droblo
Administrator
(resumen de un texto de SAM JONES)
En 1984, Robert Rubin, el mismo que una década después habría de convertirse en secretario del Tesoro de EEUU, tomó una audaz decisión para la empresa en la que trabajaba, el banco de inversiones Goldman Sachs, contrató a Fischer Black, economista y académico del Instituto Tecnológico de Massachusetts, el reputado MIT y fue pionero en el empleo de las matemáticas en el intento de generar dinero e inauguró lo que se dio en llamar 'finanzas cuantitativas', que consistían en intentar ser más listos que los propios mercados utilizando las matemáticas para calcular –y pretender eliminar– los riesgos. Muchos especialistas en física de las partículas, en mecánica cuántica o en ingeniería informática siguieron los pasos de Black y se volcaron a aplicar sus habilidades a las finanzas.
En aquellos años una reducida banda de matemáticos y estadísticos procedentes de la Universidad china de Nankai acabarían licenciándose en Administración de Empresas en la Laval University de Quebec. La idea era que, una vez estudiado el capitalismo, regresaran a China.
Xiang Lin Li, el más brillante de aquellos alumnos, decidió quedarse en Occidente. Cambió su nombre, convirtiéndose en David Li, y se matriculó en una nueva universidad, la de Waterloo, muy cerca de Toronto, donde estudió Ciencias Actuariales. En 1997, tras haberse doctorado en Waterloo, consiguió un puesto en uno de los mayores bancos de Canadá, el Canadian Imperial Bank of Commerce (CIBC), y un año después, en 1998, llegó a Nueva York para trabajar en la consultora RiskMetrics Group, una firma que se había independizado de su matriz, la banca JP Morgan.
Durante el verano de aquel mismo año, Long Term Capital Management, un hedge fund presuntamente dirigido por las mentes más agudas de las finanzas cuantitativas, requirió una intervención masiva del Gobierno federal. Dejó un agujero de 3.000 millones de dólares, pero el descosido no sirvió como advertencia de que los modelos matemáticos podían poner a los inversores en problemas muy serios y de que el instinto de los operadores y la experiencia eran mucho más importantes que la inteligencia numérica.
Los cuánticos no quedaron fuera del parqué. Y, como uno más de ellos, David Li pasaba los días redactando documentos, haciendo números y aplicando sus conocimientos académicos a los negocios. Hasta que, en el año 2000, publicó un trabajo en el prestigioso Journal of Fixed Income que se hizo merecedor de la atención general.
En dicho documento, Li sacaba a escena el más elegante de sus trucos. Aprovechando su trabajo y su experiencia en el campo actuarial, y particularmente sus conocimientos sobre el síndrome del corazón roto, intentaba solucionar uno de los problemas más irresolubles para los cuánticos: el de la correlación existente entre incumplimientos de las obligaciones de pago.
El principal problema con que se encontraban los cuánticos era que los mercados financieros no funcionan como laboratorios, es decir, completamente aislados del resto del mundo. Los mercados están muy vinculados entre sí, correlacionados, asociados. Para que los modelos científicos funcionen verdaderamente al aplicarlos a los mercados, no basta con conocer la probabilidad de que una compañía tenga en su cartera activos deteriorados. También hay que saber en qué medida la bancarrota de una empresa –o de varias– puede incrementar –o reducir– la probabilidad de que otras compañías no puedan hacer frente a sus compromisos de pago.
Supongamos, por ejemplo, que un banco presta dinero a una granja lechera y a una tienda de derivados lácteos. La granja, según las agencias de evaluación de riesgos, tiene un 10% de probabilidades de quebrar, mientras que las de la tienda son de un 5%. Pero si es la granja la que se hunde, las posibilidades de que la tienda le siga los pasos ascenderían rápida y abruptamente si esa granja fuera su principal proveedor de lácteos.
Y la cosa es bastante más complicada. ¿Hasta qué punto pueden estar correlacionadas las probabilidades de incumplimiento de las obligaciones de pago de unos bonos o títulos de deuda emitidos por un granjero irlandés y los de una compañía de software de Malasia? Nada en absoluto, podríamos pensar. Ofrecen productos y servicios completamente diferentes y están geográficamente muy lejos uno de otro.
Sin embargo, supongamos que esas dos compañías han obtenido sendos préstamos de un mismo banco sumido en serios problemas que ahora les está reclamando la devolución de sus empréstitos.
De hecho, eso fue, exactamente, lo que hundió a LTCM. ¿Qué correlación podría existir entre los bonos emitidos por los gobiernos ruso y mexicano? De acuerdo con el modelo de LTCM, ninguno. Pero la crisis financiera que se produjo en Rusia en 1998, cuando el Gobierno de Boris Yeltsin incumplió los compromisos de pago adquiridos por la emisión de bonos, causó el pánico en las transacciones de México, adonde los inversores habían acudido rápidamente para intentar liberar de riesgos sus respectivas carteras.
