Riesgo de innovación: cómo tomar decisiones más inteligentes

Se crean nuevos productos y servicios para permitir a las personas realizar las tareas mejor que antes o hacer cosas que antes no podían. Pero las innovaciones también conllevan riesgos. El riesgo que demuestre ser una innovación depende en gran medida de las decisiones que tomen las personas al utilizarla.

Pregúntese lo siguiente: si tuviera que conducir de Boston a Nueva York en una tormenta de nieve, ¿se sentiría más seguro en un coche con tracción en las cuatro o dos ruedas? Lo más probable es que elija tracción en las cuatro ruedas. Pero si analizara las estadísticas de accidentes, descubriría que la llegada de la tracción en las cuatro ruedas no ha hecho mucho para reducir la tasa de accidentes de pasajeros por pasajero-milla en los días de nieve. Eso podría llevarlo a la conclusión de que la innovación no ha hecho que conducir en la nieve sea más seguro.

Por supuesto, lo que ha ocurrido no es que la innovación no haya logrado hacernos más seguros, sino que las personas han cambiado sus hábitos de conducción porque sentir más seguro. Más personas se aventuran a salir a la nieve que antes y probablemente también conduzcan con menos cuidado. Si usted y todos los demás condujeran a Nueva York a la misma velocidad y en el mismo número que antes, la tracción en las cuatro ruedas lo haría mucho más seguro. Pero si usted y todos los demás condujeran mucho más rápido, se enfrentarían al mismo riesgo que siempre han corrido en una tormenta de nieve. En esencia, está tomando una decisión (consciente o inconscientemente) entre reducir el riesgo o mejorar su rendimiento.

Si el riesgo de una innovación depende de las decisiones que tomen las personas, se deduce que cuanto más informadas y conscientes estén sus elecciones, menor será el riesgo. Pero a medida que las empresas y los responsables políticos reflexionan sobre las consecuencias de una innovación (cómo cambiará las compensaciones que hacen las personas y su comportamiento), deben tener en cuenta las limitaciones de los modelos en los que las personas basan sus decisiones sobre cómo utilizar la innovación. Como veremos, algunos modelos resultan tener defectos fundamentales y deberían desecharse, mientras que otros se pueden mejorar. Algunos modelos solo son adecuados para determinadas aplicaciones; otros requieren usuarios sofisticados para obtener buenos resultados. E incluso cuando las personas utilizan los modelos adecuados para tomar decisiones sobre cómo utilizar una innovación (lograr el equilibrio adecuado entre el riesgo y el rendimiento), la experiencia nos demuestra que es casi imposible predecir cómo su cambio de comportamiento influirá en el riesgo de otras decisiones y comportamientos que ellos u otras personas adopten, a menudo en ámbitos aparentemente no relacionados. Es la vieja historia de las consecuencias no deseadas. Cuanto más complejo sea el sistema en el que entre una innovación, más probables y graves serán esas consecuencias. De hecho, muchos de los riesgos asociados a una innovación no provienen de la innovación en sí, sino de la infraestructura en la que se introduce.

La conclusión es que todas las innovaciones cambian la compensación entre riesgo y rentabilidad. Para minimizar el riesgo y las consecuencias no deseadas, tanto los usuarios, las empresas y los responsables políticos deben entender cómo tomar decisiones informadas en lo que respecta a los nuevos productos y servicios. En concreto, deben respetar cinco reglas generales.

Reconozca que necesita un modelo

Cuando adopta un nuevo producto o tecnología, su decisión sobre el riesgo y la rentabilidad se basa en lo que los científicos cognitivos denominan modelo mental. En el caso de conducir a Nueva York en la nieve, podría pensar que no puedo controlar todos los riesgos asociados al viaje, pero puedo elegir el tipo de coche que conduzco y la velocidad a la que lo conduzco. Por lo tanto, un modelo mental sencillo para evaluar las compensaciones entre el riesgo y el rendimiento podría representarse mediante un gráfico que trace la seguridad en función del tipo de coche y la velocidad.

