Thailand's First Risk Neutral Transition Probability Matrix
Thailand's First Risk Neutral Transition Probability Matrix
Thailand's First Risk Neutral Transition Probability Matrix
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
กก <br />
ก 20 2555<br />
ก<br />
Thailands <strong>First</strong> <strong>Risk</strong> <strong>Neutral</strong> <strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
ก <br />
21 ก 2555 13.15 14.45 .<br />
301 ก
*กก .. <br />
ก , CFA<br />
ก<br />
<br />
Agenda<br />
1. <strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
2. Real World TPM<br />
3. ก Real World TPM<br />
4. <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
5. ก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
5. ก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM
<strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
กก (<strong>Transition</strong><br />
<strong>Probability</strong> <strong>Matrix</strong> : TPM)<br />
กก<br />
ก <br />
กก <br />
TPM<br />
<strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
กก<br />
กกก <br />
ก<br />
ก (Economic Capital) <br />
ก<br />
กก<br />
กก กก
<strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
TPM S&P 2524 - 2554<br />
<br />
<br />
<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 90.2308% 8.9931% 0.5588% 0.0517% 0.0828% 0.0310% 0.0517% 0.0000%<br />
AA 0.5839% 90.0104% 8.6548% 0.5631% 0.0626% 0.0834% 0.0209% 0.0209%<br />
A 0.0420% 2.0042% 91.5740% 5.7083% 0.3987% 0.1679% 0.0210% 0.0839%<br />
BBB 0.0107% 0.1282% 3.8897% 90.6925% 4.1782% 0.6839% 0.1603% 0.2565%<br />
BB 0.0222% 0.0444% 0.1774% 5.8112% 84.1411% 7.9738% 0.8318% 0.9981%<br />
B 0.0000% 0.0453% 0.1473% 0.2492% 6.3095% 83.1672% 5.0068% 5.0748%<br />
CCC/C 0.0000% 0.0000% 0.1985% 0.3036% 0.9109% 15.9640% 51.3021% 31.3208%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
Real World and <strong>Risk</strong> <strong>Neutral</strong> TPMs<br />
Real World TPM TPM กกก<br />
ก TPM<br />
<strong>Risk</strong> <strong>Neutral</strong> TPM TPM กก
Thailand Real World TPM<br />
Real World TPM ก 2 <br />
TRIS Rating FITCH (Thailand)<br />
Thailand Real World TPM<br />
กกก (2554) Real World<br />
TPM กก <br />
ก<br />
กกก<br />
1 กกก ก<br />
AAA Default ก BBB AAA 0%<br />
ก (BB B <br />
CCC/C)<br />
<br />
FITCH (Thailand) : BB B CCC/C<br />
TRIS Rating : ก<br />
กกก/ (<strong>Probability</strong> of Default) <br />
กก
Real World TPM<br />
ก Thailand Real World TPM<br />
ก/ก TPM ก<br />
TRIS<br />
TPM<br />
S&P<br />
TPM<br />
Posterior<br />
TPM<br />
• TPM ก S& P <br />
ก TPM TRIS Rating<br />
• S&P + TRIS TPM กก<br />
• Bayes กก (M*)
ก Thailand Real World TPM<br />
TPM ก Bayes ก<br />
: (2554)<br />
• ก<br />
ก<br />
• TPM ก<br />
• Diagonally dominant matrix<br />
ก Thailand Real World TPM
ก Thailand Real World TPM<br />
TPM ก Bayes ก<br />
กกก<br />
0%<br />
Generator <strong>Matrix</strong> TPM <br />
ก Thailand Real World TPM<br />
กก TPM ก Bayes TPM <br />
กก<br />
Posterior<br />
Generator<br />
Exact<br />
Proper<br />
TPM<br />
<strong>Matrix</strong> Generator TPM
ก Thailand Real World TPM<br />
TPM ก Bayes Generator <strong>Matrix</strong> <br />
Israel et al. (2001)<br />
Posterior<br />
TPM<br />
Generator<br />
<strong>Matrix</strong><br />
Generator <strong>Matrix</strong><br />
Q(h) Exact Generator <strong>Matrix</strong><br />
P(h) TPM h <br />
I Identity <strong>Matrix</strong><br />
h <br />
ก Thailand Real World TPM
ก Thailand Real World TPM<br />
Generator<br />
<strong>Matrix</strong><br />
Exact<br />
Generator<br />
• Exact Generator q(i,j≠i) ≥ 0<br />
• Generator Exact Generator Diagonal Adjustment<br />
Israel et al. (2001)<br />
ก Thailand Real World TPM
ก Thailand Real World TPM<br />
Exact<br />
Generator<br />
Proper<br />
TPM<br />
Exact Generator TPM h <br />
Q(h) Exact Generator <strong>Matrix</strong><br />
P(h) TPM h <br />
h <br />
TPM กก
TPM กก<br />
Generator <strong>Matrix</strong> Exact Generator ก Generator<br />
<strong>Matrix</strong> <br />
Exact Generator TPM TPM ก<br />
AAA CCC/C ก<br />
ก<br />
ก<br />
TPM ก<br />
Diagonally dominant matrix<br />
Real World TPM 2554<br />
<br />
<br />
TPM กก<br />
<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 85.5400% 13.6570% 0.6477% 0.0410% 0.0516% 0.0193% 0.0321% 0.0113%<br />
AA 0.5935% 90.1462% 8.5154% 0.5523% 0.0624% 0.0833% 0.0208% 0.0260%<br />
A 0.0149% 2.8998% 92.8949% 3.7051% 0.1414% 0.0633% 0.0076% 0.2730%<br />
BBB 0.0026% 0.0997% 6.2398% 87.6931% 2.7378% 0.7523% 0.0411% 2.4336%<br />
BB 0.0118% 0.0321% 0.3726% 10.1796% 77.0000% 4.3030% 0.4477% 7.6533%<br />
B 0.0006% 0.0434% 0.1650% 0.3977% 5.8448% 78.3813% 7.4604% 7.7069%<br />
CCC/C 0.0001% 0.0079% 0.2242% 0.3428% 0.9676% 15.1932% 51.2391% 32.0250%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
: (2554)
TPM กก<br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
ก TPM กก<br />
กก ก<br />
ก TPM <br />
ก<br />
Jarrow et al. (1997) Credit Metrices J.P. Morgan
<strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
Credit Derivatives<br />
Credit Default<br />
Swap<br />
Total Return<br />
Swap<br />
Credit<br />
Derivatives<br />
Credit linked<br />
Note<br />
Credit Spread<br />
derivatives<br />
Asset Swap<br />
: กก (2555)<br />
Real World TPM 2555 ก (2554)<br />
<br />
<br />
<br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 88.8359% 10.4561% 0.5017% 0.0461% 0.0736% 0.0276% 0.0460% 0.0130%<br />
AA 0.5839% 90.0091% 8.6548% 0.5629% 0.0625% 0.0834% 0.0209% 0.0225%<br />
A 0.0139% 2.8466% 93.0656% 3.6313% 0.1316% 0.0554% 0.0069% 0.2488%<br />
BBB 0.0027% 0.0988% 6.3065% 88.0538% 2.5801% 0.6960% 0.0366% 2.2255%<br />
BB 0.0201% 0.0442% 0.2455% 6.6026% 82.8688% 7.2221% 0.7534% 2.2433%<br />
B 0.0009% 0.0458% 0.1509% 0.2627% 6.3061% 83.1530% 5.0061% 5.0745%<br />
CCC/C 0.0001% 0.0077% 0.1993% 0.3049% 0.9105% 15.9617% 51.2964% 31.3193%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%
ก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
Real-World<br />
TPM<br />
<strong>Risk</strong>-<strong>Neutral</strong><br />
TPM<br />
ก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
กก Real World TPM <strong>Risk</strong>-<br />
<strong>Neutral</strong> TPM . (2012)<br />
Real World TPM<br />
Credit Spreads ( Investment Non-Investment Grade)<br />
Recovery Rate
ก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
ก P N Real-World TPM ก N <br />
(K × K) <br />
1 K<br />
(Default)<br />
ก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
กก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM ก<br />
Jarrow et al. (1997)<br />
Kajima and Komoribayashi (1998)<br />
Modifying Default Intensities Lando (2000)
ก Real World TPM <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
<br />
ก <strong>Risk</strong>-<strong>Neutral</strong> TPM Q N ก Real-World TPM P N ก Credit<br />
Spreads Recovery Rate <br />
<br />
φ Recovery Rate<br />
<br />
N<br />
S i Credit Spread i N <br />
ก TPM <br />
กก 3 ก Kajima <br />
Komoribayashi (1998) <br />
<br />
ก<br />
ก<br />
กกก<br />
ก
กก TPM <br />
<br />
1 <br />
2 <br />
3 <br />
5 <br />
7 <br />
10 <br />
JLT KK L JLT KK L JLT KK L JLT KK L JLT<br />
KK L JLT KK<br />
L<br />
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<br />
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<br />
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<br />
BBB 0 0 0 0 0 0 0 0 -0.01 0 0 -0.01 0.39 0 0 6.58 0 0.02<br />
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<br />
B 0 0 0 0 0 0 0.01 0 0 0 0 -0.01 2.33 0 0 14.98 0 -0.24<br />
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<br />
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<br />
: . (2555)<br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM <br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM ก<br />
ก Real-World TPM<br />
ก <strong>Risk</strong>-<strong>Neutral</strong> TPM 0.00%<br />
ก 100%<br />
ก <strong>Risk</strong>-<strong>Neutral</strong> TPM ก<br />
ก 100%
Real World TPM ก <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
: (2554)<br />
: . (2555)<br />
Q & A<br />
Bond Pricing & Product Development Dept.<br />
E-mail: pricing@thaibma.or.th
รายงานวิจัยวิชาการ<br />
การกําหนดเมทริกซความนาจะเปน<br />
ในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง<br />
ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย *<br />
อัญญา ขันธวิทย<br />
คณะพาณิชยศาสตรและการบัญชี<br />
มหาวิทยาลัยธรรมศาสตร<br />
ธนานันต ศิวโมกษธรรม<br />
