“No one can see a bubble. That’s what makes it a bubble.”. ~ Michael Burry
เมื่อปี 2007 นั้นเกิดวิกฤตการณ์เศรษฐกิจครั้งใหญ่อย่างมากที่เป็นผลกระทบไปทั่วทั้งโลก และวิกฤตเศรษฐกิจนี้เกิดขึ้นจากการล่มสลายของตลาดอสังหาริมทรัยพ์อเมริกาทั้งหมด ซึ่งในเมืองไทยเองหลาย ๆ คนจะรู้จักวิกฤตเศรษฐกิจนี้ว่า Subprime หรือยาว ๆ Subprime mortgage crisis โดยผลลัพท์ของวิกฤตเศรษฐกิจนี้ทำให้โลกการเงินสั่นสะเทือนจนทำให้สถาบันการเงินใหญ่ ๆ อย่าง Lehman Brothers ที่ตั้งมากว่า 169 ปีต้องยุติกิจการลง และประกาศล้มละลายทันที
ในสถานการณ์ที่โรงการเงินล่มสลายลงไปนั้น กลับมีคนกลุ่มหนึ่งที่สามารถช่วงชิงโอกาสในการล่มสลายนี้มาสร้างผลประโยชน์ได้อย่างมหาศาลอย่างมาก และเรื่องราวของคนกลุ่มนี้ถูกนำมาสร้างเป็นภาพยนต์ในปี 2015 กับ The Big Short
ความน่าสนใจของภาพยนต์เรื่องนี้ จุดสำคัญอย่างมากคือตอนที่ Dr.Michael Burry นั้นเริ่มสนใจในตลาดอสังหาริมทรัพย์จนหาข้อมูลถึงระดับ Data Mining ลงไปในแต่ละสัญญาของการกู้ซื้อขายบ้าน หรือสัญญาทวงหนี้บ้านต่าง ๆ ขึ้นมา จนสามารถสังเกตุเห็นถึงความผิดปกติของการส่งงวดบ้านที่เกิดขึ้นอย่างค่อยเป็นค่อยไปขึ้นมา และรอวันที่จะประทุจนกลายเป็นวิกฤตใหญ่มากขึ้นมาได้
While the banks were having a big old party, a few outsiders saw what no one else could.~Jared Vennett
ก่อนอื่นเลยต้องเข้าใจว่า Subprime mortgage crisis คืออะไร ในช่วงเวลานั้นตลาดการเงินอเมริกา กำลังเติบโตในทางเศรษฐกิจ แต่ด้วยความที่ยังเติบโตไม่พอ ก็เลยมีนักการเงินหัวใส คิดถึงการมัดรวมสัญญากู้บ้านต่าง ๆ เพื่อคำ้ประกันการลงทุน ออกมาเป็น “ตราสารหนี้ CDO” ให้สถาบันการเงินซื้อไป เพื่อได้ดอกเบี้ยต่าง ๆ ที่เข้ามาหรือเก็งกำไรขายต่อ ปรากฏว่า ด้วยการที่กำไรมันมีอย่างมาก ทำให้ Demand ในความอยากได้มันสูงขึ้น แต่ Supply คุณภาพดีที่สามารถส่งค่างวดบ้านได้ไม่พอ ทำให้สถาบันการเงินที่ทำเรื่องนี้ต่างเริ่มทำ พันธบัตรหนี้บ้าน ที่มีคุณภาพต่ำลงมา ในส่วนของ Supply ก็ปล่อยสินเชื่อบ้านแบบไม่สนหน้าอินทร์หน้าพรหม ทำให้คนซื้อบ้านไม่ว่าจะอาชีพหรือมีเครดิตแย่แค่ไหนก็ซื้อบ้านได้ ซึ่งนี้เป็นที่มาของสิ่งที่เรียกว่า “Subprime Mortgages”
จากการที่บ้านถูกปล่อยสินเชื่อง่าย ๆ นี้ ทำให้ตลาดอสังหาริมทรัยพ์เติบโตอย่างมาก มีการเก็งกำไรใหม่ ๆ ขึ้นมา และปั่นราคาบ้านเพิ่มขึ้นอย่างมาก ซึ่งด้วยการเติบโตนี้ทำให้ลูกหนี้ที่เครดิตแย่ ๆ เกิดขึ้นมาจำนวนมากด้วย บางคนไม่มีงานทำ มีบ้าน 3–4 หลัง หรือใช้ชื่อหมามาซื้อบ้านก็ยังมา ด้วยการที่มีลูกหนี้ที่เครดิตแย่นี้เอง ที่เป็นจุดเริ่มของวิกฤตการณ์นี้ เพราะด้วยการที่ลูกหนี้จำนวนมากนี้เบี้ยวหนี้ไม่ยอมส่งบ้าน จากที่มีจำนวนไม่มากในตลาด กลายเป็นเกือบส่วนใหญ่ในตลาดขึ้นมา ทำให้เงินที่จะจ่ายหนี้นั้นลดลงอย่างมาก สถาบันการเงินที่ถือหนี้เหล่านั้นไว้ ก็ต้องจ่ายค่าถือสินทรัพย์นี้จนไม่คุ้มทุนต่อไปอีกด้วย