Cada vez más actividades que tradicionalmente requerían la cognición humana han demostrado ser susceptibles a la modelización matemática formal.

Por supuesto, este modelo es una simplificación burda. La relación entre la seguridad y la velocidad dependerá de otras variables (las condiciones meteorológicas y de la carretera, el volumen del tráfico, la velocidad de los demás coches en la carretera), muchas de las cuales están fuera de su control. Para tomar las decisiones correctas, tiene que entender con precisión la relación entre todas estas variables y su elección de velocidad. Por supuesto, cuantos más factores incorpore, más complicado será evaluar los riesgos asociados a una velocidad determinada. Para hacer una evaluación precisa, tendrá que recopilar datos, estimar los parámetros de todos los factores y determinar cómo podrían interactuar esos factores.

Históricamente, la mayoría de los modelos que la gente ha aplicado a situaciones de la vida real han existido semiconscientemente en la mente de las personas. Incluso hoy en día, cuando conducimos un coche nos basamos por reflejo en modelos mentales imprecisos pero sólidos en los que las relaciones entre los factores se adivinan en función de la experiencia. Sin embargo, con la llegada de la tecnología informática, cada vez más actividades que tradicionalmente requerían la cognición humana han demostrado ser susceptibles a la modelización matemática formal. Cuando cruce el Atlántico en un avión comercial, por ejemplo, su avión lo pilotará en su mayor parte un ordenador, cuyas «decisiones» sobre la velocidad, la altitud y el rumbo se basan en modelos matemáticos que procesan datos continuos sobre la ubicación, la presión atmosférica, el peso de la aeronave, la ubicación del tráfico aéreo, la velocidad del viento y muchos otros factores. Los pilotos de ordenadores son ahora tan sofisticados que incluso pueden aterrizar un avión.

Al igual que con los aviones, también con las finanzas: la fórmula de Black-Scholes para valorar las opciones sobre acciones, que ayudé a desarrollar en la década de 1970, intenta establecer hasta qué punto los factores externos mensurables u observables (específicamente, el precio del activo subyacente, la volatilidad de ese precio, los tipos de interés y el tiempo de caducidad) podrían estar relacionados con el precio de una opción de compra de ese activo en particular. Las firmas financieras utilizan modelos como Black-Scholes para permitir que los ordenadores realicen operaciones. Podría, por ejemplo, programar un ordenador para que haga un pedido de compra o venta de una acción o una opción si el programa observara a partir de los datos del mercado que los precios reales de las acciones y las opciones se desvían de las valoraciones generadas por Black-Scholes o algún otro modelo de valoración riguroso.

Ningún ser humano puede prever todas las consecuencias de una innovación, por muy obvias que parezcan en retrospectiva.

Parece razonable, entonces, suponer que cuantos más factores incorpore su modelo, mejor evaluará los riesgos en los que incurre al decidir si adoptar una innovación en particular y cómo hacerlo. Eso explica en gran medida la popularidad de los modelos matemáticos, especialmente con respecto a las innovaciones tecnológicas y financieras. Y muchos de estos modelos funcionan bastante bien. La metodología general de replicación en la que se basa Black-Scholes, por ejemplo, está bien respaldada por pruebas empíricas: los valores reales de las opciones y otras derivadas parecen corresponder a los pronosticados incluso por las versiones simplificadas del modelo. Pero es precisamente cuando empiece a sentirse cómodo con sus evaluaciones cuando tenga mucho cuidado.

Reconozca las limitaciones de su modelo

Al crear y utilizar modelos, ya sea un modelo de precios financieros o la función de piloto automático de una aeronave, es fundamental entender la diferencia entre un modelo incorrecto y uno incompleto.

