Thailand's First Risk Neutral Transition Probability Matrix

กก 

ก 20 2555 

ก 

Thailands First Risk Neutral Transition Probability Matrix 

ก 

21 ก 2555 13.15 14.45 . 

301 ก

*กก .. 

ก , CFA 

ก 

 

Agenda 

1. Transition Probability Matrix 

2. Real World TPM 

3. ก Real World TPM 

4. Risk-Neutral TPM 

5. ก Real World TPM Risk-Neutral TPM 

5. ก Real World TPM Risk-Neutral TPM

Transition Probability Matrix 

กก (Transition 

Probability Matrix : TPM) 

กก 

ก 

กก 

TPM 


กก 

กกก 

ก 

ก (Economic Capital) 

ก 

กก 

กก กก


TPM S&P 2524 - 2554 

 

 

 

AAA AA A BBB BB B CCC/C Default 

AAA 90.2308% 8.9931% 0.5588% 0.0517% 0.0828% 0.0310% 0.0517% 0.0000% 

AA 0.5839% 90.0104% 8.6548% 0.5631% 0.0626% 0.0834% 0.0209% 0.0209% 

A 0.0420% 2.0042% 91.5740% 5.7083% 0.3987% 0.1679% 0.0210% 0.0839% 

BBB 0.0107% 0.1282% 3.8897% 90.6925% 4.1782% 0.6839% 0.1603% 0.2565% 

BB 0.0222% 0.0444% 0.1774% 5.8112% 84.1411% 7.9738% 0.8318% 0.9981% 

B 0.0000% 0.0453% 0.1473% 0.2492% 6.3095% 83.1672% 5.0068% 5.0748% 

CCC/C 0.0000% 0.0000% 0.1985% 0.3036% 0.9109% 15.9640% 51.3021% 31.3208% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 

Real World and Risk Neutral TPMs 

Real World TPM TPM กกก 

ก TPM 

Risk Neutral TPM TPM กก

Thailand Real World TPM 

Real World TPM ก 2 

TRIS Rating FITCH (Thailand) 

Thailand Real World TPM 

กกก (2554) Real World 

TPM กก 

ก 

กกก 

1 กกก ก 

AAA Default ก BBB AAA 0% 

ก (BB B 

CCC/C) 

 

FITCH (Thailand) : BB B CCC/C 

TRIS Rating : ก 

กกก/ (Probability of Default) 

กก

Real World TPM 

ก Thailand Real World TPM 

ก/ก TPM ก 

TRIS 

TPM 

S&P 

TPM 

Posterior 

TPM 

• TPM ก S& P 

ก TPM TRIS Rating 

• S&P + TRIS TPM กก 

• Bayes กก (M*)


TPM ก Bayes ก 

: (2554) 

• ก 

ก 

• TPM ก 

• Diagonally dominant matrix 

ก Thailand Real World TPM


TPM ก Bayes ก 

กกก 

0% 

Generator Matrix TPM 


กก TPM ก Bayes TPM 

กก 

Posterior 

Generator 

Exact 

Proper 

TPM 

Matrix Generator TPM


TPM ก Bayes Generator Matrix 

Israel et al. (2001) 

Posterior 

TPM 

Generator 

Matrix 

Generator Matrix 

Q(h) Exact Generator Matrix 

P(h) TPM h 

I Identity Matrix 

h 



Generator 

Matrix 

Exact 

Generator 

• Exact Generator q(i,j≠i) ≥ 0 

• Generator Exact Generator Diagonal Adjustment 

Israel et al. (2001) 



Exact 

Generator 

Proper 

TPM 

Exact Generator TPM h 

Q(h) Exact Generator Matrix 

P(h) TPM h 

h 

TPM กก

TPM กก 

Generator Matrix Exact Generator ก Generator 

Matrix 

Exact Generator TPM TPM ก 

AAA CCC/C ก 

ก 

ก 

TPM ก 

Diagonally dominant matrix 

Real World TPM 2554 

 

 

TPM กก 

 


AAA 85.5400% 13.6570% 0.6477% 0.0410% 0.0516% 0.0193% 0.0321% 0.0113% 

AA 0.5935% 90.1462% 8.5154% 0.5523% 0.0624% 0.0833% 0.0208% 0.0260% 

A 0.0149% 2.8998% 92.8949% 3.7051% 0.1414% 0.0633% 0.0076% 0.2730% 

BBB 0.0026% 0.0997% 6.2398% 87.6931% 2.7378% 0.7523% 0.0411% 2.4336% 

BB 0.0118% 0.0321% 0.3726% 10.1796% 77.0000% 4.3030% 0.4477% 7.6533% 

B 0.0006% 0.0434% 0.1650% 0.3977% 5.8448% 78.3813% 7.4604% 7.7069% 

CCC/C 0.0001% 0.0079% 0.2242% 0.3428% 0.9676% 15.1932% 51.2391% 32.0250% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 

: (2554)

TPM กก 

Risk-Neutral TPM 

ก TPM กก 

กก ก 

ก TPM 

ก 

Jarrow et al. (1997) Credit Metrices J.P. Morgan


Credit Derivatives 

Credit Default 

Swap 

Total Return 

Swap 

Credit 

Derivatives 

Credit linked 

Note 

Credit Spread 

derivatives 

Asset Swap 

: กก (2555) 

Real World TPM 2555 ก (2554) 

 

 

 



AAA 88.8359% 10.4561% 0.5017% 0.0461% 0.0736% 0.0276% 0.0460% 0.0130% 

AA 0.5839% 90.0091% 8.6548% 0.5629% 0.0625% 0.0834% 0.0209% 0.0225% 

A 0.0139% 2.8466% 93.0656% 3.6313% 0.1316% 0.0554% 0.0069% 0.2488% 

BBB 0.0027% 0.0988% 6.3065% 88.0538% 2.5801% 0.6960% 0.0366% 2.2255% 

BB 0.0201% 0.0442% 0.2455% 6.6026% 82.8688% 7.2221% 0.7534% 2.2433% 

B 0.0009% 0.0458% 0.1509% 0.2627% 6.3061% 83.1530% 5.0061% 5.0745% 

CCC/C 0.0001% 0.0077% 0.1993% 0.3049% 0.9105% 15.9617% 51.2964% 31.3193% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%

ก Real World TPM Risk-Neutral TPM 

Real-World 

TPM 

Risk-Neutral 

TPM 


กก Real World TPM Risk- 

Neutral TPM . (2012) 

Real World TPM 

Credit Spreads ( Investment Non-Investment Grade) 

Recovery Rate


ก P N Real-World TPM ก N 

(K × K) 

1 K 

(Default) 


กก Real World TPM Risk-Neutral TPM ก 

Jarrow et al. (1997) 

Kajima and Komoribayashi (1998) 

Modifying Default Intensities Lando (2000)


 

ก Risk-Neutral TPM Q N ก Real-World TPM P N ก Credit 

Spreads Recovery Rate 

 

φ Recovery Rate 

 

N 

S i Credit Spread i N 

ก TPM 

กก 3 ก Kajima 

Komoribayashi (1998) 

 

ก 

ก 

กกก 

ก

กก TPM 

 

1 

2 

3 

5 

7 

10 

JLT KK L JLT KK L JLT KK L JLT KK L JLT 

KK L JLT KK 

L 

AAA 0.43 0 0.48 1.06 0 1.12 1.77 0 1.82 3.36 0 3.23 5.03 0 2.84 7.56 0 5.6 

AA 0.44 0 0.56 1.08 0 1.22 1.82 0 1.86 3.44 0 2.91 5.12 0 0 7.61 0 3.77 

A 0 0 -0.03 0.01 0 -0.12 -0.06 0 -0.28 1.01 0 -0.78 2.45 0 0 4.54 0 -2.43 

BBB 0 0 0 0 0 0 0 0 -0.01 0 0 -0.01 0.39 0 0 6.58 0 0.02 

BB -1.54 -1.54 -1.54 -1.55 -1.55 -1.55 -0.12 -0.12 -0.12 0 0 -0.01 1.61 0 0 11.83 0 -0.02 

B 0 0 0 0 0 0 0.01 0 0 0 0 -0.01 2.33 0 0 14.98 0 -0.24 

CCC/C -13.5 -13.5 -13.5 -16.14 -16.14 -16.14 -13.63 -13.63 -13.63 -6.45 -6.45 -6.45 3.22 0 0 17.48 7.68 7.68 

SUM 184.87 184.49 185.03 265.18 262.9 265.65 192.37 185.89 192.74 65.74 41.59 61.07 76.11 0 8.05 848.77 59.03 110.49 

: . (2555) 

Risk-Neutral TPM 

Risk-Neutral TPM ก 

ก Real-World TPM 

ก Risk-Neutral TPM 0.00% 

ก 100% 

ก Risk-Neutral TPM ก 

ก 100%

Real World TPM ก Risk-Neutral TPM 

: (2554) 

: . (2555) 

Q & A 

Bond Pricing & Product Development Dept. 

E-mail: pricing@thaibma.or.th

รายงานวิจัยวิชาการ 

การกําหนดเมทริกซความนาจะเปน 

ในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง 

ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย * 

อัญญา ขันธวิทย 

คณะพาณิชยศาสตรและการบัญชี 

มหาวิทยาลัยธรรมศาสตร 

ธนานันต ศิวโมกษธรรม 

สมาคมตลาดตราสารหนี้ไทย 

กษิดิศ ทองปลิว 

สมาคมตลาดตราสารหนี้ไทย 

__________________________________ 

* 

การติดตอผูเขียนทําไดที่ ศาสตราจารย ดร.อัญญา ขันธวิทย คณะพาณิชยศาสตรและการบัญชี มหาวิทยาลัยธรรมศาสตร กรุงเทพฯ 10200 ที่อยูอิเล็กทรอนิกส 

akhantha@tu.ac.th ผูเขียนขอบคุณคณะพาณิชยศาสตรและการบัญชี มหาวิทยาลัยธรรมศาสตร ที่ใหทุนสนับสนุนการวิจัย และขอบคุณสมาคมตลาดตราสารหนี้ไทย 

และผูคาตราสารหนี้ที่รวมใหขอมูลอัตรา Credit Spreads และอัตรา Recovery Rate โครงการวิจัยเปนการดําเนินงานภายใตบันทึกความรวมมือระหวางคณะ 

พาณิชยศาสตรและการบัญชี มหาวิทยาลัยธรรมศาสตร และสมาคมตลาดตราสารหนี้ไทย ลงวันที่ 17 สิงหาคม 2554 

1

An Estimation of Risk-Neutral Transition Probability Matrix 

for Thailand’s Domestic Bonds ** 

Anya Khanthavit 

Faculty of Commerce and Accountancy 

Thammasat University 

Thananun Siwamogsatham 

Thai Bond Market Association 

Kasidit Thongplew 

Thai Bond Market Association 

__________________________________ 

** 

Corresponding Author: Distinguished Professor Dr. Anya Khanthavit, Faculty of Commerce and Accountancy, Thammasat University, Bangkok, 10200. 

E-mail: akhantha@tu.ac.th. The authors would like to thank the Faculty of Commerce and Accountancy, Thammasat University for financial supports. 

They thank the Thai Bond Market Association and contributing bond dealers for the credit-spread and recovery-rate data. This research is a 

collaboration work under the Thammasat-ThaiBMA MOU signed on August 17, 2011. 

2

การกําหนดเมทริกซความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง 

ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย 

บทคัดยอ 

การศึกษาปรับวิธีทางเลือกเพื่อกําหนดเมทริกซความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง 

(Risk-Neutral TPM) ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย เพื่อใหความนาจะเปนที่ไดเปนผลลัพธมี 

ลักษณะสอดคลองเต็มที่กับทฤษฎีการเงิน จากนั้นจึงเปรียบเทียบวิธีทางเลือกโดยใชเกณฑความแมนยําในการกําหนด 

ราคาตราสารหนี้ การศึกษาสามารถดําเนินการไดเพราะมีขอมูลความคิดเห็นของผูคาตราสารหนี้ (Dealer Poll) 

เกี่ยวกับอัตรา Credit Spreads ของตราสารหนี้ที่มีอันดับเครดิตที่ต่ํากวา BBB และอัตรา Recovery Rate ของตราสาร 

หนี้ที่บิดพลิ้ว ขอมูลนี้เปนขอมูลเฉพาะ มีความสําคัญและการศึกษาเปนการศึกษาชิ้นแรกและชิ้นเดียวเทานั้นที่มีขอมูล 

นี้ใชงาน เมื่อการศึกษาใชขอมูลนี้รวมกับขอมูลที่ไดจากของสมาคมตลาดตราสารหนี้ไทยแลว การศึกษาพบวาวิธีของ 

Kajima and Komoribayashi (1998) ที่ปรับแลวเปนวิธีที่ดีที่สุด ดังนั้น การศึกษาจึงใชวิธีของ Kajima and 

Komoribayashi ไปกําหนด Risk-Neutral TPM สําหรับตราสารหนี้ที่มีอายุคงเหลือ 1 2 3 5 7 และ 10 ป ในตลาด 

ตราสารหนี้ไทย 

คําหลัก: ความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง เมทริกซความนาจะเปนของการเปลี่ยนแปลงอันดับ 

เครดิต ตลาดตราสารหนี้ไทย 

An Estimation of Risk-Neutral Transition Probability Matrix 

for Thailand’s Domestic Bonds 

ABSTRAT 

The study modifies alternative approaches to estimate risk-neutral transition probability matrices 

(Risk-Neutral TPMs) for Thailand’s bond markets so that the resulting probabilities strictly obeys finance 

theories. These approaches are then compared, based on a minimum pricing-error criterion. This study is 

possible due to our unique dealer-poll data on the credit spreads of non-invesment grad bonds and on the 

recovery rate of default bonds. Using the dealer-poll data wth those from the ThaiBMA database, our analysis 

suggests that the modified Kajima-Komoribayashi (1998) approach gives the minimum pricing errors in all 

ratings and maturities. Finally, the approach is used to estimate the risk-neutral TPMs for Thailand’s bond 

market for 1-, 2-, 3-, 5-, 7- and 10-year maturities. 

