Vurdering af risiko på erhvervsobligationer

Transkript

1 HD 8. semester Erhvervsøkonomisk Institut Forfatter: Rikke Emilie Værum Leth Lars Benfeldt Hansen Vejleder: Peter Brink Madsen Vurdering af risiko på erhvervsobligationer Med fokus på kredit- og eventrisiko Handelshøjskolen i Århus 2006

2 Abstract Investing in corporate bonds implies more credit risk than investing in traditional bonds. Even though it is possible to reduce the exposure to credit risk by diversifying the portfolio it is very important to be aware of the credit risk on the individual bonds. The purpose of this paper is to compare three different approaches to evaluating the credit risk. The three models, a simple rating based model, Moody s KMV and CreditMetrics from JP Morgan, are implemented on a series of corporate bonds from companies in the automotive sector. The results are compared with regards to how easy they are to use and how valid the results seem to be. The paper also deals with other risk factors that contribute to the total risk of a bond. Focus is especially on event risk. The models are different in more than one way. The simple rating based model and CreditMetrics are both based on empirical default probabilities estimated from a large number of observations. The empirical probability distributions are the foundation of the corporate credit ratings offered by large rating agencies as Moody s and Standard & Poors. CreditMetrics offers a Value-at-Risk on a single bond or portfolio. Moody s KMV is based on earlier option theory by Merton and Black & Scholes. Merton saw the equity of a firm as a call option on the firm s assets. This makes it possible to estimate asset value and volatility using equity prices and volatility. Moody s KMV defines a default point a point at which the equity owners will let the company default and leave the bond owners with the assets. The probability of default is then calculated as the probability that the current asset value will drop to a point below the default point within a certain period of time. This calculation is made using Black & Scholes option pricing model. The simple rating based method is very easy to understand and use. Access to ratings is fairly easy and a rating implicitly contains a lot of information on a company. A major weakness of the model is that it assumes that ratings are assigned correctly. This is not necessarily the case since rating agencies are often criticized for being too slow. Furthermore the rating based method divides companies into wide categories. It can be difficult to compare a company from the lower end of a rating class to a company from the upper end of the same rating class.

3 CreditMetrics has the same pros and cons as the simple rating based model. In addition to this, the model offers a Value-at-Risk measure of the bond and this can be extended to a portfolio of bonds and take correlations between bonds into account. This makes CreditMetrics a very valuable tool. Moody s KMV has the advantage that it takes into account the market evaluation of the assets. This is calculated from equity prices and volatility that can be obtained in the stock market in real-time. This makes it possible also to adjust the probability of default in real time. Full benefit from the model is only obtained by knowing the empirical probability distribution and a more sophisticated option pricing model. Neither of these are available. The calculations in this paper are made with a simple option pricing model assuming that the distribution is normal. The simplifications make the results unreliable to some extent. CreditMetrics is preferred to the others because of its Value-at-risk measure. The KMV-model in its full extend could be better, but in the reduced form used in this paper, the results understate the default probability making them unreliable. The simple rating based method is not varied enough to give a valuable risk measure. Event risk is a factor that has gained much attention lately, especially due to the recent large leveraged buy-outs in Europe, i.e. ISS and TDC. Bond covenants are very useful and hence a very popular way of reducing this risk. Negative pledge covenants protect bond investors from losing security in case of default. With a negative pledge covenant the company cannot collateralize assets or obtain debt that is senior to old debt in case of default. Change of control covenants protects bond holders from downgrades in case of a takeover of the company. The covenant compels the company to buy back the issued bonds at a given price in case of a takeover. The paper also took a closer look at some of the major fraud cases such as Enron, Worldcom and Parmalat. Some of the similarities in these cases have been sector expansion several of the

4 companies had turned into conglomerates. Another important issue to address as a bond investor is Corporate Governance. Especially the presence of offshore companies and the relationship between the company and the ones running it are worth looking deeper into.

5 1 Indledning Problemformulering Afgrænsninger Metodevalg Disposition Om erhvervsobligationer Obligationernes egenskaber Renten Step-kuponer Løbetider Førtidig indfrielse Bagvedliggende sikkerhedsstillelse Credit default swaps Prissætning Markeder Databeskrivelse Kildekritik Risikobegreber Sektoranalyse Risici på erhvervsobligationer Kreditrisiko Renterisiko Likviditetsrisiko Valutarisiko Eventrisiko Rating Formålet med rating Ændring af rating Prisfastsættelsesmodeller Den ratingbaserede model Konkursdividende Brugen af den ratingbaserede model Stresstesting af modellen Ændringer i konkurssandsynlighed Ændringer i den risikofri rente Ændringer i konkursdividende Delkonklusion - stresstest Kritik af ratingbaserede modeller CreditMetrics Estimering af rentekurver CreditMetrics Fiat Beregning af Value-at-Risk Standardafvigelsesmetoden Fraktilmetoden Fordele og ulemper ved de to metoder Stresstesting af CreditMetrics Rentestrukturen Konkursdividende...50

6 Modelkritik Optionsbaserede modeller Merton Moody s KMV Distance-to-default Expected default frequency (EDF ) Konkurssandsynlighed Estimering af aktivernes markedsværdi og volatilitet Proxy for den risikofri rente Beregningseksempel Daimler-Chrysler Stresstestning af KMV-modellen Egenkapitalens markedsværdi Aktiernes volatilitet Gæld Risikofri rente Afkast på aktiverne Kritik af modellen Kreditrisiko i Basel II-perspektiv Sammenligning af afhandlingens modeller Eventrisiko Aktionær eller obligationsejer Opkøb ISS TDC Øvrige eksempler Klausuler Pantsætnings klausuler Change of Control klausuler Brugen af klausuler Afdækning af eventrisiko Operationelle risici Svindel Enron Worldcom Parmalat Efter Enron Sox Følgerne for andre selskaber Tyco General Electric AMR J.P. Morgan Chase Xerox Coca-Cola EDS Corporate Governance Åbenhed og gennemsigtighed Bestyrelsens sammensætning...102

7 Aflønning af bestyrelse og direktion Delkonklusion svindel Konklusion Appendiks Figuroversigt Tabeloversigt Kildefortegnelse Bilag...113

