ยินดีต้อนรับสู่บทเรียนแบบจำลองการวิเคราะห์เครดิต (Credit Analysis Models)!

ยินดีต้อนรับเข้าสู่บทที่นำไปใช้ได้จริงมากที่สุดบทหนึ่งในหลักสูตรตราสารหนี้ของ CFA Level II ในระดับ Level I คุณได้เรียนรู้พื้นฐานของพันธบัตรมาแล้ว ตอนนี้เรากำลังจะดำดิ่งสู่การเป็น "นักสืบ" ในตลาดตราสารหนี้ นั่นคือ การวิเคราะห์เครดิต (Credit Analysis) ซึ่งโดยพื้นฐานแล้ว เรากำลังพยายามหาคำตอบของคำถามสำคัญที่ว่า "โอกาสที่ผู้กู้รายนี้จะไม่จ่ายเงินคืนให้เรานั้นมีมากน้อยเพียงใด และถ้าพวกเขาไม่จ่ายขึ้นมาจริงๆ เราจะเสียหายเท่าไหร่กันแน่?"

ไม่ต้องกังวลไปนะถ้าบทนี้จะดูมีตัวเลขเยอะในตอนแรก เราจะย่อยสูตรที่ซับซ้อนให้กลายเป็นเรื่องราวที่เข้าใจง่าย ลองคิดว่าการวิเคราะห์เครดิตเหมือนกับการประเมินเพื่อนที่มาขอยืมเงินคุณ 100 บาท คุณก็ต้องดูว่าเขามีทรัพย์สินอะไรบ้าง มีหนี้สินแค่ไหน และเขามีโอกาสมากน้อยแค่ไหนที่จะรักษาหน้าที่การงานของเขาไว้ได้!

1. พื้นฐานสำคัญ: ความเสียหายที่คาดว่าจะเกิดขึ้น (Expected Loss)

ก่อนที่เราจะไปดูแบบจำลองที่ซับซ้อน เราต้องเข้าใจ "สามประสาน" ของความเสี่ยงด้านเครดิตก่อน ทุกอย่างในบทนี้จะต่อยอดมาจากตัวแปรทั้ง 3 ตัวนี้

ความเสียหายที่คาดว่าจะเกิดขึ้น (Expected Loss - EL) คือความเสียหายเฉลี่ยที่ผู้ให้กู้คาดว่าจะได้รับ โดยคำนวณจาก:

\( Expected \ Loss = Probability \ of \ Default \times Loss \ Given \ Default \)

มาดูรายละเอียดกัน:

  • โอกาสในการผิดนัดชำระหนี้ (Probability of Default - PD): คือความเป็นไปได้ (0% ถึง 100%) ที่ผู้กู้จะไม่สามารถจ่ายเงินได้ครบถ้วนและตรงตามเวลา
  • ความเสียหายเมื่อเกิดการผิดนัดชำระหนี้ (Loss Given Default - LGD): คือเปอร์เซ็นต์ของ ภาระหนี้ที่คงค้างขณะผิดนัดชำระ (Exposure at Default - EAD) ที่คุณจะ ไม่ได้ เงินคืนหากเกิดการผิดนัดชำระขึ้น
  • อัตราการได้รับชำระคืน (Recovery Rate): คือส่วนที่คุณ ได้รับ คืน โดยที่ \( LGD = 1 - Recovery \ Rate \).

ตัวอย่าง: คุณให้บริษัทแห่งหนึ่งกู้เงิน 1,000 ดอลลาร์ มีโอกาส 5% ที่บริษัทจะล้มละลาย หากบริษัทล้มละลาย คุณคาดว่าจะได้รับเงินคืน 40 เซนต์ต่อดอลลาร์ (หรือ 400 ดอลลาร์)
PD = 5%
Recovery Rate = 40%
LGD = 100% - 40% = 60%
Expected Loss = \( 5\% \times 60\% = 3\% \) ของยอดรวม (หรือ 30 ดอลลาร์)

เคล็ดลับเล็กๆ: ต้องแยกให้ออกระหว่าง "Expected Loss" (ค่าเฉลี่ยที่คาดไว้) กับ "Unexpected Loss" (ความเสียหายที่ไม่คาดคิด) ซึ่งธนาคารต้องดำรงเงินกองทุนไว้หลักๆ ก็เพื่อรองรับ Unexpected Loss นี่แหละ!

จุดสำคัญที่ต้องจำ:

Expected Loss คือผลคูณของความเป็นไปได้ที่จะเกิดการผิดนัดชำระกับจำนวนเงินที่จะเสียไปหากมันเกิดขึ้นจริง หากต้องการลดความเสี่ยง คุณต้องทำให้ตัวเลขทั้งสองนี้มีค่าน้อยที่สุด

2. อันดับเครดิต (Credit Ratings) vs. คะแนนเครดิต (Credit Scores)

แม้จะฟังดูคล้ายกัน แต่ทั้งสองอย่างใช้ในบริบทที่ต่างกัน:

  • Credit Scores: ใช้สำหรับ บุคคลทั่วไป และธุรกิจขนาดเล็ก (เช่น คะแนน FICO) โดยมักอ้างอิงจากประวัติพฤติกรรมในอดีต
  • Credit Ratings: ใช้สำหรับ หนี้ขององค์กรและรัฐบาล (เช่น Moody’s, S&P) ซึ่งเป็นการจัดลำดับแบบ "เชิงตำแหน่ง" (Ordinal) หมายความว่า 'AAA' ดีกว่า 'AA' แต่ไม่ได้บอกเป็นตัวเลขชัดเจนว่าดีกว่ากี่เปอร์เซ็นต์

ข้อจำกัด: อันดับเครดิตมักจะมีการ "ปรับตัวช้า" (Sticky) หน่วยงานจัดอันดับมักใช้เวลานานในการปรับลดอันดับเครดิตบริษัทแม้ว่าสถานะทางการเงินจะแย่ลงเรื่อยๆ นี่คือเหตุผลที่เราต้องใช้ แบบจำลองเครดิต (Credit Models) ที่เรากำลังจะพูดถึงกันต่อไป!

3. แบบจำลองเชิงโครงสร้าง (Structural Models - Merton Model)

แบบจำลองเชิงโครงสร้างตั้งอยู่บนพื้นฐาน "โครงสร้าง" งบดุลของบริษัท และแบบจำลองที่โด่งดังที่สุดคือ Merton Model

แนวคิดหลัก: ให้มองว่าส่วนของผู้ถือหุ้นของบริษัทคือ สิทธิในการซื้อ (Call Option) สินทรัพย์ของบริษัทนั้น
ลองจินตนาการว่าบริษัทมีหนี้สิน 100 ดอลลาร์ที่ต้องจ่ายในอีก 1 ปีข้างหน้า

  • ถ้า ณ สิ้นปี สินทรัพย์ของบริษัทมีมูลค่า 150 ดอลลาร์ ผู้ถือหุ้นจะจ่ายหนี้ 100 ดอลลาร์ แล้วเก็บส่วนที่เหลือ 50 ดอลลาร์ไว้
  • ถ้าสินทรัพย์ของบริษัทมีมูลค่าเพียง 80 ดอลลาร์ ผู้ถือหุ้นจะ "ทิ้งหนี้" (Default) และปล่อยให้ทรัพย์สินตกเป็นของเจ้าหนี้ ส่วนมูลค่าหุ้นก็จะกลายเป็น 0

ในแบบจำลองนี้ การผิดนัดชำระหนี้จะเกิดขึ้นเมื่อมูลค่าสินทรัพย์ < มูลค่าตามหน้าตั๋วของหนี้

สูตรสำคัญสำหรับ Merton Model:

โดยใช้ตรรกะแบบ Black-Scholes:
\( Value \ of \ Equity = Call(Assets, \ Strike=Debt) \)
\( Value \ of \ Debt = Assets - Equity \)

