Кризис. Истоки возникновения и проблемы прогнозирования

За всеми вышеперечисленными расчетами стоят два предположения. Первое состоит в том, что рациональные индивиды, формируя свои ожидания, используют всю доступную им информацию. Под этим понимается, что они ведут себя в соответствии с моделями, прогнозирующими их будущие действия. И возможность непредсказуемых потрясений означает, что их поведение будет соответствовать расчетной модели лишь в среднем. Люди всегда будут допускать ошибки, но если они совершаются независимо от информации, доступной всем, и к тому же не зависят одна от другой, то нет причин думать, что эти ошибки приведут к смещению общего тренда в ту или иную сторону. Единственный возможный источник односторонней интерпретации фактов лежит в самой модели.

Второе предположение гласит, что Вселенная стабильна (линейна) во времени. Взятые вместе, оба предположения задают уровень информированности и предсказуемости, достаточный, чтобы ваши математические ожидания оказались в среднем верными. Для изменения ожиданий никаких оснований нет. Если вы думаете, что в дальнейшем ваши ожидания изменятся, значит, вы их уже изменили и поэтому в будущем их не измените. Например, текущая цена акций зависит от сегодняшних ожиданий относительно того, какой эта цена будет в будущем.

Прогнозировать можно практически всё. Продажи, денежные потоки, результат встречи, выбор потребителя, температуру воздуха, осадки. Хорошим прогноз считается если он сбывается с хорошей приемлемой точность. Под точностью прогнозы в компаниях представляют зачастую не в виде конкретной цифры, а в определённом диапазоне, то есть с погрешностью. И приемлемой точностью считается если прогноз попал в этот диапазон.

В компаниях, чтобы уменьшить ошибку при прогнозировании делают прогноз по среднему. Такой метод использует плановый отдел, когда вообще не знает о влияющих факторах. К примеру, как заложить сумму незапланированных расходов на будущий год? Для этого берут предыдущие периоды и выводят среднее значение, которое и закладывают на будущие незапланированные расходы.

Когда у аналитиков компании нет каких-либо показателей по рынку, то существует два варианта их получить – либо заказать дорогостоящие исследования, либо использовать так называемый метод Ферми. Этот метод служит для приблизительных расчётов «чего угодно» при минимальных начальных знаниях. Поэтому практически всегда прогнозисты используют именно его.

Суть метода Ферми состоит в том, чтобы за очень короткое время провести быстрые приблизительные расчёты, не имея при этом никаких точных данных. Существует история о том, как Ферми рассказывал своим студентам об определении числа настройщиков пианино в Чикаго. Как можно определить количество данных настройщиков? Студенты начинали с того, что у них не было никаких данных для расчета количества настройщиков пианино в Чикаго. Конечно, можно было просто пересчитать всех настройщиков, прочитав объявления или узнать в каком-нибудь агентстве, выдающем лицензии на такие услуги. Но Ферми предложил своим студентам решать задачи тогда, когда проверить результат будет не так просто. Его целью было продемонстрировать, что они всё-таки знают что-то об искомой величине.

Для начала он просил определить другие значения, имеющие отношение к пианино и настройщикам показатели – тоже неизвестные, но более простые для оценки. Это были численность населения Чикаго (в 1930-1950-х годах составляла более 3 млн. человек), среднее число человек в одной семье (два или три), процент семей, регулярно пользующихся услугами настройщиков пианино (максимально каждая десятая, минимально каждая тридцатая семья), требуемая частота настройки (в среднем, вероятно, не менее раза в год), число пианино, настраиваемых настройщиком в день (четыре или пять инструментов с учетом затрат времени на дорогу), а также число рабочих дней настройщика в году (скажем, 250).

Затем Ферми брал эти данные и высчитывал по следующей формуле:

Число настройщиков пианино в Чикаго = (Численность населения/Число членов одной семьи) х Процент семей, пользующихся услугами настройщиков х Число настроек в году/ (Число пианино, настраиваемых одним настройщиком за день х Число рабочих дней в году).

