What is Credit Default Probability?
▾
הסתברות מחדל (PD) היא מושג ליבה במדידת סיכוני אשראי, המייצגת את הסבירות שלווה - בין אם תאגיד, מוסד פיננסי, ריבון או יחיד - לא יבצע תשלומים הנדרשים חוזית בתוך אופק זמן מוגדר. PD הוא אחד משלושת הפרמטרים הבסיסיים במסגרת סיכון האשראי של באזל, לצד Loss Given Default (LGD) וחשיפה במחדל (EAD), והוא מניע הן את ההפסדים הצפויים והן את חישובי ההון הרגולטוריים. ישנן שלוש גישות עיקריות להערכת PD. הגישה המבנית, שחלוצה על ידי רוברט מרטון ב-1974, מדגמנת את ההון העצמי של חברה כאופציית רכש על נכסיה: ברירת מחדל מתרחשת כאשר ערך הנכס יורד מתחת לערך הנקוב של החוב ('מחסום ברירת המחדל') בפדיון. המרחק לברירת המחדל (DD) - נמדד בסטיות תקן של ערך הנכס ממחסום ברירת המחדל - הוא פלט המפתח, ו-PD נאמד מההתפלגות הנורמלית של המרחק הזה. מודל KMV של Moody's הוא היישום המסחרי המוביל של הגישה המבנית של מרטון, תוך שימוש בשווי הנכסים והתנודתיות המשוערים כדי לחשב את תדירות ברירת המחדל הצפויה (EDF). גישת הצורה המופחתת (העוצמה) מתייחסת למחדל כאירוע מפתיע הנשלט על ידי שיעור סיכון λ (ההסתברות המותנית המיידית למחדל), שניתן לכייל למחירי שוק של החלפות אשראי ברירת מחדל (CDS) או מרווחי אשראי אג"ח. PD מעל אופק T = 1 − e^(−λT). גישה זו גמישה יותר מהמודל המבני ויכולה לשלב עוצמות ברירת מחדל משתנות בזמן. גישות מבוססות ציון אשראי (כולל מודלים של רגרסיה לוגיסטית, מודלים של סוכנויות דירוג ומודלים של למידת מכונה) מעריכות PD ממאפיינים פיננסיים של הלווה: יחסי מינוף, רווחיות, יחסי כיסוי, נזילות, גודל ותעשייה. שיעורי ברירת המחדל ההיסטוריים של סוכנויות דירוג מספקים מיפוי אמפירי מדירוג אשראי ל-PD היסטורי על פני אופקים שונים. הערכת PD מדויקת חיונית לתמחור הלוואות (מרווח האשראי חייב לפצות על הפסד צפוי = PD × LGD), חישוב הון רגולטורי (גישת באזל IRB מאפשרת לבנקים להשתמש במודלים פנימיים של PD), ניהול סיכוני אשראי בתיק, והערכת סיכוני אשראי של צד נגדי בעסקאות נגזרים.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
נוסחה
▾
מרטון PD: PD = N(−d2) כאשר d2 = [ln(V/D) + (μ − σ_V²/2)T] / (σ_V √T)
PD של סיכון סיכון: PD(T) = 1 − e^(−λT)
משולש אשראי: λ ≈ מרווח אשראי / LGD | CS ≈ PD × LGD / (1-PD)Variable Legend
▾
| סמל | שם | יחידה | תיאור |
|---|---|---|---|
| PD | הסתברות של ברירת מחדל | % | סבירות למחדל בתוך אופק מוגדר (שנה אחת היא סטנדרטית); פרמטר סיכון האשראי העיקרי. |
| DD | מרחק לברירת מחדל | standard deviations | במודל מרטון: (ערך נכס - נקודת ברירת מחדל) / (נפח נכס × ערך נכס); מספר סטיות התקן מעל ברירת המחדל. |
| λ | שיעור הסיכון | per year | הסתברות ברירת מחדל מותנית מיידית ליחידת זמן; בשימוש במודלים מופחתים: PD = 1 − e^(−λT). |
| LGD | הפסד נתון ברירת מחדל | % | חלק צפוי של חשיפה לאיבוד אם מתרחשת ברירת מחדל; השלמה של שיעור ההחלמה. EL = PD × LGD × EAD. |
| CS | פריסת אשראי | bps | תשואה נוספת נדרשת מעל שיעור חסר סיכון; בקירוב CS ≈ λ × LGD עבור מועדים קצרים (משולש אשראי). |
How to Credit Default Probability
▾
- 1בחרו בגישת האומדן: מבנית (מרטון) לחברות ציבוריות עם נתוני הון; צורה מופחתת עבור שמות מסחריים ב-CDS; מבוסס דירוג לחברות בעלות דירוג אשראי.
