Frank J. Fabozzi, CFA, ist eine der produktivsten, überzeugendsten und aufschlussreichsten Stimmen im modernen Finanzwesen. Als Wissenschaftler, Forscher, Autor und Herausgeber hat er unser Verständnis der Disziplin mitgeprägt. Für seine Beiträge erhielt er den James R. Vertin Award der CFA Institute Research Foundation und den C. Stewart Sheppard Award des CFA Institute. unter anderem Auszeichnungen. In der Tat werden CFA-Charterinhaber und diejenigen, die für die Prüfung studiert haben, mit seiner Arbeit vertraut sein. Er ist dafür verantwortlich, einen beträchtlichen Teil des Lehrplans zu erstellen.

Ein gemeinsames Thema in seinem Stipendium war der Stand der akademischen Finanzen und der Finanztheorie. Er ist seit langem ein beredter Kritiker dafür, wie Finanzen und Wirtschaft an Hochschulen und Universitäten gelehrt werden und wie die konventionelle Theorie das tatsächliche Marktverhalten nicht erklärt. Um mehr über seine Perspektive zu erfahren, haben wir persönlich mit ihm über die Mängel gesprochen, die er sieht, und über ihre möglichen Lösungen.

Unten finden Sie eine leicht bearbeitete Abschrift unseres Gesprächs.

CFA-Institut: In den letzten zwei Jahrzehnten haben Sie die akademische Wirtschaft und Finanzen sehr kritisch gesehen. Was ist los mit diesen Disziplinen?

Frank J. Fabozzi, CFA: Meine Kritik an der akademischen Ökonomie ist, dass die von Ökonomen entwickelten Modelle Marktagenten grundsätzlich als Roboter behandeln. Sie treffen Entscheidungen nach definierten Regeln, und die konstruierten Modelle werden als „rationale Modelle“ bezeichnet. Da Finanzen ein Bereich innerhalb der Wirtschaft sind, gilt die gleiche Kritik für die von Finanzökonomen entwickelten Modelle. Die wichtigsten Werkzeuge, die von Ökonomen verwendet werden, sind Kalkül und übergeordnete mathematische Analyse.

Die „rationalen Modelle“ im Finanzbereich wurden vom Behavioral Finance Camp angegriffen, das die Trennung zwischen Modellverhalten und realem Anlegerverhalten demonstriert hat. Die Sorge um die akademische Ökonomie kommt auch von Praktikern. Zum Beispiel wies Charlie Munger 2003 darauf hin, dass die Psychologie bei der Entwicklung von Wirtschaftsmodellen nicht berücksichtigt wurde: „Wenn Sie wie ein einbeiniger Mann in einem Arschtrittswettbewerb durchs Leben gehen möchten, warum, seien Sie mein Gast . Aber wenn Sie Erfolg haben wollen, wie ein starker Mann mit zwei Beinen, müssen Sie diese Tricks lernen, einschließlich Wirtschaftswissenschaften, während Sie sich mit Psychologie auskennen. “

Das Problem, sich auf rationale Modelle zu stützen und diese als Grundlage der Finanzierung zu behandeln, besteht darin, dass neue Erkenntnisse, die nicht mit den Grundlagentheorien vereinbar sind, verworfen werden. Dies ist der Hauptpunkt, den Sergio M. Focardi und ich angesprochen haben, als wir argumentierten, dass die Wirtschaft in ihrer gegenwärtigen Form nicht die empirische Realität beschreibt, sondern eine idealisierte rationale Wirtschaftswelt. Es zeigt sich, dass in der Finanzökonomie Abweichungen der empirischen Preise oder Renditen von theoretischen Modellen als „Anomalien“ bezeichnet werden. Eine echte empirische Wissenschaft würde ihre Modelle so überarbeiten, dass sie zu empirischen Daten passen. Die Finanzökonomie verfolgt jedoch den umgekehrten Ansatz und betrachtet Abweichungen von einer idealisierten wirtschaftlichen Rationalität als Anomalien der tatsächlichen empirischen Preisprozesse.

In den 1970er und 1980er Jahren konnte ein Wissenschaftler nicht in einem von Experten begutachteten Finanzjournal veröffentlicht werden, wenn seine Forschung im Widerspruch zur vorherrschenden Theorie wie dem Capital Asset Pricing Model (CAPM) stand. In den späten 1970er Jahren suchte beispielsweise eine renommierte Finanzzeitschrift nach Artikeln, die von Wissenschaftlern und Praktikern gemeinsam verfasst wurden. Da ich der Meinung war, dass die Redaktion der Zeitschrift aufrichtig war, verfasste ich gemeinsam mit dem damaligen Vorsitzenden von Merrill Lynch White Weld, Tom Chrystie, einen Artikel. Unsere These war, dass Wertpapiere über die Aktivseite der Bilanz für Anleger strukturiert / angepasst werden können. Grundsätzlich lieferte es den allgemeinen Entwurf für eine strukturierte Finanzierung. Die Bewertung, die wir als Antwort erhielten, war kurz und ging in etwa so – die Ideen in der Zeitung machten keinen Sinn, weil sie nicht mit CAPM übereinstimmten!