В зависимости от цифр, подставляемых в это уравнение, получался ответ в интервале от 20 до 200. Когда эту цифру сравнивали с реальной, которую можно было узнать из телефонного справочника, она была ближе к реальной, чем думали студенты. Правильный ответ составлял примерно 50 человек.

Полученный интервал значений выглядит слишком широким. Но в его защиту приводят то, что он даёт хоть какое-то значение в сравнении его с изначальной позицией, которую занимали студенты «неужели это вообще можно определить?»

Данный метод позволял производившим расчёты людям понять, откуда берётся неопределённость. Какие переменные характеризовались наибольшей неопределённостью – процент семей, регулярно пользующихся услугами настройщиков пианино, частота настроек, число инструментов, которые можно настроить за день, или что-то ещё? Самый крупный источник неопределённости указывал на то, какие измерения позволят максимально снизить её.

Поиск ответа на «вопрос Ферми» не предполагает проведения новых наблюдений и поэтому не может считаться измерением. Это скорее оценка того, что вам уже известно о проблеме, это способ позволяющий несколько приблизиться к цели.

Этот способ является основополагающим для маркетологов и различных прогнозистов. Если они не владеют знаниями по определённому вопросу, то они задают себе вопрос: что же всё-таки известно о проблеме? И затем оценивают имеющуюся количественную информацию о предметах, которые выглядят для них неизменяемыми. Логика действий при использовании метода Ферми заключается в следующем утверждении: вы многое не знаете, но что-то же вы всё-таки знаете.

Существенным недостатком этого метода является критерий отбора. Разбежность значений у каждого человека будет очень большой. Величина, которая для одного человека кажется похожей на правду и приемлемой для другого может быть в десятки раз больше. А если этот расчет проводится в команде из нескольких людей, то это предполагает высокую конфликтность между участниками со всеми вытекающими последствиями в будущем.

Если же влияющие факторы известны аналитикам, то самым используемым методом для прогнозирования является регрессионный анализ. Он учитывает для будущего прогноза множество факторов, таких как: тренд, сезонность, ёмкость рынка, активность конкурентов и прочее. Но даже при таком подходе важным недостатком является то, что прогноз формируется на основе статических моделей. А из этого в последствии всплывает множество факторов, дающих погрешность в прогнозе. Аналитики при этом, чтобы подстраховать себя, заранее предупреждают, что статическая модель не будет корректной, а поэтому необходимы будут ручные корректировки. И затем начинают постоянно править свой же прогноз до периода его окончания. Тем самым фактически расписываясь в изначальной неправильности собственного прогноза. Руководству компании в этом случае приходится принять определённое допускаемое значение отклонения от прогноза, которое закладывает аналитик изначально.

Ошибки прогноза и последующие правки очень дорого обходятся компаниям и порождают высокую конфликтность в компании. Допустим, в производственной компании, спрогнозировали количественный показатель продаж, и далее под него подключается уже вся цепочка компании – на его основе составляется план закупок и план производства. Эти планы формируют затратную часть расходов на осуществление заданного плана продаж и исходя из них строятся планы с целевыми показателями для подразделений. А на их основе уже рассчитываются и оцениваются показатели эффективности (КРI) того или иного подразделения или сотрудника.

План продаж формирует прогноз доходов и из разницы дохода и затратной части формируется прогноз финансовых результатов, прибыли. Далее на основании этого формируется итоговое бюджетирование.

Как видим, вся будущая деятельность компании привязана к прогнозу. А если прогноз ошибочный, то в последующем возможна реализация нескольких негативных вариантов развития событий. Перечислю пару таких вариантов:

– избыточное затоваривание складов, что приводит к физической невозможности хранения новых поставок, нехватки денежной наличности на оборотные средства, закупку материалов или товаров из-за чего в дальнейшем возможен сбыт с большими скидками, и как следствие потерянная выручка;

– постоянная актуализация плана производства приводит к нарушению ритмичности работы и неплановым простоям производства, из чего следует снижение производительности, которые впоследствии приводят к плохим результатам по целевым показателям, к сверхурочным работам, срочным заказам дополнительных материалов и товаров по невыгодным ценам.