สมาคมตลาดตราสารหนี้ไทย<br />
กษิดิศ ทองปลิว<br />
สมาคมตลาดตราสารหนี้ไทย<br />
__________________________________<br />
*<br />
การติดตอผูเขียนทําไดที่ ศาสตราจารย ดร.อัญญา ขันธวิทย คณะพาณิชยศาสตรและการบัญชี มหาวิทยาลัยธรรมศาสตร กรุงเทพฯ 10200 ที่อยูอิเล็กทรอนิกส<br />
akhantha@tu.ac.th ผูเขียนขอบคุณคณะพาณิชยศาสตรและการบัญชี มหาวิทยาลัยธรรมศาสตร ที่ใหทุนสนับสนุนการวิจัย และขอบคุณสมาคมตลาดตราสารหนี้ไทย<br />
และผูคาตราสารหนี้ที่รวมใหขอมูลอัตรา Credit Spreads และอัตรา Recovery Rate โครงการวิจัยเปนการดําเนินงานภายใตบันทึกความรวมมือระหวางคณะ<br />
พาณิชยศาสตรและการบัญชี มหาวิทยาลัยธรรมศาสตร และสมาคมตลาดตราสารหนี้ไทย ลงวันที่ 17 สิงหาคม 2554<br />
1
An Estimation of <strong>Risk</strong>-<strong>Neutral</strong> <strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
for Thailand’s Domestic Bonds **<br />
Anya Khanthavit<br />
Faculty of Commerce and Accountancy<br />
Thammasat University<br />
Thananun Siwamogsatham<br />
Thai Bond Market Association<br />
Kasidit Thongplew<br />
Thai Bond Market Association<br />
__________________________________<br />
**<br />
Corresponding Author: Distinguished Professor Dr. Anya Khanthavit, Faculty of Commerce and Accountancy, Thammasat University, Bangkok, 10200.<br />
E-mail: akhantha@tu.ac.th. The authors would like to thank the Faculty of Commerce and Accountancy, Thammasat University for financial supports.<br />
They thank the Thai Bond Market Association and contributing bond dealers for the credit-spread and recovery-rate data. This research is a<br />
collaboration work under the Thammasat-ThaiBMA MOU signed on August 17, 2011.<br />
2
การกําหนดเมทริกซความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง<br />
ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย<br />
บทคัดยอ<br />
การศึกษาปรับวิธีทางเลือกเพื่อกําหนดเมทริกซความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง<br />
(<strong>Risk</strong>-<strong>Neutral</strong> TPM) ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย เพื่อใหความนาจะเปนที่ไดเปนผลลัพธมี<br />
ลักษณะสอดคลองเต็มที่กับทฤษฎีการเงิน จากนั้นจึงเปรียบเทียบวิธีทางเลือกโดยใชเกณฑความแมนยําในการกําหนด<br />
ราคาตราสารหนี้ การศึกษาสามารถดําเนินการไดเพราะมีขอมูลความคิดเห็นของผูคาตราสารหนี้ (Dealer Poll)<br />
เกี่ยวกับอัตรา Credit Spreads ของตราสารหนี้ที่มีอันดับเครดิตที่ต่ํากวา BBB และอัตรา Recovery Rate ของตราสาร<br />
หนี้ที่บิดพลิ้ว ขอมูลนี้เปนขอมูลเฉพาะ มีความสําคัญและการศึกษาเปนการศึกษาชิ้นแรกและชิ้นเดียวเทานั้นที่มีขอมูล<br />
นี้ใชงาน เมื่อการศึกษาใชขอมูลนี้รวมกับขอมูลที่ไดจากของสมาคมตลาดตราสารหนี้ไทยแลว การศึกษาพบวาวิธีของ<br />
Kajima and Komoribayashi (1998) ที่ปรับแลวเปนวิธีที่ดีที่สุด ดังนั้น การศึกษาจึงใชวิธีของ Kajima and<br />
Komoribayashi ไปกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับตราสารหนี้ที่มีอายุคงเหลือ 1 2 3 5 7 และ 10 ป ในตลาด<br />
ตราสารหนี้ไทย<br />
คําหลัก: ความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง เมทริกซความนาจะเปนของการเปลี่ยนแปลงอันดับ<br />
เครดิต ตลาดตราสารหนี้ไทย<br />
An Estimation of <strong>Risk</strong>-<strong>Neutral</strong> <strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
for Thailand’s Domestic Bonds<br />
ABSTRAT<br />
The study modifies alternative approaches to estimate risk-neutral transition probability matrices<br />
(<strong>Risk</strong>-<strong>Neutral</strong> TPMs) for Thailand’s bond markets so that the resulting probabilities strictly obeys finance<br />
theories. These approaches are then compared, based on a minimum pricing-error criterion. This study is<br />
possible due to our unique dealer-poll data on the credit spreads of non-invesment grad bonds and on the<br />
recovery rate of default bonds. Using the dealer-poll data wth those from the ThaiBMA database, our analysis<br />
suggests that the modified Kajima-Komoribayashi (1998) approach gives the minimum pricing errors in all<br />
ratings and maturities. Finally, the approach is used to estimate the risk-neutral TPMs for Thailand’s bond<br />
market for 1-, 2-, 3-, 5-, 7- and 10-year maturities.<br />
Keywords: <strong>Risk</strong>-<strong>Neutral</strong> <strong>Probability</strong>, <strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong>, Thailand’s Bond Market.<br />
3
การกําหนดเมทริกซความนาจะเปนในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง<br />
ของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทย<br />
เมทริกซความนาจะเปนของการเปลี่ยนแปลงอันดับเครดิต (Credit-Rating <strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong><br />
หรือ <strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong> หรือ Credit Migration <strong>Matrix</strong> ซึ่งตอไป ผูเขียนจะอางอิงถึงโดยใชคําวา TPM) ระบุ<br />
ระดับความนาจะเปนที่ผูออกหรือตราสารหนี้ที่ไดรับการจัดอันดับเครดิตระดับหนึ่ง เชนระดับ A ตอนตนงวดจะดํารง<br />
อันดับเครดิตในระดับเดิมคือ A ในระดับอื่นที่สูงขึ้น เชน AA หรือในอันดับอื่นที่ลดลง เชน BBB เรื่อยไปจนถึงอันดับ<br />
บิดพลิ้ว (Default) ตอนปลายงวด ระดับความนาจะเปนที่ TPM ระบุเปนระดับความนาจะเปนที่สถาบันจัดอันดับความ<br />
นาเชื่อถือรายงานโดยคํานวณจากเหตุการณเครดิต (Credit Events) ที่ไดเกิดขึ้นจริงในอดีต สะสมจนถึงวันที่มีการ<br />
คํานวณและรายงาน TPM นี้จึงถือวาเปน TPM ที่อางอิงเหตุการณในอดีต (Historical TPM) หรือ TPM สําหรับ<br />
พรรณนาเหตุการณเครดิตที่เกิดขึ้นในโลกแหงความเปนจริง (Real-World TPM)<br />
Real-World TPM มีประโยชนมากเพราะถูกใชเปนขอมูลประกอบการวิเคราะหและบริหารความเสี่ยงดาน<br />
เครดิตของกลุมสินทรัพยดานเครดิตของสถาบันการเงิน รวมถึงการคํานวณระดับเงินกองทุนเชิงเศรษฐศาสตร<br />
(Economic Capital) ซึ่งสถาบันการเงินพึงดํารงเพื่อใหเปนไปตามหลักการกํากับดูแลกิจการที่ดี Real-World TPM ยัง<br />
ใชเปนขอมูลเริ่มตนของการกําหนด TPM ในโลกซึ่งผูลงทุนเปนกลางตอความเสี่ยง (<strong>Risk</strong>-<strong>Neutral</strong> TPM) สวน <strong>Risk</strong>-<br />
<strong>Neutral</strong> TPM มีความสําคัญเพราะใชประกอบการกําหนดราคาและวิเคราะหความเสี่ยงของตราสารหนี้และอนุพันธดาน<br />
เครดิต และการระบุโครงสรางอัตราผลตอบแทนสวนเพิ่มเพื่อชดเชยความเสี่ยงดานเครดิต (Credit-Spread Curves)<br />
ตามอันดับเครดิตสําหรับตราสารหนี้ที่มีอายุคงเหลือที่แตกตางกัน<br />
ในตลาดการเงินไทยเปนการเฉพาะ ณ เวลาปจจุบัน การมีขอมูล <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับใชงานมีความจํา<br />
เปนมากสําหรับการกําหนดราคาตราสารหนี้เอกชนที่อาจถูกปรับอันดับเครดิตลงไปอยูในระดับที่ต่ํากวา BBB และตลาด<br />
ตราสารหนี้ไทยยังไมมีหุนกูกลุมนี้ซื้อขายจริง ทําใหหุนกูฉบับนั้นไมมีราคาตลาดสําหรับการอางอิง ในกรณีนี้ ผูคาตรา<br />
สารสามารกําหนดราคาตามทฤษฎีใหหุนกูโดยอางอิงขอมูลจาก <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับการเสนอราคาซื้อขายได<br />
ขอมูล <strong>Risk</strong>-<strong>Neutral</strong> TPM ยังจําเปนมากสําหรับการพัฒนาตลาดอนุพันธดานเครดิตซึ่งมีการใชงานที่จํากัดและเหตุผล<br />
สวนหนึ่งเกิดจากการเช็คสอบความเหมาะสมของราคาเสนอซื้อขายไมสามารถทําได จากขอความจริงที่ผูคาไมมีขอมูล<br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM ใหใชเปนขอมูลประกอบ ดังนั้น การมีขอมูล <strong>Risk</strong>-<strong>Neutral</strong> TPM จึงเพิ่มความโปรงใสดานราคาให<br />
การกําหนดราคาอนุพันธดานเครดิตและการเช็คสอบความเหมาะสมดานราคาสามารถทําไดจริง และสุดทาย สํานักงาน<br />
คณะกรรมการกํากับหลักทรัพยและตลาดหลักทรัพย (ก.ล.ต.) มีดําริที่จะสงเสริมการคาตราสารหนี้กลุมที่มีอัตราคิดลด<br />
สูงและมีอันดับเครดิตที่ดอย เนื่องจากตราสารหนี้กลุมนี้ยังไมมีการซื้อขายจริงในตลาดตราสารหนี้ไทยและยังไมมีราคา<br />
ซื้อขายใหใชอางอิง โอกาสการเกิดขึ้นของการคาตราสารตามที่สํานักงาน ก.ล.ต. มีดําริไวจึงเปนโอกาสที่ต่ ํามาก<br />
อยางไรก็ตาม เมื่อตลาดตราสารหนี้ไทยมี <strong>Risk</strong>-<strong>Neutral</strong> TPM ใหใชเปนขอมูลอางอิงเบื้องตนและสามารถกําหนดราคา<br />
ซื้อขายอางอิงไดแลว กลไกการเสนอซื้อขายตราสารจึงเริ่มทํางาน เกิดการซื้อขายจริง มีราคาตลาดที่เกิดขึ้นจริงไดใช<br />
อางอิง หมุนเวียนเปนวัฏจักร นําไปสูการเกิดขึ้นของตลาดและการซื้อขายที่มีสภาพคลอง<br />
สําหรับประเทศไทย Real-World TPM มีการคํานวณและรายงานโดยทริสเรทติ้งและฟทชเรทติ้ง แตอัญญา<br />
ขันธวิทย (2554) ตั้งขอสังเกตวา เนื่องจากขอมูลเหตุการณเครดิตสําหรับประเทศไทยมีจํานวนนอย TPM ที่มีการ<br />
คํานวณและรายงานเหลานั้นจึงมีลักษณะที่ตางจากลักษณะที่พบ (Stylized Facts) สําหรับ TPM ที่มีการรายงานสําหรับ<br />
ประเทศซึ่งขอมูลเหตุการณเครดิตจํานวนมากเชนประเทศสหรัฐอเมริกา นอกจากนี้ TPM ที่สถาบันจัดอันดับเครดิตทั้ง<br />
สองรายงานยังมีลักษณะบางประการไมสอดคลองกับลักษณะของ TPM ที่พึงเปนตามทฤษฎีดวย ดังนั้น อัญญา<br />
ขันธวิทย จึงเสนอวิธีของ Bayes เพื่อปรับ TPM ที่มีการรายงานสําหรับประเทศไทยใหมีลักษณะสอดคลองเต็มที่กับ<br />
4
Stylized Facts และเปนไปตามทฤษฎีการเงินเครงครัด TPM ที่ปรับโดยวิธีของอัญญา ขันธวิทย (2554) เปนที่ยอมรับ<br />