Zuvor haben Sie den Missbrauch von Kalkül und übergeordneter mathematischer Analyse in der Wirtschaft beschrieben. Warum sind das die falschen Werkzeuge?

Die übermäßige Abhängigkeit von Kalkül ist symptomatisch für die Stagnation des Fachs und ein schlechter Dienst für die Studenten, die im Asset Management arbeiten möchten. Ökonomen sollten ausgefeilte mathematische Werkzeuge und empirische Techniken kombinieren und gleichzeitig die Grenzen eines Feldes erkennen, in dem Experimente selten möglich sind. In „Wer braucht eine Newtonsche Finanzierung?“ Marcos López de Prado und ich erklärten, warum die Übernahme von Kalkül durch Ökonomen ein historischer Unfall war, und stellten die mechanische Sicht der Ökonomen auf die Welt in Frage.

Grundsätzlich erkannten die Wirtschaftswissenschaftler, dass die Analysis in der Physik und im Ingenieurwesen äußerst erfolgreich war und dort ihre Erfolgsbilanz erlangte. Sie hofften, diesen außergewöhnlichen Erfolg wiederholen zu können, indem sie denselben konzeptionellen Rahmen verwendeten. Und das kumulative Wissen bei der Anwendung von Kalkül auf reale Probleme ist beeindruckend. Charlie Munger bezeichnete dies in seiner Liste der Schwächen der akademischen Ökonomie als „Physik-Neid“. Er wies darauf hin, dass „dieser Begriff entlehnt wurde [another type of] Neid, wie er von einem der großen Idioten der Welt, Sigmund Freud, beschrieben wird. „

Letztendlich war Kalkül bei der Beschreibung wirtschaftlicher und finanzieller Phänomene nicht effektiv. Focardi und ich bieten verschiedene Erklärungen an, warum Ökonomen den sicheren Grund des Kalküls dem unsicheren Grund der Realität vorzuziehen scheinen. Als sich ein Physiker bei Kenneth Arrow, einem Gewinner des Nobelpreises für Wirtschaftswissenschaften von 1972, erkundigte, warum Ökonomen angesichts der geringen unterstützenden Daten eine so ausgefeilte Mathematik verwendeten, antwortete Professor Arrow: „Nur weil wir nicht über genügend Daten verfügen Wir verwenden ausgefeilte Mathematik. “ Er fuhr fort: „Wir müssen die logische Konsistenz unserer Argumente sicherstellen.“ Dieser Vorschlag ist heute ungültiger als je zuvor, da in den letzten Jahren alle Arten von Datensätzen verfügbar geworden sind.

Derzeit gibt es keine Entschuldigung dafür, keine alternativen Datensätze zu verwenden, die uns detailliert über die täglichen Aktivitäten von Hunderten Millionen Menschen informieren.

Ökonomen wenden Statistiken auf alle Arten von Daten an. Ist ihr Ansatz evidenzbasiert?

Dies ist ein falscher Eindruck. Ökonometrische Modelle sind völlig ungeeignet, um die Komplexität von Wirtschaftssystemen zu modellieren. Ökonomen können statistische Techniken, die für die experimentelle Biologie entwickelt wurden, nicht blind anwenden. Wie López de Prado und ich erklärten, erlaubt die Wirtschaftlichkeit keine Experimente, die auf großen, unabhängig voneinander gezogenen Datenproben aus einem stationären System basieren. Die Erstellung eines neuen 50 Jahre langen Datensatzes dauert 50 Jahre. Bis dahin hat sich das System viel schneller „entwickelt“ als natürliche Systeme.

Das Paradoxon in der Wirtschaft ist, dass Forscher entweder nicht empirische Werkzeuge – Kalkül und ausgefeilte Mathematik – oder paläostatistische Werkzeuge verwenden, die vor dem Aufkommen von Computern entwickelt wurden. Vergleichen Sie ein populäres Lehrbuch der Ökonometrie wie das von William H. Greene mit einem Lehrbuch der Chemometrie wie das von Matthias Otto. Andere Bereiche haben maschinelles Lernen und andere Berechnungsmethoden umfasst. Diese Methoden werden jedoch in Wirtschaftszeitschriften als „Black Boxes“ abgelehnt.