Li sí había reparado en ello. Siete años después, hablando para el Wall Street Journal, dijo: "De repente, pensé que el problema que yo estaba intentando resolver como actuario era el mismo que aquellos chicos trataban de solucionar. El impago de un préstamo es como la muerte de una compañía".
En consecuencia, si él era capaz de adaptar a los mercados financieros las matemáticas que aplicaba al fallecimiento por corazón roto, habría dado con una forma de modelar matemáticamente el efecto que los impagos de una compañía puede tener en el incumplimiento de pagos por parte de otras. Cuando los matemáticos y los físicos quieren describir las posibilidades de que ocurran determinados hechos, a menudo recurren a una curva denominada cópula. Las cópulas conectan entre sí variables de tal manera que su interdependencia puede ser debidamente estudiada.
Durante su doctorado en Waterloo y su estancia en el CIBC, David Li siempre se había mostrado muy interesado en encontrar la forma de utilizar dichas cópulas en relación con los fallecimientos a causa del síndrome del corazón roto.
Hasta entonces, se usaban las cadenas de Markov, pero éstas describían una perspectiva demasiado mecánica, física –atómica, incluso–, de la vida humana. Li pensó que, mediante una cópula que mostrase una distribución probable de los resultados, se podría obtener una descripción más ajustada y global de un corazón roto. Y, de igual manera, de una compañía en quiebra.
Utilizó para ello un tipo estándar de curva –la cópula gaussiana o curva de campana– para, por medio de ella, poder hacer un plano y determinar la correlación existente en una cartera de valores dada. Los cuánticos podían ahora, gracias a las conclusiones de Li, describir las consecuencias que el impago de las obligaciones de pago de una empresa podrían tener sobre otra sin saber nada acerca de las propias compañías afectadas.
En otras palabras, operar en los mercados financieros podía quedar reducido a un mero ejercicio de hacer números.
En 2003, el trabajo publicado por Li ya se había hecho famoso en Wall Street. Por aquella época, Li era jefe global de investigación de derivados financieros de Citigroup. En la radiante mañana de un martes de noviembre, llegaba a la reunión anual del Congreso de Cuántica, un encuentro de luminarias de las matemáticas financieras, para disfrutar de la gloria con una presentación de su trabajo. Enfrente de una sala atestada de cientos de colegas cuánticos explicó ampliamente su modelo: la función de la cópula gaussiana en el incumplimiento de las obligaciones de pago.
Un nuevo fanatismo se había adueñado de la Bolsa neoyorquina: las finanzas estructuradas. Era la culminación de dos décadas de cuánticos trabajando en Wall Street.
La idea básica era simple: los bancos ya no tendrían que soportar riesgos nunca más. En su lugar, lo que hacían era evaluar dichos riesgos mediante modelos matemáticos, empaquetarlos y venderlos como cualquier otro título o valor normal y corriente.
Las hipotecas fueron el primer ejemplo. En lugar de constituir una hipoteca y cobrar unos intereses durante toda la vida útil de dicha hipoteca, los bancos comenzaron a hacer paquetes de diferentes préstamos y a vendérselos a compañías pantalla de su propiedad –pero fuera de balance–, especialmente creadas a tales efectos. Estas compañías, a su vez, emitían bonos para incrementar sus ingresos por caja.
Además, utilizando el modelo y los sistemas matemáticos que estaban generando a marchas forzadas los cuánticos, los bancos podían diseñar la estructura de sus carteras de hipotecas para asegurarse de poder emitir bonos de riesgos muy variados destinados a su adquisición por inversores de todos los perfiles.
El 10 de agosto de 2004, la empresa de calificación Moody’s incorporaba la fórmula de Li de la cópula gaussiana en relación con los incumplimientos de pagos a su propia metodología de calificación de obligaciones de deuda colateralizadas (CDO), unos instrumentos característicos de las finanzas estructuradas que con el tiempo habrían de convertirse en la auténtica Némesis de muchos bancos.
Hasta entonces, Moody’s había insistido con firmeza en la idea de que las mencionadas CDO tuvieran una composición diferente, es decir, que cada una de ellas estuviera integrada por diferentes tipos de activos (hipotecas comerciales, préstamos a estudiantes, deudas de tarjetas de crédito, deudas subprime...): el viejo adagio bursátil de que la mejor forma de protegerse ante el riesgo es evitar poner todos los huevos en la misma cesta...
La fórmula de Li, sin embargo, daba a Moody’s un modelo que le permitía calibrar la interrelación de los riesgos. Las buenas prácticas tradicionales podían tirarse tranquilamente por la ventana. El riesgo podía ser medido con una certeza matemática y no existía ya necesidad alguna de distribuir los huevos en cestas diferentes.
