Mustat joutsenet pörssikaupassa Kimmo Vehkalahti yliopistonlehtori, VTT soveltavan tilastotieteen dosentti Opettajien akatemian jäsen Yhteiskuntatilastotiede, Sosiaalitieteiden laitos Valtiotieteellinen tiedekunta, Helsingin yliopisto http://www.helsinki.fi/people/kimmo.vehkalahti/suomeksi.html
Musta joutsen tarkoittaa äärimmäisen harvinaista tapahtumaa, jolla on dramaattisia seurauksia, mutta jota on käytännössä mahdotonta ennustaa.
Mitä musta joutsen voi tehdä pörssikaupassa, monimutkaisessa järjestelmässä, johon sisältyy epävarmuuksia ja ääri-ilmiöiden mahdollisuuksia?
Nassim Nicholas Taleb: The Black Swan (2007, 2010) (suomentanut Kimmo Pietiläinen)
Mustan joutsenen yleispiirteitä Musta joutsen ei välttämättä aina ole harvinainen. 1. Sen olennaisin piirre on ennustamattomuus. 2. Toinen piirre on siitä aiheutuvat seuraukset. 3. Lisäksi Mustalle joutsenelle on tyypillistä, että jälkikäteen se on helposti selitettävissä vaikka etukäteen se oli mahdoton ennustaa. Ennustaminen on vaikeaa etenkin tulevaisuuden.
Esimerkkejä mustista joutsenista Huomaa: Musta joutsen voi olla positiivinen (myönteinen) tai negatiivinen (kielteinen). Esimerkkejä: Googlen menestys, syyskuun 11. päivän terrori-isku, Harry Potter -kirjat, tietokone, Fukushiman katastrofi, Nokian menestystarina, finanssikriisit, pörssiromahdukset,... Tästä päästäänkin pörssiin...
Pörssikauppaa on käyty vuodesta 1602 Pörssi on säännelty ja organisoitu julkinen kauppapaikka. Tehtyjen kauppojen määrät, hinnat ja välittäjät ovat julkisia. Pörssikurssi määräytyy kysynnän ja tarjonnan mukaan. Kaupankäynti perustuu osto- ja myyntitoimeksiantoihin. Lähde: Wikipedia
Näkymiä edellisen päivän ja kuukauden pörssikursseista Lähde: Financial Times
Ennusteita vuodelle 2015 (HS 30.12.2014): Analyytikot ennustavat kurssiheilahteluja. Kurssiheilahteluja ja paljon riskejä. Helsingin pörssin kurssikehityksestä on vaikea sanoa mitään varmaa, osittain Venäjän takia. Vuodesta on tulossa monimutkainen.
Pörssikaupan yleispiirteitä Pörssikauppa on esimerkki kompleksisesta (monimutkaisesta) järjestelmästä: dynaaminen: muuttuu joka hetki globaali: koskee kaikkia, kaikkialla linkit maailman politiikkaan ja talouteen yhteydet ja vaikutukset monitahoisia epävarmuuksia ja äärimmäisiä ilmiöitä ennakoimatonta vaihtelua suuria ja pieniä riskejä
Luonnehdintoja vuoden alussa (HS 3.1.2015): Aina löytyy syitä niin kurssien nousulle kuin laskulle. Yleinen näkemys näyttää olevan se, että levottomuus on tullut pörsseihin jäädäkseen. Ei se mitään. Turbulenssissa on hyvät puolensa. Riski on paitsi uhka myös mahdollisuus.
Pörssikaupan asetelma tiivistettynä: Mahdollisuuksia ennustamattomille tapahtumille, joiden seuraukset voivat olla dramaattisia... Kuulostaako tutulta?
Esimerkki: Dow Jones -indeksin näkymiä Indeksin historiallinen kehitys: Lähde: Wikipedia
Esimerkki: Dow Jones -indeksin näkymiä Musta maanantai (19.10.1987), globaali pörssiromahdus: Lähde: Wikipedia
Esimerkki: Dow Jones -indeksin näkymiä Syyskuun 11. päivän terrori-isku: (pörssi suljettu 11. 17.9.2001) Lähde: Wikipedia
Esimerkki: Dow Jones -indeksin näkymiä Indeksin kehitystä 2000-luvulla: Lähde: Wikipedia
Käykö pörssikauppa kellokäyrällä? 0.4 Vahinko tulee kello[käyrä] kaulassa... 0.3 0.2 0.1 0-5 -4-3 -2-1 0 1 2 3 4 5 Gaussin käyrä soveltuu huonosti pörssikauppaan: huomio tavanomaisessa (keskiarvon ympärillä) ei tilaa äärimmäiselle vaihtelulle Pörssin poikkeamat kaukana standardeista. Silti tyypilliset riskien hallinnan työkalut kuten ennustemallit, stressitestit yms. pohjaavat tähän!
Selitys- ja ennustemallit todellisuuden kuvaajina Tilastolliset mallit, esim. CLC3 CLC2 CLC1 WO2 WO1 RC2 RC1 RA2 RA1 CLC4 DEC1 DEC2 F5 F4 F3 DP2 F2 F11 DP1 F1 y = β 0 + β 1 x + ε SS1 SS2 F6 F8 F10 SE3 SE1 EE3 EE2 EE1 SE2 F12 F7 F9 ELC5 ELC1 PA3 PS1 ELC4 ELC2 PS2 ELC3 nojaavat oletuksiin mm. eri ilmiöiden jakaumista. Mallit ovat yksinkertaistuksia reaalimaailmasta. Oletusten (ja sitä myötä mallien) luotettavuus? PA1 PA2
Mallit ja niiden vääjäämätön rajallisuus Pörssissä ja sen ulkopuolella on hyvä muistaa: All models are wrong, but some are useful. George E. P. Box (1919 2013) Professor of Statistics University of Wisconsin Madison
Kiitos Tieteen päivien järjestäjille ja osallistujille!