Por Mike Jakeman El pronóstico del tiempo más famoso de la historia británica es también uno de los peores. En octubre de 1987, un meteorólogo que trabajaba para la British Broadcasting Corporation aseguró a un espectador preocupado que los rumores sobre la proximidad de un huracán eran infundados. Horas más tarde, 22 personas habían muerto y miles de millones de libras de daños causados ​​por vientos huracanados muy inusuales. Aunque el pronóstico erróneo se debió a la falta de datos en partes del Atlántico Norte, fue el meteorólogo Michael Fish quien se convirtió en sinónimo de modelos de predicción defectuosos. El trabajo de todos los que usan tales modelos matemáticos para producir explicaciones de cómo funcionan las cosas complicadas es el tema de un nuevo libro de Erica Thompson, académica de la London School of Economics. Thompson cree que Model Land es un gran lugar para los teóricos (economistas, climatólogos, financieros, politólogos) porque los modelos son totalmente controlables. Los experimentadores pueden establecer los parámetros, ejecutar sus pruebas y escribir con confianza sobre sus resultados. No hay factores desordenados o sencillos. “Se pueden pasar carreras enteras en Model Land”, escribe Thompson, “haciendo cosas difíciles y emocionantes”. Excepto que estas cosas no son reales. O más bien, no se aplican al mundo real. Es esta ilusión la que ha llevado a los gobiernos y las empresas que no cuestionan los resultados del modelo a tener problemas, y llevó a Thompson a escribir su reparación, Escape from Model Land . A fines de la década de 1940, uno de los predecesores de Thompson en LSE, un estudiante universitario llamado Bill Phillips, y su colega Walter Newlyn, construyeron un modelo físico de la economía del Reino Unido a partir de tanques de agua, tuberías y bombas para demostrar cómo funciona algo muy complicado en un forma simplificada y visual. El agua representaba el flujo de dinero a través de la economía y se mantenía en tanques, representando a los bancos y al gobierno, mientras que la bomba representaba los impuestos. El objetivo, como interpreta Thompson, era establecer las bombas y válvulas a un nivel “que permita un circuito cerrado que evite que toda el agua termine en un lugar y que los otros tanques se sequen”. Pero para Thompson, el trabajo de Phillips es un producto de Model Land. “La única forma en que la máquina Phillips-Newlyn puede representar un fracaso económico, por ejemplo, es mediante el agotamiento de las bombas de impuestos; no existe el concepto de fracaso político por... no proporcionar servicios públicos adecuados. Y el único éxito es un flujo continuo de dinero”. En otras palabras, el modelo de la tierra de Phillips es una aproximación creativa y admirable de cómo funcionan las economías reales, pero tiene bordes y límites en su alcance que no se aplican al mundo real. Y cuando dejamos que estos modelos dicten el comportamiento en el mundo real, coqueteamos con el desastre. Thompson escribe una excelente sección sobre crisis financieras para ilustrar su punto. El error clásico que cometen los bancos, los fondos de cobertura y otros inversores es "asumir que los datos que tenemos son relevantes para el futuro que esperamos". En tiempos de estabilidad, este enfoque puede ser rentable. Pero cuando los eventos que los modelos creen que son muy poco probables se materializan repentinamente, como sucedió con el colapso de las monedas del sudeste asiático en 1997-1998 o el desmoronamiento del mercado hipotecario de EE. UU. una década después, los inversores guiados por modelos pueden quedar atrapados. Thompson cree que estos fracasos a menudo se deben a incentivos desalineados: “Aquellos que estiman correctamente riesgos de cola significativos [es decir, desviaciones de la distribución normal en un modelo estadístico] pueden no ser reconocidos o recompensados ​​por hacerlo. Antes del evento, los riesgos de cola son desconocidos de todos modos si solo se pueden estimar a partir de datos anteriores”, y “después del evento, hay otras cosas de las que preocuparse”. En resumen, a los inversores les interesaba diseñar un modelo que caracterizara los riesgos improbables de forma infinitesimal, y los reguladores no estaban prestando atención. Entonces, ¿por qué deberíamos preocuparnos por los modelos? De vez en cuando, cree Thompson, lo hacen bien. Su ejemplo preferido se refiere a la investigación de dos químicos, F. Sherwood Rowland y Mario Molina, quienes en la década de 1970 modelaron el impacto potencial en la capa de ozono de la liberación continua de clorofluorocarbonos o CFC. Dentro de los 15 años de su investigación, se firmó un acuerdo internacional, el Protocolo de Montreal, para limitar el uso de CFC, y ahora es posible que la capa de ozono pueda recuperarse a su nivel de 1980 para 2050. “La aceptabilidad del modelo fue una función del contexto relativamente simple y los bajos costos de acción”, explica Thompson, antes de advertir, “esto contrasta directamente con la situación del cambio climático”. Al final, Thompson vuelve a los expertos. Michael Fish interpretó sus datos correctamente, pero los datos en sí mismos no fueron suficientes. El verdadero error cometido por Met Office, el servicio meteorológico nacional del Reino Unido, fue confiar demasiado en su modelo. Ella relata el desastre del Challenger en 1986. Las misiones anteriores habían revelado varias fallas en las juntas tóricas del transbordador espacial, que sellaron sus propulsores de cohetes. Algunos ingenieros habían calculado que la probabilidad de un gran desastre era alta. Otros lo vieron de otra manera: el hecho de que Challengerhabía podido completar los vuelos anteriores proporcionó un conjunto de datos que subrayaba su fortaleza. “A primera vista, y con referencia a los datos”, argumenta Thompson, “cualquier escenario es factible”. Solo cuando el modelado se complementa con el juicio de expertos, tenemos la posibilidad de escapar de Model Land y encontrarnos con información que se puede aplicar en el mundo real. ****Periodista independiente y anteriormente trabajó para PwC y The Economist Intelligence Unit.