IFRS 9减值规定: 如何应对数据海啸

作者:Martim Rocha, SAS风险卓越中心,风险咨询业务总监

随着2018年1月国际财务报告准则第9号(IFRS 9)规定正式生效,银行不得不改变目前的信用损失减值计算流程。新规定改变了信用损失的认定方式:目前的减值是根据“已发生的损失”计算;而IFRS9则要求基于未来的预期或预期信用损失(ECL)建立模型。

SAS白皮书实现最佳IFRS 9合规介绍了这些问题的背景,以及最新ECL减值准则执行方法。对银行的主要影响是需要随时认定所有金融工具,以及单项和组合资产的ECL。银行必须在每个报告日更新ECL金额,以反映金融工具信用风险的变化。这将显著增加减值计算的次数和频度,以及必须为此收集的信息量。

新的减值计算方法将增加各方面的信息量。例如,更高的粒度、未来损失预测、新模型和模拟要求。

白皮书下载:实现最佳IFRS 9合规

更高的粒度

用于计算ECL的模型要求按单项资产考虑每一种金融工具,这意味着需要收集和处理大量数据。虽然目前银行以单项资产收集数据 (例如资本计算),但IFRS 9减值流程所需数据粒度是财务部门面临的新挑战。还值得注意的是,减值流程的评估将属于法定审计范畴,而不只是资本计算。

预测未来损失

新规定意味着银行必须预测未来损失。为此,银行必须针对每份合同预测未来行为,预测其所持每笔资产的未来现金流。这个过程将产生大量数据。即使这种数据未必需要长时间保留,但需要生成数据的客观现实会对传送时间和所需存储空间产生影响。

新模型

为了预测损失,必须建立新模型,根据某些经济情况模拟银行的资产行为。这些新模型需要基于历史数据构建,以捕获历史行为。这意味着,需要捕获损失行为的历史数据,增加的额外维度也加大了计算ECL所需的数据量。

模拟

预计损失受主观认识和选择的经济情况的影响。也就是说,银行ECL计算要进行一种以上情景模拟,以便更好地测量风险敞口,提高ECL计算准确性。这要求银行在给出结果的有限时间背景下,每个期间多次计算并分析结果。因此,除了为决策者提供的结果数据量成倍增长,还存在性能方面的约束,银行需要重新考虑风险管理系统架构。

上述挑战需要重点提高IT系统及时处理大量数据的支持能力。银行及时生成可靠准确的减值计算结果,不仅对于满足监管上报要求,而且在发挥保证银行利润和资本水平的应有作用是十分重要的。银行收集的优质数据越多,获得最优模型和ECL计算方法的机率越高。有关这方面的详细信息,参阅SAS白皮书实现最佳IFRS 9合规

SAS帮助金融服务业计量风险敞口的建模能力、解决方案和技术得到广泛认可。 SAS®软件可处理IFRS 9减值计算流程生成的预期数据量,为银行提供创新方法支持新的IT架构,如内存处理和网格并行处理。


* 初期实行准则需经地方监管当局批准。


Back to Top