مرتضی بینا
اخیرا در جلسه‌‌ای شرکت داشتم که در آن بحث پیاده‌سازی استانداردهای اروپا برای شرکت‌های بیمه‌ای در ایران جریان داشت. استاندارد‌های بیمه اروپا روش‌هایی هستند برای جلوگیری از ورشکستگی شرکت‌های بیمه‌ای، نظارت بر شرکت‌های بیمه‌ای و حمایت از بیمه‌شدگان.

در این جلسه سوالی مطرح شد که خلاصه آن جمله ذیل است: آیا می‌توان استانداردهای بیمه اروپایی را در ایران پیاده کرد بدون اینکه از ریسک‌های موجود در ایران داده‌های کافی داشته باشیم؟
این سوال دریچه‌ای است برای ورود به بحث نقش داده‌ها در اندازه گیری ریسک‌ها و تصمیم‌گیری‌های مالی و اقتصادی و نهایتا اینکه آیا پیاده سازی استانداردهای بیمه اروپایی در ایران امری است عبث یا لازم الاجرا. برای ما روشن است که انسان‌ها هزاران سال تصمیمات اقتصادی خود را بر مبنای اطلاعات دریافتی، باورها و تجربیات خود گرفته‌اند و برای تصمیم‌گیری نیازی به بانک‌های اطلاعاتی مدرن و ریاضیات بسیار پیچیده نداشته‌اند. اما با گستردگی و پیچیدگی روز افزون مبادلات تجاری، گاهی این تصور ایجاد می‌شود که ارزش گذاری قراردادها به دلیل پیچیدگی ریسک‌های موجود، از توان انسا‌ن‌ها خارج است و حتما باید با جمع‌آوری داده‌ها و استفاده از ریاضیات پیشرفته اقدام به ارزش‌گذاری قراردادها در مبادلات تجاری کرد. بدون شک داده‌ها نقش مهمی در شناخت و اندازه‌گیری ریسک‌ها برای ارزش‌گذاری بازی می‌کنند. اما در عین حال، این را باید در نظر گرفت که داده‌های جمع‌آوری شده نقش مهمی در شکل گرفتن و تغییر باور‌های ما از اندازه ریسک‌ها بازی می‌کنند و نباید باورها را به صرف نتیجه‌گیری ریاضی که می‌توان از داده‌ها کرد، کنار گذاشت.
این بحثی است که در علم ریاضیات آماری هم وجود دارد، ولی قبل از اینکه وارد بحث ریاضی بشوم، مثالی از وقایع مربوط به بحران مالی سال‌های 2007 تا 2009 آمریکا می‌زنم تا نکته مهم این مقاله را روشن‌تر کنم. برای سال‌های متمادی به طور متوسط، کمتر از 3 درصد از وام‌گیرندگان مسکن در آمریکا از پرداخت وام خود نکول می‌کردند، این نرخ در سال 2005 به کمتر از 5/1 درصد رسیده بود. بر مبنای این آمار، مشتقات مالی و اوراق قرضه متنوعی از وام‌های مسکن ایجاد شده بود که ارزش همگی آنها به نرخ نکول متوسط وام‌گیرندگان بستگی داشت.
ارزش‌گذاری این مشتقات به کمک داده‌های وسیع شرکت‌های تعیین اعتبار و مهندسان ریاضی امکان‌پذیر بود. بر مبنای داده‌های موجود، مهندسان ریاضی این شرکت‌ها احتمال بیشتر شدن نرخ نکول متوسط را بسیار کم برآورد می‌کردند، و در نتیجه مردم، بانک‌ها و شرکت‌های سرمایه‌گذاری، مشتقات و اوراق قرضه مربوط به وام‌های مسکن را بسیار گران‌تر از آنچه که باید خریداری می‌کردند. این مشتقات نقش مهمی در ایجاد نقدینگی لازم برای رونق بازار مسکن داشتند.
در این میان دانشمندان دیگری بودند که زنگ‌های خطر را به صدا در می‌آوردند، ولی صدا‌هایشان در هیاهوی رونق اقتصادی و استدلال‌های مهندسان ریاضی گم می‌شد.
این دانشمندان معترض معتقد بودند که به دلیل ایجاد نقدشوندگی ناشی از همین مشتقات، قیمت‌های مسکن بالا می‌رود و این علت کم بودن نکول وام‌گیرندگان است.
