Portal TFL

TFL Vsebine / TFLGlasnik

MRSP 9 – finančni instrumenti in pričakovane kreditne izgube: sistematični pregled literature

O PUBLIKACIJI in AVTORJU
ŠTEVILKA in LETO IZDAJE
AVTOR
Mojca Gornjak, Visoka šola za računovodstvo in finance, Ljubljana, Mednarodna fakulteta za družbene in poslovne študije, Celje
Datum
04.02.2025
Rubrika
Članki
Pravna podlaga
Povezave
Podsistem TAX
Podsistem FIN
Podsistem LEX
Povzetek
V tej študiji je sistematično pregledana literatura o računovodenju finančnih instrumentov v skladu z MSRP 9. V prispevku so preučeni različni pogledi na pričakovano kreditno izgubo in pričakovano kreditno izgubo – ECL. Študija obravnava članke, objavljene po 14. juliju 2014, ko je EU uvedla MSRP 9. Pregledali smo literaturo in povzeli smo pomembne dele za izračun pričakovanih kreditnih izgub in njihov vpliv na poslovni izid in kapitalske zahteve. Ker posojila predstavljajo 80 odstotkov bančnih sredstev, smo pregledali literaturo o posojilih z nihajočim vrednotenjem in vplivu modela oslabitev ECL na kapital bank. Čeprav je literatura obsežna, je težko sklepati, ali je novi MSRP 9 povečal učinkovitost pristopa k vrednotenju finančnih instrumentov s popravki vrednosti zaradi izgub, saj se standard uporablja od 1. januarja 2018, hkrati pa so lahko zavarovalnice uveljavile odlog implementacije do uvedbe MSRP 17 – Zavarovalne pogodbe, to je do 1. januarja 2023.
BESEDILO

1 UVOD

V vseh organizacijah po svetu, zlasti pa v finančnih institucijah, kjer je razmerje med finančnimi instrumenti in celotnimi sredstvi visoko in se običajno giblje okoli 70 odstotkov ali več, je Mednarodni standard računovodskega poročanja 9 (MSRP 9) bistvenega pomena za točnost in resničnost izkaza finančnega položaja. Zato je MSRP 9 tema, ki jo je treba raziskovati. Kljub temu da obstaja več tem v povezavi z MSRP 9, ki jih je treba raziskati, smo se osredotočili na bistvene teme, med katerimi je bila tudi pričakovana kreditna izguba (ang. Expected Credit Loss – ECL).

Pri pregledu literature o MSRP 9 smo uporabili tri ključne postopke: raziskovanje literature, opredelitev ustreznih tem, oblikovanje fokusa in izbor tem ter nato analiza, interpretacija in povezovanje člankov v okviru izbrane teme (Jones & Gatrell, 2014, str. 256).

Članek analizira predhodne raziskave o pomembnih postavkah v MSRP 9 in vprašanjih ECL. V okviru pregleda literature smo preučili več kot 100 člankov o MSRP 9, kjer smo pregledali povzetke in pri določenih člankih tudi zaključke. S pregledom po področjih smo zbrali (prepoznavanje in pridobivanje literature), uredili (prečiščevanje in urejanje literature) in ovrednotili (vrednotenje in poročanje literature) članke, ki smo jih pridobili v podatkovni zbirki Google Scholar (Paul idr., 2021, str. 2). V skladu s Paulom in Criado (2020, str. 101717) je ocenjevanje na podlagi panoge pogosto na strokovnih področjih, povezanih z gospodarjenjem v podjetjih in tudi na področjih, ki niso povezana z gospodarjenjem, vključno z računovodstvom. Pregledali in razvrstili smo postavke, povezane s finančnimi instrumenti, v skladu z zahtevami mednarodnih standardov za računovodsko poročanje.

S pomočjo iskalnika, kjer smo filtrirali izraz "MSRP 9", smo spremljali razvoj objavljenih znanstvenih člankov za skoraj deset let. MSRP 9 je bil v EU uveden 14th julija 2014 z objavo v Uradnem listu Evropske unije. Povod za sprejem novega standarda za finančne instrumente sega v leta 2008. V času finančne krize se računovodenje po takratnem Mednarodnem računovodskem standardu (MRS) 39 ni obneslo ter je sledila sprememba standarda in poznejše sprejetje MSRP 9, ki je nadomestil prejšnji MRS 39. Oba računovodska standarda veljata za zelo kakovostna, vendar je bil MRS 39 manj uporaben (Mechelli & Cimini, 2020, str. 1255).

Pounder (2009) je objavil eno prvih angleških študij o treh korakih razvrščanja in merjenja finančnih instrumentov, pristopov za oslabitev in obračunavanje varovanja pred tveganji v povezavi s pokriznim napredkom pri obračunavanju finančnih instrumentov. To je bil tudi glavni poudarek revizije standarda finančnih instrumentov, ki jo je IASB izvedel po finančni krizi leta 2008.

Z zgodovinskega vidika lahko sklepamo, da je bilo računovodsko obravnavanje finančnih instrumentov v preteklosti težavno in dolgotrajno. Model oslabitve, ki je temeljil na dejanskih izgubah, je bil sprejet leta 1998. To vprašanje je bilo obravnavano v MRS 39 (glej sliko 1). V tem času je Odbor za mednarodne računovodske standarde (IASC) nadomestil Odbor za mednarodne računovodske standarde (IASB), ki je začel izdajati Mednarodne standarde računovodskega poročanja s kratico MSRP (Kusano & Sanada, 2019, str. 285). Zaradi zapletenosti računovodenja po MRS 39 je bil leta 2002 podpisan Norwalkski sporazum med IASB in FASB, ki je ameriški odbor za ameriške računovodske standarde, za odpravo velikih razlik med MSRP in ameriškimi GAAP (Loew idr., 2019, str. 1).

Po petih letih uporabe je bil MRS 39 leta 2003 posodobljen. Posledice finančne krize, ki se je zgodila leta 2008, so se odrazile v premajhnih in prepoznih oslabitvah iz modela nastalih izgub, ki so izhajale iz poštene vrednosti (Kusano & Sanada, 2019, str. 279) in so bile definirane v MRS 39, zato so Svet Ecofin, G20 in Odbor za finančno stabilnost (IASB, 2009) pozvali IASB, naj pregleda obračunavanje finančnih instrumentov. IASB je pričel s pregledom MRS 39 in MSRP 7 ter leta 2009 ustanovil nadzorni odbor, leta 2011 imenoval novega predsednika, objavil posvetovalni program za obdobje 2008-2012, leta 2012 izvedel strateški pregled in leta 2013 začeti svetovalni forum za računovodske standarde (Kusano & Sanada, 2019, str. 279). Novi standard je bil sprejet v EU v juliju 2014.

Visoke in nezadostne rezervacije, ki so nastale v celotnem finančnem sektorju v obdobjih nestanovitnosti in stresa, so predstavljale tveganje za finančno stabilnost (Gaffney & McCann, 2019, str. 2). Spremembe standarda finančnih instrumentov so zahtevale, da se finančni instrumenti merijo po pošteni vrednosti, kar je zmanjšalo kompleksnost MRS 39 in odpravilo alternativne metode za ugotavljanje in merjenje finančnih instrumentov (Beerbaum, 2015; Benston idr., 2006; Bischof & Daske, 2016; Carmen, 2013; Gebhardt, 2015; Ghasmi, 2016, str. 23; Marshall, 2015, str. 12; Novotny-Farkas, 2015, str. 7). Rezultat novega pristopa je bila leta 2009 objava osnutka za obravnavo MSRP 9, ki je temeljila na načelih enovitega in edinega modela oslabitev (Bischof & Daske, 2016, str. 9; Ghasmi, 2016, str. 9; Marshall, 2015, str. 9; Scapens, 1994, str. 310). MSRP 9 je bil v EU sprejet julija 2014, standard je stopil v veljavo 1. januarja 2018.

Zaradi novega modela oslabitev je bila na novo definirana pričakovana kreditna izguba (Breed idr., 2021, str. 208). MSRP 9 nalaga organizacijam evidentiranje oslabitev finančnih instrumentov z modelom pričakovanih kreditnih izgub.

