Riesgo de innovación: cómo tomar decisiones más inteligentes

Resumen.
Reimpresión: R1304B
Los nuevos productos y servicios se crean para permitir a las personas realizar tareas mejor de lo que antes podían hacer o hacer cosas que antes no podían hacer. Pero las innovaciones también conllevan riesgos. Lo arriesgada que resulte ser una innovación depende en gran medida de las decisiones que las personas tomen al usarla.
Los intentos de medir el riesgo de una innovación deben tener en cuenta las limitaciones de los modelos —formales e informales— en los que las personas basan sus decisiones sobre cómo utilizar la innovación, advierte Robert C. Merton, profesor del MIT y premio Nobel de economía. Algunos modelos resultan ser fundamentalmente defectuosos y deberían desecharse, argumenta, mientras que otros son meramente incompletos y se pueden mejorar. Algunos modelos requieren usuarios sofisticados para producir buenos resultados; otros solo son adecuados para determinadas aplicaciones.
E incluso cuando las personas emplean modelos apropiados para tomar decisiones sobre cómo utilizar una innovación (encontrar el equilibrio adecuado entre riesgo y rendimiento), la experiencia demuestra que es casi imposible predecir cómo el cambio de comportamiento influirá en el riesgo de otras decisiones y comportamientos que toman, a menudo en dominios aparentemente no relacionados. Es la vieja historia de consecuencias imprevistas. Cuanto más complejo sea el sistema en el que se introduzca una innovación, más probables y graves serán sus consecuencias imprevistas. De hecho, muchos de los riesgos asociados a una innovación no se derivan de la innovación en sí, sino de la infraestructura en la que se introduce.
Al final, cualquier innovación supone un salto hacia lo incognoscible. Sin embargo, si queremos progresar, es un hecho que debemos aceptar y gestionar.
Los nuevos productos y servicios se crean para permitir a las personas realizar tareas mejor de lo que antes podían hacer o hacer cosas que antes no podían hacer. Pero las innovaciones también conllevan riesgos. Lo arriesgada que resulte ser una innovación depende en gran medida de las decisiones que las personas tomen al usarla.
Pregúntese lo siguiente: Si tuviera que conducir de Boston a Nueva York en una tormenta de nieve, ¿se sentiría más seguro en un automóvil con tracción en las cuatro ruedas o en las dos ruedas? Lo más probable es que elijas tracción en las cuatro ruedas. Pero si mirara las estadísticas de accidentes, descubriría que el advenimiento de la tracción en las cuatro ruedas no ha hecho mucho para reducir la tasa de accidentes de pasajeros por milla de pasajeros en días de nieve. Esto podría llevarte a concluir que la innovación no ha hecho que conducir en la nieve sea más seguro.
Por supuesto, lo que ha ocurrido no es que la innovación no haya logrado hacernos más seguros sino que la gente ha cambiado sus hábitos de conducción porque sentir más seguro. Más personas se aventuran en la nieve de lo que solía ser el caso, y probablemente también conducen con menos cuidado. Si tú y todos los demás condujeran a Nueva York a la misma velocidad y en el mismo número que antes, la tracción en las cuatro ruedas te haría mucho más seguro. Pero si tú y todos los demás condujeran mucho más rápido, correrías el mismo riesgo que siempre has tenido en una tormenta de nieve. En esencia, estás eligiendo (consciente o inconscientemente) entre reducir el riesgo y mejorar tu rendimiento.
Si el riesgo de una innovación depende de las decisiones que tomen las personas, se deduce que cuanto más informadas y conscientes sean sus decisiones, menor será el riesgo. Pero a medida que las empresas y los responsables políticos piensan en las consecuencias de una innovación —cómo cambiará las compensaciones que hacen las personas y su comportamiento—, deben tener en cuenta las limitaciones de los modelos en los que las personas basan sus decisiones sobre cómo utilizar la innovación. Como veremos, algunos modelos resultan ser fundamentalmente defectuosos y deberían desecharse, mientras que otros se pueden mejorar. Algunos modelos son adecuados solo para determinadas aplicaciones; algunos requieren usuarios sofisticados para producir buenos resultados. E incluso cuando las personas utilizan modelos apropiados para tomar decisiones sobre cómo utilizar una innovación (lograr el equilibrio adecuado entre riesgo y rendimiento), la experiencia nos muestra que es casi imposible predecir cómo el cambio de comportamiento influirá en el riesgo de otras decisiones y comportamientos que ellos u otros tomen, a menudo en dominios aparentemente no relacionados. Es la vieja historia de consecuencias imprevistas. Cuanto más complejo sea el sistema de innovación, más probables y graves serán las consecuencias. De hecho, muchos de los riesgos asociados a una innovación no se derivan de la innovación en sí, sino de la infraestructura en la que se introduce.