Die Ökonometrie hat den Zug der Innovation verloren und ist stattdessen zu einem stagnierenden Thema geworden, zur Überraschung vieler Statistiker außerhalb unseres Fachgebiets. Es ist, als ob Ökonomen nur Ökonometrie verwenden würden, weil es das einzige Toolkit ist, mit dem sie ihre CAPM- oder Faktorinvestitionsverzerrungen bestätigen können.

Theorien in den harten Wissenschaften – zum Beispiel Einsteins Relativitätstheorie – sind Modelle, die die Realität vorhersagen und nicht widersprechen. CAPM und andere ökonomische Theorien scheitern ständig an Praktikern. Warum hat der Wirtschaftsnobelpreis dann immer das Wort „Wissenschaft“ im Titel?

Mein Co-Autor Sergio Focardi und ich haben argumentiert, dass die heutige Mainstream-Ökonomie keine Wissenschaft im Sinne der Naturwissenschaften ist, weil sie nicht die reale Wirtschaft beschreibt, sondern eine idealisierte „wirtschaftlich rationale“ Welt .

Das Versäumnis, die Wirtschaftsphysik, eine Disziplin, für die sich der Physiker H. Eugene Stanley Mitte der neunziger Jahre einsetzte, zu popularisieren, ist ziemlich bezeichnend. Anstatt einen interdisziplinären Ansatz zu verfolgen, der sich in seiner Forschung streng an die Prinzipien der empirischen Wissenschaft hält, wurde er von Ökonomen als „Nicht-Mainstream“ abgetan.

In der idealisierten pseudorationalen Welt der gegenwärtigen Wirtschaftstheorie gibt es keinen wirklichen Platz für größere Krisen. Insbesondere die Finanzökonomie basiert auf der Annahme, dass die wirtschaftlichen Größen möglicherweise von ihrem theoretischen Wert abweichen, die Marktkräfte sie jedoch schnell wieder mit den theoretischen Werten ausrichten. Diese Annahme hat sich als unzureichend erwiesen. Dieses Versagen verhinderte, dass die Wirtschaft dem Asset Management half, sich als etwas anderes als ein Casino zu etablieren. Eine empirisch validierte, wissenschaftliche Sicht der Wirtschaft ist erforderlich.

Kein Wunder, dass die Wiederherstellung des Anlegervertrauens – wie wir im Investment Management nach der globalen Finanzkrise der CFA Institute Research Foundation gezeigt haben – eine der größten Herausforderungen des Berufs bleibt.

Würden Sie dann sagen, dass Wirtschaft eine Wissenschaft im Entstehen ist?

Im Wesentlichen müssen wir die Wirtschaft als empirische Wissenschaft wieder aufbauen. Einige Ergebnisse wurden erhalten. Die Netzwerktheorie hat erhebliche Fortschritte bei der Darstellung der Interaktionen zwischen Wirtschaftsakteuren erzielt. Chaotische Modelle und ihre Beziehungen zur Statistik werden jetzt besser verstanden. Mit Methoden des maschinellen Lernens konnten Portfolios bereitgestellt werden, die die Out-of-Sample-Lösung von Markowitz übertreffen. Möglicherweise ist eine neue Art von Statistik erforderlich, um mit der Unsicherheit zu arbeiten, die Wirtschaft und Finanzen kennzeichnet. Wir unterscheiden zwischen robusten Statistiken für den Großteil der Daten und der Extremwerttheorie zur Modellierung der Schwänze. Wir haben gelernt, grobe Vorhersagen über möglicherweise sehr große Ergebnisse zu treffen, die in der Vergangenheit noch nie erlebt wurden. Wir haben jedoch keine Werkzeuge, um mit sehr hohen Unsicherheiten umzugehen.

In jüngster Zeit lag der Schwerpunkt darauf, mehr Datenwissenschaft in die Lehrpläne des Finanzprogramms aufzunehmen, was López de Prado, Joseph Simonian und ich als „Finanzdatenwissenschaft“ bezeichnen. Wir heben einige der Vorteile dieses Bereichs für das praktische Investmentmanagement hervor. In diesem Jahr haben Marcos, Joe und ich das Journal of Financial Data Science mitbegründet, das von Pageant Media veröffentlicht wurde. Die Eröffnungsausgabe erschien im Januar.