8 1 Indledning Markedet for erhvervsobligationer har indtil for relativt ganske nyligt været domineret af udstedelser af selskaber i USA, hvor markedet i dag er enormt. I USA er størstedelen af selskabernes gæld ikke bankgæld, men egne udstedte obligationer. I Europa har det traditionelt været omvendt, men det er en trend, der er ved at vende. Den cirkulerende mængde i Europa bliver større og større. Især de senere år er der udstedt obligationer i Euro, så den cirkulerende mængde i den europæiske fællesvaluta har oversteget det, der svarer til mia. USD. Dermed har mængden af Euroobligationer oversteget dollarobligationerne. Figur 1 viser den cirkulerende mængde fordelt på de mest gængse valutaer. Figur 1, Cirkulerende mængde fordelt på valuta Cirkulerende mgd. fordelt på valuta Mia. dollars Euro Canadian dollar Yen Pound sterling US dollar Kilde: Udviklingen i erhvervsobligationer på det europæiske marked skyldes dels, at de europæiske selskaber har konverteret deres bankgæld til obligationer. Selskaberne har forskellige rationaler for at vælge obligationsudstedelse til fordel for bankgæld, her kan nævnes: Selskabets låneengagement kan have nået et omfang, der gør, at banken af kreditmæssige årsager ikke ønsker at udvide dette. Banken vil gerne udvide engagementet, men på så dårlige vilkår, at obligationsudstedelse er mere fordelagtig. I enkelte tilfælde kan selskabet have en bedre rating end sin bankforbindelse, og har dermed adgang til at finansiere sig billigere i obligationsmarkedet, end banken har. 1

9 Faldende aktiemarkeder og deraf følgende dårlig stemning på disse, har gjort det sværere at rejse kapital gennem denne mere traditionelle kanal. Dette har været en medvirkende faktor til, at flere selskaber i stedet har været nødsaget til at optage supplerende kapital gennem obligationsmarkederne. Dette giver også selskaberne mulighed for at få tilført kapital uden at være nødsaget til at afgive indflydelse, som tilfældet ville være ved en aktieemission. Selskaberne opnår med obligationerne ofte en billigere og mere varieret gældsstruktur. Nogle selskaber har endda udstedt så store mængder obligationer, at de ligefrem har deres egne rentekurver. Markedet for erhvervsobligationer udstedt i danske kroner er meget begrænset. Udstederne udgøres dels af halvstatslige institutioner såsom Øresundsforbindelsen og Storebælt, Dansk Skibskreditfond (selvom statsgarantien her formelt set er ophørt), en stor del finansielle institutioner og enkelte andre private danske og udenlandske selskaber. Sidstnævnte drejer sig især om Carlsberg, Ford, General Motors og General Electric. Ifølge Bank of International Settlements var den cirkulerende mængde af erhvervsobligationer i danske kroner ved udgangen af 2005, hvad der svarer til ca. 5,7 mia. USD. Det svarer altså til mindre end 0,01% af Euro-udstedelserne, der som nævnt løber op i mere end mia. USD. Udviklingen i den cirkulerende mængde i DKK fremgår af figur 2. Figur 2, Cirkulerende mængde i danske kroner Mia. USD Kilde: Bloomberg Cirkulerende mængde udstedt i danske kroner ,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0-0,2 10-årigt rentespænd DK-TY h.s. % 2

10 Som det fremgår af figur 2 blomstrede det danske marked op i midten af 90-erne, men fra slutningen af årtiet og frem til nu, er mængden halveret. Det er sket i takt med at renten i Danmark er faldet og rentespændet mellem Danmark og Euroland er snævret ind. Da det danske marked er meget begrænset, tager afhandlingen her udgangspunkt i udstedelser i EUR og USD. Investering i erhvervsobligationer medfører større kreditrisiko end investering i traditionelle obligationer. Den bedste måde at reducere en kreditporteføljes risiko på er at diversificere med hensyn til lande, sektorer, selskaber m.m. for at eksponeringen overfor enkeltselskaber kommer til at vægte mindre, samt for at mindske korrelationen mellem de enkelte kreditter. Det er imidlertid stadigvæk nødvendigt også at forholde sig til risikoen på den enkelte fordring. Ifølge Crosbie (2003) kan denne standalone-risiko deles op i tre dele: Konkurssandsynlighed, dvs. sandsynligheden for at låntageren misligholder sine forpligtelser. Tab givet konkurs, dvs. det tab, der bliver pålagt kreditorerne i forbindelse med eventuel konkurs. Migreringsrisiko, der er sandsynligheden for og konsekvenserne af, at konkurssandsynligheden ændres. Crosbie og Bohn argumenterer for, at den første risiko konkurssandsynligheden er den tungest vejende. Dette er også intuitivt plausibelt. 2 Problemformulering Afhandlingen har til hensigt at gøre rede for en metode til kvantificering af konkursrisikoen og øvrige risici til brug for vurdering af merrenten det risikojusterede afkast. Mere konkret vil afhandlingen: sammenligne 3 forskellige modeller til kvantificering af kreditrisikoen. implementere modellerne på en række konkrete erhvervsobligationer og sammenligne fordele og ulemper inddrage andre forhold, der har indflydelse på den samlede risiko, f.eks. likviditetsrisiko, eventrisiko, renterisiko og valutarisiko uden dog at kvantificere disse yderligere. 3

11 3 Afgrænsninger Der er i afhandlingen ikke taget højde for det skattemæssige aspekt. Der vil blive fokuseret på kredit- og eventrisiko på erhvervsobligationerne. Øvrige risici vil blive beskrevet, men ikke indgå yderligere i beregningerne. Der vil i afhandlingen alene arbejdes med de kvantificering af risiko, og således ikke vurderes på selskabernes kvalitative faktorer såsom konkurrencesituation, adgangsbarrierer osv. Datamaterialet indeholder udelukkende obligationer med fast kupon og løbetid. Obligationer med variabel kupon og/eller uendelig løbetid vil blive berørt, men kun på det beskrivende plan. Flere af de beskrevne modeller kan udvides til at tage hensyn til korrelationen mellem konkurssandsynlighederne på flere papirer, hvorfor de kan benyttes til at modellere risikoen på porteføljer. Af hensyn til omfang fokuseres der udelukkende på risikoberegninger på enkeltselskaber og obligationer. 4 Metodevalg Gennem en generel gennemgang af de specielle karakteristika for erhvervsobligationer, vil grundlaget for forståelse af investeringens kompleksitet forsøges klarlagt. Blandt andet en beskrivelse af, hvorfor almindelige modeller ikke kan benyttes til prisfastsættelse af erhvervsobligationer. Prisfastsættelsesmodellerne vil tage udgangspunkt i forskellene i kreditrisiko, hvilket er den største anledning til rentespændet mellem erhvervsobligationer og statsobligationer. Til det formål skelnes mellem to fremgangsmåder: Ratingbaserede modeller, der benyttes af de store ratinghuse, primært Moody s, Standard & Poors samt Fitch også kaldet reducerede modeller. Strukturerede modeller, der er blevet udviklet af store finanshuse, og som efterhånden har vundet større og større indpas. Det drejer sig om modeller, der tager udgangspunkt i Mertons og Black & Scholes optionsteori og markedsdata. 4

