Interviu cu Andreea Petrescu: când nu mai funcționează modelele matematice pentru opțiuni
Cât de des se dovedește greșită aplicarea mecanică a modelelor?
E principiu de bază: un model matematic e doar o interpretare a realității, nu realitatea însăși. Am văzut de nenumărate ori cum ipotezele „frumoase” din teorie nu supraviețuiesc șocului datelor reale. De exemplu, presupunerea de volatilitate constantă pare inofensivă pe hârtie, dar pe piață nu rezistă nici măcar o lună în perioadele agitate. Dacă nu conștientizezi limitele, ajungi să aplici modele în situații pentru care nu au fost construite. Asta duce la concluzii greșite și, mai grav, la decizii riscante. Rolul meu e să trag frâna de mână când văd entuziasm prea mare pentru o formulă elegantă.
Cum verifici dacă datele folosite pentru modele sunt corecte?
În primul rând, trebuie să cauți date din surse independente. Să nu te bazezi pe un singur set, oricât de atractiv ar părea. În al doilea rând, e vital să verifici coerența internă: să vezi dacă datele se potrivesc între ele și cu ipotezele modelului. De multe ori, datele istorice sunt marcate de evenimente rare care pot distorsiona rezultatele dacă nu le identifici corect. Eu folosesc mereu două-trei metode de verificare și nu ezit să reiau calculele dacă ceva pare prea frumos să fie adevărat.
Care sunt întrebările critice pe care trebuie să ți le pui despre un model?
Prima întrebare e: ce nu poate explica modelul? Orice model are limite, iar ignorarea lor duce la o falsă senzație de siguranță. O altă întrebare importantă: cât de sensibil este rezultatul la mici modificări ale datelor de intrare? Am văzut cazuri unde o schimbare minusculă în date a dus la diferențe majore în rezultate. Dacă nu pui sub semnul întrebării ipotezele și nu testezi sensibilitatea, riști să ratezi problemele esențiale.
Ce capcane ai observat în aplicarea modelelor matematice pentru opțiuni?
Capcana clasică este să consideri modelul ca pe un adevăr absolut, fără să ții cont de contextul pentru care a fost creat. Un alt pericol e să folosești modelul pentru orice tip de date, chiar dacă nu se potrivește. În practică, am văzut analize care păreau impecabile pe hârtie, dar care au eșuat complet când datele de piață s-au schimbat rapid. Cel mai important e să rămâi mereu sceptic și să-ți asumi că orice concluzie e provizorie, nu definitivă.