- 2עבור מודל מרטון: הערכת ערך הנכס (V) ותנודתיות הנכסים (σ_V) על ידי פתרון מערכת המניות כ-call-option באופן איטרטיבי; לזהות את מחסום ברירת המחדל (בדרך כלל התחייבויות שוטפות + 50% חוב לטווח ארוך).
- 3חשב מרחק לברירת המחדל: DD = (V − D) / (σ_V × V), כאשר D הוא מחסום ברירת המחדל.
- 4המר DD ל-PD באמצעות ההתפלגות הנורמלית: PD = N(−DD) עבור המדד נייטרלי הסיכון, או השתמש במיפוי אמפירי (כפי שעושה Moody's KMV) עבור PD בעולם האמיתי.
- 5עבור PD מבוססי CDS/מרווח: השג את מרווח האשראי בשוק, נניח LGD (בדרך כלל 40-60%); חישוב שיעור הסיכון λ = CS / LGD; חשב PD(T) = 1 − e^(−λT).
- 6עבור PD מבוסס דירוג: חפש את שיעור ברירת המחדל הממוצע ההיסטורי המצטבר עבור דירוג האשראי של המנפיק ממחקרי ברירת המחדל השנתיים של S&P או Moody's.
- 7אמת את אומדן ה-PD מול מחירי שוק, דירוגי סוכנויות דירוג וחברות עמיתות. מצטבר להפסד צפוי בתיק: EL = Σ PD_i × LGD_i × EAD_i.
Worked Examples
▾
החברה נמצאת ב-1.41 סטיות תקן מעל ברירת המחדל - סיכון אשראי בינוני
d2 = [ln(100/70) + (0.05 − 0.25²/2)×1] / (0.25×√1) = [0.357 + 0.019] / 0.25 = 1.505. PD = N(−1.505) ≈ 6.6%. מרחק לברירת המחדל DD = (100 - 70) / (0.25 × 100) = 1.20 סטיות תקן. Moody's KMV ממפה את זה ל-EDF אמפירי ממסד הנתונים ההיסטורי שלהם. DD 1.2 תואם בערך 8-12% הסתברות אמפירית למחדל של שנה אחת. אם שוקי המניות יימכרו והתנודתיות של הנכסים תעלה ל-35%, ה-DD ירד ל-0.86 וה-PD יזנק ל-19% - מה שממחיש כיצד תנאי שוק המניות משפיעים ישירות על סיכון האשראי.
שוק CDS מרמז על סיכוי של 22% למחדל במהלך 5 שנים
שיעור הסיכון λ = CS / LGD = 300 bps / 60% = 500 bps = 5.0% לשנה. PD לשנה = 1 − e^(−0.05×1) = 4.88%. PD 5 שנים = 1 − e^(−0.05×5) = 1 − e^(−0.25) = 22.1%. PD המשתמע מה-CDS הוא הסתברות ניטרלית בסיכון (כולל פרמיית סיכון), כך שה-PD בעולם האמיתי יהיה מעט נמוך יותר. מרווח CDS של 300 bps עולה בקנה אחד עם דירוג אשראי BB, שבו שיעורי ברירת מחדל מצטברים היסטוריים של 5 שנים בממוצע כ-10-15% - שוק ה-CDS מרמז על שיעור גבוה יותר, המשקף פרמיית סיכון שוק ופרמיית נזילות.
