新金融工具准则下理财产品减值模型构建探索

作 者:
王雨 

作者简介:
王雨,高级会计师,徽银理财有限责任公司,安徽 合肥 230001。

原文出处:
商业会计

内容提要:

02


期刊代号:F1011
分类名称:财务与会计导刊(实务版)
复印期号:2023 年 03 期

关 键 词:

字号:

       一、引言

       自2018年4月资管新规发布以来,资管行业架构日趋完善,理财业务公司制改革稳步推进,市场主体专业化经营特征凸显。截至2022年6月末,监管部门已批准29家理财公司筹建,其中27家已获批开业,理财市场已呈现出以理财公司为主、银行机构为辅的格局。理财公司通过银行理财业务的独立管理、独立决策、独立核算,与表内业务严格风险隔离,真正构建了理财与母行的防火墙,实现了与母行的“物理”隔离。

       2014年,国际会计准则理事会发布《国际财务报告准则第9号——金融工具》(IFRS 9),并于2018年1月1日起生效,IFRS 9中新增了核算主体金融资产和信贷承诺的预期信用损失的减值要求。根据IFRS 9的减值方法,信用损失的确认时点发生变化,主体始终需要核算预期信用损失及其变动。每一报告日需更新预期信用损失的金额,以反映信用风险自初始确认后的变化。该减值方法能够及时体现预期信用损失的发生,反映了会计确认计量的及时性。

       2017年,我国财政部修订发布了《企业会计准则第22号——金融工具确认和计量》(以下简称“新金融工具准则”),以保持和IFRS 9的趋同。为了更加及时、足额地计提金融资产减值准备,揭示和防控金融资产信用风险,新金融工具准则引入了新的减值损失确认模型——预期信用损失模型,采用基于自初始确认后信用质量变化的“三阶段”减值模型,符合我国强化金融监管的方向,对于我国企业而言,其有助于准确披露金融工具,能够在一定程度上防范和化解金融风险。

       根据财政部、银保监会《关于进一步贯彻落实新金融工具相关会计准则的通知》(财会[2020]22号)要求,理财产品自2022年1月1日起执行新金融工具准则。在新金融工具准则的指导下,理财产品金融资产减值模型从原来的已发生信用损失减值模型变更为具有前瞻性的预期信用损失模型。因此,对于理财公司的产品会计核算而言,减值模型的构建具有十分重要的意义。本文以A理财公司为例,分析新金融工具准则实施前后的相关情况,探索减值模型的运用,并针对不同类型产品提出相关建议。

      

       二、新金融工具准则下预期信用损失模型构建方法

       按照新金融工具准则,企业应该根据金融工具自初始确认后信用风险的变化情况,在每个资产负债表日评估相关金融工具的信用风险自初始确认后是否已显著增加,可以将购买或源生时未发生信用减值的金融工具发生信用减值的过程分为三个阶段(见表1),并依据购买或源生时是否发生信用减值的情形分别计提其损失准备、确认预期信用损失及其变动(见表2)。

       预期信用损失计算的整体方法框架如图1所示。

       对于违约概率参数(以下简称“PD”)而言,依据业务有无Basel模型进行风险评估的情况,可以采取不同的处理方式。对于有Basel模型进行风险评估的业务,可以直接在Basel模型的基础上进行调整得出12个月和存续期的PIT-PD曲线;对于无Basel模型进行违约概率评估的业务,可以通过历史实际违约数据计算存续期的PIT-PD曲线。在得出PIT-PD曲线后,再根据宏观经济进行调整,生成前瞻性调整后的PD参数用于预期信用损失计算。

       对于违约损失率参数(以下简称“LGD”)而言,同样可以依据业务有无Basel模型进行风险评估的情况,采取不同的处理方式。对于有Basel模型进行风险评估的业务,可以直接在Basel模型的基础上进行调整;对于无Basel模型进行违约损失率评估的业务,可以根据各风险缓释品的历史实际回收率、监管数据或外部经验数据进行LGD估计。

       对于风险暴露参数(以下简称“EAD”)而言,在新金融工具准则下,若未来现金流可估计,则需要计算报告日及未来每个还款时点的EXP,即未来现金流在报告日的货币时间价值,充分考虑每个还款时点的PD、LGD后得出预期信用损失。

      

      

       图1 预期信用损失模型计算方法框架

       三、前瞻性调整模型开发

       (一)前瞻性调整概述

       A理财公司在应用新金融工具准则时,充分考虑了前瞻性宏观经济信息对预期信用损失的影响,构建了宏观经济预测模型,并通过系统性风险因子传导至单笔债项或组合层面的不良概率。模型开发过程可分为以下步骤:

       1.指标池建立与数据准备:构建用于建模的宏观经济指标池,筛选可用的系统性风险因子,并准备用于建模的指标数据集。

       2.模型指标筛选:对于可供选择的宏观经济指标,通过单变量筛选与多变量遍历分析的手段,挑选出最终进入模型的宏观变量。

       3.前瞻性调整建模:使用通过筛选的变量,对各风险敞口分别建立前瞻性调整模型,并使用向量误差修正模型开发宏观经济预测模型。

相关文章: