ยินดีต้อนรับสู่การวัดความเสี่ยงด้านเครดิต (Measuring Credit Risk)!
สวัสดีครับว่าที่นักบริหารความเสี่ยงทุกคน! เรากำลังจะเข้าสู่หนึ่งในบทเรียนที่สำคัญที่สุดในส่วนของ Valuation and Risk Models หากคุณเคยให้เพื่อนยืมเงินห้าเหรียญแล้วคอยลุ้นว่าจะได้คืนไหม นั่นแหละครับคือจุดเริ่มต้นของการบริหารความเสี่ยงด้านเครดิต! ในโลกของ FRM เราแค่ใช้ตัวเลขที่ใหญ่ขึ้นและใช้สูตรที่เป็นทางการมากขึ้นเท่านั้นเอง ถ้าเห็นสูตรคณิตศาสตร์แล้วรู้สึกตึงๆ ในตอนแรก ไม่ต้องกังวลนะ เดี๋ยวเราจะค่อยๆ ย่อยมันทีละส่วนไปพร้อมๆ กันครับ
ความเสี่ยงด้านเครดิต (Credit Risk) คืออะไร?
พูดง่ายๆ เลย ความเสี่ยงด้านเครดิต คือความเสี่ยงที่คู่สัญญา (บุคคลหรือบริษัทที่คุณให้เขายืมเงิน) ไม่สามารถทำตามภาระผูกพันที่มีต่อคุณได้ ซึ่งอาจหมายถึงการจ่ายล่าช้า จ่ายเพียงบางส่วน หรือไม่จ่ายเลย
ในบทนี้เราจะเน้นไปที่วิธีการวัดความเสี่ยงนี้เชิงปริมาณ เพื่อให้เรารู้ว่าต้องสำรองเงินไว้เท่าไหร่เผื่อเกิดเหตุการณ์ "ไม่คาดฝัน" ครับ
1. องค์ประกอบพื้นฐาน: ความเสียหายที่คาดว่าจะเกิดขึ้น (Expected Loss - EL)
Expected Loss (EL) คือจำนวนเงินโดยเฉลี่ยที่ผู้ให้กู้คาดว่าจะสูญเสียในช่วงเวลาหนึ่ง ให้คิดซะว่ามันเป็น "ต้นทุนทางธุรกิจ" เพราะมันเป็นสิ่งที่คาดการณ์ได้ ธนาคารจึงมักจะครอบคลุมส่วนนี้ผ่านอัตราดอกเบี้ยที่เรียกเก็บ หรือโดยการตั้งเงินสำรอง (Provisions) ไว้ครับ
ในการคำนวณ EL คุณต้องรู้จักตัวแปรหลัก 3 ตัวนี้ครับ:
โอกาสที่จะผิดนัดชำระหนี้ (Probability of Default - PD)
คือโอกาสที่ผู้กู้จะผิดนัดชำระหนี้ภายในระยะเวลาที่กำหนด (ปกติคือ 1 ปี) โดยแสดงเป็นเปอร์เซ็นต์
ตัวอย่าง: PD ที่ 2% หมายความว่ามีโอกาส 2 ใน 100 ที่ผู้กู้จะหยุดจ่ายเงินครับ
มูลค่าเงินต้นที่เสี่ยงต่อการผิดนัดชำระหนี้ (Exposure at Default - EAD)
คือจำนวนเงินทั้งหมดที่ธนาคาร "ต้องรับความเสี่ยง" ณ วินาทีที่ผู้กู้ผิดนัดชำระหนี้จริงๆ
ตัวอย่าง: หากคุณมีวงเงินบัตรเครดิต 10,000 ดอลลาร์ แต่ใช้ไปเพียง 4,000 ดอลลาร์ EAD ของคุณจะใกล้เคียงกับ 4,000 ดอลลาร์ (บวกดอกเบี้ยที่ค้างอยู่) มากกว่าที่จะเป็นยอดเต็ม 10,000 ดอลลาร์ครับ
อัตราความเสียหายเมื่อผิดนัดชำระหนี้ (Loss Given Default - LGD)
คือเปอร์เซ็นต์ของยอดที่เสี่ยง (EAD) ที่ต้องสูญเสียไปจริงๆ หากมีการผิดนัดชำระหนี้เกิดขึ้น โดยคำนวณจาก \( 1 - \text{Recovery Rate} \)