מבוסס על 40+ שנים של נתוני ברירת מחדל היסטוריים של S&P לפי דירוג
לפי מחקר 2023 השנתי העולמי של S&P ברירת מחדל ודירוג מעבר, שיעור ברירת המחדל המצטבר הממוצע של 3 שנים עבור מנפיקים בדירוג BB בשנים 1981–2022 הוא כ-8.2%. שיעורי ברירת מחדל שנתיים: BB שנה 1≈0.84%, שנה 2≈1.65% שולי, שנה 3≈1.72% שולי. שיעורי ברירת המחדל המצטברים ל-3 שנים בדרגת השקעה נמוכים בהרבה: AAA≈0.01%, AA≈0.05%, A≈0.13%, BBB≈0.55%. שיעורים אמפיריים אלה הם PDs בעולם האמיתי (לא נייטרלי סיכון) ומשמשים ישירות בחישובי ההפסדים הצפויים של באזל IRB עבור תיקי הלוואות.
מספר יחסים פיננסיים בשילוב רגרסיה לוגיסטית מנבאים PD
במודל רגרסיה לוגיסטית, לכל יחס פיננסי יש מקדם המוערך מנתוני ברירת מחדל היסטוריים: חוב/EBITDA (5.0x - מינוף גבוה מוסיף סיכון), כיסוי ריבית (1.8x - כיסוי נמוך מגדיל משמעותית את PD), יחס שוטף (0.9 - מתחת ל-1.0 = הון חוזר שלילי מוסיף סיכון), ושולי רווח (4% - מרווח דק קטן). הסיכויים המשולבים ביומן מייצרים PD של כ-12.5% - טריטוריה גבוהה בדרגה ספקולטיבית. לווה זה יקבל דירוג פנימי B או B-, המחייב תמחור בקירוב של LIBOR/SOFR + 400-500 bps והגנת אמנה הדוקה.
Real-World Applications
▾
אישור ותמחור ליצירת הלוואות בנקאיות (RAROC), המאפשר לעוסקים לקבל החלטות כמותיות מושכלות המבוססות על שיטות חישוב מאומתות וגישות סטנדרטיות בתעשייה, מה שדורש ניתוח כמותי מדויק כדי לתמוך בהחלטות מבוססות ראיות, הקצאת משאבים אסטרטגית ואופטימיזציה של ביצועים בהקשרים ארגוניים מגוונים ומקצועיות.
חישוב הון בזל II/III IRB עבור תיקי אשראי, מסייע לאנליסטים להפיק תוצאות מדויקות התומכות בתכנון אסטרטגי, הקצאת משאבים ומידוד ביצועים בין ארגונים, כאשר חישוב מספרי מדויק חיוני להפקת תפוקות מהימנות המספקות מידע על תהליכי תכנון, הערכה ושיפור מתמשך הן בארגונים והן
IFRS 9 / CECL צפויה הפרשה להפסדי אשראי, המאפשרת לאנשי מקצוע לכמת תוצאות באופן שיטתי ולהשוות תרחישים באמצעות מסגרות מתמטיות אמינות ונוסחאות מבוססות, תוך דרישה לגישות חישוב שיטתיות המתרגמות נתוני קלט גולמיים לתובנות ניתנות לפעולה עבור בעלי עניין התלויים בקפדנות כמותית בפעילותם המקצועית היומיומית.
תמחור ומסחר בהחלפת ברירת מחדל אשראי, תמיכה בתהליכי הערכה מונעי נתונים שבהם דיוק מספרי חיוני למטרות תאימות, דיווח ואופטימיזציה, המחייבים שיטות חישוביות חזקות המספקות תוצאות עקביות וניתנות לאימות המתאימות לדיווח, ביקורת וניתוח מגמות ארוכות טווח בסביבות מקצועיות.
ניטור סיכוני אשראי של תיק אג"ח ומעקב דירוג, הדורשים ניתוח כמותי מדויק כדי לתמוך בהחלטות מבוססות ראיות, הקצאת משאבים אסטרטגיים ואופטימיזציה של ביצועים על פני הקשרים ארגוניים ודיסציפלינות מקצועיות מגוונות.