Un modelo incorrecto es aquel cuya lógica interna o suposiciones subyacentes son en sí mismas manifiestamente erróneas; por ejemplo, un modelo matemático para calcular la circunferencia de un círculo que utiliza un valor de 4,14 para pi. Esto no quiere decir, por supuesto, que la incorrección sea siempre fácil de detectar. Un modelo de navegación aérea que coloque el aeropuerto La Guardia de Nueva York en Boston, por ejemplo, podría no ser reconocido como defectuoso a menos que los aviones que guiaba trataran de volar a ese aeropuerto. Una vez que se descubre que un modelo se basa en una suposición fundamentalmente errónea, lo único correcto es dejar de usarlo.

Lo incompleto es un problema muy diferente y es una cualidad que comparten todos los modelos. El matemático austriaco-estadounidense Kurt Gödel demostró que ningún modelo es «verdadero» en el sentido de que es una representación completa de la realidad. Como modelo para pi, 3,14 no está mal, pero está incompleto. Un modelo de 3,14159 está menos incompleto. Tenga en cuenta que el modelo menos incompleto mejora la versión base en lugar de sustituirla por completo. No es necesario desaprender el modelo básico, sino añadirlo.

La distinción entre lo incorrecto y lo incompleto es importante para los científicos. A medida que desarrollan modelos que describen nuestro mundo y nos permiten hacer predicciones, rechazan y dejan de utilizar los que consideran incorrectos, ya sea mediante un análisis formal de su funcionamiento o poniendo a prueba las suposiciones subyacentes. Los que sobreviven se consideran incompletos, más que incorrectos y, por lo tanto, mejorables. Piénselo de nuevo en Black-Scholes. Ha surgido un arsenal cada vez mayor de modelos de opciones que extienden la misma metodología subyacente más allá de la fórmula básica e incorporan más variables y suposiciones más sólidas para aplicaciones especializadas.

En general, hasta que no se detecte alguna infracción fundamental de las matemáticas en un modelo o se descubra algún error en las suposiciones que se le están incorporando actualmente, lo lógico es refinarlo en lugar de rechazarlo. Sin embargo, es mucho más fácil decirlo que hacerlo, lo que nos lleva al siguiente desafío.

Espere lo inesperado

Incluso con el mejor esfuerzo e ingenio, se pasarán por alto algunos factores que podrían influir en un modelo. Ningún ser humano puede prever todas las consecuencias de una innovación, por muy obvias que parezcan en retrospectiva. Este es particularmente el caso cuando una innovación interactúa con otros cambios en el entorno que, por sí solos, no están relacionados y, por lo tanto, no se reconocen como factores de riesgo.

La crisis financiera de 2007-2009 es un buen ejemplo de estas consecuencias no deseadas. Las innovaciones en el mercado hipotecario inmobiliario, que redujeron significativamente los costes de transacción, facilitaron a las personas no solo la compra de casas, sino también la refinanciación o el aumento de sus hipotecas. La gente podría reemplazar fácilmente el capital de sus propiedades por deudas, lo que liberaría dinero para comprar coches, vacaciones y otros bienes y servicios atractivos. No hay nada intrínsecamente malo en hacer esto, por supuesto; es cuestión de elección personal.

La consecuencia prevista (y buena) de las innovaciones en los préstamos hipotecarios era aumentar la disponibilidad de esta opción de bajo coste. Pero también hubo una consecuencia no deseada: dado que otras dos tendencias económicas benignas a nivel individual —la caída de los tipos de interés y el aumento constante de los precios de la vivienda— coincidieron con los cambios en los préstamos, un número inusualmente grande de propietarios de viviendas se vieron motivados a refinanciar sus hipotecas al mismo tiempo, extrayendo capital de sus viviendas y sustituyéndolo por deuda a largo plazo y con bajos intereses.

La tendencia se reforzaba a sí misma (el aumento de los precios de la vivienda aumentaba el capital de los propietarios, que luego podía extraerse y utilizarse para el consumo) y los titulares de hipotecas empezaron a repetir el proceso una y otra vez. A medida que la tendencia continuaba, los propietarios de viviendas empezaron a ver estas extracciones como una fuente regular de financiación para el consumo continuo, más que como una forma ocasional de financiar una compra o inversión en particular. El resultado fue que, con el tiempo, la influencia de los propietarios de viviendas de todas las cosechas comenzó a aumentar, a menudo hasta niveles tan altos como los de los nuevos compradores, en lugar de disminuir, como lo haría normalmente cuando los precios de la vivienda suben.