La conclusión es que todas las innovaciones cambian la compensación entre riesgo y rentabilidad. Para minimizar el riesgo y las consecuencias no deseadas, los usuarios, las empresas y los responsables políticos deben entender cómo tomar decisiones informadas cuando se trata de nuevos productos y servicios. En particular, deben respetar cinco reglas generales.
Reconoce que necesitas un modelo
Cuando adoptas un nuevo producto o tecnología, tu decisión sobre el riesgo y el rendimiento se basa en lo que los científicos cognitivos llaman modelo mental. En el caso de conducir a Nueva York en la nieve, se podría pensar que no puedo controlar todos los riesgos asociados con el viaje, pero puedo elegir el tipo de coche que conduzco y la velocidad a la que lo conduzco. Por lo tanto, un modelo mental simple para evaluar las compensaciones entre riesgo y rendimiento podría representarse mediante un gráfico que traza la seguridad con el tipo de automóvil y la velocidad.
Cada vez más actividades que tradicionalmente requerían la cognición humana han demostrado ser susceptibles a la modelización matemática formal.
Por supuesto, este modelo es una gran simplificación. La relación entre seguridad y velocidad dependerá de otras variables (el clima y las condiciones de la carretera, el volumen de tráfico, la velocidad de otros coches en la carretera), muchas de las cuales están fuera de tu control. Para tomar las decisiones correctas, tienes que entender con precisión la relación entre todas estas variables y tu elección de velocidad. Por supuesto, cuantos más factores se incorporen, más complicado se vuelve evaluar los riesgos asociados a una velocidad determinada. Para realizar una evaluación precisa, necesitarías compilar datos, estimar los parámetros de todos los factores y determinar cómo podrían interactuar esos factores.
Históricamente, la mayoría de los modelos que la gente ha aplicado a situaciones de la vida real han existido de manera semiconsciente en la mente de las personas. Incluso hoy en día, al conducir un coche nos basamos de forma reflexiva en modelos mentales imprecisos pero robustos en los que las relaciones entre factores se adivinan en función de la experiencia. Pero con el advenimiento de la tecnología informática, cada vez más actividades que tradicionalmente requerían la cognición humana han demostrado ser susceptibles al modelado matemático formal. Cuando cruzas el Atlántico en un avión comercial, por ejemplo, tu avión será volado en su mayor parte por una computadora, cuyas «decisiones» sobre velocidad, altitud y rumbo se basan en modelos matemáticos que procesan información continua sobre la ubicación, la presión atmosférica, el peso de la aeronave, la ubicación del tráfico aéreo, velocidad del viento y muchos otros factores. Los pilotos informáticos son tan sofisticados que incluso pueden aterrizar un avión.
Al igual que con los aviones, también con las finanzas: la fórmula de Black-Scholes para valorar las opciones sobre acciones, que ayudé a desarrollar en la década de 1970, intenta establecer hasta qué punto los factores externos medibles u observables, específicamente, el precio del activo subyacente, la volatilidad de ese precio, los tipos de interés, y tiempo hasta el vencimiento: podría estar relacionado con el precio de una opción de comprar ese activo en particular. Las empresas financieras utilizan modelos como Black-Scholes para permitir que las computadoras realicen operaciones. Por ejemplo, podría programar una computadora para que haga una orden de compra o venta de acciones u opciones si el programa observa a partir de los datos del mercado que los precios reales de las acciones y las opciones se desvían de las valoraciones generadas por Black-Scholes o algún otro modelo de valoración riguroso.
Ningún ser humano puede prever todas las consecuencias de una innovación, por muy obvias que parezcan en retrospectiva.
