El algoritmo del diablo (versión 2012)

Aunque hay quien afirma que está en paradero desconocido, se dice que David X. Li, el hombre que dio al traste con nuestro modo de vida, emigró a Pekín, donde guarda silencio resguardado tras el cargo de jefe de departamento de riesgos de un banco de inversión.

Nacido Lixiang Li, este chino de 52 años llegó misteriosamente a Canadá en 1987 con una beca para estudiar el sistema capitalista. Hijo de una familia reeducada durante los tiempos de la revolución cultural, Li destacó como estudiante universitario, lo que previsiblemente sirvió para que su gobierno le premiase con los fondos necesarios para cursar un MBA en Quebec. Li aprendió de una manera muy precisa de qué iba nuestro sistema, porque tras conseguir el título de doctor en estadística consiguió trabajo en el Imperial Bank of Canadá y fue fichado en 2000 por J.P. Morgan. Fue entonces cuando publicó el artículo On Default Correlation: A Copula Function Approach, donde escribió esto:

Alguien lo leyó en su empresa y comenzó a dar saltos de alegría. "Por fin lo tenemos", pensaron muchos profesionales de la inversión, "Por fin lo tenemos". La aplicación de la fórmula hizo ricos a muchos directivos de firmas financieras, provocó que personas de Sheffield y de Sevilla perdieran su trabajo, que familias de Italia y de Estados Unidos fueran expulsadas de su hogar y que alguien se quitara la vida en Grecia.

La época en la que sabíamos qué hacer

María es madre de una niña de dos años que tiene problemas para conciliar el sueño. Me cuenta que para conseguir que se duerma ha de acostarse con ella cada noche, y que con mucha frecuencia ha de llevarla de madrugada a su cama, ya que se despierta y demanda insistentemente compañía. María no sabe bien qué hacer, ha consultado a distintas fuentes (pediatra, otros padres primerizos, a su madre, ha buceado en internet) y de todas recibe consejos diferentes y a menudo contradictorios. Está preocupada, y no sólo por la gran cantidad de tiempo que debe dedicar a la niña, sino porque teme que la situación se cronifique y su hija siga padeciendo de problemas de sueño cuando sea mayor.

El dilema de María no hubiera tenido lugar hace cien años. En aquel entonces, la única fuente de información con la que contaban los padres primerizos era la que les proveía la familia extensa: madre, hermanas y primas transmitían las normas de la crianza a partir de lo aprendido a través de la tradición y de sus propias experiencias. Avanzado el siglo XX, esas estructuras grupales de información fueran abandonándose en favor de la proporcionada por  expertos. El reagrupamiento humano en grandes ciudades disolvió la familia extensa, y a cambio nos proporcionó un buen número de profesionales que decían tener la solución más precisa a nuestras dudas. María tampoco hubiera encontrado demasiados problemas en aquel tiempo, ya que el médico de cabecera o el pediatra le hubieran proporcionado la solución científicamente correcta. O al menos, la que en aquella época se tenía por tal: si después de cumplir las recomendaciones la niña hubiera seguido sin dormir bien, se hubiera dicho que la era un caso especial o que la madre no había cumplido exactamente las indicaciones.

Hoy estamos en otro contexto. Sabemos que los médicos pueden equivocarse,  no terminamos de fiarnos de que los consejos de familiares y amigos sean realmente eficaces y los expertos nos recomiendan mil métodos distintos. Además, siempre podemos echar mano de la extensísima información que nos ofrece internet. La situación es muy diferente, porque disponiendo de todos esos datos, no sabemos bien qué hacer: la hija de María continúa durmiéndose al lado de una madre llena de dudas.

El problema de María es también el de nuestra sociedad. Vivimos en un mundo incierto, que lo es en gran medida no por lo que desconocemos, sino por lo que sabemos. Cuando queremos conocer la solución a un problema o la verdad de los hechos, tenemos que bucear en un océano de versiones contradictorias, interpretaciones dispares, mentiras interesadas y medias verdades. No sabemos bien dónde estamos, lo que a menudo nos impide avanzar. Podemos tomar la decisión que queramos, pero nunca terminamos de saber si la solución que pretendemos dar servirá de algo o empeorará las cosas. Tenemos demasiada información irrelevante y pocas certezas. Y esa era la clase de problemas que pretendía ayudar a solucionar la fórmula de David X. Li.