12 Beregningerne i afhandlingen tager udgangspunkt i den optionsbaserede Moody s KVM, CreditMetrics samt i den ratingbaserede model. Alle beregningerne tager udgangspunkt i data fra udvalgte selskaber i bilindustrien. Selskaberne er udvalgt, så de spænder vidt over ratingskalaen, således at undersøgelsen indeholder data fra kernesunde selskaber, de gennemsnitlige samt selskaber i problemer. Ud over en kvantificering af kreditrisikoen, vil obligationernes eventrisiko diskuteres nærmere, her tænkes især på risikoen for opkøb samt svindel. Diskussionen vil foregå alene som en kvalitativ undersøgelse. Emnet vil alene behandles ud fra cases, hvor eventrisiko har spillet en rolle, samt undersøgelser omkring disse cases og de muligheder, der er for afdækning heraf. Problemstillingen tillægges stadig større vægt, da de seneste par års opkøbsbølger i flere situationer har skabt fokus herpå. Ligeledes har markedet været ramt af regnskabsskandaler, der har bragt tilsyneladende sunde selskaber i knæ. Her beskrives konkrete tilfælde, hvor en uventet faktor uden varsel ændrer på opfattelsen af obligationernes værdi. Data og cases til behandling af eventrisiko vil stamme fra andre sektorer end bilindustrien, da fænomenet ikke er isoleret hertil. Herunder vil der blive fremsat konkrete forslag til, hvorledes man som investor kan tage højde for denne risiko. 5

13 5 Disposition Formålet med denne afhandling er som nævnt at vurdere risikoen på erhvervsobligationer. Figur 3 viser, hvorledes afhandlingen er opbygget. Figur 3, Afhandlingens opbygning Grundlæggende præsentation af erhvervsobligationer Præsentations af afhandlingens data Begrebsforklaring risiko samt rating Kreditrisiko Eventrisiko Reducerede modeller Strukturelle modeller Opkøb Svindel Samlet vurdering af risiko Egen tilvirkning Afhandlingen starter med en grundlæggende gennemgang af karakteristika ved erhvervsobligationer samt en introduktion til afhandlingens data, hvorunder der også ses nærmere på, hvilke problemer, der kan være forbundet med disse data. Herefter følger en introduktion af forskellige risici, hvor denne afhandling koncentrerer sig om to af disse: Kredit- og Eventrisiko. Her vil ligeledes ses nærmere på, hvordan selskabernes kreditkvalitet og rating vurderes, samt hvilke særlige ting man som investor skal være særlig opmærksom på i den forbindelse. Diskussionen af ratings og brug af rating går igen gennem meget af afhandlingen. Afhandlingen deles herefter op i to: Kreditrisiko, hvor der ved gennemgang og implementering af tre forskellige modeller, rating baseret, CreditMetrics og KMV, vurderes på de forskellige modeller til kvantificering af kreditrisiko. Vurderingen foretages ud fra en samlet afvejning af modellerne stærke og 6

14 svage sider, samt muligheden for at anvende og vedligeholde modellerne. Beregninger på de enkelte obligationer beskrevet jf. ovenfor, vil blive holdt op i mod de renter og kreditrisici, obligationerne handler til i markedet. Sammenligninger foretages under den forudsætning, at markedet er efficient i den semistærke form, altså afspejler alt historisk og offentligtilgængelig information (Christensen 2003). Eventrisiko, hvor der vurderes på uventede begivenheder, der kan udgøre en risiko for investor. Det kan være opkøb, hvor opkøber har en lavere kreditkvalitet end det opkøbte eller svindel, hvor værdier og beretninger om selskabet ikke er sandfærdige, og obligationerne derfor ikke har den forventede værdi. Der vil i dette afsnit ikke foretages egentlig kvantificering. Vurdering foretages på baggrund af cases, hvor obligationsejere er blevet klemt, heraf udledes fælles træk for selskaberne, f.eks. i den daglige drift og Corporate Governance, der er etiske retningslinier for selskaber. Det vil ligeledes vurderes, hvilke afdækningsmuligheder og forholdsregler investorer bør/kan tage. 7

15 6 Om erhvervsobligationer 6.1 Obligationernes egenskaber Erhvervsobligationer er på visse områder meget lig de traditionelle danske obligationer. Langt størstedelen er stående lån, der har en kuponrente. Der findes dog enkelte 0-kuponobligationer. En del af lånene amortiseres løbende. Disse lån kaldes sinking funds og amortiseres ofte med en profil, der minder om serielån. Selvom priserne på obligationerne kvoteres som en pris på nominelt 100 enheder af den pågældende valuta, er den nominelle stykstørrelse ofte større, for eksempel EUR. Afhængig af, hvem der er i målgruppen for udstedelsen, kan den mindste handelspoststørrelse godt være endnu større. Jo større kunder, man henvender sig til, jo større vil mindste handelspoststørrelse være. 6.2 Renten Kuponrenten på erhvervsobligationer kan være fast gennem lånets løbetid eller variabel efter nærmere bestemte forhold. Desuden kan der være tale om en nulkuponobligation. Knap tre ud af fire obligationer er fastforrentede i hele perioden ( og kuponrenterne udbetales typisk hel- eller halvårligt. Enkelte udstedere og investorer foretrækker, at obligationernes kuponrente er variabel og følger markedsudviklingen. Disse kuponrenter vil typisk være sammensat af den effektive rente på en statsobligation eller en liborsats tillagt et spread. Udover kuponobligationerne udstedes også nulkuponobligationer. Der udbetales ingen kuponrenter i løbetiden på disse, men hele gevinsten udbetales på udløbstidspunktet. 6.3 Step-kuponer Flere og flere obligationer får tilknyttet særlige klausuler, såkaldte covenants, der træder i kraft ved særlige hændelser. En almindelig klausul er en step-kupon. Her er det på forhånd aftalt, at kuponen på obligationen bliver øget til et vist niveau i tilfælde af en kreditmæssig nedgradering, eller sænket i tilfælde af en opgradering. Gennem de senere år er denne type klausuler kommet mere i fokus hos investorerne. Det skyldes især den usikkerhed, der opstår i investorernes bevidsthed, når et selskab 8

