ยินดีต้อนรับสู่บทสรุปการสร้างแบบจำลอง (Modeling Overview) และแบบจำลองตราสารหนี้ (Fixed Income Models)!

ยินดีต้อนรับเข้าสู่บทเรียนที่เป็นรากฐานสำคัญที่สุดบทหนึ่งในส่วน "Methods and Models" ของหลักสูตร CAIA Level II ครับ ถ้าคุณเคยดูตราสารหนี้ที่มีความซับซ้อนหรือดีลสินเชื่อส่วนบุคคล (Private Credit) แล้วสงสัยว่า "เราจะเริ่มตั้งราคาของสิ่งเหล่านี้ได้อย่างไร?" คุณมาถูกที่แล้วครับ ในบทนี้ เราจะมาสำรวจ "แผนที่" ของโลกการเงิน ซึ่งก็คือแบบจำลองต่างๆ นั่นเอง เราจะเริ่มจากการทำความเข้าใจภาพรวมว่าแบบจำลองคืออะไร จากนั้นจึงเจาะลึกไปยังเครื่องมือเฉพาะที่ใช้ในการกำหนดราคาตราสารหนี้และจัดการความเสี่ยงด้านอัตราดอกเบี้ย ไม่ต้องกังวลหากคณิตศาสตร์ดูน่ากลัวในตอนแรกนะครับ เราจะย่อยทุกสูตรให้เข้าใจง่ายแน่นอน!

1. ภาพรวมการสร้างแบบจำลอง: "แผนที่" ทางการเงิน

ก่อนที่เราจะไปดูเรื่องอัตราดอกเบี้ย เรามาคุยกันเรื่องแบบจำลองในภาพรวมกันก่อน ลองจินตนาการว่าแบบจำลองทางการเงินเปรียบเสมือน แผนที่เมือง แผนที่ไม่ใช่ตัวเมืองจริงๆ แต่เป็นเวอร์ชันที่ลดทอนความซับซ้อนลงเพื่อให้คุณเดินทางจากจุด A ไปจุด B ได้ ถ้าแผนที่ละเอียดเกินไปก็จะทำให้งง แต่ถ้าเรียบง่ายเกินไปคุณก็จะหลงทาง

แบบจำลองเชิงทฤษฎี (Theoretical) เทียบกับ แบบจำลองเชิงประจักษ์ (Empirical)

ในหลักสูตร CAIA เรามักจะพบแบบจำลองสองประเภท:

  • แบบจำลองเชิงทฤษฎี (Theoretical/Normative Models): แบบจำลองเหล่านี้บอกเราว่าโลก ควรจะเป็น อย่างไรตามตรรกะทางเศรษฐศาสตร์ เช่น "หากความเสี่ยงเพิ่มขึ้น นักลงทุนก็ควรเรียกร้องผลตอบแทนที่สูงขึ้น"
  • แบบจำลองเชิงประจักษ์ (Empirical/Positive Models): แบบจำลองเหล่านี้ดูข้อมูลในอดีตเพื่อดูว่าโลก ทำงานอย่างไรจริงๆ แบบจำลองกลุ่มนี้ไม่ได้สนใจ "ทำไม" มากนัก แต่สนใจรูปแบบ (Pattern) ที่พบในตัวเลขมากกว่า

ความเสี่ยงจากแบบจำลอง (Model Risk): เมื่อแผนที่ผิดพลาด

ความเสี่ยงจากแบบจำลอง เกิดขึ้นเมื่อ "แผนที่" ของเราไม่ตรงกับ "ภูมิประเทศจริง" ซึ่งมักเกิดจาก:

  1. สมมติฐานที่ไม่ถูกต้อง (Invalid Assumptions): เช่น คิดว่าตลาดจะมีสภาพคล่องตลอดเวลา
  2. ความผิดพลาดจากพารามิเตอร์ (Parameter Errors): การใส่ตัวเลขผิดเข้าไปในสูตร (หลักการ Garbage In, Garbage Out)
  3. ความผิดพลาดจากการประยุกต์ใช้ (Application Errors): การนำแบบจำลองไปใช้ในวัตถุประสงค์ที่ไม่ได้ถูกออกแบบมาให้รองรับ