Перечисленные возможные события приводят в конечном итоге к росту расходов, лишении премий и бонусов сотрудников, демотивации персонала и как следствие высокой конфликтности между сотрудниками в компании.

Цена ошибки в прогнозе для компании очень высока. Ошибка в прогнозе лишь на 1% вызывает рост оборотных средств на 2% и падение выручки минимум на 5% и, очевидно, что с увеличением ошибки – возрастает в разы. Поэтому плановый отдел, чтобы себя обезопасить, делает прогнозы в заниженную сторону. Такие планы, чтобы их выполнили наверняка. Так как перевыполнение плана для сотрудников компании зачастую лучше, чем его недовыполнение.

Аналогично поступают и остальные подразделения – чтобы снять с себя ответственность стараются занизить план до такого значения, которое они точно смогут выполнить.

А если изначально был дан завышенный прогноз по продажам, то в случае невыполнения, отдел планирования попытается списать свой промах на другие подразделения в компании, например на отдел продаж.

В большинстве компаний применяется статический прогноз, то есть без учёта влияния окружающих факторов. А такой прогноз по среднему, сформированный по прошлым периодам имеет ряд существенных недостатков и весьма опасен для компании. Если провести аналогию, то это аналогично езде по дороге на автомобиле с закрашенным чёрной краской лобовым стеклом. И при этом для управления транспортным средством использовать зеркала заднего вида и на основе увиденного предполагать, что такой дорога будет и в будущем. Естественно, при таком управлении автомобиль улетит в кювет на первом же повороте. Такая вот краткая иллюстрация построения прогнозов в большинстве компаний. Поэтому множество компаний банкротятся при первом же ощутимом сотрясении, не вписываясь в поворот.

Причиной этого служит то, что жизнь не статична, а динамична. И всегда происходит множество процессов – дважды в одну реку не войдешь. Этим объясняется несостоятельность теории игр и метода Ферми, как инструмента для прогнозирования. Теория игр и вообще общественные науки очень сильны лишь задним числом. Прогнозы необходимо строить с учётом окружающей среды и происходящих в ней процессов.

Водитель управляющий автомобилем крайне редко снимает обе руки с руля. И то делает это исключительно для проверки – как долго машина способна ехать по прямой без управления. Обычно недолго, всего несколько секунд. Так как даже при движении по прямой необходимо постоянно, понемногу, корректировать курс. Аналогично и в деятельности компании ничего и никогда не идёт чётко по плану. Условия, в которых запускали проект, конечно, важны. Но гораздо важнее постоянная адаптация к изменяющемуся миру.

Сейчас часто можно услышать о гибком планировании. И принято считать, что гибкое планирование это как раз про планирование в условиях кризиса. При этом постоянно перестраивают и вносят свои коррективы в первоначальный план, так как рынок динамично меняется и прогнозистам приходится часто сверяться с картой местности. И это сказывается на производственной стратегии.

Производственная стратегия – это принятая в компании долгосрочная программа действий, связанная с созданием продукции, выводом её на рынок и реализацией. Сама компания, при этом выступает объектом стратегии. Предметом являются отношения организационного, управленческого и технического характера. Большинство бизнесменов считают, что развитие производственной стратегии должно протекать в согласовании с общей стратегии компании. И при этом сама стратегия требует больших временных затрат, ресурсных и трудовых ресурсов, что делает её не только затратной, но и неповоротливой, так как компания уже не может себе позволить часто менять саму стратегию, а лишь незначительно корректировать. Компания теряет гибкость. И зачастую компании считают, что важнее быть гибким и идти в русле событий, чем пытаться всеми силами держаться своей стратегии.

