Regulering

IMF advarer om, at en korrektion på AI-markedet kan udløse global finansiel uro

mm
Føj Unite.AI til dine foretrukne kilder på Google

Den Internationale Valutafond (IMF) offentliggjorde sin rapport om global finansiel stabilitet for oktober 2026 den 13. oktober 2026 og advarede om, at svagere eller mindre holdbare investeringer og lavere rentabilitet inden for kunstig intelligens kan udløse en korrektion i AI-relaterede aktier og kredit. Ifølge IMF er det en af tre fremtrædende risici, der pludseligt kan stramme de finansielle vilkår verden over.

Rapporten, der har titlen Modstandsdygtighed, risiko og omstilling, konkluderer, at de finansielle markeder har været modstandsdygtige takket være solid økonomisk vækst og stærke virksomhedsindtjeninger, mens risiciene for den finansielle stabilitet fortsat er høje. Det indledende kapitel nævner en AI-drevet markedskorrektion, en kraftig stigning i statsobligationsrenterne og cybertrusler som mulige nært forestående udløsere af markedsuro. Kapitlet bemærker, at 14 af 33 store centralbanker har hævet styringsrenterne siden andet kvartal 2026, mod to i første kvartal, som reaktion på inflationspres fra energichokket i Mellemøsten. I et tilhørende blogindlæg fra IMF skrev Athanasios Vamvakidis og Jason Wu, at der »ikke er plads til selvtilfredshed«.

Gældsætning og cirkulær finansiering i AI-økosystemet

Rapporten fastslår, at svigtende AI-investeringer og lavere rentabilitet kan udfordre de optimistiske forventninger. Den henviser til stadig flere tegn på, at AI-kapacitet kan leveres med lavere investeringer, eller at de økonomiske gevinster kan blive mindre end forventet. Den peger på et scenarie i World Economic Outlook, hvor en afvikling af AI-investeringer inden 2028 reducerer det globale BNP, investeringerne og forbruget med henholdsvis op til 0,4, 1,3 og 0,6 procent.

Ifølge rapporten trækker AI-relaterede virksomheder og deres investorer på tre voksende kilder til gældsætning. Siden 2024 er hyperscalernes andel af de globale udstedelser af obligationer med investment grade-rating steget fra under 1 procent til 10 procent, mens de frie pengestrømme er faldet, efterhånden som de største datacenteroperatører opretholder deres omfattende AI-investeringer. Hedgefondenes samlede bruttopositioner i aktier plus marginkreditter er vokset fra 10 procent til omkring 15 procent af BNP i avancerede økonomier, og andelen af enkeltaktier i gearede børshandlede fonde er steget fra 16 procent til 28 procent, efterhånden som private investorer søger gearet eksponering mod AI-aktier.

Cirkulære finansieringsordninger forstærker disse indbyrdes afhængigheder. Fjorten offentligt offentliggjorte transaktioner siden 2023 omfatter egenkapitalinvesteringer på omkring 300 mia. dollar, anført af hyperscalere i økonomisk svagere AI-virksomheder, suppleret med gæld på 650 mia. dollar, til gengæld for tilsagn om fremtidige indtægter på 1,4 billioner dollar gennem tjenester eller chipordrer. Omkring 320 mia. dollar af gælden ligger hos de virksomheder, der modtager investeringerne, herunder gæld dækket af investorgarantier, betinget finansiering og andre forpligtelser uden for balancen. Rapportens første kapitel, »Under modstandsdygtighedens overflade: Stigende risici, uløste sårbarheder«, advarer om, at økonomiske problemer hos centrale virksomheder, der modtager investeringer, kan medføre en betydelig »wrong-way-risiko«: Egenkapital- og gældsinvesteringerne mister værdi samtidig med, at de tilknyttede indtægtsstrømme forringes.

Ifølge rapporten kan konsekvenserne af en korrektion mærkes globalt. Udviklede asiatiske aktiemarkeder er mest følsomme over for globale afkast på AI-aktier, mens euroområdet og Storbritannien kun udviser lav følsomhed. Uro kan dog stadig sprede sig gennem den kraftige stigning i beholdningerne af amerikanske aktier mellem 2022 og 2026.

Statsobligationsrenter og cybertrusler

De globale statsobligationsrenter er steget som følge af højere energipriser og stigende løbetidspræmier, der nu ligger i den øvre ende af deres historiske intervaller. Rapporten vurderer, at risiciene på obligationsmarkedet er forværret siden udgaven fra april 2026. Da statsobligationer udgør grundlaget for det finansielle system, vil en kraftig rentestigning presse værdiansættelserne af andre aktiver ned gennem højere diskonteringsrenter, herunder beholdninger relateret til AI, og udhule værdien af obligationer, der bruges som sikkerhed.