ตัวอย่าง: หากบริษัทผิดนัดชำระหนี้เงินกู้ 100 ดอลลาร์ แต่ธนาคารสามารถยึดอุปกรณ์ของบริษัทมาขายได้ 40 ดอลลาร์ อัตราการได้รับคืน (Recovery Rate) คือ 40% และ LGD จะเท่ากับ 60% (หรือ 60 ดอลลาร์) ครับ
สูตรของ Expected Loss
\( EL = PD \times EAD \times LGD \)
กล่องทบทวนความเข้าใจ:
- PD: เขาจะเบี้ยวหนี้ไหม? ("ถ้า")
- EAD: เขาติดหนี้เราเท่าไหร่? ("เท่าไหร่")
- LGD: เราทวงกลับมาไม่ได้เท่าไหร่? ("ความรุนแรง")
2. ความเสียหายที่ไม่คาดว่าจะเกิดขึ้น (Unexpected Loss - UL)
ในขณะที่ EL คือ "ค่าเฉลี่ย" แต่ Unexpected Loss (UL) คือค่าความผันผวนหรือความไม่แน่นอนที่อยู่รอบๆ ค่าเฉลี่ยนั้น ในโลกความเป็นจริง ความเสียหายมักไม่เท่ากับค่าเฉลี่ยเป๊ะๆ บางปีอาจจะดีมาก (ไม่ผิดนัดชำระหนี้เลย) แต่บางปีอาจจะแย่มาก (ผิดนัดชำระหนี้เยอะมาก)
ธนาคารจึงจำเป็นต้องถือเงินกองทุน (Economic Capital) เพื่อป้องกันตัวเองจาก UL ในขณะที่ EL คือต้นทุนธุรกิจ แต่ UL คือสิ่งที่อาจทำให้ธนาคาร "เจ๊ง" ได้จริงๆ ครับ
เปรียบเทียบให้เห็นภาพ: ลองนึกถึงเวลาคุณขับรถ "Expected Loss" ก็เหมือนค่าเปลี่ยนถ่ายน้ำมันเครื่องหรือเปลี่ยนยางตามระยะ ส่วน "Unexpected Loss" ก็เหมือนค่าซ่อมเครื่องยนต์พังครั้งใหญ่ คุณจ่ายค่าเปลี่ยนน้ำมันเครื่องจากงบประมาณรายเดือนได้ แต่คุณต้องมีบัญชีเงินออม (Capital) ไว้สำหรับตอนที่เครื่องยนต์พังนั่นเองครับ
3. รูปร่างของความเสี่ยงด้านเครดิต: การกระจายตัวของความเสียหาย (Loss Distributions)
ในความเสี่ยงด้านตลาด (เช่น ราคาหุ้น) เรามักสมมติให้มันมีการกระจายตัวแบบปกติ (ระฆังคว่ำ) แต่สำหรับ ความเสี่ยงด้านเครดิต มันไม่ใช่แบบปกติครับ!
การกระจายตัวของความเสียหายจากเครดิตมักจะ เบ้ไปทางขวาอย่างมาก (Highly Skewed) และมี "หางที่หนา" (Fat tails):
- ส่วนที่หนา (Mass): ส่วนใหญ่ผู้กู้มักจะจ่ายคืน ทำให้ความเสียหายของเราเป็นศูนย์ นี่คือเหตุผลว่าทำไมกราฟถึงพุ่งสูงแถวๆ เลขศูนย์ครับ
- ส่วนหาง (Tail): นานๆ ทีจะมีลูกหนี้รายใหญ่หรือกลุ่มลูกหนี้พร้อมใจกันผิดนัดชำระหนี้ ทำให้เกิดความเสียหายมหาศาล นี่คือที่มาของหางยาวๆ ทางด้านขวาของกราฟครับ
ข้อผิดพลาดที่ควรหลีกเลี่ยง: อย่าสมมติว่าความเสียหายด้านเครดิตมีการกระจายตัวแบบระฆังคว่ำที่สมมาตรเด็ดขาด เพราะถ้าทำแบบนั้น คุณจะประเมินความเสี่ยงของ "เหตุการณ์หายนะ" (Tail event) ต่ำกว่าความเป็นจริงไปมากครับ
4. การเปลี่ยนแปลงอันดับความน่าเชื่อถือ (Credit Rating Migrations)
