Резервов на покрытие убытков по займам

Вопрос, как именно оценивать ожидаемые кредитные потери и соответственно величину оценочного резерва, по-прежнему актуален и достаточно сложен, так как ожидаемые кредитные потери помимо усредненных вероятностных оценок возможных потерь должны учитывать будущие экономические условия и временную стоимость вложенных средств.

Предлагаемая в данной статье методология позволяет определять ожидаемые кредитные потери портфелей активов в соответствии с требованиями IFRS 9 на основе величины резервов, сформированных с помощью методик оценки кредитного риска и профессиональных суждений, используемых банками в рамках действующих регуляторных требований Банка России.

Несмотря на все отсрочки, неумолимо приближается дата начала обязательного применения 9-го стандарта МСФО (IFRS 9) — 1 января 2019 года. В связи с этим кредитные организации вынуждены в ускоренном порядке решать, каким образом можно совместить аналитические расчеты по оценке кредитного риска с учетными процедурами, какой методологией воспользоваться и какие средства автоматизации применить. Необходимость определения двух видов резервов под кредитные потери — сформированного на основе Положения Банка России 590-П и включаемого в расчет достаточности капитала и оценочного резерва под ожидаемые кредитные потери в соответствии с IFRS 9 — добавляет банкам трудозатрат. Влияние оценочного резерва на капитал, с точки зрения некоторых экспертов, тоже может быть довольно существенным и в некоторых случаях потребует докапитализации многих кредитных организаций1, несмотря на то что какое-то время Банк России будет применять процедуру «нейтрализации» такого влияния2.

Кредитные потери: факты и ожидания

Согласно IFRS 9, величина оценочного резерва в зависимости от выявленной стадии обесценения финансовых инструментов должна быть равна ожидаемым в будущем кредитным потерям за следующие 12 месяцев или за весь срок их обращения. По сравнению с существующими правилами начисления резервов для обесцененных инструментов происходят удлинение сроков прогноза и изменение самих основ такого прогнозирования. Ожидаемые кредитные потери, согласно IFRS 9, представляют собой средневзвешенные по вероятности их возникновения кредитные потери3. Их оценка должна также отражать временную стоимость денег и прогнозную информацию о будущих экономических условиях, которая должна быть обоснована, несмотря на то что не всегда доступна, а если и доступна, то ее использование в расчетах требует от банка создания соответствующей методологии. Сами кредитные потери IFRS 9 определяет как разницу между будущими денежными потоками, причитающимися кредитору в соответствии с договорными обязательствами, и денежными потоками, которые прогнозирует получить кредитор при возникновении события неисполнения обязательств, дисконтированную на первоначальную эффективную процентную ставку (ЭПС). Другими словами, кредитные потери по IFRS 9 представляют собой чистую приведенную стоимость (NPV) будущего денежного потока недополученных денежных средств по финансовому инструменту в зависимости от одного из предполагаемых событий, определенных как дефолт.

Краеугольным камнем имплементации модели обесценения, предложенной в IFRS 9, помимо классификации финансовых активов и определения стадии их обесценения является расчет величины ожидаемых потерь. Крупные банки, применяющие или планировавшие применять для внутренних целей (например, ВПОДК) IRB-подход для оценки параметров кредитного риска (PD, LGD и EAD), имеют возможность модифицировать работающие модели оценок, добавив в них учет стоимости денег и влияние будущих экономических условий. В этом случае ожидаемые кредитные потери (ECL) могут быть приближенно рассчитаны так же, как и ожидаемые убытки, согласно требованиям Базельского комитета, определяемые как ECL = EAD × PD × LGD, но с учетом специфики стандарта, который помимо прочего может потребовать пересчета PD и LGD на срок жизни инструмента. Остальные банки, использующие для оценки кредитного риска порядок, описанный в Положении 590-П, скорее всего, столкнутся с недостатком данных и необходимостью создания методологии расчета ECL с нуля. Концепция оценки кредитного риска, описанная в Положении 590-п, не предполагает непосредственного расчета параметров кредитного риска. Размер формируемого резерва определяется на основании профессионального суждения в соответствии с критериями, заданными регулятором по отдельным ссудам или на основании методики оценки кредитного риска по портфелям однородных ссуд, при этом ссуда (портфель однородных ссуд) относится к одной из пяти категорий качества. Для каждой категории Банком России определены диапазоны обесценения в процентах от балансовой стоимости финансового инструмента. Дополнительно величина формируемого резерва корректируется с учетом наличия обеспечения и его качества. Для IFRS 9 такие ориентиры отсутствуют, хотя можно использовать (с некоторыми оговорками об опровержимости допущений стандарта о значительном увеличении кредитного риска) то определение дефолта, которое уже применяется для управления кредитным риском. Таким образом, существующие методики и профессиональные суждения оценки могут быть полезны и для оценки величины ожидаемых кредитных потерь при условии, что такая оценка предусматривает:

