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。


了解更多

Get More Insights


Want more Insights from SAS? Subscribe to our Insights newsletter. Or check back often to get more insights on the topics you care about, including analytics, big data, data management, marketing, and risk & fraud.

Back to Top