ทบทวนสั้นๆ: แบบจำลองคือการทำเรื่องจริงให้เรียบง่ายขึ้น คุณค่าของมันขึ้นอยู่กับคุณภาพของสมมติฐานและข้อมูลที่นำมาใช้

2. พื้นฐานการสร้างแบบจำลองตราสารหนี้

เพื่อที่จะเข้าใจแบบจำลองตราสารหนี้ เราต้องเข้าใจ โครงสร้างอัตราดอกเบี้ยตามระยะเวลา (Term Structure of Interest Rates) ซึ่งเป็นเพียงวิธีเรียกความสัมพันธ์ระหว่างอัตราดอกเบี้ย (ผลตอบแทน) กับระยะเวลาจนถึงวันครบกำหนดไถ่ถอน

รู้หรือไม่? ในโลกปกติ คุณย่อมคาดหวังว่าจะได้รับอัตราดอกเบี้ยที่สูงขึ้นเมื่อให้กู้เงิน 10 ปี มากกว่าการให้กู้เงิน 10 วัน เมื่อความสัมพันธ์นี้สลับด้านกัน เราจะเรียกมันว่า เส้นอัตราผลตอบแทนแบบกลับทิศ (Inverted Yield Curve) ซึ่งมักเป็นสัญญาณเตือนภัยของระบบเศรษฐกิจ

อัตราดอกเบี้ยทันที (Spot Rates) และ อัตราดอกเบี้ยล่วงหน้า (Forward Rates)

ในการสร้างแบบจำลอง เราใช้อัตราดอกเบี้ยสองประเภท:

  • Spot Rate: อัตราดอกเบี้ยที่ตกลงกันในวันนี้สำหรับเงินกู้ที่เริ่มทันที
  • Forward Rate: อัตราดอกเบี้ยที่ตกลงกันในวันนี้สำหรับเงินกู้ที่จะเริ่มใน อนาคต

กฎราคาเดียว (Law of One Price): นี่คือแนวคิดหลัก ซึ่งระบุว่าหากคุณมีสองวิธีในการไปสู่ผลลัพธ์ทางการเงินที่เหมือนกัน ทั้งสองวิธีควรมีต้นทุนที่เท่ากัน หากไม่เป็นเช่นนั้น จะเกิด โอกาสในการเก็งกำไรส่วนต่าง (Arbitrage Opportunity) หรือ "เงินฟรี" ซึ่งแบบจำลองจะถือว่าโอกาสเหล่านี้จะถูกซื้อขายจนหมดไปอย่างรวดเร็ว

3. สองตระกูลหลัก: แบบจำลองสมดุล (Equilibrium) vs แบบจำลองไร้การเก็งกำไร (Arbitrage-Free)

เมื่อเราพยายามจำลองว่าอัตราดอกเบี้ยเคลื่อนไหวอย่างไรตามกาลเวลา เรามักจะเลือกระหว่าง "ปรัชญา" สองแบบ

แบบจำลองสมดุล (Equilibrium Models)

แบบจำลองกลุ่มนี้เริ่มจากทฤษฎีทางเศรษฐกิจว่าเศรษฐกิจทำงานอย่างไร (เช่น เงินเฟ้อ หรือความชอบของผู้บริโภค) และพยายามกำหนดว่าอัตราดอกเบี้ย ควรจะเป็น เท่าใด
ตัวอย่างสำคัญ: แบบจำลอง Vasicek และแบบจำลอง CIR

แบบจำลองไร้การเก็งกำไร (Arbitrage-Free Models)

แบบจำลองกลุ่มนี้ไม่สนใจ "ทำไม" ของเศรษฐกิจ แต่จะใช้ ราคาตลาดปัจจุบัน เป็น "ความจริง" และตรวจสอบให้แน่ใจว่าแบบจำลองตรงกับราคาเหล่านั้นเพื่อให้มั่นใจว่าจะไม่มีการเก็งกำไรเกิดขึ้นภายในแบบจำลอง
ตัวอย่างสำคัญ: แบบจำลอง Ho-Lee และแบบจำลอง Black-Derman-Toy (BDT)