Keywords: Risk-Neutral Probability, Transition Probability Matrix, Thailand’s Bond Market. 

3

การกําหนดเมทริกซความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง 

ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย 

เมทริกซความนาจะเปนของการเปลี่ยนแปลงอันดับเครดิต (Credit-Rating Transition Probability Matrix 

หรือ Transition Probability Matrix หรือ Credit Migration Matrix ซึ่งตอไป ผูเขียนจะอางอิงถึงโดยใชคําวา TPM) ระบุ 

ระดับความนาจะเปนที่ผูออกหรือตราสารหนี้ที่ไดรับการจัดอันดับเครดิตระดับหนึ่ง เชนระดับ A ตอนตนงวดจะดํารง 

อันดับเครดิตในระดับเดิมคือ A ในระดับอื่นที่สูงขึ้น เชน AA หรือในอันดับอื่นที่ลดลง เชน BBB เรื่อยไปจนถึงอันดับ 

บิดพลิ้ว (Default) ตอนปลายงวด ระดับความนาจะเปนที่ TPM ระบุเปนระดับความนาจะเปนที่สถาบันจัดอันดับความ 

นาเชื่อถือรายงานโดยคํานวณจากเหตุการณเครดิต (Credit Events) ที่ไดเกิดขึ้นจริงในอดีต สะสมจนถึงวันที่มีการ 

คํานวณและรายงาน TPM นี้จึงถือวาเปน TPM ที่อางอิงเหตุการณในอดีต (Historical TPM) หรือ TPM สําหรับ 

พรรณนาเหตุการณเครดิตที่เกิดขึ้นในโลกแหงความเปนจริง (Real-World TPM) 

Real-World TPM มีประโยชนมากเพราะถูกใชเปนขอมูลประกอบการวิเคราะหและบริหารความเสี่ยงดาน 

เครดิตของกลุมสินทรัพยดานเครดิตของสถาบันการเงิน รวมถึงการคํานวณระดับเงินกองทุนเชิงเศรษฐศาสตร 

(Economic Capital) ซึ่งสถาบันการเงินพึงดํารงเพื่อใหเปนไปตามหลักการกํากับดูแลกิจการที่ดี Real-World TPM ยัง 

ใชเปนขอมูลเริ่มตนของการกําหนด TPM ในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง (Risk-Neutral TPM) สวน Risk- 

Neutral TPM มีความสําคัญเพราะใชประกอบการกําหนดราคาและวิเคราะหความเสี่ยงของตราสารหนี้และอนุพันธดาน 

เครดิต และการระบุโครงสรางอัตราผลตอบแทนสวนเพิ่มเพื่อชดเชยความเสี่ยงดานเครดิต (Credit-Spread Curves) 

ตามอันดับเครดิตสําหรับตราสารหนี้ที่มีอายุคงเหลือที่แตกตางกัน 

ในตลาดการเงินไทยเปนการเฉพาะ ณ เวลาปจจุบัน การมีขอมูล Risk-Neutral TPM สําหรับใชงานมีความจํา 

เปนมากสําหรับการกําหนดราคาตราสารหนี้เอกชนที่อาจถูกปรับอันดับเครดิตลงไปอยูในระดับที่ต่ํากวา BBB และตลาด 

ตราสารหนี้ไทยยังไมมีหุนกูกลุมนี้ซื้อขายจริง ทําใหหุนกูฉบับนั้นไมมีราคาตลาดสําหรับการอางอิง ในกรณีนี้ ผูคาตรา 

สารสามารกําหนดราคาตามทฤษฎีใหหุนกูโดยอางอิงขอมูลจาก Risk-Neutral TPM สําหรับการเสนอราคาซื้อขายได 

ขอมูล Risk-Neutral TPM ยังจําเปนมากสําหรับการพัฒนาตลาดอนุพันธดานเครดิตซึ่งมีการใชงานที่จํากัดและเหตุผล 

สวนหนึ่งเกิดจากการเช็คสอบความเหมาะสมของราคาเสนอซื้อขายไมสามารถทําได จากขอความจริงที่ผูคาไมมีขอมูล 

Risk-Neutral TPM ใหใชเปนขอมูลประกอบ ดังนั้น การมีขอมูล Risk-Neutral TPM จึงเพิ่มความโปรงใสดานราคาให 

การกําหนดราคาอนุพันธดานเครดิตและการเช็คสอบความเหมาะสมดานราคาสามารถทําไดจริง และสุดทาย สํานักงาน 

คณะกรรมการกํากับหลักทรัพยและตลาดหลักทรัพย (ก.ล.ต.) มีดําริที่จะสงเสริมการคาตราสารหนี้กลุมที่มีอัตราคิดลด 

สูงและมีอันดับเครดิตที่ดอย เนื่องจากตราสารหนี้กลุมนี้ยังไมมีการซื้อขายจริงในตลาดตราสารหนี้ไทยและยังไมมีราคา 

ซื้อขายใหใชอางอิง โอกาสการเกิดขึ้นของการคาตราสารตามที่สํานักงาน ก.ล.ต. มีดําริไวจึงเปนโอกาสที่ต่ ํามาก 

อยางไรก็ตาม เมื่อตลาดตราสารหนี้ไทยมี Risk-Neutral TPM ใหใชเปนขอมูลอางอิงเบื้องตนและสามารถกําหนดราคา 

ซื้อขายอางอิงไดแลว กลไกการเสนอซื้อขายตราสารจึงเริ่มทํางาน เกิดการซื้อขายจริง มีราคาตลาดที่เกิดขึ้นจริงไดใช 

อางอิง หมุนเวียนเปนวัฏจักร นําไปสูการเกิดขึ้นของตลาดและการซื้อขายที่มีสภาพคลอง 

สําหรับประเทศไทย Real-World TPM มีการคํานวณและรายงานโดยทริสเรทติ้งและฟทชเรทติ้ง แตอัญญา 

ขันธวิทย (2554) ตั้งขอสังเกตวา เนื่องจากขอมูลเหตุการณเครดิตสําหรับประเทศไทยมีจํานวนนอย TPM ที่มีการ 

คํานวณและรายงานเหลานั้นจึงมีลักษณะที่ตางจากลักษณะที่พบ (Stylized Facts) สําหรับ TPM ที่มีการรายงานสําหรับ 

ประเทศซึ่งขอมูลเหตุการณเครดิตจํานวนมากเชนประเทศสหรัฐอเมริกา นอกจากนี้ TPM ที่สถาบันจัดอันดับเครดิตทั้ง 

สองรายงานยังมีลักษณะบางประการไมสอดคลองกับลักษณะของ TPM ที่พึงเปนตามทฤษฎีดวย ดังนั้น อัญญา 

ขันธวิทย จึงเสนอวิธีของ Bayes เพื่อปรับ TPM ที่มีการรายงานสําหรับประเทศไทยใหมีลักษณะสอดคลองเต็มที่กับ 

4

Stylized Facts และเปนไปตามทฤษฎีการเงินเครงครัด TPM ที่ปรับโดยวิธีของอัญญา ขันธวิทย (2554) เปนที่ยอมรับ 

และเผยแพรออกสูสาธารณะเพื่อนําไปประยุกตใชในงานโดยสมาคมตลาดตราสารหนี้ไทย (ThaiBMA) 

เมื่อประเทศไทยมี Real-World TPM สําหรับใชงานแลว ในหลักการ การนํา Real-World TPM ไปขยายผล 

เพื่อกําหนด Risk-Neutral TPM สมควรทําไดอยางตรงไปตรงมาโดยประยุกตใชวิธีซึ่งมีผูเสนอไวในอดีตเปนจํานวน 

มาก ผูอานสามารถศึกษาวิธีเหลานั้นไดจาก Trueck and Rachev (2009) เปนตน อยางไรก็ตาม ในทางปฏิบัติจนถึง 

ปจจุบัน การกําหนด Risk-Neutral TPM สําหรับประเทศไทยทําไดจริงยากมากจนถึงไมสามารถทําไดจริง ดวยเหตุผล 

อยางนอย 2 ประการคือ ประการที่หนึ่ง การระบุ Risk-Neutral TPM ตองอางอิงขอมูลประกอบอื่นนอกเหนือจากขอมูล 

Real-World TPM ไดแกขอมูล Credit Spreads และขอมูลอัตราการไดรับชดเชยเมื่อเกิดเหตุการณบิดพลิ้ว (Recovery 

Rate) แมขอมูล Credit Spreads จะไดมีการจัดทําและเผยแพรอยางสม่ําเสมอโดย ThaiBMA แตขอมูลที่รายงานยัง 

จํากัดเฉพาะขอมูล Credit Spreads ของตราสารหนี ้ที่มีอันดับเครดิตตั้งแตอันดับ BBB ขึ้นไป นอกจากนั้น เมื่อ 

พิจารณายอนหลังกลับไปในอดีต ผูเขียนไมพบการรายงานขอมูล Recovery Rate ของตราสารหนี้ในประเทศไทยไวที่ 

ใด 

ประการที่สอง แมวิธีทางเลือกเพื่อระบุ Risk-Neutral TPM มีเปนจํานวนมาก ซึ่งการศึกษาในอดีต อาทิ 

Lando and Mortensen (2005) และ Trueck and Rachev (2009) ไดอภิปรายถึงลักษณะของ Risk-Neutral TPM ที่ 

เกิดขึ้นเปนผลลัพธวาสอดคลองหรือแตกตางจากความเชื่อของตลาดการเงินเกี่ยวกับลักษณะของ TPM ที่พึงเปน และ 

ความเปนไปไดของวิธีการที่จะระบุ Risk-Neutral TPM ไดจริง (Feasible Risk-Neutral TPM) แตการศึกษาในอดีต 

เหลานั้นยังไมสามารถระบุไดชัดเจนวาวิธีทางเลือกใดเปนวิธีที่เหนือกวาในเชิงความสามารถในการกําหนดราคาและ 

ระบุระดับความเสี่ยงของตราสารหนี้และอนุพันธดานเครดิต 1 

ในการศึกษานี้ ผูเขียนจะกําหนด Risk-Neutral TPM สําหรับตลาดตราสารหนี้ไทย โดยใชวิธีทางเลือกกลุม 

หนึ่งที่ผูเขียนไดคัดเลือกโดยวิเคราะหความเหมาะสม ความเปนไปไดในทางทฤษฎี และความพรอมของผูปฏิบัติในการ 

นําวิธีที่เลือกเหลานั้นไปประยุกตใชงานจริงในตลาดการเงินไทย จากนั้นจึงเปรียบเทียบความสําเร็จในการกําหนดราคา 

ตราสารหนี้โดยใช Risk-Neutral TPM ที่เปนผลลัพธของวิธีเหลานั้น แลวใชวิธีที่พบวามีความสามารถสูงที่สุดไป 

กําหนด Risk-Neutral TPM สําหรับตลาดตราสารหนี้ไทย 

การศึกษามีประโยชนในทางวิชาการและในทางปฏิบัติ กลาวคือ การศึกษาสามารถเก็บขอมูล Credit Spreads 

สําหรับอันดับเครดิตที่ต่ํากวาอันดับ BBB และขอมูล Recovery Rate ของตราสารหนี้ในประเทศไทยไดสําเร็จเปนครั้ง 

แรก โดยผูเขียนขยายผลเทคนิคทางเลือกเพื่อกําหนด Risk-Netural TPM โดยเพิ่มเงื่อนไขบังคับให Risk-Neutral TPM 

ที่ไดเปนผลลัพธตองมีคุณสมบัติที่สอดคลองเต็มที่กับทฤษฎีการเงิน ตอจากนั้น ผูเขียนจึงคํานวณคาความคลาดเคลื่อน 

ของราคา (Pricing Errors) ที่ไดเปนผลลัพธโดยอางอิงกับราคาตลาดของตราสาร แลวใชคาความคลาดเคลื่อนระดับที่ 

ต่ําที่สุดเปนเครื่องชี้เพื่อระบุเทคนิคที่ดีที่สุดสําหรับการกําหนด Risk-Neutral TPM สําหรับเสนอใหตลาดตราสารหนี้ 