ระยะห่างสู่การผิดนัดชำระ (Distance to Default): คือการวัดว่ามูลค่าสินทรัพย์ห่างจากระดับหนี้ (ระดับที่ผิดนัดชำระ) เป็นกี่เท่าของส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) ยิ่งค่านี้สูง พันธบัตรก็ยิ่งปลอดภัย

ข้อดี:
- ใช้ข้อมูลราคาหุ้น ซึ่งมีการอัปเดตอยู่ตลอดเวลา
- ให้มุมมองทาง "เศรษฐศาสตร์" ต่อการผิดนัดชำระหนี้

ข้อเสีย:
- สมมติว่าสินทรัพย์มีการซื้อขายในตลาดที่มีสภาพคล่องสูง (ซึ่งในความเป็นจริงมักไม่เป็นเช่นนั้น)
- สมมติว่าโครงสร้างหนี้มีความเรียบง่าย (เช่น เป็นพันธบัตรไม่มีคูปองใบเดียว) แต่ในความเป็นจริงบริษัทมักมีโครงสร้างหนี้ที่ซับซ้อน

จุดสำคัญที่ต้องจำ:

ใน Structural Models การผิดนัดชำระหนี้คือเหตุการณ์ ภายใน ที่เกิดขึ้นเมื่อสินทรัพย์ลดต่ำลงกว่าระดับหนึ่ง ถ้าคุณเข้าใจเรื่อง Call Option คุณก็เข้าใจ Merton แล้ว!

4. แบบจำลองฟอร์มลดทอน (Reduced-Form Models)

หาก Structural Models มอง "ภายใน" บริษัท Reduced-Form Models จะมอง "ภายนอก" ไปที่ตลาดและเศรษฐกิจ แบบจำลองนี้ไม่ได้พยายามอธิบายว่า ทำไม บริษัทถึงผิดนัดชำระหนี้ แต่พยายามคาดการณ์ว่ามันจะเกิดขึ้น เมื่อไหร่ โดยอ้างอิงจากข้อมูลภายนอก

ลักษณะสำคัญ:

  • ใช้ Hazard Rates (ความน่าจะเป็นที่จะเกิดการผิดนัดชำระในกรอบเวลาสั้นๆ)
  • มองว่าการผิดนัดชำระหนี้คือ "เหตุการณ์สุ่ม" (กระบวนการแบบ Poisson)
  • ตัวแปรนำเข้าประกอบด้วยข้อมูลเศรษฐกิจมหภาค (GDP, อัตราดอกเบี้ย) และข้อมูลเฉพาะของบริษัท (อันดับเครดิต)

ตารางเปรียบเทียบ:

Structural: การผิดนัดชำระเป็นปัจจัยภายใน (Endogenous) สินทรัพย์ < หนี้ ใช้งานยากกับหนี้ที่ซับซ้อน
Reduced-Form: การผิดนัดชำระเป็นปัจจัยภายนอก/สุ่ม (Exogenous) ใช้งานง่ายกับข้อมูลตลาดและอัตราดอกเบี้ยที่เปลี่ยนแปลง

จุดสำคัญที่ต้องจำ:

Reduced-form models มีความยืดหยุ่นทางสถิติและสะท้อนความจริงที่ว่า การผิดนัดชำระหนี้อาจเกิดขึ้นกะทันหันจากแรงกระแทกภายนอก ไม่ใช่แค่เพราะสินทรัพย์ค่อยๆ ลดมูลค่าลงเท่านั้น

5. โครงสร้างระยะของส่วนต่างเครดิต (Term Structure of Credit Spreads)

เช่นเดียวกับเส้นอัตราผลตอบแทนของพันธบัตรรัฐบาล เรามี "เส้นส่วนต่างเครดิต" (Credit Spread Curve) ซึ่ง Credit Spread คือผลตอบแทนส่วนเพิ่มที่คุณต้องการจากการรับความเสี่ยงในการผิดนัดชำระหนี้

\( Spread \approx \frac{Expected \ Loss}{Price} \)

อะไรที่มีผลต่อ Spread?