และเผยแพรออกสูสาธารณะเพื่อนําไปประยุกตใชในงานโดยสมาคมตลาดตราสารหนี้ไทย (ThaiBMA)<br />
เมื่อประเทศไทยมี Real-World TPM สําหรับใชงานแลว ในหลักการ การนํา Real-World TPM ไปขยายผล<br />
เพื่อกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สมควรทําไดอยางตรงไปตรงมาโดยประยุกตใชวิธีซึ่งมีผูเสนอไวในอดีตเปนจํานวน<br />
มาก ผูอานสามารถศึกษาวิธีเหลานั้นไดจาก Trueck and Rachev (2009) เปนตน อยางไรก็ตาม ในทางปฏิบัติจนถึง<br />
ปจจุบัน การกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับประเทศไทยทําไดจริงยากมากจนถึงไมสามารถทําไดจริง ดวยเหตุผล<br />
อยางนอย 2 ประการคือ ประการที่หนึ่ง การระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM ตองอางอิงขอมูลประกอบอื่นนอกเหนือจากขอมูล<br />
Real-World TPM ไดแกขอมูล Credit Spreads และขอมูลอัตราการไดรับชดเชยเมื่อเกิดเหตุการณบิดพลิ้ว (Recovery<br />
Rate) แมขอมูล Credit Spreads จะไดมีการจัดทําและเผยแพรอยางสม่ําเสมอโดย ThaiBMA แตขอมูลที่รายงานยัง<br />
จํากัดเฉพาะขอมูล Credit Spreads ของตราสารหนี ้ที่มีอันดับเครดิตตั้งแตอันดับ BBB ขึ้นไป นอกจากนั้น เมื่อ<br />
พิจารณายอนหลังกลับไปในอดีต ผูเขียนไมพบการรายงานขอมูล Recovery Rate ของตราสารหนี้ในประเทศไทยไวที่<br />
ใด<br />
ประการที่สอง แมวิธีทางเลือกเพื่อระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM มีเปนจํานวนมาก ซึ่งการศึกษาในอดีต อาทิ<br />
Lando and Mortensen (2005) และ Trueck and Rachev (2009) ไดอภิปรายถึงลักษณะของ <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่<br />
เกิดขึ้นเปนผลลัพธวาสอดคลองหรือแตกตางจากความเชื่อของตลาดการเงินเกี่ยวกับลักษณะของ TPM ที่พึงเปน และ<br />
ความเปนไปไดของวิธีการที่จะระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM ไดจริง (Feasible <strong>Risk</strong>-<strong>Neutral</strong> TPM) แตการศึกษาในอดีต<br />
เหลานั้นยังไมสามารถระบุไดชัดเจนวาวิธีทางเลือกใดเปนวิธีที่เหนือกวาในเชิงความสามารถในการกําหนดราคาและ<br />
ระบุระดับความเสี่ยงของตราสารหนี้และอนุพันธดานเครดิต 1<br />
ในการศึกษานี้ ผูเขียนจะกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับตลาดตราสารหนี้ไทย โดยใชวิธีทางเลือกกลุม<br />
หนึ่งที่ผูเขียนไดคัดเลือกโดยวิเคราะหความเหมาะสม ความเปนไปไดในทางทฤษฎี และความพรอมของผูปฏิบัติในการ<br />
นําวิธีที่เลือกเหลานั้นไปประยุกตใชงานจริงในตลาดการเงินไทย จากนั้นจึงเปรียบเทียบความสําเร็จในการกําหนดราคา<br />
ตราสารหนี้โดยใช <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่เปนผลลัพธของวิธีเหลานั้น แลวใชวิธีที่พบวามีความสามารถสูงที่สุดไป<br />
กําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับตลาดตราสารหนี้ไทย<br />
การศึกษามีประโยชนในทางวิชาการและในทางปฏิบัติ กลาวคือ การศึกษาสามารถเก็บขอมูล Credit Spreads<br />
สําหรับอันดับเครดิตที่ต่ํากวาอันดับ BBB และขอมูล Recovery Rate ของตราสารหนี้ในประเทศไทยไดสําเร็จเปนครั้ง<br />
แรก โดยผูเขียนขยายผลเทคนิคทางเลือกเพื่อกําหนด <strong>Risk</strong>-Netural TPM โดยเพิ่มเงื่อนไขบังคับให <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
ที่ไดเปนผลลัพธตองมีคุณสมบัติที่สอดคลองเต็มที่กับทฤษฎีการเงิน ตอจากนั้น ผูเขียนจึงคํานวณคาความคลาดเคลื่อน<br />
ของราคา (Pricing Errors) ที่ไดเปนผลลัพธโดยอางอิงกับราคาตลาดของตราสาร แลวใชคาความคลาดเคลื่อนระดับที่<br />
ต่ําที่สุดเปนเครื่องชี้เพื่อระบุเทคนิคที่ดีที่สุดสําหรับการกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับเสนอใหตลาดตราสารหนี้<br />
ไทยไดนําไปประยุกตใช<br />
ขอมูล Recovery Rate และขอมูล <strong>Risk</strong>-<strong>Neutral</strong> TPM เปนขอมูลซึ่งการศึกษาเชิงประจักษเกี่ยวกับการ<br />
กําหนดราคาและการวิเคราะหความเสี่ยงของตราสารหนี้และอนุพันธดานเครดิตตองใชงาน และเปนขอมูลซึ่งผูปฏิบัติ<br />
ตองนําไปพิจารณาประกอบการคาและการบริหารความเสี่ยงของตราสารหนี้และอนุพันธดานเครดิต การศึกษาสามารถ<br />
1 ยกเวนการศึกษาของ Truck (2008) ที่ใชวิธีทางเลือกประกอบการพยากรณ TPM ที่อาจเกิดขึ้นในอนาคต อยางไรก็ตาม Trueck and Rachev (2009) อธิบายวา<br />
ความสามารถที่เหนือกวาในการพยากรณ TPM ไมสามารถชี้โดยตรงหรือโดยนัยถึงความสามารถที่เหนือกวาในการกําหนดราคาและระบุระดับความเสี่ยงของตราสาร<br />
หนี้และอนุพันธดานเครดิตได<br />
5
ระบุวิธีทางเลือกที่มีความสามารถสูงสุดในการกําหนดราคาตราสารหนี้ในตลาดตราสารหนี้ไทย ซึ่งผลลัพธของการระบุ<br />
เปนขอความจริงที่นักวิชาการและผูปฏิบัติสนใจมาก นอกจากนี้ ผูปฏิบัติยังสามารถนํา <strong>Risk</strong>-<strong>Neutral</strong> TPM ซึ่ง<br />
การศึกษาจะไดกําหนดและรายงานไวโดยใชวิธีที่เลือก ไปประยุกตใชในการกําหนดราคาและบริหารความเสี่ยงของตรา<br />
สารหนี้และอนุพันธดานเครดิตที่ตนกําลังรับผิดชอบอยูไดทันที<br />
ในการศึกษา ผูเขียนใชขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต AAA ถึง BBB ที่ ThaiBMA<br />
รายงานตั้งแตวันที่ 15 สิงหาคม 2551 ถึงวันที่ 30 พฤศจิกายน 2554 และใชขอมูลอัตรา Credit Spreads สําหรับ<br />
อันดับเครดิต BB ถึง CCC/C และขอมูลอัตรา Recovery Rate จากการสํารวจความคิดเห็นของผูคาตราสารหนี้ที่มี<br />
สัดสวนมูลคาการซื้อขายสูงสุด และใชขอมูล Real-World TPM ที่ปรับแลวของอัญญา ขันธวิทย (2554) วิธีทางเลือกที่<br />
นํามาเปรียบเทียบประกอบดวยวิธีของ Jarrow et al. (1997) วิธีของ Kajima and Komoribayashi (1998) และวิธีของ<br />
Lando (2000) ซึ่งผูเขียนพบวาระดับความนาจะเปนในโลกที่ผูลงทุนเปนกลางตอความเสี่ยงที่เปนสมาชิกของ <strong>Risk</strong>-<br />
<strong>Neutral</strong> TPM ของวิธีทั้งสามมีลักษณะหลายประการที่ขัดกับทฤษฎี อาทิ ความนาจะเปนบางคาเปนลบ ความนาจะเปน<br />
บางคามีคามากกวา 100% และโดยเฉพาะอยางยิ่ง ความนาจะเปนที่จะบิดพลิ้วบางคามีระดับที่ต่ํากวาความนาจะเปนที่<br />
อานไดจาก Real-World TPM<br />
เมื่อ <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่ไดเปนผลลัพธจากวิธีทั้งสามมีลักษณะขัดกับทฤษฎี ผูเขียนจึงเสนอปรับวิธีทั้งสาม<br />
โดยกําหนดเงื่อนไขให <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่เปนผลลัพธของวิธีที่ไดปรับแลว ตองมีลักษณะสอดคลองเต็มที่กับทฤษฎี<br />
ผูเขียนพบวา วิธีของ Kajima and Komoribayashi (1998) ที่ปรับแลวให <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่สามารถกําหนดราคา<br />
ตราสารหนี้ไดถูกตองแมนยําที่สุด เมื่อผลการศึกษาเปนเชนนี้ ผูเขียนจึงใชวิธีของ Kajima and Komoribayashi ที่ปรับ<br />
แลวไปใชกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับตลาดตราสารหนี้ไทยสําหรับตราสารหนี้ที ่มีอายุ 1 2 3 5 7 และ 10 ป<br />
ขอมูลที่ใช<br />
ขอมูลที่ใชในการศึกษาประกอบดวยขอมูล Real-World TPM ขอมูล Credit Spreads และขอมูล Recovery<br />
Rate ดังนี้<br />
ขอมูล Real-World TPM<br />
Real-World TPM ไดมีการรายงานสําหรับประเทศไทยโดยสถาบันจัดอันดับเครดิต 2 แหง ไดแก ทริสเรทติ้ง<br />
และฟทชเรทติ้ง แต Real-World TPM ที่รายงานมีลักษณะหลายประการที่ไมสอดคลองกับ Stylized Facts ที่พบใน<br />
ตลาดตราสารหนี้ที่พัฒนาไปกอนหนา และยังมีลักษณะอีกหลายประการที่ไมสอดคลองกับลักษณะของ TPM ที่พึงตอง<br />
เปนไปตามทฤษฎี ตัวอยางเชนระดับความนาจะเปนที่ผูออกหรือตราสารหนี้ที่มีอันดับเครดิต CCC/C จะบิดพลิ้วตามที่<br />
รายงานโดยทริสเรทติ้งมีระดับเทากับ 100.00% และระดับความนาจะเปนที่ผูออกหรือตราสารหนี้ที่มีอันดับเครดิต AAA<br />
จะบิดพลิ้วตามที่รายงานโดยทริสเรทติ้งมีระดับเทากับ 0.00% เปนตน แตเมื่อไมนานมานี้ อัญญา ขันธวิทย (2554) ได<br />
เสนอวิธีของ Bayes เพื่อปรับ Real-World TPM ที่รายงานโดยทริสเรทติ้ง โดยพิจารณาขอมูล Real-World TPM ที่<br />
Standard and Poor’s รายงานเปนขอมูลประกอบ เพื่อให Real-World TPM ที่ปรับแลวสําหรับประเทศไทยมีลักษณะ<br />
สอดคลองเต็มที่กับ Stylized Facts และตรงตามเงื่อนไขที่พึงพบในทางทฤษฎีครบถวน Real-World TPM ที่ปรับแลว<br />
ไดรับการยอมรับจาก ThaiBMA และถูกเผยแพรในเว็บไซดใหผูคาตราสารหนี้ ผูลงทุนและผูสนใจกลุมอื่นไดนําไป<br />
ประยุกตใช เมื่อความจริงเปนเชนนี้ ผูเขียนจึงเสนอใชขอมูล Real-World TPM ที่ปรับแลวของอัญญา ขันธวิทย<br />
(2554) ตามที่ปรากฏในตารางที่ 1 เปนขอมูลประกอบการวิเคราะห<br />
6
ตารางที่ 1<br />
Real-World TPM ที่ปรับแลวของอัญญา ขันธวิทย (2554)<br />
อันดับ<br />
อันดับ ณ สิ้นป<br />
ณ ตนป<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 85.5400% 13.6570% 0.6477% 0.0410% 0.0516% 0.0193% 0.0321% 0.0113%<br />
AA 0.5935% 90.1462% 8.5154% 0.5523% 0.0624% 0.0833% 0.0208% 0.0260%<br />
A 0.0149% 2.8998% 92.8949% 3.7051% 0.1414% 0.0633% 0.0076% 0.2730%<br />
BBB 0.0026% 0.0997% 6.2398% 87.6931% 2.7378% 0.7523% 0.0411% 2.4336%<br />
BB 0.0118% 0.0321% 0.3726% 10.1796% 77.0000% 4.3030% 0.4477% 7.6533%<br />
B 0.0006% 0.0434% 0.1650% 0.3977% 5.8448% 78.3813% 7.4604% 7.7069%<br />
CCC/C 0.0001% 0.0079% 0.2242% 0.3428% 0.9676% 15.1932% 51.2391% 32.0250%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
ขอมูลอัตรา Credit Spreads<br />
การศึกษาเก็บขอมูลอัตรา Credit Spreads จากแหลงที่มา 2 แหลง แหลงที่หนึ่งจากแหลงที่ ThaiBMA<br />
รายงานสําหรับอันดับเครดิต AAA ถึง BBB และแหลงที่สองเปนแหลงที่ผูเขียนไดรับจากการสํารวจความคิดเห็นของ<br />
ผูคาตราสารหนี้ในตลาดตราสารหนี้ไทย รายละเอียดเปนดังนี้<br />
ขอมูลสําหรับอันดับเครดิต AAA จนถึง BBB<br />
ขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต AAA จนถึงอันดับเครดิต BBB เปนขอมูลซึ่ง ThaiBMA<br />
รายงานตั้งแตวันที่ 15 สิงหาคม 2551 ถึงวันที่ 30 พฤศจิกายน 2554 โดยที่การรายงานทําเดือนละ 2 ครั้ง ครั้งหนึ่ง<br />