16 bliver overtaget af en kapitalfond (Hartley og Kendall 2005). Det er i høj grad overtagelserne af danske ISS og TDC, der har fået frygten for ændringer i kapitalstrukturen frem hos obligationsejerne. Mange, især professionelle investorer, er blevet opmærksomme på, at de ikke er tilstrækkeligt sikrede i tilfælde af et leveraged buy-out, LBO. 6.4 Løbetider Løbetiden på erhvervsobligationer ligger typisk mellem 1 og 30 år. En ganske lille mængde bliver udstedt som uamortisable obligationer. Det vil sige, at obligationerne i princippet aldrig bliver betalt tilbage. Den eneste måde udstederen af obligationerne kan indfri lånet på, er ved at købe obligationerne i markedet. 6.5 Førtidig indfrielse Udover at have en udløbsdato kan erhvervsobligationerne have tilknyttet klausuler omkring førtidig indfrielse. De mest almindelige af disse er call-optioner, hvor udstederen har en ret til at indfri gælden til en på forhånd kendt pris på en given dato. Uamortisable obligationer bliver ofte udstedt i kombination med en call-option efter for eksempel 5 år. Tilsvarende findes enkelte obligationer med tilknyttede put-optioner, hvor investorerne kan indlevere obligationerne til indfrielse på givne tidspunkter. En put-option som denne vil typisk blive udnyttet, hvis renten i mellemtiden er steget, og investoren dermed kan placere sine penge andetsteds til en højere rente. 6.6 Bagvedliggende sikkerhedsstillelse Der er stor forskel på, hvilken sikkerhed en obligation nyder i forbindelse med en eventuel konkurs. En erhvervsobligation kan have sikkerhed i form af pant i et aktiv, for eksempel en bygning, en maskine eller en beholdning af værdipapirer. Sikkerhedsstillelsen kan også foregå ved garantistillelse eller kaution fra en tredjepart. De fleste erhvervsobligationer er dog usikrede. Det vil sige, at den eneste sikkerhed ligger i selskabets kreditmæssige sundhed og pengestrømme, der kan betale renterne løbende og hovedstolen. Ratings er et meget anvendeligt værktøj til at vurdere denne sikkerhed. Dette beskrives mere indgående i afsnit 12. 9

17 Endelig kan der være forskel på prioritetsstillingen for forskellige obligationsserier udstedt af samme selskab. En ny obligationsserie kan være efterstillet gamle udstedelser, så de oprindelige kreditorer får deres tilgodehavende først i tilfælde af konkurs. I nyudstedelser kan der også være forskel på prioriteten. Obligationer bliver ofte udstedt i forskellige trancher med forskellige vilkår. Princippet er illustreret i figur 4, hvor et selskab har udstedt tre forskellige trancher. To højt rangerende trancher, hvoraf den ene er sikret, og til sidst en efterstillet tranche. Fordelen for selskabet er, at lånet bliver rettet mod tre forskellige investortyper, der alle har forskellige risikoprofiler og afkastkrav. På denne måde kan selskabet opnå tilstrækkelig efterspørgsel efter hele gældsudstedelsen og dermed måske opnå en gennemsnitligt billigere finansiering, end hvis hele serien var udstedt på samme vilkår. Figur 4, Prioritetsrækkefølge Senior, sikret Højeste prioritet/laveste rente Senior, usikret Mellemste prioritet/højere rente Junior, usikret Efterstillet gæld/høj rente Egen tilvirkning 6.7 Credit default swaps Credit default swaps eller CDS er er et afledt instrument, der kan benyttes til afdækning af kreditrisikoen på både obligationer og låneporteføljer. En CDS kan sammenlignes med en forsikring. Indehaveren af en obligation (eller kreditoren på et lån, eksempelvis en bank) kan gennem en CDS købe beskyttelse mod misligholdelse i en periode. Som navnet antyder, bytter man altså kreditrisikoen væk mod betaling. Sælgeren af en CDS, der påtager sig risikoen for misligholdelse, modtager et beløb up-front som kompensation. CDS er handles ofte over-the- 10

18 counter, OTC, altså som skræddersyede aftaler mellem to parter. Principperne er illustreret i figur 5. Figur 5, Principperne i en Credit Default Swap Betaling for beskyttelsen Sælger af kreditrisiko Betaling i tilfælde af, at debitoren misligholder Køber af kreditrisiko Egen tilvirkning Det er ikke nødvendigt, at det underliggende selskab går konkurs, for at sælgeren af CDS en skal kompensere køberen. Det er nok, at blot en enkelt rentebetaling ikke kommer rettidigt. Hvis der i kontrakten er aftalt fysisk afvikling, vil sælgeren af beskyttelse skulle overtage gælden til den aftalte pris også selvom den ikke er noget værd. Markedet for CDS er i rivende udvikling. Bank of International Settlements vurderer, at de totale udestående kontrakter har en værdi på mere end 10 billioner USD (Amato, 2005). Mange banker er ved at få øjnene op for mulighederne for at benytte CDS er til aktiv styring af låneporteføljerne. Således kan en regional vestjysk bank, der ligger tungt eksponeret i lån til fiskeindustrien, mod betaling, skille sig af med risikoen på en del af denne portefølje. I stedet for alene at være eksponeret i fiskeri kan banken således overtage en del af kreditrisikoen på for eksempel ejendomsselskaber eller byerhverv fra en regional hovedstadsbank. 6.8 Prissætning Renten på traditionelle obligationer bestemmes generelt af overordnede makroøkonomiske forhold. Dette forholder sig noget anderledes med erhvervsobligationer. Renten på erhvervsobligationer bestemmes delvist af renten på en løbetidsmæssigt tilsvarende statsobligation. Hertil lægges et rentetillæg et rentespænd eller bare spread der består af flere forskellige elementer. Den største årsag til rentespændet skyldes forskellen i kreditkvalitet. Konkursrisikoen og det forventede tab i forbindelse med en eventuel konkurs er normalt større på en erhvervsobligation end på en statsobligation. Denne risiko tager investorerne sig betalt for i form af en højere rente end på 11

