06. Interest rates during turbulent times

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

Preber si túto prednášku so svojou AI

Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška sa venuje financovaniu firmy dlhom a podmienkam, za akých investori poskytujú peniaze. Na simulácii ukazuje, že pri úrokoch okolo 3,6 – 3,7 % a inflácii blízko 8 % je reálna úroková miera záporná, takže aj dodatočný dlh 100 mil. eur ako hotovostná rezerva stojí len cca 4 mil. eur ročne. Takáto situácia je však mimoriadna. Požadovaný výnos sa skladá z kompenzácie inflácie, štátnej prémie (voči benchmarku ako nemecké dlhopisy s ratingom AAA) a podnikového rizikového príplatku. Pravdepodobnosť zlyhania firmy sa odhaduje Altmanovým Z-skóre z roku 1968, ktoré je zastarané a dáva len pásma rizika, a lepším Ohlsonovým modelom z roku 1980, ktorý udáva presnú pravdepodobnosť úpadku. Neurónové siete sú alternatívou, ale fungujú ako čierna skrinka.

  • - Pri zápornej reálnej úrokovej miere je dlhové financovanie mimoriadne lacné, no ide o neobvyklý jav.
  • - Úrok z dlhu musí pokrývať infláciu, štátnu (suverénnu) prémiu a podnikovú rizikovú prémiu.
  • - Suverénna prémia závisí od ratingu krajiny voči benchmarku (Nemecko AAA, Francúzsko AA) a od nálady trhu; problémy jednej krajiny, napr. Grécka v roku 2015, zvyšujú výnosy aj inde.
  • - Pri nízkych výnosoch hrozí oslabenie meny a odliv portfóliových investícií, najmä zo strany zahraničných investorov.
  • - Altmanovo Z-skóre (1968) je jednoduché a stále rozšírené, ale zastarané a poskytuje len pásma rizika vrátane nerozhodnej sivej zóny.
  • - Ohlsonov model (1980) dáva presnú pravdepodobnosť úpadku a je overený aj na maďarských firmách.
  • - Neurónové siete môžu predpovedať úpadok, ale ako čierna skrinka neukazujú, ktoré premenné sú dôležité.

Zhrnutie pripravené s pomocou AI z prepisu videa.