Čeprav sta IASB in FASB objavila različne različice modela pričakovane kreditne izgube (ECL), je glavni poudarek na v prihodnost usmerjeni oslabitvi finančnih instrumentov. V skladu s Puccijem in Skaerbkom (2020, str. 101091), se je izvedla sprememba v računovodskem poročanju, ki se je premaknila iz smeri pravil v smer načel ali principov, ki temeljijo na predvidenih pričakovanih prihodnjih dogodkih. MSRP 9 ne daje usmeritev, kako naj se izvedejo slabitve, temveč prepušča ureditev organizaciji, ki v naprej določi postopke ugotavljanja kreditnih izgub. Po mnenju Mechella in Ciminija (2020, str. 1241) je MSRP 9 primernejši od MRS 39 z vidika dobrega korporativnega upravljanja in zaščite vlagateljev.

Slika 1: Časovni potek pomembnih odločitev v zvezi s standardi za finančne instrumente

Vir: Pucci & Skærbæk, 2020, str. 101082

Popravki zaradi kreditnih izgub se izračunajo na podlagi informacij usmerjenih v prihodnost, ki temeljijo na načelih MSRP 9. Pričakuje se, da se bo zmožnost organizacij, da preživijo gospodarske recesije, povečala, če se pričakovane kreditne izgube pripoznajo že v pozitivnem trendu gospodarskega cikla, kar pripomore tudi k zmanjšanju procikličnosti modela nastalih izgub. (Rugilo, 2021, str. 18) V prihodnost usmerjen izračun kreditnih izgub je nov računovodski koncept, ki je vključen v vse, ki so sprejeti po letu 2014, vključno z MSRP 9 za finančne instrumente, MSRP 16 za najeme in MSRP 17 za zavarovalne pogodbe. Prvič je bila nova računovodska obravnava finančnih instrumentov uveljavljena 1. januarja 2018. Razen zavarovalnic so vse organizacije, ki uporabljajo MSRP, zavezane k izračunavanju pričakovanih kreditnih izgub. Zavarovalnice so odložile izvajanje MSRP 9 do datuma začetka uporabe MSRP 17, to je do 1. januarja 2023, da bi se izognile računovodski neskladnosti med vrednotenjem finančnih instrumentov in zavarovalnih pogodb.

ECL je zasnova, ki spreminja pravila igre, in je ključno finančno orodje za napreden računovodski proces. ECL izhaja iz bančne regulative, saj se predvidena izguba izrazi v premiji za tveganje, plačani posojilojemalcu (Bluhm idr., 2010, str. 2). Pri izračunu ECL se uporablja neto sedanja vrednost verjetnosti neplačila (ang. Probability of Default - PD) (Bluhm idr., 2010, str. 2). Pri izračunu neto sedanje vrednosti verjetnosti neplačila ali PD je vključen ECL, izguba ob neplačilu (ang. Loss Given Default – LGD), in izpostavljenost ob neplačilu (ang. Exposure at Default - EAD. V skladu z Vaněkom in Hampelijem (2017, str. 759) je PD najpomembnejša značilnost tveganja, ki jo kreditne institucije ocenjujejo pri upravljanju in analiziranju tveganj.

Po podatkih Ntaikouja in ostalih (2021, str. 2) MSRP 9 ustvarja številne možnosti za prilagoditve v smislu postopkov, procesov, modelov vrednotenja, primerjalnih ocen, spremljanja in revidiranja. Raziskovalci lahko izvajajo študije na vseh navedenih področjih.

V nadaljevanju je opisana struktura članka: v naslednjem poglavju je opisana metodologija za izvedbo sistematičnega pregleda literature. Tretje poglavje vsebuje pregled ECL ter izračun rezervacij za pričakovane izgube, pregled in definicije ključne komponente PD pri izračunu ECL, in pregled literature s področja posojil, ki je povezana z ECL. V zaključku smo podali predloge za prihodnje raziskave.

2 Metodologija

Znanstveni pregledni članek ima jasno strukturo. Teoretično obstaja več različnih vrst sistematičnih pregledov literature: na domeni temelječi pregledi, ki se osredotočajo na razvoj tem; teoretični pregledi, ki preučujejo razvoj določene teorije; metodični pregledi, ki se osredotočajo na razvoj določene metode; meta-analitični pregledi, ki združujejo že obstoječe sistematične preglede (Paul idr., 2021, str. 3). Na domeni temelječ pregled je običajen za teme, povezane s poslovanjem podjetij, kot za teme, ki niso povezane s poslovanjem, kot sta zapisala Paul in Criado (2020, str. 101718), vključno z računovodstvom. Na domeni temelječ pregled literature lahko temelji na petih glavnih načinih: pregledovanje na podlagi okvira, strukture, hibridno pregledovanje, bibliometrično ali konceptualno pregledovanje (Paul idr., 2021; Paul & Criado, 2020). V tem prispevku uporabljamo strukturiran pregled literature (SLR). S preučevanjem korpusa znanstvene literature in razvijanjem spoznanj, kritičnega razmisleka, prihodnjih raziskovalnih poti in raziskovalnih vprašanj SLR ponuja metodo, ki lahko znanstvenikom in praktikom pomaga pri odkrivanju premalo raziskanih tem in metod ter spodbuja razvoj novih področij znanja in raziskovalnih pristopov (Massaro idr., 2016, str. 767).

Pregled literature je procesno zasnovan pregled zbiranja, organiziranja in vrednotenja obstoječe literature o vseh temah, ki jih zajema MSRP 9, vključno s potrditvijo in začetno uvedbo MSRP 9, izračunom ECL, primarnim dejavnikom PD za izračun ECL, vplivom na posojila in kapitalske zahteve v bankah ter vplivom COVID-19. Pregled literature je pokazal, da je bil prehod z MRS 39 na MSRP 9 druga najbolj raziskana tema, vendar se članek osredotoča na ECL, ki je bil tudi najbolj raziskan parameter.

Cilj članka je oceniti korpus objavljene literature o MSRP 9, da dobimo vpogled, opredelimo prihodnje raziskave (Massaro idr., 2016, str. 769) in predstavimo ključne teme MSRP 9 (Snyder, 2019, str. 333). Temelj predstavljenega pristopa je strukturiran pregled literature, kot je prikazano na sliki 2 po Massaro (2016, str. 769).

Slika 2: Kontinuiteta pregleda literature

Vir: Massaro idr., 2016, str. 769.

Slika 2 prikazuje razvoj pregleda literature od hitre študije, ki ne temelji na smernicah, do načrtovanega, metodičnega pregleda. Klasična metoda pregleda literature se pogosto uporablja pri raziskovanju managementa, kjer avtorji narativno in subjektivno povzemajo in analizirajo predhodne prispevke (Denyer & Tranfield, 2006, str. 216). Nekateri članki s področja računovodstva so pregledni članki, ki uporabljajo sistematičen pristop ter podajo sklepe na podlagi določenega korpusa in pojasnjujejo ali razlagajo podatke (Massaro idr., 2016, str. 770).

Strukturirani pregledi literature so pri računovodskih raziskavah finančnih instrumentov redki, zato menimo, da bo ta študija prispevala k razumevanju tematike in povzela pregled literature od leta 2014 do 2024. Številni pregledni članki s področja pregleda računovodske literature obravnavajo predvsem teme s področja poslovodnega računovodstva in informacijskih sistemov (Rom & Rohde, 2007), manj pa ostale teme.

Ker pregleda literature o finančnih instrumentih ni, skušamo zapolniti vrzel. V pregledu literature smo odgovorili na naslednja raziskovalna vprašanja:

RQ1: Katere teme MSRP 9 so bile deležne največ raziskav?

RQ2: V katerih revijah je objavljenih največ člankov o MSRP 9?

3 Pregled MSRP 9 - razprava in prihodnje raziskave

V tem poglavju smo predstavili ključne poudarke MSRP 9, vključno z definicijo in izračunom PD in ECL. Prebrali smo literaturo o MSRP 9 in izvedli iskanje v Google Scholar, uporabnem orodju, ki ocenjuje pomembnost in citiranost raziskav, da bi ugotovili njihov vpliv (Massaro idr., 2016, str. 769). Pregledali smo 124 člankov, ki so obravnavali MSRP 9 med letom 2014 in letom 2022. Ugotovili smo, da je prehod z MRS 39 na MSRP 9 tema, ki je bila deležna največ pozornosti, kar je bilo glede na osemletni časovni okvir od uvedbe MSRP 9 tudi pričakovano. V tem poglavju bomo obravnavali le najpomembnejšo temo, to je ECL. Sprejetje standardov MSRP v EU zakonodajo, pregledi in preverjanje uvedbe MSRP 9, projekcije izračuna rezervacij za pričakovane kreditne izgube na dan prehoda in projekcije dolgotrajnih raziskav z vplivom na nestanovitnost izkazov poslovnega izida in upravljanja dohodkov, upravljanje velikih baz podatkov, vpliv ECL na gospodarsko recesijo ter vpliv na računovodske izkaze in vrednost delničarjev je nekaj prihodnjih tem za raziskovanje. Članek teh tem ne obravnava.

