مسعود غلام‌زاده لداری *

قسمت اول

طی سال‌های اخیر، این تصور در میان بعضی از مدیران ریسک و افرادی که به مدل‌سازی مالی مشغول هستند به وجود آمده است که هر چه مدل‌های ریسک و مالی مورد استفاده پیچیده‌تر باشند، میزان اتکاپذیری و اعتبار این مدل‌ها و در نتیجه ارزش کار آنها افزایش می‌یابد. در این نوشته مختصر سعی شده است تا به افرادی که بیش از حد بر مدل‌های ریسک و مالی پیچیده تکیه می‌کنند، هشدار داده شود که اتکای بیش از حد روی معیارهای اندازه‌گیری پیچیده می‌تواند به تصمیماتی غیربهینه منجر شود.

مدل‌های ریسک پیچیده در مقابل مدل‌های ریسک ساده

در صنعت خدمات مالی، به‌نظر می‌رسد که بین اتکاپذیری و اعتبار یک معیار اندازه‌گیری ریسک از یک‌ طرف و دشواری روابط ریاضی بکار رفته در این معیار اندازه‌گیری از طرف دیگر، رابطه مستقیم وجود دارد. این طرز تفکر، خطرناک است و می‌تواند منجر به احساس و درک نادرست از مصون‌سازی ریسک شود. هیچ قاعده‌ای نمی‌گوید که یک مدل پیچیده بهتر از یک مدل ساده‌ است. ممکن است بارها اتفاق بیافتد که یک مدل ساده برای اندازه‌گیری ریسک مناسب‌تر از یک مدل بسیار پیچیده‌تر باشد. مثلا ممکن است از شما درخواست شود که ریسک نرخ سود در یک بانک سنتی را اندازه‌گیری کنید. شما می‌توانید با یک تجزیه‌و‌تحلیل ساده این کار را انجام دهید و تغییر در ارزش بازار بانک در اثر شوک‌های ناگهانی نرخ سود را محاسبه کنید. از طرف دیگر، شما می‌توانید از یک معیار اندازه‌گیری ریسک آماری پیچیده به نام ارزش در معرض خطر (VAR) (۱) استفاده کنید. VAR نیز با سطح اطمینان خاص، به شما ایده‌ای راجع‌به زیان احتمالی ارزش بازار بانک در اثر نوسان نرخ سود می‌دهد. متاسفانه، مدل‌های پیچیده مثل VAR اغلب مبتنی بر مفروضات متعددی هستند که ممکن است به درستی تعیین نشده باشند. سوالات زیادی در مورد VAR وجود دارد که باید پاسخ داده شوند. بعضی از این سوالات عبارتند از: شما باید از کدام روش استفاده کنید، شبیه‌سازی تاریخی(۲)، واریانس-کوواریانس(۳) یا مونت کارلو(۴) ؟ باید از چه تعداد داده استفاده کنید؟ از چه دوره‌های تاریخی باید داده‌های خود را گردآوری کنید؟ از کدام توزیع آماری باید استفاده کنید؟ آیا VAR باید برای یک افق زمانی یک روزه، ۱۰ روزه یا یکساله محاسبه شود؟ آیا VAR باید در سطح اطمینان ۹۹ درصد، ۹۵ درصد یا سطح اطمینان دیگری محاسبه شود؟ همان‌طور که این مثال‌ها نشان می‌دهند، فهرست مفروضات مربوط به تجزیه و تحلیل VAR گسترده است.

یک تغییر در هر یک از مفروضات متعددی که مدل VAR بر مبنای آن طراحی شده است، ممکن است باعث تغییر قابل ملاحظه در ارزیابی نهایی از ریسک شود. یک فرض غلط ممکن است منجر به نتایج نادرست و گمراه‌کننده شود. مثلا اگر روش VAR شما براساس توزیع نرمال زیان‌ها باشد، در صورتی‌که توزیع واقعی زیان‌ها به‌صورت غیرنرمال باشد، آنگاه شما ممکن است ریسکی را که سازمان با آن مواجه است کمتر از مقدار واقعی برآورد کرده باشید. این تنها یکی از خطاهای متعدد احتمالی در زمینه مدل‌سازی است.

برخلاف مدل‌های پیچیده، یک معیار ساده برای محاسبه ریسک نرخ سود که تاثیر نوسان آنی فرضا دو درصد در نرخ سود بر ارزش بازار بانک را نشان می‌دهد، مستلزم لحاظ کردن مفروضات زیادی نیست؛ بنابراین خطای مدل‌سازی یا ریسک مدل در مورد این معیارها کمتر است. علاوه بر این، معیارهای اندازه‌گیری ریسک ساده‌تر، زمان زیادی را صرف محاسبات و ارائه نتایج نمی‌کنند و تبیین و درک آنها هم ساده‌تر است. در بسیاری از مواقع، معرض ریسک نرخ سودی که با استفاده از VAR مشخص می‌شود ممکن است با معرض ریسک محاسبه شده با یک آزمون ساده فشار(۵) تفاوت چندانی نداشته باشد. شاید بهتر باشد که از زمان و منابع بخش مدیریت ریسک بیشتر به منظور استفاده از یک مدل ساده استفاده شود که برای اندازه‌گیری ریسک کافی به‌نظر می‌رسد. در عوض، زمان مازادی هم که به طراحی و استفاده از مدل‌های تحلیلی پیچیده اختصاص می‌یافت صرف موارد زیر کرد: ۱) درک این مساله که معیار اندازه‌گیری ریسک ساده دارد به شما چه چیزهایی را می‌گوید و ممکن است چه چیزهایی را نگوید و ۲) طراحی و اجرای استراتژی‌های مناسب مصون‌سازی ریسک.اگر یک مدل ریسک ساده می‌تواند به خوبیِ یک مدل ریسک پیچیده عمل کند، چه ضرورتی دارد که سراغ ساخت و بکارگیری مدل پیچیده‌تر برویم؟ شاید توسعه مدل‌های پیچیده‌تر و تفکر راجع‌به ریسک‌های موجود در ابعاد مختلف آن به درک شما از پویایی‌های ریسک بیفزاید.»

بازارها و مدل‌های مالی

بیشتر مدل‌های پیچیده ریسک ممکن است در دنیای واقعی عمل نکنند؛ چون ما با بازارهای مالی سر و کار داریم و بازارهای مالی از افراد تشکیل شده‌اند، افراد هم می‌توانند غیرقابل پیش‌بینی باشند و غیرعقلایی رفتار کنند. این مساله بازارهای مالی را ناکارآ، غیرقابل پیش‌بینی و اغلب غیرمنطقی می‌کند.

* دانشجوی دکترای حسابداری دانشگاه علامه طباطبایی