ไทยไดนําไปประยุกตใช 

ขอมูล Recovery Rate และขอมูล Risk-Neutral TPM เปนขอมูลซึ่งการศึกษาเชิงประจักษเกี่ยวกับการ 

กําหนดราคาและการวิเคราะหความเสี่ยงของตราสารหนี้และอนุพันธดานเครดิตตองใชงาน และเปนขอมูลซึ่งผูปฏิบัติ 

ตองนําไปพิจารณาประกอบการคาและการบริหารความเสี่ยงของตราสารหนี้และอนุพันธดานเครดิต การศึกษาสามารถ 

1 ยกเวนการศึกษาของ Truck (2008) ที่ใชวิธีทางเลือกประกอบการพยากรณ TPM ที่อาจเกิดขึ้นในอนาคต อยางไรก็ตาม Trueck and Rachev (2009) อธิบายวา 

ความสามารถที่เหนือกวาในการพยากรณ TPM ไมสามารถชี้โดยตรงหรือโดยนัยถึงความสามารถที่เหนือกวาในการกําหนดราคาและระบุระดับความเสี่ยงของตราสาร 

หนี้และอนุพันธดานเครดิตได 

5

ระบุวิธีทางเลือกที่มีความสามารถสูงสุดในการกําหนดราคาตราสารหนี้ในตลาดตราสารหนี้ไทย ซึ่งผลลัพธของการระบุ 

เปนขอความจริงที่นักวิชาการและผูปฏิบัติสนใจมาก นอกจากนี้ ผูปฏิบัติยังสามารถนํา Risk-Neutral TPM ซึ่ง 

การศึกษาจะไดกําหนดและรายงานไวโดยใชวิธีที่เลือก ไปประยุกตใชในการกําหนดราคาและบริหารความเสี่ยงของตรา 

สารหนี้และอนุพันธดานเครดิตที่ตนกําลังรับผิดชอบอยูไดทันที 

ในการศึกษา ผูเขียนใชขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต AAA ถึง BBB ที่ ThaiBMA 

รายงานตั้งแตวันที่ 15 สิงหาคม 2551 ถึงวันที่ 30 พฤศจิกายน 2554 และใชขอมูลอัตรา Credit Spreads สําหรับ 

อันดับเครดิต BB ถึง CCC/C และขอมูลอัตรา Recovery Rate จากการสํารวจความคิดเห็นของผูคาตราสารหนี้ที่มี 

สัดสวนมูลคาการซื้อขายสูงสุด และใชขอมูล Real-World TPM ที่ปรับแลวของอัญญา ขันธวิทย (2554) วิธีทางเลือกที่ 

นํามาเปรียบเทียบประกอบดวยวิธีของ Jarrow et al. (1997) วิธีของ Kajima and Komoribayashi (1998) และวิธีของ 

Lando (2000) ซึ่งผูเขียนพบวาระดับความนาจะเปนในโลกที่ผูลงทุนเปนกลางตอความเสี่ยงที่เปนสมาชิกของ Risk- 

Neutral TPM ของวิธีทั้งสามมีลักษณะหลายประการที่ขัดกับทฤษฎี อาทิ ความนาจะเปนบางคาเปนลบ ความนาจะเปน 

บางคามีคามากกวา 100% และโดยเฉพาะอยางยิ่ง ความนาจะเปนที่จะบิดพลิ้วบางคามีระดับที่ต่ํากวาความนาจะเปนที่ 

อานไดจาก Real-World TPM 

เมื่อ Risk-Neutral TPM ที่ไดเปนผลลัพธจากวิธีทั้งสามมีลักษณะขัดกับทฤษฎี ผูเขียนจึงเสนอปรับวิธีทั้งสาม 

โดยกําหนดเงื่อนไขให Risk-Neutral TPM ที่เปนผลลัพธของวิธีที่ไดปรับแลว ตองมีลักษณะสอดคลองเต็มที่กับทฤษฎี 

ผูเขียนพบวา วิธีของ Kajima and Komoribayashi (1998) ที่ปรับแลวให Risk-Neutral TPM ที่สามารถกําหนดราคา 

ตราสารหนี้ไดถูกตองแมนยําที่สุด เมื่อผลการศึกษาเปนเชนนี้ ผูเขียนจึงใชวิธีของ Kajima and Komoribayashi ที่ปรับ 

แลวไปใชกําหนด Risk-Neutral TPM สําหรับตลาดตราสารหนี้ไทยสําหรับตราสารหนี้ที ่มีอายุ 1 2 3 5 7 และ 10 ป 

ขอมูลที่ใช 

ขอมูลที่ใชในการศึกษาประกอบดวยขอมูล Real-World TPM ขอมูล Credit Spreads และขอมูล Recovery 

Rate ดังนี้ 

ขอมูล Real-World TPM 

Real-World TPM ไดมีการรายงานสําหรับประเทศไทยโดยสถาบันจัดอันดับเครดิต 2 แหง ไดแก ทริสเรทติ้ง 

และฟทชเรทติ้ง แต Real-World TPM ที่รายงานมีลักษณะหลายประการที่ไมสอดคลองกับ Stylized Facts ที่พบใน 

ตลาดตราสารหนี้ที่พัฒนาไปกอนหนา และยังมีลักษณะอีกหลายประการที่ไมสอดคลองกับลักษณะของ TPM ที่พึงตอง 

เปนไปตามทฤษฎี ตัวอยางเชนระดับความนาจะเปนที่ผูออกหรือตราสารหนี้ที่มีอันดับเครดิต CCC/C จะบิดพลิ้วตามที่ 

รายงานโดยทริสเรทติ้งมีระดับเทากับ 100.00% และระดับความนาจะเปนที่ผูออกหรือตราสารหนี้ที่มีอันดับเครดิต AAA 

จะบิดพลิ้วตามที่รายงานโดยทริสเรทติ้งมีระดับเทากับ 0.00% เปนตน แตเมื่อไมนานมานี้ อัญญา ขันธวิทย (2554) ได 

เสนอวิธีของ Bayes เพื่อปรับ Real-World TPM ที่รายงานโดยทริสเรทติ้ง โดยพิจารณาขอมูล Real-World TPM ที่ 

Standard and Poor’s รายงานเปนขอมูลประกอบ เพื่อให Real-World TPM ที่ปรับแลวสําหรับประเทศไทยมีลักษณะ 

สอดคลองเต็มที่กับ Stylized Facts และตรงตามเงื่อนไขที่พึงพบในทางทฤษฎีครบถวน Real-World TPM ที่ปรับแลว 

ไดรับการยอมรับจาก ThaiBMA และถูกเผยแพรในเว็บไซดใหผูคาตราสารหนี้ ผูลงทุนและผูสนใจกลุมอื่นไดนําไป 

ประยุกตใช เมื่อความจริงเปนเชนนี้ ผูเขียนจึงเสนอใชขอมูล Real-World TPM ที่ปรับแลวของอัญญา ขันธวิทย 

(2554) ตามที่ปรากฏในตารางที่ 1 เปนขอมูลประกอบการวิเคราะห 

6

ตารางที่ 1 

Real-World TPM ที่ปรับแลวของอัญญา ขันธวิทย (2554) 

อันดับ 

อันดับ ณ สิ้นป 

ณ ตนป 


AAA 85.5400% 13.6570% 0.6477% 0.0410% 0.0516% 0.0193% 0.0321% 0.0113% 

AA 0.5935% 90.1462% 8.5154% 0.5523% 0.0624% 0.0833% 0.0208% 0.0260% 

A 0.0149% 2.8998% 92.8949% 3.7051% 0.1414% 0.0633% 0.0076% 0.2730% 

BBB 0.0026% 0.0997% 6.2398% 87.6931% 2.7378% 0.7523% 0.0411% 2.4336% 

BB 0.0118% 0.0321% 0.3726% 10.1796% 77.0000% 4.3030% 0.4477% 7.6533% 

B 0.0006% 0.0434% 0.1650% 0.3977% 5.8448% 78.3813% 7.4604% 7.7069% 

CCC/C 0.0001% 0.0079% 0.2242% 0.3428% 0.9676% 15.1932% 51.2391% 32.0250% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 

ขอมูลอัตรา Credit Spreads 

การศึกษาเก็บขอมูลอัตรา Credit Spreads จากแหลงที่มา 2 แหลง แหลงที่หนึ่งจากแหลงที่ ThaiBMA 

รายงานสําหรับอันดับเครดิต AAA ถึง BBB และแหลงที่สองเปนแหลงที่ผูเขียนไดรับจากการสํารวจความคิดเห็นของ 

ผูคาตราสารหนี้ในตลาดตราสารหนี้ไทย รายละเอียดเปนดังนี้ 

ขอมูลสําหรับอันดับเครดิต AAA จนถึง BBB 

ขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต AAA จนถึงอันดับเครดิต BBB เปนขอมูลซึ่ง ThaiBMA 

รายงานตั้งแตวันที่ 15 สิงหาคม 2551 ถึงวันที่ 30 พฤศจิกายน 2554 โดยที่การรายงานทําเดือนละ 2 ครั้ง ครั้งหนึ่ง 

ตอนกลางเดือนและอีกครั้งหนึ่งตอนสิ้นเดือน จํานวนรวม 80 ตัวอยาง คาสถิติเชิงพรรณนาของอัตรา Credit Spreads 

สําหรับอันดับเครดิต AAA จนถึงอันดับเครดิต BBB เปนดังที่ปรากฏในตารางที่ 2 จากตาราง การศึกษาพบวา 

คาเฉลี่ย ของอัตรา Credit Spreads มีโครงสรางแบบปกติ (Normal Curves) สําหรับอันดับเครดิตทุกอันดับ โครงสราง 

นี้เกิดขึ้นจากเหตุผลขอหนึ่งที่การคํานวณและรายงานอัตรา Credit Spreads โดย ThaiBMA ไดทําโดยใชเทคนิค Curve 

Fitting ซึ่งบังคับใหเสนความสัมพันธตองเปนเสนโคงหรือเสนตรงที่ชันขึ้นตามเวลา อัตรา Credit Spreads ที่คํานวนได 

มีความผันผวนสูงดังที่ชี้โดยคาเบี่ยงเบนมาตรฐานที่มีระดับที่สูงเมื่อเทียบกับคาเฉลี่ย และที่ชี้โดยความตางระหวาง 

อัตรา Credit Spreads ระดับที่สูงที่สุดและที่ต่ําที่สุดซึ่งมีขนาดที่สูงมากโดยมีขนาดที่เริ่มตั้งแต 199 จุดเบซิส (Basis 

Points) จนถึง 339.78 จุดเบซิส การกระจายตัวของอัตรา Credit Spreads ทั้งหมดทุกอัตรามีความเบไปทางขวาและมี 

หางอวนตามที่ชี้โดยคาสกวิเนสและคาเคอรโคซิสสวนเกิน ตามลําดับ ที่มีคาเปนบวก 

การศึกษาเสนอใชคาเฉลี่ยที่คํานวณไดสําหรับการวิเคราะหเพื่อระบุ Risk-Neutral TPM ดังเชนที่การศึกษาใน 

อดีตไดใชขอมูลในลักษณะทํานองเดียวกันไปกอนหนา เชน การศึกษาของ Lando and Mortensen (2005) การศึกษา 

ใชวิธี Dickey-Fuller เพื่อทดสอบสมมติฐานการมีลักษณะ Non-Stationarity ของขอมูลอนุกรมเวลาของอัตรา Credit 

Spreads จะไดมั่นใจวา คาเฉลี่ยสามารถทําหนาที่เปนตัวแทนของอัตรา Credit Spreads ได คาสถิติ Dickey-Fuller 

ไดรายงานไวในแถวนอนสุดทายของตาราง ณ ระดับความเชื่อมั่นรอยละ 99.00 การศึกษาจะปฏิเสธสมมติฐาน Non- 

Stationarity หากคาสถิติ Dickey-Fuller มีระดับนอยกวาคาอางอิงที่ -3.51 จากตาราง การศึกษาไมสามารถปฏิเสธ 

สมมติฐาน Non-Stationarity ใหอัตรา Credit Spreads อัตราใดไดเลย ดังนั้น การศึกษาจึงไดตรวจสอบตอไปวา 

ขอความจริงที่การศึกษาไมสามารถปฏิเสธสมมติฐานเปนเพราะเหตุที่ขอมูลอนุกรมเวลามีลักษณะ High Persistence 

หรือเปนเพราะเหตุที่มีลักษณะ Non-Stationarity จริง การตรวจสอบทําโดยการพิจารณาคาสัมประสิทธิ์อัตตสหสัมพันธ 

ของอัตรา Credit Spreads ยอนหลังกลับไป 1 งวด จนถึง 6 งวด ซึ่งพบวา คาสถิติอัตตสหสัมพันธกับขอมูลที่เกิดขึ้น 1 

งวดกอนหนามีระดับประมาณ 0.95 แตระดับไดลดลงอยางรวดเร็วและเหลือเพียงประมาณ 0.75 กับขอมูลที่เกิดขึ้น 6 