3.1 Pričakovana kreditna izguba

Namesto modela nastale izgube iz MRS 39 je MSRP 9 uvedel nov model oslabitve, imenovan model ECL, ki se osredotoča na tveganje neplačila finančnih instrumentov v prihodnosti.

ECL predstavlja vsoto verjetnostnih vrednosti. ECL se izračuna z združevanjem prihodnjih denarnih tokov, ki se diskontirajo ob upoštevanju dejavnikov PD in LGD. ECL izvira iz upravljanja tveganj, kjer je kvantifikacija ECL pogosto razdeljena na tri komponente (Breed idr., 2021, str. 209).

kjer:

ELt - pričakovana izguba življenja,

PDt (It ) - kumulativna verjetnost neplačila,

LGDt(It ) - izguba zaradi neplačila,

dr - diskontna stopnja prihodnjih denarnih tokov,

vsi parametri prejmejo posodobitve podatkov v času t (I ).

Vir: Novotny-Farkas, 2015, str. 11..

V skladu z enačbo 1 se predvidena vseživljenjska izguba izračuna kot vsota PDt in LGDt, ki se nato prilagodi dodatnim informacijam in diskontira z uporabo efektivne obrestne mere, ki je določena na datum prvega pripoznanja. Sprememba kreditnega tveganja, ki je vključena v PD in sprememba tržnih obrestnih mer, ki je upoštevana v diskontni obrestni meri (dr), ustrezata opredelitvi ekonomske vrednosti posojil in se upoštevata le pri računovodenju poštene vrednosti (Novotny-Farkas, 2015, str. 11).

Pri obravnavi MSRP 9 je treba vključiti makroekonomske napovedi in verjetnostno tehtane izračune in scenarije, zlasti pri obračunavanju oslabitve finančnih sredstev. Uporaba enega ali celo nobenega ekonomskega scenarija je lahko zadostna, saj MSRP 9 ne predpisuje posebej števila makroekonomskih scenarijev za izračun ECL (Black idr., 2016, str. 2). Le en makroekonomski scenarij je nezadosten, če obstaja nelinearna povezava med kreditnimi izgubami in makroekonomijo (Black idr., 2016, str. 3). Osnovni ali bazni scenarij je definiran kot mediana verjetnostno tehtane vrednosti in ker MSRP 9 zahteva izračun kumulativne porazdelitvene funkcije, je le izračun osnovnega scenarija neustrezen (Black idr., 2016, str. 3).

ECL se določi kot 12-mesečne pričakovane kreditne izgube za finančne instrumente, katerih kreditno tveganje se od začetnega pripoznanja ni bistveno spremenilo, ali kot vseživljenjski ECL, ki izhaja iz vseh možnih dogodkov neplačila v času trajanja finančnega instrumenta, za tiste finančne instrumente, katerih kreditno tveganje se je bistveno spremenilo.

Na vsak datum poročanja mora organizacija oceniti, ali je prišlo do pomembnega povečanja kreditnega tveganja od začetnega pripoznanja. Ključno merilo za vključitev finančnega instrumenta v tristopenjski model oslabitve v skladu z MSRP 9 po začetnem pripoznanju je sprememba kreditnega tveganja.

Ob prvem pripoznanju dolžniškega instrumenta je treba določiti ECL. Finančni instrument se nato uvrsti v Fazo 1 s priznanim 12-mesečnim ECL. ECL se določi po nakupu dolžniškega instrumenta na podlagi sprememb kreditnega tveganja na vsak datum poročanja. Če je sprememba pomembna, se izračuna in v računovodskih evidencah organizacije evidentira vseživljenjski ECL namesto 12-mesečnega ECL, ki se ustvari, če ni pomemben. Dvanajstmesečni ECL je predstavljal izgubo, pričakovano v naslednjih 12 mesecih, ter pričakovani denarni primanjkljaj (razlika med vsemi zapadlimi pogodbenimi plačili in prejetimi denarnimi tokovi) v celotni življenjski dobi portfelja izpostavljenosti zaradi morebitnih škodnih dogodkov, ki bi se lahko zgodili v naslednjih 12 mesecih.

Slika 3: Model slabitev po MSRP 9

Vir: Deloitte, 2016, str. 10

Slika 3 kaže, da so vsi kupljeni finančni instrumenti v fazi 1 (ang. Scope 1), pri vseh pa je kreditno tveganje nizko ali se sploh ne spreminja in se za vse instrumente izračuna 12-mesečni ECL. Vsi finančni instrumenti v fazi 2 (ang. Scope 2) imajo povečano kreditno tveganje, kar ima za posledico izračun vseživljenjskega ECL. Bistveno povečanje določa notranja računovodska usmeritev. Faza 3 (ang. Scope 3) vključuje vse finančne instrumente, ki imajo dejanske dokaze o oslabitvi, prihodki od obresti pa se določijo z uporabo razlike med prihodnjimi denarnimi tokovi in oslabitvijo, kar predstavlja čisto (neto) knjigovodsko vrednost.

Za vse dolžniške instrumente se uporablja model ECL. ECL se izračuna v času trajanja finančnega instrumenta. Lahko trdimo, da so metode za določanje oslabitve v primeru neplačila enake, če primerjamo model nastalih izgub po MRS 39 z modelom ELC po MSRP 9. Slika 4 prikazuje razliko v modelu ECL med fazami 1 in 2, kjer je razlika v izračunu slabitev večja.

Slika 4: Tristopenjski model ECL v skladu z MSRP 9 ter primerjava z MRS 39

Vir: Lastni prikaz

V fazi 1 se za vse finančne instrumente izračuna 12-mesečni ECL. Prehod iz faze 1 v fazo 2 predstavlja spremembo izračuna ECL iz 12-mesečnega na vseživljenjski ECL, kar pomeni, da se pri izračunu ECL upoštevajo vsi bodoči denarni tokovi finančnega instrumenta v njegovi pogodbeni dobi, ki so disontirani z izvirno efektivno obrestno mero. Finančni instrument preide v fazo 3, če je kreditno oslabljen. Faza 3 ohranja izračun vseživljenjskega ECL, vendar spremeni izračun z bruto na neto knjigovodsko vrednost, ki je tudi osnova za izračun obresti. Če je obdobje zapadlosti daljše od enega leta, lahko pride do "učinka klifa" pri pripoznanih zneskih ob znatnem povečanju kreditnega tveganja, vendar je učinek manjši kot pri pristopih, ki temeljijo na nastali izgubi po MRS 39 (Kund & Rugilo, 2023, str. 2; Serrano, 2018, str. 86).

V povezavi z ECL so pomembne tudi napovedi oziroma predvidevanja. Kot je navedeno v preglednici 1, se v objavljenih člankih pojavijo avtorji, ki obravnavajo projekcije ECL, med drugim tudi poročilo družbe Deloitte. V preglednici so dodani citati do novembra 2024. Pregled literature je urejen po abecednem vrstnem redu.

Preglednica 1: Objavljeni članki o oceni in napovedih ECL

Avtorji

Leto

Naslov

Časopis

Citati

Du, N. Allini, A.

2022

How do bank managers forecast the future in the shadow of the past? An examination of expected credit losses under IFRS 9

Accounting and Business Research

13

IAS Plus

2016

IFRS 9 – Overview

 Deloitte

3

Novotny-Farkas, Z.

2016

The Interaction of IFRS 9 Expected Loss Approach with Supervisory Rules and Implications for Financial Stability

Accounting in Europe

247

Schutte, W. D., Verster, T., Doody, D., Raubenheimer, H. in Coetzee, P. J.

2020

A proposed benchmark model using a modularised approach to calculate IFRS 9 expected credit loss

Cogent Economics & Finance

32

Sultanoğlu, B.

