Riscul sistematic și riscul idiosincratic: cum separăm cele două componente într-un portofoliu de credit
Ce înseamnă factorul sistematic în practică
Un model factorial de credit pornește de la o ipoteză simplă: randamentul activelor unui debitor poate fi descompus într-o parte explicată de factori comuni și o parte reziduală, specifică acelui debitor. Factorul comun poate fi un indice macroeconomic, un factor sectorial sau o combinație calibrată pe date istorice. Ceea ce face această abordare utilă nu este eleganța matematică, ci faptul că parametrul de corelație dintre doi debitori rezultă direct din expunerea lor comună la același factor sistematic. Cu cât doi emitenți sunt mai expuși aceluiași factor — să spunem, ciclul de credit din sectorul imobiliar comercial — cu atât probabilitatea că vor intra în default simultan este mai mare. Aceasta este corelația de default în forma ei cea mai transparentă. Noi preferăm să lucrăm cu modele în care sensibilitățile la factori sunt explicite și interpretabile, nu absorbite într-un parametru de corelare opac. Diferența nu este semantică: un model cu factori expliciți permite stres-testarea componentei sistematice independent de componenta idiosincratică, ceea ce este imposibil într-un model bazat pe corelare directă.
Cum se comportă componenta idiosincratică
Riscul idiosincratic este, prin definiție, cel care dispare prin diversificare. Dacă adăugați suficient de multe expuneri independente într-un portofoliu, contribuția fiecăreia la volatilitatea agregată tinde spre zero. Problema este că în practică independența nu este niciodată perfectă, iar pragul de diversificare eficientă depinde de cât de concentrat este portofoliul pe anumiți factori sistematici. Am observat că portofoliile aparent diversificate pe număr de expuneri pot rămâne extrem de concentrate pe un singur factor sistematic — de exemplu, sensibilitatea la rata dobânzii pe termen lung. În aceste cazuri, componenta idiosincratică se reduce, dar riscul total nu scade proporțional, pentru că factorul sistematic rămas neacoperit compensează câștigul de diversificare. Concluzia practică este că numărul de expuneri este o măsură înșelătoare a diversificării reale. Măsura corectă este distribuția expunerilor pe factori sistematici, nu pe debitori individuali. Aceasta este o distincție pe care modelele factoriale o fac explicit, spre deosebire de abordările bazate pe matrice de corelare estimate direct din date istorice.
Atribuirea spread-ului pe componente de risc
Odată ce avem un model factorial calibrat, putem trece la o problemă mai concretă: cât din spread-ul de credit al unui emitent reflectă expunerea sa la factori sistematici și cât reflectă riscul său specific? Această atribuire nu este un exercițiu academic. Ea răspunde la întrebarea dacă un spread mai mare față de un comparabil din același sector este justificat de o sensibilitate mai mare la factori comuni sau de o deteriorare a profilului individual de credit. Noi abordăm această atribuire printr-un cadru în trei pași: calibrarea sensibilităților factoriale pe date de piață, estimarea spread-ului sistematic implicit și calculul reziduului idiosincratic ca diferență față de spread-ul observat. Reziduul poate fi pozitiv — emitentul este perceput ca mai riscant decât sugerează factorii comuni — sau negativ, caz în care piața îi acordă un avantaj specific față de grup. Ambele situații sunt informative și, în absența acestei decompoziții, rămân invizibile într-o analiză de spread simplu comparativ.
Limitele modelului și ce facem cu ele
Orice model factorial de credit vine cu ipoteze care pot eșua în anumite condiții. Cea mai frecventă este stabilitatea structurii factoriale: sensibilitățile calibrate pe date istorice normale s-ar putea comporta diferit în perioade de stres sever. Am testat acest lucru prin experimente de tip before-after pe perioade care includ șocuri de piață documentate și am constatat că sensibilitățile factoriale tind să crească în valoare absolută în perioade de volatilitate ridicată — un efect cunoscut sub numele de amplificare în regim de stres. Implicația directă este că un model calibrat exclusiv pe date de piață normală va subestima sistematic corelațiile de default în scenarii adverse. Soluția nu este abandonarea modelului factorial, ci completarea lui cu o componentă de stres explicit modelată, separată de calibrarea de bază. Aceasta este abordarea pe care o descriem în detaliu în materialele noastre despre stres-testare a portofoliilor de credit, unde tratăm separat modificarea sensibilităților față de modificarea nivelului factorilor.