ετικέτες


blogging claudia aradau creative commons facebook geert lovink michel bauwens olpc p2p trafficking Venanzio Arquilla web2.0 wikileaks wikipedia Γαλλία ΕΕ ΕΚΦ ΗΠΑ Λατινική Αμερική Μεγάλη Βρετανία ΟΗΕ ΠΚΦ Τουρκία ακτιβισμός ανθρωπισμός ανθρωπολογία ανθρώπινα δικαιώματα ανοικτές υποδομές ανοικτή πρόσβαση αραβικές εξεγέρσεις αριστερά αρχιτεκτονική ασφάλεια βασίλης κωστάκης βιοτεχνολογία δημιουργικότητα δημοκρατία δημόσια αγαθά δημόσιοι χώροι διανεμημένη-ενέργεια διαφάνεια εθνικισμός εκπαίδευση ελεύθερα δεδομένα ελεύθερο λογισμικό ελλάδα ενέργεια επισφάλεια εργασία ηθική θεωρία δικτύων θρησκεία θυματοποίηση ιταλία καθημερινή ζωή καινοτομία καπιταλισμός κλιματική αλλαγή κοινά αγαθά κοινωνία πολιτών κοινωνική δικαιοσύνη κοσμοπολιτισμός κρίση αντιπροσώπευσης λαϊκισμός λογισμικό λογοδοσία μετανάστες μετανθρωπισμός μη-γραμμικότητα μη πολίτες μουσική νέα μέσα νέλλη καμπούρη νεοφιλελευθερισμός ντιζάιν οικολογία οικονομικές στατιστικές οικονομική κρίση παγκοσμιότητα πειρατεία πνευματικά δικαιώματα πολιτισμικές διαφορές πρόνοια πόλεις σεξουαλική εργασία σοσιαλδημοκρατία σοσιαλισμός συλλογική νοημοσύνη συμμετοχική δημοκρατία συμμετοχική κουλτούρα συνεργατική γνώση σύνορα τέχνη ταχύτητα υπηκοότητα φιλελευθερισμός φύλο χαρτογράφηση χρέος χώρος ψηφιακά δικαιώματα

Re-public στο

David M. Berry – Χαρτογραφώντας την πίστωση σε πραγματικό χρόνο: Πιστωτικός κίνδυνος αντισυμβαλλομένων και υπολογιστικότητα


David Berry

Το λογισμικό/κώδικας μπορεί να χρησιμοποιηθεί σαν μια σημαντική πηγή για την κατανόηση κι εξήγηση πολλών από τις δυνάμεις του σύγχρονου καπιταλισμού, ειδικά σε σχέση με την λειτουργία των χρηματοπιστωτικών αγορών. Το λογισμικό, για παράδειγμα, αφήνει ίχνη μέσω ποικίλων μορφών επιγραφών και πληροφορίας σε επικαλύψεις που μπορούν να αναλυθούν από μελετητές, από την τεκμηρίωση του μοντέλου λογισμικού και τις συνεντεύξεις με προγραμματιστές υπολογιστών, έως και ακόμη πιο δραματικά παραδείγματα της πρόκλησης αναταραχής στις χρηματιστηριακές αγορές λόγω σφαλμάτων και ιών των λογισμικών.


Με προσεκτικές αναγνώσεις του λογισμικού/κώδικα είναι δυνατόν να δούμε πως ιδιαίτερες μορφές του καπιταλισμού είναι ενσωματωμένες μέσα στο στρώμα του λογισμικού/κώδικα για να ενεργοποιήσουν κάποιες μορφές δραστηριότητας της αγοράς. Χωρίς τον κώδικα του υπολογιστή, η περιπλοκότητα των σύγχρονων οικονομικών αγορών θα ήταν αδύνατη, και οι λειτουργίες και μέθοδοι που εφαρμόζονται σ’ αυτήν μέσω του παραδείγματος της δημιουργίας νέων αφηρημένων τάξεων επενδύσεων, όπως τα Credit Default Swaps (CDSs), Collateralized Debt Obligations (CDOs) και Asset Backed Securities (ABSs), θα ήταν υπερβολικά δύσκολο, αν όχι αδύνατον να δημιουργηθούν, να ανταλλαχθούν ως προϊόντα, και να καταστούν διαχειρίσιμα.