2018

Expected credit loss model by IFRS 9 and its early impacts on European and Turkish banking sector

Muhasebe Bilim Dünyası Dergisi

34

Vir: lastni pregled

Vrsta finančnega instrumenta in pogodbeno obdobje sta podlagi za določitev najdaljšega časovnega okvirja izračuna ECL. Organizacije uporabljajo proaktivno metodo ocenjevanja ECL z uporabo preteklih, sedanjih, razumnih in podprtih informacij, vključno s projekcijami prihodnjih gospodarskih razmer (Sultanoğlu, 2018, str. 480).

Po podatkih Schutte in ostalih (2020, str. 4), MSRP 9 zahteva uporabo znatnih količin podatkov za izračun ECL z uporabo dejavnikov in modelov PD in LGD. Ker standard temelji na načelih, ni opredeljenih tehnik za napovedovanje vseživljenjskega ECL (Schutte idr., 2020, str. 4).

Organizacija bi morala uporabiti različne metodologije in različne pristope za različne finančne instrumente pri določanju pomembnosti spremembe kreditnega tveganja glede na spremembo od datuma začetnega pripoznanja do datuma poročanja. Pri ugotavljanju, ali finančni instrument izpolnjuje merila za oslabitev in pri izračunu ECL, ki je določen kot verjetnost prilagojenega ovrednotenja kreditne izgube, ki kaže na neustreznost vrednosti denarnih prilivov v pričakovani življenjski dobi finančnega instrumenta, lahko uporabimo kvalitativne in nestatistične kvantitativne informacije.

Za vse finančne instrumente, ki niso vrednoteni po pošteni vrednosti prek poslovnega izida, velja pristop spremembe kreditnega tveganja iz MSRP 9. Posojila, obveznice, terjatve, terjatve iz najema, druge obveznosti in pogodbe o finančnem jamstvu so primeri finančnih dolžniških instrumentov, ki se pripoznajo po odplačni vrednosti ali pošteni vrednosti prek drugega vseobsegajočega donosa z uporabo modela ECL (Gornjak, 2019, str. 34; Novotny-Farkas, 2016, str. 204; Vaněk & Hampel, 2017, str. 761). Ko se dolžniški instrument prvič evidentira, se ECL predstavi kot rezervacija v poslovnem izidu. Prilagoditev poštene vrednosti ali knjigovodske vrednosti se prikaže v drugem vseobsegajočem donosu, če se dolžniški instrument vrednoti po pošteni vrednosti prek drugega vseobsegajočega donosa - FVOCI. Ob odpravi pripoznanja se celoten dobiček ali izguba v drugem vseobsegajočem donosu prenese v poslovni izid.

Z natančnimi in preglednimi finančnimi informacijami o instrumentih v računovodskih izkazih se rezervacije za predvidene kreditne izgube pripoznajo, preden se pojavijo, in se spreminjajo na vsak datum poročanja tako, da se prikažejo razlike v kreditnih tveganjih od datuma pridobitve ali začetnega pripoznanja v vsakem poročevalskem obdobju (Sultanoğlu, 2018, str. 478). Zaradi sprememb v stanju gospodarstva lahko pride tudi do tega, da rezervacije za kreditne izgube skokovito narastejo in povzročijo nihanje dobička ali izgube, kot so na primer visoke ravni rezervacij v neugodnih in nizke ravni rezervacij v ugodnih gospodarskih razmerah (Sultanoğlu, 2018, str. 478).

ECL je temeljito raziskan. Prihodnje študije bi se lahko osredotočile na izračun ECL v zahtevnejših gospodarskih okoliščinah, kjer bodo prehodi iz faze 1 v fazo 2 ali fazo 3 hitrejši in bi lahko pomembno vplivali na nestanovitnost poslovnega izida in vrednosti delničarjev.

3.2 PD ključni parameter pri izračunu ECL

Možnost, da posojilojemalec ne bo izpolnil svojih pogodbenih obveznosti, predstavlja kreditno tveganje (Basel Committee on Banking Supervision, 2001, str. 45). MSRP 9 ponuja makroekonomske projekcije in verjetnostno tehtane izračune za določitev oslabitve ali popravka vrednosti. V skladu z Vaněk & Hampel (2017, str. 759) je eden od temeljnih kazalnikov tveganja, ki se uporablja za ocenjevanje in upravljanje tveganj v bančnih institucijah, verjetnost neplačila ali PD. Za izračun ECL se uporablja neto sedanja vrednost rezultatov postavk LGD, PD in EAD, pri čemer je PD najbolj bistvena in odločilna postavka.

V bančništvu se pričakovana izguba uporablja pri izračunu pričakovane kreditne izgube (ECL), ki se nato zaračuna posojilojemalcu (Bluhm idr., 2010, str. 2). Atribut "pričakovano ali ang. expect" se v teoriji vedno nanaša na pričakovano ali srednjo vrednost. To pomeni, da je za vsako podjetje določena verjetnost neplačila PD, ki je del izgube in je znana kot neplačilo, ter izpostavljenost neplačilu ali EAD, ki predstavlja izgubo, do katere lahko pride v določenem obdobju pri upravljanju tveganj (Bluhm idr., 2010, str. 3). Po standardu Standard and Poor je verjetnost neplačila opredeljena z izgubo, ki pomeni nezmožnost poravnati obveznosti iz naslova glavnice in obresti dolga, kot je navedeno v prvotnih pogojih za njegovo izdajo, ko je obdobje zaključeno (Venter, 2016, str. 14).

Pri izračunu se uporabijo natančne projekcije denarnih tokov za sedanjost in prihodnost ter vključijo makroekonomske informacije za finančne instrumente (Adamu, 2018, str. 93). Organizacije uporabijo vse informacije, ki so na voljo v zvezi z izpostavljenostjo in zavezancem, ter informacije o sedanjem in pričakovanem makroekonomskem razvoju (Witzany, 2020, str. 1).

Pregledali smo raziskave o PD, ki je pomemben dejavnik pri ocenjevanju ECL. S pomočjo iskalnika Google Scholar smo odkrili šestnajst člankov. Dvanajst člankov obravnava vprašanja PD, večinoma v revijah, ki obravnavajo tveganja in sicer od leta 2016 do 2021. Večina člankov je s citati, izstopa članek o predstavitvi modela kreditnega tveganja, ki so ga izdali avtorji Bluhm, C., Overbeck, L. in Wagner, C. Citiranost člankov smo preverjali novembra 2024. Pregled literature je urejen po abecednem vrstnem redu.

Preglednica 2: Članki o ključnem parametru ECL - PD

Avtorji

Leto

Naslov

Časopis

Citati

Adamu, J. A.

2018

IFRS 9 Measurement of Financial Instruments 2018: Jameel's Non-Normal Brownian Motion Models are Indeed IFRS 9 Complaint Models

Journal of Economics and Management Sciences

3

Baselski odbor za bančni nadzor.

2001

The internal ratings—Based approach

Bank for International Settlements

26

Bluhm, C., Overbeck, L. in Wagner, C.

2010

Introduction to Credit Risk Modeling, Second Edition

CRC Press

1096

Chawla, G., Forest Jr, L. R. in Aguais, S. D.

2016

Point-In-Time PIT, LGD and EAD Models for IFRS9/CECL and Stress Testing

Journal of Risk Management in Financial Institutions

48

Delgado-Vaquero, D., Morales-Díaz, J. in Zamora-Ramírez, C.

2020

IFRS 9 Expected Loss: A Model Proposal for Estimating the Probability of Default for non-rated companies

Revista de Contabilidad

12

Đurović, A.

2019

Macroeconomic Approach to Point in Time Probability of Default Modeling – IFRS 9 Challenges

Journal of Central Banking Theory and Practice

32

Engelmann, B. in Pham, H.

2020

Measuring the Performance of Bank Loans under Basel II/III and IFRS 9/CECL

Risks

8

Gaffney, E. in McCann, F.

2019

The cyclicality in SICR: Mortgage modelling under IFRS 9 (Working paper No. 92)

ESRB Working Paper Series

24

Gornjak, M.

2019

Forward-looking approach in the accounting of financial instruments: Case study of Slovenian Pension Company

International Journal of Innovation and Learning

5

IAS Plus.

2016

IFRS 9—Overview

Deloitte

3

Novotny-Farkas, Z.