Sin alguna de las tres condiciones (un mercado de refinanciación hipotecaria eficiente, tipos de interés bajos y, especialmente, un aumento constante de los precios de la vivienda), es poco probable que se hubiera producido un reapalancamiento tan coordinado. Pero debido a la convergencia de las tres condiciones, los propietarios de viviendas en los Estados Unidos refinanciaron a una escala enorme durante la mayor parte de la década anterior a la crisis financiera. El resultado fue que muchos de ellos se enfrentaron a la misma exposición al riesgo de una caída de los precios de la vivienda al mismo tiempo, lo que creó un riesgo sistémico.

Para agravar ese riesgo había una asimetría en la capacidad de los propietarios de viviendas para aumentar el riesgo en lugar de volver a reducirlo. Cuando los precios de la vivienda suben, es fácil pedir dinero prestado en incrementos y garantizar esos incrementos contra el aumento del valor de la vivienda. Pero si la tendencia se invierte y los precios de las viviendas bajan, el apalancamiento y el riesgo de los propietarios aumentan, mientras que su capital se reduce con la caída del valor. Si el propietario lo reconoce y quiere reequilibrarse hasta un nivel de riesgo más aceptable, descubre la asimetría: no hay una forma práctica de reducir sus préstamos de forma gradual. Tiene que vender toda su casa o no hacer nada, no puede vender una parte. (Para obtener más información sobre la asimetría en el ajuste del riesgo, consulte «El riesgo sistémico y el efecto de aumento de la refinanciación», de Amir Khandani, Andrew W. Lo y Robert C. Merton, de próxima publicación, Revista de Economía Financiera.) Debido a esta indivisibilidad fundamental, los propietarios de viviendas suelen optar por no tomar ninguna medida con la esperanza de que la caída de los precios se invierta o, al menos, se detenga. Pero si esto continúa, las personas eventualmente se sienten lo suficientemente presionadas financieramente como para verse obligadas a vender sus casas. Eso puede poner muchas casas en el mercado a la vez, lo que no es bueno para la esperada inversión de la tendencia de los precios. En estas condiciones, el mercado hipotecario puede ser particularmente vulnerable incluso a una caída modesta de los precios de la vivienda y a una subida de los tipos de interés. Ese escenario es exactamente el que ocurrió durante la reciente crisis financiera.

Riesgo sistémico: cuando tres derechas hacen una mala

Las explicaciones más populares sobre la crisis financiera de 2007-2009 se centran en los «tontos» (los que deberían haber visto las señales de peligro pero no las vieron) y los

…

Permítame reiterar que los tres factores que intervinieron en la creación del riesgo (oportunidades de refinanciación eficientes, caída de los tipos de interés y aumento de los precios de la vivienda) fueron benignos por separado. Es difícil imaginar que una agencia reguladora dé una señal de alerta sobre alguna de estas condiciones. Por ejemplo, en respuesta al estallido de la burbuja tecnológica en 2000, a la conmoción del 11 de septiembre y a la amenaza de recesión, la Reserva Federal de los Estados Unidos redujo sistemáticamente su tipo de interés de referencia, el tipo de los fondos federales, del 6,5% en mayo de 2000 al 1% en junio de 2003, lo que estimuló la refinanciación hipotecaria y los canales para hacerlo. Al igual que en 2007, los tipos de interés más bajos y los nuevos productos hipotecarios permitieron a más hogares comprar viviendas que antes eran inasequibles; el aumento de los precios de las viviendas generó importantes ganancias de patrimonio para esos hogares; y las oportunidades de refinanciación más eficientes permitieron a los hogares aprovechar sus ganancias, lo que impulsó la demanda de los consumidores y el crecimiento económico general. ¿Qué político o regulador trataría de interrumpir un círculo aparentemente virtuoso?

