Home » Epistemología » El Quant Arrepentido

El Quant Arrepentido

Un Directivo y su fiel quant, conspirando para aumentar el riesgo de sus clientes sin que lo noten.

(Programa de radio “Tu dinero nunca duerme“, en el que participé hablando, entre otras cosas, del peligro de los quants)

Un quant es alguien que quería construir puentes, pero descubrió que la hipoteca se paga más fácilmente sentado en una gris oficina de banco. El término viene del inglés quantitative analyst, o analista cuantitativo (por aquello de que “calcula y cuantiza” cosas).

Se trata de una especie relativamente moderna en el ecosistema financiero, antaño dominada por abogados y economistas tradicionales. Y aunque siempre ha habido actuarios y gente preocupada por medir y valorar con precisión, fue durante los años ‘90 cuando de verdad empezaron a crecer como champiñones dentro de las entidades financieras de todo el mundo.

Para los directivos de dichas entidades —cada vez más arrogantes y cortoplacistas ejecutivos con su MBA tatuado en la frente—, la llegada de los quants fue recibida como agua de mayo. Buscaban una manera de aumentar sus bonus de fin de año, y sólo veían tres formas de conseguirlo. Despidiendo gente, vendiendo más, o asumiendo más riesgos (con el dinero de los clientes, claro) .

Lo de vender más, si eso ya tal… Lo de despedir gente, su especialidad. Así que, ¿cómo se puede justificar asumir más y nuevos riesgos? Aquí es donde llegaron los quants para salvar la papeleta: “Aumentemos el riesgo, pero decorándolo para que parezca que lo reducimos”. ¿Es posible tal alquimia? Sería encontrar el Santo Grial de la gestión corporativa. ¿Cómo? Con la ayuda de los quants. Que escondan los riesgos debajo de toneladas de exóticas ecuaciones que (casi) nadie entienda; todos aceptarán los nuevos niveles de riesgo comprometidos por la entidad, y todos felices. Así, los quants sirvieron la solución buscada en bandeja: quedaba “demostrado matemáticamente” que eran riesgos controlados, acotados, perfectamente “asumibles” y convenientes tanto para el cliente como para la casa.

El siguiente paso es envolverlo todo en una burocracia corporativa elefantiásica. Se empieza creando un Departamento de Riesgos y otro de Derivados y Estructurados. Se inyecta una docena o dos (cuantos más, mayor credibilidad) de Doctores en Física, Matemáticas y algún ingeniero despistado que pase por la acera de en frente. El Departamento de Derivados y Estructurados, junto con el de Diseño de Producto y Marketing, se inventa entonces el producto Supercool Enhanced Blockchain 2.0 —tras el visto bueno del Departamento de Compliance—, y se solicita el correspondiente informe de riesgos asociado a una entidad externa también hipertrofiada con quants y abogados para que acaben diciendo lo mismo.

A los directivos se la repanfinfla si dichas medidas e informes tienen sentido o no —por algo son una población repleta de psicópatas. Les da igual si están vendiendo algo peligroso con apariencia de seguro o no. Con que lo parezca y sean aprobados por el Departamento Legal, les sirve para dar su autorización y ordenar su distribución masiva al Departamento de Ventas. Se diseña entonces una campaña publicitaria de impacto bien molona y el tren se pone en marcha. A vender (preferentes, amarillos, garantizados, CDS, CDOs, CPPIs, CoCos, y cualquier combinación de letras que suene bien) que son cuatro días y llevamos ya tres sin un crash.

La jugada fue —y sigue siendo para altos ejecutivos y políticos— redonda: “Si me sale bien la jugada, me forro porque yo lo valgo y soy el más listo. Y si revienta, si arruino a miles de personas o dejo sin empleo a cientos, total yo ya no estaré aquí. Siempre puedo excusarme con que aquello fue un ‘evento 25-sigma’ que nunca tendría que haber ocurrido porque “era imposible que ocurriese”. Como se ve, ausencia total de Skin in the game y asimetría total para beneficio de unos pocos poderosos.

Un quant arrepentido

Lo confieso, yo fui un quant. Hubo una época en la que me pagaban por sacarle un numerito a las carteras (VaR), o por estimar lo que valía “en teoría” un derivado o estructurado que había que colocar al cliente de turno. Utilizaba paradigmas y ecuaciones que ya se sospechaba no eran correctas (por lo menos desde el desastre del LTCM en 1998), pero sí legales y aceptadas por la industria (que es al final lo que cuenta) y el mundo académico (si no, ¿qué iban a publicar?).

Como la mayor parte del tiempo nunca pasa nada en los mercados —a pesar del ruido inútil con el que nos torturan los medios—, uno llega a acostumbrarse y hasta creer que está haciendo algo útil y valioso. Pero nada más lejos de la realidad.

Un día llega un 2008 (algo que suele suceder una o dos veces por década) y el castillo de naipes se desmorona. Lo que nunca podía suceder, ocurre.