Για να κατανοήσουμε πλήρως αυτές τις χρηματοπιστωτικές πρακτικές και προϊόντα χρειάζεται να αναπτύξουμε μεθόδους που να είναι πιο προσηλωμένες στο λογισμικό και στον κώδικα των υπολογιστών, ο οποίος δρα σαν την συνθήκη δυνατότητας (condition of possibility) των χρηματοπιστωτικών αγορών. Όπως υποστηρίζει ο David Parnas ,

η τεχνολογία είναι η μαύρη μαγεία της εποχής μας. Βλέπουμε τους μηχανικούς σαν μάγους…η γνώση τους για τις απόκρυφες τελετουργίες και τη μυστηριώδη ορολογία μοιάζει να τους προικίζει με μια κατανόηση που δεν μοιράζεται ο απλός λαός (Parnas, όπως παρατίθεται στον Weiner 1994: ix).


Μαθαίνοντας πώς να διαβάζουν κι αποκρυπτογραφούν τις δομές που ενσωματώνονται στο λογισμικό, οι ερευνητές θα μπορούσαν να αναπτύξουν μια κατανόηση των σκοτεινών τεχνών των προγραμματιστών υπολογιστών και των χάκερς και να τους συνδέσουν πιο ξεκάθαρα με τον τρόπο που η τεχνολογία καθιστά εφικτή τη διάχυση των χρηματοπιστωτικών πρακτικών.


Παρόμοια, όταν κατανοούμε τον κώδικα, αυτά τα δύσκολα “μυστήρια” παραμένουν κι εμείς πρέπει να τα θέσουμε στον κοινωνικό σχηματισμό τους αν θέλουμε να κατανοήσουμε πως τίθεται σε λειτουργία ο κώδικας και η διεργασία του κώδικα. Ωστόσο, αυτή η δυσκολία σημαίνει ότι επίσης δεν μπορούμε να παραμείνουμε στο επίπεδο της οθόνης, στη λεγόμενη ουσιοκρατία της οθόνης. Όπως γράφει ο Wardrip-Fruin:

Όπως αν κάποιος ανοίξει το πίσω μέρος ενός ρολογιού από τη δεκαετία του 70 μπορεί να δει ένα διακριτό Ελβετικό μηχανισμό ή μια Γιαπωνέζικη συναρμολόγηση quartz, έτσι και οι μορφές των διαδικασιών των υπολογιστών είναι ξεχωριστές- και συνδεδεμένες με ιστορίες, οικονομίες, και σχολές σκέψης. Επιπλέον, επειδή οι διαδικασίες των ψηφιακών μέσων συχνά ασχολούνται με αντικείμενα πιο περίπλοκα από την χρονομέτρηση (όπως η ανθρώπινη γλώσσα και το κίνητρο), μπορούμε να τα δούμε σαν «λειτουργικοποιημένα» μοντέλα αυτών των αντικειμένων, που εκφράζουν μια θέση μέσα από τα σχήματα και τις διεργασίες τους (Wardrip-Fruin 2009:4).


Αυτός είναι ένας πολύ χρήσιμος τρόπος σκέψης για τον κώδικα και προσελκύει την προσοχή στον τρόπο με τον οποίο ο κώδικας, και οι πρακτικές που συνδέεονται μ’ αυτόν, συνεχώς εξελίσσονται καθώς αναπτύσσονται και εισάγονται νέες τεχνολογίες. Δεν προγραμματίζουμε πλέον υπολογιστές με κολλητήρια, ούτε με διάτρητες κάρτες. Χάρη σε βελτιώσεις των τελευταίων σαράντα ετών, οι προγραμματιστές μπορούν τώρα να εκμεταλλευτούν εργαλεία και λειτουργικά συστήματα που έχουν εισαχθεί στον προγραμματισμό μέσω των μαζικών μηχανικών τεχνικών του Φορντισμού. Με τον ίδιο τρόπο που η μελέτη των μηχανικών και βιομηχανικών εξοπλισμών του τελευταίου αιώνα μπορεί να μας πει πολλά για την οργάνωση των εργοστασίων, τις γεωγραφικές κινήσεις, τα υλικά και τις διαδικασίες στον βιομηχανικό καπιταλισμό, μέσα από τη μελέτη του κώδικα μπορούμε να μάθουμε πολλά για τις δομές και τις διαδικασίες των μετα-Φορτνικών κοινωνιών μας μέσω του τρόπου που συγκεκριμένες κοινωνικές διεργασίες σχηματίζονται και αποκρυσταλλώνονται στον κώδικα των υπολογιστών. Η ανάγνωση των επιγραφών του κώδικα που κατευθύνουν αυτές τις συμπεριφορές, ανοίγει συναρπαστικές δυνατότητες για τον κοινωνικό επιστήμονα καθώς οι κανόνες που διέπουν συγκεκριμένες μορφές θεσμικής συμπεριφοράς ξεδιπλώνονται μέσα στον πηγαίο κώδικα.