(sigue en la respuesta)
En 1984, Robert Rubin, el mismo que una década después habría de convertirse en secretario del Tesoro de EEUU, tomó una audaz decisión para la empresa en la que trabajaba, el banco de inversiones Goldman Sachs, contrató a Fischer Black, economista y académico del Instituto Tecnológico de Massachusetts, el reputado MIT y fue pionero en el empleo de las matemáticas en el intento de generar dinero e inauguró lo que se dio en llamar 'finanzas cuantitativas', que consistían en intentar ser más listos que los propios mercados utilizando las matemáticas para calcular –y pretender eliminar– los riesgos. Muchos especialistas en física de las partículas, en mecánica cuántica o en ingeniería informática siguieron los pasos de Black y se volcaron a aplicar sus habilidades a las finanzas.
En aquellos años una reducida banda de matemáticos y estadísticos procedentes de la Universidad china de Nankai acabarían licenciándose en Administración de Empresas en la Laval University de Quebec. La idea era que, una vez estudiado el capitalismo, regresaran a China.
Xiang Lin Li, el más brillante de aquellos alumnos, decidió quedarse en Occidente. Cambió su nombre, convirtiéndose en David Li, y se matriculó en una nueva universidad, la de Waterloo, muy cerca de Toronto, donde estudió Ciencias Actuariales. En 1997, tras haberse doctorado en Waterloo, consiguió un puesto en uno de los mayores bancos de Canadá, el Canadian Imperial Bank of Commerce (CIBC), y un año después, en 1998, llegó a Nueva York para trabajar en la consultora RiskMetrics Group, una firma que se había independizado de su matriz, la banca JP Morgan.
Durante el verano de aquel mismo año, Long Term Capital Management, un hedge fund presuntamente dirigido por las mentes más agudas de las finanzas cuantitativas, requirió una intervención masiva del Gobierno federal. Dejó un agujero de 3.000 millones de dólares, pero el descosido no sirvió como advertencia de que los modelos matemáticos podían poner a los inversores en problemas muy serios y de que el instinto de los operadores y la experiencia eran mucho más importantes que la inteligencia numérica.
Los cuánticos no quedaron fuera del parqué. Y, como uno más de ellos, David Li pasaba los días redactando documentos, haciendo números y aplicando sus conocimientos académicos a los negocios. Hasta que, en el año 2000, publicó un trabajo en el prestigioso Journal of Fixed Income que se hizo merecedor de la atención general.
En dicho documento, Li sacaba a escena el más elegante de sus trucos. Aprovechando su trabajo y su experiencia en el campo actuarial, y particularmente sus conocimientos sobre el síndrome del corazón roto, intentaba solucionar uno de los problemas más irresolubles para los cuánticos: el de la correlación existente entre incumplimientos de las obligaciones de pago.
El principal problema con que se encontraban los cuánticos era que los mercados financieros no funcionan como laboratorios, es decir, completamente aislados del resto del mundo. Los mercados están muy vinculados entre sí, correlacionados, asociados. Para que los modelos científicos funcionen verdaderamente al aplicarlos a los mercados, no basta con conocer la probabilidad de que una compañía tenga en su cartera activos deteriorados. También hay que saber en qué medida la bancarrota de una empresa –o de varias– puede incrementar –o reducir– la probabilidad de que otras compañías no puedan hacer frente a sus compromisos de pago.
Supongamos, por ejemplo, que un banco presta dinero a una granja lechera y a una tienda de derivados lácteos. La granja, según las agencias de evaluación de riesgos, tiene un 10% de probabilidades de quebrar, mientras que las de la tienda son de un 5%. Pero si es la granja la que se hunde, las posibilidades de que la tienda le siga los pasos ascenderían rápida y abruptamente si esa granja fuera su principal proveedor de lácteos.
Y la cosa es bastante más complicada. ¿Hasta qué punto pueden estar correlacionadas las probabilidades de incumplimiento de las obligaciones de pago de unos bonos o títulos de deuda emitidos por un granjero irlandés y los de una compañía de software de Malasia? Nada en absoluto, podríamos pensar. Ofrecen productos y servicios completamente diferentes y están geográficamente muy lejos uno de otro.
Sin embargo, supongamos que esas dos compañías han obtenido sendos préstamos de un mismo banco sumido en serios problemas que ahora les está reclamando la devolución de sus empréstitos.
De hecho, eso fue, exactamente, lo que hundió a LTCM. ¿Qué correlación podría existir entre los bonos emitidos por los gobiernos ruso y mexicano? De acuerdo con el modelo de LTCM, ninguno. Pero la crisis financiera que se produjo en Rusia en 1998, cuando el Gobierno de Boris Yeltsin incumplió los compromisos de pago adquiridos por la emisión de bonos, causó el pánico en las transacciones de México, adonde los inversores habían acudido rápidamente para intentar liberar de riesgos sus respectivas carteras.