• непредвзятую и взвешенную с учетом вероятности сумму, определенную путем оценки диапазона возможных результатов;

• временнýю стоимость денег;

• обоснованную и подтверждаемую информацию о прошлых событиях, текущих условиях и прогнозируемых будущих экономических условиях, доступную на отчетную дату без чрезмерных затрат или усилий4.

Формулировка «без чрезмерных затрат или усилий», примененная в стандарте, для большинства банков в любом случае будет выглядеть оксюмороном на фоне необходимости изменения самой системы учета. Однако во внутренних документах кредитной организации мы рекомендовали бы указать критерии «чрезмерности» и «достаточности» таких усилий и контроля качества полученных в результате данных. Это поможет обосновать оценку как при ее проведении, так и при последующих проверках и аудите.

Портфельный подход — условия применения

Для использования параметров кредитного риска, косвенно заложенных в используемых банками методиках и профессиональных суждениях, предлагается проанализировать величины резервов, сформированных банками в прошлом. Удобнее всего, даже с учетом спорности экстраполяции на индивидуальные финансовые инструменты, делать это с помощью портфельного подхода. Согласно IFRS 9, банки для облегчения оценки ожидаемых потерь могут группировать ссуды на основе общих характеристик кредитного риска. Например, параметры общих характеристик кредитного риска помимо прочего могут включать в себя в том числе:

• вид инструмента;

• рейтинги кредитного риска;

• вид обеспечения;

• дату первоначального признания;

• оставшийся срок до погашения;

• отрасль;

• географическое местоположение заемщика;

• стоимость обеспечения относительно финансового актива, если она влияет на вероятность наступления дефолта (например, займы без права регресса в некоторых юрисдикциях и отношение основной суммы займа к стоимости приобретенного актива)5.

Для оценки параметров кредитного риска портфелей сгруппированных ссуд (вне зависимости от их категории качества) необходимо обладать следующей информацией на отчетные даты анализируемого ретроспективного временного периода:

• балансовая стоимость портфеля на отчетную дату;

• величина сформированных резервов портфеля на отчетную дату;

• балансовая стоимость ссуд, добавленных в портфель за отчетный период;

• балансовая стоимость ссуд, выведенных из портфеля за отчетный период;

• величина досозданных резервов за отчетный период;

• величина восстановленных резервов за отчетный период;

• балансовая стоимость безнадежных ссуд, списанных из портфеля за отчетный период;

• сумма потерь от списания безнадежных ссуд из портфеля за отчетный период;

• сумма восстановления потерь по безнадежным ссудам, содержащимся в портфеле, за отчетный период;

• доход, полученный по портфелю за отчетный период.

Оценка параметров кредитного риска в соответствии с требованиями IFRS 9

Эффективная ставка портфеля (временная стоимость денег) eirt  за ретроспективный период может быть рассчитана на основе балансовой стоимости портфеля на начало и конец рассматриваемого временного интервала, денежных потоков по добавлению/выведению ссуд из портфеля и полученного дохода. Длительность периода анализа T определяется исходя из задач оценки и прогнозирования параметров кредитного риска Point in Time (PIT) или Through the Cycle (TTC). В случае прогнозирования «внутри цикла» (PIT) длительность T обычно принимается равной одному году и менее.

Предлагаемый подход, основан на анализе сформированных банком резервов как обобщающего показателя кредитных потерь. Он не позволяет оценивать параметры кредитного риска PDt и LGDt  отдельно друг от друга без определенных допущений. Однако для целей расчета ECLtдостаточно оценить их совокупность в виде единого параметра LFt (loss factor):

LFt = PDt × LGDt.

Взвешенная по вероятности величина единого параметра кредитного риска LFt за ретроспективный период анализа определяется на основе рассчитанной эффективной процентной ставки eirt  методом дисконтирования денежных потоков от досоздания/восстановления резервов портфеля и полученных потерь от списания безнадежных ссуд.

Параметр кредитного риска EADt за ретроспективный период определяется балансовой стоимостью портфеля на конец ретроспективного периода Lt и отношением суммы убытка от списанных за период анализа безнадежных ссуд к их балансовой стоимости.