Θέλω να τονίσω πώς ο κώδικας/λογισμικό είναι “η πρακτική της επεξεργασίας”, την οποία μπορούμε να κατανοήσουμε μόνο αν πραγματικά διαβάσουμε τον ίδιο τον κώδικα και παρακολουθήσουμε πως λειτουργεί, αν μελετήσουμε την υπολογιστικότητά του. Αν προβληματιστούμε σχετικά με την υπολογιστικότητα, θα είμαστε ικανοί να σκεφτούμε κριτικά για το πώς η γνώση στον 21ο αιώνα μετατρέπεται σε πληροφορία μέσα από υπολογιστικές τεχνικές, ειδικά μέσα στο λογισμικό/κώδικα. Είναι ενδιαφέρον το γεγονός ότι σε μια εποχή όπου η ιδέα των οικονομικών, ύστερα από την πιστωτική κρίση του 2007-2010, βρίσκεται η ίδια υπό σοβαρή επανεξέταση κι επαναδιαπραγμάτευση, οι ψηφιακές τεχνολογίες εισάγονται ως πανάκεια. Μπορούμε να το θεωρούσαμε αυτό σαν μία υπολογιστική οικονομική φαντασίωση. Αυτό βέβαια αποκαλύπτει τη δέσμευση της χρηματοπιστωτικής βιομηχανίας σε μια μορφή τεχνολογικής αιτιοκρατίας. Με άλλα λόγια, ότι η τεχνολογία μπορεί να λύσει το πρόβλημα της χρηματοπιστωτικής αστάθειας, αλλά και μια πεποίθηση από πλευράς των traders και των εταιρειών ότι η κρίση οφειλόταν, ως κάποιο σημείο, περισσότερο στην έλλειψη κατάλληλης τεχνολογίας παρά στην υπερπληθώρα της. Αυτό μοιάζει να αποδεικνύει ότι η διοίκηση, οι ποσοτικοί αναλυτές και το τεχνικό προσωπικό έχουν μεταφερθεί σε ένα καινούριο πεδίο όπου η στατιστική ανάλυση και οι λύσεις υψηλής τεχνολογίας μπορούν να μοχλευτούν ώστε να καταστήσουν διαχειρίσιμο, αν όχι να αμβλύνουν το ρίσκο των αντισυμβαλλόμενων, όσο κι αν είναι άστοχη αυτή η άποψη. Για παράδειγμα, το λογισμικό καθιστά την εμφάνιση της πληροφορίας του χαρτοφυλακίου υψηλού κινδύνου σε μια πολύ στυλιζαρισμένη, απλοποιημένη μορφή, συχνά με χρωματιστές κωδικοποιήσεις και με ολοένα και πιο πλούσια γραφικά. Όχι μόνο ελάχιστοι συμμετέχοντες στην αγορά κατανοούν πλήρως το ρίσκο σαν μία στατιστική κατηγορία, αλλά η γνώριμη καμπύλη κατανομής κατά Γκάους σε σχήμα καμπάνας που εμφανίζεται σε οθόνες κινητών, ενθαρρύνει ένα είδος “εξημερωμένης” προσέγγισης στο ρίσκο που το κάνει να φαίνεται οικείο και ευνοϊκό (βλ. Langley 2008).


