De voorspeller bankroet - Carola Houtekamer

artikel | Zaterdag 10-01-2009 | Sectie: Overig | Pagina: W08 | Carola Houtekamer

Risicomodellen konden financiŽle instellingen niet behoeden voor de diepe crisis. De economische wetenschap kan maar geen grip krijgen op die grillige mens. Carola Houtekamer

Niemand rekende begin 2007 op een kredietcrisis. Die kwam toch en vlot gaven bankiers eind november 2008 tegenover de Tweede Kamer de schuld aan de modellen.

Wereldwijd vragen banken en bedrijven overheidssteun aan, zijn waarden van beleggingen gekelderd en is de recessie in aantocht of al werkelijkheid. Onmogelijk geachte gebeurtenissen zijn een feit. En de vingers wijzen naar de risicoberekeningen. De modellen zaten ernaast en de rating agencies schaalden risicos van ingewikkelde financiŽle producten te laag in. Wie durft nog te denken dat risicos te berekenen zijn? Want al die berekeningen kampen overduidelijk met een gebrek aan gegevens over grote rampen en grillige menselijke handelingen.

Kijk, vat chief risk officer Ferry Vos van investeringsmaatschappij Anthos het samen. Wat financiŽle risicoanalisten allemaal willen, is dat hun modelrisico omlaag gaat. En dat is? Dat is de kans dat je berekende risico niet klopt met de werkelijkheid. Hoe bereken je dan het risico dat het gebruikte model niet klopt? Dan, lacht hij, gaan de specialisten van de banken vergaderen in een hok. En als ze eruit komen, zeggen ze... Hij steekt zijn wijsvinger in zijn mond en dan in de lucht: 20 procent.

Ondanks die onzekerheid worden banken sterk aangespoord om risicoberekeningen met computermodellen te doen. Dat staat in het vorig jaar ingevoerde internationale Bazel-II akkoord. De kans op niet-betalende klanten of fraudeurs, of het gevaar dat financiŽle producten een groot verlies geven, moet kwantitatief worden uitgerekend en in modellen worden gegoten waarmee gerekend kan worden. Maar kŠn dat wel?

Neem kredietrisico, de kans dat een klant niet gaat betalen. Dat is meestal prima in te schatten, zegt Jelle Ritzerveld, gepromoveerd sterrenkundige en nu risicoanalist bij een leasemaatschappij.

Hij legt het uit aan de tafel van een cafť in Leiden. Je bekijkt de leeftijd van de directeur, hoe goed die is, hoe lang het bedrijf al in de branche zit. Je kijkt naar de jaarcijfers van het bedrijf, wat de omzet is, of het meer leent dan het binnenkrijgt. En je hebt interne data: zijn het altijd nette betalers geweest?

Statistische computerprogrammas becijferen welke eigenschappen voorspellen of de klant een wanbetaler wordt of niet, zegt Ritzerveld. Bij een nieuwe klant laat je het model naar die relevante eigenschappen kijken. Daar rolt een score uit, die iets zegt over het verwachte verlies aan een klant. Die modellen zijn volgens Ritzerveld redelijk betrouwbaar, mits je goed in kaart hebt gebracht hoe je klanten met elkaar verbonden zijn. Als de een failliet gaat, dan gaat de ander misschien ook. En er zit logica in. Als het tegelbedrijf failliet gaat, moeten de zetters daar ook iets van merken.

De modellen mogen redelijk betrouwbaar heten, maar hoe deden ze het de afgelopen tijd? De rangorde tussen klanten blijft vrijwel intact in tijden van economische malaise, zegt Ritzerveld. Maar door de crisis worden alle klanten minder kredietwaardig. Dan verschuif je de grens waar je afkapt, waarbij je geen krediet meer verstrekt. Kijk naar hypotheekverstrekkers, die zijn ook strenger geworden. Bedrijven nemen minder risico.

En, de correlaties tussen klanten zijn extreem moeilijk vast te stellen, zeker in een crisis, zegt Ritzerveld: Het is bekend dat die groter zijn als de economie slechter wordt. In het geval van een systeemcrisis zijn ze 1, dan gaat iedereen om. Maar je hebt heel veel data nodig om de correlaties exact vast te stellen. Pas over een paar jaar kunnen bedrijven de gegevens van nu goed verwerken. En daarom worden er nu, zegt Ritzerveld, overal meer manuren besteed aan wat hij noemt common sense. Iets minder blindvaren op de modellen, iets meer nadenken.