2016

The Interaction of IFRS 9 Expected Loss Approach with Supervisory Rules and Implications for Financial Stability

Accounting in Europe

247

Rugilo, D.

2021

Analysing the growing interplay of accounting and regulatory capital: A state-of-the-art review

SSRN Electronic Journal

/

Vaněk, T. in Hampel, D.

2017

The Probability of Default Under IFRS 9: Multi-period Estimation and Macroeconomic Forecast

Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis

37

Venter, E. S.

2016

Probability of default calibration for low default portfolios: Revisiting the Bayesian approach

University of Stellenbosch, Department of Statistics and Actuarial Science

10

Witzany, J.

2020

Stressing of Migration Matrices for IFRS 9 and ICAAP Calculations

SSRN Electronic Journal

/

Yang, B. H.

2017

Point-in-time PD term structure models for multi-period scenario loss projection: Methodologies and implementations for IFRS 9 ECL and CCAR stress testing

Journal of Risk Model Validatio

21

Vir: lastni pregled

Delgado-Vaquero idr. (2020, str. 181) navajajo, da MSRP 9 predpisuje, da mora predvideni PD vključevati pretekle in prihodnje informacije o pričakovanih spremembah stopenj neplačila. Poznamo različne pristope k pridobivanju PD (Delgado-Vaquero idr., 2020, str. 181):

  • PD se lahko kalibrira z uporabo kotiranih razmikov CDS, kotiranih donosov obveznic, državnih bonitetnih ocen in podatkov o primerljivih podjetjih,
  • interni pretekli podatki o neplačilu so prilagojeni z uporabo prospektivnih podatkov,
  • napovedovanje PD na podlagi stopenj neplačila drugih podjetij ali finančnih izkazov (strukturni ali nestrukturni, analitični modeli).

Vsaka organizacija določi pravo tveganje neplačila za svoje podatke in portfelje, formulo za oceno znatnega povečanja kreditnega tveganja in mejne točke za oceno znatnega premika (merjenje finančnega instrumenta, ki preide iz faze 1 v fazo 2) ter ima trdno izvedbeno strategijo za izvajanje postopka v vsakem intervalu poročanja (Chawla idr., 2016, str. 72).

V skladu z MSRP 9 je PD točka v času (ang. point-in-time – PIT) in ne PD skozi cikel (ang. through the cycle – TTC), kot izračunava možnost neplačila bančna industrija. PIT je najboljša ocena dejanske izvedbe v obdobju napovedi, ki jo zahteva MSRP 9 in je dejavnik za dolgoročna povprečja iz Basel II, medtem ko je neplačilo ob izgubi ocena, ki je povezana z gospodarsko recesijo. TTC je dejavnik Basel II za kratkoročna povprečja (Engelmann & Pham, 2020, str. 5,6). Veliko krajše časovno obdobje pristopa PIT pomeni, da se PD močneje odziva na ciklična gibanja in lahko med poslovnim ciklom precej niha. Po drugi strani pa pristop TTC odpravlja učinke gospodarskih nihanj v ocenah PD (Rugilo, 2021, str. 21).

Slika 5: Razlike v PD PIT in TTC

Vir: Chawla idr., 2016., str. 76, povzeto po Moody's Analytics Credit Edge in vladni statistiki Združenega kraljestva/ ZDA, Z-Risk Engine

Slika 5 prikazuje, kako se PD TTC v časovnem okviru ni spreminjal, medtem ko se je PD PIT spreminjal skozi čas zaradi odstopanj v tveganju neplačila iz obdobja v obdobje.

Obstaja več modelov za izračun PD. Za napoved tako imenovanega PIT PD, ki so ga Belkin, Suchower in Forest uvedli leta 1998 in ga predstavili kot enoparametrsko formulacijo matrik kreditnega tveganja in prehoda, je treba simulirati zgodovinski neprilagojeni TTC PD, pogojen z navedenimi spremenljivkami (Đurović, 2019, str. 210). Za modeliranje terminske strukture PD za napovedovanje izgub po scenarijih za več obdobij in za ocenjevanje predvidenih kreditnih izgub je Yang (2017, str. 16) zagotovil zanesljiv model in orodje.

Po raziskavi Gaffneyja in McCanna (2019, str. 5) se je delež posojil v drugi fazi povečal s 5 odstotkov junija 2008 na 50 odstotkov junija 2012, zaradi česar je ta faza še posebej občutljiva na spremembe v gospodarskem ciklu, kot sta visoka brezposelnost in višek cen stanovanj.

V zadnjih desetih letih je bilo veliko raziskav in razprav o upravljanju tveganj. Upravljanje tveganj je osnova za izračun ECL, temeljito pa je raziskana tudi bistvena komponenta PD. Avtorji raziskujejo prehod od PIT PD, ki upošteva makroekonomske vidike in prihodnje učinke, k TTC PD, ki je stabilen. Za umerjanje PIT PD obstajajo različne metode.

Od uvedbe MSRP 9 leta 2014 raziskave o umerjanju PD v neugodnih gospodarskih razmerah niso bile izvedene.

3.3 Posojila in izračun ECL

Več kot 80 odstotkov posojil v bančnem sektorju je izračunanih po poslovnem modelu odplačne vrednosti z učinkom ECL (Sanchidrián & García, 2019, str. 152). Obračunavanje posojil je tema oslabitev v skladu z MSRP 9.

Ker je bančni sektor med finančno krizo leta 2008 prepozno sprejel potrebne ukrepe za pripoznanje oslabitev, je bil sprejet MSRP 9. Kot smo že poudarili, je bil pristop oslabitev po MRS 39 neustrezen, saj so bile slabitve prenizke in prepozno izvedene. V literaturi je zaslediti angleški izraz »too little, too late) oziroma prevod "premalo in prepozno", medtem ko je pristop MSRP 9 bolj perspektiven in v računovodske izkaze vključuje prihodnje napovedi (Seitz idr., 2018, str. 313). V skladu s tristopenjskim modelom ECL je treba oblikovati popravek vrednosti izgub že ob pridobitvi ali začetnem pripoznanju dolžniških vrednostnih papirjev. Po mnenju nekaterih strokovnjakov (Sigee, 2017) je MSRP 9 prociklično naravnan.

Novotny-Farkas (2015) je raziskal, da naj bi novi model ECL povzročil, da se rezervacije za posojila pripoznajo prej in v večjem znesku, kar naj bi preseglo ravni rezervacij v skladu z MRS 39 v času krize (Seitz idr., 2018, str. 314). Avtor trdi, da rezervacije za posojila običajno niso višje pri tipičnem oziroma normalnem poslovanju (Seitz idr., 2018, str. 346). Avtor je raziskal, da se značilnosti med problematičnimi in neproblematičnimi bankami v državah in regijah EU precej razlikujejo, rezerve pa so izjemno odzivne na spremembe na trgu (Seitz idr., 2018, str. 346). Po navedbah študije k visoki občutljivosti ECL prispevajo modeli PD, ki temeljijo na razmikih CDS ali podatkih agencije Moody's.

Prebrali smo akademske raziskave o posojilih in izračunih ECL. Po iskanju v iskalniku Google Scholar smo odkrili trinajst člankov, ki so bili natisnjeni v različnih revijah. Vključena so tudi štiri poročila bank ali upravnih odborov. Pogosteje so bili citirani članki iz obdobja od leta 2015 do leta 2018. V primerjavi s prejšnjimi leti smo v tem času opazili porast raziskav. Sklepamo lahko, da so posojila po MSRP 9 dobro raziskana, predvsem v dobrih gospodarskih razmerah. Pregled literature je urejen po abecednem vrstnem redu.

Preglednica 3: Članki o posojilih in izračunih ECL

Avtorji

Leto

Naslov

Časopis

Citati

Adab, J in Suárez, J.

2017

Assessing the cyclical implications of IFRS 9: A recursive model

European Systemic Risk Board

65

Bholat, D., Lastra, R. M., Markose, S. M., Miglionico, A. in Sen, K.

2018

Non-performing loans at the dawn of IFRS 9: Regulatory and accounting treatment of asset quality

Journal of Banking Regulation

83

Cefis, L. A.

2017

Testing for Convexity Relevance: An IFRS 9 Benchmark Cashflow Test Proposal

SSRN Electronic Journal

5

Engelmann, B. in Pham, H.