Comprenda el uso y el usuario

Supongamos que ha creado un modelo que es fundamentalmente correcto: es decir, no desafía las leyes de la naturaleza ni el no arbitraje, ni contiene suposiciones manifiestamente erróneas. Supongamos también que es más completo que otros modelos existentes. Aún no hay garantía de que le vaya a funcionar bien. La utilidad de un modelo depende no solo del modelo en sí, sino también de quién lo utilice y para qué lo utilice.

Hablemos primero del tema de la solicitud. En pocas palabras, no elegiría un Ferrari para viajar fuera de la carretera más de lo que utilizaría un Land Rover para correr en una autopista italiana. Del mismo modo, la fórmula de Black-Scholes no proporciona estimaciones del valor de las opciones lo suficientemente precisas como para ser útiles en la negociación de opciones a ultra alta velocidad, una actividad que requiere datos de precios en tiempo real. Del mismo modo, los modelos utilizados para las operaciones a alta velocidad son inútiles en la información corporativa sobre el valor de los gastos de las opciones sobre acciones de los ejecutivos, de acuerdo con los principios contables generalmente aceptados. En ese contexto, es importante que el funcionamiento del modelo sea transparente, que se pueda aplicar de forma coherente en todas las empresas y que otros puedan reproducir y verificar los resultados notificados. En este caso, la clásica fórmula de Black-Scholes proporciona la estandarización y la reproducibilidad necesarias, ya que requiere un número limitado de variables de entrada cuyos valores estimados son de dominio público.

Un modelo tampoco es fiable si la persona que lo usa no entiende sus limitaciones. Para la mayoría de los estudiantes de instituto, un modelo razonable para estimar la circunferencia de un círculo es aquel que asuma un valor de 22/7 para pi. Esto dará buenos resultados con un par de decimales, lo que normalmente será suficiente para trabajar en el instituto. Ofrecer a los estudiantes un modelo mucho más complicado sería como darles ese Ferrari para que conduzcan. Hay muchas probabilidades de que se estrellen y no necesitan ir a la escuela tan rápido.

Cuando piensa en quién usa modelos y para qué, a menudo tiene que replantearse qué es lo que califica a las personas para un trabajo en particular. Para muchos, el héroe de la película Top Gun, interpretado por Tom Cruise, ejemplifica al piloto de combate ideal: un atrevido que infringe las reglas y que vuela por instinto y por el asiento de sus pantalones en lugar de confiar en la instrumentación. Han Solo de Harrison Ford desde La guerra de las galaxias se ajusta al mismo molde. Pero los aviones de combate actuales funcionan mejor con programas de ordenador que respondan a los cambios externos del entorno cada milisegundo, un ritmo que ningún humano podría igualar. De hecho, poner un sistema informático aeronáutico multimillonario en manos de un inconformista que se queda sin pantalones sería un asunto bastante arriesgado. Un mejor piloto podría ser un fanático de la informática que conozca el modelo de frío y esté entrenado para detectar rápidamente cualquier señal de que no funciona correctamente, en cuyo caso la mejor respuesta probablemente sea desconectarse en lugar de quedarse a luchar.

Un modelo más completo pero más complicado puede conllevar mayores riesgos que uno más crudo si el usuario no está cualificado para el trabajo.

El punto no es debatir los méritos relativos de los fanáticos y los fanáticos de la informática. Más bien, es para demostrar que los modelos solo se pueden evaluar de manera significativa como un triplete: modelo, solicitud, y usuario. Un modelo más completo pero más complicado puede conllevar mayores riesgos que uno más crudo si el usuario no está cualificado para el trabajo. Un ejemplo de ello es la reciente crisis de calificación crediticia de EE. UU. Podría decirse que debido a que muchos gestores de inversiones aplicaron mal un modelo, sus carteras de bonos con calificación AAA sufrieron pérdidas tan enormes, como ilustra la barra lateral «Calificaciones: no es el panorama completo».

