Struktúrált és "hagyományos" ügyletek minősítési skálája 2 - különbségek a migrációban

Azért gondolom fontosnak ezt a kérdést, mert a migrációs mátrixoknak tükrözniük kell azokat a különbségeket, melyek alapján azt mondhatjuk, hogy a hagyományos és a struktúrált ügyletek minősítéséhez eltérő skálát (szimbólumrendszert) kellene használni. Mert ha a migrációs mátrixokban nincs különbség, akkor mire lövünk? Másfelől: ha viszont találunk különbséget, akkor az mindenképpen azt jelenti, hogy különböző minősítési skála kell?
Valószínűleg sok tanulmány foglalkozik a hagyományos és struktúrált migrációs mátrixok közötti különbséggel. Violi tanulmánya valamennyire áttekinti a kérdést és arra a következtetésre jut, hogy az SF ügyletek minősítése átlagban stabilabb, de hajlamosabb egyszerre több minősítési besorolást ugrani. E következtetéseket bonyolult módszertannal vezette le, de az alapadatok is részben alátámasztják őket. Az alábbi két ábra az idézett tanulmányból való.




Az SF minősítések nagyobb stabilitása csak a CCC és az ennél rosszabb kategóriákban figyelhető meg (mivel itt nem tudjuk külön vizsgálni a kategóriákat, lehet, hogy mondjuk csak a C-ben van nagy eltérés). A le- és felminősítések nagysága viszont egyértelműen nagyobb szórást mutat a struktúrált ügyletek esetében. Ugyanakkor a struktúrált ügyletek nemfizetési aránya minden kategóriában jóval alacsonyabb, mint a vállalati hiteleké (persze az amerikai jelzálogpiaci események átrajzolhatták a képet – ez viszont az adatok elemezhetőségét, az elemzés értelmét kérdőjelezi meg...).

Ugyanebben a tanulmányban van viszont egy másik típusú, érdekesebb mátrix. E mátrixok a feltételes migrációt mutatják, vagyis hogy egy fel-, illetve leminősítést milyen migráció követ. Bár a vállalati kötvényeknél is megfigyelhető aszimmetria (leminősítést inkább szintentartás és leminősítés, felminősítést szintentartás és felminősítés követ), ez jóval szembetűnőbb az SF ügyleteknél:



Erről már írtam az előző bejegyzésben: szerintem ezt az SF ügyletek sajátos struktúrájával lehet magyarázni. Ebből rögtön adódik a következtetés, hogy két azonos minősítésű SF ügylet között óriási különbség van, ha az egyik fel-, a másik leminősítés eredményeként került az adott kategóriába. Vagyis a meglévő minősítést kibővítve annyi információval, hogy „fentről” vagy „lentről” jött az ügylet – ez tulajdonképpen egy új skála – pontosabb képet kapunk a (leminősítési) kockázatról. De egy ilyen új (hipotetikus) skálával meg az lenne a probléma, hogy nem tudnánk értelmezni a relatív kockázatokat: például egy AA-ból jövő A-s papír kockázatosabb vagy kevésbé kockázatos, mint egy BB-ből jövő BBB-s?

Azt mondják, hogy egy adott minősítésű SF ügylet magasabb kockázatú, mint egy ugyanolyan besorolású vállalati papír. Ezt alá is támasztják például azzal, hogy előbbieken magasabb hozamot lehet elérni. Hát, a magasabb kockázatot a fenti mátrixok talán alá is támasztják: a leminősítések negatív hatása az árakra nagyobb lehet a felminősítések pozitív hatásánál. (Tényleg, van olyan tanulmány, amelyik az azonos kategóriabeli akár vállalati, akár SF kötvények árát elemzi aszerint, hogy honnan kerültek a kategóriába?)

Összefoglalva: a „feltétel nélküli” migrációs mátrixokat – különös tekintettel a nemfizetési kategóriába migrálás esélyét – alapul véve az SF ügyletek nem tűnnek kockázatosabbnak; ugyanakkor a feltételes mátrixok alapján igen. A feltétel nélküli és a feltételes migrációs mátrixok különböző skálákat fejeznek ki. Vegyünk például egy B-re éppen leminősített papírt. Az ehhez tartozó nemfizetési arány 13.12%. Viszont ha a feltétel nélküli skálát tekintem, akkor ekkora nemfizetési arány a „CCC-C” kategóriához tartozik! Eszerint a minősítési skálával nincs baj – csak a megfelelő kategóriába kell tenni a papírokat. (Egy, talán még érdekesebb kérdés, ha a skálával már elméletileg is baj van: ez a helyzet, ha mondjuk az az esemény, mi miatt az SF ügyletek migrációja eltér a hagyományos ügyletekéitől nem mérhető a skálával. Ilyen lehet, ha egy SF ügylet kockázatát részben például likviditási kérdések határozzák meg. Erről majd a következő részben írok valamennyit.)