(página 2 de 3)

Hablo con Javier  Ruiz de Azcárate, CEO de Catenon, una empresa española de selección de personal que cotiza en el MAB y que puso en marcha hace pocos años un innovador proceso de selección de directivos. Su apuesta consiste en simplificar el proceso al máximo, estructurándolo en torno a una organización que parece extraída de la división del trabajo fordista, pero aplicada a la sociedad del conocimiento. Su mérito consiste en invertir las seguridades de la profesión, que se basaba en una serie de contactos personales y a menudo poco transparentes que permitían a las firmas gozar de una posición de ventaja. Catenon da un giro al enfoque: en nuestro mundo el problema no es cómo conseguir contactos para luego guardarlos en un cajón cerrado, sino cómo clarificar el enorme caudal de información que ya está disponible. La firma asegura que puede encontrar la persona idónea para ocupar una posición en cualquier lugar del mundo, lo que puede conseguir precisamente porque han tejido sistemas que les permiten depurar finamente los datos hasta encontrar, afirman, una terna apropiada de candidatos. Y la base de su empresa, lo que les permite abaratar costes, simplificar el proceso y convertirlo en una cadena son las búsquedas algorítmicas.

Una solución muy similar se aplicó al mismo problema en el sector financiero. La forma de lidiar con el riesgo que toda decisión de inversión comporta fue ir relegando las apuestas basadas en el talento o la intuición de los gestores y confiar cada vez más en mecanismos científicos de clarificación de la complejidad. Hay fondos de inversión que todavía cuentan con figuras visibles, y el caso más evidente es el de Warren Buffet, pero es innegable que el tiempo de las grandes personalidades ya ha pasado.

Los análisis cuantitativos se han traído a escena precisamente para remediar las deficiencias a las que abocan las apreciaciones subjetivas. Es posible que nuestra sociedad crea a pies juntillas en el talento de las grandes figuras pero desde luego no a la hora de invertir. Como afirma Daniel Lacalle, gestor de un hedge fund de la City, las estrategias cuantitativas intentan desligar de las decisiones todo lo que es simple ruido. Se trata de encontrar una serie de múltiplos y de combinaciones en resultados y rentabilidades que permitan conocer si una empresa está barata o cara respecto a las de su mismo sector, de forma “que se desligue la decisión de inversión todo aquello que es subjetivo y no cuantificable. Ésta debería basarse exclusivamente en expectativas de beneficio y en resultados económicos respecto a sus comparables. Si lo llevas al límite, la gran mayoría de las decisiones deberían ser cuánticas. Eso no impide que entrevistándote con los gestores de una empresa puedas  limar las estimaciones, o que tengas en cuenta otras variables, como el hecho de lo que le  costará el capital a una firma española si el bono a diez años sigue subiendo y cómo eso afectará a los futuros beneficios”. 

En todo caso, insiste Lacalle, cuando se invierte se hace sobre expectativas de resultados, sobre cifras de caja y de balance y todo lo demás no sirve para nada. “Una empresa es buena o mala en relación con sus comparables, porque para eso están compitiendo, y eso tiene que ponerse en cifras. Si no lo puedes cuantificar, no sirve para nada”. Y si bien este tipo de análisis no provoca que las decisiones se impongan por sí mismas, (“los datos que me sirven para ponerme largo a otros les pueden servir para ponerse cortos”)  sí marcan sustancialmente la pauta. El inversor necesita mecanismos que ratifiquen que está haciendo lo correcto y que, en definitiva, introduzcan objetividad y seguridad en las decisiones. Proporcionar esos análisis es tarea de los quants.

Hablo con L., un quant que me explica que su tarea consiste en generar herramientas y modelos de valoración, principalmente sobre derivados, que después utilizarán los traders para dar precio a los distintos productos financieros. Me aclara que ellos no se dedican a ver tendencias, a predecir si esto o aquello va a subir o bajar, sino a hacer modelos para fijar con precisión cuánto vale hoy algo. Según me cuenta, las entidades financieras tratan de obtener sus ganancias a través de lo que cobran por la intermediación, por lo que la función esencial de un quant como él consiste en cubrir el riesgo de las operaciones. Si la entidad vende un producto, después ha de compensar con otro que tenga una sensibilidad similar, de manera que a un movimiento en el producto que ha vendido siga un movimiento del mercado subyacente del producto que se ha comprado. En otras palabras, la forma de conjurar el riesgo consiste en invertir en valores correlacionados, de forma si uno genera pérdidas, el otro ofrezca los beneficios necesarios para compensar, asegurándose así la entidad la ganancia percibida por intermediar.