Ειδικότερα ύστερα από την Χρηματοπιστωτική Κρίση του 2007, που είχε σαν αποτέλεσμα αποτυχίες σε εταιρείες υψηλού προφίλ (Jorion και Zhang 2009), πολύ μεγαλύτερη προσοχή έχει δοθεί στο ρίσκο του αντισυμβαλλομένου και στο πως μπορεί αυτό να μετριαστεί μέσω της στροφής στην υπολογιστικότητα. Με την κατάρρευση στις 10-15 Σεπτεμβρίου του 2008 της εταιρείας Lehman Brothers, μετά την ανακοίνωση της απώλειας 4 δις δολλαρίων και της αποτυχημένης διαπραγμάτευσης για να βρεθεί αγοραστής της, μια από τις έγκυρες εταιρείες της Wall Street κατέθεσε αίτηση προστασίας από την πτώχευση (Stampoulis 2010), και οι ανησυχίες για τους κινδύνους των αντισυμβαλλόμενων κορυφώθηκαν κι άλλο.



Ποια είναι η έκθεσή σας σε πραγματικό χρόνο σε οποιοδήποτε σημείο στο χρόνο; Αυτή είναι η ερώτηση που θα θέσουν οι ρυθμιστικές αρχές,


σημειώνει ο Alan Grody, πρόεδρος της Νεοϋορκέζικης εταιρείας συμβούλων Financial InterGroup … Οι απαντήσεις, εξαιρετικά επείγουσες υπό το πρίσμα των προβλημάτων σε ζητήματα του ρίσκου των αντισυμβαλλόμενων που εκτέθηκαν με την κατάρρευση της Lehman Brothers το 2008, θα απαιτήσουν καινούριες και βελτιωμένες ικανότητες που θα επιφέρουν κάποια μορφή διαχείρισης του κινδύνου σε πραγματικό χρόνο (Heires 2009: 35).


Επομένως ο πιστωτικός κίνδυνος των αντισυμβαλλόμενων προέκυψε σαν κρίσιμο ζήτημα για τις τράπεζες κι άλλους δανειστές, ειδικότερα ύστερα από τις απώλειες που συνδέονταν με υψηλού προφίλ αποτυχίες ασφαλιστικών και τραπεζών επενδύσεων, όπως η Lehman Brothers, και πολλοί υποστηρίζουν τώρα ότι κανένας αντισυμβαλλόμενος δεν μπορεί πλέον να θεωρείται άτρωτος στην χρηματοπιστωτική αστάθεια (ακόμη και κυρίαρχοι αντισυμβαλλόμενοι) (Gregory 2009a, 2009b). Η παραδοσιακή προσέγγιση του ελέγχου του πιστωτικού κινδύνου των αντισυμβαλλόμενων ήταν να τίθενται όρια ενάντια σε μελλοντικές εκθέσεις σε κινδύνους και να επαληθεύονται οι νέου τύπου συναλλαγές απένταντι σε καθορισμένα όρια. Για παράδειγμα, η απόκτηση ενός συγκεκριμένου ποσοστού εγγύησης που θα “αναρτηθεί”, ειδάλλως η χρήση μιας εξωτερικής μέτρησης της πιστωτικής αξίας του αντισυμβαλλόμενου. Ωστόσο, ολοένα και πιο πολύ οι τράπεζες κινούνται προς την δυναμική τιμολόγηση, σε πραγματικό χρόνο, του υπολογισμένου πιστωτικού κινδύνου των αντισυμβαλλόμενων κατευθείαν σε νέες συναλλαγές. Η Προσαρμογή Πιστωτικής Αποτίμησης (ΠΠΑ) χρησιμοποιεί υπολογιστικές διαδικασίες για να καθορίσει γρήγορα το πιστωτικό ρίσκο ενός θεσμού ανά πάσα στιγμή (Algorithmics 2009, Beck n.d.). Αυτή η «σε πραγματικό χρόνο ροή» δεδομένων δεν είναι απλά ένα εμπειρικό αντικείμενο. Λειτουργεί και σαν μία τεχνολογική φαντασίωση, και σαν τέτοια δείχνει την πορεία του ταξιδιού για νέες χρηματοπιστωτικές υπηρεσίες, που παράγουν και κυβερνούν αγορές μέσω μιας ιδιαίτερης χρονικής διάταξης. Για παράδειγμα, πολλοί τεχνολόγοι υποστηρίζουν ότι καθώς υφιστάμεθα μια μετάβαση σε γρήγορα κινούμενες ροές δεδομένων που μετρούν το χρόνο σε μικροδευτερόλεπτα, η προσοχή μας στρέφεται όλο και πιο πολύ σε ένα «τώρα» που γίνεται όλο και πιο σύντομο (Berry 2011). Για παράδειγμα, «η απότομη πτώση» στις 6 Μαϊου του 2010, όταν 500 δις δολλάρια σβήστηκαν στιγμιαία από την αγορά με συναλλαγή υψηλής συχνότητας (HFT) όταν ο Dow έκανε βουτιά σχεδόν 1,000 μονάδων σε λίγα λεπτά, μια πτώση 9.2% . Ένα ποσό αξίας μισού τρισεκατομμυρίου δολλαρίων σβήστηκε από την αγορά και ως εκ θαύματος επέστρεψε ξανά είκοσι λεπτά αργότερα (HTCWire 2010).