ตอนกลางเดือนและอีกครั้งหนึ่งตอนสิ้นเดือน จํานวนรวม 80 ตัวอยาง คาสถิติเชิงพรรณนาของอัตรา Credit Spreads<br />
สําหรับอันดับเครดิต AAA จนถึงอันดับเครดิต BBB เปนดังที่ปรากฏในตารางที่ 2 จากตาราง การศึกษาพบวา<br />
คาเฉลี่ย ของอัตรา Credit Spreads มีโครงสรางแบบปกติ (Normal Curves) สําหรับอันดับเครดิตทุกอันดับ โครงสราง<br />
นี้เกิดขึ้นจากเหตุผลขอหนึ่งที่การคํานวณและรายงานอัตรา Credit Spreads โดย ThaiBMA ไดทําโดยใชเทคนิค Curve<br />
Fitting ซึ่งบังคับใหเสนความสัมพันธตองเปนเสนโคงหรือเสนตรงที่ชันขึ้นตามเวลา อัตรา Credit Spreads ที่คํานวนได<br />
มีความผันผวนสูงดังที่ชี้โดยคาเบี่ยงเบนมาตรฐานที่มีระดับที่สูงเมื่อเทียบกับคาเฉลี่ย และที่ชี้โดยความตางระหวาง<br />
อัตรา Credit Spreads ระดับที่สูงที่สุดและที่ต่ําที่สุดซึ่งมีขนาดที่สูงมากโดยมีขนาดที่เริ่มตั้งแต 199 จุดเบซิส (Basis<br />
Points) จนถึง 339.78 จุดเบซิส การกระจายตัวของอัตรา Credit Spreads ทั้งหมดทุกอัตรามีความเบไปทางขวาและมี<br />
หางอวนตามที่ชี้โดยคาสกวิเนสและคาเคอรโคซิสสวนเกิน ตามลําดับ ที่มีคาเปนบวก<br />
การศึกษาเสนอใชคาเฉลี่ยที่คํานวณไดสําหรับการวิเคราะหเพื่อระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM ดังเชนที่การศึกษาใน<br />
อดีตไดใชขอมูลในลักษณะทํานองเดียวกันไปกอนหนา เชน การศึกษาของ Lando and Mortensen (2005) การศึกษา<br />
ใชวิธี Dickey-Fuller เพื่อทดสอบสมมติฐานการมีลักษณะ Non-Stationarity ของขอมูลอนุกรมเวลาของอัตรา Credit<br />
Spreads จะไดมั่นใจวา คาเฉลี่ยสามารถทําหนาที่เปนตัวแทนของอัตรา Credit Spreads ได คาสถิติ Dickey-Fuller<br />
ไดรายงานไวในแถวนอนสุดทายของตาราง ณ ระดับความเชื่อมั่นรอยละ 99.00 การศึกษาจะปฏิเสธสมมติฐาน Non-<br />
Stationarity หากคาสถิติ Dickey-Fuller มีระดับนอยกวาคาอางอิงที่ -3.51 จากตาราง การศึกษาไมสามารถปฏิเสธ<br />
สมมติฐาน Non-Stationarity ใหอัตรา Credit Spreads อัตราใดไดเลย ดังนั้น การศึกษาจึงไดตรวจสอบตอไปวา<br />
ขอความจริงที่การศึกษาไมสามารถปฏิเสธสมมติฐานเปนเพราะเหตุที่ขอมูลอนุกรมเวลามีลักษณะ High Persistence<br />
หรือเปนเพราะเหตุที่มีลักษณะ Non-Stationarity จริง การตรวจสอบทําโดยการพิจารณาคาสัมประสิทธิ์อัตตสหสัมพันธ<br />
ของอัตรา Credit Spreads ยอนหลังกลับไป 1 งวด จนถึง 6 งวด ซึ่งพบวา คาสถิติอัตตสหสัมพันธกับขอมูลที่เกิดขึ้น 1<br />
งวดกอนหนามีระดับประมาณ 0.95 แตระดับไดลดลงอยางรวดเร็วและเหลือเพียงประมาณ 0.75 กับขอมูลที่เกิดขึ้น 6<br />
งวดกอนหนา เมื่อผลการตรวจสอบเพิ่มเติมเปนเชนนี้ การศึกษาจึงสรุปวาอัตรา Credit Spreads มีลักษณะ<br />
Stationarity ดวยเหตุผลซึ่ง Chen et al. (1992) ไดอธิบายไว<br />
7
ตารางที่ 2<br />
คาสถิติเชิงพรรณนาของอัตรา Credit Spreads ซึ่งคํานวณโดยใชขอมูลที่ ThaiBMA รายงาน<br />
สําหรับอันดับเครดิต AAA จนถึงอันดับเครดิต BBB<br />
อันดับ AAA อันดับ AA อันดับ A อันดับ BBB<br />
คาสถิติ *<br />
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<br />
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<br />
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<br />
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<br />
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<br />
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<br />
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<br />
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<br />
*<br />
Average หมายถึงคาเฉลี่ยเลขคณิต SD หมายถึงคาเบี่ยงเบนมาตรฐาน Skew หมายถึงคาสกิวเนส EKur หมายถึงคาเคอรโตซิสสวนเกิน Max หมายถึงคาที่สูงที่สุด Min หมายถึงคาที่ต่ําที่สุด และ DF หมายถึงคาสถิติ Dickey-Fuller<br />
ตารางที่ 3<br />
คาสถิติเชิงพรรณนาของอัตรา Credit Spreads ซึ่งคํานวณโดยใชขอมูลจากการสํารวจความคิดเห็นของผูคาตราสารหนี้<br />
สําหรับอันดับเครดิต BB จนถึงอันดับเครดิต CCC/C<br />
อันดับ BB อันดับ B อันดับ CCC/C<br />
คาสถิติ*<br />
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<br />
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<br />
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<br />
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<br />
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<br />
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<br />
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<br />
ผูตอบ 9 9 9 8 8 8 9 9 9 8 8 8 9 9 9 8 8 8<br />
*<br />
Average หมายถึงคาเฉลี่ยเลขคณิต SD หมายถึงคาเบี่ยงเบนมาตรฐาน Skew หมายถึงคาสกิวเนส EKur หมายถึงคาเคอรโตซิสสวนเกิน Max หมายถึงคาที่สูงที่สุด Min หมายถึงคาที่ต่ํา สุดทาย ผูตอบหมายถึงจํานวนรายของผูตอบจากผูคาตราสารหนี้ที่เขารวมในโครงการศึกษาทั้งหมด 9 ราย<br />
8
ขอมูลสําหรับอันดับเครดิต BB จนถึง CCC/C<br />
การวิเคราะหเพื่อระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับประเทศไทยตองอางอิงขอมูล Credit Spreads ของตราสาร<br />
หนี้ที่มีอันดับเครดิตต่ํากวาอันดับ BBB ไดแกอันดับ BB B และ CCC/C ดวย แตขอมูลเหลานี้ไมมีการรายงานไว ณ ที่<br />
ใดเนื่องจากตลาดตราสารหนี้ไทยมีขอมูลซึ่งมีอันดับเครดิตต่ํากวาอันดับ BBB ซื้อขายกันนอยมากจนถึงไมมีการซื้อขาย<br />
ซึ่งปญหาการขาดขอมูลเพราะตราสารหนี ้ที่มีอันดับเครดิตต่ํามีการซื้อขายกันนอยหรือไมมีการซื้อขายเปนปญหาที่พบ<br />
ทั่วไปทั้งในตลาดประเทศที่พัฒนาแลว เชนตลาดตราสารหนี้ของประเทศสหรัฐอเมริกา ดังที่ Trueck and Rachev<br />
(2009) ไดตั้งขอสังเกตไว และในตลาดเกิดใหมเชนตลาดตราสารหนี้ของประเทศไทย ดังที่การศึกษาของ<br />
Wongweerawit (2005) ไดประสบ เปนตน<br />
เพื่อใหการศึกษาสามารถดําเนินตอไปได ผูเขียนจึงจัดเก็บขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต<br />
BB B และ CCC/C เองโดยวิธีสํารวจความคิดเห็นจากผูคาตราสารหนี้ (Dealer Poll) การใชวิธี Dealer Poll เพื่อเก็บ<br />
ขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิตที่ต่ําในกรณีที่การซื้อขายตราสารหนี้มีนอยหรือตราสารหนี้ไมมีการ<br />
ซื้อขายเปนวิธีทางเลือกที่เปนที่ยอมรับและไดมีการใชงานวิธีนี้ไปกอนหนานี้แลวในทางปฏิบัติในตลาดตางประเทศ<br />
โดยเฉพาะตลาดอนุพันธของอันดับเครดิตเมื่อตราสารหนี้เกิดบิดพลิ้วหรือถูกปรับลดอันดับเครดิต และการชําระราคา<br />
ดวยเงินสดที่ตองคํานวณจากราคาตลาดของตราสารหนี้ที ่อนุพันธอางอิงถึงฉบับนั้น ดังที่ J.P. Morgan (1999) ได<br />
อธิบายไว<br />
ผูเขียนทํา Dealer Poll เพื่อเก็บขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิตตั้งแต BB ถึง CCC/C โดย<br />
ใชแบบสอบถาม ซึ่งในแบบสอบถามที่ใชนั้น ผูเขียนไดรายงานขอมูลคาเฉลี่ยอัตรา Credit Spreads สําหรับอันดับ<br />
เครดิต AAA ถึง BBB ตามที่ปรากฏในตารางที่ 2 ใหผูคาตราสารหนี้ผูตอบแบบสอบถามไดรับทราบดวย 2<br />
ผูเขียนตรวจสอบพบวา ผูคาตราสารหนี้ในตลาดตราสารหนี้ไทยมีทั้งหมด 43 ราย แตในป 2554 มีผูคาเพียง<br />
32 รายเทานั้นที่มีธุรกรรมซื้อขายตราสารหนี้เอกชน นอกจากนั้น การคาตราสารหนี้ยังกระจุกตัวอยูในหมูผูคารายใหญ<br />
เพียงนอยรายเทานั้น เนื่องจากผูคาที่มีธุรกรรมในตลาดนอยหรือไมมีธุรกรรมเปนผูคาที่ไมมีอิทธิพลในการกําหนด<br />
ราคาและอาจมีขอมูลจํากัดเกี่ยวกับพฤติกรรมราคาตราสารหนี้ ดังนั้น ในการทํา Dealer Poll ผูเขียนจึงจะสอบถาม<br />
ความเห็นจากผูคาขนาดใหญที่มีมูลคาการซื้อขายในป 2554 ไมนอยกวา 2% ของมูลคาการซื้อขายรวม ผูเขียนพบวา<br />
ผูคาที่มีลักษณะเขาขายมีทั้งหมด 11 ราย ซึ่งมูลคาการซื้อขายของผูคาทั้ง 11 รายรวมเทากับ 91.50% ผูเขียนสอบถาม<br />
ผูคาทุกรายโดยเจาะจงใหตัวแทนของผูคาซึ่งตอบแบบสอบถามตองมีตําแหนงหนาที่รับผิดชอบการคาตราสารหนี้ของ<br />
ผูคา ตัวอยางของตําแหนงของตัวแทนผูตอบแบบสอบถาม เชน ตําแหนง Head of Fixed Income Investment และ<br />
ตําแหนง Fixed Income Trader เปนตน ในจํานวนกลุมเปาหมาย 11 ราย ผูเขียนไดรับความรวมมือจากผูคาจํานวน 9<br />
ราย ซึ่งมีมูลคาการซื้อขายรวม 83.24%<br />
คาสถิติเชิงพรรณนาของอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C ที่คํานวณโดยใชขอมูล<br />
จากการทํา Dealer Poll ซึ่งไดดําเนินการไประหวางวันที่ 3 มกราคม 2555 ถึงวันที่ 9 มีนาคม 2555 ไดรายงานไวใน<br />
ตารางที่ 3 จากตารางผูเขียนพบวา คาเฉลี่ยของอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C มีระดับ<br />
เพิ่มขึ้นตามอายุของกระแสเงินในลักษณะทํานองเดียวกันกับที่พบสําหรับอันดับเครดิตตั้งแต BBB ขึ้นไป อัตรา Credit<br />
2 ขอมูลคาเฉลี่ยอัตรา Credit Spreads สําหรับอันดับเครดิต AAA ถึง BBB ที่รายงานใหผูคาตราสารหนี้ทราบ ไดรับการออกแบบใหทํา<br />
หนาที่เปนขอมูล Anchoring แกผูตอบในการใหความเห็นเกี่ยวกับอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C ดู<br />
Kahneman (2011)<br />
9
Spreads เรียงตัวกันจากอัตราที่ต่ํากวาสําหรับอันดับเครดิตที่สูง ไปสูอัตราที่สูงกวาสําหรับอันดับเครดิตที่ต่ํา ซึ่งเปน<br />
3<br />
ลักษณะที่สอดคลองกับที่พึงเปนตามทฤษฎี<br />
ขอมูลอัตรา Credit Spreads จากการทํา Dealer Poll ซึ่งชี้โดยคาเบี่ยงเบนมาตรฐานและสวนตางของคาสูงสุด<br />
และคาต่ําสุด มีการกระจายตัวมากกวาการกระจายตัวของขอมูลที่เก็บจาก ThaiBMA ทั้งนี้เหตุผลสวนหนึ่งอาจเปน<br />
เพราะการใหความเห็นเปนการใหความเห็นเกี่ยวกับราคาของตราสารหนี้ที่ไมมีอยูจริง ณ วันที่ใหความเห็น ทําใหผูคา<br />
เองมีขอมูลที่จํากัดมากเกี่ยวกับตราสารหนี้ที่อางอิงถึง การกระจายตัวของขอมูลมีลักษณะเบทางขวาเชนเดียวกับ<br />
ขอมูลสําหรับอันดับเครดิตตั้งแต BBB ขึ้นไป ซึ่งเหตุผลสวนหนึ่งอาจเปนเพราะอัตรา Credit Spreads ที่ตองมีคาเปน<br />
บวกเทานั้น<br />