ความเสี่ยงด้านเครดิตไม่ได้มีแค่เรื่องของการผิดนัดชำระหนี้เท่านั้น แต่มันรวมถึง คุณภาพ ของผู้กู้ที่แย่ลงด้วย ซึ่งเราเรียกว่า Rating Migration ครับ
ถ้าหุ้นกู้ถูกลดอันดับจาก 'AA' เหลือ 'BB' มูลค่าตลาดของหุ้นกู้นั้นจะลดลงทันที แม้ว่าบริษัทจะยังไม่ได้ผิดนัดชำระหนี้ก็ตาม เพราะนักลงทุนมองว่าความเสี่ยงสูงขึ้นและต้องการผลตอบแทน (Yield) ที่สูงขึ้นนั่นเอง
ตารางการเปลี่ยนสถานะ (Transition Matrix)
Transition Matrix จะแสดงโอกาสที่ผู้กู้จะเปลี่ยนจากอันดับความน่าเชื่อถือหนึ่งไปสู่อีกอันดับหนึ่งในช่วงเวลาที่กำหนด:
- แถว (Rows) มักแสดงอันดับเริ่มต้น
- คอลัมน์ (Columns) แสดงอันดับที่ปลายปี
- ช่องแนวทแยงมุมแสดงความน่าจะเป็นที่อันดับจะคงเดิม (ซึ่งมักจะมีตัวเลขสูงที่สุด)
- คอลัมน์สุดท้ายมักเป็นความน่าจะเป็นของการ ผิดนัดชำระหนี้ (Default)
เกร็ดน่ารู้: อันดับความน่าเชื่อถือมีความ "หนืด" (Sticky) ครับ บริษัทที่ถูกจัดอันดับ AAA แทบไม่มีโอกาสตกไปถึง CCC ภายในปีเดียว แต่อาจจะขยับลงมาเป็น AA ได้ครับ
5. อัตราการได้รับคืน (Recovery Rates) และ PD
มีจุดสำคัญที่ต้องจำสำหรับสอบ FRM คือ Recovery Rates และ PD มักจะแปรผกผันกันครับ
ในภาวะเศรษฐกิจที่ไม่ดี (เศรษฐกิจถดถอย):
1. PD เพิ่มขึ้น (บริษัทจำนวนมากเริ่มหาเงินมาจ่ายหนี้ไม่ไหว)
2. Recovery Rates ลดลง (หลักประกันอย่างเช่น อาคารหรืออุปกรณ์จะมีมูลค่าน้อยลง เพราะทุกคนพยายามเทขายของพร้อมๆ กัน)
หัวใจสำคัญ: เมื่อสถานการณ์แย่ มันมักจะแย่จากสองทางพร้อมๆ กัน! นี่คือสิ่งที่ทำให้ความเสี่ยงด้านเครดิตน่ากลัวยิ่งขึ้นในช่วงเศรษฐกิจขาลงครับ
6. สรุปและเคล็ดลับสุดท้าย
เพื่อให้เชี่ยวชาญในบทนี้ ตรวจสอบให้มั่นใจว่าคุณสามารถ:
1. คำนวณ EL โดยใช้ค่า PD, EAD และ LGD ได้ถูกต้อง
2. อธิบายได้ว่าทำไม Unexpected Loss ถึงต้องใช้เงินกองทุน ในขณะที่ Expected Loss เป็นแค่เงินสำรอง
3. อธิบายลักษณะการกระจายตัวของความเสียหายแบบ เบ้ (Skewed) ได้
4. เข้าใจว่า Rating Migration (การลดอันดับ) สามารถทำให้มูลค่าสินทรัพย์ลดลงได้โดยไม่ต้องเกิดการผิดนัดชำระหนี้
ไม่ต้องกังวลถ้าตอนแรกจะรู้สึกว่ามันยาก! ความเสี่ยงด้านเครดิตเป็นสาขาที่กว้างมาก แต่สำหรับการสอบส่วน Valuation and Risk Models แค่โฟกัสที่นิยามหลักๆ เหล่านี้และสูตร EL ก็ถือว่าเป็นพื้นฐานที่แข็งแกร่งมากแล้วครับ หมั่นฝึกคำนวณบ่อยๆ นะ สู้ๆ ครับ!