(En vez de contar otra vez lo que pasó con aburridas descripciones de cómo la quiebra de un producto fue tirando de otro hasta arrastrar a todo el sistema financiero, recomiendo dos películas para hacerse una idea. Las que, a mi parecer, mejor han sabido reflejar lo que pasó alrededor del 2008: Margin Call, y La Gran Apuesta (The Big Short)).

¿Cómo pudo suceder ese desastre? ¿No se supone que las matemáticas son precisas y exactas? ¡Claro que son exactas y precisas! Las matemáticas te van a contestar siempre con exactitud en función de las hipótesis y simplificaciones de las que partes.

De esto ya se dio cuenta Benjamin Graham cuando avisó (en su eterna y siempre revisable obra de 1949, The intelligent Investor) de que la combinación de fórmulas exactas con supuestos dudosos permite obtener, o más bien justificar, prácticamente cualquier estimación deseada. O más brevemente: la matematización de la gestión permite transmutar especulación en aparente inversión.

En otras palabras, lo que hacen los modelos matemáticos es dibujarnos un mapa del mundo basado en ciertos supuestos y simplificaciones de la realidad. Pero un mapa, por “molón” que sea y admiración y respeto que provoque, no puede contener nunca a toda la realidad. Todo va bien mientras esa representación de la realidad se corresponde con lo que ocurre. Pero cuando la realidad empieza a divergir de nuestros mapas, ¿qué hacemos? Si estamos conduciendo por una zona desconocida, ¿hacemos caso al GPS del coche que nos dice girar a la derecha (donde hay un barranco), o a nuestros propios ojos?

La industria de la inversión tiende a hacer más caso del GPS (a sus modelos matemáticos) que de sus propios ojos, pues atender a la realidad sin el filtro de los modelos matemáticos implicaría tener que renunciar a sus bonus del año próximo (“¡antes muertos!” llegué a oír decir). Si el modelo dice que un evento sólo tiene una probabilidad de ocurrir 1 vez cada 20.000 años (el “evento 25-sigma”, como lo bautizó el quant-jefe de Goldman Sachs en 2008), pues es que entonces “no hay peligro”, y adelante…

El problema no está en la matemáticas, que son simplemente una herramienta. El problema está en cómo se utilizan y los marcos conceptuales en los que vive una industria con incentivos perversos, en la que al final una de dos: o ganan ellos o perdemos los demás.

Y vaya que si perdemos… no sólo con la intensificación de las crisis y recesiones que estos productos tóxicos producen, que acaban afectando la vida de millones de personas. Sino también la cantidad de físicos, matemáticos e ingenieros que dejaron y dejan de hacer puentes, de explorar el problema N vs NP, de indagar en la energía oscura o en los océanos de Encélado. Todo para satisfacer la avaricia sin límites de unos banksters a los que nunca les preocupó, ni les preocupa, qué pasa con el cliente final.

Resonancias filosóficas

A parte de la mala utilización de una herramienta neutral, surge una pregunta mucho más profunda: ¿Cómo es que el empirismo y las matemáticas funcionan tan bien para construir puentes o lanzar naves al espacio, pero acaban siendo tantas veces catastróficos a la hora de invertir?

Una posible respuesta es que se trata de un problema de falta de talento. Esta forma naïf de pensar se basa en la falacia (habitual entre políticos profesionales y altos directivos) de que si un problema es difícil, basta asignar más talento y medios para resolverlo.

Desgraciadamente el mundo no funciona así. Hay tipos de problemas en los que cuanto más inteligencia y más medios se destinen, mejores serán los resultados (por ejemplo en Física, Ingeniería, y en general en las ciencias llamadas “duras”). Pero hay otros tipos de problemas en los que, una vez superado cierto umbral, aportar más talento y medios no se acompaña de mejores resultados. La economía y los mercados pertenecen, desafortunadamente, al segundo tipo.

“Si tienes un CI de 150, vende 30 puntos a otra persona. Necesitas ser inteligente, pero no un genio: Invertir no es un juego donde el jugador con un CI de 160 supera al que tiene 130. La racionalidad es esencial”.
—Warren Buffett.

El problema es pues mucho más profundo de lo que aparenta a simple vista. Se trata de una diferencia epistemológica fundamental entre un tipo de problema y otro. Es decir, de dónde están los límites de lo que podemos y no podemos conocer. En el mundo físico, el método empírico-inductivo funciona de maravilla. Si el sol sale por el este todos los días, puedo confiar (y apostar o invertir con seguridad) a que seguirá haciéndolo mañana también (o en términos físicos; confiamos en que la ley de la gravedad va a continuar existiendo tal y como la conocemos en el futuro).

Pero, ¿ocurre lo mismo con los mercados? Si detectamos una propiedad persistente en los mercados (una cierta distribución de probabilidades, unas correlaciones, unas repeticiones cíclicas, unas desviaciones del paseo aleatorio, etc.), ¿podemos confiar en que seguirá repitiéndose en el futuro?