  1. คุณภาพเครดิต: พันธบัตรที่มีอันดับเครดิตต่ำกว่าจะมี Spread สูงกว่า
  2. วงจรเศรษฐกิจ: Spread จะกว้างขึ้น (เพิ่มขึ้น) ในช่วงเศรษฐกิจถดถอย และแคบลง (ลดลง) ในช่วงเศรษฐกิจรุ่งเรือง
  3. สภาพคล่อง: แม้บริษัทจะแข็งแกร่ง แต่ถ้าพันธบัตรซื้อขายยาก Spread ก็จะสูงขึ้น
  4. เงินกองทุนของโบรกเกอร์: หากธนาคารมีเงินกองทุนน้อยที่จะทำหน้าที่ "สร้างตลาด" (Make markets) Spread ก็จะกว้างขึ้น

เทคนิคช่วยจำ: ให้มอง Spread เป็น "ภาษีความเสี่ยง" ยิ่งละแวกนั้น (สภาพเศรษฐกิจ) อันตราย หรือบ้านนั้น (บริษัท) ดูไม่มั่นคง ภาษีที่คุณต้องจ่ายก็ยิ่งสูงขึ้นเท่านั้น

6. การวิเคราะห์เครดิตของหนี้ที่มีการแปลงเป็นหลักทรัพย์ (Securitized Debt)

หนี้ที่มีการแปลงเป็นหลักทรัพย์ (เช่น ABS หรือ MBS) แตกต่างจากหนี้องค์กร เพราะเกี่ยวข้องกับ กลุ่มสินทรัพย์ (Pool of assets) และ โครงสร้างการจ่ายเงินแบบขั้นบันได (Waterfall structure)

แนวคิดสำคัญ:

  • Tranching: การแบ่งความเสี่ยงออกเป็นชั้นๆ (Senior, Mezzanine, Equity) โดยชั้น "Equity" จะเป็นชั้นแรกที่รับความเสียหาย
  • Credit Enhancement: เทคนิคการเพิ่มความปลอดภัยให้ชั้นอาวุโส (เช่น การมีสินทรัพย์ค้ำประกันเกินมูลค่าหรือการทำประกัน)
  • Correlation: นี่คือ "สูตรลับ" หากเงินกู้ทุกรายการในกลุ่มผิดนัดชำระพร้อมกัน (Correlation สูง) ชั้นอาวุโสก็จะเดือดร้อน แต่ถ้าการผิดนัดชำระเป็นอิสระต่อกัน ชั้นอาวุโสจะปลอดภัยมาก

ข้อผิดพลาดที่พบบ่อย: นักศึกษามักลืมไปว่าสำหรับหนี้ประเภทนี้ คุณต้องวิเคราะห์ กลุ่มสินทรัพย์ค้ำประกัน (Collateral pool) และ โครงสร้างการจ่ายเงิน ไม่ใช่ไปวิเคราะห์บริษัทที่ออกพันธบัตรนั้น!

สรุปทบทวนเร็วๆ

1. PD × LGD = Expected Loss.
2. Merton Model: ผิดนัดชำระ = สินทรัพย์ < หนี้ โดยหุ้นเปรียบเสมือน Call Option.
3. Reduced-Form: ผิดนัดชำระคือเหตุการณ์ "สุ่ม" ตามข้อมูลมหภาค/ตลาด.
4. Spreads: กว้างขึ้นในยามเศรษฐกิจแย่ แคบลงในยามเศรษฐกิจดี.
5. Securitization: โฟกัสที่ชั้นของตราสาร (Tranches) และความสัมพันธ์ (Correlation) ของการผิดนัดชำระหนี้

ไม่ต้องกังวลถ้าสูตรของ Merton ดูน่ากลัว! ในการสอบ ให้โฟกัสที่ ความสัมพันธ์ (Relationships) ของตัวแปร: หากความผันผวน (Volatility) เพิ่มขึ้น มูลค่าของ Option (ซึ่งคือมูลค่าหุ้น) ก็จะเพิ่มขึ้น ซึ่งอาจดูขัดกับสัญชาตญาณ แต่มันคือส่วนสำคัญของตรรกะแบบจำลอง! คุณทำได้อยู่แล้ว!