19 statsobligationerne. Klimaet i sektoren og selskabsspecifikke forhold, såsom regnskaber, påvirker disse risici. Investering i erhvervsobligationer kommer derved til at minde om en blanding af en investering i aktier og obligationer. Endelig er erhvervsobligationernes seriestørrelse normalt ikke særlig stor i forhold til statsobligationerne. Udsigten til, at det kan være svært for en investor at sælge obligationerne især hvis markedet i forvejen er presset medfører et krav om en likviditetspræmie. 6.9 Markeder Der findes i princippet 2 overordnede markeder, det primære og det sekundære. Når en obligation udstedes, tilbydes den i første omgang til større investorer såsom banker, institutionelle investorer og større investeringsselskaber. Dette kaldes det primære marked. Herefter kan disse investorer sælge obligationerne videre i det sekundære marked til deres kunder, de mindre investorer. Derudover er der 3 underordnede markeder, der skiller sig ud fra hinanden ved at blive kvoteret forskelligt: High Grade/Investment Grade obligationer, der kvoteres og handles som et rentespænd til statsobligationer. High Yield/Speculative Grade, der kvoteres og handles som cash priser, det vil sige helt analogt til almindelige danske realkredit- eller statsobligationer, som en pris pr. nominelt 100,00 af den pågældende valuta. Cross-Over-markedet. Cross-over obligationer er Investment Grade papirer, der handles til cash priser. Et eksempel på en sådan er SAS. 7 Databeskrivelse Der er i undersøgelsen udvalgt syv forskellige automobilproducenter, Toyota, BMW, Daimler- Chrysler, Fiat, Ford, General Motors og Porsche. Desuden indgår der under General Motors, selskabet GMAC, der er selskabets bilfinansieringsafdeling. Selskaberne er udvalgt, så de dækker over forskellige segmenter indenfor bilindustrien. Der er således producenter af små billige biler, familiebiler, luksusbiler og sportsvogne, som er forskelligt eksponeret overfor ændringer i makroøkonomiske faktorer og konjunkturer. 12

20 Selskaberne er ligeledes udvalgt sådan, at de har forskellig kreditkvalitet målt på deres rating, jf. beskrivelsen i afsnit 12. Selskaberne er samtidig geografisk fordelt over de største etablerede markeder, Europa, USA og Japan. Data på de enkelte selskaber stammer primært fra selskabernes egne årsrapporter, der med revisionspåtegning må antages at være en valid kilde. Data omkring de enkelte obligationer udstedt af selskaberne, rentestrukturer osv. stammer fra Reuters eller Blomberg. Aktievolatiliteter og andre nøgletal på selskaberne er beregnet ud fra data fra de to nævnte nyhedsbureauer. Ved brug af statistiske data er der valgt en periode, der så vidt muligt dækker økonomiske op- og nedture. Som risikofri rente benyttes swaprenten i henholdsvis Euro og Dollar. Øvrige selskaber der indgår i beskrivelsen af eventrisiko på erhvervsobligationer er udvalgt, så de repræsenterer vigtige budskaber for beskrivelsen af de enkelte events. Det være sig store svindelsager og vigtige opkøb med nedgradering til følge. Beskrivelsen af de enkelte events bygger på artikler og undersøgelser som forfattere finder valide. Eventuelle selskabsdata stammer fra Reuters eller Bloomberg. 8 Kildekritik De valgte obligationer dækker flere løbetider og flere ratingkategorier indenfor samme sektor. Desværre er fordelingen således, at de højest ratede selskaber, der dermed bør være forbundet med laveste risiko, samtidig har den korteste løbetid, der ydeligere reducerer obligationens risiko. Afhandlingens dårligst ratede selskab General Motors er således repræsenteret med den klart længste obligation. Fra Toyota Aaa til General Motors B er der således en forskel i løbetiden på fem år. Denne overvejelse skal indgå i vurderingen af afhandlingens resultater. Transitionsmatricer, konkurssandsynligheder og konkursdividender bygger på historiske data og siger således intet om fremtiden. Selskabernes markedsbetingelser og sektorens vilkår ændrer sig løbende. Data tilbage fra 1970/1982 afspejler et gennemsnit over en periode, der har gennemgået en voldsom ændring. Ligeledes er der i perioden både høj- og lavkonjunkturer. Obligationerne i denne 13

21 opgave har en restløbetid på mellem 1 og 10 år, hvorfor langsigtede mål ikke nødvendigvis er nødvendige. Ovenstående dataserier stammer fra Moody s. Hvorvidt S&P og Fitch kunder har en anden kvalitet, om den ene rater alle de gode, mens den anden rater de dårlige, er ikke undersøgt. Det skal dog hertil siges, at mange af de store selskaber vælger en rating fra to eller flere ratingbureauer, hvilket også er tilfældet for flere af opgavens selskaber jf. bilag 1. Oplysningerne om de enkelte selskaber, primært regnskabsdata, er i højeste grad tredjehåndsinformation. Selskabets regnskabsafdeling forsyner revisoren med information. Revisoren godkender på dette grundlag regnskabet, der så herefter offentliggøres. Selvfølgelig skal selskabet ifølge lovgivningen videregive korrekte tal og revisoren stå inde for rigtigheden af de afgivne data. Historien har dog vist, at det i sig selv ikke er nogen garanti. Ligeledes kan der være oplysninger omkring selskabet, som ikke kan læses ud af regnskabstallene. Det kan være informationer om det fremtidige marked, kendskab til produktproblemer osv. Regnskabstallene er historiske og en senere offentliggørelse af sådanne informationer, vil måske først få effekt i det efterfølgende regnskabsår. Der er i beregningerne brugt regnskabstal fra 2004, da selskabernes regnskaber for 2005 endnu ikke er kommet, Der kan være en udvikling frem til regnskabsåret Der er i alle tilfælde anvendt det seneste regnskab uanset opdelingen af regnskabsårene. Tilsvarende aktiedata, er anvendt data et år tilbage fra Der er således primært data for 2005 i disse beregninger, og dette giver anledning til uoverensstemmelse mellem regnskabet og de anvendte aktiedata (performance og volatilitet). Dette er accepteret ud fra ønsket om nyest mulige data i alle henseender. Alle anvendte regnskabsdata hviler 100 % på rigtigheden af selskabernes årsrapporter. Er der manipuleret eller svindlet med de oplyste tal, er beregninger ikke gyldige. Det forudsættes, at de anvendte selskaber aflægger korrekte og sandfærdige regnskaber. 14

