. Возможно, мне следовало чаще глядеть на фарфоровые чашки. Впрочем, благодаря заточению на чердаке у меня появилось мерило хрупкости, а значит, и мерило антихрупкости тоже.

Сводится оно к следующему: нужно понять, насколько наши просчеты или ошибочные предсказания в конечном счете нам повредят или, наоборот, какую они принесут нам пользу – и как будет расти ущерб. Ровно как в истории с царем, когда вред от камня весом 10 килограммов больше чем в два раза превышает вред от камня весом пять килограммов. Если ущерб нарастает нелинейно, значит, большой камень в конце концов убьет человека. Точно так же значительные колебания на рынке могут в итоге убить компанию.

Когда я осознал, что хрупкость напрямую связана с нелинейностью и эффектом выпуклости, который поддается измерению, я был вне себя от радости. Этот метод – распознавание возрастания ущерба – применим ко всем случаям, когда решение принимается в условиях неопределенности, а также к управлению риском. Самое любопытное применение он находит в медицине и технической сфере, однако нуждается в нем прежде всего экономика. Я предложил Международному валютному фонду измерять хрупкость, а не риск, потому что расчет риска ничего не значит. Большинство специалистов по управлению риском понимают, что их модели работают плохо (и если попадают в яблочко, то случайно), но совет, который я давал прежде – «не используйте эту модель», – им не нравился. Они хотели чего-то взамен. До тех пор они измеряли только риск[93].

Взамен я предлагаю следущий метод. Простое эвристическое правило, которое я буду называть правилом определения хрупкости (и антихрупкости), работает следующим образом. Пусть вы хотите выяснить, не слишком ли оптимизировано движение транспорта в городе. Вы производите замеры и узнаете, что когда трафик возрастает на 10 тысяч машин, время поездки увеличивается на 10 минут. Но если трафик возрастает еще на 10 тысяч машин, время увеличится еще на полчаса. Такое возрастание трафика показывает, что транспортная система хрупка, а значит, в городе слишком много машин – и следует уменьшать трафик до тех пор, пока его возрастание не станет умеренным (возрастание чего бы то ни было – это, повторю, эффект сильной вогнутости, или негативной выпуклости).

Аналогичным образом дефицит госбюджета очень сильно вогнут относительно изменения экономической ситуации. Каждое последующее изменение, например, уровня безработицы – особенно когда власти залезают в долги – делает бюджет более уязвимым, и уязвимость эта растет быстрее, чем уровень безработицы. Тот же эффект наблюдается и с финансовой зависимостью компании: при ухудшении положения фирмы вам нужно занимать все больше и больше денег. Практически это финансовая пирамида.

То же самое касается зависимости хрупкой компании от продаж. Если продажи вырастут на 10 процентов, прибыль вырастет меньше, чем на 10 процентов; если продажи упадут на 10 процентов, компания понесет убыток больше 10 процентов.

Интуитивно используя очень похожую методику, я обнаружил, что Глубокоуважаемая Компания Fannie Mae ковыляет на кладбище – ну а вывести на этом примере практическое правило было нетрудно. МВФ принял мою методику. Она казалась простой, такой простой, что «эксперты» поначалу заявляли, что она «тривиальна» (это говорили те, кто ни разу не сумел распознать риск, – ученое сообщество и спецы по квантитативному анализу презирают то, что могут понять слишком легко, а все то, что придумали не они, сводит их с ума).

Следуя чудесному принципу, согласно которому глупость других служит нашему развлечению, я пригласил своего друга Рафаэля Дуади совместно написать статью, где та же самая простая идея была бы выражена сложными формулами и невразумительными теоремами, над которыми профессионал будет ломать голову полдня. Мы с Рафаэлем и Брюно Дюпиром на протяжении почти двух десятков лет дискутируем о том, как профессионал в области опционов может распознать всякое явление, подверженное риску – подчеркну: всякое, – максимально ясно и точно. Мы с Рафаэлем доказали существование связи между нелинейностью, неприятием переменчивости и хрупкостью. Заодно мы убедились в том, что если автор простой концепции представит ее в виде сложных теорем, его примут всерьез, пусть запутанные уравнения и не прибавляют ничего к основной идее. Ученые отреагировали на нашу статью очень положительно; нам сказали, что наше простое эвристическое правило «разумно» (это были те же самые, кто раньше говорил, что идея тривиальна). Беда в том, что математика вызывает привыкание.

Данный текст является ознакомительным фрагментом.