Πράγματι, οι χρηματοπιστωτικές εταιρείες αναπτύσσουν συνεχώς νέες τεχνολογίες για να κερδίζουν έδαφος στην αγορά, όπως τα dark pools, που είναι συστήματα συναλλαγών εκτός αγοράς που εργάζονται σε διασταυρούμενα δίκτυα και προσφέρουν αδιαφάνεια στις εμπορικές δραστηριότητες των χρηματιστών, όπως όταν προσπαθούν να πουλήσουν μεγάλες ποσότητες μετοχών (Bogoslaw 2007). Τα dark pools είναι “ένα ιδιωτικό ή εναλλακτικό σύστημα εμπορικών συναλλαγών που επιτρέπει στους συμμετέχοντες να συναλλάσσονται χωρίς να δημοσιοποιούνται οι κινήσεις τους. Οι εντολές ταυτίζονται ανώνυμα και δεν αναφέρονται σε καμία οντότητα, ούτε καν στις εποπτικές αρχές” (Shunmugam 2010).


Αυτές οι ροές δεδομένων σε πραγματικό χρόνο δημιουργούνται, διοικούνται, διανέμονται και σταθεροποιούνται μέσω της χρήσης λογισμικού/κώδικα, ειδικότερα πλατφόρμες λογισμικού που είναι ειδικά προσαρμοσμένες σε υλικό χαμηλής καθυστέρησης έτσι ώστε να καθιστά δυνατή τη γρήγορη συναλλαγή. Τον Ιούνιο του 2010, Επαγγελματίες του Κινδύνου (από τον Τραπεζικό Τομέα) ανέφεραν ότι 50% των καταστημάτων τους υπολόγισαν τη Προσαρμογή Πιστωτικής Αποτίμησης (ΠΠΑ) μηνιαία, 25% καθημερινά, και 25% σε πραγματικό χρόνο (Stampoulis 2010). Ωστόσο,

“για πολλές χρηματοπιστωτικές εταιρείες, το να κατορθώσουν να έχουν προβολή του κινδύνου και του κέρδους και της απώλειας για όλες τις αγορές και σε πραγματικό χρόνο είναι το Άγιο Δισκοπότηρο της διαχείρισης κινδύνων” (Bates, όπως παρατίθεται στον Heires 2009: 34).


Αυτή είναι η «λογισμικοποίηση» (softwarization) του προβλήματος του πιστωτικού κινδύνου των αντισυμβαλλόμενων και αποτελεί τη βάση των αλγόριθμων που τελικά παράγουν οπτικοποιημένες διεπαφές κι μελέτες. Πράγματι, είναι πολύ απίθανο να έχουν είτε οι χρηματιστές ή η διοίκηση ενεργή ανάμιξη στο λογισμικό/κώδικα που χρησιμοποιείται και μάλλον είναι αδύνατον να προβληματίζονται για την φαινομενική «αντικειμενικότητα» των αποτελεσμάτων που δημιουργεί. Φυσικά, οι ευρέως χρησιμοποιούμενοι αλγόριθμοι των εξισώσεων για την “προσαρµογή πιστωτικής αποτίµησης” δείχνουν μια μορφή «λογισμικοποιημένης» μονοκαλλιέργειας, όπου χρηματοπιστωτικοί οργανισμοί χρησιμοποιούν ένα πολύ παρόμοιο, αν όχι ταυτόσημο αλγόριθμο για να υπολογίζουν την έκθεση σε αθέτηση πιστώσεων (βλ. Zhu και Pykhtin 2007), παρότι ομολογουμένως αυτοί οι αλγόριθμοι είναι γραμμένοι σε διαφορετικές γλώσσες προγραμματισμού. Ακόμη κι όταν ο οργανισμός αγοράζει ειδικό λογισμικό για την ανάλυση κινδύνων των αντισυμβαλλόμενων από άλλες εταιρίες, όπως το Murex, το Kondor, ή το Calypso, οι ίδιοι τυποποιημένοι αλγόριθμοι και εξισώσεις εκτελούνται από έναν μικρό αριθμό πωλητών. Αναρρωτιέται κανείς αν οι σπόροι της καινούριας χρηματοπιστωτικής κρίσης έχουν ήδη μπει στον κώδικα και στο λογισμικό που βρίσκεται κρυμμένο πίσω από αυτά τα συστήματα.