Por lo tanto, parece razonable suponer que cuantos más factores incorpore su modelo, mejor será su evaluación de los riesgos en los que incurre al decidir si adoptar una innovación en particular y cómo adoptarla. Esto explica en gran medida la popularidad del modelado matemático, especialmente con respecto a las innovaciones tecnológicas y financieras. Y muchos de estos modelos hacen un buen trabajo. La metodología general de replicación en el corazón de Black-Scholes, por ejemplo, ha sido bien fundamentada por la evidencia empírica: la opción real y otros valores derivados parecen corresponder a los pronosticados incluso por versiones simplificadas del modelo. Pero es precisamente cuando empiezas a sentirte cómodo en tus evaluaciones que necesitas tener mucho cuidado.
Reconoce las limitaciones de tu modelo
En la construcción y el uso de modelos, ya sea un modelo de precios financieros o la función de piloto automático de una aeronave, es fundamental comprender la diferencia entre un modelo incorrecto y uno incompleto.
Un modelo incorrecto es aquel cuya lógica interna o suposiciones subyacentes son manifiestamente erróneas; por ejemplo, un modelo matemático para calcular la circunferencia de un círculo que utiliza un valor de 4,14 para pi. Esto no quiere decir, por supuesto, que la incorrección sea siempre fácil de detectar. Un modelo de navegación de aeronaves que coloca el aeropuerto La Guardia de Nueva York en Boston, por ejemplo, podría no ser reconocido como defectuoso a menos que los aviones que guiaba intentaran volar a ese aeropuerto. Una vez que se descubre que un modelo se basa en una suposición fundamentalmente errónea, lo único correcto es dejar de usarlo.
La falta de integridad es un problema muy diferente y es una cualidad compartida por todos los modelos. El matemático austriaco-estadounidense Kurt Gödel demostró que ningún modelo es «verdadero» en el sentido de que es una representación completa de la realidad. Como modelo para pi, 3.14 no está mal, pero está incompleto. Un modelo de 3,14159 es menos incompleto. Tenga en cuenta que el modelo menos incompleto mejora la versión base en lugar de reemplazarla por completo. No es necesario desaprender el modelo básico, sino añadirlo.
La distinción entre lo incorrecto y lo incompleto es importante para los científicos. A medida que desarrollan modelos que describen nuestro mundo y nos permiten hacer predicciones, rechazan y dejan de usar aquellos que consideran incorrectos, ya sea mediante el análisis formal de su funcionamiento o mediante la prueba de supuestos subyacentes. Los que sobreviven se consideran incompletos, no erróneos y, por lo tanto, mejorables. Piénsese de nuevo en Black-Scholes. Ha surgido un creciente arsenal de modelos de opciones que amplían la misma metodología subyacente más allá de la fórmula básica, incorporando más variables y supuestos más sólidos para aplicaciones especializadas.
En general, hasta que se detecte alguna violación fundamental de las matemáticas en un modelo o se descubre algún error en las suposiciones que se están introduciendo actualmente en él, el curso lógico es refinarlo en lugar de rechazarlo. Sin embargo, es mucho más fácil decirlo que hacerlo, lo que nos lleva al siguiente desafío.
Espere lo inesperado
Incluso con el mejor esfuerzo e ingenio, se pasarán por alto algunos factores que podrían entrar en un modelo. Ningún ser humano puede prever todas las consecuencias de una innovación, por muy obvias que parezcan en retrospectiva. Este es el caso en particular cuando una innovación interactúa con otros cambios del entorno que por sí solos no están relacionados y, por lo tanto, no se reconocen como factores de riesgo.
La crisis financiera de 2007—2009 es un buen ejemplo de tales consecuencias no deseadas. Las innovaciones en el mercado de hipotecas inmobiliarias que redujeron significativamente los costos de transacción facilitaron a las personas no solo comprar casas sino también refinanciar o aumentar sus hipotecas. La gente podría reemplazar fácilmente el patrimonio de sus propiedades por deudas, liberando dinero para comprar automóviles, vacaciones y otros bienes y servicios deseables. No hay nada intrínsecamente malo en hacer esto, por supuesto; es una cuestión de elección personal.
La consecuencia deseada (y buena) de las innovaciones en materia de préstamos hipotecarios fue aumentar la disponibilidad de esta opción de bajo costo. Pero también hubo una consecuencia no deseada: debido a que otras dos tendencias económicas benignas a nivel individual (la baja de los tipos de interés y el aumento constante de los precios de la vivienda) coincidieron con los cambios en los préstamos, un número inusualmente grande de propietarios de vivienda se vio motivado a refinanciar sus hipotecas al mismo tiempo, extrayendo capital de sus casas y sustituirlo por deuda a largo plazo a bajo interés.