22 Ved anvendelse af de kumulative konkurssandsynligheder jf. tabel 3, findes disse kun på hele varigheder. Opgavens obligationer er derfor afrundet, så de bedst muligt passer ind i matricen. Rentekurverne i figur 7 bygger på data fra Reuters og Bloomberg. For ratingkategorierne BB og ned har det ikke været muligt at få et nuanceret billede af de enkelte grupper i EUR. De er således slået sammen under High-Yield. Der kan være stor forskel på renten fra en f.eks. en BB rated til en B rated jf. Ford og General Motors bilag 1, hvor renteforskellen på næsten samme varighed er 3,4 procentpoint fra General Motors B dollarobligation til Fords tilsvarende BB obligation. Ligeledes er renterne på High-Yield delt op i intervaller, der ikke giver et nuanceret billede af rentestrukturen. Der er dog valgt at arbejde videre med disse tal, da alternativet er udeladelse af CreditMetrics Modellen. Under afsnit 14, Eventrisiko, henvises til undersøgelser fra 1994 og1997. Det har desværre ikke været muligt at fremskaffe undersøgelser af nyere dato. Der er skrevet en del artikler og debatter om emnet, og hvor disse findes relevante er de inddraget. Konklusioner træffes derfor ofte på baggrund af forældede data. Data ville i dag givetvis se anderledes ud. 9 Risikobegreber Der vil i afhandlingen gennemgås tre forskellige modeller til kvantificering af kreditrisiko på erhvervsobligationer. Hver model har sit syn på risiko og hvordan denne bedst måles. Dette afsnit har til formål at beskrive de risikobegreber, der anvendes samt eventuelle sammenhænge. I afsnittet vil alene gennemgås kvantitative risikomål. Der findes ingen risikomål, der beskriver alle risici. Der vil altid være uventede situationer. Disse forsøges dækket under stresstesting af de tre modeller. I forbindelse med vurdering af risiko er afkastfordelingens nedre hale mest interessant. Figur 6 viser de tre overordnede grupper af risikomål. Målene bliver mere raffinerede i pilens retning. 15

23 Figur 6, Risikomål Kvalitative risikoindikatorer 1 Følsomhed 2 Volatilitet 3 Downside risiko/ Value at Risk Kilde: Bessis 2002 Følsomhedsmål måler, hvordan værdien skal reagere på ændringer i bagvedliggende variable, det være sig den implicitte volatilitet, rente eller løbetid ( Eksempler på sådanne mål er obligationernes varighed, rente margin, ratios og grækerne (delta, gamma, theta, rho, vega), der bruges til følsomhedsmåling af optioner. Obligationernes løbetid anvendes i den ratingbaserede model. I KMV-modellen anvendes f.eks. en egen-/fremmedkapitalratio. Volatilitet udtrykker stabiliteten/ustabiliteten i en variabel jf. Bessis Volatiliteten er udtrykt ved aktivernes standardafvigelse. Volatiliteten bruges i KMV-modellen, hvor såvel aktievolatiliteten og aktivernes volatilitet beregnes. Standardafvigelsen bruges til videre bearbejdning i forbindelse med udledning af Value-at-Risk i CreditMetrics. Både KMV-modellen og CreditMetrics benytter sig af downside risikomål. I KMV-modellen beregnes den forventede konkurssandsynlighed, og CreditMetrics benytter Value-at-Risk. Value-at-Risk (VaR) måler det maksimale forventede tab med en given sandsynlighed over en given tidshorisont, og er et vigtigt mål i forbindelse med Basel II jf. afsnit VaR beregnes ofte under forudsætning af et normalfordelt markedsafkast. Dette er dog sjældent tilfældet og kan derfor give anledning til fejl. 16

24 VaR bruges til beregning af kreditrisikoen i Creditmetrics modellen jf. afsnit 13.2, hvor der ligeledes kigges nærmere på forudsætningen omkring normalfordeling. Ved brug af fraktiler kan obligationernes downside risiko beregnes mere præcist. Spændet mellem erhvervsobligationer og statsobligationer siger en del om markedets vurdering af obligationer. Spændet er den risikopræmie investor kræver for at holde erhvervsobligationer frem for statsobligationer. Risici forbundet med investering i erhvervsobligationer er beskrevet i afsnit Sektoranalyse Beregninger og gennemgange i denne afhandling bygger på kvantitative data, men obligationerne kan også påvirkes af mere kvalitative begivenheder. Formålet med sektoranalyse er at give et overblik over sektoren. Det kan være, hvor mange selskaber der er, sektorbetingelser såsom adgangsbarrierer og efterspørgselsfaktorer, konkurrencen osv. ( Antallet af bilproducenter og konkurrencesituationen kan undersøges nærmere gennem brancheforeningernes analyser. De større finanshuse udarbejder ligeledes sektoranalyser, hvor man som investor kan få et bedre overblik over sektoren. Adgangsbarrierer kan til tider kræve mere indgående kendskab til sektoren. For bilindustrien er det dog tydeligt, at adgangsbarriererne er ret høje. Bilproduktion kræver store anlægsinvesteringer og know-how. For bilindustrien offentliggør de enkelte selskaber jævnligt deres salgstal, ligesom der månedligt offentliggøres amerikanske bilsalgstal. Nøgletal som producentpriser, forbrugertillid, opsparingskvoter og råvarepriser er ligeledes faktorer, der påvirker bilproducenter. Mulige værktøjer til en nærmere analyse af sektoren er en PEST-analyse, der ser på de politiske, økonomiske, sociale og teknologiske forhold, Porters five forces, der ser nærmere på et selskabets 17