ขอมูลอัตรา Recovery Rate<br />
อัตรา Recovery Rate ที่ถือเปน Stylized Facts จากตลาดตราสารหนี้ที่พัฒนาไปกอนหนาเปนอัตราที่สูงกวา<br />
สําหรับผูออกและตราสารหนี้ที่มีอันดับเครดิตสูง หรือสําหรับตราสารหนี้ที่อันดับเครดิตเดียวกันแตมีบุริมสิทธิ์<br />
เหนือกวา ดังตัวอยางที่รายงานโดย Moody’s Investors Service (2011) นอกจากนี้ ในทางวิชาการ นักวิชาการเชน<br />
Lando (2000, น. 155) ไดสนับสนุนใหการวิเคราะหตราสารหนี้ทําการตั้งเปนสมมติฐานใหอัตรา Recovery Rate มี<br />
ระดับที่ขึ้นกับอันดับเครดิตที่ผูออกหรือตราสารหนี้ไดรับกอนที่เหตุการณบิดพลิ้วจะเกิดขึ้น เพราะจะทําใหการวิเคราะห<br />
มีความสอดคลองกับเหตุการณที่เปนจริงในตลาดมากกวา<br />
ผูเขียนตระหนักถึง Stylized Facts ของอัตรา Recovery Rate จากตลาดตราสารหนี้ในตางประเทศและ<br />
ยอมรับในหลักการวา เมื ่อใชอัตรา Recovery Rate ที่ปรับตามอันดับเครดิตและบุริมสิทธิ์แลว การวิเคราะหควรให<br />
ผลลัพธที่สอดคลองกับความเปนจริงมากกวา แตในการศึกษานี้ ผูเขียนยืนยันจะตั้งเปนสมมติฐานใหอัตรา Recovery<br />
Rate เปนอัตราเดียวสําหรับตราสารหนี้ทุกรุน ดวยเหตุผล 2 ประการคือ ประการแรก เมื่อผูเขียนไดพิจารณาตลาดตรา<br />
สารหนี้ไทยที่มีประสบการณเกี่ยวกับเหตุการณบิดพลิ้วของตราสารหนี้จํานวนนอยรุน และแตละรุนที่บิดพลิ้วไมได<br />
กระจายออกไปออกไปตามอันดับเครดิตครบทุกอันดับ การระบุอัตรา Recovery Rate โดยใชประสบการณในตลาด<br />
ตราสารหนี้ไทยจึงไมสามารถทําไดสําหรับอันดับเครดิตทุกอันดับจนครบถวน และ ประการที่สอง การวิเคราะหซึ่งตั้ง<br />
เปนสมมติฐานใหอัตรา Recovery Rate มีเพียงอัตราเดียวเปนการวิเคราะหที่เรียบงาย และเปนแนวทางที่การศึกษา<br />
เชิงประจักษในตางประเทศที่มีการอางอิงถึงกวางขวางในวงวิชาการเชน การศึกษาของ Lando and Mortensen (2005)<br />
และ Albanese and Chen (2006) ไดเลือกใช<br />
ขอมูลอัตรา Recovery Rate สําหรับตราสารหนี้ในประเทศไทยที่ผูเขียนมีเปนทางเลือกมีอยูจํานวนหนึ่ง อาทิ<br />
ขอมูลที่รายงานโดย Moody’s Investors Service (2009) วา อัตรา Recovery Rate ของตราสารหนี้ที่อยูในประเทศ<br />
กลุมเอเชียแปซิฟกมีระดับเทากับ 29.20% 30.90% และ 36.20% สําหรับตราสารหนี้ไมดอยสิทธิและมีหลักประกัน หุน<br />
กูไมดอยสิทธิแตไมมีหลักประกัน และหุนกูดอยสิทธิ ตามลําดับ ขอมูล Recovery Rate ที่ Nakonthab et al. (2007) ตั้ง<br />
เปนสมมติฐานใหเทากับ 50.00% สําหรับกลุมเงินใหกูของธนาคารพาณิชยไทย และขอมูล Recovery Rate ระดับ 60%<br />
ที่ Wongweerawit (2005) คํานวณจากราคาตราสารหนี้ที่มีการซื้อขายจริงในตลาดตราสารหนี้ไทยผานตัวแบบจําลอง<br />
ทางทฤษฎีเพื่อกําหนดราคาตราสารหนี้ เปนตน<br />
ผูเขียนเลือกที่จะไมใชขอมูล Recovery Rate ที่มีเปนทางเลือกในยอหนาบน เพราะขอมูลที่ Moody’s<br />
Investors Service (2009) รายงานเปนขอมูลเฉลี่ยสําหรับประเทศกลุมเอเชียแปซิฟก ซึ่งแมมีประเทศไทยเปนสมาชิก<br />
แตเนื่องจากเหตุการณการบิดพลิ้วที่เกิดขึ้นในประเทศไทยในชวงเวลาที่ Moody’s Investors Service ใชคํานวณอัตรา<br />
3 ผูเขียนตรวจสอบขอมูลที่ผูคาแตละรายตอบดวยและพบวา การเรียงตัวของอัตรา Credit Spreads เปนการเรียงตัวที่ถูกตองตามทฤษฎี<br />
10
Recovery Rate เปนชวงที่เหตุการณบิดพลิ้วในตลาดการเงินไทยเกิดขึ้นจริงจํานวนนอยครั้ง อัตรา Recovery Rate ที่<br />
Moody’s Investors Service รายงานจึงอาจไมเหมาะสําหรับตลาดตราสารหนี้ไทย ผูเขียนไมพิจารณาใชอัตรา<br />
Recovery Rate ของ Nakonthab et al. (2007) เพราะ Nakonthab et al. ระบุไวชัดเจนวาเปนอัตราสําหรับกลุมเงินให<br />
กูของธนาคารพาณิชยไมใชสําหรับกลุมตราสารหนี้ ในขณะที่ Moody’s Investor Service (2009) รายงานวาอัตรา<br />
Recovery Rate ของกลุมเงินใหกูและกลุมตราสารหนี้อาจแตกตางกันมาก และผูเขียนพิจารณาไมใชอัตรา Recovery<br />
Rate ของ ที่ Wongweerawit (2005) เพราะความถูกตองแมนยําของอัตราขึ้นกับความถูกตองแมนยําของตัว<br />
แบบจําลองทางทฤษฎีที่ใชกําหนดราคาตราสารหนี้เอกชน ซึ่ง Wongweerawit ไดยอมรับวายังไมสามารถระบุชัดเจนถึง<br />
ตัวแบบจําลองที่สามารถกําหนดราคาตราสารหนี้ไดอยางถูกตอง<br />
ผูเขียนตั้งขอสังเกตวา อัตรา Recovery Rate เปนมูลคาปจจุบันของกระแสเงินที่ผูถือตราสารหนี้จะเรียกรับ<br />
คืนไดจากผูออกเมื่อตราสารหนี้บิดพลิ้ว ดังนั้น ในสาระ อัตรา Recovery Rate ของตราสารหนี้จึงตองหมายถึง ราคา<br />
ตราสารหนี้ฉบับนั้นที่ถูกกําหนด ณ วันที่ตราสารหนี้บิดพลิ้ว การตีความอัตรา Recovery Rate ในฐานะราคาตราสาร<br />
หนี้ ณ วันที่ตราสารหนี้บิดพลิ้ว เปนการตีความที่สอดคลองกับนิยามที่สถาบันจัดอันดับเครดิตชั้นนําเชน Moody’s และ<br />
Standard and Poor’s ใชสําหรับเก็บขอมูลเพื่อคํานวณอัตรา Recovery Rate ในตลาดและในกลุมประเทศตางๆ<br />
เมื่ออัตรา Recovery Rate สามารถพิจารณาไดวาเปนราคาตราสารหนี้เมื่อบิดพลิ้ว ในกรณีที่ตลาดตราสาร<br />
หนี้ไทยมีตราสารหนี้ที่บิดพลิ้วจํานวนนอยรายทําใหไมสามารถระบุอัตรา Recovery Rate ไดจากขอมูลที่เกิดขึ้นจริง<br />
การใชขอมูล Recovery Rate จากการทํา Dealer Poll จึงเปนวิธีที่มีความเหมาะสม เปนที่ยอมรับดวยเหตุผลใน<br />
ลักษณะทํานองเดียวกันกับเหตุผลสําหรับการระบุอัตรา Credit Spreads ผูเขียนใชขอมูลเพื่อคํานวณอัตรา Recovery<br />
Rate จากการทํา Dealer Poll ที่ไดรับมาพรอมกับขอมูลเพื่อคํานวณอัตรา Credit Spreads ตามที่ไดพรรณนาไป<br />
ขางตน คาสถิติเชิงพรรณนาของอัตรา Recovery Rate ไดรายงานไวในตารางที่ 4 และในการศึกษานี้ ผูเขียนจะ<br />
กําหนดใหอัตรา Recovery Rate เทากับคาเฉลี่ยที่คํานวณไดระดับ 33.75%<br />
ตารางที่ 4<br />
คาสถิติเชิงพรรณนาของอัตรา Recovery Rate ซึ่งคํานวณโดยใชขอมูลจากการสํารวจ<br />
คาสถิติ *<br />
ระดับ<br />
Average 33.75%<br />
SD 25.60%<br />
Skew 0.60<br />
E. Kur. 0.18<br />
Max 80.00%<br />
Min 0.00%<br />
ผูตอบ 8<br />
* Average หมายถึงคาเฉลี่ยเลขคณิต SD หมายถึงคาเบี่ยงเบนมาตรฐาน Skew หมายถึงคาสกิวเนส EKur หมายถึงคาเคอรโตซิสสวนเกิน Max หมายถึงคาที่สูงที่สุด Min หมายถึงคาที่ต่ําที่สุด สุดทาย ผูตอบ<br />
หมายถึงจํานวนรายของผูตอบจากผูคาตราสารหนี้ที่เขารวมในโครงการศึกษาทั้งหมด 9 ราย<br />
ระดับความนาจะเปนที่จะบิดพลิ้วซึ่งโดยนัยในโลกที่ผูลงทุนเปนกลางตอความเสี่ยง<br />
เมื่อผูเขียนมีขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิตและแบงแยกตามอายุของกระแสเงิน ซึ่งคือ<br />
คาเฉลี่ยที่รายงานในตารางที่ 2 และตารางที่ 3 และมีขอมูลอัตรา Recovery Rate ซึ่งคือคาเฉลี่ยที่รายงานในตารางที่ 4<br />
แลว กอนที่ผูเขียนจะทําการวิเคราะหเพื่อเปรียบเทียบวิธีทางเลือกสําหรับระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM ผูเขียนจะคํานวณ<br />
ระดับความนาจะเปนที่จะบิดพลิ ้วในโลกที่ผูลงทุนเปนกลางตอความเสี่ยงจากขอมูลที่มีโดยอางอิงความสัมพันธทาง<br />
ทฤษฎีระหวางระดับความนาจะเปน อัตรา Credit Spreads อัตรา Recovery Rate และอายุของกระแสเงินกอน<br />
ผลลัพธจากการคํานวณมีประโยชนเพราะเปนระดับความนาจะเปนที่ตองเทากับผลลัพธจากวิธีทางเลือกที่ผูเขียนจะใช<br />
กําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM และผูเขียนจะใชเปนระดับความนาจะเปนที่คํานวณไดนี้เปนขอมูลขั้นตนเพื่อตรวจสอบวา<br />
11
วิธีทางเลือกเหลานั้นจะรายงานความนาจะเปนไดสอดคลองหรือไมกับลักษณะที่พึงพบตามทฤษฎี ไดแกความนาจะ<br />
เปนตองมีคาไมเกิน 100% และตองมีระดับที่สูงกวาความนาจะเปนที่จะบิดพลิ้วที่อานไดจาก Real-World TPM<br />
ตารางที่ 5<br />
ระดับความนาจะเปนที่จะบิดพลิ้วซึ่งโดยนัยในโลกที่ผูลงทุนเปนกลางตอความเสี่ยง<br />
เปรียบเทียบกับระดับที่อานไดจาก Real-World TPM *<br />
อายุ 1 ป อายุ 2 ป อายุ 3 ป อายุ 5 ป อายุ 7 ป อายุ 10 ป<br />
อันดับ <strong>Risk</strong>-<br />
<strong>Neutral</strong><br />
Real-<br />
World<br />
<strong>Risk</strong>-<br />
<strong>Neutral</strong><br />
Real-<br />
World<br />
<strong>Risk</strong>-<br />
<strong>Neutral</strong><br />
Real-<br />
World<br />
<strong>Risk</strong>-<br />
<strong>Neutral</strong><br />
Real-<br />
World<br />
<strong>Risk</strong>-<br />
<strong>Neutral</strong><br />
Real-<br />
World<br />
<strong>Risk</strong>-<br />
<strong>Neutral</strong><br />
Real-<br />
World<br />
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%<br />
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%<br />
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%<br />
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%<br />
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%<br />
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%<br />
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%<br />
* <strong>Risk</strong>-<strong>Neutral</strong> หมายถึงระดับความนาจะเปนในโลกที่ผูลงทุนเปนกลางตอความเสี่ยงที่คํานวณไดจากขอมูลและความสัมพันธทางทฤษฎีตามที่ปรากฏในคําพรรณนาสมการที่ (3) สวน Real-World หมายถึง<br />
ความนาจะเปนในโลกแหงความเปนจริงที่คํานวณโดยใชขอมูล และตามความสัมพันธทางทฤษฎีตามสมการที่ (1)<br />
ระเบียบวิธีวิจัย<br />
วิธีทางเลือกเพื่อระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
Trueck and Rachev (2009) สรุปวา วิธีทางเลือกซึ่งสามารถใชเพื่อระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM สามารถแบงได<br />
5 กลุม คือ<br />
กลุมแรก เปนกลุมที่เสนอโดย Jarrow et al. (1997) และขยายผลโดย Kajima and Komoribayashi (1998)<br />
ซึ่งปรับ Real-World TPM โดยใช “คาชดเชยความเสี่ยง” (<strong>Risk</strong> Premium) ใหเปน <strong>Risk</strong>-<strong>Neutral</strong> TPM ทั้งนี้ <strong>Risk</strong>-<br />