La tendencia se reforzó a sí misma: el aumento de los precios de la vivienda aumentó el valor neto de los propietarios, que luego se podía extraer y usar para el consumo, y los titulares de hipotecas comenzaron a repetir el proceso una y otra vez. A medida que la tendencia continuaba, los propietarios de viviendas llegaron a ver estas extracciones como una fuente regular de financiación para el consumo continuo, en lugar de como un medio ocasional de financiar una compra o inversión en particular. El resultado fue que, con el tiempo, el apalancamiento de los propietarios de todas las añadas comenzó a subir, a menudo a niveles tan altos como los de los nuevos compradores, en lugar de disminuir, como lo haría normalmente cuando los precios de la vivienda van en aumento.
En ausencia de cualquiera de las tres condiciones (un mercado de refinanciación hipotecaria eficiente, tipos de interés bajos y, sobre todo, un aumento constante de los precios de la vivienda), es poco probable que se hubiera producido un desalancamiento tan coordinado. Pero debido a la convergencia de las tres condiciones, los propietarios de viviendas en Estados Unidos han refinanciado a gran escala durante la mayor parte de la década anterior a la crisis financiera. El resultado fue que muchos de ellos se enfrentaban a la misma exposición al riesgo de una caída de los precios de la vivienda al mismo tiempo, lo que creaba un riesgo sistémico.
Para agravar ese riesgo fue una asimetría en la capacidad de los propietarios de aumentar el riesgo en lugar de retirarlo de nuevo. Cuando los precios de la vivienda suben, es fácil pedir dinero prestado en incrementos y asegurar esos incrementos contra el aumento del valor de la vivienda. Pero si la tendencia se invierte y los precios de las viviendas bajan, el apalancamiento y el riesgo de los propietarios aumentan, mientras que su plusvalía disminuye con la caída del valor. Si un propietario reconoce esto y quiere reequilibrar a un nivel de riesgo más aceptable, descubre la asimetría: no hay forma práctica de reducir sus préstamos de forma incremental. Tiene que vender toda su casa o no hacer nada, no puede vender parte de ella. (Para obtener más información sobre la asimetría en el ajuste del riesgo, consulte «Riesgo sistémico y efecto trinquete de refinanciación», , de Amir Khandani, Andrew W. Lo, y Robert C. Merton, de próxima aparición, Revista de Economía Financiera.) Debido a esta indivisibilidad fundamental, los propietarios de viviendas a menudo optan por no tomar medidas con la esperanza de que la caída de los precios se revierta o al menos se detenga. Pero si continúa, la gente finalmente se siente suficientemente apretada económicamente como para verse obligada a vender sus casas. Eso puede poner muchas casas en el mercado a la vez, lo que no es bueno para la reversión esperada de la tendencia de los precios. En estas condiciones, el mercado hipotecario puede ser especialmente vulnerable incluso a una modesta caída de los precios de la vivienda y al aumento de los tipos de interés. Ese escenario es exactamente lo que ocurrió durante la reciente crisis financiera.
Riesgo sistémico: cuando tres derechos se equivocan
Las explicaciones populares de la crisis financiera de 2007-2009 se centran en los «tontos» (aquellos que deberían haber visto las señales de peligro pero no lo hicieron) y los «bribones» (los que lo hicieron y decidieron explotarlos). Sin duda, ambos contribuyeron materialmente a la crisis. Sin embargo, la crisis también fue impulsada por interacciones estructurales en el sistema que no implicaban el comportamiento irracional, desinformado o poco ético de los individuos.
Una vez que se tiene en cuenta la exposición sistémica de los propietarios de viviendas estadounidenses, las pérdidas en el valor de los activos predichas por los modelos financieros existentes se corresponden estrechamente con las pérdidas realmente realizadas. (Véase «Riesgo sistémico y efecto trinquete de refinanciación», de Amir Khandani, Andrew W. Lo y Robert C. Merton, Revista de Economía Financiera.) Si bien esto no demuestra que la exposición en la crisis de 2007-2009 haya sido el resultado de los bajos tipos de interés, la facilidad de refinanciación y el aumento constante de los precios inmobiliarios, sí sugiere que tales efectos estructurales pueden haber sido factores importantes y que podrían ser la fuente principal de crisis futuras. También sugiere que los modelos financieros existentes no merecen necesariamente el obloquio que algunos han apilado sobre ellos.
