Γιατί τα νούμερα δεν βγάζουν πάντα νόημα

Αυτός που είπε «πιστεύουμε στους αριθμούς» ήταν ο ακαδημαϊκός περιβαλλοντολόγος, Jerome Ravetz. Άλλοι ιστορικοί της επιστήμης, περιλαμβανομένου και του Theodore Porter, έχουν εδώ και καιρό την ίδια άποψη. Η δήλωση αυτή δεν θα μπορούσε να είναι πιο σχετική, καθώς η παγκόσμια οικονομία ανακάμπτει από τη μεγαλύτερη κρίση που βίωσε μετά το 1929.

Αρκετοί managers, σε κατ' ιδίαν συζητήσεις συμφωνούν ότι χρησιμοποιούμε αριθμητικά μοντέλα λήψης αποφάσεων σχεδόν ευλαβικά για να πείσουμε ότι οι αποφάσεις μας είναι επιστημονικά στέρεες. Ποντάρουμε στην αξιοπιστία της αριθμητικής πιο πολύ για να πείσουμε, παρά για να αποδείξουμε.

Αυτό είναι ορατό τόσο στο δημόσιο, όσο και στον ιδιωτικό τομέα. Πάρτε υπόψη την απάντηση της ΕΚΤ στην κατάρρευση του 2008: Αυτά που ήταν μέχρι τότε καλοστεκούμενο κρατικό χρέος και ικανοποιητικά επίπεδα ελλείμματος για τις χώρες της Ε.Ε. ξαφνικά επισημάνθηκαν ως επικίνδυνα μη βιώσιμα, ενώ για τις χώρες παρατηρήθηκε η ανάγκη οικονομικής διάσωσης - αν και μερικές ακόμη παρουσιάζουν ισχυρή βιομηχανική παραγωγή και θετικές προοπτικές.

Τα ίδια θεμελιώδη μεγέθη, όταν υπόκεινται σε διαφορετικές αριθμητικές υποθέσεις, δίνουν ξεκάθαρα διαφορετικά αποτελέσματα και αυτό κρίθηκε επαρκές για να χαρακτηριστούν εκ νέου οι αγορές και να χαμηλώσουν οι αξιολογήσεις των κρατικών τίτλων. Δεν τέθηκε κανένα ερώτημα για το κατά πόσον οι υποθέσεις ήταν ρεαλιστικές ή όχι. Οι νέοι «αριθμοί» νομιμοποίησαν τη νέα πραγματικότητα καθώς προέρχονταν από τα αναμφισβήτητα άτεγκτα μοντέλα της κεντρικής τράπεζας.

Στην πραγματική αγορά αυτό είναι πιο προφανές, περισσότερο από οπουδήποτε αλλού, στις επενδυτικές αποφάσεις.

Ειδικά στην τραπεζική, τα στοιχεία δείχνουν ότι αυτοί που παίρνουν τις αποφάσεις προσαρμόζουν τα νούμερα ώστε να κάνουν τα μοντέλα να εμφανίζουν τις αποδόσεις που επιθυμούν. Έρευνα στις αποφάσεις τεχνολογικών επενδύσεων για το internet banking σε μεγάλες αγγλικές τράπεζες ανάμεσα στο 1999 και το 2006 έδειξε ότι τα μαθηματικά μοντέλα συστηματικά χρησιμοποιούνται για να στηρίζουν μια συγκεκριμένη επένδυση, αντί να χρησιμοποιούνται στην παραβολή και στην αξιολόγηση υποψήφιων projects. Κορυφαία στελέχη αναγνωρίζουν ότι οι άνθρωποι παίζουν πράγματι με τους αριθμούς για να τους κάνουν να πουν την ιστορία που θέλουν. Οι αποφάσεις παίρνονται σε στρατηγική βάση και μετά υποστηρίζονται από μια ιστορία που διηγούνται οι αριθμοί.

Ζώντας με την ανασφάλεια

Από τη χρυσή εποχή της ποσοτικής χρηματοοικονομικής της δεκαετίας του 1970, η συμβατική σοφία λέει ότι πιο ακριβή μοντέλα θα οδηγήσουν σε αποφάσεις που λαμβάνουν υπόψη τους περισσότερα δεδομένα και για αυτό είναι καλύτερες. Ωστόσο, η ίδια πρακτική σοφία λέει ότι οι περισσότερες αποφάσεις στελεχών, ειδικά εκείνες των χρηματοοικονομικών επενδύσεων, δημιουργούνται -γιατί είναι υποχρεωμένες να το κάνουν- σε περιβάλλον αβεβαιότητας, αν όχι άγνοιας. Οπότε, τα καλά μοντέλα αφθονούν, αλλά οι αποφάσεις λαμβάνονται χωρίς τη συμμετοχή τους. Αυτό το ονομάζω «πρακτικό παράδοξο».