Special Cases
▾
בפועל, מקרה קצה זה דורש התייחסות מדוקדקת מכיוון שהנחות סטנדרטיות עשויות שלא להתקיים. כאשר נתקלים בתרחיש זה בחישובי מחשבון ההסתברות למחדל אשראי, על העוסקים לאמת את תנאי הגבול, לבדוק אם יש חלוקה לאפס סיכונים, ולשקול האם הנחות המודל נשארות תקפות בתנאים קיצוניים אלו.
אנשי מקצוע העובדים עם סיכון אשראי pd צריכים להיות קשובים במיוחד לתרחיש זה מכיוון שהוא עלול להוביל לתוצאות מטעות אם לא יטופל כראוי. בדוק תמיד את תנאי הגבול והצליב עם שיטות עצמאיות כאשר מקרה זה מתעורר בפועל.
בפועל, מקרה קצה זה דורש התייחסות מדוקדקת מכיוון שהנחות סטנדרטיות עשויות שלא להתקיים. כאשר נתקלים בתרחיש זה בחישובי מחשבון ההסתברות למחדל אשראי, על העוסקים לאמת את תנאי הגבול, לבדוק אם יש חלוקה לאפס סיכונים, ולשקול האם הנחות המודל נשארות תקפות בתנאים קיצוניים אלו.
שיעורי ברירת מחדל ממוצעים של S&P לשנה לפי דירוג (1981–2022)
▾
| דֵרוּג | PD לשנה | PD 3 שנים | PD 5 שנים | תֵאוּר |
|---|---|---|---|---|
| AAA | 0.00% | 0.01% | 0.04% | דרגת ההשקעה הגבוהה ביותר |
| AA | 0.02% | 0.06% | 0.12% | איכות גבוהה מאוד |
| A | 0.06% | 0.18% | 0.37% | איכות גבוהה |
| BBB | 0.16% | 0.55% | 1.10% | חתך בדרגת השקעה |
| BB | 0.84% | 3.41% | 7.18% | הציון הספקולטיבי הגבוה ביותר |
| B | 3.44% | 10.50% | 18.90% | ספֵּקוּלָטִיבִי |
| CCC/C | 26.78% | 42.60% | 52.20% | ספקולטיבי/מצוקה ביותר |
Frequently Asked Questions
▾
מה ההבדל בין PD ניטרלי לסיכון ל-PD בעולם האמיתי?
PD ניטרלי סיכון נגזר ממחירי שוק (מרווחי CDS, תשואות אג"ח) וכולל פרמיית סיכון על ההסתברות הטהורה למחדל - המשקיעים דורשים פיצוי נוסף על החזקת סיכון ברירת המחדל. PD בעולם האמיתי (פיזי) הוא התדירות ההיסטורית בפועל של ברירת מחדל עבור קטגוריית סיכון נתונה - מוערכת בדרך כלל מנתוני סוכנויות דירוג או נתוני ביצועי הלוואות בנקאי פנימיים. PD ניטרלי סיכון משמש לתמחור נגזרים (CDS, נגזרי אשראי) ועליו להתאים למחירי השוק. PD בעולם האמיתי משמש לחישובי הפסד צפויים של באזל, הפרשת הלוואות וניהול סיכונים. PD ניטרלי סיכון הוא בדרך כלל גבוה פי 1.5-3 מה-PD בעולם האמיתי עבור מנפיקים בדרגת השקעה, המשקף את פרמיית סיכון האשראי.
מהן גישות באזל II/III להערכת PD?