งวดกอนหนา เมื่อผลการตรวจสอบเพิ่มเติมเปนเชนนี้ การศึกษาจึงสรุปวาอัตรา Credit Spreads มีลักษณะ 

Stationarity ดวยเหตุผลซึ่ง Chen et al. (1992) ไดอธิบายไว 

7


คาสถิติเชิงพรรณนาของอัตรา Credit Spreads ซึ่งคํานวณโดยใชขอมูลที่ ThaiBMA รายงาน 

สําหรับอันดับเครดิต AAA จนถึงอันดับเครดิต BBB 

อันดับ AAA อันดับ AA อันดับ A อันดับ BBB 

คาสถิติ * 

1 ป 2 ป 3 ป 5 ป 7 ป 10 ป 1 ป 2 ป 3 ป 5 ป 7 ป 10 ป 1 ป 2 ป 3 ป 5 ป 7 ป 10 ป 1 ป 2 ป 3 ป 5 ป 7 ป 10 ป 

Average 48.62 58.43 65.40 75.21 82.17 89.88 61.58 73.42 81.82 93.65 102.05 111.35 93.13 107.31 117.37 131.55 141.61 152.75 214.18 246.18 268.89 300.89 323.60 348.73 

SD 33.95 34.98 35.95 37.63 39.01 40.71 39.99 41.67 43.01 45.09 46.69 48.56 62.63 64.20 65.49 67.53 69.13 71.04 86.51 89.45 92.70 98.70 103.83 110.22 

Skew 1.50 1.40 1.32 1.19 1.11 1.01 1.45 1.37 1.31 1.20 1.12 1.03 1.07 1.02 0.96 0.88 0.82 0.75 0.45 0.20 0.06 -0.07 -0.11 -0.12 

EKur 0.93 0.72 0.56 0.36 0.23 0.11 0.70 0.54 0.42 0.25 0.14 0.02 -0.33 -0.39 -0.45 -0.54 -0.61 -0.69 -1.11 -1.38 -1.52 -1.61 -1.60 -1.54 

Max 139.15 150.43 158.43 169.71 179.71 191.75 164.89 180.06 190.83 206.00 216.76 228.68 236.72 253.45 265.31 282.04 293.91 307.04 419.64 438.10 451.20 469.66 482.76 510.50 

Min 19.71 28.49 32.74 37.20 40.37 43.62 29.82 37.07 40.61 43.71 45.91 48.34 38.76 46.04 50.32 54.79 57.96 61.48 92.85 119.04 137.62 152.36 161.07 170.72 

DF -0.88 -0.89 -0.94 -1.06 -1.15 -1.25 -1.15 -1.20 -1.25 -1.34 -1.41 -1.49 -0.83 -0.86 -0.89 -0.94 -0.99 -1.04 -1.38 -1.40 -1.44 -1.50 -1.55 -1.61 

* 

Average หมายถึงคาเฉลี่ยเลขคณิต SD หมายถึงคาเบี่ยงเบนมาตรฐาน Skew หมายถึงคาสกิวเนส EKur หมายถึงคาเคอรโตซิสสวนเกิน Max หมายถึงคาที่สูงที่สุด Min หมายถึงคาที่ต่ําที่สุด และ DF หมายถึงคาสถิติ Dickey-Fuller 


คาสถิติเชิงพรรณนาของอัตรา Credit Spreads ซึ่งคํานวณโดยใชขอมูลจากการสํารวจความคิดเห็นของผูคาตราสารหนี้ 

สําหรับอันดับเครดิต BB จนถึงอันดับเครดิต CCC/C 

อันดับ BB อันดับ B อันดับ CCC/C 

คาสถิติ* 

1 ป 2 ป 3 ป 5 ป 7 ป 10 ป 1 ป 2 ป 3 ป 5 ป 7 ป 10 ป 1 ป 2 ป 3 ป 5 ป 7 ป 10 ป 

Average 359.78 411.67 471.11 488.75 563.75 628.13 558.33 637.78 716.11 801.25 921.88 1,031.88 803.56 918.33 1,013.78 1,055.63 1,193.13 1,344.50 

SD 75.34 97.18 134.14 108.32 159.67 191.71 250.02 294.92 387.97 566.55 695.07 824.44 476.57 602.13 739.63 899.39 1,062.94 1,221.75 

Skew 0.38 0.02 0.19 0.42 1.00 1.02 0.71 0.81 1.47 2.20 2.20 2.22 1.23 1.39 1.47 2.33 2.35 2.35 

E. Kur. -0.22 -1.39 -2.09 -1.82 -0.78 -1.03 -0.83 -0.13 2.12 5.11 5.06 5.17 1.18 1.56 1.47 5.68 5.76 5.77 

Max 495.00 555.00 620.00 600.00 800.00 900.00 1,000.00 1,200.00 1,500.00 2,000.00 2,400.00 2,800.00 1,800.00 2,200.00 2,500.00 3,000.00 3,500.00 4,000.00 

Min 250.00 275.00 300.00 350.00 400.00 450.00 300.00 325.00 350.00 400.00 450.00 500.00 350.00 375.00 390.00 450.00 480.00 550.00 

ผูตอบ 9 9 9 8 8 8 9 9 9 8 8 8 9 9 9 8 8 8 

* 

Average หมายถึงคาเฉลี่ยเลขคณิต SD หมายถึงคาเบี่ยงเบนมาตรฐาน Skew หมายถึงคาสกิวเนส EKur หมายถึงคาเคอรโตซิสสวนเกิน Max หมายถึงคาที่สูงที่สุด Min หมายถึงคาที่ต่ํา สุดทาย ผูตอบหมายถึงจํานวนรายของผูตอบจากผูคาตราสารหนี้ที่เขารวมในโครงการศึกษาทั้งหมด 9 ราย 

8

ขอมูลสําหรับอันดับเครดิต BB จนถึง CCC/C 

การวิเคราะหเพื่อระบุ Risk-Neutral TPM สําหรับประเทศไทยตองอางอิงขอมูล Credit Spreads ของตราสาร 

หนี้ที่มีอันดับเครดิตต่ํากวาอันดับ BBB ไดแกอันดับ BB B และ CCC/C ดวย แตขอมูลเหลานี้ไมมีการรายงานไว ณ ที่ 

ใดเนื่องจากตลาดตราสารหนี้ไทยมีขอมูลซึ่งมีอันดับเครดิตต่ํากวาอันดับ BBB ซื้อขายกันนอยมากจนถึงไมมีการซื้อขาย 

ซึ่งปญหาการขาดขอมูลเพราะตราสารหนี ้ที่มีอันดับเครดิตต่ํามีการซื้อขายกันนอยหรือไมมีการซื้อขายเปนปญหาที่พบ 

ทั่วไปทั้งในตลาดประเทศที่พัฒนาแลว เชนตลาดตราสารหนี้ของประเทศสหรัฐอเมริกา ดังที่ Trueck and Rachev 

(2009) ไดตั้งขอสังเกตไว และในตลาดเกิดใหมเชนตลาดตราสารหนี้ของประเทศไทย ดังที่การศึกษาของ 

Wongweerawit (2005) ไดประสบ เปนตน 

เพื่อใหการศึกษาสามารถดําเนินตอไปได ผูเขียนจึงจัดเก็บขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต 

BB B และ CCC/C เองโดยวิธีสํารวจความคิดเห็นจากผูคาตราสารหนี้ (Dealer Poll) การใชวิธี Dealer Poll เพื่อเก็บ 

ขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิตที่ต่ําในกรณีที่การซื้อขายตราสารหนี้มีนอยหรือตราสารหนี้ไมมีการ 

ซื้อขายเปนวิธีทางเลือกที่เปนที่ยอมรับและไดมีการใชงานวิธีนี้ไปกอนหนานี้แลวในทางปฏิบัติในตลาดตางประเทศ 

โดยเฉพาะตลาดอนุพันธของอันดับเครดิตเมื่อตราสารหนี้เกิดบิดพลิ้วหรือถูกปรับลดอันดับเครดิต และการชําระราคา 

ดวยเงินสดที่ตองคํานวณจากราคาตลาดของตราสารหนี้ที ่อนุพันธอางอิงถึงฉบับนั้น ดังที่ J.P. Morgan (1999) ได 

อธิบายไว 

ผูเขียนทํา Dealer Poll เพื่อเก็บขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิตตั้งแต BB ถึง CCC/C โดย 

ใชแบบสอบถาม ซึ่งในแบบสอบถามที่ใชนั้น ผูเขียนไดรายงานขอมูลคาเฉลี่ยอัตรา Credit Spreads สําหรับอันดับ 

เครดิต AAA ถึง BBB ตามที่ปรากฏในตารางที่ 2 ใหผูคาตราสารหนี้ผูตอบแบบสอบถามไดรับทราบดวย 2 

ผูเขียนตรวจสอบพบวา ผูคาตราสารหนี้ในตลาดตราสารหนี้ไทยมีทั้งหมด 43 ราย แตในป 2554 มีผูคาเพียง 

32 รายเทานั้นที่มีธุรกรรมซื้อขายตราสารหนี้เอกชน นอกจากนั้น การคาตราสารหนี้ยังกระจุกตัวอยูในหมูผูคารายใหญ 

เพียงนอยรายเทานั้น เนื่องจากผูคาที่มีธุรกรรมในตลาดนอยหรือไมมีธุรกรรมเปนผูคาที่ไมมีอิทธิพลในการกําหนด 

ราคาและอาจมีขอมูลจํากัดเกี่ยวกับพฤติกรรมราคาตราสารหนี้ ดังนั้น ในการทํา Dealer Poll ผูเขียนจึงจะสอบถาม 

ความเห็นจากผูคาขนาดใหญที่มีมูลคาการซื้อขายในป 2554 ไมนอยกวา 2% ของมูลคาการซื้อขายรวม ผูเขียนพบวา 

ผูคาที่มีลักษณะเขาขายมีทั้งหมด 11 ราย ซึ่งมูลคาการซื้อขายของผูคาทั้ง 11 รายรวมเทากับ 91.50% ผูเขียนสอบถาม 

ผูคาทุกรายโดยเจาะจงใหตัวแทนของผูคาซึ่งตอบแบบสอบถามตองมีตําแหนงหนาที่รับผิดชอบการคาตราสารหนี้ของ 

ผูคา ตัวอยางของตําแหนงของตัวแทนผูตอบแบบสอบถาม เชน ตําแหนง Head of Fixed Income Investment และ 

ตําแหนง Fixed Income Trader เปนตน ในจํานวนกลุมเปาหมาย 11 ราย ผูเขียนไดรับความรวมมือจากผูคาจํานวน 9 

ราย ซึ่งมีมูลคาการซื้อขายรวม 83.24% 

คาสถิติเชิงพรรณนาของอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C ที่คํานวณโดยใชขอมูล 

จากการทํา Dealer Poll ซึ่งไดดําเนินการไประหวางวันที่ 3 มกราคม 2555 ถึงวันที่ 9 มีนาคม 2555 ไดรายงานไวใน 

ตารางที่ 3 จากตารางผูเขียนพบวา คาเฉลี่ยของอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C มีระดับ 

เพิ่มขึ้นตามอายุของกระแสเงินในลักษณะทํานองเดียวกันกับที่พบสําหรับอันดับเครดิตตั้งแต BBB ขึ้นไป อัตรา Credit 

2 ขอมูลคาเฉลี่ยอัตรา Credit Spreads สําหรับอันดับเครดิต AAA ถึง BBB ที่รายงานใหผูคาตราสารหนี้ทราบ ไดรับการออกแบบใหทํา 

หนาที่เปนขอมูล Anchoring แกผูตอบในการใหความเห็นเกี่ยวกับอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C ดู 

Kahneman (2011) 

9

Spreads เรียงตัวกันจากอัตราที่ต่ํากวาสําหรับอันดับเครดิตที่สูง ไปสูอัตราที่สูงกวาสําหรับอันดับเครดิตที่ต่ํา ซึ่งเปน 

3 

ลักษณะที่สอดคลองกับที่พึงเปนตามทฤษฎี 

ขอมูลอัตรา Credit Spreads จากการทํา Dealer Poll ซึ่งชี้โดยคาเบี่ยงเบนมาตรฐานและสวนตางของคาสูงสุด 

และคาต่ําสุด มีการกระจายตัวมากกวาการกระจายตัวของขอมูลที่เก็บจาก ThaiBMA ทั้งนี้เหตุผลสวนหนึ่งอาจเปน 

เพราะการใหความเห็นเปนการใหความเห็นเกี่ยวกับราคาของตราสารหนี้ที่ไมมีอยูจริง ณ วันที่ใหความเห็น ทําใหผูคา 

เองมีขอมูลที่จํากัดมากเกี่ยวกับตราสารหนี้ที่อางอิงถึง การกระจายตัวของขอมูลมีลักษณะเบทางขวาเชนเดียวกับ 

ขอมูลสําหรับอันดับเครดิตตั้งแต BBB ขึ้นไป ซึ่งเหตุผลสวนหนึ่งอาจเปนเพราะอัตรา Credit Spreads ที่ตองมีคาเปน 