25 konkurrencesituation og forholdet mellem leverandører og kunder. SWOT-analysen vurderer selskabets interne stærke og svage sider samt eksterne muligheder og trusler. Ligeledes er Bostonmodellen og PLC kurver et gode værktøjer til at vurdere selskabets fremtidige indtjeningsmuligheder samt pipeline. Der vil i denne afhandling ikke foretages yderligere kvalitative analyser. 11 Risici på erhvervsobligationer Finansieringsteorien bygger på den antagelse, at investorerne er risikoaverse, og al ekstra risiko skal belønnes i form af et højere afkast (Lando 2000). Når det gælder erhvervsobligationer, er der flere forskellige risici, investorerne kræver betaling for. Det giver sig udslag i en højere rente. Jo større risiko jo højere rente i forhold til den risikofrie rente. De risici, investor skal tage højde for ved investering i erhvervsobligationer er: kreditrisiko, renterisiko, likviditetsrisiko, valutarisiko samt eventrisiko. De forskellige risici vil blive gennemgået i afsnit Kreditrisiko Kreditrisikoen er risikoen for at selskabet inden obligationens udløb ikke er i stand til at opfylde sine forpligtelser. Enten i form af manglende rentebetaling, eller at de er ude af stand til at tilbagebetale lånet. Kreditrisikoen er den vigtigste faktor i beregning af en obligations kreditspænd. Det er derfor her, det største arbejde vil blive lagt i det efterfølgende Renterisiko Som alle andre obligationer har erhvervsobligationerne også en renterisiko. Ændringer i renten vil medføre stigning eller fald i obligationernes kurs. Igennem en lang periode har Danmarks og de fleste etablerede markeders renteniveau været meget lavt. Dette har betydet, at investorerne har kigget efter alternative placeringer og efterspørgslen efter erhvervsobligationer har her drevet renterne ned. De påbegyndte rentestigninger får derfor hurtig effekt på erhvervsobligationerne, da renten nu skal være ekstra attraktiv, for at investor vil påtage sig kreditrisikoen. 18

26 En obligations renterisiko udtrykkes ved varigheden. Som anført i afsnit 1 er de fleste erhvervsobligationer udenlandske. Varighedsbegrebet har her en væsentlig mangel. Den udtrykker kun kursfølsomheden ved en indenlandsk renteændring (Christensen 2001). Korrigeres varigheden for rentevolatiliteten på de individuelle markeder fås obligationens renterisiko (Christensen 2001). Der vil i opgaven ikke foretages yderligere beregninger omkring obligationernes renterisiko. Hvor renterisikoen inddrages, benyttes varigheden oplyst i Jyske Markets Bond List fra eller øvrige pålidelige kilder Likviditetsrisiko Udstedelser af erhvervsobligationer er naturligvis af en anden størrelse end statsobligationer. Samtidig laves en del af selskabernes udstedelser som private placements i det primære marked. Derfor kan handlen mellem de almindelige investorer i det sekundære marked blive stærkt reduceret, da mængden af obligationer i fri handel nu er betydeligt mindre (Christensen 2001). Denne risiko ønsker investor naturligvis betaling for, da investor ved et salg ligeledes risikerer at skulle betale for risikoen i form af reduktion i prisen for obligationen. Prisfastsættelse af likviditetsrisiko er der jf. afsnit 3 set bort fra i denne opgave Valutarisiko Som beskrevet i afsnit 1 er der ikke mange selskaber, der udsteder erhvervsobligationer i danske kroner. Det betyder, at hvis man som dansker ønsker at investere i erhvervsobligationer, kan være nødt til at se efter papirer noteret i en anden valuta. Der er jf. afsnit 3 heller ikke taget højde for valutarisikoen, idet denne er næsten umulig at bestemme, da investorerne ikke alle har samme risiko. F.eks. vil ingen amerikansk obligationsejer betale en dansker for at løbe en dollar risiko, når han lige så let kan afhænde obligationen til en dollarbaseret investor. 19

27 11.5 Eventrisiko En efterhånden ikke helt uvæsentlig risiko i dag er eventrisikoen. Det er risikoen for uforudsete faktorer, der ændrer den grundlæggende opfattelse af selskabet. Eksempler herpå er ændring af rating i forbindelse med opkøb eller svindel. Se afsnit 14 for en uddybelse af området. 12 Rating En rating er en vurdering af et selskabs kreditværdighed, altså en form for kreditmæssig karakter. De mest kendte kreditvurderingsbureauer er Standard & Poor's, Moody's og Fitch. I tabel 1 er vist de ratings, som Standard & Poors samt Moody s benytter sig af. Det er op til det enkelte selskab, hvorvidt de vil rates, og de betaler selv for ratingen. Ratingen er afgørende for, hvilken rente selskabet kan låne til, både hos banken og på erhvervsobligationsmarkedet. Ratingen opdeles i to kategorier: Den kortfristede rating, der dækker gæld op til tolv måneder, og den langsigtede rating. Da erhvervsobligationer oftest er langsigtede gældsforpligtelser, ses der i det efterfølgende bort fra de kortsigtede ratings. Det er ikke kun selskaber, der rates. Lande benytter sig også af rating som en vurdering af landets kreditværdighed for at opnå den ønskede efterspørgsel efter landets statsobligationer. Et selskab kan ikke opnå en højere rating end det land, det er hjemhørende i ( Ratingen er en samlet vurdering af mange af de faktorer, en investor ønsker klarlagt. Det er sekundært et signal til aktieinvestorerne, der kun har adgang til de officielle tal om selskabets tilstand. Flere institutionelle investorer har vedtægtsmæssige begrænsninger, der tilsiger, at de kun kan investere værdipapirer, der har en vis rating ( 20

