طی سال‌های اخیر، این تصور در میان بعضی از مدیران ریسک و افرادی که به مدل‌سازی مالی مشغول هستند به وجود آمده است که هر چه مدل‌های ریسک و مالی مورد استفاده پیچیده‌تر باشند، میزان اتکاپذیری و اعتبار این مدل‌ها و در نتیجه ارزش کار آنها افزایش می‌یابد.

هنر مدل‌سازی ریسک و مالی: مدل‌های ساده یا پیچیده؟

طی سال‌های اخیر، این تصور در میان بعضی از مدیران ریسک و افرادی که به مدل‌سازی مالی مشغول هستند به وجود آمده است که هر چه مدل‌های ریسک و مالی مورد استفاده پیچیده‌تر باشند، میزان اتکاپذیری و اعتبار این مدل‌ها و در نتیجه ارزش کار آنها افزایش می‌یابد. 

در این نوشته مختصر سعی شده است تا به افرادی که بیش از حد بر مدل‌های ریسک و مالی پیچیده تکیه می‌کنند، هشدار داده شود که اتکای بیش از حد روی معیارهای اندازه‌گیری پیچیده می‌تواند به تصمیماتی غیربهینه منجر شود.
مدل‌های ریسک پیچیده در مقابل مدل‌های ریسک ساده
در صنعت خدمات مالی، به‌نظر می‌رسد که بین اتکاپذیری و اعتبار یک معیار اندازه‌گیری ریسک از یک‌ طرف و دشواری روابط ریاضی بکار رفته در این معیار اندازه‌گیری از طرف دیگر، رابطه مستقیم وجود دارد. این طرز تفکر، خطرناک است و می‌تواند منجر به احساس و درک نادرست از مصون‌سازی ریسک شود. هیچ قاعده‌ای نمی‌گوید که یک مدل پیچیده بهتر از یک مدل ساده‌ است. ممکن است بارها اتفاق بیافتد که یک مدل ساده برای اندازه‌گیری ریسک مناسب‌تر از یک مدل بسیار پیچیده‌تر باشد. مثلا ممکن است از شما درخواست شود که ریسک نرخ سود در یک بانک سنتی را اندازه‌گیری کنید. شما می‌توانید با یک تجزیه‌و‌تحلیل ساده این کار را انجام دهید و تغییر در ارزش بازار بانک در اثر شوک‌های ناگهانی نرخ سود را محاسبه کنید. از طرف دیگر، شما می‌توانید از یک معیار اندازه‌گیری ریسک آماری پیچیده به نام ارزش در معرض خطر (VAR) (1) استفاده کنید. VAR نیز با سطح اطمینان خاص، به شما ایده‌ای راجع‌به زیان احتمالی ارزش بازار بانک در اثر نوسان نرخ سود می‌دهد. متاسفانه، مدل‌های پیچیده مثل VAR اغلب مبتنی بر مفروضات متعددی هستند که ممکن است به درستی تعیین نشده باشند. سوالات زیادی در مورد VAR وجود دارد که باید پاسخ داده شوند. بعضی از این سوالات عبارتند از: شما باید از کدام روش استفاده کنید، شبیه‌سازی تاریخی(2)، واریانس-کوواریانس(3) یا مونت کارلو(4) ؟ باید از چه تعداد داده استفاده کنید؟ از چه دوره‌های تاریخی باید داده‌های خود را گردآوری کنید؟ از کدام توزیع آماری باید استفاده کنید؟ آیا VAR باید برای یک افق زمانی یک روزه، 10 روزه یا یکساله محاسبه شود؟ آیا VAR باید در سطح اطمینان 99 درصد، 95 درصد یا سطح اطمینان دیگری محاسبه شود؟ همان‌طور که این مثال‌ها نشان می‌دهند، فهرست مفروضات مربوط به تجزیه و تحلیل VAR گسترده است.
یک تغییر در هر یک از مفروضات متعددی که مدل VAR بر مبنای آن طراحی شده است، ممکن است باعث تغییر قابل ملاحظه در ارزیابی نهایی از ریسک شود. یک فرض غلط ممکن است منجر به نتایج نادرست و گمراه‌کننده شود. مثلا اگر روش VAR شما براساس توزیع نرمال زیان‌ها باشد، در صورتی‌که توزیع واقعی زیان‌ها به‌صورت غیرنرمال باشد، آنگاه شما ممکن است ریسکی را که سازمان با آن مواجه است کمتر از مقدار واقعی برآورد کرده باشید. این تنها یکی از خطاهای متعدد احتمالی در زمینه مدل‌سازی است.
برخلاف مدل‌های پیچیده، یک معیار ساده برای محاسبه ریسک نرخ سود که تاثیر نوسان آنی فرضا دو درصد در نرخ سود بر ارزش بازار بانک را نشان می‌دهد، مستلزم لحاظ کردن مفروضات زیادی نیست؛ بنابراین خطای مدل‌سازی یا ریسک مدل در مورد این معیارها کمتر است. علاوه بر این، معیارهای اندازه‌گیری ریسک ساده‌تر، زمان زیادی را صرف محاسبات و ارائه نتایج نمی‌کنند و تبیین و درک آنها هم ساده‌تر است. در بسیاری از مواقع، معرض ریسک نرخ سودی که با استفاده از VAR مشخص می‌شود ممکن است با معرض ریسک محاسبه شده با یک آزمون ساده فشار(5) تفاوت چندانی نداشته باشد. شاید بهتر باشد که از زمان و منابع بخش مدیریت ریسک بیشتر به منظور استفاده از یک مدل ساده استفاده شود که برای اندازه‌گیری ریسک کافی به‌نظر می‌رسد. در عوض، زمان مازادی هم که به طراحی و استفاده از مدل‌های تحلیلی پیچیده اختصاص می‌یافت صرف موارد زیر کرد: 1) درک این مساله که معیار اندازه‌گیری ریسک ساده دارد به شما چه چیزهایی را می‌گوید و ممکن است چه چیزهایی را نگوید و 2) طراحی و اجرای استراتژی‌های مناسب مصون‌سازی ریسک.اگر یک مدل ریسک ساده می‌تواند به خوبیِ یک مدل ریسک پیچیده عمل کند، چه ضرورتی دارد که سراغ ساخت و بکارگیری مدل پیچیده‌تر برویم؟ شاید توسعه مدل‌های پیچیده‌تر و تفکر راجع‌به ریسک‌های موجود در ابعاد مختلف آن به درک شما از پویایی‌های ریسک بیفزاید.»
بازارها و مدل‌های مالی
بیشتر مدل‌های پیچیده ریسک ممکن است در دنیای واقعی عمل نکنند؛ چون ما با بازارهای مالی سر و کار داریم و بازارهای مالی از افراد تشکیل شده‌اند، افراد هم می‌توانند غیرقابل پیش‌بینی باشند و غیرعقلایی رفتار کنند. این مساله بازارهای مالی را ناکارآ، غیرقابل پیش‌بینی و اغلب غیرمنطقی می‌کند.