<strong>Neutral</strong> ที่เกิดขึ้นเปนผลลัพธตองสามารถคํานวณราคาตราสารหนี้ตามทฤษฎีไดตรงกับราคาตราสารหนี้ที่มีการซื้อขาย<br />
จริงในตลาด<br />
กลุมที่สอง เสนอโดย Lando (2000) ซึ่งระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM จาก Real-World TPM ที่มีอายุ 1 งวด โดย<br />
ในขั้นแรกทําการปรับ Real-World TPM ใหเปนเมทริกซ Generator จากนั้นจึงปรับเมทริกซ Generator ใหเปนเมท<br />
ริกซสําหรับ <strong>Risk</strong>-<strong>Neutral</strong> TPM ภายใตเงื่อนไขที่ TPM ที่เกิดขึ้นเปนผลลัพธตองสามารถรายงานราคาตราสารหนี้ตาม<br />
ทฤษฎีไดตรงกับราคาตราสารหนี้ที่มีการซื้อขายจริงในตลาด<br />
กลุมที่สาม เสนอโดย McNulty and Levin (2000) ซึ่งกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM โดยอางอิงโครงสรางทาง<br />
การเงินและตัวแบบจําลอง Capital Asset Pricing Model รวมกับการใชขอมูล Real-World TPM ขอมูล Credit<br />
Spreads ขอมูลอัตราผลตอบแทนสวนเกินของตลาด และขอมูลคาสัมประสิทธิ์สหสัมพันธของหุนของผูออกตราสารหนี้<br />
ที่มีตออัตราผลตอบแทนของตลาด<br />
กลุมที่สี่ เสนอโดย Lando and Mortensen (2005) ซึ่งระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM จากเงื่อนไข <strong>First</strong>-Oreder<br />
Condition ของตัวแบบจําลองทางเศรษฐศาสตรซึ่งผูลงทุนแบงเงินลงทุนไปลงทุนในสินทรัพยที่มีความเสี่ยงสวนหนึ่ง<br />
และสินทรัพยที่ปราศจากความเสี่ยงอีกสวนหนึ่งเพื่อทําใหระดับอรรถประโยชนที่คาดมีระดับที่สูงที่สุด<br />
กลุมที่หา เสนอโดย Albanese and Chen (2006) ซึ่งระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM จากพฤติกรรมเชิงสุมของตัว<br />
แปรที่ชี้ระดับความนาเชื่อถือดานเครดิตของผูออกหรือตราสารหนี้ที่จะเคลื่อนขามระดับอางอิงสําหรับอันดับเครดิต<br />
ตางๆ ทั้งนี้ พฤติกรรมของตัวแปรสามารถพรรณนาไดโดยใชคาพารามิเตอรของกระบวนการเชิงสุม (Stochastic<br />
Process) ของตัวแปรนั้นซึ่งกําหนดไดจากขอมูล Real-World TPM และขอมูล Credit Spreads<br />
12
การคัดกรองวิธีทางเลือกเพื่อการเปรียบเทียบ<br />
การศึกษาจะเปรียบเทียบวิธีทางเลือกเพื่อระบุวิธีที่เหมาะสมสําหรับการใชงานจริงในตลาดตราสารหนี้ไทย<br />
การศึกษาเสนอจะคัดกรองวิธีทางเลือกที่มีเหลานั้นในชั้นตนเพื่อใหเหลือวิธีที่เหมาะสมจํานวนหนึ่งสําหรับเปรียบเทียบ<br />
การคัดกรองสําคัญเพราะ การศึกษาวิธีการทางเลือกทั้งหมดที่เปนจํานวนมากสิ้นเปลืองทรัพยากร ในขณะที่ทรัพยากร<br />
มีจํากัด นอกจากนี้ การวิเคราะหในเบื้องตนถึงวิธีทางเลือกทําใหผูเขียนสามารถระบุเหตุผลที่ตรงไปตรงมาและเพียงพอ<br />
สําหรับการตัดไมพิจารณาวิธีทางเลือกบางวิธีหรือบางกลุมไดแลว<br />
ผูเขียนเสนอเปรียบเทียบวิธีทางเลือกจํานวน 3 วิธี คือวิธีของ Jarrow et al. (1997) วิธีของ Kajima and<br />
Komoribayashi (1998) และวิธี Modifying Default Intensities ของ Lando (2000) ผูเขียนเลือกที่จะพิจารณาวิธีของ<br />
Jarrow et al. (1997) และวิธีของ Kajima and Komoribayashi (1998) เพราะเปนวิธีที่มีผูอางอิงถึงมากที่สุด เรียบงาย<br />
และไดรับการยอมรับแลวอยางกวางขวางจนถึงระดับที่บรรจุในหนังสือ เชน หนังสือของ Trueck and Rachev (2009)<br />
และใชเปนตัวแบบจําลองเพื่อการเปรียบเทียบในงานวิจัย เชนงานวิจัยของ Albanese and Chen (2006) ผูเขียนเลือก<br />
พิจารณาวิธี Modifying the Row of the Generator <strong>Matrix</strong> ของ Lando (2000) เพราะ Trueck and Rachev (2009) ชี้<br />
วา <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่เปนผลลัพธของวิธีนี้มีลักษณะเหมาะสมกับพฤติกรรมความเสี่ยงดานเครดิตในตลาดการเงินใน<br />
กรณีทั่วไป ในขณะที่วิธี Modifying the Rows of the Generator <strong>Matrix</strong> และวิธี Modifying Eigenvalues of the<br />
<strong>Transition</strong> <strong>Probability</strong> <strong>Matrix</strong> ที่ Lando เสนอไวพรอมกัน ให <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่มีลักษณะเหมาะกับพฤติกรรม<br />
ความเสี่ยงดานเครดิตเฉพาะในชวงที่ตลาดตราสารหนี้มีความผันผวนสูง<br />
ผูเขียนเลือกที่จะไมพิจารณาวิธีที่ McNulty and Levin (2000) เสนอเพราะการกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
ตองอางอิงกับอันดับเครดิตและยังตองอางอิงกับคาสัมประสิทธิ์สหสัมพันธที่หุนสามัญของผูออกมีตออัตราผลตอบแทน<br />
ของตลาด เงื่อนไขการอางอิงกับคาสัมประสิทธิ์สหสัมพันธเปนเงื่อนไขเพิ่มเติมที่ไมสอดคลองกับการวิเคราะหความ<br />
เสี่ยงดานเครดิตที่อางอิงถึงเฉพาะตัวอันดับเครดิตที่สนใจเพียงอยางเดียว นอกจากนั้น การระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
ของ McNulty and Levin ยังไมอางอิงราคาตามทฤษฎีกับราคาตลาดของหุนกู ผูเขียนเลือกที่จะไมพิจารณาวิธีของ<br />
Lando and Mortensen (2005) เพราะวิธีนี้ไมสามารถระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับกระแสเงินที่มีระยะเวลา 1 ปได<br />
แมวิธีนี้จะไดรับการออกแบบให <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่ไดเปนผลลัพธมีระดับความนาจะเปนที่สอดคลองกับพฤติกรรม<br />
ตามความเชื่อของตลาดก็ตาม สุดทาย ผูเขียนเลือกที่จะไมพิจารณาวิธีของ Albanese and Chen (2006) แม <strong>Risk</strong>-<br />
<strong>Neutral</strong> TPM ที่เปนผลลัพธสามารถใหระดับความนาจะเปนที่สอดคลองกับความเชื่อของตลาดไดเชนกัน เพราะ ตัว<br />
แบบจําลองอางอิงถึงคาพารามิเตอรจํานวนมากที่จําเปนตองใชเพื่อพรรณนาพฤติกรรมของตัวแปรที่ชี้ระดับความ<br />
นาเชื่อถือดานเครดิต ตัวแบบจําลองมีความซับซอนมาก และการกําหนดตัวแบบจําลองมีขั้นตอนยุงยากเกินกวาที่จะ<br />
นํามาประยุกตใชงานจริงในตลาดตราสารหนี้ไทย<br />
รายละเอียดของวิธีที่เลือกมาพิจารณาเปรียบเทียบ<br />
กําหนดให P N เปน Real-World TPM สําหรับกระแสเงินที่มีอายุ N ป ซึ่งมีขนาด K K โดยที่สมาชิก<br />
N<br />
p , ที่อยูในแถวนอนที่ i และแถวตั้งที่ j ทําหนาที่ระบุระดับความนาจะเปนที่ตราสารหนี้ที่มีอันดับเครดิต i ณ ตนปที่<br />
1 จะมีอันดับเครดิตเปลี่ยนแปลงไปเปนอันดับเครดิต j ณ สิ้นปที่ N ดังนี้<br />
P N <br />
N N<br />
p , … p ,K<br />
<br />
N N<br />
P N (1)<br />
… p K,K<br />
0.00 … 1.00<br />
p K,<br />
13
โดยที่ p N , 0 i j และ p ,<br />
N 1∑<br />
K<br />
<br />
<br />
N<br />
p ,<br />
สัญลักษณ i 1 แสดงถึงอันดับเครดิตสูงสุด<br />
สัญลักษณ i K แสดงอันดับเครดิตต่ําสุดคืออันดับ Default การศึกษาสนใจจะระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับ<br />
กระแสเงินที่มีอายุ N ป ซึ่งเปนเมทริกซ Q ขนาด K K ตอไปนี้<br />
Q N <br />
N N<br />
q , … q ,K<br />
<br />
N N<br />
(2)<br />
… q K,K<br />
0.00 … 1.00<br />
q K,<br />
โดยที่ q N , 0 i j และ q ,<br />
N 1∑<br />
K<br />
<br />
<br />
N<br />
q ,<br />
โดยใชวิธีที่แตกตางกันจํานวน 3 วิธี<br />
วิธีของ Jarrow et al. (1997)<br />
Jarrow et al. (1997) กําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM Q N โดยอางอิงกับ Real-World TPM P N<br />
ระดับ Credit Spreads และและอัตรา Recovery Rate ผานความสัมพันธ<br />
N π N N<br />
p , เมื่อ j i<br />
<br />
1π N 1 p N , เมื่อ j i<br />
q ,<br />
(3)<br />
N<br />
โดยที่คาชดเชยความเสี่ยง π คํานวณจาก π N ,K<br />
N<br />
N<br />
N ระดับความนาจะเปนที่จะบิดพลิ้ว q<br />
,K คํานวณจาก<br />
,K<br />
q N<br />
,K<br />
สัญลักษณ φ แสดงอัตรา Recovery Rate และสัญลักษณ s N แสดงระดับ Credit<br />
Spread ของตราสารหนี้ที่มีอันดับเครดิต i และมีอายุคงเหลือ N งวด ความสัมพันธในสมการที่ (3) ชี้วา ความนาจะ<br />
N<br />
เปน q , ไดรับการปรับใหสูงขึ้นหรือลดลงไปในทิศทางเดียวกัน ในอัตราที่เทากันสําหรับอันดับเครดิต ji ทุก<br />
N N<br />
อันดับและเทากับคาชดเชยความเสี่ยง π ที่มากกวาหรือนอยกวา 1.00 ตามลําดับ สวนความนาจะเปน q ,<br />
คํานวณจากขอความจริงที่ผลรวมของความนาจะเปนสําหรับอันดับเครดิตที่อาจเกิดขึ้นในอนาคตทุกอันดับตองเทากับ<br />
N<br />
1.00 เปนที่พึงสังเกตวาในกรณีที่คาชดเชยความเสี่ยง π มีขนาดที่ใหญมาก ผลรวมของความนาจะเปน<br />
K<br />
∑<br />
N<br />
N<br />
q , อาจมีคามากกวา 1.00 และคาความนาจะเปน q , ที่คํานวณไดเปนคาลบสงผลให <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
<br />
<br />
N N<br />
<br />
ที่ไดเปนผลลัพธไมสามารถเปนไปไดจริง (Infeasible TPM)<br />
วิธีของ Kajima and Komoribayashi (1998)<br />
เพื่อแกปญหาที่ <strong>Risk</strong>-<strong>Neutral</strong> TPM ของ Jarrow et al. (1997) อาจเปน TPM ที่เปนไปไมได Kajima and<br />
Komoribayashi (1998) จึงเสนอปรับการคํานวณคาชดเชยความเสี่ยง และวิธีการคํานวณ <strong>Risk</strong>-<strong>Neutral</strong> TPM โดย<br />
กําหนดใหคาชดเชยความเสี่ยงมีระดับเทากับ θ N ,K<br />
N<br />
N และ <strong>Risk</strong>-<strong>Neutral</strong> TPM Q N คํานวณไดจาก<br />
,K<br />
ความสัมพันธ<br />
N θ N N<br />
p , เมื่อ j K<br />
<br />
1θ N 1 p N ,K เมื่อ j K<br />
q ,<br />
(4)<br />
14
N N<br />
ซึ่งปรับระดับความนาจะเปน p ,K ใหเพิ่มขึ้นหรือลดลงในอัตราเดียวกันในระดับเทากับคาชดเชยความเสี่ยง θ <br />
N N<br />
ใหเปนความนาจะเปน q ,K แลวคํานวณความนาจะเปน q ,K จากขอความจริงที่ผลรวมของความนาจะเปน<br />
สําหรับอันดับเครดิตที่อาจเกิดขึ้นในอนาคตทุกอันดับตองเทากับ 1.00<br />
วิธี Modifying Default Intensities ของ Lando (2000)<br />
วิธี Modifying Default Intensities ของ Lando (2000) แปลง Real-World TPM P ใหเปนเมทริกซ Real-<br />
World Generator GP P I P I <br />
ในขณะที่ I<br />
<br />
เปนเมทริกซ Identity ที่มีขนาด K K กําหนดตอไปใหเมทริกซ Generator G มีโครงสราง<br />
P I <br />
<br />
P I <br />
<br />
g , … g ,K<br />
<br />
G <br />
(5)<br />
g K, … g K,K<br />
0.00 … 0.00<br />