การเปรียบเทียบ: ลองจินตนาการว่าคุณกำลังประเมินราคาบ้าน วิธีการแบบ Equilibrium จะดูต้นทุนค่าไม้ ค่าแรง และเรตติ้งโรงเรียนในละแวกนั้น ส่วนวิธีแบบ Arbitrage-Free จะดูราคาบ้านข้างๆ ที่เพิ่งขายไปแล้วปรับราคาจากตรงนั้นแทน

4. แบบจำลองอัตราดอกเบี้ยเฉพาะเจาะจง

มาดูแบบจำลอง "ชื่อดัง" ที่คุณจำเป็นต้องรู้กันครับ อย่าให้ชื่อพวกนี้ทำให้กลัว ให้เน้นไปที่ ลักษณะเด่น ของแต่ละตัวก็พอ

แบบจำลอง Vasicek

แบบจำลอง Vasicek สมมติว่าอัตราดอกเบี้ยมีลักษณะ การกลับเข้าสู่ค่าเฉลี่ย (Mean Reversion) หมายความว่าหากอัตราดอกเบี้ยสูงหรือต่ำเกินไป ในที่สุดมันจะค่อยๆ กลับไปหาค่าเฉลี่ยระยะยาว

สูตรสำหรับการเปลี่ยนแปลงของอัตราดอกเบี้ย (\(dr\)) เป็นดังนี้:
\( dr_t = a(b - r_t)dt + \sigma dW_t \)

  • \(b\): ค่าเฉลี่ยระยะยาว (เป้าหมายอัตราดอกเบี้ย)
  • \(a\): ความเร็วในการกลับสู่ค่าเฉลี่ย (มันดึงกลับไปหา \(b\) ได้เร็วแค่ไหน)
  • \(\sigma\): ความผันผวน ("สัญญาณรบกวน" หรือความสุ่ม)

ข้อบกพร่องสำคัญ: ในแบบจำลอง Vasicek เป็นไปได้ในเชิงคณิตศาสตร์ที่อัตราดอกเบี้ยจะ ติดลบ ในอดีตผู้คนเคยคิดว่าเป็นไปไม่ได้ แต่เมื่อเร็วๆ นี้เราเห็นเหตุการณ์นี้เกิดขึ้นจริงในโลก แต่ก็ยังถือเป็นข้อจำกัดของโครงสร้างแบบจำลองนี้

แบบจำลอง Cox-Ingersoll-Ross (CIR)

แบบจำลอง CIR คล้ายกับ Vasicek มาก (มีการกลับสู่ค่าเฉลี่ยเหมือนกัน) แต่เพิ่ม "เทอมรากที่สอง" (square root) เข้าไปที่ความผันผวน
เทคนิคช่วยจำ: จำว่า CIR คือ "Can't Intersect Rero" (ไม่สามารถแตะศูนย์ได้) เนื่องจากเทอมรากที่สองนั้นทำให้อัตราดอกเบี้ยในแบบจำลองนี้ไม่สามารถลดต่ำกว่าศูนย์ได้

แบบจำลอง Ho-Lee

นี่เป็นแบบจำลอง Arbitrage-Free ตัวแรก มันเรียบง่ายมาก คือสมมติว่าอัตราดอกเบี้ยสามารถแกว่งตัวขึ้นหรือลงได้ แต่ ไม่ สมมติว่ามันจะกลับสู่ค่าเฉลี่ย ถูกออกแบบมาเพื่อให้ตรงกับเส้นอัตราผลตอบแทนปัจจุบันในวันนี้อย่างแม่นยำ

แบบจำลอง Black-Derman-Toy (BDT)

เป็นแบบจำลองยอดนิยมที่ใช้สำหรับประเมินราคาสิทธิเลือกซื้อตราสารหนี้ (Options on bonds) มีคุณสมบัติเด่น 2 อย่าง:
1. สมมติว่าอัตราดอกเบี้ยมีการแจกแจงแบบ Log-normal (จึงไม่มีทางติดลบ)
2. ยอมให้ ความผันผวนเปลี่ยนแปลงไปตามกาลเวลา

สรุปประเด็นสำคัญ:
- Vasicek/CIR: ใช้การกลับสู่ค่าเฉลี่ย (Equilibrium)
- Ho-Lee/BDT: จับคู่กับราคาตลาดปัจจุบัน (Arbitrage-Free)
- CIR/BDT: ป้องกันการเกิดอัตราดอกเบี้ยติดลบ

5. แบบจำลองความเสี่ยงด้านเครดิต: เขาจะจ่ายคืนฉันไหม?