Puntuaciones: No es el panorama completo

Entre las principales víctimas de la crisis de calificación crediticia estadounidense de 2008 estuvieron las propias agencias de calificación. Sufrieron un daño importante a su

…

Compruebe la infraestructura

Por último, al considerar las consecuencias de una innovación, debemos reconocer que sus beneficios y riesgos vienen determinados en gran medida no por las decisiones que toman las personas sobre su uso, sino por la infraestructura en la que se introduce. Los innovadores y los responsables políticos, en particular, deben ser conscientes de este riesgo. Supongamos, por ejemplo, que quiere introducir un tren de pasajeros de alta velocidad en su red ferroviaria. Si las vías del sistema actual no pueden soportar altas velocidades y, ya sea por ignorancia o por una alta tolerancia al riesgo, decide hacer circular el tren a alta velocidad, se estrellará en algún momento y los pasajeros pagarán un precio pésimo. Es más, probablemente destruya las vías, lo que significa que todos los que usen la red se verán afectados de alguna manera. La gente no podrá ir a trabajar, los hospitales no tendrán su nuevo equipo, etc.

Así que la primera tarea de los responsables del ferrocarril es garantizar que la vía pueda soportar de forma segura a los trenes que circulan por ella. Pero, ¿qué van a hacer con su tren de alta velocidad? La respuesta más sencilla e inmediata es imponer un límite de velocidad seguro. Pero si esa es la única respuesta, entonces no puede haber progreso en el transporte ferroviario. ¿Por qué se molesta en desarrollar un tren de alta velocidad que nunca opere a alta velocidad?

Una solución mejor es empezar a mejorar la vía y, al mismo tiempo, fijar límites de velocidad hasta que se resuelva el desequilibrio tecnológico entre el producto y su infraestructura. Lamentablemente, respuestas simples como esa no siempre son tan fáciles de encontrar en el mundo real, porque pocas innovaciones importantes son ganadoras tan obvias como un tren de alta velocidad (y estoy seguro de que hay personas que también cuestionan esa innovación). El ritmo de la innovación en algunos sectores es muy alto, pero también lo es el índice de fracasos. Por lo tanto, a menudo es prácticamente inviable cambiar la infraestructura para adaptarla a todas las innovaciones que se presenten. Es más, la vida útil de las innovaciones exitosas puede ser mucho más corta que la de un tren de alta velocidad, lo que significa que, para mantenerse al día, estaría sometiendo su infraestructura a cambios constantes.

Incluso si pudiera hacer cambios en una infraestructura para que coincidieran con el lanzamiento de un producto, descubriría que en poco tiempo esos cambios se han vuelto irrelevantes.

La realidad es que los cambios en la infraestructura suelen ir a la zaga de los cambios en los productos y servicios, y ese desequilibrio puede ser una fuente importante de riesgo. Esto no es nada nuevo para el sistema financiero. Pensemos en el casi colapso de los sistemas de procesamiento de operaciones de valores en muchas firmas de corretaje estadounidenses durante el mercado alcista de 1970. La tecnología de procesamiento de pedidos de la época no era capaz de gestionar el volumen sin precedentes de transacciones que llegaban a las oficinas administrativas de las firmas de corretaje. El atraso significaba que las empresas y sus clientes tenían información incompleta y, en muchos casos, inexacta sobre su situación financiera. Esta crisis provocó la quiebra de algunas firmas.

Se logró una solución temporal mediante la acción cooperativa de las principales bolsas de valores. Durante un tiempo, restringieron el horario de negociación para que las empresas pudieran ponerse al día con el procesamiento de sus pedidos y la conciliación de cuentas. El problema subyacente solo se resolvió después de que las empresas y las bolsas realizaran enormes inversiones en nuevas tecnologías de procesamiento de datos. En este caso en particular, el problema de la infraestructura se resolvió sin la intervención del gobierno. Sin embargo, es poco probable que esa intervención pueda evitarse hoy si surgiera un problema en las transacciones de valores de una magnitud similar. El número de bolsas e intermediarios financieros que compiten entre sí (incluidas las bolsas de valores derivados) en todo el mundo dificultaría extraordinariamente el éxito de los esfuerzos de coordinación voluntaria privada.

