***

С каждым годом возрастает сложность мировой финансовой системы, увеличивается количество участников финансово-экономических отношений и связей между ними. Сложные взаимодействия между агентами в такой системе могут приводить к непредсказуемым падениям цен на активы. Примерами подобных взаимодействий на финансовых рынках могут служить различные виды кредитов, производные финансовые инструменты или усложненные взаимоотношения между участниками торгов и неопределенность при принятии решений. Интересной кажется следующая точка зрения на возможные причины финансового кризиса 2007—2009 гг.: развитие рынка деривативов совместно с процессом секьюритизации способствовали массовому и активному использованию заемных средств, или эквивалентно увеличению финансовых рычагов и образованию избыточной ликвидности на финансовых рынках, что привело к значительному отклонению стоимости актива от его фундаментального значения [1].

Системная динамика и финансовый рычаг

В последнее десятилетие появились убедительные доказательства того, что чрезмерное увеличение финансовых рычагов и последующее снижение доли заемных средств лежали в основе повторяющихся эпизодов финансовой нестабильности с конца XIX в. [11]. Подобные процессы широко рассматриваются в качестве одной из главных причин последнего мирового финансового кризиса [3; 4; 6]. Следует отметить, что важным выводом из этой литературы является то, что кредитное плечо и ликвидность были тесно связаны между собой и усилили напряжение в финансовой системе. Вероятно, использование чрезмерных заимствований крупными участниками торгов на финансовом рынке может порождать положительную обратную связь на изменения в стоимости активов. Данная структурная особенность создает нелинейную, или хаотическую, динамику, которая имеет важные последствия для функционирования всей финансовой системы. Небольшие изменения в такой системе могут приводить к существенной корректировке параметров используемых моделей. Например, в погоне за сверхприбылью финансовые компании много рискуют для получения все большей доходности, которая может расти, пока вся финансовая система не станет высоко-рискованной. В этом критическом состоянии будет достаточно даже небольшого увеличения риска, чтобы вызвать ее непредсказуемый крах.

Хотя финансовый рычаг известен давно, тем не менее лишь в начале этого века были установлены различия в его использовании разными группами участников рынка, которые способствовали увеличению размаха и тяжести финансовых потерь в ходе кризиса [3]. Результаты подтвердились в ходе имитаций поведения инвесторов на перколяционных моделях рынка. Было показано, что крупные инвестиционные банки корректируют свой рычаг, расширяя балансы во время экономического подъема и сокращая их во время спадов деловой активности, тем самым способствуя механизму увеличения циклов подъема-спада спроса на активы.

В другом исследовании был предложен более тонкий подход к данному явлению, при этом использовалась некоторая аналогия между финансовой системой и обеспеченными займами [12]. Они продемонстрировали влияние высокого уровня финансового рычага на возникновение различных статистических закономерностей, которые обычно наблюдаются в рыночных флуктуациях. Стоит отметить, что механизм такого процесса объясняется эндогенной причинами, а не природой самой информации, т. е. нормальное распределение цен на активы в модели изменяется на другое при увеличении агентами размера кредитного плеча. Предыдущие эндогенные объяснения «ненормальностей» на финансовом рынке предполагали наличие своеобразного шумового трейдера, который усугублял ценовые колебания активов [2], а здесь механизм возникновения кризисных явлений включал только инвесторов, стабилизирующих ситуацию на рынке в отсутствие рычагов. Интересно, что каждый кредитор при стремлении контролировать риск в неблагоприятных условиях путем корректировки кредитных рычагов может усиливать риск на общем системном уровне. Возможно, для решения такой проблемы требуется поиск коллективного решения, скоординированного через государственное регулирование.

