¿Pueden 17 gestores de riesgos duplicar su dinero en solo 2 días sin suerte y utilizando solo análisis cuantitativo de riesgos? Descubre en este breve estudio de caso.
El problema
Para probar qué tan bien funciona el análisis de riesgos cuantitativo, quería una situación de la vida real, donde las probabilidades fueran conocidas y las apuestas fueran altas. La lotería nacional parecía ser un candidato perfecto para un grupo de gestores de riesgos que quisieran ganar dinero mientras miden los riesgos y toman decisiones basadas en ellos.
Aquí hay un poco de contexto
- las loterías son un excelente campo para el análisis de riesgos ya que las probabilidades y el rango de consecuencias son conocidas
- En Rusia, como en la mayoría de los países del mundo, las loterías están estrictamente reguladas, reduciendo el riesgo de contraparte. Hay una regla cuando se acumula una gran cantidad, varias veces al año se divide entre todos los ganadores. Esto se llama tiro descendente.
- si nadie obtiene el premio mayor antes o durante la caída, entonces todo el súper premio se divide entre todos los demás ganadores
- por lo tanto, la probabilidad de ganar es la misma de siempre, pero las ganancias por cada combinación pueden ser significativamente mayores si nadie gana el premio mayor.
Y así nos propusimos poner a prueba nuestras habilidades de gestión de riesgos en un juego de azar.
Pregunta a RAW@AI sobre esta publicación o simplemente habla sobre la gestión de riesgos
El equipo
Rusia tiene casi 145 millones de habitantes y, sin embargo, la comunidad en riesgo es relativamente pequeña. Y aunque tenemos más de 1000 miembros en nuestra comunidad en línea de gestión de riesgos, muy pocos aplican RM2 y utilizan análisis de riesgos cuantitativos para apoyar la toma de decisiones empresariales.
Así que, no fue difícil encontrar aproximadamente a 10 personas que fueran buenos gestores de riesgos y buenos quants al mismo tiempo. Creamos un chat de WhatsApp y estábamos esperando la oportunidad de ganar algo de dinero usando análisis de riesgo cuantitativo.
La oportunidad
La oportunidad llegó el 19 de noviembre, la lotería nacional anunció un sorteo de acumulación que se realizará en 2 días. La última vez que modelamos la loteríaNos llevó 11 días, así que esto iba a ser un gran desafío hacer lo mismo en solo 2 días. La primera respuesta fue ignorarlo, pero eso es pensar con el sistema 1, así que decidimos hacer unas cuentas rápidas para ver si valdría la pena.
Equipo rojo
Dado que se trata de un estudio de caso de gestión de riesgos. Dividimos el grupo en equipos rojo y azul. El equipo de lectura realizó un análisis rápido de arriba hacia abajo para ver si el rendimiento medio esperado era positivo. Primero tuvimos que probar si el juego valía la pena jugarlo.
Usando el Función VoseHypergeoProb en la versión completa de ModelRisk Pudimos confirmar rápidamente que el juego tenía un retorno esperado positivo, lo que significaba que valía la pena el tiempo. También podríamos estimar que el riesgo era aproximadamente del 20%.
Equipo azul
Al mismo tiempo, el equipo azul estaba realizando modelado de riesgos de abajo hacia arriba, probando varias estrategias para ver cuál es el rendimiento esperado (intervalo de confianza del 80%), cuál es la probabilidad de pérdida y cuánto perderíamos si tuviéramos mala suerte.
Irónicamente, este análisis de riesgos me enseñó que al jugar a la lotería no se trata de si tú tienes suerte o mala suerte, sino de cuán afortunados o desafortunados son los otros 2 millones de jugadores.
Los resultados preliminares estaban listos
- aproximadamente 22% de probabilidad de perder hasta el 80% del capital invertido
- aproximadamente 78% de ganar
Esto es un riesgo bastante alto y cada miembro del equipo necesitaría invertir dentro de su propia tolerancia al riesgo. La última vez, la probabilidad de perder era del 9,8%, esta vez es más del doble del riesgo.
El equipo azul luego procedió a probar diferentes estrategias de inversión intentando reducir la incertidumbre, reduciendo efectivamente el rango de posibles resultados positivos. Tuvimos la suerte de contar con algunos matemáticos increíbles en el equipo, que lograron reducir la incertidumbre del 80% de ganancia (P22) al 137% de ganancia (P95). El riesgo permaneció aproximadamente en un 22%.
La gestión de riesgos en su máxima expresión
La estrategia seleccionada fue realmente gestión de riesgos, con el riesgo mínimo posible (que no puede ser menor al 22%), en promedio duplicaríamos nuestro dinero, sin embargo, hay menos del 5% de probabilidad de que duplicemos más de nuestro dinero. Así que, probablemente ninguno de nosotros se convertiría en millonario, pero tenemos una buena oportunidad de obtener excelentes rendimientos.
Luego nos propusimos gestionar otros riesgos
- Cada miembro del equipo firmó un acuerdo de divulgación, indicando que entendían los riesgos y estaban de acuerdo con la estrategia seleccionada.
- El tesorero recolectó el dinero. Dado el riesgo mucho mayor que antes, terminamos recaudando la mitad de la cantidad que solíamos jugar en el juego anterior. Este es un buen ejemplo del equilibrio entre riesgo y recompensa
- como siempre, los riesgos operativos fueron los más altos y me quito el sombrero ante el increíble equipo de TI Teníamos a quien ayudó a automatizar la ejecución de la estrategia tanto como fuera físicamente posible, creando controles y tratando de minimizar al máximo el error humano.
Con solo 2 días disponibles para desarrollar y ejecutar la estrategia (en comparación con 11 la última vez), fueron noches sin dormir, pero muy gratificante cuando teníamos todo listo con pocas horas aún por delante.
Los resultados
El 21 de noviembre a las 11 p.m. estábamos viendo el partido para descubrir qué tan bien nos fue. Con más del 20 % de riesgo y el 80 % del capital en riesgo, admito que me sentí bastante ansioso.
Redoble de tambores….
Lo adivinaste, ganamos.
Nuestro rendimiento real fue cercano al 162% sobre el dinero invertido después de impuestos (o un beneficio del 62% después de tarifas e impuestos). En realidad, esto está en el límite inferior de nuestro intervalo de confianza del 80%, por lo que puedes decir que tuvimos mala suerte, o más bien, 59 de los otros 2 millones de jugadores tuvieron suerte. No está mal en solo 2 días.
Lecciones aprendidas
La prueba retrospectiva es fundamental para cualquier tipo de análisis de riesgos. Nuestra prueba retrospectiva mostró que subestimamos el número de otros jugadores, nuestra distribución VosePERT tenía un límite superior de 2 millones, que estaba por debajo de la realidad. Nuestros cálculos fueron en general bastante precisos.
También demostramos que se puede diseñar y ejecutar una simulación en solo 2 días. Y encontramos nuevas estrategias para reducir la incertidumbre que intentaremos en futuros juegos.
Buena suerte resolviendo este rompecabezas con un mapa de calor :))