Самый распространенный метод гибкого планирования, который при этом используют это так называемое сценарное прогнозирование. Суть его в том, чтобы увидеть связь между управленческой деятельностью и необходимостью принятия решений в рамках альтернативных вариантов и связанных с этим выбором рисков. Таким образом аналитики полностью снимают с себя ответственность за свой прогноз и перекладывают её на менеджмент компании, предоставляя всевозможные варианты развития дальнейших событий.

В теории сценарный метод применяется для анализа редких и уникальных событий, не имеющих репрезентативной статистики. При этом используется прогнозный метод развития событий с целью определения их последствий. Но на практике сценарный метод – это метод приспособления или компромисса с внешними условиями.

Эксперты по прогнозированию при таком методе рекомендуют выделить рыночные тренды и расписать 3-4 сценария развития событий. Обосновывая это тем, что хоть при этом и существует разброс трендов, но сохраняется фокусировка на главных пунктах. Обычно составляют благоприятный, негативный и реалистичный сценарий. И под эти сценарии обозначают варианты своих среднесрочных целей. А по мере приближения к ним вносят в план необходимые корректировки.

Но предоставленный большой выбор вариантов лишь перегружает топ менеджмент компании информацией и сбивает с толку. В средние века самоубийц и «вампиров» хоронили на перекрёстках дорог. Согласно поверью, существовавшему тогда в ряде регионов Европы, нежить, выкопавшись из земли, начнёт размышлять – куда бы ей пойти. И раздумывая над возможными вариантами не заметит наступления рассвета и будет уничтожена. Широкий выбор только на первый взгляд кажется благом.

Людям проще работать со сгруппированной информацией. И оптимальное число объектов для сравнения – два. А согласно исследованию Пола Натта, топ-менеджеры, принимая решение, в 70% случаев рассматривают лишь одну альтернативу.

Необходимость выбора тяготит нас не просто так. Принимать решения чаще всего приходится, когда мы оказываемся уже в затруднительном положении, когда у нас неприятности и необходимо найти выход. Идеального решения не существует поэтому вовремя останавливайтесь в своих попытках всё просчитать, спрогнозировать и расписать возможные сценарии. Важно быть реалистичным и аккуратным, определяя варианты, и не делать этого безосновательно.

А попав в затруднительное положение необходимо осознать, что даже проблемы – это не всегда плохо, особенно если отнестись к ним творчески и спросить себя: Какую пользу можно из этого извлечь и какие возможности передо мной открываются?

* * *

После обвала валют ЕМ (развивающихся рынков) в 2014 году началась коррекция, в рамках которой валюты ЕМ стабилизировались и даже отыграли часть потерь. Это длилось до 2018 года.

Следующим этапом после количественного смягчения QE была запущена программа по сокращению баланса, количественное ужесточение (от английского quantitative tightening, сокращённо QT) в октябре 2017 года.

Но перед тем, как я объясню значение программы QT я опишу ситуацию, которая сложилась на рынках в 2018 году. И объясню куда пошли ранее «напечатанные» деньги.

К осени 2018 года отношение корпоративного долга США к ВВП достигло критических значений, которых не бывало до этого в истории. Американские корпорации никогда ещё не были так закредитованы. Вместе с тем качество долга также критически снижалось. И в 2018 году около 50% облигаций были всего на одну ступень выше так называемого «мусорного» рейтинга. То есть одно понижение рейтинга и такая облигация становится «мусорной» (рейтинги облигаций ниже BBB- считаются опасными для инвестирования и в просторечии называются «мусорными» junk bonds). Самыми крупными держателями/инвесторами являются пенсионные фонды и страховые компании. А при понижении они уже не смогут держать у себя бумаги такого качества. Банки при этом уже не имели больше собственных позиций и не могли предоставлять вторичную ликвидность, как это было до 2008 года, например.

30% облигаций были с рейтингом ВВВ несмотря на свой инвестиционный рейтинг ВВВ имели долг выше, чем в среднем у совокупности "мусорных" облигаций! А 30% от ВВВ тогда составляло 1 триллион долларов. Все "мусорные" облигации – составляли 1,2 трлн долларов. Можно было представить, что будет происходить с ценами на "мусорные" облигации, если их объём продолжит увеличиваться.