این دانشمندان معتقد بودند زمانی فرا خواهد رسید که بالا رفتن قیمت‌ها متوقف خواهد شد و نرخ نکول به شدت بالا خواهد رفت و در نتیجه ارزش این مشتقات شدیدا افت خواهد کرد و منجر به ورشکستگی بسیاری از دارندگان آنها خواهد شد.
دانشمندانی که زنگ خطر را به صدا در می‌آوردند باورشان این بود که هیچ مسکنی قیمتش تا بی‌نهایت بالا نمی‌رود و چون افراد زیادی به امید بالا رفتن قیمت خانه‌هایشان وام‌های کلان گرفته‌اند و در واقع توان پرداخت قسط‌هایشان را ندارند، با پایین آمدن قیمت خانه در موقعیت ورشکستگی قرار خواهند گرفت و به احتمال زیاد نکول خواهند کرد. در سال ۲۰۱۱ نرخ نکول به بیش از ۱۱ درصد رسیده بود که طبق نظریه مهندسان ریاضی امکان چنین واقعه‌ای می‌توانست کمتر از یک بار دریک میلیون سال باشد.
در علم آمار دو دیدگاه وجود دارد؛ در دیدگاه اول، داده‌ها نمونه‌ای از حقیقت هستند که اندازه‌گیری شده‌اند، و هر چه تعداد نمونه‌ها بیشتر شود حقیقت مشخص‌تر می‌شود. اکثر قریب به اتفاق علم آمار از این دیدگاه تدریس می‌شود و به دیدگاه فرکانتیست معروف است.
در دیدگاه دوم، داده‌ها نقش به روز کردن باورهای قبلی را بازی می‌کنند. یعنی ما چیزی را بر مبنای تجربه باور داریم و داده‌های جدید باعث می‌شوند ما به مرور باورهای خود را با داده‌های جدید تطبیق بدهیم.
دیدگاه دوم به روش «بایز» شهرت دارد و در دادگاه‌ها و قضاوت بسیار مورد استفاده است، جایی که داده‌های آماری کم هستند و تجربیات و باورهای انسانی نقش برجسته‌ای دارند.
دیدگاه اول، یعنی دیدگاه فرکانتیست در پیشرفت علمی بسیار موثر بوده اما در عین حال تکیه بیش از حد بر آن باعث می‌شود بخش عمده‌ای از دانش نهفته در تجربیات و باورهای انسانی کمرنگ شوند. ما شاهد این مساله در بحران مالی ۲۰۰۷ تا ۲۰۰۹ بودیم که مهندسان ریاضی با روش معمول آماری که همان روش فرکانتیست است از داده‌ها استفاده کردند. در نتیجه تجربیات و باورهای دیگران که از زبان ریاضی قوی برخوردار نبودند قابلیت عمل خود را در مقابل استدلال‌های مهندسان ریاضی و آمار از دست دادند.
با این مقدمه بر می‌گردم به بحث کمبود داده‌های آماری از ریسک‌ها در ایران و مشکل پیاده‌سازی استانداردهای بیمه‌ای اروپا در ایران.
هرچند داشتن داده‌های آماری به اندازه‌گیری ریسک‌ها و ارزش‌گذاری قراردادها کمک زیادی می‌کند، ولی این را باید در نظر بگیریم که مجموعه افراد فعال در صنعت بیمه، کم و بیش با ریسک‌هایی که با آن مواجه هستند آشنایی دارند و این خود می‌تواند در وهله اول پایه ارزش‌گذاری قراردادها باشد.
به مرور زمان که داده‌ها جمع می‌شوند، شناخت از ریسک‌ها بهتر می‌شود و صنعت بیمه می‌تواند قراردادهای بهتری به مشتریان ارائه بدهد. بنابراین کمبود اطلاعات آماری از ریسک‌ها در این زمان نمی‌تواند بهانه‌ای برای امتناع از پیاده کردن استانداردهای بین‌المللی باشد؛ چون تجربیات و شناخت انسانی از ریسک‌ها تا حد قابل قبولی ارزش‌گذاری قراردادها را امکان‌پذیر می‌کند. در ضمن، پیاده‌سازی استانداردهای اروپایی خود باعث اراده در جمع‌آوری اطلاعات و شناخت بهتر ریسک‌ها می‌شود.