Li sí había reparado en ello. Siete años después, hablando para el Wall Street Journal, dijo: "De repente, pensé que el problema que yo estaba intentando resolver como actuario era el mismo que aquellos chicos trataban de solucionar. El impago de un préstamo es como la muerte de una compañía".
En consecuencia, si él era capaz de adaptar a los mercados financieros las matemáticas que aplicaba al fallecimiento por corazón roto, habría dado con una forma de modelar matemáticamente el efecto que los impagos de una compañía puede tener en el incumplimiento de pagos por parte de otras. Cuando los matemáticos y los físicos quieren describir las posibilidades de que ocurran determinados hechos, a menudo recurren a una curva denominada cópula. Las cópulas conectan entre sí variables de tal manera que su interdependencia puede ser debidamente estudiada.
Durante su doctorado en Waterloo y su estancia en el CIBC, David Li siempre se había mostrado muy interesado en encontrar la forma de utilizar dichas cópulas en relación con los fallecimientos a causa del síndrome del corazón roto.
Hasta entonces, se usaban las cadenas de Markov, pero éstas describían una perspectiva demasiado mecánica, física –atómica, incluso–, de la vida humana. Li pensó que, mediante una cópula que mostrase una distribución probable de los resultados, se podría obtener una descripción más ajustada y global de un corazón roto. Y, de igual manera, de una compañía en quiebra.
Utilizó para ello un tipo estándar de curva –la cópula gaussiana o curva de campana– para, por medio de ella, poder hacer un plano y determinar la correlación existente en una cartera de valores dada. Los cuánticos podían ahora, gracias a las conclusiones de Li, describir las consecuencias que el impago de las obligaciones de pago de una empresa podrían tener sobre otra sin saber nada acerca de las propias compañías afectadas.
En otras palabras, operar en los mercados financieros podía quedar reducido a un mero ejercicio de hacer números.
En 2003, el trabajo publicado por Li ya se había hecho famoso en Wall Street. Por aquella época, Li era jefe global de investigación de derivados financieros de Citigroup. En la radiante mañana de un martes de noviembre, llegaba a la reunión anual del Congreso de Cuántica, un encuentro de luminarias de las matemáticas financieras, para disfrutar de la gloria con una presentación de su trabajo. Enfrente de una sala atestada de cientos de colegas cuánticos explicó ampliamente su modelo: la función de la cópula gaussiana en el incumplimiento de las obligaciones de pago.
Un nuevo fanatismo se había adueñado de la Bolsa neoyorquina: las finanzas estructuradas. Era la culminación de dos décadas de cuánticos trabajando en Wall Street.
La idea básica era simple: los bancos ya no tendrían que soportar riesgos nunca más. En su lugar, lo que hacían era evaluar dichos riesgos mediante modelos matemáticos, empaquetarlos y venderlos como cualquier otro título o valor normal y corriente.
Las hipotecas fueron el primer ejemplo. En lugar de constituir una hipoteca y cobrar unos intereses durante toda la vida útil de dicha hipoteca, los bancos comenzaron a hacer paquetes de diferentes préstamos y a vendérselos a compañías pantalla de su propiedad –pero fuera de balance–, especialmente creadas a tales efectos. Estas compañías, a su vez, emitían bonos para incrementar sus ingresos por caja.
Además, utilizando el modelo y los sistemas matemáticos que estaban generando a marchas forzadas los cuánticos, los bancos podían diseñar la estructura de sus carteras de hipotecas para asegurarse de poder emitir bonos de riesgos muy variados destinados a su adquisición por inversores de todos los perfiles.
El 10 de agosto de 2004, la empresa de calificación Moody’s incorporaba la fórmula de Li de la cópula gaussiana en relación con los incumplimientos de pagos a su propia metodología de calificación de obligaciones de deuda colateralizadas (CDO), unos instrumentos característicos de las finanzas estructuradas que con el tiempo habrían de convertirse en la auténtica Némesis de muchos bancos.
Hasta entonces, Moody’s había insistido con firmeza en la idea de que las mencionadas CDO tuvieran una composición diferente, es decir, que cada una de ellas estuviera integrada por diferentes tipos de activos (hipotecas comerciales, préstamos a estudiantes, deudas de tarjetas de crédito, deudas subprime...): el viejo adagio bursátil de que la mejor forma de protegerse ante el riesgo es evitar poner todos los huevos en la misma cesta...
La fórmula de Li, sin embargo, daba a Moody’s un modelo que le permitía calibrar la interrelación de los riesgos. Las buenas prácticas tradicionales podían tirarse tranquilamente por la ventana. El riesgo podía ser medido con una certeza matemática y no existía ya necesidad alguna de distribuir los huevos en cestas diferentes.
(sigue en la respuesta)