2020

Measuring the Performance of Bank Loans under Basel II/III and IFRS 9/CECL

Risks

8

IASB

2016

IFRS 9 Financial instruments

International Accounting Standards Board

2

Novotny-Farkas, Z.

2015

The Significance of IFRS 9 for Financial Stability and Supervisory Rules

European Union, Policy Department A: Economic and Scientific Policy

51

Novotny-Farkas, Z.

2016

The Interaction of IFRS 9 Expected Loss Approach with Supervisory Rules and Implications for Financial Stability

Accounting in Europe

247

Ortl, A. in Bandelj, A.

2020

Identification of the pro-cyclical effects of IFRS 9: A review of the literature

Bank of Slovenia

/

Pastiranova, O. in Witzany, J.

2022

IFRS 9 and its behaviour in the cycle: The evidence on EU countries

Journal of International Financial Management & Accounting

16

Popescu, M. - M., & Ionescu, B.-S.

2019

IFRS 9 Benchmarking Test: Too Complicated to Worth Doing It?

Economic Computation and Economic Cybernetics Studies and Research

14

Rugilo, D.

2021

Analysing the growing interplay of accounting and regulatory capital: A state-of-the-art review

SSRN Electronic Journal

/

Sanchidrián, J. P., & García, C. J. R.

2019

Unveiling the expected loss model in IFRS 9 and circular 4/2017

Estabilidad Financiera

10

Seitz B., Dinh T. in Rathgeber A.

2018

Understanding loan loss reserves under IFRS 9: A simulation-based approach

 Advances in Quantitative Analysis of Finance and Accounting

35

Sigee, J.

2017

European Banks: IFRS9 – Bigger than Basel IV

Barclays Bank PLC

/

Vir: lastni pregled

Zgodnje priznavanje kreditnih izgub zmanjšuje kopičenje previsokih izgub in precenjevanje regulativnega kapitala, kar lahko spodbuja finančno stabilnost (Novotny-Farkas, 2016, str. 197). Po drugi strani so rezervacije za kreditne izgube, ki se razkrivajo v izkazu finančnega položaja, bistvena finančna postavka, ki pomembno vpliva na ocenjevanje dobičkov in kapitalskih zahtev (Novotny-Farkas, 2016, str. 205). Ob koncu ekspanzivnih faz kreditnega ali poslovnega cikla se banke lahko srečajo z nenadnimi spremembami regulatornega kapitala, vendar poskušajo to načrtovati tako, da v obdobjih konjunkture vzdržujejo večje preventivne kapitalske rezerve (Abad & Suárez, 2017). Prihodnji denarni tokovi, ki so zgolj plačila obresti in glavnice, bi morali biti predmet kvalitativne in kvantitativne ocene, kot predlaga MSRP 9. Ena od možnosti je primerjalno testiranje. Časovna vrednost denarja je tema, ki jo je Cefis (2017) obravnava med razpravo o kvantitativnem vrednotenju. V skladu z MSRP 9 je neto sedanja vrednost finančni koncept, ki upošteva le čas (IASB, 2016, str. A446). "Testni instrument", kot razlaga Cefis (2017, str. 5), izkazuje konveksnost, ker se njegov časovni razpon osnovne obrestne mere razlikuje od časovnega razpona plačila instrumenta in zato ker ima denarne tokove z vrednostmi, ki so različne od vrednosti enakovrednega "primerjalnega instrumenta", pri katerem sta časovni razpon plačila in dejanski časovni razpon obrestne mere enaka, denarni tokovi niso konveksni.

Popescu (2019, str. 218) preučuje časovno vrednost denarja, komponento obresti, in upošteva le stroške časa pri lastništvu določenega finančnega instrumenta. Z uporabo primerjalnega testiranja, kvalitativne in kvantitativne analize ter spremenljivih obrestnih mer, kot so EURIBOR, LIBOR in ROBOR, MSRP 9 dovoljuje spremembo časovne vrednosti denarja za te mere (IASB, 2016, str. A446–A447).

Donosnost posojil je za banke ključnega pomena, na katero vplivajo trije dejavniki:

  • kreditna kakovost posojilojemalcev, ki je količinsko opredeljena z verjetnostjo neplačila (PD),
  • stopnja visoke kakovosti zavarovanja s premoženjem, ki jo določa stopnja izgube ob neplačilu posojilojemalca, in
  • regulativni okvir, ki določa kapitalske rezerve in določa, kdaj je treba zbirati rezerve (Engelmann & Pham, 2020, str. 1).

Ker MSRP 9 določa tristopenjsko metodologijo za oblikovanje rezervacij, lahko ugotovimo naslednje (Engelmann & Pham, 2020, str. 4):

  • faza 1 za posojila z izračunano enoletno izgubo in običajno delujoča posojila,
  • faza 2 za slabo donosna posojila z bistveno slabšo kreditno kakovostjo in predvidenimi rezervacijami za izgube za celotno življenjsko dobo,
  • faza 3 za nedonosna ali neplačana posojila z doživljenjskimi načrtovanimi rezervacijami za izgube na oslabljeno knjigovodsko vrednost.

Obstajajo tehnične razlike pri merjenju pričakovane izgube med baselskim pristopom IRB in pristopom modela oslabitve po MSRP 9 (Novotny-Farkas, 2016). Medtem ko MSRP 9 zahteva pripoznanje 12-mesečne pričakovane kreditne izgube na datum nakupa in vseživljenjske pričakovane kreditne izgube v primeru pomembnega povečanja kreditnega tveganja, pristop IRB ponuja le dva izračuna pričakovane izgube: 12-mesečno obdobje za vsa plačana posojila in vseživljenjsko obdobje za neplačana posojila (Rugilo, 2021, str. 21). Poleg tega MSRP 9 predpisuje vseživljenjsko pripoznavanje ECL za neplačana posojila (Rugilo, 2021, str. 21). Ker ocene po MSRP 9 upoštevajo filozofijo PIT in upoštevajo tako sedanja kot prihodnja tveganja, jih lahko smatramo za bolj prociklične (Ortl & Bandelj, 2020, str. 13).

V okviru MSRP 9 so slaba posojila (ang. Non-performing loans – NLPs) opredeljena kot posojila, ki so v fazi 3 in imajo vsaj 90 dni zamujenih plačil obresti ali glavnice. Opredelitve slabih posojil se razlikujejo glede na jurisdikcijo. Kadar čezmerno podaljševanje posojil povzroči krizo, slaba posojila ogrožajo gospodarsko stabilnost in finančni sistem (Bholat idr., 2018, str. 53), vendar je kriza posledica slabega poslovanja in upravljanja s tveganji in ne računovodstva ali poročanja. Organi se na splošno strinjajo, da je takojšnje ugotavljanje pričakovanih izgub v uspešnih časih koristno (Bholat idr., 2018, str. 53). Poleg tega lahko izvajanje MSRP 9 prispeva k razvoju preprostih metod za oblikovanje rezervacij za izgube pri finančnih sredstvih in posojilih. Ne glede na to, ali preučujemo uspešnost poslovanja ali slaba posojila, lahko zaključimo, da so bila posojila v bančnem sektorju temeljito raziskana. Vpliv na vrednost naložb delničarjev je lahko predmet nadaljnjih raziskav predvsem z vidika uspešnosti posojil, razvrščanja v faze in ECL.

4 Zaključek

Splošno dojemanje računovodstva se zaradi MSRP 9 spreminja. Novi standardi, ki so bili uvedeni zaradi finančne krize, temeljijo na načelih in v računovodske podatke vključujejo prihodnje komponente. Uvedbe MSRP 9 ne prinaša dodatnih predpisov na področju izračunov in vrednotenja finančnih instrumentov, zato morajo organizacije svoje metode, poglede in stališča izraziti v notranjih računovodskih usmeritvah.

Z zmanjšanjem precenjenosti dobička in razdelitve lastnikom v obliki dividend ali bonusov, ter z višjim kapitalom za kritje izgub v pogojih slabših gospodarskih razmerah, model ECL vpliva na popravek kreditnega razmika v ugodnih gospodarskih razmerah. Zato je cilj MSRP 9 zadostno, v naprej in hitro pripoznavanje predvidenih oslabitev finančnih instrumentov, kot so posojila in obveznice.