28 Tabel 1, Ratings op mod den danske tretten-skala Moody's S&P Karakter Kommentar Aaa AAA 13 Bedst mulig rating, meget stærk betalingsevne Aa1 AA+ 11 Aa2 AA Ligeledes meget høj betalingsevne Aa3 AA- 10 A1 A+ A2 A 9 Bonitet over middel, høj betalingsevne Investmentgrade A3 A- Baa1 BBB+ Baa2 BBB 8 God bonitet, tilfredstillende betalingsevne Baa3 BBB- Ba1 BB+ Ba2 BB 7 Spekulativ, store usikkerhedsmomenter Ba3 BB- B1 B+ B2 B 6 Lille sikkerhed for betaling. Betalingsevne, men B3 B- stor risiko for problemer High yield Caa1 CCC+ Caa2 CCC Caa3 CCC- 5 Betalingsevne truet, meget sårbar overfor Ca CC betalingsproblemer C C D Default Kilde: Danske Bank Ratingen foretages på baggrund af en grundig gennemgang af selskabet. Ratingbureauet får adgang til data og informationer, der ikke er tilgængelig for den almindelige investor Formålet med rating Ifølge Coyle (2002) er der to metoder til vurdering af et selskabs kreditværdighed. Den første er navnekendelse. Kender man selskabet og mener, at det står for noget godt, investerer man i dette. Et eksempel er BMW. Mange investorer kender selskabet og ved, at det står for kvalitetsbiler i den høje prisklasse og mange drømmer måske selv om en BMW. Der er således tale om en meget subjektiv vurdering. Den anden metode er rating, hvor investor ud fra en rating på selskabet vurderer, hvorvidt investeringen er attraktiv. De fleste større selskaber betaler i dag ratingbureauer for en vurdering af selskabets kreditværdighed. Især for selskaber, der ønsker at finansiere sig gennem erhvervsobligationer, er rating vigtig. For de fleste investorer er en rating den eneste måde, hvorpå de kan vurdere selskabets kreditværdighed og deraf hvilken rente, de vil kræve for at finansiere selskabets gæld. Det er altså 21

29 vigtigt for selskaberne at opnå så høj en rating som mulig (ratingklasserne fremgår af tabel 1 i afsnit 12). Opgaven tager udgangspunkt i syv bilproducenter, der dækker begge ender af ratingskalaen. Selskabernes rating fremgår af bilag 1. Såfremt selskabets dækkes af flere ratingbureauer vil disse ratings ligeledes fremgå. Der er dog selskaber, der har valgt ikke at købe sig til en rating. Typisk vil en manglende rating sende et signal til markedet om, at selskabet er nervøst for hvilken rating, de vil kunne opnå. Konsekvenserne af manglende rating kan f.eks. være, at mange investorer holder sig væk på grund af usikkerheden omkring selskabets kreditværdighed. Selskabets investorer må her selv vurdere selskabets risiko. Individuelle vurderinger af boniteten kan give udslag i både en lavere og en højere vurdering end en grundig gennemgang ville give, og derfor en dyrere eller billigere finansiering. Typisk dyrere, for en sikkerheds skyld. Som anført i afsnit 12 vil manglende rating helt udelukke store investorgrupper, da de af vedtægtsmæssige årsager ikke må investere i selskabet. Den tyske bilproducent Porsche er ikke rated, men har samtidig finansiering i erhvervsobligationer. Porsche indgår alligevel i opgavens datamateriale. I figur 7 er rentekurverne for de fire store ratingklasser angivet samt for High Yield obligationer. Som det fremgår af bilag 1, handler Porsches obligation med udløb i 2007 til en rente på 3,12 %, Porsche handler således implicit til en A rating. Dataene bag grafen fremgår af bilag 2. Tilsvarende renter for USD fremgår af bilag 3 22

30 Figur 7, Rentekurverne for de toneangivende ratings ,00 8,00 7,00 6,00 5,00 4,00 AAA AA A BBB High Yield 3,00 2,00 1,00 0, Kilde: Reuters, Bloomberg Hertil skal dog tilføjes, at ejerforholdet i Porsche er anderledes end i de fleste selskaber, da ca. halvdelen af aktiekapitalen ligger hos familien ( hvilket giver selskabet en hvis tillid. Porsche nyder ligeledes godt af navnekendelse beskrevet i tidligere i afsnittet, og har ry for at være et solidt og veldrevet selskab med en stærk ledelse. For de lavest ratede selskaber har det ikke været muligt at fremskaffe rentestrukturen fordelt på rating. Rentestrukturen fremgår her som en samlet kategori af High-Yield obligationer. Renten er ligeledes angivet i intervaller. Det forklarer grafens udseende Ændring af rating Et selskabs rating vurderes løbende af ratingbureauerne. Udover de overordnede ratings tildeles selskaberne en retning/et outlook, der indikerer overfor investorerne, hvilken retning selskaber bevæger sig i, hvilken vej en ratingændring vil vende. Er selskabet udstyret med et positivt outlook, vil den næste ændring højst sandsynligt være en opgradering, hvorimod et negativt outlook indikerer en nedgradering. Ligeledes findes neutral outlook. Inden en ændring af rating vil ofte ratingbureauet sætte selskabet under observation. 23

31 Figur 8 viser tendensen i markedet for op- og nedgraderinger. En værdi over 0 indikerer, at der er tendens til opgraderinger, mens en værdi under 0 indikerer, at der er flest nedgraderinger. Som figuren viser, er tendensen i dag positiv efter en periode med flere ned- end opgraderinger. Figur 8, Op- eller nedgraderingstendens for ratings Rating tendens = (upgrade-downgrade)/ratede udstedelser Global USA Europa 0,15 0,10 0,05 0,00-0,05-0,10-0,15-0,20 dec-00 jan-01 feb-01 mar-01 apr-01 maj-01 jun-01 jul-01 aug-01 sep-01 okt-01 nov-01 dec-01 jan-02 feb-02 mar-02 apr-02 maj-02 jun-02 jul-02 aug-02 sep-02 okt-02 nov-02 dec-02 jan-03 feb-03 mar-03 apr-03 maj-03 jun-03 jul-03 aug-03 sep-03 okt-03 nov-03 dec-03 jan-04 feb-04 mar-04 apr-04 maj-04 jun-04 jul-04 aug-04 sep-04 okt-04 nov-04 dec-04 jan-05 feb-05 mar-05 apr-05 maj-05 jun-05 jul-05 aug-05 sep-05 okt-05 nov-05 Kilde: Bloomberg En ændring af ratingen vil føre til enten kursfald eller stigning, afhængig af om der er tale om en ned- eller opgradering, medmindre en ændring allerede er indregnet i markedet. For gamle investorer betyder dette, at de vil tabe eller vinde på kursen, mens nye investorer opnår en højere eller lavere rente. Senest i 2004 hvor General Motors blev nedjusteret flere gange jf. tabel 14. Det resulterede i et kursfald og dertilhørende rentestigning. Renteudviklingen i General Motors fremgår af figur 11. Som beskrevet i afsnit er der udstedelser hvor kuponen er afhængig af selskabets rating. Ud over en ændring i renten på offentlig udstedt gæld, vil en nedgradering også typisk medføre en genforhandling af selskabets bankengagement. 24