В качестве минимальной информации для применения предлагаемой методологии могут быть использованы следующие данные, которыми необходимо располагать на отчетные даты внутри анализируемого ретроспективного периода:

• балансовая стоимость портфеля;

• величина сформированных резервов портфеля;

• финансовый результат портфеля.

Например, в качестве отчетных дат могут быть использованы ежемесячные данные банковской финансовой отчетности. На основании этих данных рассчитываются денежные потоки от увеличения или уменьшения балансовой стоимости портфеля, созданных или восстановленных резервов, прибыли или убытков, которые были получены между отчетными датами.

Эффективная ставка портфеля eirt в этом случае рассчитывается на основе балансовой стоимости портфеля на начало и конец ретроспективного периода анализа и денежных потоков, вызванных изменениями балансовой стоимости портфеля и финансовыми результатами, полученными на отчетные даты этого периода.

Взвешенная по вероятности величина единого параметра кредитного риска Lft с учетом полученной эффективной процентной ставки eirt определяется дисконтированием денежных потоков от изменения величины сформированных резервов портфеля, произошедшего между отчетными датами.

Так как в этом случае эффективная ставка портфеля eirt учитывает в том числе и потери от списания безнадежных ссуд, в качестве параметра подверженности кредитному риску EADt принимается балансовая стоимость портфеля Lt .

Учет будущих экономических условий и оценка ожидаемых кредитных потерь

Для учета влияния будущих экономических условий на оценку величины ожидаемых потерь портфеля ссуд удобнее всего применять модели множественной регрессии. В таких моделях в качестве зависимых переменных используются параметры кредитного риска, а в качестве объясняющих переменных — значения макро- и микроэкономических факторов (величина ВВП, уровень безработицы, значение эффективной процентной ставки портфеля и т.п.), которые могут оказывать на них влияние.

Использование моделей множественной регрессии позволяет осуществлять прогнозирование (и стресс-тестирование) уровня кредитного риска портфеля на любой необходимый горизонт времени T на основе обоснованной и подтверждаемой информации прогнозных значений объясняющих факторов.

В этом случае величина ожидаемых кредитных потерь портфеля для любого срока T определяется с помощью формулы:

ECLT = EADt+T × (1–(1–LFt+T)T) .

Пример практического применения

В качестве примера использования предлагаемого подхода приведем расчет оценки ожидаемых потерь банковских портфелей активов, приносящих доход (АПД). АПД представляют собой средства, размещенные в кредитах, долговых и долевых ценных бумагах, производных финансовых инструментах и т.п., к которым может быть применен стандарт IFRS 9.

Для проведения расчетов6 использовались агрегированные данные с сайта Банка России по 472 кредитным организациям с 01.01.2011 по 01.08.2018. В расчет не включались госбанки и банки, находящиеся под санацией. На основе агрегированной отчетности на каждую отчетную дату производился расчет балансовой стоимости АПД, величины сформированных резервов под их обесценение и текущий финансовый результат.

Для применения метода PIT в качестве ретроспективного периода анализа было выбрано скользящее окно размером в 12 отчетных дат (один год). На каждую ежемесячную отчетную дату начиная с 01.02.2012 для агрегированного портфеля АПД за указанный выше период анализа была произведена оценка эффективной процентной ставки eirt  (фактически величины банковской процентной маржи), значения единого параметра кредитного риска LFt и величины ожидаемых кредитных потерь ECLy без учета будущих экономических условий. Ожидаемые потери портфеля АПД рассчитывались для горизонта 12 месяцев для сравнения с текущим размером резервов под обесценение, которые формируются из расчета средних потерь за год.

Для учета будущих экономических условий на основании полученных данных была построена регрессионная модель зависимости рассчитанного единого параметра кредитного риска LFt  агрегированного портфеля АПД от значений объясняющих экономических факторов:

• квартальные данные валового внутреннего продукта (ВВП) Российской Федерации;

• ежемесячные данные индекса потребительских цен на товары и услуги Российской Федерации;

• ежемесячные данные индекса промышленного производства в % к среднемесячному значению 2010 года;

• ежедневные данные стоимости барреля нефти марки BRENT;

• ежедневные данные индекса РТС (RTSI), рассчитываемого Московской Биржей;

• ежедневные официальные курсы доллара США и евро;

• значение эффективной процентной ставки портфеля АПД eirt , рассчитанной на отчетную дату.

Для построения регрессионной модели использовались значения объясняющих экономических показателей, соответствующих концу анализируемого ретроспективного периода, то есть фактически использовались их годовые «прогнозные» значения. Коэффициент детерминации (показатель R-квадрат) построенной регрессионной модели составил 0,8, что отражает достаточно хорошее качество произведенного моделирования.