Skupaj z zmanjšanim PD in višjim izračunanim ECL v modelih ECL na fazah 2 in 3 obračunavanje ECL presega napovedane regulativne izgube v času recesije, ko se PD in bonitetne ocene poslabšajo. Okvir ECL kompenzira zmanjšane popravke izgub v obdobju vzpona in precej večje popravke v obdobju gospodarskega upada, kot to izhaja iz nastalih izgub v okviru MRS 39. Prehodno vprašanje COVID-19 je prisililo regulatorje, da so prilagodili svoje predpostavke in ublažili morebitna velika povečanja kreditnega tveganja. Kljub temu lahko razna geopolitična trenja zopet povečajo pritisk na višje ECL.

Za napovedovanje kreditnih izgub se uporabljajo prihodnje projekcije in makroekonomski scenariji, ki se uporabljajo za vnaprej. Zgodnje prepoznavanje kreditnih izgub lahko spodbudi banke k sprejemanju bolj konservativnih in procikličnih metod kreditiranja ter okrepijo spremljanje kreditnega tveganja. Zgodnje in odločno prepoznavanje izgub ima sicer lahko številne prednosti, vendar lahko pomeni tudi, da bodo banke ob začetku recesije imele manjšo zmožnost dajanja posojil, kar lahko poveča resnost krčenja posojilne dejavnosti in vračanja posojil (Abad & Suárez, 2017, str. 39). Witzany (2020, str. 14) predlaga, da organizacije ocenijo korelacije neplačila za izračune po MSRP 9 z uporabo zanesljivejšega in previdnejšega pristopa, odvisnega od bonitetne ocene, s predpostavkami o porazdelitvi »heavy-tail« repa (gre za porazdelitev, pri kateri se rep približuje nič počasneje kot pri porazdelitvah z eksponentnimi repi, porazdelitve imajo običajno veliko odstopanj z zelo visokimi vrednostmi).

MSRP 9 lahko poveča finančno stabilnost in zmanjša prociklično obnašanje v času gospodarskih upadov. Popravki za izgube se upoštevajo ob pripoznanju finančnih sredstev ali posojil, zaradi znatnega povečanja kreditnega tveganja pa ima izračun popravka izgub z 12-mesečnega na vseživljenjski ECL pomemben učinek klifa. Z novimi pojasnili v letnih poročilih organizacij je MSRP 9 povečal tudi preglednost.

Sklepamo lahko, da obračunavanje rezervacij ECL vpliva na vrednost delničarjev, nadomestitveno vrednost finančnih instrumentov ter na izkaz poslovnega izida. Najobsežneje proučevani vidik MSRP 9 je izračun ECL in njegova glavna metrika, PD. Medtem ko gre gospodarstvu dobro, naj bi oslabitve manj vplivale na poslovni izid kot med recesijo, ko je zaradi pomembnega poslabšanja kreditnega tveganja treba za izračun uporabiti vseživljenjski ECL in ne 12-mesečni ECL. Zaradi modela ECL izvajanje MSRP 9 zmanjšuje vrednost za delničarje. Vpliv zamenjave na računovodske izkaze, vrednost delničarjev in zavarovalniško panogo po letu 2023 je treba preučiti v nadaljnjih kvalitativnih ali kvantitativnih raziskavah.

5 Literatura

Abad, J., & Suárez, J. (2017). Assessing the cyclical implications of IFRS 9: A recursive model. European Systemic Risk Board. https://data.europa.eu/doi/10.2849/2685

Adamu, J. A. (2018). IFRS 9 Measurement of Financial Instruments 2018: Jameel’s Non-Normal Brownian Motion Models are Indeed IFRS 9 Complaint Models. Journal of Economics and Management Sciences, 1(1), p92. https://doi.org/10.30560/jems.v1n1p92

Basel Committee on Banking Supervision. (2001). The internal ratings—Based approach (str. 1–102) [Consultative Document]. Bank for International Settlements. https://www.bis.org/publ/bcbsca05.pdf

Beerbaum, D. (2015). Significant Increase in Credit Risk According to IFRS 9: Implications for Financial Institutions. International Journal of Economics & Management Sciences, 04(09). https://doi.org/10.4172/2162-6359.1000287

Benston, G. J., Bromwich, M., & Wagenhofer, A. (2006). Principles-versus rules-based accounting standards: The FASB’s standard setting strategy. Abacus, 42(2), 165–188. http://onlinelibrary.wiley.com/doi/10.1111/j.1467-6281.2006.00196.x/full

Bholat, D., Lastra, R. M., Markose, S. M., Miglionico, A., & Sen, K. (2018). Non-performing loans at the dawn of IFRS 9: Regulatory and accounting treatment of asset quality. Journal of Banking Regulation, 19(1), 33–54. https://doi.org/10.1057/s41261-017-0058-8

Bischof, J., & Daske, H. (2016). Interpreting the European Union’s IFRS Endorsement Criteria: The Case of IFRS 9. Accounting in Europe, 13(2), 129–168. https://doi.org/10.1080/17449480.2016.1210181

Black, B., Levine, G., & Licari, J. M. (2016, junij). Probability-Weighted Outcomes Under IFRS 9 | Moody’s Analytics. https://www.moodysanalytics.com/risk-perspectives-magazine/risk-finance-accounting-converge-ifrs9/spotlight-ifrs-9/probability-weighted-outcomes-under-ifrs-9

Bluhm, C., Overbeck, L., & Wagner, C. (2010). Introduction to Credit Risk Modeling, Second Edition. CRC Press. http://public.eblib.com/choice/publicfullrecord.aspx?p=1633141

Breed, D. G., van Jaarsveld, N., Gerken, C., Verster, T., & Raubenheimer, H. (2021). Development of an Impairment Point in Time Probability of Default Model for Revolving Retail Credit Products: South African Case Study. Risks, 9(11), 208. https://doi.org/10.3390/risks9110208

Carmen, H. M. (2013). Analysis Of The Constituents’ Participation In The Development Of The 1st Phase Of IFRS 9 Financial Instruments. Annals - Economy Series, 1, 209–216. http://ideas.repec.org/a/cbu/jrnlec/y2013v1p209-216.html

Cefis, L. A. (2017). Testing for Convexity Relevance: An IFRS 9 Benchmark Cashflow Test Proposal. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.2969122

Chawla, G., Forest Jr, L. R., & Aguais, S. D. (2016). Point-In-Time (PIT) LGD and EAD Models for IFRS9/CECL and Stress Testing. Journal of Risk Management in Financial Institutions, 9(3). https://www.z-riskengine.com/media/1064/pit-lgd-paper-chawla-forest-aguais-re-submitted-to-journal-v3-for-web.pdf

Delgado-Vaquero, D., Morales-Díaz, J., & Zamora-Ramírez, C. (2020). IFRS 9 Expected Loss: A Model Proposal for Estimating the Probability of Default for non-rated companies. Revista de Contabilidad, 23(2), 180–196. https://doi.org/10.6018/rcsar.370951

Deloitte. (2016). IFRS in Focus, IFRS 9: Financial Instruments – high level summary. Deloitte Touche Tohmatsu Limited. http://www.iasplus.com/en/publications/global/ifrs-in-focus/2016/ifrs-9/at_download/file/IFRS%20in%20Focus%20IFRS%209%20April%202016.pdf

Denyer, D., & Tranfield, D. (2006). Using qualitative research synthesis to build an actionable knowledge base. Management Decision, 44(2), 213–227. https://doi.org/10.1108/00251740610650201

Đurović, A. (2019). Macroeconomic Approach to Point in Time Probability of Default Modeling – IFRS 9 Challenges. Journal of Central Banking Theory and Practice, 8(1), 209–223. https://doi.org/10.2478/jcbtp-2019-0010

Engelmann, B., & Pham, H. (2020). Measuring the Performance of Bank Loans under Basel II/III and IFRS 9/CECL. Risks, 8(3), 93. https://doi.org/10.3390/risks8030093

Gaffney, E., & McCann, F. (2019). The cyclicality in SICR: Mortgage modelling under IFRS 9 (Working Paper 92). ESRB Working Paper Series. https://doi.org/10.2849/658386

Gebhardt, G. (2015). Impairments of Greek government bonds under IAS 39 and IFRS 9: Study for the ECON committee. Directorate-General for Internal Policies, Policy Department A, Economic and Scientific Policy. http://dx.doi.org/10.2861/787665

Ghasmi, H. M. (2016). Deliberative and comparative study of international financial reporting standards IFRS 9. International Journal of Science Research and Technology, 2(2), 23–32. http://www.ijsrt.us/vol2issue2/pdf%205.pdf

