银行业在运用预期信用损失模型中存在的问题浅析

2020-01-19饶馨予中国人民银行湘潭市中心支行

环球市场 2020年19期

饶馨予中国人民银行湘潭市中心支行

一、预期信用损失模型应用背景

自 2014 年 7 月 IASB 发布 IFRS9 最终稿《金融工具：分类和计量》后，我国积极开展会计准则修订，2017年财政部发布了最新修订的《企业会计准则第22号——金融工具确认和计量》规定金融工具减值由“预期信用损失模型”替代“已发生损失法”，要求自2018年1月1日起，A+H股上市公司执行新准则，2019年1月1日起所有上市公司执行新准则，2021年1月1日起，所有执行企业会计准则的非上市企业执行新准则。

二、银行业在运用预期信用损失模型中存在的问题

1.预期信用损失模型涉及的主观判断、自由裁量较多，指导框架不明确，不利于真实谨慎反映会计信息。一是在会计处理方法上，预期信用损失的指导框架尚不明确，自主操作空间大。银行业一般采用的三阶段模型需要自行评估预期信用损失风险是否显著提升，实际应用中尚无统一成熟模型参考，准则也并未明确具体指标。银行业在实际应用三阶段模型时涉及较多的主观判断，且对存续期期限越长的资产，预估损失风险的准确性越低。二是在具体计量模型上，一方面采用内评法转化或新建的预期信用损失模型均需要引入宏观经济形势预测的前瞻性时点值。宏观经济指标的选取、建模方法和专家判断对计提减值影响较大，经济情景权重的确定为盈余管理和利润操纵留下了较大空间。另一方面，在违约损失率历史数据不充足或质量不佳的情况下，银行业采用监管指标选取的特定数据反映欠真实。三是预期信用损失与业绩评价挂钩，会计信息反映的主观性较大。部分银行在阶段三采用现金流折现模型和单项评估等方式，基层业务经理为保证自身的业绩评价指标，更倾向于乐观地判断债务人预期信用风险及损失。

2.模型本身局限性、操作的复杂性，将影响会计信息的可比性，外部信息使用者难以判断减值损失是否合理。一是银行间减值准备信息的可比性较低。虽然预期信用损失模型具有一定的前瞻性并起到缓解顺周期性的作用，但是为避免人为高估或低估，其有效应用需要具有一致性、相关性和可比性的长期高质量内部历史信贷数据及外部宏观经济数据作为基础，而各银行的历史数据完备水平不一、对外部数据的获取存在差异，经过复杂的模型假设处理后，银行同业间数据横向对比难度大，难以准确理解准备金信息。二是监管者、分析师、投资者等报表使用者难以做出准确判断。银行在会计信息披露中对预期信用损失模型涉及主观判断的会计估计、假设和具体参数设置及修改并未作出相应披露，数据的获取形式与途径也不清晰，均影响报表使用者的准确决策。三是预期信用损失模型难以反映突发性经济事件对预期信用损失的影响。受准则中对模型修改的相关规定，经济环境的剧烈变化，如今年发生的新冠肺炎疫情等，一经确定的纯数据驱动的模型难以完整、动态地反映现下经济环境的剧烈变化对预期信用损失的影响。

3.商业银行在模型运用中既受到外部双重监管，内部管理与应用也日趋严格复杂，给银行业带来较大的挑战。一是商业银行面临的双重监管更严。商业银行的金融资产减值准备一方面需要按照会计准则的要求计提预期信用损失，另一方面应遵守人民银行和银保监会等金融监管部门的管理办法，按照不同部门的不同口径计算报送各种指标，报送压力大。二是商业银行在预期信用损失模型全过程应用的成本投入更高。银行业，特别是中小银行的预期信用损失模型在设计开发、系统新建、整合改造、部门协调和信息披露执行力度等方面，投入的资金、时间、人力和资源成本较高。三是商业银行的内部管理标准更实。风险管理方面分行拨备支出的预测成本难度加大，对分行经营计划管理提出了更高要求；系统管理方面对银行业前端业务管理、中端会计核算和后端决策支撑的数据质量、功能范围、实效性和准确性提出了更高的适应性要求；会计管理方面需重新设计相关的会计核算参数，调整相应的会计科目并确定之间的关联关系，工作量大大增加。四是商业银行的人才储备需求更盛。预期信用损失模型作为纯数据驱动建设项目，需要数字建模、IT技术、风险管理和财务管理等各方面人才，部分中小商业银行人才储备不足，在具体实施过程中存在一定难度。