ในการลงทุนทางเลือก เราไม่ได้สนใจแค่อัตราดอกเบี้ยเท่านั้น แต่เราสนใจ ความเสี่ยงด้านเครดิต (Credit Risk) (ความเสี่ยงที่ผู้กู้จะผิดนัดชำระหนี้) ซึ่งมีการสร้างแบบจำลองสองวิธี:

แบบจำลองเชิงโครงสร้าง (Structural Models - แบบจำลอง Merton)

แบบจำลองเชิงโครงสร้างจะดูที่ งบดุล ของบริษัท โดยมองว่าส่วนของผู้ถือหุ้นของบริษัทเปรียบเสมือน Call Option บนสินทรัพย์ของบริษัท
ตรรกะคือ: หากมูลค่าสินทรัพย์ของบริษัทลดต่ำลงกว่ามูลค่าหนี้สิน บริษัทนั้นก็จะติดลบและผิดนัดชำระหนี้
ข้อดี: เชื่อมโยงตลาดหุ้นและตลาดตราสารหนี้เข้าด้วยกัน
ข้อเสีย: ยากที่จะทราบ "มูลค่าที่แท้จริง" ของสินทรัพย์ของบริษัทแบบเรียลไทม์

แบบจำลองรูปแบบลดทอน (Reduced-Form Models)

แบบจำลองกลุ่มนี้จะไม่ดู "ภายใน" บริษัท (ไม่สนใจงบดุล) แต่จะมองว่าการผิดนัดชำระหนี้เป็น เหตุการณ์เซอร์ไพรส์แบบสุ่ม พวกเขาใช้ข้อมูลตลาดและกระบวนการทางคณิตศาสตร์ (เช่น กระบวนการปัวซง) เพื่อประเมิน โอกาส ในการผิดนัดชำระหนี้ในแต่ละช่วงเวลา
ข้อดี: สะท้อนราคาตลาดปัจจุบันของเครดิตได้ดีกว่า
ข้อเสีย: ไม่ได้อธิบายว่า ทำไม ถึงเกิดการผิดนัดชำระหนี้

6. สรุปและคำแนะนำสุดท้าย

การสร้างแบบจำลองอาจดูเหมือนเต็มไปด้วยตัวอักษรกรีกและชื่อที่ซับซ้อน แต่สำหรับการสอบ CAIA ให้มุ่งเน้นที่ คุณลักษณะ และ ความแตกต่าง ของแต่ละแบบจำลองครับ

  • อย่าจำสลับระหว่าง Equilibrium กับ Arbitrage-Free: Equilibrium = ทฤษฎีเศรษฐกิจ; Arbitrage-Free = ราคาตลาดปัจจุบัน
  • ระบุการกลับสู่ค่าเฉลี่ย: ถ้าเห็นคำว่า "Mean reversion" ในโจทย์ ให้คิดถึง Vasicek หรือ CIR ไว้ก่อน
  • ระบุความแตกต่างระหว่าง Structural vs. Reduced-Form: ถ้าโจทย์พูดถึง "Asset Value" หรือ "Option Theory" แสดงว่าเป็น Structural แต่ถ้าพูดถึง "Random jump" หรือ "Intensity-based" แสดงว่าเป็น Reduced-Form

ตารางทบทวนสั้นๆ:
1. Vasicek: กลับสู่ค่าเฉลี่ย, ติดลบได้
2. CIR: กลับสู่ค่าเฉลี่ย, ติดลบไม่ได้
3. Ho-Lee: ไร้การเก็งกำไร, เคลื่อนที่แบบง่ายๆ
4. Merton: แบบจำลองเชิงโครงสร้าง (ส่วนของผู้ถือหุ้น = Call Option)

สู้ต่อไปนะครับ! คุณเพิ่งทำความเข้าใจกรอบแนวคิดที่มืออาชีพใช้ในการมองเรื่องตราสารหนี้และอัตราดอกเบี้ยไปเรียบร้อยแล้ว ยิ่งคุณเห็นชื่อเหล่านี้บ่อยเท่าไหร่ คุณก็จะยิ่งคุ้นเคยกับมันมากขึ้นเท่านั้น!