De banken die zich haastten om de opkomst van AI-datacenters te onderschrijven, proberen nu stilletjes het risico aan iemand anders over te dragen. Volgens de Financial Times-rapportage die deze week in een breed gedeelde analyse werd geciteerd, hebben JPMorgan, Morgan Stanley, SMBC en MUFG onderzoek gedaan naar wat bankiers significante risico-overdrachten noemen: deals waarbij een bank een lening in haar boeken kan houden en het meest risicovolle deel naar externe investeerders kan verschuiven.
De stap komt ongeveer zes maanden nadat veel van dezelfde instellingen concurreerden om datacenterleningen te financieren die waren gekoppeld aan Oracle, Meta en andere bedrijven die de AI-uitbreiding aanstuurden. Deze verschuiving suggereert dat kredietverstrekkers tegen interne limieten aanlopen met betrekking tot de hoeveelheid AI-gerelateerde blootstelling die een enkele instelling bereid is aan te houden. Voor meer context over dit verhaal, zie ons AI-trends.
De lening van $ 38 miljard die niet beweegt
Het duidelijkste teken van spanning is een enkele deal. Volgens Bloomberg heeft een groep banken, waaronder JPMorgan en MUFG, ruim zes maanden lang geprobeerd om 38 miljard dollar aan bouwschulden te verdelen die verbonden zijn aan een datacenterproject in Texas en Wisconsin dat aan Oracle is verhuurd. Sommige kredietverstrekkers zijn nu bereid delen ervan met korting aan niet-bancaire kopers te verkopen, alleen maar om het uit hun boeken te halen.
Zes maanden is een lange tijd om schulden die nooit zijn onderschreven, voor altijd vast te houden. Matthew Moniot, co-hoofd kredietrisicodeling bij Man Group, vertelde de Financial Times dat de betrokken dealgroottes "buiten de schaal liggen van alles waar we ooit aan hebben gedacht." De opmerking, afkomstig van een leidinggevende wiens taak het is om precies dit soort risico-overdrachtshandel te beprijzen, geeft aan dat AI-gekoppelde financiering de modellen is ontgroeid die banken normaal gesproken gebruiken om kredietrisico te dimensioneren en te verdelen.
Wat is een significante risico-overdracht?
Significante risico-overdrachten (SRT's) zijn een beproefd instrument dat van oudsher vooral wordt gebruikt voor bedrijfsleningenportefeuilles. De bank houdt de lening op papier vast – met behoud van de klantrelatie en de rente-inkomsten – terwijl ze externe investeerders betaalt om verliezen boven een bepaalde drempel op te vangen. In feite koopt de bank verzekeringen op haar eigen balans.
Banken verkopen over het algemeen geen schulden waar ze vertrouwen in hebben. Ze verkopen ze als ze zich zorgen maken over concentratie, wat in gewone taal betekent 'het naderen van interne limieten': te veel van dit specifieke risico op één plek.
De toenemende kredietstress van Oracle
Orakel staat centraal in het verhaal. De kosten voor het verzekeren van de vijfjarige schulden van het bedrijf door middel van credit default swaps stegen begin oktober tot ongeveer 151 basispunten, een niveau dat voor het laatst in 2009 werd bereikt, zo blijkt uit door Bloomberg geciteerde marktgegevens. S&P had de kredietrating van Oracle in juli al verlaagd naar BBB- – één stap boven junk – omdat de AI-uitgaven van het bedrijf de cashflow overtroffen.
Het bedrijf mikt naar verluidt dit boekjaar op meer dan 40 miljard dollar aan extra schulden en eigen vermogen, bovenop de 18 miljard dollar aan obligaties die het afgelopen september op één dag verkocht heeft, om zijn vestigingen in Texas, Wisconsin en New Mexico te blijven financieren. Oracle klaagt ook de Wisconsin Public Service Commission aan vanwege een regel die het bedrijf zou kunnen dwingen meer dan $7 miljard aan onderpand te geven voor zijn datacentercampus in Port Washington – een strijd die heeft bijgedragen aan de verlaging van de rating.
Een afkoelende obligatiemarkt voor AI-leners
De vraag naar AI-gekoppelde schulden is afgenomen doordat het aanbod sterk is toegenomen. Obligaties van Alphabet, Amazon, Meta, Microsoft en Oracle worden nu verhandeld tegen een premie ten opzichte van niet-AI-bedrijfsobligaties met een vergelijkbare rating, en de orderportefeuilles voor hun aanbod krompen van ongeveer vijf keer het bedrag dat in februari te koop stond tot minder dan twee keer in juli, aldus Bloomberg. Voor een obligatie die ooit zichzelf verkocht, is nu een bank nodig om deze te plaatsen.
Hogere tarieven verhogen de inzet
Het bredere tariefklimaat heeft het probleem verscherpt. De rente op tienjarige staatsobligaties bereikte deze maand 5,304 procent, het hoogste niveau sinds 2002, nadat een veiling van $39 miljard op 5,30 procent was goedgekeurd – het hoogste veilingrendement sinds 2000, aldus Bloomberg. In de notulen van de bijeenkomst van de Federal Reserve in september werd AI-gerelateerde bedrijfsleningen genoemd als bijdrager aan de rentebeweging, hoewel Capital Economics betoogt dat inflatie en overheidstekorten de grotere drijvende krachten zijn.
Welke verklaring ook geldt, het effect op de financiering van datacenters is hetzelfde: de risicovrije rente die aan elke AI-bouwlening ten grondslag ligt, is zojuist aanzienlijk duurder geworden.
Wat het aangeeft voor de AI-buildout
Niets van dit alles betekent dat de hausse op het gebied van de AI-infrastructuur voorbij is. Maar de mechanismen zijn van belang: wanneer de banken die het dichtst bij een hausse aan kredietverlening staan, hun eigen weddenschappen beginnen af te dekken, prijzen ze de mogelijkheid in dat de inkomsten die naar verwachting al deze schulden zullen aflossen – de cloudverplichtingen van Oracle, de AI-producten van Meta, de Azure-groei van Microsoft – langer zullen duren dan de aflossing van de leningen.
De handel in AI-schulden wordt een tweezijdige markt. In februari vochten beleggers om toewijzingen; in oktober waren de banken bezig met het verdisconteren van papier om het te verplaatsen. Hoe de marktprijzen voor de AI-infrastructuur de komende kwartalen in gevaar komen, zegt mogelijk meer over de duurzaamheid van de uitbouw dan welke benchmarkscore of modelrelease dan ook.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