En meer rekening houden met het feit dat er slechte dingen kunnen gebeuren. Want aan de meeste wanbetalers lijd je niet zoveel verlies, zegt Ritzerveld. Dat maak je vaak mee, dus daar heb je veel gegevens over. Als je de kans op verliezen uitzet in een grafiek, zit bij de kleine bedragen de hoogste piek. Maar in de staart naar rechts, bij de hoge bedragen, kan die enkele, onverwachte klant zitten die je hťťl veel schade gaat toebrengen. Ritzerveld: Maar juist over het venijn in de staart zijn weinig data. Dus moet je goed nadenken over hoe je de lijn verder trekt.

Terwijl dat venijn in de staart catastrofaal kan zijn voor een bedrijf. Nassim Nicholas Taleb, twintig jaar lang financieel analist op Wall Street, noemt dat venijn zwarte zwanen, naar die ene zwarte zwaan die de miljoen keer bevestigde stelregel omver schopte dat alle zwanen wit zijn. In Talebs theorie zijn zwarte zwanen onwaarschijnlijke gebeurtenissen die een enorme impact hebben en die we alleen achteraf konden voorspellen. Zoiets als de grote aardbeving in China begin vorig jaar. De kans daarop stond op geen enkele risicokaart. Of de kredietcrisis. Of de aanslagen van 11 september.

In zijn boek The Black Swan beschrijft Taleb het onvermogen van mensen om rekening te houden met die zwarte zwanen. Terwijl dat de gebeurtenissen zijn die het meeste tellen voor risicoanalisten, zegt hij. Taleb vindt het in kaart brengen van hetgeen het vaakst gebeurt weinig nuttig. We moeten juist anticiperen op het onwaarschijnlijke. Invest in preparedness, not in prediction, schrijft hij. Je moet gewoon heel voorzichtig zijn. Want de impact van een zwarte zwaan is zo groot dat je nooit zeker kunt zijn van de toekomst. Statistiek is valse schijn, wantrouwen is beter.

Een zwarte zwaan, dat is bijvoorbeeld het onwaarschijnlijke geval dat opeens heel veel klanten een klein verlies geven, of ťťn een enorm verlies. Of een JťrŰme Kerviel, die 4,9 miljard euro voor zijn bank Sociťtť Gťnťrale verloor met transacties die hij nooit had mogen doen. En, recenter, Bernard Madoff die fraudeerde voor bijna het tienvoudige.

De kans op fraudeurs, of een haperend IT-systeem, reken je onder operationeel risico, het risico dat er iets mis gaat in de bedrijfsvoering, zegt Ritzerveld. In Bazel-II staat dat dat meegerekend moet worden. Liquiditeitsrisico, de kans dat banken elkaar opeens geen geld meer willen lenen, niet. Terwijl dat een veronderstelling is waarop risicomodellen, die zij als vast aannemen, zelf zijn gebaseerd. Geldgebrek was gewoon geen optie. Maar liquiditeitsrisico moet je dus eigenlijk wel meenemen, zegt Ritzerveld.

Nu zijn operationele risicos slecht voorspelbaar, volgens Ritzerveld. We hebben geen data over grote dingen die bijna nooit misgaan. Risicoanalyse geeft wat dat betreft een soort schijnzekerheid. De Nederlandsche Bank zegt daarom: teken de onbekende staart van de grafiek maar wat hoger. Want banken moeten een bedrag achter de hand houden dat afhangt van het risico dat ze lopen. Maar hoeveel hoger? Als je hoger gaat zitten dan je concurrent, dan heeft die meer geld om te investeren en kan hij meer winst maken. En dan gaan je aandeelhouders klagen.

Dan probleem twee. Bovenop de onvoorspelbaarheid van catastrofes is het lastig om menselijk handelen fatsoenlijk te modelleren. Neem vertrouwen, het toverwoord in de economie, zegt Jack Vromen, hoogleraar methodologie en wetenschapsfilosofie aan de Erasmus Universiteit. In zijn oratie eind november zei hij dat filosofen economie niet standaard moeten afdoen als een armzalige en naargeestige wetenschap.

Economen zijn zich ervan bewust dat vertrouwen belangrijk is, zegt Vromen aan de telefoon. Vertrouwen in de toekomst, vertrouwen zodat mensen blijven spenderen en niet naar de bank hollen om hun geld op te halen.

Maar vertrouwen is moeilijk te voorspellen, zegt Vromen. Stel Bos zegt: We hoeven ons geen zorgen te maken, door deze crisis slaan we ons heen. Zon opmerking kan ook averechts werken: als Bos dŠt zegt, moet het wel heel erg zijn. De vraag is of we er ooit achter kunnen komen naar welke kant het zal doorslaan. Wat weten wij van de dynamiek van vertrouwen? Is het Łberhaupt een variabele, zoals prijs? Kleine effecten kunnen zichzelf enorm versterken, mensen slepen elkaar mee in wantrouwen. Hoe beschrijf je kuddegedrag?