به‌طور مکرر بین مدل‌های مالی و رفتار افراد در دنیای واقعی واگرایی به‌وجود آمده است. مثلا، به‌نظر می‌رسد خرید اوراق بهادار با یک بازده منفی توسط یک سرمایه‌گذار، رفتاری غیرعقلایی است؛ اما این تصمیمی است که طی سال‌های گذشته بارها در عمل اتفاق افتاده است.
 ممکن است ترس و واهمه از ناتوانی شرکت در خرید اوراق بهادار و پیشی گرفتن دیگر سرمایه‌گذاران در عرصه خرید، باعث شود که شرکت حاضر شود قیمت بالاتری را بابت تحصیل اوراق بهادار پرداخت کند، حتی اگر احتمال تحمل زیان بر روی آن اوراق در آینده برای او ملموس باشد. این چیزی است که در عمل ممکن است رخ دهد.
نقش مدیران ریسک
مدل‌های مالی، هر چقدر هم که پیچیده و ماهرانه طراحی و اجرا شده باشند، هرگز نمی‌توانند جایگزین قضاوت‌های عمیق مدیران ریسک ذی‌صلاح شود. مدیران ریسک، مزایایی نسبت به مدل‌های ریسک دارند. نخست اینکه، مدیر ریسک از محدودیت‌های مدل ریسک باخبر است و وقتی که می‌خواهد در مورد سطح ریسک قضاوت کند، عواملی را که در مدل مدنظر قرار نگرفته است، مورد توجه قرار می‌دهد.
دوم اینکه، مدیر ریسک می‌تواند اعداد و ارقام حاصله از مدل‌های ریسک را تبیین و تعبیر کند. غیرممکن است که یک سنجه ریسک، هرچقدر هم هوشمندانه و استادانه طراحی شده باشد، بتواند کل داستان را برای مدیریت تعریف کند. سوم اینکه، مدیر ریسک می‌تواند مدیریت ارشد شرکت را ترغیب کند تا اقداماتی در راستای کاهش ریسک انجام دهد.
 مدل‌های ریسک می‌توانند در تمام طول روز علائمی را مخابره کنند، اما آنها نمی‌توانند در جلسات کمیته ریسک حاضر شوند و توضیح دهند که مثلا چرا به نفع بانک است تا برای مصون‌سازی ریسک وارد قرارداد معاوضه نرخ سود(6) شود.
مدیریت ریسک به‌عنوان یک هنر
در پایان شاید بتوان گفت، مدیریت ریسک یک هنر است و نه یک علم. برخلاف علوم فیزیکی که قوانین پایداری را تولید می‌کنند، دنیای مالی پیوسته در حال تغییر است، و قواعد سخت و محکم و بلاتغییری در آن وجود ندارند. در دنیای مالی استثنائات اغلب همان قواعد هستند.
این استثنائات فراوان هم معمولا علت بیشتر شکست‌ها هستند. مدیران خبره ریسک از این واقعیت باخبر هستند و سناریوها و آزمون‌هایی را طراحی و اجرا می‌کنند تا ریسک‌هایی را اندازه‌گیری کنند که ممکن است در مدل‌ها مورد توجه قرار نگرفته باشند. این ابتکار عمل‌های مدیران در زمینه ریسک، بیشتر جنبه هنری دارد و با روش‌های کمی پیچیده چندان مرتبط نیست.
نتیجه‌گیری
مدیران ریسک و همچنین افرادی که در زمینه‌های دیگری از مدل‌سازی مالی فعالیت می‌کنند باید این جمله لئوناردو داوینچی را سرلوحه کار خود قرار دهند که «سادگی، نهایت پیچیدگی و کمال است» و نیازی نیست که برای ارزشمند جلوه دادن کارهای خود، به مدل‌های پیچیده‌ای روی آورند که با عالم واقع، چندان سازگاری نداشته باشد. آنها باید همواره به این نکته توجه داشته باشند که «درختان مانع دیدن جنگل نشوند».
منبع اصلی:
* R, Powell, 2010, «The Art of Risk Modeling and Assessment», BANK ACCOUNTING & FINANCE, FEBRUARY–MARCH 2010.
پاورقی‌ها
1 - value at risk
2 - historical simulation
3 - variance-covariance
4 - Monte Carlo
5 - stress test
6 - interest rate swap