למדוד מחדש את הסיכון

>> במהלך שנות ה-90 וראשית שנות ה-2000 הוכנסו לשימוש מודלים שונים לניהול סיכוני שוק, כמו var היסטורי, פרמטרי ומונטה קרלו, ניתוחי רגישות ומבחני קיצון. בנוסף, הוכנסו מודלים שונים לבדיקת המתאמים בין מצבים שונים בשוק, כמו עליית שער הדולר והשפעתו על התנהגות הריבית השקלית. היתה ציפייה בקרב מקבלי ההחלטות שהמודלים המורכבים שנעשה בהם שימוש יגנו על התאגידים הבנקאיים. בפועל, ההגנה לא היתה מושלמת.

ניתן כיום לומר בוודאות, כי מנהלי הסיכונים נהגו באופטימיות ולא הגדירו מצבי קיצון אמיתיים. לדוגמה, לפני המשבר, מצב קיצון יכול היה להיות שינוי של 5%-10% בשווי המטבע של מדינה מסוימת. אולם בפועל, ראינו גם מצבים קשים יותר כמו התמוטטות של הלירה הטורקית ב-25% ביום אחד, והתמוטטות של הקורונה האיסלנדית. מצבי קיצון, כמו נפילות שווקים שונים בעשרות אחוזים בזמן קצר, התמוטטות בתי השקעות ענקיים, ירידת ריבית בנק מרכזי לשפל של פחות מ-1% בתוך כמה שבועות או חודשים, פשוט לא הובאו בחשבון. אף מודל לא שיקלל את אפשרותם של מצבים קיצוניים ביותר.



בבואם לבחור מודלים חדשים לבחינת יחס הלימות ההון, יבדקו הבנקים באופן איכותי ומעמיק יותר את המשמעויות השונות העולות מהמודלים המוצעים לחישוב השיטות המתקדמות בהוראות באזל 2, ולכן נראה כי יהיה עיכוב בכמה שנים עד ליישום השיטות המתקדמות לעניין זה.



יש לבנות מחדש את המודלים כדי שיתנו מתאמים טובים יותר בין סבירות אירוע לבין עוצמתו. לדוגמה, מכיוון שבזמן המשבר גופים רבים שהיו מדורגים ברמת aaa פשטו רגל בתוך ימים, יש ליצור טבלאות סטטיסטיות חדשות, שיקשרו בין מהירות הירידה בדירוג הלווה לבין הביטחונות הנוספים. הטבלאות הסטטיסטיות יבחנו גם את גובה המרווח על האשראי שניתן ללקוח, לעומת הדירוג שניתן לו.



כיום, יש צורך לחפש מודלים שיפיקו מצבי קיצון חזקים יותר. טכניקות של שימוש חוזר במודלים הישנים, תוך כדי הכפלה, לדוגמה, של הסבירות למצבי קיצון שונים, לא יהיו מספקות. על בוני המודלים לשקול מחדש מה הם בוחרים לשים בכל פרמטר במודל, ומדוע. התיקופים למודלים החדשים יצטרכו להיות תיקופים פילוסופיים. בוני המודלים ואנשי המימון יצטרכו להסביר למקבלי ההחלטות מדוע ההנחות החדשות שלהם סבירות. על מקבלי ההחלטות לבחון את המודלים החדשים בשבע עיניים.



ואיך כל זה זה ישפיע עלינו? הבנקים עושים מאמצים רבים להבחין בין סוגי הלקוחות השונים ולתת לכל לקוח דירוג התואם את הסיכון הנשקף ממנו. ככל שהמודלים יהיו מפותחים יותר, כך יוכלו לקוחות טובים בעלי דירוג גבוה לקבל ריבית המותאמת לסיכון "האמיתי" הנשקף מהם - ובהתאם לכך גם הביטחונות יהיו קטנים יותר. מנגד, לקוחות רעים בעלי דירוג נמוך, יתקשו עוד יותר לגייס אשראי בריבית נוחה ובביטחונות סבירים ואלה יצטרכו לשלם לא מעט תמורת מימון בנקאי מסורתי.



הכותב הוא מנהל פרויקטים וחבר הנהלה בקבוצת הלפרין יועצים (hms)