L.me cuenta más cosas, a menudo cuajadas de lenguaje técnico, y siempre apostilladas con una afirmación ("¿Sabes de lo que te hablo?") pero en esencia, nada nuevo añade. Sí, sé de lo que me habla: me está contando que debe ayudar a aprovechar los riesgos, que debe ayudar a ganar dinero cuando se está sometido a la incertidumbre, que ha proporcionar un asidero técnico en el que sustentar en el negocio. Que su tarea es dar seguridad en un entorno altamente incierto. Y esto es lo significativo. El tipo de problemas que deben afrontar el gestor de un hedge, la empresa de selección de personal y la madre preocupada por el bienestar de su hija parten del mismo dilema, cómo tomar las mejores decisiones en un contexto de sobreabundancia de información. Cuando hay tantas posibilidades, la principal dificultad es saber cómo encontrar la mejor opción. Esa tarea, que se parece mucho a la vieja búsqueda de la aguja en el pajar, es a la que se dedica el quant, y era también la que se atribuyó David X. Li. Lo malo es que, en algún punto, las cosas se torcieron y nada salió según lo previsto.

(Página 3 de 3)

Ser sentimentalmente feliz parece hoy más sencillo de conseguir, ya que contamos con muchas más opciones, proporcionadas por medios impensados hace un par de décadas, como las páginas web de búsqueda de parejas. La socióloga Eva Illouz buceó por estos servicios de conexión de personas a través de la red, y se encontró con una serie de dilemas muy parecidos a aquellos con los que las madres modernas y los sofisticados inversores han de lidiar a diario. En esas páginas hay miles y miles de  candidatos/as de todos los lugares del mundo, que ofrecen toda clase de datos sobre su persona, su forma de ser y sus aspiraciones vitales. Están sus fotografías, sus inquietudes, sus demandas. Sabemos muchas cosas sobre ellos, tenemos muchísima información válida a nuestra disposición, pero ¿cómo elegir? ¿Cómo estar seguros de cuál es la que encaja mejor con nuestros deseos? Quizá conozcamos a alguien, pero ¿cómo saber si al centrarnos en esa persona no ignoramos opciones muchos mejores? Ante esa tesitura, afirma Illouz, la estrategia más frecuente de los futuros amantes pasa por reducir la complejidad a través de criterios específicos y a menudo inquebrantables. 

Es cierto que quien comparte con nosotros aficiones, tiene un físico que nos resulta atractivo y cuenta con circunstancias laborales similares y un origen social adecuado no va a ser necesariamente nuestra pareja ideal, pero no es una objeción que los estudiados por Illouz tuvieran en cuenta habitualmente. En sus perfiles aparecían una serie de demandas objetivas, desde el peso de los candidatos hasta su nivel salarial, y no estaban dispuestos a conocer gente que se saliera de esos parámetros. Para orientarse en un contexto tan complicado, escogieron despejar el camino a base de cuantificaciones mínimas y deshumanizadas (y particularmente extrañas si hablamos de relaciones de pareja), que les servían como criterio inflexible de selección. La paradoja era que, para tomar una buena decisión sentimental, utilizaban elementos de valoración reduccionistas y que sólo tomaban en cuenta los aspectos más pragmáticos. Pasión cero...

Los inversores, en un terreno  muy distinto, actuaron de manera muy similar. Como cuenta John Lanchester, en el excelente Huy!, Por qué todo el mundo debe a todo el mundo y nadie puede pagar (Ed. Anagrama), en su búsqueda de seguridad emplearon mecanismos para prever los cambios que sólo podían funcionar si simplificaban las cosas al máximo. En primera instancia, porque para poder realizar mediciones que se ajustaran a parámetros cuantificables, tuvieron que limitar los aspectos que median: qué costase en realidad un bien o un valor pasó a ser algo irrelevante, apostándose por cuantificar variables como la volatilidad y la correlación, esto es, la frecuencia y la intensidad con que un valor subía y bajaba de precio y en qué medida el alza de un valor se correspondía con la bajada o la subida de otro. Esa mirada parcial posibilitó también la aparición del instrumento que disparó el mercado de derivados, la ecuación inventada en 1973 por Fischer Black y Myron Scholes que permitía calcular el precio de futuros y opciones sobre la base del valor de activo subyacente.

