Black Swans

Bij risicomanagement wordt vaak vertrouwd op modellen. Dat is prima, zolang de gebruiker zich terdege bewust is van de beperkingen van deze modellen. Vaak gaat het daar mis.
Ook is er een natuurlijke neiging zich te concentreren op die risico’s waar data van beschikbaar zijn. Terwijl vaak juist aandacht nodig is voor risico’s waarvoor geen of beperkt datamateriaal aanwezig is.

 

Belangrijk is daarom zich van vragen te vergewissen als: wat zijn de gevolgen wanneer de situatie diametraal gaat verschillen ten opzichte van wat nu redelijkerwijze verwacht mag worden, en, zijn ook risico’s onderkend waarvan gegevens grotendeels of gehele ontbreken?

 

Er zijn verschillende voorbeelden van risico’s die zich op een schaal hebben voorgedaan die van tevoren als niet voor mogelijk werden gehouden, de z.g. black swans:

• in het eerste decennium van de eeuw maar liefst twee keer een implosie van de aandelenbeurzen, gebeurtenissen welke in modellen ieder voor zich als zeer, zeer onwaarschijnlijk werden beschouwd;
• een rentedaling vanaf 10% en hoger begin jaren ’80 tot ultralage niveau’s, welke daling toentertijd als nagenoeg onmogelijk werd beschouwd;
• zeer significant uitlopen van credit-spreads eind 2008 in een mate welke destijds als onbestaanbaar werd beschouwd;
• in 2012 was het verdwijnen van de euro een reële mogelijkheid;
• de trend van een immer toenemende levensverwachting, waardoor er vraagtekens gezet kunnen worden bij de verzekerbaarheid van gegarandeerde pensioenen;
• de Covid-19 crisis in 2020, met ongekende impact op de gezondheidszorg en economie.

Een adequaat risicomanagement onderkent de beperkingen van modellen en creëert bewustwording dat er ‘un-knowns’, black swans, zijn.