Ζούμε σε περιόδους ακραίας αβεβαιότητας και αυτό καθιστά τη ζωή δύσκολη για τους ανθρώπους που είναι επιφορτισμένοι με την πρόβλεψη του μέλλοντος.
Οι αναλογιστές, για παράδειγμα, έχουν το καθήκον να προβλέπουν τάσεις, ώστε οι ασφαλιστές να γνωρίζουν πόσα πρέπει να κάνουν κράτηση ή τι να χρεώσουν για τα συμβόλαιά τους. Οι οικονομολόγοι υποτίθεται ότι προβλέπουν την εξέλιξη των επιτοκίων, των καταναλωτικών δαπανών κ.λπ.
Σήμερα, και τα δύο επαγγέλματα παραδέχονται ότι είναι αμηχανία, αλλά εργάζονται σκληρά για να προσαρμοστούν.
«Η καλή διαχείριση κινδύνων πρέπει να σημαίνει ότι είμαστε προετοιμασμένοι για κινδύνους που απειλούν την επιβίωση, ανεξάρτητα από το αν μπορούμε ή όχι να τους προσδώσουμε πιθανότητα», σχολιάζει ο οικονομολόγος Λόρδος Mervyn King, ο οποίος είναι πρώην κυβερνήτης της Τράπεζας της Αγγλίας. “
«Είναι εξαιρετικά επικίνδυνο να πιστεύεις ότι μπορείς να πεις,« αυτό είναι το ακριβές ποσό που κινδυνεύει »», προσθέτει ο King.
Ο Ανδρέας Σακάλλης, διευθύνων σύμβουλος της Principle IB Consultants και μέλος του Διοικητικού Συμβουλίου της Κυπριακής Ένωσης Αναλογιστών, είναι επίσης δυσαρεστημένος με τα τρέχοντα μοντέλα που χρησιμοποιούνται στις προβλέψεις.
Ανδρέας Σακάλλης
«Έχουμε βασιστεί πολύ στα λεγόμενα μοντέλα« μαύρου κουτιού »για προβλέψεις», είπε σε μια συνέντευξη στο Cyprus Mail. «Αυτό σημαίνει ένα μοντέλο στο οποίο ορισμένα ή όλα τα μέρη των διαδικασιών που μοντελοποιούνται δεν είναι ορατά και δεν είναι ανιχνεύσιμα. έχετε είσοδο, μετά φάσεις μαύρου κουτιού και μετά έξοδο. “
Μετά την παγκόσμια οικονομική κρίση της περιόδου 2007-2008, οι ασφαλιστές αναμενόταν να ενσωματώσουν το μοντέλο του black box στις προβλέψεις τους.
«Εκείνη την εποχή ήταν φρέσκο από την οικονομική κρίση, πολλές εταιρείες, διεθνείς γίγαντες καθώς και μικρότερες, αντιμετώπιζαν προβλήματα φερεγγυότητας και πίστευαν ότι θα μπορούσαν να ανακουφίσουν τα προβλήματά τους χρησιμοποιώντας αυτά τα εσωτερικά μοντέλα. Τους επέτρεψε να αποκλίνουν από τις τυπικές απαιτήσεις φερεγγυότητας », λέει ο Shakallis.
Έκτοτε, τεχνικές που χρησιμοποιούν AI για λήψη αποφάσεων με μοντελοποίηση μαύρου κουτιού έχουν χρησιμοποιηθεί σε πολλές εταιρείες, αλλά η έλλειψη διαφάνειας αυξάνεται απλώς χρησιμοποιώντας αυτές τις μεθόδους.
Ωστόσο, η εξάρτηση από αυτά τα μοντέλα που λαμβάνουν υπόψη δεδομένα του παρελθόντος για την πρόβλεψη του μέλλοντος, αλλάζει απλώς την ευθύνη, επισημαίνει ο Shakallis. “Τα μελλοντικά αναμενόμενα αποτελέσματα μπορεί κάλλιστα να μην ακολουθούν δεδομένα του παρελθόντος. Αυτά τα μοντέλα μπορούν να χρησιμοποιηθούν για να αποκτήσουν εικόνα σχετικά με προβλήματα, αλλά είναι πολύ ύποπτα για την πρόβλεψη μελλοντικών γεγονότων.”
