Esitelmä Tieteen päivillä 2015

1. Mustat joutsenet pörssikaupassa
Kimmo Vehkalahti
yliopistonlehtori, VTT
soveltavan tilastotieteen dosentti
Opettajien akatemian jäsen
Yhteiskuntatilastotiede, Sosiaalitieteiden laitos
Valtiotieteellinen tiedekunta, Helsingin yliopisto
http://www.helsinki.fi/people/Kimmo.Vehkalahti/suomeksi.html

2. Musta joutsen tarkoittaa äärimmäisen harvinaista
tapahtumaa, jolla on dramaattisia seurauksia, mutta
jota on käytännössä mahdotonta ennustaa.

3. Mitä musta joutsen voi tehdä pörssikaupassa,
monimutkaisessa järjestelmässä, johon sisältyy
epävarmuuksia ja ääri-ilmiöiden mahdollisuuksia?

4. Nassim Nicholas Taleb: The Black Swan (2007, 2010)
(suomentanut
Kimmo Pietiläinen)

5. Mustan joutsenen yleispiirteitä
Musta joutsen ei välttämättä aina ole harvinainen.
1. Sen olennaisin piirre on ennustamattomuus.
2. Toinen piirre on siitä aiheutuvat seuraukset.
3. Lisäksi Mustalle joutsenelle on tyypillistä, että
jälkikäteen se on ”helposti” selitettävissä –
vaikka etukäteen se oli mahdoton ennustaa.
”Ennustaminen on vaikeaa – etenkin tulevaisuuden.”

6. Esimerkkejä mustista joutsenista
Huomaa: Musta joutsen voi olla positiivinen
(myönteinen) tai negatiivinen (kielteinen).
Esimerkkejä: Googlen menestys, syyskuun 11.
päivän terrori-isku, Harry Potter -kirjat, tietokone,
Fukushiman katastrofi, Nokian menestystarina,
finanssikriisit, pörssiromahdukset, . . .
Tästä päästäänkin pörssiin . . .

7. Pörssikauppaa on käyty vuodesta 1602
Pörssi on säännelty ja organisoitu julkinen kauppapaikka.
Tehtyjen kauppojen määrät, hinnat ja välittäjät ovat julkisia.
Pörssikurssi määräytyy kysynnän ja tarjonnan mukaan.
Kaupankäynti perustuu osto- ja myyntitoimeksiantoihin.
Lähde: Wikipedia

8. Näkymiä edellisen päivän ja kuukauden pörssikursseista
Lähde: Financial Times

9. Ennusteita vuodelle 2015 (HS 30.12.2014):
”Analyytikot ennustavat kurssiheilahteluja.”
”Kurssiheilahteluja ja paljon riskejä.”
”Helsingin pörssin kurssikehityksestä on vaikea
sanoa mitään varmaa, osittain Venäjän takia.”
”Vuodesta on tulossa monimutkainen.”

10. Pörssikaupan yleispiirteitä
Pörssikauppa on esimerkki kompleksisesta
(monimutkaisesta) järjestelmästä:
dynaaminen: muuttuu joka hetki
globaali: koskee kaikkia, kaikkialla
linkit maailman politiikkaan ja talouteen
yhteydet ja vaikutukset monitahoisia
epävarmuuksia ja äärimmäisiä ilmiöitä
ennakoimatonta vaihtelua
suuria ja pieniä riskejä

11. Luonnehdintoja vuoden alussa (HS 3.1.2015):
”Aina löytyy syitä niin kurssien nousulle kuin
laskulle.”
”Yleinen näkemys näyttää olevan se, että
levottomuus on tullut pörsseihin jäädäkseen.”
”Ei se mitään. Turbulenssissa on hyvät puolensa.
Riski on paitsi uhka myös mahdollisuus.”

12. Pörssikaupan asetelma tiivistettynä:
Mahdollisuuksia ennustamattomille
tapahtumille, joiden seuraukset voivat olla
dramaattisia . . .
Kuulostaako tutulta?

13. Esimerkki: Dow Jones -indeksin näkymiä
Indeksin historiallinen kehitys:
Lähde: Wikipedia

14. Esimerkki: Dow Jones -indeksin näkymiä
”Musta maanantai” (19.10.1987), globaali
pörssiromahdus:
Lähde: Wikipedia

15. Esimerkki: Dow Jones -indeksin näkymiä
Syyskuun 11. päivän terrori-isku:
(pörssi suljettu 11.–17.9.2001)
Lähde: Wikipedia

16. Esimerkki: Dow Jones -indeksin näkymiä
Indeksin kehitystä 2000-luvulla:
Lähde: Wikipedia

17. Käykö pörssikauppa kellokäyrällä?
-5 -4 -3 -2 -1 0 1 2 3 4 5
0
0.1
0.2
0.3
0.4
”Vahinko tulee kello[käyrä] kaulassa . . . ”
Gaussin käyrä soveltuu huonosti pörssikauppaan:
huomio tavanomaisessa (keskiarvon ympärillä)
ei tilaa äärimmäiselle vaihtelulle
Pörssin poikkeamat kaukana ”standardeista”.
Silti tyypilliset ”riskien hallinnan” työkalut kuten
ennustemallit, stressitestit yms. pohjaavat tähän!

18. Selitys- ja ennustemallit todellisuuden kuvaajina
Tilastolliset mallit, esim.
y = β0 + β1x + ε
F1
F2F3F4
F5
F6
F7
F8
F9
F10
F11
F12
RA1RA2
RC1RC2WO1WO2CLC1CLC2
CLC3
CLC4
DEC1
DEC2
SS1
SS2
PS1
PS2
SE1
SE2
SE3
ELC1
ELC2
ELC3
ELC4
ELC5
EE1EE2EE3
DP1DP2
PA1
PA2
PA3
nojaavat oletuksiin mm. eri ilmiöiden jakaumista.
Mallit ovat yksinkertaistuksia reaalimaailmasta.
Oletusten (ja sitä myötä mallien) luotettavuus?

19. Mallit ja niiden vääjäämätön rajallisuus
Pörssissä – ja sen ulkopuolella – on hyvä muistaa:
”All models are wrong,
but some are useful.”
George E. P. Box
(1919–2013)
Professor of Statistics
University of Wisconsin–Madison

20. Kiitos Tieteen päivien järjestäjille ja osallistujille!