La fórmula Black-Scholes, como imagen principal de la matematización del mercado financiero, fue decisiva porque, en un entorno altamente impreciso e inseguro, suponía la aparición de un mecanismo de confianza. Las apuestas ya no habrían de realizarse a partir de intuiciones o de informaciones incompletas, ya que contábamos con un instrumento científico de garantía. La ecuación Black-Scholes iba mucho más allá de su formulación; lo que decía era que se podía medir objetivamente el riesgo, y que por lo tanto, era posible invertir de modo (más o menos) seguro en contextos inciertos. Quizá tuviera algunos inconvenientes, pero parecían escasos comparados con sus promesas.

La fórmula Black-Scholes o, más propiamente, la convicción del sector financiero de que al poner el riesgo en cifras éste desaparecía, fue la causa de varias debacles, la más sonada de las cuales fue la quiebra del fondo de cobertura de inversiones Long Term Capital Management, al que Black y Scholes asesoraban y para el que habían diseñado instrumentos de ingeniería financiera. La Reserva Federal hubo de acudir en rescate de un fondo cuyo agujero ascendía a 3.500 millones de dólares.

Los gestores financieros olvidaron demasiado deprisa que ecuaciones como esa tienen validez limitada, que los instrumentos de medición del riesgo del sector financiero, como el RAROC o el VaR, sólo hablaban de probabilidades. Los modelos matemáticos no pueden adivinar el futuro, sólo pueden decirnos cuáles serán las tendencias más probables en condiciones normales. Las ciencias sociales hacen esto con frecuencia, pero al no convertir sus reflexiones en números, no suelen ser tomadas en cuenta. Una fórmula ofrece la impresión de ser algo mucho más científico, y por tanto, más sólido y confiable. Sin embargo, no es así: como afirmaba un técnico de inversiones, tales instrumentos no son más que “un airbag que funciona siempre, menos cuando hay un accidente”.

Y ese fue el mismo problema en el que cayó David X. Li. La gran conmoción que produjo en el mundo financiero su On Default Correlation: A Copula Function Approach, provino de que productos relativamente novedosos, como los CDO (Obligaciones de deuda colateralizada) podían ser por fin cuantificados. La aportación de X. Li fue crucial, ya que permitió evaluar de un manera fiable el nivel de riesgo que tenían productos financieros muy complejos. Su teoría de la “cópula gaussiana” corrió como la pólvora por Wall Street porque ofrecía un mapa preciso para orientarse con éxito por el mundo extraño de los CDO y los CDS (Credit Default Swaps).

Pero ese instrumento escondia un lado oscuro. Su aparición, como cuenta John Lanchester, hizo que los bancos cerrasen los ojos al riesgo. Creyendo que la fórmula de X. Li les guardaba por completo las espaldas, compraron paquetes de hipotecas de mala calidad, los reunieron en un pool y los dividieron en unidades que luego vendieron a inversores. En otras palabras, la teoría de David X. multiplicó por mil las posibilidades de que una catástrofe financiera se produjese.

Y como no podía ser de otra manera, se produjo. Quienes echaron mano de la ecuación olvidaron tres cosas: que estaban operando con modelos reduccionistas que sólo tenían en cuenta unas cuantas variables, mientras que la realidad era mucho más amplia; que esos modelos sólo podían funcionar correctamente si se contaba con datos previos abundantes y que recogiesen escenarios diversos, lo cual no era el caso; y que los modelos que predicen a partir de un historial previo no pueden adivinar la aparición de los acontecimientos inesperados, eso que Nassim Taleb llamó “cisnes negros”. En definitiva, olvidaron que las ciencias no son toda la realidad, y que a menudo son sólo una manera tentativa de acercarse a un mundo muy complejo.

Después de la debacle, podría pensarse que hemos aprendido unas cuantas lecciones, que ya hemos interiorizado que los modelos matemáticos no funcionan en todo los contextos y que sólo sirven como orientación, que los mecanismos predictivos son más débiles de lo que prometen y que, cuando se cuantifica la realidad, se hace el precio de reducirla en exceso. Podríamos pensar que hemos aprendido algo, pero no es cierto.  

Imaginemos que una de esas páginas para encontrar partenaire analizadas por Eva Illouz ofreciera un servicio algorítmico que nos seleccionase una pareja y que nos obligase a casarnos con ella inmediatamente y sin posibilidad de disolver el matrimonio. A todo el mundo le parecería un disparate, pero es exactamente eso lo que los modernos algoritmos están haciendo en el terreno financiero. Esta crisis está siendo dura, pero no nos está sirviendo de mucho, porque estamos haciendo todo para que vuelva a repetirse. Y por las mismas causas…

*La segunda parte de este reportaje es: El algoritmo del diablo (versión 2013)