Представляется, что описанные выше механизмы возникновения «ненормальностей» на финансовом рынке являются лишь частью единого процесса, оказывающего влияние на стабильность всей системы. В его работу, например, могут входить и другие инструменты управления рисками. Стоп-лосс ордера и некоторые виды производных финансовых инструментов, вероятно, также порождают покупку или продажу актива в направлении движения его цены. Возможно, что это явление происходит и в других системах, где осуществляется локальное снижение уровня риска без учета общих коллективных действий всех агентов.

Агентно-ориентированный подход

Существует множество объяснений нестабильности финансовой системы, основанных на учете человеческого поведения и социальных взаимодействий. Одним из классических примеров в области финансов является модель банковской паники: если вкладчики будут думать, что остальные владельцы депозитов планируют их снять, то они сами пойдут в банк за своими денежными средствами. Последний крупный мировой финансово-экономический кризис был пронизан примерами подобного поведения, от банкротства «LehmanBrothers» до кризиса в еврозоне. Во всех случаях, последовательность ожиданий и различных предпочтений создавало панику, приводящую к неблагоприятным последствиям для финансовой системы.

Одна из первых агентно-ориентированных моделей финансового рынка была построена с целью объяснения рыночного обвала 1987 г., когда индекс Доу-Джонса упал на 22,6% [8]. Данное явление невозможно было объяснить появлением информации, оказавшей сильное влияние на возможность этого события, поэтому основная гипотеза исследования заключалась в том, что использование участниками торговых отношений хеджирующих стратегий сыграло ключевую роль в падении индекса. Авторы в своем анализе попытались разобрать взаимосвязь между волатильностью рыночных активов и теми агентами, которые применяют различные стратегии страхования, поэтому в их работе детально описываются процессы, происходящие на микроуровне, чего нельзя сказать о современных моделях, которые больше концентрируются на описании поведения участников финансово-экономических отношений.

Следующие модели, в которых делались попытки имитации поведения финансового рынка, были предложены с аналогичной целью изучения механизмов формирования финансовых «пузырей» на рынке и следующих за ними крахов [7; 9]. Они содержали большое количество различных участников торгов, где для каждого агента определялся его текущие денежные средства, состав инвестиционного портфеля, формировались ожидания и склонность к риску на каждом шаге симуляций. В дальнейшем появились модели, которые позволили в некоторой степени описать кризисные явления на финансовом рынке, например, основанные на результатах исследований в области физики [5]. Одновременно с появлением такого типа моделей «эконофизики» стали создаваться новые инструменты для анализа результатов финансового моделирования. Фокус исследований сместился с изучения взаимодействий между отдельными участниками торгов на анализ передачи информации между группами трейдеров. Представляется, что последние такие модели вполне способны объяснить некоторые из наблюдаемых статистических свойств финансовых данных (например, так называемые «толстые хвосты» и кластеризацию волатильности).

Основной проблемой упомянутых выше подходов к моделированию кризисных явлений на финансовом рынке является то, что динамика, подобная рыночной, наблюдается только в том случае, когда устанавливается определенное количество агентов, которое зачастую не соответствует действительному числу участников торгов на рынке. Например, чрезмерное число агентов может привести к увеличению спроса, что влияет на ценовые колебания активов, причем не отрицательно, как ожидается, а положительно, т. е. они уменьшаются или совсем исчезают [10]. Естественно предположить, что такая зависимость не является приемлемой.

Таким образом, финансово-экономическая система может либо сама организовываться в критическое состояние, либо с помощью некоторого поведенческого фактора, т. е. критичность может быть рукотворной. К примеру, известно, что некоторые вмешательства человека были особенностью последнего финансового кризиса в США. В предкризисные годы коэффициенты достаточности капитала устанавливались регуляторами на основе оценки рискованности активов финансовых компаний, что стимулировало их инвестировать в активы, недооцененные с точки зрения риска. Критическое состояние с высокой степенью риска было организовано самим финансовым сектором из-за несовершенного регулирования из лучших побуждений.