Hoe je de mens beschrijft, is een twistpunt in de economie. Het traditionele idee van homo economicus, de optimaal geÔnformeerde mens die rationeel handelt voor zijn eigen gewin, hangt vrijwel niemand meer aan. Het is keer op keer gebleken dat mensen niet consistent zijn door de tijd heen en dat ze op gevoel handelen. Zo willen ze, schreven Amerikaanse onderzoekers al in 1993 in het Journal of Risk and Uncertainty, meer betalen om het risico op terroristische aanslagen af te dekken dan het risico op Šlle rampen, inclusief die aanslagen. Dat is niet logisch. Alhoewel er een heel vakgebied is dat zich bezighoudt met irrationele economische keuzes, behavioural finance, ligt dat rationele beeld toch aan de basis van veel modellen die in risicoanalyses worden gebruikt. Die aanname levert elegante curves op, waar je goed berekeningen op kunt loslaten.

Bovendien, zegt wetenschapsfilosoof Vromen, wordt in de economie nog steeds aangenomen dat groepen, waarvan de data zijn samengevoegd, wel voorspelbaar reageren op prikkels, zoals dalende prijzen. Maar waarom wordt Windows van Microsoft opeens de dominante softwarenorm? Dat gebeurt wanneer het bedrijf een bepaald aantal klanten heeft. Maar waar ligt die drempel?

Niet alle economen delen de onzekerheid over grillig menselijk gedrag. Mensen vormen geen onoverkomelijk probleem voor je modellen, zegt Ferry Vos van Anthos, die in theoretische natuurkunde is gepromoveerd. Je kunt zeggen: economie is psychologie. Maar psychologie is niet onbeschrijfbaar. Kijk naar het succes van marketingstrategieŽn. Mensen zijn ook een natuurverschijnsel.

Mensen hebben bijvoorbeeld een hekel aan risico, zegt Vos. En ze doen vaak hetzelfde.
Elke consultant die ik tegenkwam die over pensioenfondsen adviseerde zei: investeer 5 procent in nieuwe asset classes in je fonds. Allemaal. Want 5 procent is net leuk om mee te experimenteren, maar niet te veel. Mensen willen er niet aan, maar het sterkt mij in de gedachte dat we met wetmatigheden te maken hebben.

Vos werk bestaat er voor een deel uit dagelijks vast te stellen welke risico s er aan beleggingsfondsen hangen binnen zijn maatschappij. Daarvoor moet hij onder meer verwachte prijsschommelingen op effectenmarkten berekenen en marktrisicos vaststellen. Zijn voorstel is om financiŽle markten, inclusief de handelende mensen, als natuurverschijnsel te bestuderen.

Duidelijk is, zegt Vos, dat grote uitschieters, zoals een heel groot verlies, veel vaker voorkomen dan je op grond van de gangbare statistische modellen zou verwachten. Dat komt volgens hem omdat traditionele modellen voor financiŽle markten er vanuit gaan dat de markt naar een evenwicht gaat, waar de prijs netjes belandt op het snijpunt van vraag en aanbod.

Maar niets in de empirie wijst erop dat de markt in evenwicht is, of dat een evenwicht Łberhaupt bestaat . Alleen voor cornflakes in Groot-BrittanniŽ is vastgesteld dat mensen er meer van eten als de prijs daalt. Mensen maken voortdurend willekeurige afspraken met zichzelf, zoals: mijn nieuwe jas mag niet meer dan honderd euro kosten. Die afspraken zijn onafhankelijk van het aanbod.

De verwachte prijsschommelingen worden traditioneel als een normaalverdeling getekend. Die klokvormige curve krijg je ook als je de lengte van Nederlandse mannen uitzet. 1,81 komt het vaakst voor, 1,50 nauwelijks.

De onverwachte uitschieters, zoals grote verliezen, de hele tijd afdoen als outliers van die curve werkt niet, denkt Vos. Ze zijn onderdeel van het systeem. We hebben wat ze noemen dikstaartigheid nodig. En natuurkundige formules zijn volgens hem nodig om te berekenen hůe dik precies. Want dat weet niemand.

Het vakgebied dat economie wil beschrijven aan de hand van de wetten van de fysica heet econophysics. Het onderzoeksgebied ontstond begin jaren 80, toen grote hoeveelheden economische data digitaal beschikbaar kwamen en onderzoekers simulaties konden draaien op hun eigen computers. Aan de Universiteit Leiden gaat Vos dit jaar colleges econofysica geven, aan de faculteit der Wiskunde en Natuurwetenschappen. Het vak moet uitgroeien tot een afstudeerrichting.