También se deduce que no es necesario imputar motivos y comportamientos dudosos por parte de los profesionales financieros para explicar la crisis. Aunque ese comportamiento disfuncional ciertamente existía y jugaba un papel importante, el fracaso general del mercado para predecir la crisis fue más probable que se deba a la incompletitud de los modelos (por ejemplo, no tuvieron en cuenta la exposición de los propietarios de viviendas) en lugar de que fueran fundamentalmente defectuoso y su usuarios corruptos.
Sin duda, identificar y eliminar tontos y brirones siempre es una buena política, pero hay que tener en cuenta que su remoción no es suficiente para garantizar la estabilidad financiera y evitar crisis.
Permítanme reiterar que los tres factores involucrados en la creación del riesgo (oportunidades de refinanciación eficientes, tasas de interés decrecientes y aumento de los precios de la vivienda) fueron benignos individualmente. Es difícil imaginar que cualquier agencia reguladora levante una bandera roja sobre cualquiera de estas condiciones. Por ejemplo, en respuesta al estallido de la burbuja tecnológica en 2000, al shock del 11 de septiembre y a la amenaza de recesión, la Reserva Federal estadounidense bajó sistemáticamente su tipo de interés principal, el tipo de los fondos federales, del 6,5% en mayo de 2000 al 1% en junio de 2003, lo que estimuló la refinanciación hipotecaria y los canales para haciéndolo. Al igual que en 2007, las tasas de interés más bajas y los nuevos productos hipotecarios permitieron que más hogares adquirieran viviendas que antes eran inasequibles; el aumento de los precios de las viviendas generó importantes ganancias patrimoniales para esos hogares; y las oportunidades de refinanciación más eficientes permitieron a los hogares obtener sus ganancias. impulsar la demanda de los consumidores y el crecimiento económico general. ¿Qué político o regulador trataría de interrumpir un ciclo aparentemente virtuoso?
Comprender el uso y el usuario
Supongamos que ha construido un modelo que es fundamentalmente correcto: es decir, no desafía las leyes de la naturaleza ni el arbitraje, ni contiene suposiciones manifiestamente defectuosas. Supongamos también que es más completo que otros modelos existentes. Todavía no hay garantía de que te vaya a funcionar bien. La utilidad de un modelo depende no solo del modelo en sí, sino de quién lo utiliza y para qué lo utiliza.
Analicemos primero el tema de la aplicación. En pocas palabras, no elegirías un Ferrari para viajar fuera de carretera más de lo que usarías un Land Rover para recortar una autostrada italiana. Del mismo modo, la fórmula de Black-Scholes no proporciona estimaciones de valor de opción lo suficientemente precisas como para ser útiles en el trading de opciones de ultra alta velocidad, actividad que requiere datos de precios en tiempo real. Del mismo modo, los modelos utilizados para la negociación de alta velocidad son inútiles en la información corporativa del valor de los gastos de las opciones de acciones ejecutivas de acuerdo con los principios contables generalmente aceptados. En ese contexto, es importante que el funcionamiento del modelo sea transparente, que se pueda aplicar de forma coherente en todas las empresas y que los resultados reportados puedan ser reproducidos y verificados por otros. En este caso, la fórmula clásica de Black-Scholes proporciona la estandarización y reproducibilidad necesarias, ya que requiere un número limitado de variables de entrada cuyos valores estimados son de dominio público.
Un modelo tampoco es fiable si la persona que lo usa no lo entiende o sus limitaciones. Para la mayoría de los estudiantes de secundaria, un modelo razonable para estimar la circunferencia de un círculo es aquel que asume un valor de 22/7 para pi. Esto dará buenos resultados hasta un par de decimales, lo que normalmente será suficiente para el trabajo de nivel de secundaria. Ofrecer a los estudiantes un modelo mucho más complicado sería como darles ese Ferrari para que conduzcan. Hay muchas probabilidades de que lo estropiecen y no necesitan ir a la escuela tan rápido.