Το παράδοξο γίνεται ιδιαίτερα ενδιαφέρον όταν σκεφτόμαστε το λογιστικό και το οικονομικό background των ατόμων που παίρνουν τις αποφάσεις. Μια κάποια εξήγηση είναι ότι ο ανθρώπινος εγκέφαλος δεν είναι μηχανή που έχει σκοπό της την τελειοποίηση. Οι αποφάσεις λαμβάνονται εν όψει των διαθέσιμων κάθε φορά πληροφοριών αναζητώντας τις «αρκετά καλές», αλλά όχι τις καλύτερες, λύσεις. Ο Herbert Simon ονόμασε αυτό το σχήμα «ικανοποιητικό». Αυτό ωστόσο δεν εξηγεί γιατί ακόμη και οι πιο διαδεδομένες τεχνικές αξιολόγησης (όπως η net present value) χρησιμοποιούνται περισσότερο για να δικαιολογήσουν παρά για να αξιολογήσουν μια επένδυση.

Περισσότερο ξεκάθαρο είναι όταν συλλογιστούμε ποιος αναπτύσσει τα χρηματοοικονομικά μοντέλα και ποιος τα χρησιμοποιεί. Αναπτύσσονται αρχικά από επαγγελματίες ερευνητές ως αποτελέσματα εφαρμοσμένης έρευνας και χρησιμοποιούνται από επαγγελματίες μάνατζερ στην καθημερινή πρακτική λήψης απόφασης.

Οι δύο ομάδες έχουν τελείως διαφορετικά επαγγελματικά ενδιαφέροντα. Οι ακαδημαϊκοί αναζητούν αναγνώριση από την ακαδημαϊκή κοινότητα μέσω δημοσιεύσεων και διάδοσης της δουλειάς τους. Οι διαχειριστές δεν ασχολούνται με το ίδιο το μοντέλο ή την αξιοπιστία του, αλλά με το να φτάσουν σε μία έγκαιρη, αποτελεσματική και υπερασπίσιμη επενδυτική απόφαση με δεδομένη την αβεβαιότητα. Δεν έχουν την πολυτέλεια του χρόνου να επιλέξουν με αυστηρά κριτήρια το σωστό μοντέλο, να το δουν επί των διαθέσιμων επιλογών και να πάρουν τη βέλτιστη απόφαση. Περισσότερο θα κινηθούν με το ένστικτο και την εμπειρία και μετά θα προσπαθήσουν να νομιμοποιήσουν την επιλογή τους μέσω των μοντέλων αξιολόγησης που έχει ήδη υιοθετήσει η εταιρία τους.

Δεν βγάζει νόημα

Η βελτίωση της ακρίβειας είναι λοιπόν άσχετη με τη λήψη καλύτερων αποφάσεων. Οι υπάρχουσες τεχνικές αξιολόγησης είναι αρκετά ακριβείς. Αντί αυτού, τα μοντέλα αποφάσεων πρέπει να λάβουν υπόψη τους το γεγονός ότι οι μεθοδολογίες χρηματοοικονομικής αξιολόγησης πράγματι χρησιμοποιούνται ως πολιτικά εργαλεία νομιμοποίησης. Αυτό που χρειαζόμαστε προτείνω να είναι να φέρουμε στην επιφάνεια την πολιτική υπεράσπιση δίνοντας φωνή σε αυτούς που έμμεσα ή άμεσα επηρεάζουν τη λήψη των αποφάσεων. Αυτό θα δώσει κίνητρο για πλειοψηφίες , αλλά όχι πια μέσω των «αριθμητικών αντιπροσώπων».

Το να ονομάσουμε επακριβώς αυτά τα συμφέροντα θα βοηθήσει στη διαπραγμάτευση επί πραγματικών αποφάσεων, αναγνωρίζοντας ότι η λήψη τους δεν είναι μια αριθμητική απόφαση αλλά μια κοινωνική διαδικασία και στοχεύοντας σε αποφάσεις που να λαμβάνουν υπόψη τους περισσότερα δεδομένα, και λιγότερο σε «ακριβείς» αποφάσεις.

Η άποψη ότι μεγαλύτερη αριθμητική ακρίβεια είναι σημάδι υψηλής ποιότητας είναι αδυναμία του κυρίαρχου παραδείγματος λήψης επενδυτικών αποφάσεων. Τα αριθμητικά μοντέλα μπορούν να μας βοηθήσουν αρκετά να συγκρίνουμε εναλλακτικές λύσεις, αν συνυπάρξουν με μετρήσιμες παραμέτρους. Η ευκαιρία, η αμφισημία και η αβεβαιότητα μας συστήνουν μια πολύ πιο πλούσια ποιότητα παραμέτρων λήψης απόφασης από αυτήν που μπορούν να παρέχουν τα μοντέλα προσδιορισμού του κινδύνου, άσχετα με το πόσο περίπλοκα είναι.

*Ο κ. Γεώργος Σαμακοβίτης είναι λέκτορας Information Systems στο Πανεπιστήμιο του Γκρήνουιτς με ειδίκευση στην τραπεζική.