In financiŽle markten zitten fase-overgangen zoals in de natuur, zegt Vos. Hij vergelijkt het met het ontstaan van mist. Er is een hoge luchtvochtigheid en de temperatuur daalt. Opeens, boem, is er mist. Die vergelijking zou je kunnen gebruiken om een beurscrash te voorspellen.

Andere analogieŽn, zoals die met aardbevingen of spinsystemen, waarin handelaren worden voorgesteld als draaiende magneetjes die zich ordenen bij een dalende temperatuur, moeten nieuwe inzichten geven in hoe de markt werkt en beter voorspellen of een ingreep, zoals het verlagen van de rente door de Fed, een laatste catastrofaal zetje is. Net zoals wat extra spanning opeens kan resulteren in een enorme aardbeving.

Het jonge vakgebied ligt al onder vuur. Een overzichtsartikel in Nature uit 2006 stond vol met kritiek. Fysici lijden aan de overtuiging dat er overal universele regels moeten zijn. Dat is geen handicap in de materiŽle wereld, maar wel in de economie, waar het gedrag van handelende personen verschilt per tijd en plaats, schreef een criticus.

Universele wetten zijn niet nodig, zegt ook risicoanalist Ritzerveld, zelf sterrenkundige, die echter weinig op heeft met de natuurkundige benadering. Goede modellen maken is een kwestie van genoeg data verzamelen. Hoe meer datapunten, hoe duidelijker de verbanden tussen, zeg, gedrag van consumenten en koersen, worden. Een onderliggende verklaring voor die verbanden zoeken, wat de wetenschap beoogt, is in dit vak niet nodig.

Dat je niet naar wetmatigheden zoekt, betekent volgens Ritzerveld niet dat risicos niet cijfermatig te berekenen zijn. Alles, stelt hij, ook menselijk gedrag, is te kwantificeren. Met de modellen is niks mis, maar we hebben nog niet genoeg data en daarom kun je niet alleen op modellen vertrouwen.

Waar banken en bedrijven dan op terugvallen zijn stresstests: het uitrekenen van slechte scenarios. Vos van Anthos doet dat om te weten onder welke omstandigheden hij een verlies van 40 procent heeft, of zelfs failliet gaat. Als de markt gespannen is, blijken soorten beleggingen vaak veel meer gecorreleerd te zijn dan wanneer alles goed gaat. Stresstests zijn het eerste vangnet voor slechte modellen, zegt Vos. Je kunt er alleen niet mee berekenen wat de kŠns is op zon slecht scenario.

En dat bleek, want niemand rekende op een ingrijpende kredietcrisis. Het is blijkbaar, tot nu toe, niet gelukt om rampen en mensen betrouwbaar in cijfers te vatten. Is dat een kwestie van meer data over menselijk gedrag verzamelen, zoals Ritzerveld suggereert? Moeten markten, inclusief de irrationele mensen die er handelen, met natuurkundige formules beschreven worden, wat Vos voorstelt? Vromen raadt aan om veel onorthodoxe benaderingen te proberen. Zelf organiseerde hij een congres over neuro-economie en onderzoekt hij een evolutionaire benadering van het vakgebied, want het is in zekere zin behelpen met dit vakgebied waarin de grenzen tussen wetenschapsgebieden vervaagd zijn.

Tot de modellen beter worden - als dat al gebeurt - lijkt er niets anders op te zitten dan vaker te vertrouwen op common sense.

Weten wat het vaakst gebeurt is weinig nuttig Grote uitschieters komen veel vaker voor dan je met gangbare statistiek mag verwachten Economische modellen hebben last van reflexiviteit, zegt wetenschapsfilosoof Vromen. Banken en instellingen die economische processen bestuderen, nemen er zelf deel aan. Zoals: de prognose dat het slecht zal gaan met de economie zorgt ervoor dat mensen minder besteden, waardoor de economie inzakt. Dat gebeurt niet bij het beschrijven van atomen. Risicomodellen zijn ook reflexief. De uitkomst van een risicometing beÔnvloedt wat banken en instellingen doen: wel of niet investeren, wel of niet ingrijpen - keuzes die moeilijk voorspelbaar zijn. Maar om het model compleet te maken, moet de invloed van de meting met een lus weer terug in het model worden gestopt. Kan dat? Risicoanalist Ritzerveld oppert lachend: Een soort metarisicoanalyse, een Łberanalyse waarin wordt meegenomen wŠt mensen met de analyse gaan doen.