เมทริกซ <strong>Risk</strong>-<strong>Neutral</strong> Generator Λ N ซึ่งสัมพันธกับ <strong>Risk</strong>-<strong>Neutral</strong> TPM Q N NΛ N <br />
N N <br />
!<br />
∑<br />
จะมีโครงสรางดังนี้<br />
Λ N <br />
, γ N 1g ,K γ N g ,<br />
γ N g ,K<br />
γ N g ,K<br />
g , γ N 1g ,K<br />
γ N g ,K<br />
<br />
<br />
<br />
(6)<br />
g γ N K g K, g K,K γ N 1g K,K γ N<br />
K g K,K <br />
0.00 0.00 <br />
โดยที่สัญลักษณ γ <br />
N<br />
ระบุคาชดเชยความเสี่ยงสําหรับตราสารหนี้ที่มีอันดับเครดิต i และมีอายุของกระแสเงิน N งวด<br />
ที่ตองกําหนดใหสอดคลองกับระดับ Credit Spread ที่รอยละ s N และอัตรา Recovery Rate ที่รอยละ φ<br />
การกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM ตามวิธีทางเลือกที่ปรับปรุงแลว<br />
การกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM โดยวิธีทางเลือกทําโดยการเลือก <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่ทําใหราคาตราสารหนี้<br />
ที่กําหนดไดตามวิธีที่พิจารณา มีระดับเทากับราคาตราสารหนี้ที่กําหนดไดจากขอมูลอัตรา Credit Spreads นอกจากนี้<br />
ระดับความนาจะเปนที่ผูออกหรือตราสารหนี้จะบิดพลิ้วตามที่อานไดจาก <strong>Risk</strong>-<strong>Neutral</strong> TPM ตองมีระดับเทากับความ<br />
นาจะเปนที่ชี้โดยนัยจากขอมูลอัตรา Credit Spreads อัตรา Recovery Rate และอายุของกระแสเงินดวย<br />
ผูเขียนตั้งขอสังเกตวา เมื่อความนาจะเปนที่จะบิดพลิ้วที่ชี้โดยนัยจากขอมูลมีลักษณะบางประการที่ขัดกับ<br />
ลักษณะที่พึงเปนตามทฤษฎีดังที่ประจักษแลวในตารางที่ 5 กลาวคือ ลักษณะที่พบวาความนาจะเปนในโลกที่ผูลงทุน<br />
เปนกลางตอความเสี่ยงมีระดับที่ต่ํากวาความนาจะเปนในโลกแหงความจริง และที่พบวาความนาจะเปนในโลกที่ผูลงทุน<br />
เปนกลางตอความเสี่ยงที่คํานวณไดมีคาเกินกวา 100% แลว <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่ไดเปนผลลัพธจากคํานวณอยาง<br />
เครงครัดที่กําหนดให q N<br />
,K<br />
N N<br />
<br />
ตามวิธีทางเลือกจึงเปน TPM ที่ไมถูกตอง นอกจากนั้น <strong>Risk</strong>-<br />
<strong>Neutral</strong> TPM ที่เกิดจากการคํานวณตามวิธีทางเลือกของ Jarrow et al. (1997) อาจใหความนาจะเปนบางคาเปนลบ<br />
เพื่อแกปญหาที่การศึกษากําลังประสบนี้ ผูเขียนจึงเสนอปรับการคํานวณ <strong>Risk</strong>-<strong>Neutral</strong> TPM โดยวิธีทางเลือกเพื่อให<br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM ที่ไดเปนผลลัพธเปน <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่เปนไปได และระดับความนาจะเปนที่จะบิดพลิ้วมี<br />
ลักษณะสอดคลองเต็มที่กับลักษณะที่พึงคาดหวังตามทฤษฎี<br />
15
N<br />
กําหนดให B , เปนราคาหุนกูที่กําหนดอัตราคูปองเปนศูนย มีราคาที่ตรา 1 บาทและมีอายุคงเหลือ N ป ที่<br />
N<br />
คํานวณไดตามทฤษฎี ภายใตวิธีทางเลือกวิธี u โดยที่ตราสารหนี้มีอันดับเครดิต i กําหนดให B เปนราคาหุนกู<br />
N<br />
ฉบับเดียวกันที่คํานวณจากขอมูลอัตรา Credit Spread ผูเขียนตั้งขอสังเกตวาราคาตามทฤษฎี B , ของตราสารหนี้<br />
N<br />
มีระดับขึ้นกับคาชดเชยความเสี่ยง กลาวคือ B ,JLT B N<br />
,JLT π N N<br />
สําหรับวิธีของ Jarrow et al (1997) B ,KK<br />
B N<br />
,KK θ N สําหรับวิธีของ Kajima and Komoribayashi (1998) และ B N<br />
,L B N ,L γ N ,,γ N<br />
K <br />
สําหรับวิธีของ Lando (2000) ดังนั้น เมื่อกําหนดให e N<br />
, B N N<br />
B , เปนขนาดของความคลาดเคลื่อนของ<br />
ราคาที่กําหนดไดตามทฤษฎี (Pricing Error) แลว แทนที่การระบุ <strong>Risk</strong>-<strong>Neutral</strong> TPM จะเลือกโดยการระบุคาชดเชย<br />
ความเสี่ยงตามสูตรการคํานวณเครงครัดตามที่แตละวิธีเสนอ ผูเขียนเสนอใหพิจารณาคาชดเชยความเสี่ยงเปน<br />
คาพารามิเตอรที่ตองกําหนดพรอมกันสําหรับอันดับเครดิตทุกอันดับ เพื่อทําใหผลรวม ∑K<br />
e N , <br />
ของขนาด<br />
ความคลาดเคลื่อนยกกําลังสองมีระดับที่ต่ําที่สุด 4 ทั้งนี้ การเลือกคาชดเชยความเสี่ยงตองเปนการเลือกภายใตเงื่อนไข 3<br />
ขอ เพื่อยืนยันวาความนาจะเปนที่เปนสมาชิกของ <strong>Risk</strong>-<strong>Neutral</strong> TPM จะมีลักษณะตรงตามทฤษฎีอยางเครงครัด คือ<br />
ขอหนึ่ง คาความนาจะเปนที่จะบิดพลิ้วที่อานไดจาก <strong>Risk</strong>-<strong>Neutral</strong> TPM ตองมีระดับไมต่ํากวาคาความนาจะ<br />
เปนที่จะบิดพลิ้วที่อานไดจาก Real-World TPM<br />
ขอสอง คาความนาจะเปนทุกคาที่เปนสมาชิกของ <strong>Risk</strong>-<strong>Neutral</strong> TPM ตองมีคาระหวาง 0.00% กับ 100%<br />
ขอสาม คาความนาจะเปนจาก <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับอันดับเครดิตหนึ่งรวมกันตองเทากับ 100%<br />
การเปรียบเทียบความสามารถของวิธีทางเลือกที่ปรับปรุงแลว<br />
เมื่อการคํานวณ <strong>Risk</strong>-<strong>Neutral</strong> TPM ตามวิธีทางเลือกทําโดยการปรับปรุงวิธีทางเลือกให <strong>Risk</strong>-<strong>Neutral</strong> TPM<br />
ที่ไดเปนผลลัพธมีลักษณะสอดคลองเต็มที่กับทฤษฎี และในขณะเดียวกันตองทําใหผลรวมของขนาดความคลาดเคลื่อน<br />
ยกกําลังสองมีระดับที่ต่ําที่สุด ดังนั้น การเลือกวิธีทางเลือกที่มีความสามารถเหนือกวาจึงสามารถทําไดอยาง<br />
ตรงไปตรงมา โดยผู เขียนจะเลือกวิธีที่ใหผลรวมที่มีระดับที่ต่ําที่สุด<br />
ผลการศึกษาเชิงประจักษ<br />
ตารางที่ 6 รายงานผลรวมของคาความคลาดเคลื่อนยกกําลังสองจากการกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM โดยใช<br />
วิธีทางเลือกที่ปรับแลว จากตาราง ผูเขียนพบวา วิธีของ Kajima and Komoribayashi (1998) ที่ปรับแลว ใหผลรวม<br />
ของความคลาดเคลื่อนที่มีระดับที่ต่ําที่สุดสําหรับตราสารหนี้ที่มีอายุคงเหลือทุกระยะที่พิจารณา นอกจากนั้น วิธีของ<br />
Kajima and Komoribayashi ยังใหคาความคลาดเคลื ่อนสําหรับตราสารหนี้แตละอันดับทุกอันดับและแตละอายุคงเหลือ<br />
ทุกชวงในระดับที่ต่ํากวาหรือไมสูงกวาคาความคลาดเคลื่อนจากวิธีอื่น ทั้งนี้ หากระดับความนาจะเปนที่จะบิดพลิ้วใน<br />
โลกที่ผูลงทุนทุกคนเปนกลางตอความเสี่ยงตามที่คํานวณไดจากขอมูลดังที่ปรากฏในตารางที่ 5 มีระดับที่สูงกวาระดับที่<br />
อานไดจาก Real-World TPM และไมสูงกวา 100% แลว คาความคลาดเคลื่อนจากวิธีของ Kajima and<br />
Komoribayashi จะมีคาเปนศูนยในทุกกรณี เมื่อผลการศึกษาเชิงประจักษเปนเชนนี้ ผูเขียนจึงสรุปวา วิธีของ Kajima<br />
and Komoribayashi (1998) ที่ปรับแลว เปนวิธีที่เหนือกวาสําหรับกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM ใหตลาดตราสารหนี้ไทย<br />
4 ในกรณีที่วิธีทางเลือกเปนวิธีของ Jarrow et al. (1997) และของ Kajima and Komoribayashi (1998) การกําหนดคาชดเชยความเสี่ยง<br />
แยกกันสําหรับอันดับเครดิตแตละอันดับแยกกันเพื่อใหคาความคลาดเคลื่อนยกกําลังสองมีระดับต่ําที่สุดจะใหผลลัพที่เทากันกับการกําหนด<br />
คาชดเชยสําหรับทุกอันดับพรอมกัน<br />
16
ตารางที่ 6<br />
ความคลาดเคลื่อนของราคาที่กําหนดโดยวิธีทางเลือก *<br />
อายุ 1 ป อายุ 2 ป อายุ 3 ป อายุ 5 ป อายุ 7 ป อายุ 10 ป<br />
อันดับ<br />
JLT KK L JLT KK L JLT KK L JLT KK L JLT KK L JLT KK L<br />
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<br />
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<br />
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<br />
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<br />
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<br />
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<br />
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<br />
K<br />
e N , <br />
<br />
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<br />
* JLT หมายถึงวิธีของ Jarrow et al. (1997) KK หมายถึงวิธีของ Kajima and Komoribayashi (1998) และ L หมายถึงวิธีของ Lando (2000) ผลรวมของคาความคลาดเคลื่อนยกกําลังสองแสดงในแถวนอน<br />
สุดทาย สวนผลลัพธตามอันดับเครดิตเปนคาความคลาดเคลื่อนของราคาตามทฤษฎี หนวยเปนรอยละของราคาที่ตรา คาบวกหมายถึงราคาตามทฤษฎีสูงกวาราคาตลาด (Overpricing) และคาลบหมายถึง<br />
ราคาตามทฤษฎีต่ํากวาราคาตลาด (Underpricing)<br />
ผูเขียนใชวิธีที่ระบุไดนี้คํานวณ <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับตราสารหนี้ในตลาดตราสารหนี้ไทยที่มีอายุ 1 2 3<br />
5 7 และ 10 ป ผลลัพธไดรายงานไวในตารางที่ 7 ซึ่งผูลงทุน ผูคาตราสารหนี้ และผูสนใจกลุมอื่นสามารถนํา <strong>Risk</strong>-<br />
<strong>Neutral</strong> TPM เหลานี้ไปประยุกตใชงานไดตามความเหมาะสม ผูเขียนเตือนวา การประยุกตใชตองทําดวยความ<br />
ระมัดระวัง รอบคอบ เพราะ แม <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่รายงานจะเปน TPM ที่ใหคาความคลาดเคลื่อนระดับที่ต่ําที่สุด<br />
แตการกําหนดราคาตราสารหนี้ที่มีอันดับเครดิตบางอันดับและที่มีอายุคงเหลือบางชวงยังมีความคลาดเคลื่อนอยูบาง<br />
ซึ่งระดับความนาจะเปนที่อานจาก <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่ใหราคาตามทฤษฎีที่คลาดเคลื่อนไดรายงานในตารางที่ 7 ดวย<br />
พื้นหลังสีเขมและดวยตัวเลขสีขาว<br />
ตารางที่ 7<br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM ตามวิธีของ Kajima and Komoribayashi (1998)<br />
แตกําหนดอยางมีเงื่อนไข<br />
สวนที่ 7.1<br />
กระแสเงินอายุ 1 ป<br />
อันดับ<br />
อันดับ ณ สิ้นป<br />
ณ ตนป<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 84.9233% 13.5586% 0.6430% 0.0407% 0.0512% 0.0192% 0.0319% 0.7321%<br />
AA 0.5882% 89.3341% 8.4386% 0.5473% 0.0619% 0.0826% 0.0207% 0.9267%<br />
A 0.0147% 2.8670% 91.8459% 3.6633% 0.1398% 0.0626% 0.0075% 1.3992%<br />
BBB 0.0026% 0.0989% 6.1909% 87.0056% 2.7163% 0.7464% 0.0407% 3.1985%<br />