Для расчета ожидаемых потерь ECLy с учетом будущих экономических условий в качестве прогнозных значений экономических факторов использовались их средние значения за предыдущие 12 отчетных дат (прогнозирования на основе скользящего среднего).

Результаты расчетов

Рис. 1. Значения единого параметра кредитного риска LF в сравнении с индексом RTSI

Результаты расчета параметра кредитного риска LFt агрегированного портфеля АПД представлены на рис.1. Для сравнения на графике показаны также значения индекса RTSI, входящего в качестве одного из объясняющих экономических факторов в состав построенной регрессионной модели. Хорошо видно, что при росте индекса RTSI происходит снижение величины параметра кредитного риска LFt , и наоборот, то есть наблюдается обратно пропорциональная зависимость изменений в оценке возможного обесценения портфеля АПД от изменений состояния фондового рынка. На рис.2 представлены значения рассчитанной эффективной процентной ставки портфеля АПД также в сравнении с индексом RTSI. ЭПС портфеля достаточно сильно коррелирует с фондовым индексом, что также демонстрирует очевидную связь доходности портфеля АПД с изменениями экономических условий.

Рис. 2. Динамика эффективной процентной ставки в сравнении с индексом RTSI

Рис. 3. Динамика величины резервирования и ожидаемых потерь портфеля АПД

Результаты расчета ожидаемых кредитных потерь агрегированного портфеля АПД в сравнении с текущим резервированием представлены на рис. 3. Видно, что ожидаемые кредитные потери портфеля активов, как правило, превышают величину сформированных резервов. Несмотря на то, что для расчетов были использованы агрегированные данные без необходимой детализации, можно предположить, что оценочные резервы кредитных организаций, которые должны рассчитываться в соответствии с IFRS 9, будут в среднем превышать величину резервов, сформированных в соответствии с текущими регуляторными требованиями Банка России.

Заключение

По мнению аудиторских компаний, проводивших исследования и опросы российских кредитных организаций на тему применения нового стандарта IFRS 9, основная проблема имплементации предложенной в стандарте модели связана именно с расчетом ожидаемых кредитных потерь. Метод расчета, который должен соответствовать требованиям IFRS 9, кредитные организации должны выбирать самостоятельно, так как стандарт не определяет конкретные методы расчета ожидаемых кредитных потерь. Также, по данным этих компаний, процедуру перехода к модели ожидаемых потерь кредитные организации оценивают как достаточно затратную. Для сравнения, размер бюджетов на внедрение нового стандарта у большинства крупнейших мировых кредитных организаций оценивается свыше 500 тыс. евро. Кроме того, по тем же опросам, большинство кредитных организаций считают, что не располагают достаточным количеством технических ресурсов для внедрения нового стандарта7.

Безусловно, наличие качественных, детализированных данных во всех необходимых разрезах позволяет кредитной организации не только оценивать риски и резервы в соответствии с требованиями регуляторов, но и оперативно принимать решения по управлению кредитным риском, а также грамотно выстраивать свою бизнес-стратегию. Но даже при отсутствии базы данных кредитных событий, собранной за длительный срок и в соответствии с «лучшими практиками», банкам для оценки параметров кредитного риска, расчета ECL и выполнения требований регулятора достаточно обладать минимальной информацией о стоимости портфелей сгруппированных активов, полученных по ним доходах и изменениях в резервировании. Такую информацию можно получить из автоматизированной банковской системы. Таким образом, предложенный методологический подход позволяет кредитным организациям минимизировать свои затраты на аналитику и методологию при переходе к IFRS 9.

1. Банки оценили влияние нового стандарта отчетности на свой капитал. https://www.rbc.ru/finances/28/02/2018/59ad39619a79475d6e2c8a0b.
2. ЦБР определился, как будет в регулировании отражать переход банков на МСФО 9. https://www.finmarket.ru/news/4701016.
3. Международный стандарт финансовой отчетности (IFRS) 9 «Финансовые инструменты» Приложение а Определения терминов.
4. Международный стандарт финансовой отчетности (IFRS) 9 «Финансовые инструменты» п. 5.5.17.
5. Международный стандарт финансовой отчетности (IFRS) 9 «Финансовые инструменты» п. В5.5.5.
6. Расчеты проводились в Программном комплексе «РИСКФИН.prof» ООО «РИСКФИН».
7. Пятое международное исследование по вопросам применения МСФО в банках. Поиск собственного пути. https://www2.deloitte.com/ru/ru/pages/financial-services/archive/fifth-b….