บวกเทานั้น 

ขอมูลอัตรา Recovery Rate 

อัตรา Recovery Rate ที่ถือเปน Stylized Facts จากตลาดตราสารหนี้ที่พัฒนาไปกอนหนาเปนอัตราที่สูงกวา 

สําหรับผูออกและตราสารหนี้ที่มีอันดับเครดิตสูง หรือสําหรับตราสารหนี้ที่อันดับเครดิตเดียวกันแตมีบุริมสิทธิ์ 

เหนือกวา ดังตัวอยางที่รายงานโดย Moody’s Investors Service (2011) นอกจากนี้ ในทางวิชาการ นักวิชาการเชน 

Lando (2000, น. 155) ไดสนับสนุนใหการวิเคราะหตราสารหนี้ทําการตั้งเปนสมมติฐานใหอัตรา Recovery Rate มี 

ระดับที่ขึ้นกับอันดับเครดิตที่ผูออกหรือตราสารหนี้ไดรับกอนที่เหตุการณบิดพลิ้วจะเกิดขึ้น เพราะจะทําใหการวิเคราะห 

มีความสอดคลองกับเหตุการณที่เปนจริงในตลาดมากกวา 

ผูเขียนตระหนักถึง Stylized Facts ของอัตรา Recovery Rate จากตลาดตราสารหนี้ในตางประเทศและ 

ยอมรับในหลักการวา เมื ่อใชอัตรา Recovery Rate ที่ปรับตามอันดับเครดิตและบุริมสิทธิ์แลว การวิเคราะหควรให 

ผลลัพธที่สอดคลองกับความเปนจริงมากกวา แตในการศึกษานี้ ผูเขียนยืนยันจะตั้งเปนสมมติฐานใหอัตรา Recovery 

Rate เปนอัตราเดียวสําหรับตราสารหนี้ทุกรุน ดวยเหตุผล 2 ประการคือ ประการแรก เมื่อผูเขียนไดพิจารณาตลาดตรา 

สารหนี้ไทยที่มีประสบการณเกี่ยวกับเหตุการณบิดพลิ้วของตราสารหนี้จํานวนนอยรุน และแตละรุนที่บิดพลิ้วไมได 

กระจายออกไปออกไปตามอันดับเครดิตครบทุกอันดับ การระบุอัตรา Recovery Rate โดยใชประสบการณในตลาด 

ตราสารหนี้ไทยจึงไมสามารถทําไดสําหรับอันดับเครดิตทุกอันดับจนครบถวน และ ประการที่สอง การวิเคราะหซึ่งตั้ง 

เปนสมมติฐานใหอัตรา Recovery Rate มีเพียงอัตราเดียวเปนการวิเคราะหที่เรียบงาย และเปนแนวทางที่การศึกษา 

เชิงประจักษในตางประเทศที่มีการอางอิงถึงกวางขวางในวงวิชาการเชน การศึกษาของ Lando and Mortensen (2005) 

และ Albanese and Chen (2006) ไดเลือกใช 

ขอมูลอัตรา Recovery Rate สําหรับตราสารหนี้ในประเทศไทยที่ผูเขียนมีเปนทางเลือกมีอยูจํานวนหนึ่ง อาทิ 

ขอมูลที่รายงานโดย Moody’s Investors Service (2009) วา อัตรา Recovery Rate ของตราสารหนี้ที่อยูในประเทศ 

กลุมเอเชียแปซิฟกมีระดับเทากับ 29.20% 30.90% และ 36.20% สําหรับตราสารหนี้ไมดอยสิทธิและมีหลักประกัน หุน 

กูไมดอยสิทธิแตไมมีหลักประกัน และหุนกูดอยสิทธิ ตามลําดับ ขอมูล Recovery Rate ที่ Nakonthab et al. (2007) ตั้ง 

เปนสมมติฐานใหเทากับ 50.00% สําหรับกลุมเงินใหกูของธนาคารพาณิชยไทย และขอมูล Recovery Rate ระดับ 60% 

ที่ Wongweerawit (2005) คํานวณจากราคาตราสารหนี้ที่มีการซื้อขายจริงในตลาดตราสารหนี้ไทยผานตัวแบบจําลอง 

ทางทฤษฎีเพื่อกําหนดราคาตราสารหนี้ เปนตน 

ผูเขียนเลือกที่จะไมใชขอมูล Recovery Rate ที่มีเปนทางเลือกในยอหนาบน เพราะขอมูลที่ Moody’s 

Investors Service (2009) รายงานเปนขอมูลเฉลี่ยสําหรับประเทศกลุมเอเชียแปซิฟก ซึ่งแมมีประเทศไทยเปนสมาชิก 

แตเนื่องจากเหตุการณการบิดพลิ้วที่เกิดขึ้นในประเทศไทยในชวงเวลาที่ Moody’s Investors Service ใชคํานวณอัตรา 

3 ผูเขียนตรวจสอบขอมูลที่ผูคาแตละรายตอบดวยและพบวา การเรียงตัวของอัตรา Credit Spreads เปนการเรียงตัวที่ถูกตองตามทฤษฎี 

10

Recovery Rate เปนชวงที่เหตุการณบิดพลิ้วในตลาดการเงินไทยเกิดขึ้นจริงจํานวนนอยครั้ง อัตรา Recovery Rate ที่ 

Moody’s Investors Service รายงานจึงอาจไมเหมาะสําหรับตลาดตราสารหนี้ไทย ผูเขียนไมพิจารณาใชอัตรา 

Recovery Rate ของ Nakonthab et al. (2007) เพราะ Nakonthab et al. ระบุไวชัดเจนวาเปนอัตราสําหรับกลุมเงินให 

กูของธนาคารพาณิชยไมใชสําหรับกลุมตราสารหนี้ ในขณะที่ Moody’s Investor Service (2009) รายงานวาอัตรา 

Recovery Rate ของกลุมเงินใหกูและกลุมตราสารหนี้อาจแตกตางกันมาก และผูเขียนพิจารณาไมใชอัตรา Recovery 

Rate ของ ที่ Wongweerawit (2005) เพราะความถูกตองแมนยําของอัตราขึ้นกับความถูกตองแมนยําของตัว 

แบบจําลองทางทฤษฎีที่ใชกําหนดราคาตราสารหนี้เอกชน ซึ่ง Wongweerawit ไดยอมรับวายังไมสามารถระบุชัดเจนถึง 

ตัวแบบจําลองที่สามารถกําหนดราคาตราสารหนี้ไดอยางถูกตอง 

ผูเขียนตั้งขอสังเกตวา อัตรา Recovery Rate เปนมูลคาปจจุบันของกระแสเงินที่ผูถือตราสารหนี้จะเรียกรับ 

คืนไดจากผูออกเมื่อตราสารหนี้บิดพลิ้ว ดังนั้น ในสาระ อัตรา Recovery Rate ของตราสารหนี้จึงตองหมายถึง ราคา 

ตราสารหนี้ฉบับนั้นที่ถูกกําหนด ณ วันที่ตราสารหนี้บิดพลิ้ว การตีความอัตรา Recovery Rate ในฐานะราคาตราสาร 

หนี้ ณ วันที่ตราสารหนี้บิดพลิ้ว เปนการตีความที่สอดคลองกับนิยามที่สถาบันจัดอันดับเครดิตชั้นนําเชน Moody’s และ 

Standard and Poor’s ใชสําหรับเก็บขอมูลเพื่อคํานวณอัตรา Recovery Rate ในตลาดและในกลุมประเทศตางๆ 

เมื่ออัตรา Recovery Rate สามารถพิจารณาไดวาเปนราคาตราสารหนี้เมื่อบิดพลิ้ว ในกรณีที่ตลาดตราสาร 

หนี้ไทยมีตราสารหนี้ที่บิดพลิ้วจํานวนนอยรายทําใหไมสามารถระบุอัตรา Recovery Rate ไดจากขอมูลที่เกิดขึ้นจริง 

การใชขอมูล Recovery Rate จากการทํา Dealer Poll จึงเปนวิธีที่มีความเหมาะสม เปนที่ยอมรับดวยเหตุผลใน 

ลักษณะทํานองเดียวกันกับเหตุผลสําหรับการระบุอัตรา Credit Spreads ผูเขียนใชขอมูลเพื่อคํานวณอัตรา Recovery 

Rate จากการทํา Dealer Poll ที่ไดรับมาพรอมกับขอมูลเพื่อคํานวณอัตรา Credit Spreads ตามที่ไดพรรณนาไป 

ขางตน คาสถิติเชิงพรรณนาของอัตรา Recovery Rate ไดรายงานไวในตารางที่ 4 และในการศึกษานี้ ผูเขียนจะ 

กําหนดใหอัตรา Recovery Rate เทากับคาเฉลี่ยที่คํานวณไดระดับ 33.75% 


คาสถิติเชิงพรรณนาของอัตรา Recovery Rate ซึ่งคํานวณโดยใชขอมูลจากการสํารวจ 

คาสถิติ * 

ระดับ 

Average 33.75% 

SD 25.60% 

Skew 0.60 

E. Kur. 0.18 

Max 80.00% 

Min 0.00% 

ผูตอบ 8 

* Average หมายถึงคาเฉลี่ยเลขคณิต SD หมายถึงคาเบี่ยงเบนมาตรฐาน Skew หมายถึงคาสกิวเนส EKur หมายถึงคาเคอรโตซิสสวนเกิน Max หมายถึงคาที่สูงที่สุด Min หมายถึงคาที่ต่ําที่สุด สุดทาย ผูตอบ 

หมายถึงจํานวนรายของผูตอบจากผูคาตราสารหนี้ที่เขารวมในโครงการศึกษาทั้งหมด 9 ราย 

ระดับความนาจะเปนที่จะบิดพลิ้วซึ่งโดยนัยในโลกที่ผูลงทุนเปนกลางตอความเสี่ยง 

เมื่อผูเขียนมีขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิตและแบงแยกตามอายุของกระแสเงิน ซึ่งคือ 

คาเฉลี่ยที่รายงานในตารางที่ 2 และตารางที่ 3 และมีขอมูลอัตรา Recovery Rate ซึ่งคือคาเฉลี่ยที่รายงานในตารางที่ 4 

แลว กอนที่ผูเขียนจะทําการวิเคราะหเพื่อเปรียบเทียบวิธีทางเลือกสําหรับระบุ Risk-Neutral TPM ผูเขียนจะคํานวณ 

ระดับความนาจะเปนที่จะบิดพลิ ้วในโลกที่ผูลงทุนเปนกลางตอความเสี่ยงจากขอมูลที่มีโดยอางอิงความสัมพันธทาง 

ทฤษฎีระหวางระดับความนาจะเปน อัตรา Credit Spreads อัตรา Recovery Rate และอายุของกระแสเงินกอน 

ผลลัพธจากการคํานวณมีประโยชนเพราะเปนระดับความนาจะเปนที่ตองเทากับผลลัพธจากวิธีทางเลือกที่ผูเขียนจะใช 

กําหนด Risk-Neutral TPM และผูเขียนจะใชเปนระดับความนาจะเปนที่คํานวณไดนี้เปนขอมูลขั้นตนเพื่อตรวจสอบวา 

11

วิธีทางเลือกเหลานั้นจะรายงานความนาจะเปนไดสอดคลองหรือไมกับลักษณะที่พึงพบตามทฤษฎี ไดแกความนาจะ 

เปนตองมีคาไมเกิน 100% และตองมีระดับที่สูงกวาความนาจะเปนที่จะบิดพลิ้วที่อานไดจาก Real-World TPM 


ระดับความนาจะเปนที่จะบิดพลิ้วซึ่งโดยนัยในโลกที่ผูลงทุนเปนกลางตอความเสี่ยง 

เปรียบเทียบกับระดับที่อานไดจาก Real-World TPM * 

อายุ 1 ป อายุ 2 ป อายุ 3 ป อายุ 5 ป อายุ 7 ป อายุ 10 ป 

อันดับ Risk- 

Neutral 

Real- 

World 

Risk- 


Real- 

World 



Real- 

World 



Real- 

World 



Real- 

World 



Real- 

World 

AAA 0.73% 0.01% 1.75% 0.04% 2.93% 0.09% 5.57% 0.27% 8.44% 0.55% 12.97% 1.22% 

AA 0.93% 0.03% 2.20% 0.10% 3.66% 0.23% 6.90% 0.65% 10.41% 1.27% 15.91% 2.54% 

A 1.40% 0.27% 3.21% 0.64% 5.22% 1.08% 9.61% 2.19% 14.24% 3.55% 21.38% 5.94% 

BBB 3.20% 2.43% 7.25% 4.87% 11.70% 7.28% 21.08% 11.96% 30.60% 16.38% 44.44% 22.39% 

BB 5.33% 7.65% 11.93% 14.27% 19.89% 20.08% 32.73% 29.78% 49.22% 37.52% 70.40% 46.41% 

B 8.20% 7.71% 18.08% 16.59% 29.18% 25.28% 49.83% 40.24% 71.77% 51.72% 97.16% 63.76% 

CCC/C 11.65% 32.03% 25.33% 49.69% 39.58% 60.16% 61.90% 71.64% 85.47% 77.98% 111.60% 83.80% 

* Risk-Neutral หมายถึงระดับความนาจะเปนในโลกที่ผูลงทุนเปนกลางตอความเสี่ยงที่คํานวณไดจากขอมูลและความสัมพันธทางทฤษฎีตามที่ปรากฏในคําพรรณนาสมการที่ (3) สวน Real-World หมายถึง 

