Η συνεχής εξέλιξη των μοντέλων πρόβλεψης κινδύνων

Η διεθνής οικονομική κρίση αύξησε το ενδιαφέρον του κόσμου για τα μοντέλα πρόβλεψης κινδύνων και για κάποιους αποτέλεσε το έναυσμα για αμφισβήτηση των ακολουθούμενων πρακτικών. Συνηθισμένα θέματα που περιέχονται σε δημοφιλή έντυπα περιλαμβάνουν την δυσκολία μοντελοποίησης της ανθρώπινης συμπεριφοράς και την πολυπλοκότητα των χρησιμοποιούμενων χρηματοοικονομικών εργαλείων και θεωρούνται ως υπαίτια δημιουργίας της παρούσας οικονομικής κρίσης.
 
Έρευνες σε βάθος στους μηχανισμούς των παράγωγων χρηματοοικονομικών προϊόντων (subprimes) αποκάλυψαν την ύπαρξη γνωστών μελανών σημείων στα μοντέλα αυτά. 

Η θεωρία του management θεωρούσε αυτά τα μελανά σημεία είτε ως μη σημαντικά είτε ως μη ικανά να προκαλέσουν αντίκτυπο στα αποτελέσματα, επικεντρωνόμενη μόνο στους αληθινούς ενόχους σε περίπτωση που οι προβλέψεις δεν επιβεβαιώνονταν – υπήρχε έλλειψη ετοιμότητας και πρόβλεψης αντιμετώπισης όλων των παραγόντων που διαμορφώνουν τον συνολικό κίνδυνο ή, για να το θέσουμε διαφορετικά, «αποτυχία της φαντασίας». 

Ο υπολογισμός του κινδύνου κατά βάση είναι μια δημιουργική προσπάθεια, μια άσκηση προβολής και δοκιμασίας του αγνώστου. Ένα εγχείρημα τέτοιου είδους δε μπορεί να διεκπεραιωθεί από μόνο ένα εργαλείο, όπως είναι τα μοντέλα πρόβλεψης κινδύνων, ούτε όμως να μην το χρησιμοποιήσει καθόλου διότι η χρήση των εργαλείων αυτών ήταν ένας από τους πολλούς λόγους εμφάνισης της πρόσφατης οικονομικής κρίσης.

Πράγματι, η μοντελοποίηση κινδύνου είναι δυναμική  διαδικασία και παρέχει πολύτιμες πληροφορίες στους ανθρώπους που καλούνται να λάβουν αποφάσεις. Αυτό είναι ιδιαιτέρως αληθές στους κλάδους ασφάλισης Περιουσίας και Αστικής Ευθύνης της ασφαλιστικής βιομηχανίας, όπου ο κίνδυνος είναι το βασικό συστατικό τους. 

Οι δυο αυτοί κλάδοι βίωσαν επί σειρά δεκαετιών επενδύσεις, αποτυχίες, έρευνες και βελτιώσεις στις μεθόδους, εργαλεία και διαδικασίες που παράγουν αξιόπιστη πληροφόρηση περί των κινδύνων. Μεγάλο μέρος της προόδου στη διαχείριση κινδύνου έχει επιτευχθεί  μέσω των τεχνολογικών καινοτομιών και αλμάτων και πρόσφατα έχει έρθει στο προσκήνιο το ζήτημα της συμφωνίας σε βέλτιστες πρακτικές διαχείρισης κινδύνων. 

Σήμερα, οι μέτοχοι των ασφαλιστικών εταιρειών που ασκούν τους κλάδους Περιουσίας και Αστικής Ευθύνης απαιτούν την ύπαρξη μιας γκάμας εξελιγμένων τεχνικών διαχείρισης του κινδύνου. Αυτές πρέπει να έχουν ως σκοπό να αποδείξουν ότι ένας ασφαλιστής μπορεί να διαχειριστεί τον κίνδυνο και να παράξουν διαφάνεια στο ισοζύγιο κινδύνων και βοηθητικών κεφαλαίων μιας ασφαλιστικής επιχείρησης.
 