Cuando piensas en quién usa los modelos y para qué, a menudo debes repensar qué califica a las personas para un trabajo en particular. Para muchos, el héroe de la película Top Gun, interpretado por Tom Cruise, ejemplifica al piloto de combate ideal: un atrevido rompereglas que vuela por instinto y el asiento de sus pantalones en lugar de depender de la instrumentación. Han Solo de Harrison Ford de Star Wars encaja en el mismo molde. Pero los aviones de combate actuales funcionan mejor con programas informáticos que responden a los cambios externos en el medio ambiente cada milisegundo, una tasa que ningún ser humano podría igualar. De hecho, poner un sistema informático aeronáutico de un trillón de dólares en manos de un inconformista de asientos sería un negocio bastante arriesgado. Un mejor piloto podría ser un geek informático que conoce el modelo frío y está entrenado para detectar rápidamente cualquier señal de que no está funcionando correctamente, en cuyo caso la mejor respuesta probablemente sería desengancharse en lugar de quedarse a luchar.
Un modelo más completo pero más complicado puede conllevar mayores riesgos que uno más crudo si el usuario no está cualificado para el trabajo.
El punto no es debatir los méritos relativos de los hotshots y los geeks informáticos. Más bien, es para demostrar que los modelos pueden evaluarse de manera significativa solo como un triplete: modelo, aplicación, y usuario. Un modelo más completo pero más complicado puede conllevar mayores riesgos que uno más crudo si el usuario no está cualificado para el trabajo. Un ejemplo de ello es la reciente crisis de calificación crediticia de Estados Unidos. Podría decirse que debido a que tantos gestores de inversiones aplicaron mal un modelo, se produjeron pérdidas tan enormes en sus carteras de bonos con calificación AAA, como ilustra la barra lateral «Calificaciones: no todo el panorama».
Calificaciones: No todo el panorama
Entre las mayores víctimas de la crisis de calificación crediticia estadounidense de 2008 se encuentran las propias agencias de calificación crediticia. Sufrieron daños significativos en su credibilidad cuando muchos de los bonos a los que asignaron calificaciones crediticias AAA terminaron negociándose con grandes descuentos.
Los gestores de inversiones que basaron sus decisiones en las calificaciones sufrieron enormes pérdidas. Pero, ¿el modelo de calificación que utilizaron las agencias fue realmente defectuoso? Históricamente, el modelo, que se basa casi exclusivamente en estimaciones de la probabilidad de incumplimiento de un emisor, había funcionado bastante bien, y las agencias, que posiblemente consideraban que su función era simplemente evaluar la solidez de las prácticas financieras corporativas y gubernamentales, probablemente consideraron que era adecuado para su propósito.
Por supuesto, puede debatir si la visión limitada de las agencias sobre su papel era apropiada. Sin duda, puede cuestionar el posible conflicto de intereses cuando los emisores pagan a las agencias de calificación por servicios de consultoría y calificaciones. Lo que no es discutible (ciertamente en retrospectiva) es que el modelo de calificación no era una herramienta adecuada para gestionar una cartera de bonos. Esto se debe a que la probabilidad de impago no es el único factor que determina el valor de un bono y su riesgo. Otros factores clave incluyen el importe probable de la inversión que podría recuperarse en caso de incumplimiento y el grado en que las perspectivas de negocio de un prestatario reflejan el ciclo económico.
Esto último adquiere especial importancia en tiempos de crisis: si un bono se impone cuando la riqueza del tenedor de bonos está sufriendo por otras razones, tendrá un impacto peor en el bienestar de los inversores que si el bono se incumple cuando los tiempos son buenos. Así que el sentido común diría que un inversor pagaría menos por un bono emitido por una empresa en un negocio procíclico que por uno emitido por una empresa en un negocio anticíclico. (La teoría financiera también lo dice). Además, un bono con un bajo índice de recuperación de la inversión debería negociarse teóricamente con un descuento respecto a uno con una tasa de recuperación alta y la misma posibilidad de incumplimiento.
Sin embargo, esos factores no hicieron ninguna diferencia para las agencias, que basaron sus calificaciones estrictamente en la probabilidad de incumplimiento. Esto significa que las empresas procíclicas y anticíclicas con la misma probabilidad de incumplimiento obtuvieron la misma calificación. Del mismo modo, dos bonos podrían obtener la misma calificación, aunque es probable que uno devuelva más en caso de impago que el otro. Como resultado de estas discrepancias, los bonos con calificaciones AAA podían negociarse a precios muy diferentes en el mercado de bonos.