ความนาจะเปนในโลกแหงความเปนจริงที่คํานวณโดยใชขอมูล และตามความสัมพันธทางทฤษฎีตามสมการที่ (1) 

ระเบียบวิธีวิจัย 

วิธีทางเลือกเพื่อระบุ Risk-Neutral TPM 

Trueck and Rachev (2009) สรุปวา วิธีทางเลือกซึ่งสามารถใชเพื่อระบุ Risk-Neutral TPM สามารถแบงได 

5 กลุม คือ 

กลุมแรก เปนกลุมที่เสนอโดย Jarrow et al. (1997) และขยายผลโดย Kajima and Komoribayashi (1998) 

ซึ่งปรับ Real-World TPM โดยใช “คาชดเชยความเสี่ยง” (Risk Premium) ใหเปน Risk-Neutral TPM ทั้งนี้ Risk- 

Neutral ที่เกิดขึ้นเปนผลลัพธตองสามารถคํานวณราคาตราสารหนี้ตามทฤษฎีไดตรงกับราคาตราสารหนี้ที่มีการซื้อขาย 

จริงในตลาด 

กลุมที่สอง เสนอโดย Lando (2000) ซึ่งระบุ Risk-Neutral TPM จาก Real-World TPM ที่มีอายุ 1 งวด โดย 

ในขั้นแรกทําการปรับ Real-World TPM ใหเปนเมทริกซ Generator จากนั้นจึงปรับเมทริกซ Generator ใหเปนเมท 

ริกซสําหรับ Risk-Neutral TPM ภายใตเงื่อนไขที่ TPM ที่เกิดขึ้นเปนผลลัพธตองสามารถรายงานราคาตราสารหนี้ตาม 

ทฤษฎีไดตรงกับราคาตราสารหนี้ที่มีการซื้อขายจริงในตลาด 

กลุมที่สาม เสนอโดย McNulty and Levin (2000) ซึ่งกําหนด Risk-Neutral TPM โดยอางอิงโครงสรางทาง 

การเงินและตัวแบบจําลอง Capital Asset Pricing Model รวมกับการใชขอมูล Real-World TPM ขอมูล Credit 

Spreads ขอมูลอัตราผลตอบแทนสวนเกินของตลาด และขอมูลคาสัมประสิทธิ์สหสัมพันธของหุนของผูออกตราสารหนี้ 

ที่มีตออัตราผลตอบแทนของตลาด 

กลุมที่สี่ เสนอโดย Lando and Mortensen (2005) ซึ่งระบุ Risk-Neutral TPM จากเงื่อนไข First-Oreder 

Condition ของตัวแบบจําลองทางเศรษฐศาสตรซึ่งผูลงทุนแบงเงินลงทุนไปลงทุนในสินทรัพยที่มีความเสี่ยงสวนหนึ่ง 

และสินทรัพยที่ปราศจากความเสี่ยงอีกสวนหนึ่งเพื่อทําใหระดับอรรถประโยชนที่คาดมีระดับที่สูงที่สุด 

กลุมที่หา เสนอโดย Albanese and Chen (2006) ซึ่งระบุ Risk-Neutral TPM จากพฤติกรรมเชิงสุมของตัว 

แปรที่ชี้ระดับความนาเชื่อถือดานเครดิตของผูออกหรือตราสารหนี้ที่จะเคลื่อนขามระดับอางอิงสําหรับอันดับเครดิต 

ตางๆ ทั้งนี้ พฤติกรรมของตัวแปรสามารถพรรณนาไดโดยใชคาพารามิเตอรของกระบวนการเชิงสุม (Stochastic 

Process) ของตัวแปรนั้นซึ่งกําหนดไดจากขอมูล Real-World TPM และขอมูล Credit Spreads 

12

การคัดกรองวิธีทางเลือกเพื่อการเปรียบเทียบ 

การศึกษาจะเปรียบเทียบวิธีทางเลือกเพื่อระบุวิธีที่เหมาะสมสําหรับการใชงานจริงในตลาดตราสารหนี้ไทย 

การศึกษาเสนอจะคัดกรองวิธีทางเลือกที่มีเหลานั้นในชั้นตนเพื่อใหเหลือวิธีที่เหมาะสมจํานวนหนึ่งสําหรับเปรียบเทียบ 

การคัดกรองสําคัญเพราะ การศึกษาวิธีการทางเลือกทั้งหมดที่เปนจํานวนมากสิ้นเปลืองทรัพยากร ในขณะที่ทรัพยากร 

มีจํากัด นอกจากนี้ การวิเคราะหในเบื้องตนถึงวิธีทางเลือกทําใหผูเขียนสามารถระบุเหตุผลที่ตรงไปตรงมาและเพียงพอ 

สําหรับการตัดไมพิจารณาวิธีทางเลือกบางวิธีหรือบางกลุมไดแลว 

ผูเขียนเสนอเปรียบเทียบวิธีทางเลือกจํานวน 3 วิธี คือวิธีของ Jarrow et al. (1997) วิธีของ Kajima and 

Komoribayashi (1998) และวิธี Modifying Default Intensities ของ Lando (2000) ผูเขียนเลือกที่จะพิจารณาวิธีของ 

Jarrow et al. (1997) และวิธีของ Kajima and Komoribayashi (1998) เพราะเปนวิธีที่มีผูอางอิงถึงมากที่สุด เรียบงาย 

และไดรับการยอมรับแลวอยางกวางขวางจนถึงระดับที่บรรจุในหนังสือ เชน หนังสือของ Trueck and Rachev (2009) 

และใชเปนตัวแบบจําลองเพื่อการเปรียบเทียบในงานวิจัย เชนงานวิจัยของ Albanese and Chen (2006) ผูเขียนเลือก 

พิจารณาวิธี Modifying the Row of the Generator Matrix ของ Lando (2000) เพราะ Trueck and Rachev (2009) ชี้ 

วา Risk-Neutral TPM ที่เปนผลลัพธของวิธีนี้มีลักษณะเหมาะสมกับพฤติกรรมความเสี่ยงดานเครดิตในตลาดการเงินใน 

กรณีทั่วไป ในขณะที่วิธี Modifying the Rows of the Generator Matrix และวิธี Modifying Eigenvalues of the 

Transition Probability Matrix ที่ Lando เสนอไวพรอมกัน ให Risk-Neutral TPM ที่มีลักษณะเหมาะกับพฤติกรรม 

ความเสี่ยงดานเครดิตเฉพาะในชวงที่ตลาดตราสารหนี้มีความผันผวนสูง 

ผูเขียนเลือกที่จะไมพิจารณาวิธีที่ McNulty and Levin (2000) เสนอเพราะการกําหนด Risk-Neutral TPM 

ตองอางอิงกับอันดับเครดิตและยังตองอางอิงกับคาสัมประสิทธิ์สหสัมพันธที่หุนสามัญของผูออกมีตออัตราผลตอบแทน 

ของตลาด เงื่อนไขการอางอิงกับคาสัมประสิทธิ์สหสัมพันธเปนเงื่อนไขเพิ่มเติมที่ไมสอดคลองกับการวิเคราะหความ 

เสี่ยงดานเครดิตที่อางอิงถึงเฉพาะตัวอันดับเครดิตที่สนใจเพียงอยางเดียว นอกจากนั้น การระบุ Risk-Neutral TPM 

ของ McNulty and Levin ยังไมอางอิงราคาตามทฤษฎีกับราคาตลาดของหุนกู ผูเขียนเลือกที่จะไมพิจารณาวิธีของ 

Lando and Mortensen (2005) เพราะวิธีนี้ไมสามารถระบุ Risk-Neutral TPM สําหรับกระแสเงินที่มีระยะเวลา 1 ปได 

แมวิธีนี้จะไดรับการออกแบบให Risk-Neutral TPM ที่ไดเปนผลลัพธมีระดับความนาจะเปนที่สอดคลองกับพฤติกรรม 

ตามความเชื่อของตลาดก็ตาม สุดทาย ผูเขียนเลือกที่จะไมพิจารณาวิธีของ Albanese and Chen (2006) แม Risk- 

Neutral TPM ที่เปนผลลัพธสามารถใหระดับความนาจะเปนที่สอดคลองกับความเชื่อของตลาดไดเชนกัน เพราะ ตัว 

แบบจําลองอางอิงถึงคาพารามิเตอรจํานวนมากที่จําเปนตองใชเพื่อพรรณนาพฤติกรรมของตัวแปรที่ชี้ระดับความ 

นาเชื่อถือดานเครดิต ตัวแบบจําลองมีความซับซอนมาก และการกําหนดตัวแบบจําลองมีขั้นตอนยุงยากเกินกวาที่จะ 

นํามาประยุกตใชงานจริงในตลาดตราสารหนี้ไทย 

รายละเอียดของวิธีที่เลือกมาพิจารณาเปรียบเทียบ 

กําหนดให P N เปน Real-World TPM สําหรับกระแสเงินที่มีอายุ N ป ซึ่งมีขนาด K K โดยที่สมาชิก 

N 

p , ที่อยูในแถวนอนที่ i และแถวตั้งที่ j ทําหนาที่ระบุระดับความนาจะเปนที่ตราสารหนี้ที่มีอันดับเครดิต i ณ ตนปที่ 

1 จะมีอันดับเครดิตเปลี่ยนแปลงไปเปนอันดับเครดิต j ณ สิ้นปที่ N ดังนี้ 

P N 

N N 

p , … p ,K 

 

N N 

P N (1) 

… p K,K 

0.00 … 1.00 

p K, 

13

โดยที่ p N , 0 i j และ p , 

N 1∑ 

K 

 

 

N 

p , 

สัญลักษณ i 1 แสดงถึงอันดับเครดิตสูงสุด 

สัญลักษณ i K แสดงอันดับเครดิตต่ําสุดคืออันดับ Default การศึกษาสนใจจะระบุ Risk-Neutral TPM สําหรับ 

กระแสเงินที่มีอายุ N ป ซึ่งเปนเมทริกซ Q ขนาด K K ตอไปนี้ 

Q N 

N N 

q , … q ,K 

 

N N 

(2) 

… q K,K 

0.00 … 1.00 

q K, 

โดยที่ q N , 0 i j และ q , 

N 1∑ 

K 

 

 

N 

q , 

โดยใชวิธีที่แตกตางกันจํานวน 3 วิธี 

วิธีของ Jarrow et al. (1997) 

Jarrow et al. (1997) กําหนด Risk-Neutral TPM Q N โดยอางอิงกับ Real-World TPM P N 

ระดับ Credit Spreads และและอัตรา Recovery Rate ผานความสัมพันธ 

N π N N 

p , เมื่อ j i 

 

1π N 1 p N , เมื่อ j i 

q , 

(3) 

N 

โดยที่คาชดเชยความเสี่ยง π คํานวณจาก π N ,K 

N 

N 

N ระดับความนาจะเปนที่จะบิดพลิ้ว q 

,K คํานวณจาก 

,K 

q N 

,K 

สัญลักษณ φ แสดงอัตรา Recovery Rate และสัญลักษณ s N แสดงระดับ Credit 

Spread ของตราสารหนี้ที่มีอันดับเครดิต i และมีอายุคงเหลือ N งวด ความสัมพันธในสมการที่ (3) ชี้วา ความนาจะ 

N 

เปน q , ไดรับการปรับใหสูงขึ้นหรือลดลงไปในทิศทางเดียวกัน ในอัตราที่เทากันสําหรับอันดับเครดิต ji ทุก 

N N 

อันดับและเทากับคาชดเชยความเสี่ยง π ที่มากกวาหรือนอยกวา 1.00 ตามลําดับ สวนความนาจะเปน q , 

คํานวณจากขอความจริงที่ผลรวมของความนาจะเปนสําหรับอันดับเครดิตที่อาจเกิดขึ้นในอนาคตทุกอันดับตองเทากับ 

N 

1.00 เปนที่พึงสังเกตวาในกรณีที่คาชดเชยความเสี่ยง π มีขนาดที่ใหญมาก ผลรวมของความนาจะเปน 

K 

∑ 

N 

N 

q , อาจมีคามากกวา 1.00 และคาความนาจะเปน q , ที่คํานวณไดเปนคาลบสงผลให Risk-Neutral TPM 

 

 

N N 

 

ที่ไดเปนผลลัพธไมสามารถเปนไปไดจริง (Infeasible TPM) 

วิธีของ Kajima and Komoribayashi (1998) 

เพื่อแกปญหาที่ Risk-Neutral TPM ของ Jarrow et al. (1997) อาจเปน TPM ที่เปนไปไมได Kajima and 

Komoribayashi (1998) จึงเสนอปรับการคํานวณคาชดเชยความเสี่ยง และวิธีการคํานวณ Risk-Neutral TPM โดย 

กําหนดใหคาชดเชยความเสี่ยงมีระดับเทากับ θ N ,K 

N 

N และ Risk-Neutral TPM Q N คํานวณไดจาก 

,K 

ความสัมพันธ 

N θ N N 

p , เมื่อ j K 

 

1θ N 1 p N ,K เมื่อ j K 

q , 

(4) 

14

N N 

ซึ่งปรับระดับความนาจะเปน p ,K ใหเพิ่มขึ้นหรือลดลงในอัตราเดียวกันในระดับเทากับคาชดเชยความเสี่ยง θ 

N N 

ใหเปนความนาจะเปน q ,K แลวคํานวณความนาจะเปน q ,K จากขอความจริงที่ผลรวมของความนาจะเปน 

สําหรับอันดับเครดิตที่อาจเกิดขึ้นในอนาคตทุกอันดับตองเทากับ 1.00 

วิธี Modifying Default Intensities ของ Lando (2000) 

วิธี Modifying Default Intensities ของ Lando (2000) แปลง Real-World TPM P ใหเปนเมทริกซ Real- 

World Generator GP P I P I 

ในขณะที่ I 

 

เปนเมทริกซ Identity ที่มีขนาด K K กําหนดตอไปใหเมทริกซ Generator G มีโครงสราง 

P I 

 

P I 

 

g , … g ,K 

 

G 

(5) 

g K, … g K,K 

0.00 … 0.00 

เมทริกซ Risk-Neutral Generator Λ N ซึ่งสัมพันธกับ Risk-Neutral TPM Q N NΛ N 

N N 

! 