BB 0.0118% 0.0321% 0.3726% 10.1796% 77.0000% 4.3030% 0.4477% 7.6533%<br />
B 0.0006% 0.0432% 0.1641% 0.3956% 5.8138% 77.9653% 7.4208% 8.1967%<br />
CCC/C 0.0001% 0.0079% 0.2242% 0.3428% 0.9676% 15.1932% 51.2391% 32.0250%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
17
สวนที่ 7.2<br />
กระแสเงินอายุ 2 ป<br />
อันดับ<br />
อันดับ ณ สิ้นป<br />
ณ ตนป<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 71.9983% 23.6014% 2.2817% 0.1728% 0.0942% 0.0500% 0.0477% 1.7539%<br />
AA 1.0221% 79.8797% 15.2974% 1.2773% 0.1340% 0.1527% 0.0362% 2.2005%<br />
A 0.0428% 5.1762% 84.5301% 6.5479% 0.3383% 0.1422% 0.0179% 3.2046%<br />
BBB 0.0063% 0.3508% 11.0052% 75.4724% 4.4478% 1.3429% 0.1228% 7.2519%<br />
BB 0.0198% 0.0780% 1.2791% 16.7977% 59.8250% 6.8309% 0.8994% 14.2701%<br />
B 0.0019% 0.0794% 0.3433% 1.2645% 9.0022% 61.7081% 9.5242% 18.0763%<br />
CCC/C 0.0004% 0.0249% 0.3739% 0.6436% 2.1386% 19.7378% 27.3924% 49.6883%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
สวนที่ 7.3<br />
กระแสเงินอายุ 3 ป<br />
อันดับ<br />
อันดับ ณ สิ้นป<br />
ณ ตนป<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 61.0181% 30.8166% 4.5540% 0.4013% 0.1341% 0.0858% 0.0562% 2.9338%<br />
AA 1.3323% 71.6024% 20.8118% 2.1137% 0.2165% 0.2140% 0.0485% 3.6608%<br />
A 0.0788% 7.0128% 78.0724% 8.7909% 0.5617% 0.2320% 0.0310% 5.2205%<br />
BBB 0.0113% 0.6969% 14.6341% 65.4973% 5.4570% 1.7951% 0.2099% 11.6983%<br />
BB 0.0251% 0.1491% 2.4793% 20.8985% 46.9350% 8.1924% 1.2453% 20.0754%<br />
B 0.0035% 0.1095% 0.5416% 2.2351% 10.2911% 48.4481% 9.1901% 29.1810%<br />
CCC/C 0.0010% 0.0454% 0.4916% 0.9685% 3.0836% 19.7297% 15.5180% 60.1623%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
สวนที่ 7.4<br />
กระแสเงินอายุ 5 ป<br />
อันดับ<br />
อันดับ ณ สิ้นป<br />
ณ ตนป<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 43.8737% 39.0192% 9.9702% 1.1208% 0.2184% 0.1613% 0.0655% 5.5709%<br />
AA 1.6814% 58.0815% 28.6455% 3.8923% 0.4058% 0.3208% 0.0676% 6.9050%<br />
A 0.1600% 9.5697% 67.3676% 11.8083% 1.0030% 0.4208% 0.0618% 9.6089%<br />
BBB 0.0257% 1.4969% 19.0873% 49.5471% 6.0934% 2.3218% 0.3446% 21.0831%<br />
BB 0.0305% 0.3623% 4.9515% 23.3247% 28.5694% 8.5180% 1.5181% 32.7255%<br />
B 0.0063% 0.1564% 0.9522% 3.7030% 9.6547% 29.2242% 6.4770% 49.8262%<br />
CCC/C 0.0025% 0.0891% 0.7095% 1.6552% 4.0308% 15.6827% 6.1929% 71.6372%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
สวนที่ 7.5<br />
กระแสเงินอายุ 7 ป<br />
อันดับ<br />
อันดับ ณ สิ้นป<br />
ณ ตนป<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 31.6521% 41.7218% 15.4584% 2.1036% 0.3190% 0.2356% 0.0725% 8.4371%<br />
AA 1.7925% 47.7712% 33.3294% 5.5897% 0.6118% 0.4159% 0.0830% 10.4065%<br />
A 0.2383% 11.0349% 58.9794% 13.4393% 1.3718% 0.5975% 0.0939% 14.2449%<br />
BBB 0.0438% 2.2470% 20.8125% 37.6985% 5.7355% 2.4589% 0.4081% 30.5957%<br />
BB 0.0302% 0.5765% 6.2671% 19.7763% 16.1065% 6.7285% 1.2972% 49.2177%<br />
B 0.0065% 0.1572% 1.0574% 3.4619% 6.1026% 14.1685% 3.2720% 71.7739%<br />
CCC/C 0.0029% 0.0887% 0.6243% 1.4843% 2.6790% 7.5067% 2.1486% 85.4655%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
18
สวนที่ 7.6<br />
กระแสเงินอายุ 10 ป<br />
อันดับ<br />
อันดับ ณ สิ้นป<br />
ณ ตนป<br />
AAA AA A BBB BB B CCC/C Default<br />
AAA 19.5843% 40.3065% 22.3947% 3.8102% 0.5033% 0.3429% 0.0832% 12.9749%<br />
AA 1.7241% 36.5840% 36.5287% 7.6967% 0.9130% 0.5445% 0.1036% 15.9053%<br />
A 0.3313% 11.9160% 49.4004% 14.2878% 1.7415% 0.8058% 0.1353% 21.3820%<br />
BBB 0.0704% 3.0110% 20.1806% 25.1416% 4.5361% 2.2197% 0.4004% 44.4402%<br />
BB 0.0263% 0.7290% 5.9221% 12.0452% 6.4563% 3.6722% 0.7476% 70.4013%<br />
B 0.0013% 0.0333% 0.2249% 0.5533% 0.6319% 1.1349% 0.2638% 97.1565%<br />
CCC/C 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
Default 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 0.0000% 100.0000%<br />
สรุป<br />
เมื่อประเทศไทยมี Real-World TPM สําหรับใชงานแลว ในหลักการ การนํา Real-World TPM ไปขยายผล<br />
เพื่อกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สมควรทําไดอยางตรงไปตรงมา อยางไรก็ตาม ในทางปฏิบัติ การกําหนด <strong>Risk</strong>-<br />
<strong>Neutral</strong> TPM สําหรับประเทศไทยทําไดจริงยากมากจนถึงไมสามารถทําไดจริง ดังนั้น ผูเขียนจึงเสนอการกําหนด<br />
<strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับตลาดตราสารหนี้ไทย โดยใชวิธีทางเลือกกลุมหนึ่งที่ไดคัดเลือกจากการวิเคราะหถึงความ<br />
เหมาะสม ความเปนไปไดในทางทฤษฎี และความพรอมของผูปฏิบัติในการนําวิธีที่เลือกเหลานั้นไปประยุกตใชงานจริง<br />
ในตลาดการเงินไทย จากนั้นจึงเปรียบเทียบความสําเร็จในการกําหนดราคาตราสารหนี้โดย <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่เปน<br />
ผลลัพธของวิธีเหลานั้น แลวใชวิธีที่พบวามีความสามารถสูงที่สุดไปกําหนด <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับประเทศไทย<br />
ในการศึกษา ผูเขียนใชขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต AAA ถึง BBB ที่ ThaiBMA<br />
รายงาน และใชขอมูลอัตรา Credit Spreads สําหรับอันดับเครดิต BB ถึง CCC/C รวมถึงขอมูลอัตรา Recovery Rate<br />
จากการทํา Dealer Poll ในหมูผูคาตราสารหนี้ที่มีมูลคาการซื้อขายสูงสุดในตลาด และใชขอมูล Real-World TPM ที่<br />
ปรับแลวของอัญญา ขันธวิทย (2554) วิธีทางเลือกที่นํามาเปรียบเทียบประกอบดวยวิธีของ Jarrow et al. (1997) วิธี<br />
ของ Kajima and Komoribayashi (1998) และวิธีของ Lando (2000) ซึ่งผูเขียนพบวาระดับความนาจะเปนในโลกที่ผู<br />
ลงทุนเปนกลางตอความเสี่ยงที่เปนสมาชิกของ <strong>Risk</strong>-<strong>Neutral</strong> TPM ของวิธีทั้งสามมีลักษณะหลายประการที่ขัดกับ<br />
ทฤษฎี จึงจําเปนตองปรับวิธีทั้งสามเพื่อให <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่เกิดขึ้นมีลักษณะสอดคลองเต็มที่กับทฤษฎี เมื่อปรับ<br />
แลว ผูเขียนพบวาวิธีของ Kajima and Komoribayashi (1998) ให <strong>Risk</strong>-<strong>Neutral</strong> TPM ที่สามารถกําหนดราคาตราสาร<br />
หนี้ไดถูกตองแมนยําที่สุด เมื่อผลการศึกษาเปนเชนนี้ ผูเขียนจึงใชวิธีของ Kajima and Komoribayashi ที่ปรับแลวทํา<br />
การกําหนดและรายงาน <strong>Risk</strong>-<strong>Neutral</strong> TPM สําหรับตลาดตราสารหนี้ไทยสําหรับตราสารหนี้ที่มีอายุ 1 2 3 5 7 และ<br />
10 ป ใหผูลงทุน ผูคาตราสารหนี้และผูสนใจกลุมอื่นไดนําไปประยุกตใชงาน<br />
บรรณานุกรม<br />
อัญญา ขันธวิทย. 2554. การกําหนดเมทริกซความนาจะเปนของการเปลี่ยนแปลงอันดับเครดิตของตราสารหนี้ไทยโดย<br />
วิธีของ Bayes. วารสารบริหารธุรกิจ 34. 16-33.<br />
Albanese, C., and O. Chen, 2006, Implied migration rates from credit barrier models, Journal of Banking<br />
and Finance 30, 607-626.<br />
Chen, K., G. Karolyi, F. Longstaff, and A. Sanders, 1992, An empirical comparison of alternative models of<br />
the short-term interest rate, Journal of Finance 47, 1209-1227.<br />
Jarrow, R., D. Lando, and S. Turnbull, 1997, A Markov model for the term structure of credit spreads,<br />
Review of Financial Studies 10, 481-523.<br />
19
J.P. Morgan, 1999, The J.P. Morgan Guide to Credit Derivatives, <strong>Risk</strong> Publication, London.<br />
Kajima, M., and K. Komoribayashi, 1998, A Markov chain model for valuing credit risk derivatives, Journal of<br />
Derivatives 22, 117-131.<br />
Khaneman, D., 2011, Thinking, Fast and Slow, Penguin Books, London.<br />
Lando, 2000, Some Elements of Rating Based Credit <strong>Risk</strong> Modeling, John Wiley and Sons, New York.<br />
Lando, D., and A. Mortensen, 2005, On the pricing of step-up bonds in the European telecom sector,<br />
Journal of Credit <strong>Risk</strong> 1, 71-110.<br />
McNulty, C., and R. Levin, 2000, Modeling credit migration, <strong>Risk</strong> 10, 99-103.<br />
Moody’s Investors Service, 2009, Default and Recovery Rate of Asia-Pacific corporate bond and loan issuers,<br />
excluding Japan, 1990 - H1 2009, Special Comment, www.moodys.com.<br />
Moody’s Investors Service, 2011, Corporate default and Recovery Rate, Special Comment,<br />
www.moodys.com.<br />
Nakonthab, D., K. Kritayakirana, and S. Chantapant, 2007, Are Thai banks vulnerable: Structural analysis of<br />
bank corporate loan portfolio and implication, Proceedings of the BOT Symposium 2007, Bank of<br />
Thailand, Bangkok.<br />
Truck, S., 2008, Forecasting credit migration matrices with business cycle effects – A model comparison,<br />
European Journal of Finance 14, 359-379.<br />
Trueck, S., and S. Rachev, 2009, Rating Based Modeling of Credit <strong>Risk</strong>: Theory and Application of<br />
Migration Matrices, Academic Press, Massachusetttes.<br />
Wongweerawit, A., 2005, An empirical analysis of structural models of Thai corporate bonds, A Master’s<br />
Thesis, Chulalongkorn Business School, Bangkok.<br />
20