Gornjak, M. (2019). Forward-looking approach in the accounting of financial instruments: Case study of Slovenian Pension Company. International Journal of Innovation and Learning, 26(1), 27. https://doi.org/10.1504/IJIL.2019.100513

IASB. (2016). IFRS 9 Financial instruments. International Accounting Standards Board. http://eifrs.ifrs.org/eifrs/bnstandards/en/2016/ifrs09.pdf

Jones, O., & Gatrell, C. (2014). Editorial: The Future of Writing and Reviewing for IJMR. International Journal of Management Reviews, 16(3), 249–264. https://doi.org/10.1111/ijmr.12038

Kund, A.-G., & Rugilo, D. (2023). Does IFRS 9 Increase Banks’ Resilience? SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4376699

Kusano, M., & Sanada, M. (2019). Crisis and organizational change: IASB’s response to the financial crisis. Journal of Accounting & Organizational Change, 15(2), 278–301. https://doi.org/10.1108/JAOC-02-2018-0019

Loew, E., Schmidt, L. E., & Thiel, L. F. (2019). Accounting for Financial Instruments under IFRS 9 – First-Time Application Effects on European Banks’ Balance Sheets. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3462299

Marshall, R. (2015). Adoption of IFRS 9 Financial Instruments (str. 1–85). European Financial Reporting Advisory Group. http://www.efrag.org/Assets/Download?assetUrl=%2Fsites%2Fwebpublishing%2FSiteAssets%2FIFRS_9_DEA_-_May_4_2015_-_final.pdf&AspxAutoDetectCookieSupport=1

Massaro, M., Dumay, J., & Guthrie, J. (2016). On the shoulders of giants: Undertaking a structured literature review in accounting. Accounting, Auditing & Accountability Journal, 29(5), 767–801. https://doi.org/10.1108/AAAJ-01-2015-1939

Mechelli, A., & Cimini, R. (2020). The effect of corporate governance and investor protection environments on the value relevance of new accounting standards: The case of IFRS 9 and IAS 39. Journal of Management and Governance, 1241–1266. https://doi.org/10.1007/s10997-020-09551-9

Novotny-Farkas, Z. (2015, oktober). The Significance of IFRS 9 for Financial Stability and Supervisory Rules. European Union, Policy Department A: Economic and Scientific Policy. http://www.europarl.europa.eu/RegData/etudes/STUD/2015/563461/IPOL_STU(2015)563461_EN.pdf

Novotny-Farkas, Z. (2016). The Interaction of the IFRS 9 Expected Loss Approach with Supervisory Rules and Implications for Financial Stability. Accounting in Europe, 13(2), 197–227. https://doi.org/10.1080/17449480.2016.1210180

Ntaikou, D., Vousinas, G., & Kenourgios, D. (2021). The expected impact of IFRS 9 on the Greek banking system’s financial performance: Theoretical considerations and insights. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3794677

Ortl, A., & Bandelj, A. (2020). Identifikacija procikličnih učinkov MSRP 9: Pregled literature. Banka Slovenije. https://bankaslovenije.blob.core.windows.net/publication-files/identifikacija-prociklicnih-ucinkov-msrp-9-pregled-literature.pdf

Paul, J., & Criado, A. R. (2020). The art of writing literature review: What do we know and what do we need to know? International Business Review, 29(4), 101717. https://doi.org/10.1016/j.ibusrev.2020.101717

Paul, J., Lim, W. M., O’Cass, A., Hao, A. W., & Bresciani, S. (2021). Scientific procedures and rationales for systematic literature reviews (SPAR‐4‐SLR). International Journal of Consumer Studies, 1–16. https://doi.org/10.1111/ijcs.12695

Popescu, M. – M., & Ionescu, B.-S. (2019). IFRS 9 Benchmarking Test: Too Complicated to Worth Doing It? ECONOMIC COMPUTATION AND ECONOMIC CYBERNETICS STUDIES AND RESEARCH, 53(1/2019), 217–230. https://doi.org/10.24818/18423264/53.1.19.14

Pounder, B. (2009). Accounting for financial instruments: Post-crisis changes, Part 1. Strategic Finance, 91(6), 19–22. https://go.gale.com/ps/i.do?p=AONE&sw=w&issn=1524833X&v=2.1&it=r&id=GALE%7CA214540334&sid=googleScholar&linkaccess=abs

Pucci, R., & Skærbæk, P. (2020). The co-performation of financial economics in accounting standard-setting: A study of the translation of the expected credit loss model in IFRS 9. Accounting, Organizations and Society, 81, 101076. https://doi.org/10.1016/j.aos.2019.101076

Rom, A., & Rohde, C. (2007). Management accounting and integrated information systems: A literature review. International Journal of Accounting Information Systems, 8(1), 40–68. https://doi.org/10.1016/j.accinf.2006.12.003

Rugilo, D. (2021). Analysing the growing interplay of accounting and regulatory capital: A state-of-the-art review. SSRN Electronic Journal, 1–47. https://doi.org/10.2139/ssrn.3918335

Sanchidrián, J. P., & García, C. J. R. (2019). Unveiling the expected loss model in IFRS 9 and circular 4/2017. Estabilidad Financiera, 2019(6), 147–164.

Scapens, R. W. (1994). Never mind the gap: Towards an institutional perspective on management accounting practice. Management Accounting Research, 1994(5), 301–321. https://www.academia.edu/7901690/Never_mind_the_gap_towards_an_institutional_perspective_on_management_accounting_practice?auto=download&campaign=weekly_digest

Schutte, W. D., Verster, T., Doody, D., Raubenheimer, H., & Coetzee, P. J. (2020). A proposed benchmark model using a modularised approach to calculate IFRS 9 expected credit loss. Cogent Economics & Finance, 8(1). https://doi.org/10.1080/23322039.2020.1735681

Seitz B., Dinh T., & Rathgeber A. (2018). Understanding loan loss reserves under IFRS 9: A simulation-based approach. Advances in Quantitative Analysis of Finance and Accounting, 16, 311–357. https://doi.org/10.6293/AQAFA.201812_16.0010

Serrano, A. S. (2018). Financial stability consequences of the expected credit loss model in IFRS 9. Revista de Estabilidad Financiera, 34, 81–99.

Sigee, J. (2017). European Banks: IFRS9 – Bigger than Basel IV (Equity Research, str. 36). Barclays Bank PLC.

Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039

Sultanoğlu, B. (2018). Expected credit loss model by IFRS 9 and its early impacts on European and Turkish banking sector. Muhasebe Bilim Dünyası Dergisi. https://doi.org/10.31460/mbdd.422581

Vaněk, T., & Hampel, D. (2017). The Probability of Default Under IFRS 9: Multi-period Estimation and Macroeconomic Forecast. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 65(2), 759–776. https://doi.org/10.11118/actaun201765020759

Venter, E. S. (2016). Probability of default calibration for low default portfolios: Revisiting the Bayesian approach. University of Stellenbosch, Department of Statistics and actuarial science, 1–105. https://www.google.si/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwjBysPtyZ7RAhUeIFAKHb6CDDMQFggaMAA&url=http%3A%2F%2Fscholar.sun.ac.za%2Fbitstream%2Fhandle%2F10019.1%2F98723%2Fventer_probability_2016.pdf%3Fsequence%3D2&usg=AFQjCNGiHuXmO3aLlYQIiY8rbkq0W_DB8A&sig2=IBISd3OKH4B0Df0tKQR64A

Witzany, J. (2020). Stressing of Migration Matrices for IFRS 9 and ICAAP Calculations. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3542398

Yang, B. H. (2017). Point-in-time PD term structure models for multi-period scenario loss projection: Methodologies and implementations for IFRS 9 ECL and CCAR stress testing. Journal of Risk Model Validatio, 11(3), 1–17. https://mpra.ub.uni-muenchen.de/76271/

BREZPLAČNI PREIZKUS

Tax-Fin-Lex d.o.o.
pravno-poslovni portal,
založništvo in
izobraževanja

Tax-Fin-Lex d.o.o.
Železna cesta 18
1000 Ljubljana
Slovenija

T: +386 1 4324 243
E: info@tax-fin-lex.si

CERTIFIKATI IN EU PROJEKTI

 
x - Dialog title
dialog window