El cisne negro

Todos los cisnes que alguien del Viejo Mundo había visto eran blancos. «Todos los cisnes son blancos» parecía menos una conjetura que una ley de la naturaleza: millones de avistamientos que confirmaban la regla, cero excepciones. Después los europeos llegaron a Australia y se toparon con el Cygnus atratus: un cisne negro. Un solo pájaro hizo saltar por los aires siglos de inducción confiada. Nassim Nicholas Taleb tomó prestada la imagen para los sucesos que comparten esa misma forma: invisibles hasta que llegan, después tan enormes que reescriben la historia y, una vez ocurridos, sospechosamente fáciles de explicar. Esta lección clava qué es en realidad un cisne negro (no es «cualquier cosa mala y rara»), por qué nuestro cerebro y nuestras campanas de Gauss son ciegos ante ellos, y la única jugada defensiva que sobrevive al hecho de que no podéis verlos venir.

Qué hace que algo sea un cisne negro

Un cisne negro no es simplemente «un suceso raro y malo». Taleb lo fija en tres atributos que deben darse de forma conjunta: si falla cualquiera de ellos, no es un cisne negro.

1. Es un valor atípico. Queda fuera del ámbito de las expectativas habituales, porque nada del pasado apuntaba de manera convincente a su posibilidad. El contador de cisnes anterior a Australia no tenía dato alguno que sugiriese que pudiera existir un cisne no blanco.
2. Conlleva un impacto extremo. Cuando aterriza, lo hace con fuerza: rebaraja mercados, carreras, historias. Una sorpresa trivial no cuenta.
3. Solo es predecible en retrospectiva. A pesar de su condición de atípico, la naturaleza humana nos lleva a fabricar explicaciones a posteriori, volviéndolo explicable y predecible, pero solo mirando hacia atrás, nunca hacia delante.

El propio resumen de Taleb merece conservarse al pie de la letra:

Ese tercer rasgo es la trampa. Después de 2008, después del 11-S, después del estallido de las puntocom, los artículos de opinión se escribían solos: «las señales de alarma estaban por todas partes». No lo estaban; o, mejor dicho, eran invisibles hasta que conocías la respuesta. La predecibilidad retrospectiva es un cuento que nos contamos a nosotros mismos; es lo contrario de haber acertado de verdad con el suceso.

El malentendido número 1, liquidado dos veces. Primero: un cisne negro no es lo mismo que «cualquier desastre raro». Un desastre que modelasteis y predijisteis no es un cisne negro: incumple el rasgo de predecibilidad-solo-en-retrospectiva, porque lo visteis venir. Segundo: los cisnes negros pueden ser positivos. Una startup de garaje que se convierte en una empresa billonaria, un manuscrito rechazado por una docena de editoriales que se vuelve un fenómeno mundial, un avance científico inesperado: todos son cisnes negros, todos al alza.

Hay un giro final: los cisnes negros son relativos al observador. Como dice Taleb, «lo que para un pavo puede ser la sorpresa de un cisne negro no lo es para su carnicero». El mismo suceso puede ser un shock que sacude el mundo para una parte y un punto programado en la agenda de otra. De quién eran las expectativas que se violaron forma parte de la definición.

El problema del pavo y la inducción

Os presento al pavo. Cada mañana, durante 1.000 días, un humano amable aparece y lo alimenta. Día a día se acumula la evidencia del pavo: «los humanos son mis amigos; me alimentan; mañana será como hoy». Un buen pavo bayesiano se vuelve más confiado con cada día alimentado. Su creencia estadística en estar a salvo alcanza su máximo el día 1.000: la tarde anterior a Acción de Gracias. Entonces el humano aparece con intenciones muy distintas.

Este es el problema de la inducción de David Hume, con plumas: ningún número de observaciones que confirman puede demostrar que la siguiente se ajustará. Mil mañanas alimentado son perfectamente compatibles con «y entonces te matan». El remate de Taleb:

Leedlo dos veces. La confianza y el peligro alcanzaron su pico el mismo día. La sensación de seguridad del pavo no solo era errónea: era errónea justo cuando más importaba, y fue la acumulación de «evidencia» lo que lo llevó hasta ahí. Arrastrad a lo largo de la vida del pavo aquí abajo y ved cómo trepa la confianza mientras el peligro real oculto trepa exactamente a su lado.