Ο Βασιλιάς πηγαίνει ένα βήμα παραπέρα. «Είναι ένα άλλο παράδειγμα ρύθμισης ότι είναι υπερβολικά ακριβής, και ως αποτέλεσμα οι άνθρωποι αποτελούν αριθμούς. «Νομίζω ότι είναι σημαντικό να μην ξεγελιέστε από την φαινομενικά ακριβή φύση των μοντέλων μαύρου κουτιού, τα οποία συνήθως σχεδιάζονται από κάποιον άλλο με φανταχτερές διανομές αλλά με αριθμούς. Εάν οι αριθμοί αποτελούνται, δεν έχει σημασία ποια διανομή έχετε. Οι ρυθμιστές τους αποδέχονται επειδή θέλουν να έχουν έναν αριθμό και οι άνθρωποι συνεχίζουν να ξεγελαστούν », επιμένει ο King.
Η λύση? «Πάρτε το παράδειγμα της πρόβλεψης της θνησιμότητας σε μια πανδημία. Μια πανδημία θα σας προκαλέσει επιπλέον ποσοστά θνησιμότητας ή νοσηρότητας στο χαρτοφυλάκιό σας. Ο καλύτερος τρόπος αντιμετώπισης αυτής της αβεβαιότητας είναι να αφαιρέσετε επιπλέον αποθεματικά κεφαλαίου για να καλύψετε την αυξημένη απώλεια πέρα από αυτό που θα σας οδηγήσει να περιμένετε τα καλύτερα δεδομένα. Τότε είναι δυνατό να χρησιμοποιήσετε τεχνικές δοκιμής πίεσης για να διασφαλίσετε επαρκή αποθέματα », εξηγεί ο Shakallis.
Είναι επίσης δυνατό να μεταβιβάσουμε τον κίνδυνο σε αντασφαλιστές ή να χρησιμοποιήσουμε άλλες τεχνικές μεταφοράς κινδύνου που μετατοπίζουν τον κίνδυνο σε άλλες οντότητες, προσθέτει.
«Το θέμα είναι, εάν οι υπολογισμοί σας με βάση τα υπάρχοντα δεδομένα υποδηλώνουν ότι έχετε αποθεματικό ποσού X, θα πρέπει στη συνέχεια να αναιρέσετε, ανάλογα με την οικονομική σας κατάσταση, ένα πολλαπλάσιο ποσό X (π.χ. 1,25Χ ή 1,5Χ), προκειμένου για να αυξήσει σημαντικά τις πιθανότητες αντοχής στην αβεβαιότητα και τα απροσδόκητα γεγονότα στο μέλλον », σημειώνει ο Shakallis. “Σε καιρούς όπως αυτές, η αυξημένη προσοχή είναι πιο σημαντική από το να προσπαθούμε να δικαιολογήσουμε αποφάσεις με ένα πολύπλοκο σύστημα μοντελοποίησης.”
Ένας άλλος ειδικός συμφωνεί. «Η καλύτερη δυνατή κρίση πρέπει να λαμβάνεται με βάση τα υπάρχοντα δεδομένα. Τότε, προσεκτικές, σταθμισμένες κρίσεις βάσει των καλύτερων γνώσεων που έχετε πρέπει να χρησιμοποιηθούν για την τροποποίησή τους », λέει ο Παντελής Δαμιανού, καθηγητής Μαθηματικών και Στατιστικής στο Πανεπιστήμιο Κύπρου.
Τι γίνεται με άλλα είδη αποφάσεων, όπως οι επενδύσεις;
Όσον αφορά την επένδυση, ο Shakallis πιστεύει επίσης ότι η χρήση πολύπλοκων τεχνικών μοντελοποίησης δεν παρέχει ικανοποιητικά αποτελέσματα. “Οι αξιολογήσεις των θεμελιωδών, σε συνδυασμό με τις κρίσεις που βασίζονται σε λογικές προσδοκίες είναι η καλύτερη πορεία.”
Λοιπόν, ποια διαδρομή πρέπει να ακολουθήσετε στη λήψη επιχειρηματικών αποφάσεων σε περιόδους αβεβαιότητας;
Οι ειδικοί φαίνεται να συμφωνούν: Κάντε την καλύτερη δυνατή κρίση και, στη συνέχεια, ενεργήστε με μεγάλη προσοχή.
«Στην πραγματικότητα δεν υπάρχει υποκατάστατο για τους υπεύθυνους λήψης αποφάσεων που ρωτούν:« Τι συμβαίνει πραγματικά εδώ; »» λέει ο King. «Σε τι αναφέρονται αυτοί οι αριθμοί; Σε τι χρησιμεύουν; Ποια απόφαση εξαρτάται από αυτούς; Το να σκεφτόμαστε αυτά τα πράγματα πιο βαθιά αξίζει χίλιους αριθμούς που προέρχονται από ένα μοντέλο μαύρου κουτιού. “