במסגרת Basel II/III הון סיכון אשראי, בנקים יכולים להשתמש ב: (1) גישה סטנדרטית - משקלי סיכון שנקבעו על ידי הרגולטורים בהתבסס על דירוג אשראי חיצוני, ללא הערכות PD פנימיות; (2) Foundation IRB (FIRB) - הבנקים מעריכים PD באופן פנימי אך משתמשים ב-LGD ו-EAD פיקוחיים; (3) מתקדם IRB (AIRB) - בנקים מעריכים PD, LGD ו-EAD תוך שימוש במודלים פנימיים משלהם, בכפוף לדרישות נתונים מינימליות ואימות רגולטורי. AIRB מאפשרת את דמי ההון הנמוכים ביותר עבור תיקי הלוואות באיכות גבוהה אך דורשת שנים של נתוני ברירת מחדל, אימות מודל קפדני וניטור ביצועי מודל מתמשך. רוב הבנקים הגדולים הפעילים בעולם משתמשים ב-AIRB לתיקים העיקריים שלהם.
אילו יחסים פיננסיים מנבאים בצורה הטובה ביותר ברירת מחדל תאגידית?
ציון ה-Z של אלטמן (1968) זיהה חמישה מנבאים מרכזיים של פשיטת רגל תאגידית מניתוח מפלה: הון חוזר/סה"כ נכסים, רווחים שנשארו/סה"כ נכסים, EBIT/סה"כ נכסים, שווי שוק של הון עצמי/ערך ספרי של סך ההתחייבויות, ומכירות/סה"כ נכסים. מחקרים מאז אישרו כי המנבאים הבודדים החזקים ביותר כוללים: מינוף (חוב/EBITDA, חוב/נכסים), כיסוי (EBIT/ריבית, EBITDA/ריבית), נזילות (יחס נוכחי, יחס מהיר), רווחיות (ROA, שולי רווח) וגודל (לחברות גדולות יש שיעורי ברירת מחדל נמוכים יותר באותה רמת מינוף). מודלים מודרניים של למידת מכונה משתמשים במאות תכונות פיננסיות ולא פיננסיות.
איך שיעור ההחלמה קשור ל-PD?
שיעור התאוששות (R) = 1 - LGD (Loss Given Default). שיעור ההבראה הוא חלק מהחשיפה שהושבה לאחר מחדל באמצעות הליכי פשיטת רגל, מכירת נכסים או ארגון מחדש. שיעורי ההחלמה ההיסטוריים של אג"ח קונצרניות לא מובטחות בממוצע כ-40% (LGD=60%), אך משתנים מאוד לפי הוותק: אג"ח בכירות מובטחות מתאוששות ב-60%–80%; בכירים לא מובטחים 35–55%; אג"ח נדחות 10–30%; הון עצמי קרוב לאפס. שיעורי ההחלמה נמצאים בקורלציה שלילית ל-PD - בירידה מערכתית כאשר שיעורי ברירת המחדל עולים, שיעורי ההתאוששות יורדים בו-זמנית (פרו-מחזוריות), ומגבירים את הפסדי האשראי מעבר למה שהערכות PD ו-LGD עצמאיות מציעות.
מהי ההבחנה בין 'דרך המחזור' לעומת 'נקודת זמן' PD?
דרך המחזור (TTC) PD מעריכה את ההסתברות הממוצעת לברירת מחדל על פני מחזור כלכלי מלא, ומחליקה את השונות המחזורית. סוכנויות דירוג משתמשות בדירוג TTC - דירוג BBB אמור לשקף סיכון ברירת מחדל דומה לאורך כל המחזור. נקודת זמן (PIT) PD משקפת את התנאים הכלכליים הנוכחיים ומהלכים עם מחזור העסקים: PDs PIT מזנקים במיתון ומתכווצים בתקופות פריחה. באזל דורשת מהבנקים להשתמש ב-TTC PD לחישובי הון מינימליים (כדי להימנע מהגברת הון פרו-מחזורית) אך PIT PD עבור IFRS 9/CECL צפויה להפרשה להפסדי אשראי (שדורשת הערכת מצב נוכחי צופה פני עתיד). ההבחנה בין PIT ל-TTC היא מקור למורכבות מעשית משמעותית בניהול סיכוני אשראי.
כיצד משתמשים ב-PD בתמחור הלוואות?