Om cyberrisiko oplyser rapporten, at softwareleverandørerne i mere end 70 procent af tilfældene indtil videre i 2026 næsten ikke havde tid til at rette sårbarheder, før de blev udnyttet. Det er en stigning på 20 procentpoint i forhold til året før. Blogindlægget bemærker, at leverandørerne i 2021 typisk havde næsten 300 dage til at rette sårbarheder. Rapporten tilskriver den stigende fare den hurtige digitalisering, afhængigheden af et lille antal kritiske teknologileverandører og mere sofistikerede aktører med adgang til avancerede AI-modeller, der har demonstreret stærke evner i simuleringer af netværksangreb.

Stresstest af bankerne og politiske anbefalinger

IMF’s globale stresstest af banker for 2026 modellerer et negativt scenarie, hvor AI-produktivitetsgevinsterne bliver mindre end forventet, og de korte og lange obligationsrenter stiger med henholdsvis 150 og 300 basispoint. Det får den globale realvækst i BNP til at ligge omkring 3 procentpoint under grundscenariet i de første to år og øger arbejdsløsheden med 3,5 procentpoint. I dette scenarie falder det globale banksystems samlede Common Equity Tier 1-kapitalprocent med omkring 150 basispoint til cirka 11,5 procent, hvilket stadig er væsentligt over de lovpligtige minimumskrav. Banker, der tegner sig for 22 procent af de globale bankaktiver, klassificeres dog som svage med kapitalprocenter efter stresstesten på under 7 procent, mod 18 procent i stresstesten for 2025.

Sårbarheder uden for banksektoren kan forstærke stress. I USA steg bankernes udlån til ikke-bankbaserede finansielle formidlere med 18 procent i 2026, mens eksponeringerne mod private equity- og private credit-selskaber steg med 30 procent. Pensionskassernes og forsikringsselskabernes andel af illikvide investeringer er næsten fordoblet i løbet af det seneste årti, og de ejer mere end en fjerdedel af de børsnoterede virksomhedsobligationer i USA og euroområdet. Direkte långivning tegner sig nu for næsten 2 billioner dollar globalt, og fire af de 10 store business development companies, der blev gennemgået, har likviditetsforpligtelser, som overstiger deres tilgængelige buffere.

Rapporten opfordrer beslutningstagerne til at begrænse den overdrevne gældsætning, der finansierer AI-økosystemet, blandt andet ved at indføre restriktioner på marginbelåning af aktier, begrænse gearede børshandlede fonde og dæmme op for kortfristede optioner. Det bør understøttes af sektorspecifikke kapitalkrav, koncentrationsgrænser og kapitalbuffere, hvor sårbarhederne er væsentlige. På obligationsmarkederne efterlyser rapporten en troværdig finanspolitisk konsolidering, øget central clearing af obligationer og genkøbsaftaler samt likviditetsfaciliteter fra centralbankerne, der er operationelt klar til brug.

På cybersikkerhedsområdet anbefaler rapporten en systemdækkende ramme for operationel modstandsdygtighed, der er tilpasset den enkelte økonomis modenhed på cybersikkerhedsområdet. Rapporten advarer om, at AI forkorter angrebs- og forsvarscyklussen til maskinhastighed. Blogindlægget sammenfatter tre prioriteter: at bringe den offentlige gæld ind på en holdbar kurs, begrænse gældsætning og likviditetsmismatch inden for AI, private credit og andre ikke-bankbaserede finansielle sektorer samt styrke cyberforsvaret. Vækst- og udviklingsøkonomier rådes til at genopbygge deres buffere, mens de finansielle forhold fortsat er lempelige.

Vera Syn er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens i finans, bankvæsen og finansielle infrastrukturer. Hendes arbejde fokuserer på, hvordan AI omformer investeringsbankvirksomhed, kreditvurdering, risikostyring, handelssystemer og opdagelse af svindel i globale finansielle institutioner.
Med et præcist og kvantitativt perspektiv undersøger Vera, hvordan maskinlæringsmodeller anvendes til markedsanalyse, kreditscoring, bekæmpelse af hvidvask og operationel effektivitet i bankvæsen. Hun lægger særlig vægt på modellens nøjagtighed, regulatoriske begrænsninger og balancen mellem automatisering, gennemsigtighed og systemrisiko i finansielle systemer.
Artikler skrevet af Vera Syn er AI-genererede og gennemgået af Unite.AIs redaktionelle hold for at sikre nøjagtighed, klarhed og ansvarlig dækning af AIs udvidende rolle i finans og bankvæsen.