Maschinelles Lernen, ein Zweig der Datenwissenschaft, umfasst eine Familie von Computertechniken, die das automatisierte Lernen von Mustern und die Bildung von Vorhersagen aus Daten erleichtern. Obwohl es keine universelle Definition der Datenwissenschaft gibt, kombiniert sie Statistik und Datenverarbeitung, um komplexe Daten zu ermitteln oder Ordnung zu schaffen und fundierte Entscheidungen zu treffen. Es ist daher ein inhärent praktisches Unterfangen, genau wie das Finanzwesen, und eignet sich daher besonders für Investitionsanträge, die im Lehrplan aller Finanzprogramme enthalten sein sollten.

Wie Marcos und ich in unserem Newtonschen Finanz-Editorial feststellten, gibt es neben der Datenwissenschaft einige nützliche Fächer, die in Wirtschafts- und Finanzprogrammen selten unterrichtet werden, darunter Kombinatorik, Graphentheorie / -netzwerke, Kerneltheorie, Informationstheorie, experimentelle Mathematik, Algorithmen, Komplexitätstheorie und Datenstrukturen. Wir glauben, dass Informatiker möglicherweise besser ausgebildet sind, um mit Finanzproblemen umzugehen, als Finanzstudenten. Dies ist ein Grund, warum Banken und Hedgefonds Datenwissenschaftler und Physiker für Positionen einstellen, die zuvor Finanzabsolventen vorbehalten waren.

Wie sollte die Wissenschaft ihre Finanzlehre verändern?

Dies ist eine offene Frage, über die sich die Wirtschafts- und Finanzabteilungen der Universitäten unterhalten müssen. In der Regel sind die Lehrpläne der Universitäten für Wirtschaft und Finanzen heute geteilt: Es gibt Programme mit Mathematik und Programme ohne Mathematik. Diejenigen mit Mathematik unterrichten anspruchsvolle Analysis und stochastische Analysis. Diejenigen ohne Mathematik halten es immer noch für notwendig und versuchen, verdünnte und vereinfachte Versionen von Kalkül und stochastischem Kalkül zu lehren, meist in Form von Ökonometrie. Diese Situation ist unbefriedigend. Schüler mit hochmathematischen Lehrplänen fühlen sich am Ende wie in einem Elfenbeinturm und entwickeln nicht die Hard-Data-Disziplin der empirischen Wissenschaften. Im Gegensatz dazu glauben Studierende nichtmathematischer Lehrpläne, dass Logik und Mathematik optional sind und nicht für das wirkliche Leben gelten.

In der Praxis sind beide Positionen unvernünftig. In der Praxis des Investment Managements wird hochentwickelte Kalkulation hauptsächlich im Geschäft mit Finanzderivaten verwendet. Heutzutage müssen Schüler, die „Quants“ sein wollen, die Analysis und die stochastische Analysis kennen. Sie sollten jedoch berücksichtigen, dass die Entwicklung moderner Volkswirtschaften und Theorien der Finanzmärkte wahrscheinlich neue, möglicherweise andere mathematische Konzepte erfordern wird. Sie sollten sehr offen für neue Ideen sein.

Aber auch die entgegengesetzte Position, dass Mathematik eine nutzlose Option ist, ist sehr gefährlich. Das Investment Management erfordert strenges logisches Denken und die Verarbeitung großer Mengen unstrukturierter Daten. Die Herausforderung für Universitäten und Business Schools besteht, wie Gilbert Strang, ein weltbekannter MIT-Mathematikprofessor, sagt, „die Mathematik zu präsentieren, die für die meisten Studenten am nützlichsten ist“. Diese Lehren werden den Schülern helfen, rigoros zu argumentieren, ohne die Zwangsjacke des Kalküls einzuschränken.

Wenn Sie mehr von Frank J. Fabozzi, CFA, erfahren möchten, verpassen Sie nicht die Aktienbewertung: Wissenschaft, Kunst oder Handwerk? gemeinsam mit Sergio M. Focardi und Caroline Jonas den neuesten von vielen Beiträgen zur CFA Institute Research Foundation verfasst.

Wenn Ihnen dieser Beitrag gefallen hat, vergessen Sie nicht, den unternehmungslustigen Investor zu abonnieren.

Alle Beiträge sind die Meinung des Autors. Als solche sollten sie weder als Anlageberatung ausgelegt werden, noch spiegeln die geäußerten Meinungen notwendigerweise die Ansichten des CFA-Instituts oder des Arbeitgebers des Autors wider.

Bildnachweis: © Getty Images / hannahgleg

Weiterbildung für Mitglieder des CFA-Instituts

Ausgewählte Artikel können für Fortbildungspunkte (CE) angerechnet werden. Nehmen Sie Credits einfach mit der CFA Institute Members App auf, die auf iOS und Android verfügbar ist.

Paul Kovarsky, CFA

Paul Kovarsky, CFA, ist Direktor für institutionelle Partnerschaften am CFA-Institut.