No one is paying attention because the banks are too busy getting paid obscene fees to sell these bonds. — Jared Vennett
CDO น้ำมันราดกองไฟ
เมื่อ CDO ต่าง ๆ เริ่มมีความเสี่ยงเพราะมีลูกหนี้ที่จะเบี้ยวหนี้อยู่เยอะมาก ทำให้สถาบันประกันทั้งหลาย ต่างออกประกันที่จะลดความเสี่ยงนักลงทุนให้ โดยนักลงทุนจ่ายเบื้ยประกันเพื่อคุ้มครองความเสี่ยงที่จะถูกเบี้ยวหนี นอกจากนี้บริษัทประกันเหล่านี้ยังหัวใสหากำไรเพิ่ม โดยการสร้าง “ตราสารอนุพันธ์ประกันความเสี่ยง” กลับไปขายนักลงทุนว่า CDO ที่ประกันนั้นจะมีปัญหาหรือไม่ต่อไป เรียกได้ว่าเป็นการพนันเลยทีเดียว จากตรงนี้ยังไม่พอ ยังมีการทำ Synthesis CDO ที่ออกมาให้นักลงทุนได้พนันว่า “ตราสารอนุพันธ์ประกันความเสี่ยง” นี้จะมีปัญหาต่อไปหรือไม่อีกเป็นทอด ๆ อีกด้วย
People hate to think about bad things happening so they always underestimate their likelihood.
สุดท้ายแล้วตลาดก็ล่มสลายลงอย่างสิ้นเชิง เพราะด้วยดอกเบื้ยบ้านที่เริ่มลอยตัวสูงขึ้นเรื่อย ๆ จนทำให้ลูกบ้านหนี้เสียทั้งหลายเกิดอาการเบี้ยวหนี้พร้อม ๆ กัน จนทำให้สถาบันการเงินต่าง ๆ ต้องแบกรับหนี้ตรงนี้แทน
The banks got greedy and we can profit off of their stupidity.~Mark Baum
ด้วยการที่ Dr.Michael Burry ที่ในภาพยนต์ลงไปค้นหาความผิดปกติต่าง ๆ ของสัญญาณใน Data ของการปล่อยสินเชื่อบ้านนี้เอง ทำให้ Dr.Michael Burry นั้นเข้าไปแทงสวนตลาดทั้งหมดว่าตลาดบ้านนั้นจะเกิดการล่มสลายลง และให้สถาบันการเงินต้องจ่ายเงินต้องจ่ายเงินชดเชยเมื่อตลาดเหล่านี้ล่มขึ้นมา ซึ่งนอกจาก Dr.Michael Burry ยังมี Mark Baum และ Brownfield Capital ได้กำไรอย่างมหาศาลเมื่อฝุ่นจางจากเหตุการณ์นี้
ด้วยตัวอย่างจาก The Big Short การมี Data ในมือหรือมี Data อย่างทั่วไปที่ใครก็เข้าถึงได้อย่าง ตลาดอสังหาริมทรัพย์นี้ ไม่ได้เป็นตัวบ่งบอกว่ามี Data แล้วจะใช้ได้เลย หากคุณไม่ได้ลงไปทำการ Data Mining ภายในขึ้นมาเพื่อหาความน่าสนใจของ Data นั้นเพื่อเอามาทำนายตลาดว่าโอกาสของธุรกิจคุณจะอยู่ที่ไหน ซึ่งถ้าคุณมี Data อยู่แล้ว ก็เหมือนมีน้ำมันดิบในมืออยู่ แต่คุณจะกลั่น Information ออกมา แล้วสร้างเป็น Insight ต่อไปด้วยการทำ Data mining นั้นเอง