Végül, érdemes kitérni egy kicsit a credit crunch-ra: egyrészt ne essünk abba a hibába, hogy az események súlyát eltúlozzuk. Még inkább vigyázzunk, hogy az eseményekről szóló hírek súlyát eltúlozzuk. Még nem találkoztam friss minősítői tanulmányokkal az utóbbi idők migrációjáról. A hírekből annyit tudni, hogy jópáran nagy veszteségeket szenvedtek el – de valójában mennyi AAA-s, AA-s, stb. papírt minősítettek le és milyen mértékben? Mennyi került nemfizető státuszba? Nem állítom, hogy az eredmények nem lehetnek „földcsuszamlásszerűek”, de várjuk meg az adatokat...Az egyik bejegyzésben leírtam, hogy az SF minősítések stressz-forgatókönyveken alapulnak, s egy papír abba a minősítési kategóriába kerül, amelyik a legjobb azok közül, melyek stressz-forgatókönyvén átmegy (ha pl. egy papír elbukja az AAA-t, de átmegy az AA-n, az A-n, stb., akkor AA minősítést kap). Ha most a credit crunch mondjuk egy A-s forgatókönyvet testesít meg, akkor nem kell azon csodálkozni, ha az A-nál rosszabb besorolású papírok nagy arányban kerülnek nemfizető státuszba, sok A vagy annál jobb besorolásút pedig leminősítenek. (Az SF ügyleteknél sokkal inkább, mint a hagyományos ügyleteknél a minősítés tulajdonképpen számszerű fogadás: fogadás arra, hogy a stressz-forgatókönyvekben szereplő feltételeknél a valóság milyen eséllyel lesz rosszabb. Például egy AAA-s forgatókönyvnél azt várjuk, hogy az itt feltételezett nemfizetési rátánál a valóságos csak nagyon kis eséllyel lehet rosszabb.)
Az érdekes itt az, hogy – amennyire tudom – a problémákat itt a nemfizetések és veszteségek nagysága okozta. E változók a modellekben egyedi változók – szemben, például, a kamatlábbal – mégis, szinte az összes érintett ügylet problémáját ezek okozták – vagyis „rendszerszintű” változóként hatottak, növelve az ügyletek hitelminőségének az együttmozgását. Ez arra világít rá, hogy ha az egyedi hitelminőséget még ha jól is becsüljük, „portfoliószinten” egészen eltérő eredményeket kapunk, ha az ügyletek közötti „korrelációt” változtatjuk; így a migrációs mátrixok is eltérőek lesznek (magasabb „korreláció” magasabb nemfizetési aránnyal jár), s – végeredményben – az egyedi kockázatra vonatkozó becslésünk is megváltozik. A helyzet teljesen olyan, mint egy hitelportfólió esetén. Tegyük fel, hogy van egy scorecard-unk. Ha egy adott score-ral bíró részportfoliót tekintünk, akkor ha e részportfolió heterogén (jellemzőkkel bír), az adott score jól kijelöli a részportfolió nemfizetési rátáját. Ha viszont a score mögötti minden hitel nagyon hasonló jellemzőkkel bír, akkor bizonyos időszakokban nagyon nagy arányban lesznek a hitelek nemfizetők, más időszakokban pedig nagyon kis arányban. Ahhoz, hogy a migrációs mátrixok valamiféle stabilitást tükrözzenek, hosszabb időszak átlagában kell őket tekinteni (e bejegyzésben én is egyéves migrációs mátrixokat néztem – közben a hosszú táv mellett érvelek – de ez talán nem rontotta le a mondókámat.) Ebből az is következik – és némileg furcsán hangzik – hogy a minősítések jóságát nehéz pusztán a migrációs mátrixokkal mérni. Ha csak amerikai jelzálogalapú papírok lennének a teljes SF minősített portfolióban, akkor a negatív irányú migráció túlnyomó lenne; ha csak egy ilyen papír lenne, akkor ez nem befolyásolna semmit.