Εδώ, στον υπολογισμό του ρίσκου, η υπολογιστικότητα εφαρμόζεται για όλους τους συμβαλλόμενους μιας χρηματοπιστωτικής συναλλαγής με τη μέθοδο των αλγόριθμων για τον κίνδυνο των αντισυμβαλλόμενων. Αυτό το λογισμικό/κώδικας αποπειράται να ποσοτικοποιήσει την πιθανότητα χρεωκοπίας, όχι μονάχα για τις εταιρείες αλλά και για τα κυρίαρχα κράτη, που στο παρελθόν θεωρούνταν ότι παρουσίαζαν μόνο έναν περιθωριακό κίνδυνο ως αντισυμβαλλόμενοι. Ακόμη πιο ενδιαφέρουσα είναι η ανάπτυξη της χρήσης της αυτό-ανάλυσης, όπου με μια περίεργη διαδικασία ενδοσκόπησης, η εταιρεία που αποτιμά τον κίνδυνο των αντισυμβαλλόμενων περιλαμβάνει την πιθανότητα της δικής της χρεωκοπίας στις εξισώσεις ως έναν πιθανό πιστωτικό κίνδυνο για τους αντισυμβαλλόμενους – την λεγόμενη προσαρμογή εκτίμησης του διμερούς κινδύνου πίστωσης των αντισυμβαλλόμενων.


Με αυτή την πιο ολοκληρωμένη οπτική, μια εταιρεία θα αποκτούσε μια προβολή σε πραγματικό χρόνο των εκθέσεών της σε κινδύνους με βάση τις σχέσεις μεταξύ αγορών, χρηματιστών και θεσμών, σε συνδυασμό με τις πιθανότητες κέρδους και απώλειας, και διαθέτοντας την υπολογιστική ικανότητα να αναγνωρίζει τάχιστα γεγονότα που θα μπορούσαν να επιφέρουν κίνδυνο, να αναλύει στιγμιαία αυτά τα γεγονότα μέσα από μια ποικιλία μοντέλων ρίσκου και, αν είναι απαραίτητο, να αναλαμβάνει δράσεις μετριασμού του κινδύνου – κι όλα αυτά στο άψε – σβήσε (Heires 2009: 34).


Δεν υπάρχει αμφιβολία ότι το λογισμικό είναι μια τεράστια παγκόσμια βιομηχανία, και ότι το λογισμικό είναι κρίσιμο για τη λειτουργία των χρηματοπιστωτικών εταιρειών, των κυβερνήσεων και των μη κυβερνητικών οργανισμών (Berry 2008). Στην περίπτωση των χρηματοπιστωτικών αγορών, το λογισμικό έχει αλλάξει τελείως τη φύση της συναλλαγής των μετοχών και του προϊόντων δημιουργώντας αγορές που δουλεύουν όλο το εικοσιτετράωρο και καθιστώντας ικανή τη δημιουργία περίπλοκων προϊόντων παραγώγων κι άλλων υπηρεσιών. Ίσως, χωρίς αυτό να αποτελεί έκπληξη, κάποιες διορατικές εταιρείες να έχουν επίσης συνειδητοποιήσει ότι ο πιστωτικός κίνδυνος των αντισυμβαλλόμενων είναι από μόνος του αντισταθμίσιμο (hedgeable), κι επομένως έχουν αρχίσει να εμπορεύονται την έκθεση των αντισυμβαλλόμενων σαν μία κατηγορία χρηματοπιστωτικού εργαλείου από μόνη της (Canabarro και Duffie 2003: 133).


