Vá lỗ hổng của hệ thống tài chính và vai trò nhà khoa học

Các trái phiếu tài chính dựa trên những khoản tín dụng này (và các tài sản khác) trước đây từng được coi là rẻ và không có rủi ro, và các ngân hàng thường sử dụng chúng như vốn và tài sản thế chấp. Nhưng khi giá nhà đất giảm mạnh, những trái phiếu này trở nên vô dụng, thậm chí không thể dùng để vay nổi những khoản vay ngắn hạn cho các ngân hàng, trong bối cảnh bị thiếu tiền mặt trầm trọng. Các ngân hàng lâm vào tình trạng giữ trong tay những tài sản vô giá trị, trong khi bị ràng buộc chặt với nhau. Khi một ngân hàng phá sản, tất cả những người khác lâm nguy theo.

Các lực tự nhiên của thị trường chỉ có thể vận hành hiệu quả khi các mối rủi ro được định giá đúng mức. Nhưng những rủi ro trên diện rộng nói trên đã không được tính đến, và trái phiếu được bán với giá quá thấp.

Như vậy, một mục tiêu rõ ràng cho khoa học ở đây là làm sao xây dựng các mô hình tốt hơn cho hệ thống tài chính toàn cầu. Khi đó, các nhà quản lý tài chính cũng như các nhà chức trách có thể dùng những mô hình này để đánh giá rủi ro tài chính và đưa ra những quyết định sáng suốt hơn.

Đúng là trong những cuộc khủng hoảng vừa qua, các nhà khoa học cũng phải gánh một phần trách nhiệm. Chính họ là tác giả của các mô hình đo lường rủi ro mà các ngân hàng vẫn thường xuyên sử dụng. Nhưng những mô hình này thiếu những dữ liệu quan trọng – ví dụ như những tài sản và các hành vi giao dịch thông thường, mối quan hệ giữa các công ty, và khả năng thực hiện giao dịch của các thị trường.

Vì những lý do thương mại, các ngân hàng thường ngại chia sẻ những loại thông tin này. Nhưng nay họ phải thay đổi. Pháp luật Mỹ hiện nay cho phép nhà chức trách thu thập những dữ liệu này từ các ngân hàng, quỹ hưu trí, công ty bảo hiểm, và những tổ chức khác trong thị trường tài chính. Châu Âu cũng đang thay đổi theo hướng này, và hi vọng Châu Á cũng sớm tiếp nối. Kết quả là, chúng ta sẽ sớm có thể mô hình hóa và xác định những mối rủi ro trên diện rộng.

Để hiểu tầm khó khăn của việc mô hình hóa những rủi ro tài chính trên diện rộng, hãy hình dung một siêu thị muốn thu tiền những người ra vào. Để mô hình hóa chuyển động của khách mua sắm, chúng ta có thể xây dựng một mô hình thuần túy thống kê về số lượng người ra vào cửa, và trong đa số trường hợp, mô hình này sẽ cho kết quả tương đối sát với thực tế. Tuy nhiên, trong những trường hợp cá biệt, như khi có hỏa hoạn, vấn đề hoàn toàn thay đổi. Toàn bộ khách hàng sẽ đổ xô ra cửa thoát hiểm gần nhất, khiến hệ thống thu phí quá tải và cửa sẽ bị đóng lại. Những khách hàng chưa ra được sẽ tiếp tục đổ xô sang cửa thoát hiểm tiếp theo. Trong những trường hợp như vậy, mô hình thống kê sẽ bị sai lệch nghiêm trọng.

Không bị hạn chế như các mô hình thống kê, những mô hình tìm điểm cân bằng, hoặc mô hình cấu trúc được xây dựng để dự đoán động lực – vì thế chúng cũng dự đoán được cả hành vi – của từng cá nhân. Vào những thời điểm thông thường trong đời sống, những mô hình này vô cùng phức tạp và rất khó dựng – hãy hình dung sẽ khó thế nào nếu chúng ta muốn lượng hóa tất cả mọi lý do đằng sau việc mua sắm của mọi người. Tuy nhiên, vào những lúc khó khăn, động lực và hành vi của khách hàng đều giống nhau (làm sao thoát ra nhanh nhất!), và mô hình sẽ dự đoán tốt hơn.

Để hiểu và dự đoán một cách xác thực xu hướng vận động của thị trường trong cơn khủng hoảng, chúng ta cần biết rõ năng lực của những đối tượng nắm vai trò quyết định (tương tự như vai trò của máy soát vé ở siêu thị trong ví dụ minh họa trên đây) và nhu cầu sở hữu tài sản khi giá cả biến động mạnh (thay đổi về tương quan số người muốn thoát ra ngoài so với số người muốn vào trong siêu thị). Những dữ liệu mới sẽ cho phép các mô hình làm được điều này.

Rõ ràng, các nhà quản lý có trách nhiệm xây dựng những mô hình như vậy và sử dụng chúng cho việc giám sát những cuộc khủng hoảng tiềm tàng. Để làm được điều này, họ sẽ cần thu hút chuyên môn từ các nhà khoa học, thông qua việc hỗ trợ và khuyến khích nghiên cứu từ các trường đại học và phòng thí nghiệm.
Các ngân hàng cũng nên góp phần vào nỗ lực này, đồng thời hình thành nên những nhóm thu thập dữ liệu từ toàn bộ các thành viên trong ngành, thu xếp các nguồn tài nguyên và dữ liệu để các nhà khoa học xây dựng nên những mô hình cần thiết, tạo ra cơ sở hạ tầng có tính an ninh và bảo mật cao nhằm giúp các thành viên xác định được mức giá của những rủi ro trên toàn hệ thống. Hiện nay, ngành tài chính ngân hàng đã có một nhóm có vai trò tương đương như vậy – Tổ chức Trao đổi Dữ liệu Rủi ro Hoạt động.

Tất cả mọi người sẽ được hưởng lợi nếu các ngân hàng hợp tác với các nhà khoa học để xây dựng được một cơ sở hạ tầng cần thiết giúp định giá những rủi ro trên toàn hệ thống. Các ngân hàng sẽ có thông tin hữu ích về các tài sản và chiến lược giao dịch, cho phép họ tự điều chỉnh hành vi của mình, tránh được cảnh bắt chước nhau một cách bầy đàn. Các nhà quản lý cũng sẽ có thêm thông tin về thị trường để xác định khi nào thì cần hành động nhằm đảm bảo sự ổn định. Và tất cả chúng ta sẽ có thêm lòng tin đối với hệ thống tài chính.

TS dịch từ
http://www.nature.com/news/scientists-and-bankers-a-new-model-army-1.10399