מהו מודל ברירת מחדל?
מודל ברירת מחדל נבנה על ידי מוסדות פיננסיים כדי לקבוע את הסבירות של ברירת מחדל בהתחייבויות אשראי על ידי תאגיד או גורם ריבוני. מודלים סטטיסטיים אלה משתמשים לרוב בניתוח רגרסיה עם משתני שוק מסוימים הרלוונטיים למצב הכלכלי של החברה כדי לזהות את טיב והיקף סיכון האשראי. באופן פנימי משאיל מלווה מודלים המוגדרים כברירת מחדל בחשיפת הלוואות ללקוחותיהם כדי לקבוע מגבלות סיכון, תמחור, טנור ותנאים אחרים. סוכנויות אשראי מחשבות את ההסתברויות לברירת מחדל עם המודלים על מנת להקצות דירוג אשראי.
הבנת מודל ברירת מחדל
לפני שבנק או מוסד מלווה אחר מעניק אשראי משמעותי ללקוח, הוא יגדיר מודל ברירת מחדל להפעלת כל המספרים הרלוונטיים לחישוב חשיפה להפסד. היחסים בין משתנים תלויים ועצמאיים ייווצרו, ועם כניסת קבוצות הנחות משתנות למודל, יופק תפוקה של הסתברויות ברירת מחדל (תחת ניתוח רגישות). לפיכך, מודל ברירת מחדל חיוני להלוואה רגילה, אך הוא קריטי גם בכימות הסיכון למוצרים מתוחכמים יותר כמו החלפת אשראי (CDS). עבור CDS הקונה והמוכר היו מריצים מודלים של ברירת מחדל בעצמם בבסיס אשראי כדי לקבוע את תנאי העסקה.
עסק הלחם והחמאה של סוכנויות אשראי כמו מודי'ס ו- Standard & Poor's מפתחת מודלים של ברירת מחדל מתוחכמת. מטרתם של מודלים אלה היא לייעד דירוגי אשראי שהם סטנדרטיים ברוב המקרים להנפקת אג"ח (או מוצר אחר צמוד אשראי) לשווקים הציבוריים. הגופים שלגביהם מוקם מודל ברירת מחדל יכולים להיות תאגידים, עיריות, מדינות, סוכנויות ממשלתיות ורכבים למטרות מיוחדות. בכל המקרים, המודל יעריך את ההסתברויות לברירת מחדל בתרחישים שונים. עם זאת, סוגים אחרים של דגמי ברירת מחדל משמשים לחיזוי חשיפה של נושה כברירת מחדל וברירת מחדל שניתנה להפסד. תיאורטית, מתאפשר תמחור מתאים של אשראי עם מודלים המוגדרים כברירת מחדל, בין אם הם מופקים באופן פנימי או שנוצרו על ידי סוכנות אשראי.
דגמי ברירת מחדל של CDO לפני המשבר הכלכלי
סוכנויות האשראי האשימו בכך שהן אחראיות בחלקן למשבר הפיננסי ב -2008 מכיוון שהעניקו דירוג משולש A לשווי התחייבות של מאות מיליארדי דולרים (CDO) עמוסות בהלוואות סוב-פריים. המודלים שלהם ניבאו הסתברות נמוכה במיוחד לברירת מחדל. עם חותמת האישור של דירוג אשראי גבוה, הונפקו CDOs סביב השווקים על ידי וול סטריט. מה שקרה לאותם CDO ידוע. אפשר רק לקוות כי סוכנויות אשראי ביצעו את ההתאמות הנדרשות למודלי ברירת המחדל שלהן כדי להימנע מתקלות עתידיות.