Lo que complica los riesgos derivados del desequilibrio entre la innovación de productos y servicios y la innovación de la infraestructura es el hecho de que los productos y servicios siguen evolucionando después de su lanzamiento, y esta evolución no es independiente de la infraestructura. Supongamos que un banco o un agente de bolsa introduce un producto personalizado en los mercados financieros. A medida que aumenta la demanda, el producto o servicio pronto se estandariza y comienza a proporcionarse directamente a los usuarios a través de un mecanismo de mercado de cambios con costes considerablemente reducidos.

Eso es lo que ocurrió hace 50 años, cuando los fondos de inversión se hicieron populares. Antes de esa innovación, la única manera en que los particulares podían crear una cartera de mercado diversificada era comprando una selección de acciones en una bolsa. Esto era caro e inviable para todos los grandes inversores, excepto para unos pocos; los costes de transacción solían ser muy altos y las acciones deseadas a menudo no estaban disponibles en lotes lo suficientemente pequeños como para adaptarse a la total diversificación. La innovación de poner en común intermediarios, como los fondos de inversión, permitió a los inversores individuales conseguir carteras significativamente mejor diversificadas. Posteriormente, las nuevas innovaciones permitieron crear contratos de futuros en varios índices bursátiles, tanto nacionales como extranjeros. Estos contratos cotizados en bolsa redujeron aún más los costes, mejoraron la diversificación nacional y proporcionaron mayores oportunidades de diversificación internacional. Dieron al inversor una flexibilidad aún mayor a la hora de seleccionar el apalancamiento y controlar el riesgo. En particular, los futuros sobre índices hicieron posible la creación de opciones cotizadas en bolsa sobre carteras diversificadas. Más recientemente, los intermediarios han empezado a utilizar las permutas de rentabilidad de acciones para crear contratos personalizados que especifican el índice bursátil, el horizonte temporal de la inversión e incluso la combinación de divisas para los pagos.

Por lo tanto, el medio institucional de diversificación bursátil para los hogares eran inicialmente los mercados de acciones de empresas individuales. Mediante la innovación, los intermediarios, como los fondos de inversión, los sustituyeron. Entonces, con los futuros sobre índices bursátiles, los inversores podrían volver a acudir directamente a los mercados. Ahora estamos viendo la innovación de los intermediarios con los fondos cotizados en bolsa (ETF), que permiten negociar carteras diversificadas en bolsas.

El riesgo de este tipo de dinámica es, por supuesto, que se haga muy difícil identificar en un momento dado exactamente qué cambios en la infraestructura son necesarios. Incluso si pudiera hacer cambios en la infraestructura para que coincidieran con el lanzamiento de un nuevo producto, descubriría que en muy poco tiempo esos cambios se han vuelto irrelevantes, ya que el producto lo venden ahora diferentes personas a través de diferentes canales a diferentes usuarios que lo necesitan para diferentes propósitos. Para complicar las cosas, los cambios en la infraestructura pueden generar sus propias consecuencias no deseadas. Una evaluación adecuada de los riesgos que implica una innovación requiere un modelado cuidadoso de las consecuencias. Sin embargo, nuestra capacidad de crear modelos lo suficientemente ricos como para captar todas las dimensiones de los riesgos es limitada. Siempre es probable que las innovaciones tengan consecuencias no deseadas y los modelos son, por su propia naturaleza, representaciones incompletas de una realidad compleja. Los modelos también se ven limitados por la competencia de los usuarios y es fácil que se apliquen mal. Por último, debemos reconocer que muchos de los riesgos de una innovación provienen de la infraestructura que la rodea. Es particularmente difícil pensar en las consecuencias infraestructurales de la innovación en sectores complejos y que evolucionan rápidamente, como las finanzas y la TI. Al final, cualquier innovación implica un salto a lo desconocido. Sin embargo, si queremos progresar, es un hecho que debemos aceptar y gestionar.