תמחור הלוואות משתמש במסגרת החזר על הון מותאם סיכון (RAROC): מרווח האשראי הנגבה חייב לשחזר הפסד צפוי (EL = PD × LGD) בתוספת להפיק תשואה נאותה על ההון הרגולטורי. פריסת אשראי מינימלית = (EL + עלות הון × הון נדרש) / סכום הלוואה. עבור הלוואה לתקופה של שנה: אם PD = 2%, LGD = 50%, EL = 1.0%. אם הון נדרש = 8% מההלוואה, ב-15% תשואה נדרשת: עלות הונית = 8% × 15% = 1.2%. מרווח מינימלי = 1.0% + 1.2% = 2.2% (220 bps). מסגרת RAROC זו מבטיחה שהלוואות מקורן רק כאשר המרווח מכסה הפסדים צפויים ומספק תשואה נאותה להון.
האם למידת מכונה יכולה לשפר את חיזוי PD על פני מודלים מסורתיים?
מודלים של למידת מכונה - הגברת שיפוע (XGBoost), יערות אקראיים, רשתות עצביות - משיגים לעתים קרובות דיוק חיזוי גבוה יותר (כפי שנמדד על ידי מקדם AUC/Gini) מאשר רגרסיה לוגיסטית לחיזוי PD, במיוחד עם מערכי נתונים גדולים המכילים אינטראקציות לא ליניאריות רבות בין תכונות. עם זאת, הם מתמודדים עם אתגרים בסיכון אשראי: דרישות הסבר רגולטוריות (הנחיות SR 11-7 מחייבות את הבנקים להבין ולהסביר את תפוקות המודל), ממשל המודל והסיכון של התאמה יתר לדפוסים היסטוריים שאולי לא יימשכו. גישות היברידיות - שימוש ב-ML להנדסת תכונות ובחירת משתנים, עם רגרסיה לוגיסטית עבור המודל הסופי - נפוצות בסביבות בנקאיות מוסדרות.
Common Mistakes to Avoid
▾
- !מבלבל בין PD ניטרלי לסיכון (מ-CDS) עם PD בעולם האמיתי - הם נבדלים לפי פרמיית סיכון האשראי ואין לערבב אותם בחישובים.
- !שימוש ב-PDF נקודת-זמן לחישובי הון של באזל (צריך להשתמש לאורך המחזור) או ב-TTC PD להקצאה לפי IFRS 9 (צריך להשתמש ב-PIT).
- !התעלמות מהמתאם בין PD ל-LGD - בירידה, שניהם מחמירים בו-זמנית, מה שמגביר את הפסדי האשראי בפועל מעבר ל-EL = PD × LGD.
- !החלת שיעורי ברירת מחדל של חברות על הלוואות קמעונאיות/צרכניות ללא התאמה לגורמי סיכון שונים מהותית.
- !אקסטרפולציה של PD של אופקים קצרים לאופקים ארוכים מבלי לקחת בחשבון את הגירת הדירוגים לאורך זמן.
Pro Tip
אמת תמיד את מודל ה-PD שלך גם עם מקדם Gini/AUC (אפליה - דירוג הלווים מהסיכון הטוב ביותר לגרוע ביותר) וגם מבחני כיול (האם PD החזויים קרובים לשיעורי ברירת המחדל שנצפו?). דגם שמדורג היטב אך מכויל בצורה גרועה עשוי עדיין לייצר רזרבות לא מספקות.
Did you know?
התובנה המרכזית של מודל מרטון - התייחסות להון העצמי של חברה כאופציית רכש על נכסיה - פורסמה ב-1974, שנה אחת בלבד לאחר נוסחת תמחור האופציות של Black-Scholes. רוברט מרטון קיבל את פרס נובל לכלכלה ב-1997 (יחד עם מיירון סקולס) בעיקר על גוף העבודה הזה, שאיחד את תיאוריית תמחור האופציות וסיכון האשראי במסגרת אלגנטית אחת.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
References
קבל טיפים שבועיים למתמטיקה
הצטרפו למנויי 12,000+ שמקבלים טיפים למחשבון מדי שבוע.