Τα περισσότερα διοικητικά στελέχη συνήθως ενστερνίζονται τέτοιες προηγμένες μεθόδους υπολογισμού του κινδύνου και τα αντίστοιχα εργαλεία, θεωρώντας τα όχι απλώς ως απαιτούμενα, αλλά και ως φορείς δημιουργίας συγκριτικού πλεονεκτήματος. Μια εις βάθος ανάλυση του κινδύνου μπορεί να δείξει σε μια εταιρεία που να τοποθετήσει κεφάλαια, που βρίσκονται ανεκμετάλλευτες ευκαιρίες και που η δραστηριοποίηση μπορεί να είναι επικίνδυνη ή κατ’ ελάχιστο μη επικερδής. Παρά όμως την ευρεία αποδοχή, η ανάλυση κινδύνου εξελίσσεται διαρκώς και πολύ συχνά δεν είναι ολιστική, δε λαμβάνει δηλαδή υπόψιν της όλους τους παράγοντες που την επηρεάζουν.

Πληροφόρηση: Τα θεμέλια της πρόβλεψης κινδύνου 

Συχνά, οι καταστάσεις ή τα γεγονότα που ορίζουν τον μη αποδεκτό κίνδυνο δε συνέβησαν ποτέ ή συνέβησαν σε μακράν διαφορετικά οικονομικά περιβάλλοντα από αυτά που υπάρχουν σήμερα. Αν και τα μοντέλα προσπαθούν να τοποθετήσουν στην ίδια εικόνα όλη τη σχετική πληροφόρηση για έναν συγκεκριμένο κίνδυνο, είναι ευρέως γνωστό ότι ποτέ δε θα μπορέσουν να μιμηθούν επακριβώς την ανθρώπινη συμπεριφορά – αυτό όμως δε μειώνει την αξία τους.
Τα μοντέλα μπορούν να είναι  πηγή πολλών πληροφοριών εάν τεθούν στο σωστό πλαίσιο και χρησιμοποιηθούν για την παραγωγή γνώσης παρά οριστικών απαντήσεων. 

Για την κατανόηση των μοντέλων, οι άνθρωποι που λαμβάνουν τις αποφάσεις πρέπει να καταλάβουν το πληροφοριακό υλικό που τα δημιούργησε και τα τρέφει. Υπάρχουν δύο κύριες χρήσεις της πληροφορίας αναφορικά με τα μοντέλα πρόβλεψης κινδύνων. Πρώτον, πρόκειται για ένα ιστορικό αρχείο γεγονότων που έχουν συμβεί και χρησιμοποιείται για την κατανόηση μελλοντικών υποδειγμάτων κινδύνου. 

Πόσες ελλείψεις (defaults) σημειώθηκαν στο παρελθόν; Πόσες ασφαλιστικές απαιτήσεις; Τι είδους εταιρείες είχαν μεγαλύτερη συχνότητα ζημιών; Η πληροφόρηση αντιπροσωπεύει επίσης την τρέχουσα έκθεση σε κίνδυνο. Ποιος ο αριθμός των μη εξυπηρετούμενων δανείων; Πόσα ασφαλιστήρια Συμβόλαια συνάφθηκαν; Ποια είναι τα ποιοτικά χαρακτηριστικά τέτοιων κινδύνων; Η πληροφόρηση από το παρελθόν δείχνει τη μελλοντική πιθανότητα, η πληροφόρηση από το παρόν την άμεση έκθεση σε κίνδυνο. 

Οι χρήσεις αυτές των πληροφοριακών δεδομένων -ως βάση για τη δημιουργία μοντέλων κινδύνου και ως δείκτης του τρέχοντος προφίλ κινδύνου- είναι ουσιώδεις στη διαδικασία λήψης αποφάσεων που βασίζεται στα μοντέλα αυτά. Το σημαντικό σημείο αφετηρίας όμως είναι το τρέχον προφίλ του κινδύνου. 

