Все кризисы похожи, но каждый уникален: их сложно предсказать, имея в распоряжении один и тот же набор данных. Но, возможно, с применением машинного обучения, оперирующего миллионами индикаторов, вопрос отслеживания дисбалансов перестанет быть проблемой, которую никто не замечал.
  |   Ольга Волкова Эконс

В ноябре 2008 г. королева Великобритании посетила Лондонскую школу экономики. Двумя месяцами ранее рухнул Lehman Brothers, и умы всех в это время полностью занимал разразившийся финансовый кризис. Королеве показали графики, отражающие накопившиеся огромные дисбалансы мировой финансовой системы. «А почему никто этого не замечал?» – задала Ее Величество простой вопрос. Британской академии понадобилось несколько месяцев, чтобы подготовить королеве ответ, занявший три странички и сводившийся к тому, что произошел «коллективный провал воображения многих самых блестящих умов»: каждый делал свою работу должным образом, но никто не видел взаимосвязей всех отдельных деталей в совокупности. Глобальный кризис для экономистов оказался полной неожиданностью.

С этого эпизода начинают описание своего исследования Answering the Queen: Machine Learning and Financial Crises («Отвечая королеве: Машинное обучение и финансовый кризис») Хелен Рей из Лондонской школы экономики и ее соавторы. Многие экономисты пытаются построить модели, позволяющие предвидеть надвигающиеся кризисы. Для этого они опираются на самые разные индикаторы: банковского и валютного рынка, уровня резервов центральных банков, разграничивают благополучное и кризисное состояние экономики. Экономисты BIS и МВФ в своих исследованиях пришли к выводу, что кризису предшествует быстрый рост кредитования, быстрый прирост инвестиций как доли ВВП и значительный рост стоимости финансовых активов: МВФ в итоге сформировал индикатор, призванный указывать на надвигающиеся коррекции на рынках активов, но даже он на данных 1985–2008 гг. пропускал более 70% корректировок цен на жилье и почти 90% корректировок цен акций, отмечает экономист Национального банка Дании Мортен Спанге.

Проблема в том, что прогнозные экономические модели основаны на исторических корреляциях и хорошо работают, пока хорошо работает экономика, – любые необычные события меняют эти корреляции, а модель не способна это отследить. Например, финансовый кризис может оказать такое сильное влияние на уверенность потребителей, что спрос будет падать сильнее и более резко, чем следовало бы ожидать в период обычного циклического спада, пишет Спанге. Или, например, хотя исследования показали, что такие факторы, как быстрый кредитный рост, увеличение инвестиций в жилье и крупные дефициты счетов текущих операций, могут быть индикаторами дисбалансов, модели не указывают, в какой именно момент может случиться кризис.

С теоретической точки зрения не существует универсальной модели кризисов: с одной стороны, у всех кризисов есть некие общие характеристики, с другой – в разных случаях бывают задействованы различные механизмы, рассуждают Хелен Рей и соавторы. В этом смысле «коллективный провал воображения многих блестящих умов» будет происходить постоянно, пишут авторы.

В «ответе королеве» они поставили перед собой задачу спрогнозировать кризис, не зная его «истинную» модель и используя как можно больше информации. А именно целый ряд экономических моделей, причем так, чтобы присваиваемые каждой из них веса постоянно менялись. И применили передовые инструменты машинного обучения для поиска наилучшей комбинации меняющихся данных – такой, чтобы она предсказывала наступление кризиса за три года до его начала.

Исследователи используют макроэкономические и финансовые показатели за период с 1985 по 2018 г. для Франции, Германии, Италии, Испании, Швеции, Великобритании и США. На основе первого кризиса, который страна пережила в заданном временном промежутке, модель «учится», а следующие, соответственно, должна спрогнозировать в квазиреальном времени – выдать в каждом отдельном квартале степень вероятности того, что экономика находится в предкризисном состоянии. Прогноз строится с помощью комбинации из 18 моделей, предлагаемых в научной литературе или уже используемых рядом центральных банков.

Например, для Франции модель «обучается» на основании кризиса 1991–1995 гг. А дальше оценка вероятности нахождения экономики в предкризисном состоянии резко увеличивается в I квартале 2005 г. и растет вплоть до максимума в IV квартале 2006 г., оставаясь на высоком уровне до начала кризиса в 2008 г. Для Германии вероятность кризиса, наступившего в 2008 г., достигла 60% уже в 2005 г., для Италии и Швеции 100%-ную вероятность наступления кризиса машина показала на данных второго полугодия 2007 г.

Получившиеся у машины прогнозные возможности – выдающиеся, довольны результатом авторы: ей удалось предсказать даже Великую депрессию в квазиреальном времени на исторических данных.

Еще один интересный вывод – о наиболее релевантных переменных: почти для всех стран в выборке это индикаторы, связанные с динамикой цен на жилье и с кредитным рынком. Впрочем, в отдельные промежутки времени более важными оказываются переменные, относящиеся к риск-аппетиту и к банковскому сектору, – и учесть это позволяют именно веса, изменяющиеся во времени. Получившийся метод допускает, что в расчеты можно добавлять миллионы параметров, что должно еще больше повысить его прогнозные возможности, рассчитывают авторы.

Ольга Волкова
Ольга Волкова
Редактор Econs.online