Ситуация усугублялась также тем, что помимо облигаций с рейтингом ВВВ остальные более высокие рейтинги зачастую не имели оснований для своих высоких рейтингов и по факту были гораздо ниже объявленных. Например, у Lehman Brothers за несколько дней до банкротства был кредитный рейтинг «A» – это довольно солидный рейтинг.

Почему же так происходит? Связано это с тем, что рейтинговые агентства, несмотря на свою декларируемую независимость имеют свои интересы используя своё влияние. Как это происходит.

Управляющие фондами выбирают не то, что может быть самым перспективным, а то, что имеет высокий кредитный рейтинг. Различные рейтинговые агентства оценивают различные типы инвестиций, присваивают им рейтинги. AAA – самый высший, далее AA, A, BBB, BB и так далее в сторону снижения. На данный момент ААА бумаг практически не осталось, в 2011 году агентство S&P понизило суверенный рейтинг США на одну ступень до AA+.

Пенсионные фонды законодательно ограничены инструментами, в которые они могут вкладываться (например, только в инструменты с рейтингом ААА). Кроме того, при самостоятельной инвестиции управляющий всегда имеет в своём распоряжении защиту в виде высказывания о том, что это же был инструмент с высочайшей надёжность о чём свидетельствует его рейтинг. Таким образом, управляющие крупными пенсионными фондами имели отличную возможность снять с себя ответственность за то, что, например, накупили в 2008 году каких-то сомнительных ценных бумаг, привязанных к тысячам сомнительных ипотек с плавающей ставкой. В последствии такие «ценные» бумаги принесли многомиллиардные убытки пенсионным накоплениям. Но такое положение вещей устраивало управляющих пенсионных фондов. Ведь доходность до падения была достаточной для получения управляющим приличных бонусов по итогам года.

Как это происходило на практике перед кризисом 2008 года. Ведущие инвестиционные банки продавали своим инвесторам СDО – ценную бумагу, в которой были собраны несколько тысяч ипотечных займов. То есть облигации «обеспеченные» денежными потоками или ипотек или арендными платежами. Эти бумаги покупали пенсионные фонды США и зарубежные инвесторы. Понимали ли они, что на самом деле представляют из себя эти бумаги. Естественно! Управляющие фондами совсем неглупые люди. Только в чём мотивация управляющего фондом? Возможно, кто-то считает, что как можно сильнее приумножить деньги в фонде, найдя самое перспективное вложение денег. Но это не так. Его задача – получить как можно большее вознаграждение за свою работу и по возможности остаться на своей должности на следующий год. Поэтому перед перспективой вложить деньги в возможно прибыльную затею, которая имеет высокий риск, или вложить в то, что имеет высокий кредитный рейтинг, и которым всегда можно прикрыться в случае неудачи. Управляющие фондами выбор всегда делали в пользу второго.

Почему же рейтинговые агентства присваивали наивысший рейтинг надёжности весьма сомнительным компаниям? Объяснением является то, что рейтинговые агентства не несут ответственность за свои рейтинги. А в послекризисных разбирательствах всегда заявляют, что рейтинги это лишь их мнение, и их мнение вовсе не означает, что инвестиция надёжна. Причина того, что рейтинговые агентства присваивали самые высокие рейтинги сомнительным компаниям, была в том, что они получали вознаграждения за присвоение рейтингов и получали комиссии от инвестиционных банков. Прибыли рейтинговых агентств в течение «нулевых» годов и вплоть до кризиса 2008 года выросли в несколько раз. Именно за счёт увеличенных комиссий за присвоенные рейтинги.