El motor oculto es una falacia lógica: la ausencia de evidencia no es evidencia de ausencia. No haber visto una crisis no es prueba de que una crisis no pueda ocurrir. Confundir lo primero con lo segundo es la falacia del viaje de ida y vuelta: deslizarse de «no tengo evidencia de X» a «tengo evidencia de no-X». El pavo la comete a la perfección. También lo hicieron los mercados en el verano de 2007, cuando «nunca hemos visto pérdidas así en nuestros modelos» se trató como «tales pérdidas son esencialmente imposibles».

El pavo del mundo real: LTCM. Long-Term Capital Management, dirigido por premios Nobel, usaba modelos calibrados con años de datos bien portados. Los rendimientos eran estables; la confianza (y el apalancamiento) trepaban. Entonces el impago ruso de 1998 produjo un movimiento que sus modelos calificaban de casi imposible, y el fondo implosionó en semanas: el día antes de su matanza, nunca había parecido más seguro.

Mediocristán frente a Extremistán

¿Por qué unas magnitudes son propensas a los cisnes negros y otras prácticamente inmunes? Taleb divide el mundo en dos provincias.

Mediocristán es la tierra de lo no escalable: magnitudes con un techo físico, donde ninguna muestra individual puede dominar el total. La estatura humana vive aquí. Poned en fila a 1.000 personas al azar, promediad sus estaturas y después añadid al humano más alto jamás registrado (unos 2,72 m). El promedio apenas se inmuta: se mueve del orden de un solo milímetro. Una observación, por monstruosa que sea, no puede inundar a la multitud, porque la biología pone un tope a lo extremo que puede ser una sola persona.

Extremistán es la tierra de lo escalable: magnitudes sin techo natural, donde una observación puede ser la historia entera. La riqueza vive aquí. Tomad a las mismas 1.000 personas corrientes (pongamos, $50.000 de patrimonio neto cada una) y añadid una fortuna de $100.000 millones. El promedio no se mueve un poco: se dispara unas 1.000 veces, y esa única persona posee ahora alrededor del 99,9% de toda la riqueza de la sala. Pulsad «añadir el atípico» en cada panel y ved cómo reaccionan los dos mundos al movimiento idéntico.

Los números, uno al lado del otro:

Aquí está la clave: la mayoría de las magnitudes financieramente importantes viven en Extremistán. Los rendimientos del mercado, la riqueza, las ventas de libros, los tamaños de empresa, las poblaciones de las ciudades, las muertes por pandemia, las bajas en las guerras. En Extremistán el promedio es inestable: está rehén de la mayor observación que aún no habéis visto, así que un valor «típico» calculado con datos pasados es una ficción que está a un atípico de ser reescrita. Las herramientas de Mediocristán (la campana de Gauss, la desviación típica, la cómoda «ley de los promedios») están calibradas para un mundo que no aplica, y fallan en silencio justo hasta que llega el cisne negro.

Profesiones escalables frente a no escalables

La misma división ordena cómo podéis ganar dinero, y explica quién está expuesto a los cisnes negros.

Una dentista tiene un ingreso no escalable: cobra por horas de fresar, y solo hay tantas horas en un día y tantos dientes en una ciudad. Sus ganancias están topadas, son predecibles, de Mediocristán. Si dobla su esfuerzo, dobla aproximadamente su paga, no más.

Un autor o un gestor de fondos tienen un ingreso escalable: hacen el trabajo una sola vez —escriben el libro, diseñan la estrategia— y luego lo venden a mil o a un millón de personas a un coste extra casi nulo. Un lector marginal, un dólar más de activos, no les cuesta nada. Las ganancias no tienen techo, el mercado es de el ganador se lo lleva todo, y un puñado de nombres acapara casi todo mientras el resto acapara casi nada. Eso es Extremistán.

Por qué la campana de Gauss nos ciega — el absurdo de las sigmas

Si las magnitudes peligrosas viven en Extremistán, ¿por qué las finanzas siguen usando la campana de Gauss (la distribución gaussiana o normal) para modelarlas? Porque es bella, tratable y —para magnitudes de Mediocristán como la estatura— genuinamente correcta. El hábito fatal es aplicarla donde no corresponde.

