Quỹ thiên tài tin mô hình quá mức

Long-Term Capital Management (LTCM) được John Meriwether, cựu phó chủ tịch ngân hàng Salomon Brothers, thành lập vào tháng 2/1994. Đội ngũ có hai nhà kinh tế Myron Scholes và Robert Merton, đồng nhận giải Nobel Kinh tế năm 1997 nhờ công trình định giá quyền chọn. Quỹ đặt cược rằng chênh lệch giá nhỏ giữa các trái phiếu tương tự nhau sẽ thu hẹp dần theo thời gian, và đạt lợi nhuận khoảng 43% năm 1995, 41% năm 1996.

Để chênh lệch nhỏ sinh lời lớn, quỹ vay rất nhiều. Theo báo cáo sau này của chính phủ Mỹ, đầu năm 1998 quỹ nắm hơn 125 tỷ USD tài sản trên khoảng 4,8 tỷ USD vốn tự có, tức tỷ lệ đòn bẩy hơn 25 lần.

Ngày 17/8/1998, Nga phá giá đồng rúp và ngừng trả một phần nợ. Nhà đầu tư khắp nơi đổ xô tìm tài sản an toàn nhất, và những chênh lệch giá mà LTCM chờ thu hẹp lại giãn rộng thêm. Riêng tháng 8, quỹ lỗ 1,8 tỷ USD, và đến cuối tháng đó đã mất hơn một nửa số vốn có từ đầu năm.

Lo ngại việc bán tháo khối tài sản khổng lồ có thể làm rối loạn thị trường, Ngân hàng Dự trữ Liên bang New York tập hợp các bên cho vay lại. Ngày 23/9/1998, 14 ngân hàng và công ty môi giới góp khoảng 3,6 tỷ USD để nắm 90% quỹ. Cục Dự trữ Liên bang không bỏ ra đồng nào. Các vị thế của quỹ được thanh lý dần, và nhóm góp vốn lấy lại tiền vào cuối năm 1999.

Mô hình của LTCM học cách giá trái phiếu từng biến động trong quá khứ và mặc định chúng sẽ tiếp tục dao động trong biên độ tương tự. Khi điều trần trước Quốc hội tháng 10/1998, Chủ tịch Fed Alan Greenspan nói cơn biến động thị trường nằm rất xa ngoài những kinh nghiệm được đưa vào mô hình của quỹ. Một báo cáo của chính phủ năm sau nói thẳng rằng mô hình của LTCM đã đánh giá thấp rủi ro quỹ đang gánh.

Mối nguy không nằm ở một dự báo sai. Nó nằm ở sự tự tin: một mô hình chạy tốt nhiều năm khiến các sự kiện hiếm, cực đoan trông gần như không thể xảy ra, và khoản vay khổng lồ biến những sự kiện hiếm đó thành suýt sụp đổ. Giới kinh tế gọi đây là rủi ro đuôi (tail risk), tức khả năng nhỏ xảy ra một khoản lỗ rất lớn.

Hệ thống AI có cùng điểm yếu. Mô hình có thể đưa ra câu trả lời chính xác đến từng con số, đầy tự tin, về một tình huống nó chưa từng gặp, vì sự tự tin đó đến từ dữ liệu cũ chứ không phải từ việc biết giới hạn của mình. Những thất bại tệ nhất thường đến đúng lúc điều kiện còn mới.

Ý tưởng đằng sau vụ nàyBài học: Vì sao AI bịa chuyện →

1. 1Coi điểm tự tin của mô hình là phỏng đoán dựa trên quá khứ, không phải lời bảo đảm cho tương lai.
2. 2Hỏi mô hình được huấn luyện trong điều kiện nào, và liệt kê những tình huống nó chưa từng gặp.
3. 3Chủ động thử hệ thống với các kịch bản hiếm, cực đoan, chứ không chỉ những ngày bình thường.
4. 4Đừng bao giờ để kết quả của một mô hình nặng ký đến mức một tuần tồi tệ có thể nhấn chìm bạn.
5. 5Để con người nắm quyền quyết định khi thế giới thay đổi đột ngột.