Вернёмся теперь к тем самым новым размещенным 3,6 триллионам долларов нового корпоративного долга, которые были запущены на рынки в рамках программы количественного смягчения QE с 2009 по 2014 год. На что пошли привлечённые деньги? Они пошли на так называемый buyback (обратный выкуп), то есть на выкуп собственных акций. Итогом этого стало то, что в свободном обращении американских акций тогда оставалось минимум за последние 20 лет. Кроме того, в 2018 году компании США в результате налоговой реформы (доля налогов, которую платил бизнес была минимальной за последние полвека) получили дополнительную прибыль, которую они также потратили на выкуп своих же акций у себя же (buyback). В том же году SEC (комиссия по ценным бумагам и биржам) проанализировав 385 компаний, которые объявили buyback в 2017-2018 годах, обнародовала такие результаты:

1) процент инсайдеров (менеджмент и прочие), продающих акции своих компаний, более чем удваивался сразу после того, как компания объявляла об обратном выкупе. Средний дневной объём в долларах продаваемых акций вырастал со100 тысяч долларов перед объявлением, до 500 тысяч долларов после объявления buyback;

2) в 32% рассмотренных компаниях, хотя бы 1 инсайдер продавал в течении 10 дней после объявления обратного выкупа;

3) до объявления обратного выкупа акции рассматриваемых компаний отставали от S&P500 в среднем на 1,4%. После объявления, опережали в среднем на 2,5%.

Алгоритм в поведении прослеживался довольно простой. Сперва объявляешь buyback и соответственно «накачиваешь» свою акцию, то есть цена акции растёт, а затем продаёшь её по высокой стоимости сразу же после объявления. Такая манипуляция называется рump&dump.

Объём buyback'ов в США в 2018 году достиг 806,4 миллиардов долларов, превысив рекорд 2007 года и это лишь немного уступало значениям предыдущего 2017 года. В IV квартале 2018 года обратный выкуп акций вырос на 62,8% в годовом исчислении, составив $223 млрд. Больше всех средств на buyback потратила корпорация Apple (AAPL), выкупив собственных акций на сумму 74,2 миллиарда долларов. Компания Oracle тратила на выкуп собственных акций почти 30 миллиардов в год. Боинг в 2018 году на обратные выкупы потратил 20 миллиардов долларов. При этом Блумберг опубликовал заметку о том, что корпорация Боинг экономила на разработке программного обеспечения для трагически известной модели 737 MAX, доверив его разработку низкоквалифицированным подрядчикам. Делалось это для снижения корпоративных расходов. В результате произошло 2 авиакатастрофы со множеством погибших, репутация компания была испорчена, изготовление самолетов было остановлено, полёты в ряде стран были запрещены на длительный срок, и корпорация потерпела огромные убытки.

На конец 2018 года наблюдался рост количества американских топ управляющих, покидающих свои посты в крупных компаниях. Это значение намного превысило количество топ управляющих, покинувших свои посты перед кризисом 2008 года. Очевидно, что к тому времени они себе уже заработали приличные капиталы, продавая акции своих же компаний в buyback. И затем торопливо покидали тонущий корабль, на фоне искусственно созданных позитивных финансовых настроений в прессе и позитивных прогнозов аналитиков о "светлых" перспективах экономики.

Тогда топ менеджмент компаний был уже полностью сосредоточен на то, чтобы тратить деньги не на развитие компании, увеличение инвестиций или затрат на дивиденды, а сразу выкупать свои же акции. С целью повышения капитализации своих активов и это являлось одной из основных причин почему S&P500 не падал и продолжал свой рост.

Аналогичная ситуация происходила перед кризисом 2008 года (тогда buyback'и составили чуть больше 600 млрд. долларов). Предыдущий рекорд по обратному выкупу акций в США был в 2007 году – как раз перед началом финансового кризиса и рецессии в США.

Стоит отметить, что до 1982 года компании избегали buyback'ов, опасаясь обвинений с боку государства в манипулировании рынком. Сейчас ситуация кардинально поменялась и buyback стали основным драйвером роста рынка США. Основными покупателями акций на рынке стали сами компании. Goldman Sachs (один из крупнейших в мире инвестиционных банков) заявил, что рынок просто рухнет, если запретить buyback'и.