Μετά τις αγορές μετοχών, η αγορά πιστώσεων ενδέχεται να είναι το επόμενο πεδίο όπου θα εκδηλωθεί ο κίνδυνος μιας απότομης διόρθωσης λόγω των υψηλών προσδοκιών γύρω από την τεχνητή νοημοσύνη. Αυτό υποστηρίζει ο επικεφαλής στρατηγικής πιστώσεων της UBS, Μάθιου Μις, επισημαίνοντας ότι μετά τις έντονες αναταράξεις στις αγορές μετοχών, οι πιέσεις από την AI μεταφέρονται πλέον στον χώρο του εταιρικού δανεισμού.
Τις τελευταίες εβδομάδες οι επενδυτές προχώρησαν σε ταχεία αναπροσαρμογή των αποτιμήσεων σε εταιρείες λογισμικού και σε άλλους κλάδους που θεωρούνται ιδιαίτερα ευάλωτοι λόγω της ραγδαίας εξάπλωσης της τεχνητής νοημοσύνης. Ωστόσο, σύμφωνα με αναλυτή της UBS, ο μεγαλύτερος συστημικός κίνδυνος ενδέχεται να εκδηλωθεί στις αγορές πιστώσεων, όπου οι επιπτώσεις τείνουν να εμφανίζονται με χρονική υστέρηση, αλλά να είναι εντονότερες και πιο επώδυνες.
Αυξημένος κίνδυνος αθετήσεων δανείων
Σε ερευνητικό σημείωμα που δημοσιεύθηκε την Τετάρτη, ο Μις εκτιμά ότι δεκάδες δισεκατομμύρια δολάρια εταιρικών δανείων ενδέχεται να οδηγηθούν σε αθετήσεις πληρωμών μέσα στον επόμενο χρόνο. Οι εντονότερες πιέσεις αναμένεται να καταγραφούν σε εταιρείες λογισμικού και υπηρεσιών δεδομένων, ιδίως σε εκείνες που ανήκουν σε επενδυτικά κεφάλαια ιδιωτικών συμμετοχών (private equity) και εμφανίζουν υψηλά επίπεδα δανεισμού.
«Αποτιμούμε ήδη ένα μέρος αυτού που αποκαλούμε σενάριο ταχείας και επιθετικής ανατροπής», δήλωσε ο ίδιος σε συνέντευξή του στο CNBC.
Οι επιπτώσεις του ΑΙ
Όπως εξηγεί, ο ίδιος και η ομάδα του υποχρεώθηκαν να επισπεύσουν την αναθεώρηση των προβλέψεών τους, καθώς τα πρόσφατα μοντέλα που παρουσίασαν η Anthropic και η OpenAI επιτάχυναν αισθητά τις εκτιμήσεις για το πότε οι ανατροπές από την τεχνητή νοημοσύνη θα γίνουν ορατές στην πραγματική οικονομία.
«Η αγορά υποτίμησε την ταχύτητα των εξελίξεων», σημειώνει, προσθέτοντας ότι «οι επενδυτές καλούνται πλέον να επαναξιολογήσουν τον τρόπο με τον οποίο αποτιμούν τον πιστωτικό κίνδυνο, καθώς δεν πρόκειται για ζήτημα του απώτερου μέλλοντος, αλλά για μια εξέλιξη που επιταχύνεται».
Από την αισιοδοξία στο μοντέλο «ο νικητής τα παίρνει όλα»
Οι ανησυχίες γύρω από το AI εντάθηκαν, καθώς η αγορά μετακινήθηκε από την αρχική αντίληψη ότι η τεχνητή νοημοσύνη θα λειτουργούσε ως γενικός μοχλός ανάπτυξης για τον τεχνολογικό κλάδο, σε ένα πιο έντονα ανταγωνιστικό μοντέλο, όπου λίγοι πρωτοπόροι ενδέχεται να κυριαρχήσουν εις βάρος των υπολοίπων.
Οι εταιρείες λογισμικού ήταν οι πρώτες που βρέθηκαν στο επίκεντρο των πιέσεων, ωστόσο στη συνέχεια το κύμα ανατιμολόγησης επεκτάθηκε και σε άλλους κλάδους, όπως τα χρηματοοικονομικά, η αγορά ακινήτων και οι μεταφορές.
