Quants: The Alchemists of Wall Street (2010)
สารคดีที่พูดถึงสมการทางการเงินจากมุมมองของนักคณิตศาสตร์การเงิน
วิกฤตการณ์ซับไพรม์ที่เกิดขึ้นกับสหรัฐ ในปี 2008 นั้น ได้สร้างความปั่นป่วนให้กับเศรษฐกิจโลกพอสมควร ถือเป็นวิกฤตครั้งร้ายแรงที่สุดนับตั้งแต่เหตุการณ์เศรษฐกิจตกต่ำครั้งใหญ่ หลังสงครามโลกครั้งที่ 1 ( Great Depression)
มันคือความผิดพลาดที่มีจุดเริ่มต้นจากนโยบายลดดอกเบี้ยเพื่อกระตุ้นเศรษฐกิจ ในปี 2002 และเป็นความผิดพลาดในเรื่องของความเข้มงวดในการปล่อยสินเชื่อของสถาบันการเงิน
เมื่อนายหน้าที่อยากได้ค่าคอมมิชชั่น มาเจอกับสถาบันการเงินที่อยากปล่อยเงินกู้ ทำให้ผู้มีรายได้น้อย มีเครดิตต่ำ และผู้ที่ไม่มีรายได้ประจำ สามารถกู้เงินซื้อบ้านได้อย่างง่ายดาย เมื่อบวกรวมกับผลของผลิตภัณฑ์ทางการเงินต่างๆที่สถาบันการเงินออกมาเพื่อสร้างกำไรส่วนเพิ่มจากสินเชื่อเหล่านั้น ไม่ว่าจะเป็นตราสารทางการเงิน หรือประกันความเสี่ยงแบบต่างๆ
.
.
ทั้งหมดนี้ล้วนแล้วแต่เป็นเส้นทางที่นำพาทุกองคาพยพทางการเงินไปสู่หายนะ จากหนี้เสียที่เกิดขึ้นมากมาย
ผมเคยอธิบายเรื่องนี้อย่างละเอียดไปแล้วในบทความเรื่องวิกฤตซับไพรม์และหนังเรื่อง The Big Short ดังนั้นบทความนี้จะกล่าวสรุปสั้นๆเพียงเท่านี้
หากสนใจรายละเอียดเพิ่มเติม สามารถอ่านได้จากบทความนั้นครับ
จากความผิดพลาดซ้ำแล้วซ้ำเล่าของระบบการเงิน ที่มีระยะเวลายาวนานหลายปีจนเกิดเป็นวิกฤตนั้น ส่วนหนึ่งเป็นเพราะตัวละครที่ชื่อว่า นักคณิตศาสตร์การเงิน หรือ " Quantitative Analysis (Quants) " พวกเขามีส่วนต่อความผิดพลาดในสมการที่คำนวณ รวมถึงการประเมินความเสี่ยงที่ผิดพลาดจนทำให้เรตติ้งของสินทรัพย์CDOสูงกว่าความเป็นจริง
สารคดี Quants: The Alchemists of Wall Street (2010) คือสารคดีที่เราจะได้ฟังมุมมองจากบทสัมภาษณ์นักคณิตศาสตร์การเงินเหล่านั้น ในเรื่องเกี่ยวกับตัวเลขและสมการในระบบการเงิน
" เบียร์หนึ่งขวดมีราคา 1 เหรียญ หากเราต้องการจัดงานเลี้ยงและต้องการเบียร์หนึ่งร้อยขวด เราจะจ่ายค่าเบียร์ทั้งหมดเท่าไหร่ ? " นี่คือคำถามเปิดเรื่องจากพอล วิลมอท (Paul Wilmott)เขาเป็นผู้เชี่ยวชาญด้านตัวเลข และแต่งตำราคณิตศาสตร์มาแล้วมากมาย
ถ้าคุณตอบว่า 100 เหรียญ .... มันคือคำตอบที่ไม่ถูกต้องเสมอไป
ในความเป็นจริง การที่คุณซื้อเบียร์ 100 ขวด คุณจะได้ส่วนลด และอาจจ่ายเพียง 80 เหรียญ หรือ เป็นไปได้ว่า คุณต้องการเบียร์หนึ่งร้อยขวดจากร้านที่เปิดอยู่เพียงร้านเดียวในบริเวณนั้น หรือ มีการจำกัดสิทธิ์การซื้อ ทำให้การได้มาซึ่งเบียร์หนึ่งร้อยขวด อาจต้องจ่ายด้วยเงิน 200 เหรียญ
จะเห็นว่าสมการนี้ไม่ใช่กราฟเชิงเส้น เราไม่สามารถเอา 1 คูณ 100 เพื่อให้ได้ผลลัพธ์ออกมา คุณอาจจะจ่ายเพียง 80 เหรียญ หรือซื้อในราคาที่สูงถึง 200 เหรียญ ก็ได้ ในโลกความเป็นจริง
สิ่งนี้สะท้อนให้เห็นถึงปัญหาสำคัญที่นักคณิตศาสตร์การเงินต้องเผชิญ คือ สมการเกือบทั้งหมดมักจะเป็นแบบเส้นตรง ซึ่งมันน่าเบื่อและไม่สมจริง
แบบจำลองทางการเงินส่วนใหญ่ต้องการข้อมูลเพื่อใช้ประกอบในสมการ และมีบางคำถามที่ต้องตอบให้ได้เพื่อทำให้เกิดความแม่นยำ เช่น อัตราดอกเบี้ยในอนาคตจะเป็นอย่างไร ?ความไม่แน่นอนของอัตราดอกเบี้ยเป็นเท่าไหร่ ?