Όμως αυτό πολύ συχνά παραβλέπεται. Πριν την εφαρμογή προηγμένων μαθηματικών τεχνικών και εξελιγμένων τεχνικών προσομοίωσης, μερικές απλές ασκήσεις άντλησης πληροφοριών μπορούν να δώσουν μια χρήσιμη εικόνα του υπό εξέταση ρίσκου. 

Η εικόνα αυτή δημιουργείται από την έκθεση σε συγκεκριμένο τύπο κινδύνου, από την τοποθεσία και το είδος της επιχείρησης, από τυχόν διαχρονικές αλλαγές στο προφίλ του ρίσκου, σε διαφορετικές οικονομικές καταστάσεις ή σε συνάρτηση με δημογραφικά στοιχεία, η λίστα είναι ατελείωτη και μεταβλητή για κάθε εταιρεία. Ανάλυση αυτής της μορφής δίνει στους ανθρώπους που λαμβάνουν τις αποφάσεις ένα πλαίσιο όπου μπορούν να αξιολογήσουν περισσότερο περίπλοκα αποτελέσματα τέτοιων μοντέλων και να στρέψουν την προσοχή τους σε επιπλέον μεθόδους έρευνας. 

Μια θεμελιώδης ανάλυση των στοιχείων που διαμορφώνουν την έκθεση σε κίνδυνο δεν έχει γίνει κοινή πρακτική μολονότι κάτι τέτοιο είναι αντίθετο με την κοινή λογική. Πρόσφατα γεγονότα -όπως οι ζημιές προερχόμενες από τυφώνες- υπογραμμίζουν τη δύναμη και τη σημασία της κατανόησης των πληροφοριών εκτίμησης του κινδύνου. Ως αποτέλεσμα, στο συγκεκριμένο πεδίο διαχείρισης κινδύνου αναδύεται ένα νέο πεδίο εστίασης. Πρακτικές που έμοιαζαν προφανείς και απλές, όμως, είναι δύσκολα εφαρμόσιμες. 

Ένας συχνός ανασχετικός παράγων είναι ο πολύ μεγάλος όγκος πληροφοριών που συνθέτει το προφίλ ενός κινδύνου. Η συγκέντρωσή του σε μια φόρμα με συνοχή, η ανάλυση τεράστιων όγκων πληροφοριακών δεδομένων και η δημιουργία υλικού που μπορεί να χρησιμοποιηθεί από τις αναλύσεις αυτές μπορεί να απασχολήσει ολόκληρα τμήματα μιας εταιρείας και απαιτεί την ύπαρξη ιδιαίτερα εξειδικευμένων προσόντων. 

Ευτυχώς, η εξέλιξη της τεχνολογίας που σχετίζεται με τη διαχείριση πληροφοριών υπήρξε πολύ δυνατή, καθοδηγούμενη από καινοτομίες και την ανάγκη για μαζική και εξαιρετικά γρήγορη επεξεργασία και ανάλυση των δεδομένων. 

Ένα παράδειγμα τεχνολογίας αιχμής αναφορικά με πληροφοριακά στοιχεία κινδύνων αποτελεί η πλατφόρμα i-aXs® της εταιρείας Guy Carpenter, θυγατρική εταιρία του Ομίλου της Marsh & McLennan Companies (MMC), που συνενώνει λογισμικό επιχειρηματικής πληροφόρησης με το σύστημα GIS και υπερυπολογιστές για να δημιουργήσει ένα εξειδικευμένο περιβάλλον εκτίμησης κινδύνου ικανό να επεξεργάζεται και να αναλύει σε σύντομο χρόνο τα στοιχεία από μια ογκώδη βάση δεδομένων για εκτίμηση κινδύνου. 

Πλατφόρμες όπως αυτή μπορούν να επηρεάσουν τις ικανότητες των οικονομικών αναλυτών, να κάνουν τη διαδικασία εκτίμησης της έκθεσης σε κίνδυνο περισσότερο πρακτική και να κάνουν την πληροφορία περισσότερο προσιτή στα άτομα που λαμβάνουν αποφάσεις.