Το βασικό σενάριο της UBS
Σύμφωνα με το βασικό σενάριο της UBS, οι δανειολήπτες στις αγορές δανείων υψηλού κινδύνου (leveraged loans) και ιδιωτικής πίστωσης (private credit) ενδέχεται να βρεθούν αντιμέτωποι με νέες αθετήσεις συνολικού ύψους 75 έως 120 δισ. δολαρίων έως το τέλος του έτους.
Οι εκτιμήσεις αυτές στηρίζονται σε ένα σενάριο σταδιακής αύξησης των ποσοστών αθέτησης έως 2,5% στα δάνεια υψηλού κινδύνου (leveraged loans) και έως 4% στην αγορά ιδιωτικής πίστωσης, με χρονικό ορίζοντα τα τέλη του 2026. Οι δύο αυτές αγορές αντιστοιχούν σε συνολικό μέγεθος περίπου 1,5 τρισ. δολαρίων και 2 τρισ. δολαρίων, αντίστοιχα.
Ο κίνδυνος ενός πιο απότομου σοκ
Ο Μις δεν αποκλείει, ωστόσο, ένα δυσμενέστερο σενάριο, στο οποίο οι αθετήσεις θα μπορούσαν να αποδειχθούν διπλάσιες σε σχέση με τις βασικές εκτιμήσεις. Πρόκειται για αυτό που στη χρηματοοικονομική ορολογία περιγράφεται ως σενάριο ακραίου κινδύνου (tail risk).
Σε μια τέτοια περίπτωση, όπως προειδοποιεί, θα μπορούσε να προκύψει πιστωτική ασφυξία, με περιορισμό της χρηματοδότησης, γενικευμένη ανατιμολόγηση του εταιρικού χρέους και ένα ευρύτερο σοκ στο χρηματοπιστωτικό σύστημα.
Παρότι το σενάριο αυτό δεν αποτελεί ακόμη τη βασική πρόβλεψη της UBS, ο ίδιος επισημαίνει ότι οι τρέχουσες εξελίξεις κινούνται προς αυτή την κατεύθυνση, σε συνάρτηση με τον ρυθμό υιοθέτησης της τεχνητής νοημοσύνης και την ταχύτητα βελτίωσης των μοντέλων.
Ποιοι έχουν πλεονέκτημα και ποιοι κινδυνεύουν
Τα δάνεια υψηλού κινδύνου και η ιδιωτική πίστωση συγκαταλέγονται ήδη στα πιο ευάλωτα τμήματα της αγοράς, καθώς αφορούν κυρίως επιχειρήσεις με χαμηλότερη πιστοληπτική διαβάθμιση και υψηλά επίπεδα μόχλευσης.
Σύμφωνα με τον Μις, οι επιχειρήσεις που επηρεάζονται από τον μετασχηματισμό της τεχνητής νοημοσύνης μπορούν να διακριθούν σε τρεις βασικές κατηγορίες:
Οι δημιουργοί των βασικών γλωσσικών μοντέλων, όπως η Anthropic και η OpenAI, οι οποίοι σήμερα δραστηριοποιούνται ως νεοφυείς εταιρείες, αλλά ενδέχεται να εξελιχθούν σε μεγάλους διεθνείς ομίλους.
Οι εταιρείες λογισμικού επενδυτικής βαθμίδας, όπως η Salesforce και η Adobe, που διαθέτουν ισχυρούς ισολογισμούς και μεγαλύτερη ευελιξία προσαρμογής στον νέο τεχνολογικό κύκλο.
Οι εταιρείες λογισμικού και υπηρεσιών δεδομένων που ανήκουν σε private equity, με υψηλό δανεισμό και περιορισμένα περιθώρια άμυνας απέναντι στις ταχείες ανατροπές.
«Αν ο μετασχηματισμός από την τεχνητή νοημοσύνη αποδειχθεί τόσο ταχύς και βαθιά ανατρεπτικός όσο αρχίζουμε να πιστεύουμε, οι νικητές είναι λιγότερο πιθανό να προέλθουν από την τρίτη κατηγορία», καταλήγει ο αναλυτής της UBS.