Humanos en Atocha siendo observados y modelizados por extraterrestres empíricos.

El genial Ludwig von Mises ya contestó a esta pregunta con un sencillo gedankenexperiment. Imaginemos que unos extraterrestres que nunca han conocido nuestro planeta (ni sus habitantes) tienen acceso de repente a una de las cámaras de seguridad de la estación de trenes de Atocha. Observan una gran concentración de gente por las mañanas y por las tardes en periodos de 5 días, separados por periodos de menor afluencia de 2 días. A los pocos meses, deducen el patrón persistente de que a los humanos nos da por apretujarnos allí todas las mañanas de los días laborables. Incluso explicitan una “Ley humana” basada en su observación empírica, con su propia distribución de probabilidades y momentos derivados para poder elaborar descripciones tan complejas y precisas como se desee.

Pero inesperadamente un jueves cualquiera, cuando su ley predecía que la estación de Atocha iba a volver a llenarse de gente por la mañana, aparece prácticamente desierta. Resulta que ese año el día de Navidad caía en jueves.

Los extraterrestres no entienden nada. ¿Por qué su modelo ha fallado? Los más empíricos de entre los extraterrestres defienden que es porque necesitaban una muestra estadística mayor, o porque no habían recalibrado suficientemente, o porque no estaban teniendo en cuenta otras variables que no se habían explicitado (observables) hasta hoy.

Pero el problema, como apuntó Mises, es mucho más profundo. La confusión de los extraterrestres proviene de ignorar que esas “partículas” aparentemente tan regulares durante ciertos períodos de tiempo no son partículas con idénticas propiedades, sino personas con libre albedrío. Qué si bien pueden decidir organizarse ordenadamente, está en su potencialidad cambiar de decisión cuando así lo consideren.

Esto es algo que un electrón, o una partícula de gas, no puede hacer. Por eso el estudio de la acción humana en los mercados y la inversión nunca puede equipararse a una Termodinámica de los gases, como sueñan muchos quants y economistas keynesianos (los más) aún hoy en día. A diferencia de la interpretación que la Física Estadística hace de la Termodinámica de los gases a partir del comportamiento agregado de partículas individuales con idénticas propiedades, aumentar el número de personas en agregados no implica necesariamente que sea posible su predicción agregada. Pues aunque en ciertas condiciones particulares y extremas los agregados humanos pueden modelizarse desde una perspectiva econofísica de manera análoga a como lo hace un gas o fluido (p.e. períodos de pánico comprador o vendedor en los mercados), la incertidumbre de cuándo y durante cuánto tiempo permanecerá el grupo humano bajo una dinámica homogénea pasajera nos devuelve a una inevitable incertidumbre práctica a la hora de invertir para el largo plazo.

La inversión es a la vez un arte y una ciencia. No se trata de una carrera espacial o construir el primer chip de 5 nm. La inversión requiere reflexión y duda metódica, escepticismo sobre las hipótesis subyacentes que muchos (especialmente dentro de la industria) dan por ciertas sin pensarlo dos veces. Cómo bien resume un amigo mío profesor de Inteligencia Artificial, quien tiene un martillo, sólo ve clavos.

En conclusión, la validación empírica de nuestros modelos o estrategias de inversión es condición necesaria, pero nunca suficiente garantía de su éxito futuro al invertir. La razón es que el comportamiento humano en los mercados no puede caber nunca en un modelo matemático, por sofisticado que sea y por muchos medios que se le dedique a su desarrollo. Los medios y el esfuerzo que muchas gestoras le dedican a aportar presuntamente valor aumentando la complejidad son un callejón sin salida que, tarde o temprano, suele terminar en algún tipo de catástrofe —siempre imprevista, claro— que acaban pagando siempre los mismos: el inversor que acude atraído por los cantos de sirena de genios y productos imposibles, pero en última instancia en contradicción con la naturaleza fundamental de los mercados financieros. Y es que en entornos impredecibles como los mercados, la simplicidad gana a la complejidad en el largo plazo.


3 comentarios

  1. Es el primer artículo que leo en este blog. Me ha gustado mucho, especialmente la descripción del funcionamiento de los incentivos perversos. Y sus efectos asimétricos y catastróficos. Aunque parezca mentira, se sigue utilizando el VaR hoy en día. Increíble. Gracias y saludos cordiales.

  2. También es mi primer artículo que leo y le puedo asegurar que no será el último , felicidades por su participación en +D , un coloquio excepcional ,gracias.

Leave a comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

@inversobrio

“Ser conscientes de lo poco que podemos saber sobre el futuro, unido a la aceptación de nuestra propia ignorancia; son las armas más poderosas de todo inversor.”  —Benjamin Graham

Te aviso del próximo post

Últimos twitts