Supongamos ahora que usted es un gestor de inversiones y que su cliente quiere invertir su dinero en bonos a largo plazo, calificados como AAA por Standard & Poor's. Como gestor concienzudo, buscaría los bonos con calificación AAA más baratos porque ofrecen una mejor rentabilidad para el mismo riesgo estimado. El problema es que, al hacerlo, es casi seguro que se crearía una cartera fuertemente ponderada en bonos procíclicos de baja tasa de recuperación, cuyos valores se deteriorarían más en una recesión económica, quizás de forma bastante dramática.
Por lo tanto, la debacle de la calificación crediticia es un buen ejemplo de cómo adoptar un modelo que no se ajusta a su propósito (en este caso, utilizar un modelo para predecir la probabilidad de impago en lugar de uno para valorar bonos para administrar una cartera) puede dar lugar a decisiones desastrosas. Cabe señalar que a los inversores que sí utilizaron modelos creados para valoraciones de bonos les fue mejor que a los que se basaban principalmente en las calificaciones.
Comprobar la infraestructura
Por último, al considerar las consecuencias de una innovación, debemos reconocer que sus beneficios y riesgos están determinados en gran medida no por las decisiones que toma la gente sobre cómo utilizarla, sino por la infraestructura en la que se introduce. Los innovadores y los responsables políticos, en particular, deben ser conscientes de este riesgo. Supongamos, por ejemplo, que desea introducir un tren de pasajeros de alta velocidad en su red ferroviaria. Si las vías del sistema actual no pueden soportar altas velocidades y, ya sea por ignorancia o por una alta tolerancia al riesgo, eliges hacer funcionar el tren a alta velocidad, se estrellará en algún momento y los pasajeros pagarán un precio terrible. Además, es probable que destruyas las pistas, lo que significa que todos los que utilicen la red se verán afectados de alguna manera. La gente no podrá ir a trabajar, los hospitales no recibirán su nuevo equipo,.
Por lo tanto, la primera tarea de los responsables del ferrocarril es garantizar que la vía pueda soportar de forma segura los trenes que circulan por ella. Pero, ¿qué van a hacer con tu tren de alta velocidad? La respuesta más sencilla e inmediata es imponer un límite de velocidad seguro. Pero si esa es la única respuesta, entonces no puede haber ningún progreso en el transporte ferroviario. ¿Por qué molestarse en desarrollar un tren de alta velocidad que nunca operará a alta velocidad?
Una solución mejor es comenzar a actualizar la pista y, al mismo tiempo, establecer límites de velocidad hasta que se resuelva el desequilibrio tecnológico entre el producto y su infraestructura. Desafortunadamente, respuestas sencillas como esa no siempre son tan fáciles de conseguir en el mundo real, porque pocas innovaciones importantes son ganadoras tan obvias como un tren de alta velocidad (y estoy seguro de que hay personas que también cuestionan esa innovación). El ritmo de innovación en algunas industrias es muy elevado, pero también lo es el índice de fracasos. Por lo tanto, a menudo resulta inviable cambiar la infraestructura para dar cabida a todas las innovaciones que surgen. Además, la vida útil de las innovaciones exitosas puede ser mucho más corta que la de un tren de alta velocidad, lo que significa que, para seguir el ritmo, someterá su infraestructura a cambios constantes.
Incluso si pudieras hacer cambios en una infraestructura para que coincidan con el lanzamiento de un producto, es posible que, en poco tiempo, esos cambios se hayan vuelto irrelevantes.
La realidad es que los cambios en la infraestructura suelen retrasar los cambios en los productos y servicios, y ese desequilibrio puede ser una fuente importante de riesgo. Esto no es nada nuevo para el sistema financiero. Consideremos el casi colapso de los sistemas de procesamiento de operaciones de valores de muchas firmas de corretaje estadounidenses durante el mercado alcista de 1970. La tecnología de procesamiento de pedidos en ese momento no era capaz de manejar el volumen sin precedentes de transacciones que inundaban las oficinas administrativas de las firmas de corretaje. El retraso significaba que las empresas y sus clientes tenían información incompleta y, en muchos casos, inexacta, sobre sus posiciones financieras. Este colapso provocó que algunas firmas se fundaran.
