Wykrywanie „czarnych łabędzi” dzięki nowej metodzie modelowania matematycznego W dużej mierze nieprzewidywalny kryzys finansowy w 2008 roku pokazał nieskuteczność wielu metod modelowania finansowego. Biorąc pod uwagę dynamizm złożonych systemów, w ramach finansowanego ze środków UE projektu STRIKE stworzono modele skonstruowane tak, aby lepiej przeciwdziałać nieoczekiwanym zdarzeniom: od wahania cen na giełdzie, po koszty związane z dołączeniem do (i opuszczeniem) UE przez dany kraj. Gospodarka cyfrowa Społeczeństwo Badania podstawowe © NicoElNino, Shutterstock Do czasu kryzysu finansowego w 2008 roku modele finansowe były upraszczane poprzez wprowadzanie założeń stosunkowo nierealistycznych. Kompromis osiągnięto poprzez generowanie modeli, które pozwalały na łatwiejsze i szybsze zastosowanie, ale zawierały dane w przybliżeniu zamiast całkowicie dokładnych informacji. Zastosowanie teorii statystycznej i prawdopodobieństwa w kontekście kryzysu finansowego wyraźnie pokazało, że tego typu zdarzenia, które są uważane za skrajne, a zatem mało prawdopodobne, są w rzeczywistości bardziej powszechne niż zakładały to poprzednie modele. Konsekwencją tego jest fakt, iż obecne finansowe modelowanie matematyczne stało się bardziej skomplikowane i trudniejsze do obliczenia. Głównym celem finansowanego przez UE projektu STRIKE było jak najlepsze wykorzystanie tych modeli. W tym celu stworzono sieć młodych europejskich naukowców o odpowiednich kwalifikacjach. Coś więcej niż liczby Jednym z głównych wyzwań, z którymi zmierzono się w ramach projektu STIRKE, było połączenie różnych metodologii i teorii, tak aby wzajemnie się uzupełniały. Szkolenie obejmowało analizę matematyczną, zaawansowane metody numeryczne, symulacje stochastyczne, modelowanie finansowe (z wykorzystaniem dokładnych jakościowych i ilościowych danych rynkowych), optymalne techniki kontroli i techniki walidacji modelu. Zakres projektu wykroczył również poza zwykłe zrozumienie danych liczbowych, w celu lepszego określenia potencjalnego wpływu tych danych na społeczeństwo. Oprócz standardowych modeli (takich jak model Black-Scholesa-Mertona stosowany jako narzędzie inwestycyjne służące przede wszystkim do wyceny instrumentów pochodnych), teoretyczna część badań dotyczyła również reakcji Europy na kryzys finansowy, która cechowała się „efektem domina” i „zachowaniami stadnymi”. Aby opracować nowy, bardziej niezawodny i nieliniowy (lub niegaussowski) model oparty na rzetelnych danych, dane do projektu zostały dostarczane przez firmy i banki. „Dzięki temu mogliśmy porównać wyniki symulacji z rzeczywistymi danymi historycznymi. Oczywiście dane te pomogły nam również w kalibracji modeli” – wyjaśnia koordynator projektu, prof. Matthias Ehrhard. Następnie modele te zostały włączone do jednego zestawu finansowych narzędzi obliczeniowych stworzonego w ramach projektu STRIKE. „To umożliwia nam przeprowadzenie symulacji i zebranie dokumentacji w oparciu o informacje ogólne oraz pozwala na wprowadzanie zmian, a następnie obserwowanie ich wpływu w odniesieniu do wprowadzonych ustawień. W kilku przypadkach wykorzystano też zdolności obliczeniowe procesorów graficznych do przetwarzania zadań równoległych (takich jak te używane do gier komputerowych) w celu przyspieszenia symulacji” – kontynuuje prof… Ehrhardt. Czexit a teoria kwantowa Mówiąc o użyteczności pakietu narzędzi, prof… Ehrhardt podkreśla konieczność zrozumienia systemów finansowych, porównując je do ewolucji fizyki, która pomyślnie wyszła poza założenia przyczynowości liniowej. „Projekt STRIKE umożliwia bardziej rzetelny lub bardziej terminowy hedging i analizę ryzyka” – podsumowuje. Dążąc do celu, jakim jest dostarczanie użytecznych narzędzi do podejmowania decyzji oraz stworzenie sieci współpracy skupiającej się na wiedzy, zespół uczestniczący w projekcie STRIKE opracował modele dopasowane do rzeczywistych sytuacji i problemów. Prof… Ehrhardt zaznacza, że terminowość ma duże znaczenie, podkreślając, że „szczególnym przykładem naszego sposobu modelowania była sytuacja, w której kraj chciał dołączyć do UE i wówczas potrafiliśmy właściwie oszacować strukturę terminową stóp procentowych”. „Teraz można zastosować podobną technikę w przypadku, gdy kraj opuszcza UE lub uniezależnia swoją walutę od kursu euro. Tę ostatnią sytuację można odnieść do „Czexitu” w kwietniu 2017 roku, kiedy to Czechy postanowiły uniezależnić koronę czeską od waluty euro” – kontynuuje. Algorytmy opracowane w ramach projektu STRIKE mają szerokie zastosowanie w świecie rzeczywistym, na przykład w aplikacjach dostarczających wskazówek w zakresie inwestowania na giełdzie lub udostępniających informacje o cenach energii, które pomagają w podejmowaniu decyzji konsumpcyjnych. W chwili obecnej, oprócz utrzymania konsorcjum badawczego, prace w ramach projektu obejmują publikację książki z wynikami badań i dalszą organizację odbywających się raz na dwa lata międzynarodowych konferencji poświęconych finansom obliczeniowym. Słowa kluczowe STRIKE, modelowanie finansowe, kryzys finansowy, rozdzielenie walut, stopy procentowe, algorytm finansowy, analiza ryzyka, ocena ryzyka, zestaw narzędzi do podejmowania decyzji