จากนั้นแบบจำลองก็จะให้คำตอบเรื่องมูลค่าปัจจุบันหรือมูลค่าในอนาคตของสิ่งๆนั้น
.
.
โดยสมการจะจำลองถึงมูลค่าของมันในอนาคต และแน่นอนมันจะไม่สามารถทำนายได้อย่างแม่นยำร้อยเปอร์เซนต์ เพราะเรื่องทางการเงิน มีปัจจัยที่คาดการณ์ไม่ได้อยู่เป็นจำนวนมาก
ไมค์ โอซินสกี้ (Mike Osinski)คือผู้เขียนโปรแกรมซอฟแวร์ที่ใช้สำหรับสินเชื่อบ้าน เขาคือผู้สร้างและขายโปรแกรมให้กับสถาบันการเงิน
ช่วงนั้นมีสถาบันการเงินมากมายใช้โปรแกรมของเขา ส่วนหนึ่งเป็นผลมาจากนโยบายของทั้งคลินตัน และ บุช ที่มีส่วนในมาตรการลดดอกเบี้ยเพื่อกระตุ้นเศรษฐกิจ และธนาคารเองก็ตอบรับกับนโยบายนั้น เพราะสินเชื่อเหล่านี้จะสร้างผลกำไรให้พวกเขามากขึ้น พวกเขายินดีที่จะปล่อยสินเชื่อและออกตราสารหนี้ แต่คำถามที่ต้องถามต่อมาคือ แล้ว ลูกค้าของพวกเขา รู้หรือไม่ว่ากำลังซื้ออะไร ?
ตรงนี้จากบทสัมภาษณ์ในสารคดี เป็นการถามแบบลอยๆ ไม่มีคำตอบสำหรับคำถามนี้ ซึ่งผู้เขียนขอตีความเอาเองว่า ความหมายที่เขาต้องการจะสื่อคงเป็นการตั้งคำถามกับสถาบันการเงินว่าพวกเขาได้ให้ข้อมูลที่ถูกต้องสำหรับลูกค้าเพื่อพิจารณาก่อนซื้อสินทรัพย์เหล่านี้หรือไม่ ?
.
.