El rasgo definitorio de la campana de Gauss es que sus colas decaen exponencialmente rápido. Cada desviación típica adicional («sigma», $\sigma$) vuelve un suceso astronómicamente más raro, no meramente más raro de forma lineal. Bajo una distribución normal:

• Un movimiento de 3σ es aproximadamente un suceso de 1 entre 740.
• Un movimiento de 5σ es aproximadamente 1 entre 3,5 millones.
• Un movimiento de 10σ es alrededor de 1 entre 10²³: tendríais que esperar muchas veces la edad del universo para ver uno.
• Un movimiento de 25σ es tan improbable que efectivamente nunca ocurre: ni una sola vez en cualquier lapso de tiempo humanamente imaginable.

Arrastrad el deslizador de abajo y ved cómo la probabilidad gaussiana cae por un precipicio según trepa la sigma.

Ahora, la frase famosa. En agosto de 2007, mientras los fondos cuantitativos sangraban, el director financiero de Goldman Sachs, David Viniar, ofreció esta explicación al Financial Times:

Hay dos formas de leer esa frase. La halagadora: «tuvimos una mala suerte extraordinaria; los dados salieron cósmicamente mal». La honesta: el modelo estaba equivocado. Un día de 25σ bajo una gaussiana es tan imposible que observar varios seguidos no es una racha de mala suerte: es la prueba, a gritos, de que la distribución que genera esos rendimientos tiene colas gruesas, no gaussianas. Cuando vuestro modelo dice que un suceso es una casualidad de 1 entre 10⁵⁰ y ocurre tres días seguidos, no culpáis a los dados; tiráis el modelo a la basura.

La distribución real de los rendimientos del mercado no es la campana de Gauss de colas finas: tiene colas gruesas, donde los movimientos extremos son muchísimo más frecuentes de lo que admite la gaussiana. Deslizad el control del grosor de las colas de abajo: en el centro, donde vive el 99% de los días, la curva de colas gruesas y la campana de Gauss son casi idénticas, que es precisamente por lo que la gaussiana engaña a la gente. Allá en las colas, donde viven los cisnes negros, divergen en órdenes de magnitud.

No predigas — construye robustez

Aquí está la parte que la gente rechaza. Si los cisnes negros están, por definición, fuera del ámbito de las expectativas habituales y solo son predecibles a toro pasado, entonces la respuesta obvia —«construyamos un modelo de pronóstico mejor»— está condenada. No podéis pronosticar lo impronosticable. Perseguir un modelo que prediga el próximo cisne negro no es más que convertirse en un pavo más confiado.

Así que Taleb le da la vuelta al objetivo. Dejad de intentar predecir; empezad a diseñar vuestra exposición. La meta, en sus palabras:

Esta es la semilla de la estrategia de la barra de pesas (tratamiento completo en una lección posterior): mantén el grueso de tu capital extremadamente a salvo de modo que ningún cisne negro negativo pueda arruinarte, mientras colocas muchas apuestas pequeñas y con pérdida acotada donde un cisne negro positivo pueda dar un rendimiento enorme. No estáis prediciendo qué suceso de cola ocurre; estáis ordenando las cosas para que los negativos no puedan mataros y los positivos sí puedan haceros ganar. Asimetría, no precisión.

El panorama general

Un cisne negro necesita los tres rasgos a la vez —atípico, impacto extremo y predecibilidad solo retrospectiva—, por lo que un desastre pronosticado no cuenta y una ganancia inesperada sí. El problema del pavo muestra la trampa de la inducción: la confianza alcanza su pico el día que lo hace el peligro, porque la ausencia de evidencia se confundió con evidencia de ausencia. La mayoría de las magnitudes que importan en lo financiero viven en Extremistán, donde una observación se adueña del promedio y las colas finas de la campana de Gauss son una mentira: una mentira que permite a un director financiero llamar a un fallo de modelo un «suceso de 25 sigmas». La única respuesta duradera es dejar de predecir y, en su lugar, construir robustez frente al lado negativo mientras se mantiene la exposición al lado positivo.

A continuación seguimos la receta hacia delante: cómo construir robustez de verdad —la estrategia de la barra de pesas, la antifragilidad y convertir vuestra exposición a las colas de un lastre en un motor.