Χρειάζεται περισσότερη έρευνα σ’ αυτό το πεδίο για να προσπαθήσουμε να καταλάβουμε τους τρόπους με τους οποίους το λογισμικό/κώδικας δημιουργεί την λογισμικοποιημένη οικονομία και ειδικότερες τις υπολογιστικές φαντασιώσεις που συνδέονται με το χρηματοοικονομικό κεφάλαιο. Εξίσου σημαντικό είναι το έργο της χαρτογράφησης κι ανίχνευσης της χρήσης του λογισμικού στην πράξη. Εδώ, ο πιστωτικός κίνδυνος των αντισυμβαλλόμενων σε πραγματικό χρόνο είναι μια εξαιρετικά ενδιαφέρουσα υπόθεση εργασίας, και λόγω της φαινομενικά παγιωμένης φύσης των αλγόριθμων που χρησιμοποιούνται για τον υπολογισμό του (και της διαθεσιμότητάς τους ως λογισμικού ανοιχτού κώδικα), αλλά και λόγω της σχετικά πρόσφατης ανάδυσής του στην χρηματοοικονομία. Όντως, χρειάζεται κι άλλη δουλειά για να ερευνήσουμε κριτικά τον τρόπο με τον οποίο το λογισμικό/κώδικας εξυπηρετεί σαν συνθήκη σταθεροποίησης του κινδύνου, της πίστωσης και των χρηματοπιστωτικών συστημάτων γενικότερα.


Αναφορές

– Algorithmics (2009) Credit Value Adjustment And The Changing Environment For Pricing And Managing Counterparty Risk, διαθέσιμο στο http://www.algorithmics.com/EN/media/pdfs/Algo-WP1209-CVASurvey.pdf

– Beck, R. (n.d.) The CDS market: A primer including computational remarks on “Default Probabilities online”, διαθέσιμο στο http://www.dbresearch.com/PROD/DBR_INTERNET_EN-PROD/PROD0000000000185396.pdf

– Berry, D. M. (2008) Copy, Rip, Burn: The Politics of Copyleft and Open Source, London: Pluto Press.

– Berry, D. M. (2011) The Philosophy of Software: Code and Mediation in the Digital Age, London: Palgrave Macmillan.


-Bogoslaw, D. (2007) Big Traders Dive Into Dark Pools, Business Week, 3 October 2010, διαθέσιμο στο http://www.businessweek.com/investor/content/oct2007/pi2007102_394204.htm

– Canabarro, E. and Duffie, D. (2004) Measuring and Marking Counterparty Risk, στο, Tilman, L. (ed.) ALM of Financial Institutions, Institutional Investor Books.

– Gregory, J. (2009a) The Role of Counterparty Risk in the Credit Crisis, διαθέσιμο στο http://oftraining.com/files/creditrisksummit_09.pdf

– Gregory, J. (2009b) Counterparty Credit Risk: The New Challenge for Global Financial Markets, London: John Wiley.

– Heires, K. (2009) Real-Time Racing, Risk Professional, Αύγουστος 2009, σσ. 33-37.

– HTCwire (2010) Algorithmic Terrorism on Wall Street, διαθέσιμο στο http://www.hpcwire.com/blogs/Algorithmic-Terrorism-on-Wall-Street-100079719.html

– Jorion και Zhang (2009) Credit Contagion from Counterparty Risk, The Journal of Finance, 64: 5, 2053–2087.

– Langley, P. (2008) Sub-prime mortgage lending: a cultural economy. Economy and Society, 37:4, 469-494.

– Stampoulis, T (2010) Bank of Japan Workshop – Credit Value Adjustment Trends, διαθέσιμο στο http://www.boj.or.jp/en/announcements/release_2010/data/fsc1006a3.pdf

– Shunmugam, V. (2010) Financial markets regulation: The tipping point, διαθέσιμο στο http://www.voxeu.org/index.php?q=node/5056

– Waldrip-Fruin (2009) Expressive Processing: Digital Fictions, Computer Games, and Software Studies, London: MIT Press.

– Weiner, L. R. (1994) Digital Woes. New York: Addison Wesley.

– Zhu, S. H. και Pykhtin, M., (2007) A Guide to Modeling Counterparty Credit Risk. GARP Risk Review, July/August 2007, διαθέσιμο στο http://ssrn.com/abstract=1032522




Αφιέρωμα: οικονομικές στατιστικές
Ετικέτες: , , , ,

|
0 σχόλια »

σχολίασε