∑ 

จะมีโครงสรางดังนี้ 

Λ N 

, γ N 1g ,K γ N g , 

γ N g ,K 

γ N g ,K 

g , γ N 1g ,K 

γ N g ,K 

 

 

 

(6) 

g γ N K g K, g K,K γ N 1g K,K γ N 

K g K,K 

0.00 0.00 

โดยที่สัญลักษณ γ 

N 

ระบุคาชดเชยความเสี่ยงสําหรับตราสารหนี้ที่มีอันดับเครดิต i และมีอายุของกระแสเงิน N งวด 

ที่ตองกําหนดใหสอดคลองกับระดับ Credit Spread ที่รอยละ s N และอัตรา Recovery Rate ที่รอยละ φ 

การกําหนด Risk-Neutral TPM ตามวิธีทางเลือกที่ปรับปรุงแลว 

การกําหนด Risk-Neutral TPM โดยวิธีทางเลือกทําโดยการเลือก Risk-Neutral TPM ที่ทําใหราคาตราสารหนี้ 

ที่กําหนดไดตามวิธีที่พิจารณา มีระดับเทากับราคาตราสารหนี้ที่กําหนดไดจากขอมูลอัตรา Credit Spreads นอกจากนี้ 

ระดับความนาจะเปนที่ผูออกหรือตราสารหนี้จะบิดพลิ้วตามที่อานไดจาก Risk-Neutral TPM ตองมีระดับเทากับความ 

นาจะเปนที่ชี้โดยนัยจากขอมูลอัตรา Credit Spreads อัตรา Recovery Rate และอายุของกระแสเงินดวย 

ผูเขียนตั้งขอสังเกตวา เมื่อความนาจะเปนที่จะบิดพลิ้วที่ชี้โดยนัยจากขอมูลมีลักษณะบางประการที่ขัดกับ 

ลักษณะที่พึงเปนตามทฤษฎีดังที่ประจักษแลวในตารางที่ 5 กลาวคือ ลักษณะที่พบวาความนาจะเปนในโลกที่ผูลงทุน 

เปนกลางตอความเสี่ยงมีระดับที่ต่ํากวาความนาจะเปนในโลกแหงความจริง และที่พบวาความนาจะเปนในโลกที่ผูลงทุน 

เปนกลางตอความเสี่ยงที่คํานวณไดมีคาเกินกวา 100% แลว Risk-Neutral TPM ที่ไดเปนผลลัพธจากคํานวณอยาง 

เครงครัดที่กําหนดให q N 

,K 

N N 

 

ตามวิธีทางเลือกจึงเปน TPM ที่ไมถูกตอง นอกจากนั้น Risk- 

Neutral TPM ที่เกิดจากการคํานวณตามวิธีทางเลือกของ Jarrow et al. (1997) อาจใหความนาจะเปนบางคาเปนลบ 

เพื่อแกปญหาที่การศึกษากําลังประสบนี้ ผูเขียนจึงเสนอปรับการคํานวณ Risk-Neutral TPM โดยวิธีทางเลือกเพื่อให 

Risk-Neutral TPM ที่ไดเปนผลลัพธเปน Risk-Neutral TPM ที่เปนไปได และระดับความนาจะเปนที่จะบิดพลิ้วมี 

ลักษณะสอดคลองเต็มที่กับลักษณะที่พึงคาดหวังตามทฤษฎี 

15

N 

กําหนดให B , เปนราคาหุนกูที่กําหนดอัตราคูปองเปนศูนย มีราคาที่ตรา 1 บาทและมีอายุคงเหลือ N ป ที่ 

N 

คํานวณไดตามทฤษฎี ภายใตวิธีทางเลือกวิธี u โดยที่ตราสารหนี้มีอันดับเครดิต i กําหนดให B เปนราคาหุนกู 

N 

ฉบับเดียวกันที่คํานวณจากขอมูลอัตรา Credit Spread ผูเขียนตั้งขอสังเกตวาราคาตามทฤษฎี B , ของตราสารหนี้ 

N 

มีระดับขึ้นกับคาชดเชยความเสี่ยง กลาวคือ B ,JLT B N 

,JLT π N N 

สําหรับวิธีของ Jarrow et al (1997) B ,KK 

B N 

,KK θ N สําหรับวิธีของ Kajima and Komoribayashi (1998) และ B N 

,L B N ,L γ N ,,γ N 

K 

สําหรับวิธีของ Lando (2000) ดังนั้น เมื่อกําหนดให e N 

, B N N 

B , เปนขนาดของความคลาดเคลื่อนของ 

ราคาที่กําหนดไดตามทฤษฎี (Pricing Error) แลว แทนที่การระบุ Risk-Neutral TPM จะเลือกโดยการระบุคาชดเชย 

ความเสี่ยงตามสูตรการคํานวณเครงครัดตามที่แตละวิธีเสนอ ผูเขียนเสนอใหพิจารณาคาชดเชยความเสี่ยงเปน 

คาพารามิเตอรที่ตองกําหนดพรอมกันสําหรับอันดับเครดิตทุกอันดับ เพื่อทําใหผลรวม ∑K 

e N , 

ของขนาด 

ความคลาดเคลื่อนยกกําลังสองมีระดับที่ต่ําที่สุด 4 ทั้งนี้ การเลือกคาชดเชยความเสี่ยงตองเปนการเลือกภายใตเงื่อนไข 3 

ขอ เพื่อยืนยันวาความนาจะเปนที่เปนสมาชิกของ Risk-Neutral TPM จะมีลักษณะตรงตามทฤษฎีอยางเครงครัด คือ 

ขอหนึ่ง คาความนาจะเปนที่จะบิดพลิ้วที่อานไดจาก Risk-Neutral TPM ตองมีระดับไมต่ํากวาคาความนาจะ 

เปนที่จะบิดพลิ้วที่อานไดจาก Real-World TPM 

ขอสอง คาความนาจะเปนทุกคาที่เปนสมาชิกของ Risk-Neutral TPM ตองมีคาระหวาง 0.00% กับ 100% 

ขอสาม คาความนาจะเปนจาก Risk-Neutral TPM สําหรับอันดับเครดิตหนึ่งรวมกันตองเทากับ 100% 

การเปรียบเทียบความสามารถของวิธีทางเลือกที่ปรับปรุงแลว 

เมื่อการคํานวณ Risk-Neutral TPM ตามวิธีทางเลือกทําโดยการปรับปรุงวิธีทางเลือกให Risk-Neutral TPM 

ที่ไดเปนผลลัพธมีลักษณะสอดคลองเต็มที่กับทฤษฎี และในขณะเดียวกันตองทําใหผลรวมของขนาดความคลาดเคลื่อน 

ยกกําลังสองมีระดับที่ต่ําที่สุด ดังนั้น การเลือกวิธีทางเลือกที่มีความสามารถเหนือกวาจึงสามารถทําไดอยาง 

ตรงไปตรงมา โดยผู เขียนจะเลือกวิธีที่ใหผลรวมที่มีระดับที่ต่ําที่สุด 

ผลการศึกษาเชิงประจักษ 

ตารางที่ 6 รายงานผลรวมของคาความคลาดเคลื่อนยกกําลังสองจากการกําหนด Risk-Neutral TPM โดยใช 

วิธีทางเลือกที่ปรับแลว จากตาราง ผูเขียนพบวา วิธีของ Kajima and Komoribayashi (1998) ที่ปรับแลว ใหผลรวม 

ของความคลาดเคลื่อนที่มีระดับที่ต่ําที่สุดสําหรับตราสารหนี้ที่มีอายุคงเหลือทุกระยะที่พิจารณา นอกจากนั้น วิธีของ 

Kajima and Komoribayashi ยังใหคาความคลาดเคลื ่อนสําหรับตราสารหนี้แตละอันดับทุกอันดับและแตละอายุคงเหลือ 

ทุกชวงในระดับที่ต่ํากวาหรือไมสูงกวาคาความคลาดเคลื่อนจากวิธีอื่น ทั้งนี้ หากระดับความนาจะเปนที่จะบิดพลิ้วใน 

โลกที่ผูลงทุนทุกคนเปนกลางตอความเสี่ยงตามที่คํานวณไดจากขอมูลดังที่ปรากฏในตารางที่ 5 มีระดับที่สูงกวาระดับที่ 

อานไดจาก Real-World TPM และไมสูงกวา 100% แลว คาความคลาดเคลื่อนจากวิธีของ Kajima and 

Komoribayashi จะมีคาเปนศูนยในทุกกรณี เมื่อผลการศึกษาเชิงประจักษเปนเชนนี้ ผูเขียนจึงสรุปวา วิธีของ Kajima 

and Komoribayashi (1998) ที่ปรับแลว เปนวิธีที่เหนือกวาสําหรับกําหนด Risk-Neutral TPM ใหตลาดตราสารหนี้ไทย 

4 ในกรณีที่วิธีทางเลือกเปนวิธีของ Jarrow et al. (1997) และของ Kajima and Komoribayashi (1998) การกําหนดคาชดเชยความเสี่ยง 

แยกกันสําหรับอันดับเครดิตแตละอันดับแยกกันเพื่อใหคาความคลาดเคลื่อนยกกําลังสองมีระดับต่ําที่สุดจะใหผลลัพที่เทากันกับการกําหนด 

คาชดเชยสําหรับทุกอันดับพรอมกัน 

16


ความคลาดเคลื่อนของราคาที่กําหนดโดยวิธีทางเลือก * 

อายุ 1 ป อายุ 2 ป อายุ 3 ป อายุ 5 ป อายุ 7 ป อายุ 10 ป 


JLT KK L JLT KK L JLT KK L JLT KK L JLT KK L JLT KK L 

AAA 0.43 0.00 0.48 1.06 0.00 1.12 1.77 0.00 1.82 3.36 0.00 3.23 5.03 0.00 2.84 7.56 0.00 5.60 

AA 0.44 0.00 0.56 1.08 0.00 1.22 1.82 0.00 1.86 3.44 0.00 2.91 5.12 0.00 0.00 7.61 0.00 3.77 

A 0.00 0.00 -0.03 0.01 0.00 -0.12 -0.06 0.00 -0.28 1.01 0.00 -0.78 2.45 0.00 0.00 4.54 0.00 -2.43 

BBB 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 -0.01 0.00 0.00 -0.01 0.39 0.00 0.00 6.58 0.00 0.02 

BB -1.54 -1.54 -1.54 -1.55 -1.55 -1.55 -0.12 -0.12 -0.12 0.00 0.00 -0.01 1.61 0.00 0.00 11.83 0.00 -0.02 

B 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.00 0.00 0.00 0.00 -0.01 2.33 0.00 0.00 14.98 0.00 -0.24 

CCC/C -13.50 -13.50 -13.50 -16.14 -16.14 -16.14 -13.63 -13.63 -13.63 -6.45 -6.45 -6.45 3.22 0.00 0.00 17.48 7.68 7.68 

K 

e N , 

 

184.87 184.49 185.03 265.18 262.90 265.65 192.37 185.89 192.74 65.74 41.59 61.07 76.11 0.00 8.05 848.77 59.03 110.49 

* JLT หมายถึงวิธีของ Jarrow et al. (1997) KK หมายถึงวิธีของ Kajima and Komoribayashi (1998) และ L หมายถึงวิธีของ Lando (2000) ผลรวมของคาความคลาดเคลื่อนยกกําลังสองแสดงในแถวนอน 

สุดทาย สวนผลลัพธตามอันดับเครดิตเปนคาความคลาดเคลื่อนของราคาตามทฤษฎี หนวยเปนรอยละของราคาที่ตรา คาบวกหมายถึงราคาตามทฤษฎีสูงกวาราคาตลาด (Overpricing) และคาลบหมายถึง 