Se logró una solución temporal mediante la acción cooperativa de las principales bolsas de valores. Durante un período de tiempo, restringieron el horario de negociación para permitir que las empresas se pongan al día con el procesamiento de sus pedidos y la conciliación de cuentas. El problema subyacente se resolvió solo después de que las empresas y los exchanges realizaran inversiones masivas en nueva tecnología para el procesamiento de datos. En este caso concreto, el problema de la infraestructura se resolvió sin intervención del gobierno. Sin embargo, es poco probable que tal intervención pueda evitarse hoy si surgiera un problema de transacciones de valores de magnitud similar. El número de intercambios e intermediarios financieros competidores (incluidas las bolsas de valores derivados) en todo el mundo dificultaría extraordinariamente el éxito de los esfuerzos de coordinación voluntaria privada.
Para complicar los riesgos derivados del desequilibrio entre la innovación de productos y servicios y la innovación de infraestructuras, los productos y servicios siguen evolucionando después de su lanzamiento, y esta evolución no es independiente de la infraestructura. Supongamos que un banco o corredor introduce un producto personalizado en los mercados financieros. A medida que aumenta la demanda, el producto o servicio pronto se estandariza y comienza a suministrarse directamente a los usuarios a través de un mecanismo de mercado de intercambio a costos enormemente reducidos.
Eso es lo que sucedió hace 50 años cuando los fondos mutuos se hicieron populares. Antes de esa innovación, la única forma en que los particulares podían crear una cartera de mercado diversificada era comprando una selección de acciones en una bolsa. Esto era costoso e inviable para todos, excepto para un puñado de grandes inversores: los costos de transacción eran a menudo muy altos y las existencias deseadas no estaban disponibles en lotes lo suficientemente pequeños como para dar cabida a una diversificación completa. La innovación de la puesta en común de intermediarios, como los fondos de inversión, permitió a los inversores individuales conseguir carteras significativamente mejor diversificadas. Posteriormente, las nuevas innovaciones permitieron crear contratos de futuros en varios índices bursátiles, tanto nacionales como extranjeros. Estos contratos negociados en bolsa redujeron aún más los costos, mejoraron la diversificación interna y ofrecieron mayores oportunidades de diversificación internacional. Le dieron al inversor una flexibilidad aún mayor a la hora de seleccionar el apalancamiento y controlar el riesgo. En particular, los futuros sobre índices hicieron factible la creación de opciones cotizadas en bolsa sobre carteras diversificadas. Más recientemente, los intermediarios han comenzado a utilizar swaps de rentabilidad de acciones para crear contratos personalizados que especifican el índice bursátil, el horizonte temporal de inversión e incluso la combinación de divisas para los pagos.
Por lo tanto, los medios institucionales de diversificación de acciones de los hogares fueron inicialmente los mercados de acciones individuales de las empresas. A través de la innovación, los intermediarios como los fondos de inversión los sustituyeron. Luego, con los futuros sobre índices bursátiles, los inversores podrían volver a acceder directamente a los mercados. Ahora estamos viendo la innovación de los intermediarios con fondos cotizados en bolsa (ETF), que permiten negociar carteras diversificadas en bolsas.
El riesgo de este tipo de dinámica es, por supuesto, que resulta muy difícil identificar exactamente qué cambios en la infraestructura se necesitan en un momento dado. Incluso si pudieras hacer cambios en una infraestructura para que coincidan con el lanzamiento de un nuevo producto, es posible que en muy poco tiempo esos cambios se hayan vuelto irrelevantes porque el producto está siendo vendido por diferentes personas a través de diferentes canales a distintos usuarios que lo necesitan para fines diferentes. Para complicar las cosas, los cambios en la infraestructura pueden generar sus propias consecuencias no deseadas. Una evaluación adecuada de los riesgos que conlleva una innovación requiere un modelado cuidadoso de las consecuencias. Sin embargo, nuestra capacidad de crear modelos lo suficientemente ricos como para captar todas las dimensiones de los riesgos es limitada. Es probable que las innovaciones siempre tengan consecuencias no deseadas y los modelos son, por su propia naturaleza, representaciones incompletas de la realidad compleja. Los modelos también están limitados por la competencia de sus usuarios y pueden aplicarse incorrectamente fácilmente. Por último, debemos reconocer que muchos de los riesgos de una innovación se derivan de la infraestructura que la rodea. Resulta especialmente difícil pensar en las consecuencias infraestructurales de la innovación en sectores complejos y de rápida evolución, como las finanzas y la IT. Al final, cualquier innovación supone un salto hacia lo incognoscible. Sin embargo, si queremos progresar, es un hecho que debemos aceptar y gestionar.
— Escrito por