ตรงนี้สะท้อนถึงส่วนหนึ่งที่ทำให้เกิดวิกฤตซับไพรม์ที่ส่งผลเป็นโดมิโน่ เพราะเมื่อมีการซื้อและขายตราสารเพื่อเก็งกำไร หากมองแบบผิวเผินอาจจะเป็นการเก็งกำไรและซื้อสินทรัพย์เพื่อประกันความเสี่ยง แต่หลายคนที่ซื้อตราสารเหล่านี้ ไม่ได้มีส่วนได้ส่วนเสียในตลาดสินเชื่อบ้านด้วยซ้ำ พวกเขายอมจ่ายเบี้ยซื้อตราสารเพื่อคาดการณ์และพนันขันต่อทิศทางของตลาดเพื่อทำกำไรเท่านั้น
ความท้าทายของนักคณิตศาสตร์การเงิน คือ การที่ต้องแสดงความจริงออกมาในรูปแบบของสัญลักษณ์เชิงตรรกะ ยกตัวอย่างในกรณีของสินทรัพย์ CDO ซึ่งเป็นการรวมสินเชื่อบ้านหลายฉบับไว้ด้วยกัน
สมมติว่าสินเชื่อบ้านที่ถูกนำมามัดรวมกันเพื่อเสนอขาย ประกอบไปด้วยสินเชื่อบ้านทั้งหมด 1,000 ฉบับ ในกรณีนี้คือ การมีสินเชื่อที่แตกต่างกันพันแบบที่คุณจะต้องจำลอง และแบบจำลองต้องประกอบไปด้วยสมการที่จำลองการทำงานร่วมกันของสินเชื่อเหล่านี้ซึ่งก็คือความสัมพันธ์กันระหว่างการจำนองของนาย A กับ นาย B และคนอื่นๆ ซึ่งมีความเป็นไปได้มากมาย ซึ่งคุณไม่มีทางรู้
ดังนั้นในแบบจำลองจึงต้องสมมติพฤติกรรมของพวกเขาให้เหมือนกันทั้งหมด และนำไปสู่การใช้ตัวเลขเพียงตัวเดียวเพื่อเป็นตัวแทนพฤติกรรมอันซับซ้อนของพวกเขาทั้งหมด และนั่นทำให้สมการมีจุดบกพร่องเกิดขึ้นได้
ยิ่งไปกว่านั้นไม่ว่าจะเป็นผู้จัดการกองทุน หรือ สถาบันการเงิน ก็ถูกทำให้เชื่อถือในตัวเลขเหล่านี้ ส่วนหนึ่งเพราะนักคณิตศาสตร์ผู้สร้างแบบจำลองนั้นล้วนแต่เป็นผู้เชี่ยวชาญ และส่วนใหญ่เป็นผู้ที่มีวุฒิการศึกษาระดับปริญญาเอก
เหล่าผู้จัดการเหล่านั้นอาจไม่เข้าใจแนวคิดเชิงเทคนิคซึ่งสิ่งนี้ก็เป็นส่วนหนึ่งที่ทำให้เกิดปัญหาขึ้นได้
ตัวเลขนั้นบอกอะไร ? และคนในส่วนของการปฏิบัติการจะปฏิบัติอย่างไร ?
พวกเขาถูกทำให้เชื่อในตัวเลขที่มาจากการรวบรวมข้อมูล 5-6 ปี แต่นั่นไม่ได้หมายความว่าพวกมันจะเป็นตัวแทนของวงจรเศรษฐกิจที่เกิดขึ้นจริง
" เมื่อใดก็ตามที่คณิตศาสตร์ถูกนำมาใช้มากเกินไป บางครั้งเราอาจจะเชื่อมั่นในตัวเลขจนมองไม่เห็นข้อผิดพลาดที่จะเกิดขึ้นได้ "
ในแวดวงวิทยาศาตร์ นักวิทยาศาตร์หลายคนอาจจะใช้เครื่องมือเหล่านี้ไขความลับของพระเจ้า ซึ่งแม้จะไม่ถูกต้องทั้งหมด แต่ก็สามารถพิสูจน์และทดลองได้ แต่สิ่งนี้เกิดขึ้นได้ยากในโลกการเงิน เพราะเราไม่สามารถอธิบายตลาดได้ด้วยวิธีการเชิงปริมาณ
.
.
โลกการเงินมีการเปลี่ยนแปลงอยู่ตลอดเวลา และหลายครั้งมันไม่ซ้ำรอยเดิม เราอาจจะนำมาสังเกตและตั้งสมมติฐานได้แต่พึงระลึกไว้เสมอว่ามันอาจจะไม่เป็นไปตามนั้น ไม่มีแบบจำลองใดๆที่สามารถคาดการณ์หรือสร้างการทำนายได้อย่างสมบูรณ์แบบ
" ฉันไม่ได้สร้างโลก และมันจะไม่เป็นไปตามสมการของฉัน "
ฮิปโปเครติส (Hippocrates)
หมายเหตุ : สามารถรับชมสารคดีชุดนี้ได้จากช่อง vpro documentary บน Youtube (ถูกลิขสิทธิ์) เป็น Subtitle ภาษาฝรั่งเศสกับภาษาอังกฤษครับ
เครดิตข้อมูล :
สารคดีชุด Quants: The Alchemists of Wall Street (2010)
ภาพประกอบจาก :
- 4
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