ราคาตามทฤษฎีต่ํากวาราคาตลาด (Underpricing) 

ผูเขียนใชวิธีที่ระบุไดนี้คํานวณ Risk-Neutral TPM สําหรับตราสารหนี้ในตลาดตราสารหนี้ไทยที่มีอายุ 1 2 3 

5 7 และ 10 ป ผลลัพธไดรายงานไวในตารางที่ 7 ซึ่งผูลงทุน ผูคาตราสารหนี้ และผูสนใจกลุมอื่นสามารถนํา Risk- 

Neutral TPM เหลานี้ไปประยุกตใชงานไดตามความเหมาะสม ผูเขียนเตือนวา การประยุกตใชตองทําดวยความ 

ระมัดระวัง รอบคอบ เพราะ แม Risk-Neutral TPM ที่รายงานจะเปน TPM ที่ใหคาความคลาดเคลื่อนระดับที่ต่ําที่สุด 

แตการกําหนดราคาตราสารหนี้ที่มีอันดับเครดิตบางอันดับและที่มีอายุคงเหลือบางชวงยังมีความคลาดเคลื่อนอยูบาง 

ซึ่งระดับความนาจะเปนที่อานจาก Risk-Neutral TPM ที่ใหราคาตามทฤษฎีที่คลาดเคลื่อนไดรายงานในตารางที่ 7 ดวย 

พื้นหลังสีเขมและดวยตัวเลขสีขาว 


Risk-Neutral TPM ตามวิธีของ Kajima and Komoribayashi (1998) 

แตกําหนดอยางมีเงื่อนไข 

สวนที่ 7.1 

กระแสเงินอายุ 1 ป 



ณ ตนป 


AAA 84.9233% 13.5586% 0.6430% 0.0407% 0.0512% 0.0192% 0.0319% 0.7321% 

AA 0.5882% 89.3341% 8.4386% 0.5473% 0.0619% 0.0826% 0.0207% 0.9267% 

A 0.0147% 2.8670% 91.8459% 3.6633% 0.1398% 0.0626% 0.0075% 1.3992% 

BBB 0.0026% 0.0989% 6.1909% 87.0056% 2.7163% 0.7464% 0.0407% 3.1985% 

BB 0.0118% 0.0321% 0.3726% 10.1796% 77.0000% 4.3030% 0.4477% 7.6533% 

B 0.0006% 0.0432% 0.1641% 0.3956% 5.8138% 77.9653% 7.4208% 8.1967% 

CCC/C 0.0001% 0.0079% 0.2242% 0.3428% 0.9676% 15.1932% 51.2391% 32.0250% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 

17





ณ ตนป 


AAA 71.9983% 23.6014% 2.2817% 0.1728% 0.0942% 0.0500% 0.0477% 1.7539% 

AA 1.0221% 79.8797% 15.2974% 1.2773% 0.1340% 0.1527% 0.0362% 2.2005% 

A 0.0428% 5.1762% 84.5301% 6.5479% 0.3383% 0.1422% 0.0179% 3.2046% 

BBB 0.0063% 0.3508% 11.0052% 75.4724% 4.4478% 1.3429% 0.1228% 7.2519% 

BB 0.0198% 0.0780% 1.2791% 16.7977% 59.8250% 6.8309% 0.8994% 14.2701% 

B 0.0019% 0.0794% 0.3433% 1.2645% 9.0022% 61.7081% 9.5242% 18.0763% 

CCC/C 0.0004% 0.0249% 0.3739% 0.6436% 2.1386% 19.7378% 27.3924% 49.6883% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 





ณ ตนป 


AAA 61.0181% 30.8166% 4.5540% 0.4013% 0.1341% 0.0858% 0.0562% 2.9338% 

AA 1.3323% 71.6024% 20.8118% 2.1137% 0.2165% 0.2140% 0.0485% 3.6608% 

A 0.0788% 7.0128% 78.0724% 8.7909% 0.5617% 0.2320% 0.0310% 5.2205% 

BBB 0.0113% 0.6969% 14.6341% 65.4973% 5.4570% 1.7951% 0.2099% 11.6983% 

BB 0.0251% 0.1491% 2.4793% 20.8985% 46.9350% 8.1924% 1.2453% 20.0754% 

B 0.0035% 0.1095% 0.5416% 2.2351% 10.2911% 48.4481% 9.1901% 29.1810% 

CCC/C 0.0010% 0.0454% 0.4916% 0.9685% 3.0836% 19.7297% 15.5180% 60.1623% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 





ณ ตนป 


AAA 43.8737% 39.0192% 9.9702% 1.1208% 0.2184% 0.1613% 0.0655% 5.5709% 

AA 1.6814% 58.0815% 28.6455% 3.8923% 0.4058% 0.3208% 0.0676% 6.9050% 

A 0.1600% 9.5697% 67.3676% 11.8083% 1.0030% 0.4208% 0.0618% 9.6089% 

BBB 0.0257% 1.4969% 19.0873% 49.5471% 6.0934% 2.3218% 0.3446% 21.0831% 

BB 0.0305% 0.3623% 4.9515% 23.3247% 28.5694% 8.5180% 1.5181% 32.7255% 

B 0.0063% 0.1564% 0.9522% 3.7030% 9.6547% 29.2242% 6.4770% 49.8262% 

CCC/C 0.0025% 0.0891% 0.7095% 1.6552% 4.0308% 15.6827% 6.1929% 71.6372% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 





ณ ตนป 


AAA 31.6521% 41.7218% 15.4584% 2.1036% 0.3190% 0.2356% 0.0725% 8.4371% 

AA 1.7925% 47.7712% 33.3294% 5.5897% 0.6118% 0.4159% 0.0830% 10.4065% 

A 0.2383% 11.0349% 58.9794% 13.4393% 1.3718% 0.5975% 0.0939% 14.2449% 

BBB 0.0438% 2.2470% 20.8125% 37.6985% 5.7355% 2.4589% 0.4081% 30.5957% 

BB 0.0302% 0.5765% 6.2671% 19.7763% 16.1065% 6.7285% 1.2972% 49.2177% 

B 0.0065% 0.1572% 1.0574% 3.4619% 6.1026% 14.1685% 3.2720% 71.7739% 

CCC/C 0.0029% 0.0887% 0.6243% 1.4843% 2.6790% 7.5067% 2.1486% 85.4655% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 

18





ณ ตนป 


AAA 19.5843% 40.3065% 22.3947% 3.8102% 0.5033% 0.3429% 0.0832% 12.9749% 

AA 1.7241% 36.5840% 36.5287% 7.6967% 0.9130% 0.5445% 0.1036% 15.9053% 

A 0.3313% 11.9160% 49.4004% 14.2878% 1.7415% 0.8058% 0.1353% 21.3820% 

BBB 0.0704% 3.0110% 20.1806% 25.1416% 4.5361% 2.2197% 0.4004% 44.4402% 

BB 0.0263% 0.7290% 5.9221% 12.0452% 6.4563% 3.6722% 0.7476% 70.4013% 

B 0.0013% 0.0333% 0.2249% 0.5533% 0.6319% 1.1349% 0.2638% 97.1565% 

CCC/C 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 

Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000% 

สรุป 

เมื่อประเทศไทยมี Real-World TPM สําหรับใชงานแลว ในหลักการ การนํา Real-World TPM ไปขยายผล 

เพื่อกําหนด Risk-Neutral TPM สมควรทําไดอยางตรงไปตรงมา อยางไรก็ตาม ในทางปฏิบัติ การกําหนด Risk- 

Neutral TPM สําหรับประเทศไทยทําไดจริงยากมากจนถึงไมสามารถทําไดจริง ดังนั้น ผูเขียนจึงเสนอการกําหนด 

Risk-Neutral TPM สําหรับตลาดตราสารหนี้ไทย โดยใชวิธีทางเลือกกลุมหนึ่งที่ไดคัดเลือกจากการวิเคราะหถึงความ 

เหมาะสม ความเปนไปไดในทางทฤษฎี และความพรอมของผูปฏิบัติในการนําวิธีที่เลือกเหลานั้นไปประยุกตใชงานจริง 

ในตลาดการเงินไทย จากนั้นจึงเปรียบเทียบความสําเร็จในการกําหนดราคาตราสารหนี้โดย Risk-Neutral TPM ที่เปน 

ผลลัพธของวิธีเหลานั้น แลวใชวิธีที่พบวามีความสามารถสูงที่สุดไปกําหนด Risk-Neutral TPM สําหรับประเทศไทย 

ในการศึกษา ผูเขียนใชขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต AAA ถึง BBB ที่ ThaiBMA 

รายงาน และใชขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C รวมถึงขอมูลอัตรา Recovery Rate 

จากการทํา Dealer Poll ในหมูผูคาตราสารหนี้ที่มีมูลคาการซื้อขายสูงสุดในตลาด และใชขอมูล Real-World TPM ที่ 

ปรับแลวของอัญญา ขันธวิทย (2554) วิธีทางเลือกที่นํามาเปรียบเทียบประกอบดวยวิธีของ Jarrow et al. (1997) วิธี 

ของ Kajima and Komoribayashi (1998) และวิธีของ Lando (2000) ซึ่งผูเขียนพบวาระดับความนาจะเปนในโลกที่ผู 

ลงทุนเปนกลางตอความเสี่ยงที่เปนสมาชิกของ Risk-Neutral TPM ของวิธีทั้งสามมีลักษณะหลายประการที่ขัดกับ 

ทฤษฎี จึงจําเปนตองปรับวิธีทั้งสามเพื่อให Risk-Neutral TPM ที่เกิดขึ้นมีลักษณะสอดคลองเต็มที่กับทฤษฎี เมื่อปรับ 

แลว ผูเขียนพบวาวิธีของ Kajima and Komoribayashi (1998) ให Risk-Neutral TPM ที่สามารถกําหนดราคาตราสาร 

หนี้ไดถูกตองแมนยําที่สุด เมื่อผลการศึกษาเปนเชนนี้ ผูเขียนจึงใชวิธีของ Kajima and Komoribayashi ที่ปรับแลวทํา 

การกําหนดและรายงาน Risk-Neutral TPM สําหรับตลาดตราสารหนี้ไทยสําหรับตราสารหนี้ที่มีอายุ 1 2 3 5 7 และ 

10 ป ใหผูลงทุน ผูคาตราสารหนี้และผูสนใจกลุมอื่นไดนําไปประยุกตใชงาน 

บรรณานุกรม 

อัญญา ขันธวิทย. 2554. การกําหนดเมทริกซความนาจะเปนของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทยโดย 

วิธีของ Bayes. วารสารบริหารธุรกิจ 34. 16-33. 

Albanese, C., and O. Chen, 2006, Implied migration rates from credit barrier models, Journal of Banking 

and Finance 30, 607-626. 

Chen, K., G. Karolyi, F. Longstaff, and A. Sanders, 1992, An empirical comparison of alternative models of 

the short-term interest rate, Journal of Finance 47, 1209-1227. 

Jarrow, R., D. Lando, and S. Turnbull, 1997, A Markov model for the term structure of credit spreads, 

Review of Financial Studies 10, 481-523. 

19

J.P. Morgan, 1999, The J.P. Morgan Guide to Credit Derivatives, Risk Publication, London. 

Kajima, M., and K. Komoribayashi, 1998, A Markov chain model for valuing credit risk derivatives, Journal of 

Derivatives 22, 117-131. 

Khaneman, D., 2011, Thinking, Fast and Slow, Penguin Books, London. 

Lando, 2000, Some Elements of Rating Based Credit Risk Modeling, John Wiley and Sons, New York. 

Lando, D., and A. Mortensen, 2005, On the pricing of step-up bonds in the European telecom sector, 

Journal of Credit Risk 1, 71-110. 

McNulty, C., and R. Levin, 2000, Modeling credit migration, Risk 10, 99-103. 

Moody’s Investors Service, 2009, Default and Recovery Rate of Asia-Pacific corporate bond and loan issuers, 

excluding Japan, 1990 - H1 2009, Special Comment, www.moodys.com. 

Moody’s Investors Service, 2011, Corporate default and Recovery Rate, Special Comment, 

www.moodys.com. 

Nakonthab, D., K. Kritayakirana, and S. Chantapant, 2007, Are Thai banks vulnerable: Structural analysis of 

bank corporate loan portfolio and implication, Proceedings of the BOT Symposium 2007, Bank of 

Thailand, Bangkok. 

Truck, S., 2008, Forecasting credit migration matrices with business cycle effects – A model comparison, 

European Journal of Finance 14, 359-379. 

Trueck, S., and S. Rachev, 2009, Rating Based Modeling of Credit Risk: Theory and Application of 

Migration Matrices, Academic Press, Massachusetttes. 

Wongweerawit, A., 2005, An empirical analysis of structural models of Thai corporate bonds, A Master’s 

Thesis, Chulalongkorn Business School, Bangkok. 

20

Thailand's First Risk Neutral Transition Probability Matrix

Create successful ePaper yourself

Delete template?

Save as template?