Заключение

После мирового финансово-экономического кризиса 2007—2009 гг. стал наблюдаться особый интерес к моделированию экономических и финансовых систем как сложных, адаптивных сетей. Но такое представление об устройстве экономики вызывает необходимость поиска новых подходов к моделированию механизмов и процессов, происходящих в ней. Как уже было отмечено, поведение финансовых рынков может формироваться не только из взаимодействий между участниками торговых отношений, но и в результате внутренних эффектов, возникающих из-за небольших ценовых колебаний и действия обратных связей. Поэтому, представляется, что комбинированное использование агентно-ориентированного подхода и методов системной динамики необходимо, так как позволит точнее представлять, к каким последствиям могут приводить случайные и непредсказуемые события на финансовом рынке.

В рамках такого комбинированного подхода вызывает интерес исследование вопроса о влиянии некоторых инструментов управления индивидуальными рисками на ценовую динамику активов. В предкризисные годы в США появилось много различных производных финансовых инструментов и считалось, что риски в экономике падают, так как агенты могли лучше хеджировать индивидуальные риски, но уменьшение рисков на локальном уровне привело к увеличению общего системного риска. Вероятно, когда агенты могут лучше страховать риски, особенно между собой, то у них появляется некоторая уверенность, и они увеличивают свои финансовые рычаги для получения большей прибыли. К примеру, секьюритизация ипотечных кредитов на ипотечные ценные бумаги позволила кредиторам переложить свои риски на других агентов, которые также могли разделять риски на основе контрактов, например, кредитно-дефолтных свопов, путем интеграции коммерческих и инвестиционных банков, а также за счет более сложных посреднических цепочек. Таким образом, некоторые инновации могут сделать финансовую систему менее стабильной. В то время как процесс секьюритизации считался весьма полезным, снижая затраты на своеобразные шоки и сокращая спреды процентных ставок, он непреднамеренно привел к увеличению системного риска.

Литература

1.Смирнов А.Д. Долг, финансовый рычаг и кризис // Вестник Российской академии естественных наук. 2012. № 4. С. 31—37.

2.Abraham R., Friedman D. Bubbles and crashes: Gradient dynamics in financial markets // Journal of Economic Dynamics and Control. 2008. No 33(4). P. 922—937.

3.Adrian T., Shin H. Liquidity and Leverage // Journal of Financial Intermediation 2010. Vol. 19. P. 418—437.

4.Brunnermeier M., Pedersen L. Market liquidity and funding liquidity // Review of Financial Studies. 2009. No 22(6). P. 2201—2238.

5.Cont R., Bouchaud J.P. Herd behavior and aggregate fluctuations in financial markets // Macroeconomic Dynamics. 2000. Vol. 4. P. 17—–196.

6.Geanakoplos J. The Leverage Cycle // NBER Macroeconomic Annual. 2010. No. 24. P. 1—65.

7.Huang Z.F., Solomon S. Finite market size as a source of extreme wealth inequality and market instability // Physica A. 2001. Vol. 294. P. 503—513.

8.Kim G. W., Markowitz H.M. Investment rules, margin and market volatility // Journal of Portfolio Management. 1989. No. 16. P. 45—52.

9.Levy M., Levy H., Solomon S. A microscopic model of the stock market: cycles, booms, and crashes // Economics Letters. 1994. No. 45. P. 103—111.

10.      Lux T., Marchesi M. Scaling and criticality in a stochastic multi-agent model of a financial market // Nature. 1999. Vol. 397. P. 498—500.

11.      Schularick M., Taylor А.М. Credit Booms Gone Bust: Monetary Policy, Leverage Cycles, and Financial Crises, 1870–2008 // American Economic Review. 2012. No. 102(2). P. 1029—1061.

12.      Thurner S., Farmer D., Geanakoplos J. Leverage Causes Fat Tails and Clustered Volatility // Quantitative Finance 2012. Vol. 12. No. 5. 695—707.

Статья опубликована в "ФХ" №3 2017