ธนาคารต้องการโมเดลที่โปร่งใสที่พวกเขาสามารถเข้าใจและสามารถปกป้องได้ และมีการใช้วิธีการที่น่าเชื่อถือซึ่งผู้มีส่วนร่วมในตลาดให้ความเชื่อถือ
ในปัจจุบัน มาตรฐานการบัญชี IFRS 9 ต้องการให้บริษัทต่าง ๆ ตระหนักถึงการสูญเสียเครดิตในอนาคตที่คาดการณ์ไว้ เพื่อคำนวณประมาณการหนี้สินสำหรับพอร์ตการลงทุน สมุดเงินกู้ และลูกหนี้การค้า การเปลี่ยนแปลงนี้ต้องการการวิเคราะห์การคาดการณ์ในอนาคต การเสนอความท้าทายใหม่ ๆ ในส่วนของความพร้อมใช้งานของข้อมูล การสร้างแบบจำลอง และการรายงาน ธนาคารแห่งหนึ่งในภูมิภาคเอเชียตะวันออกเฉียงใต้มีความจำเป็นต้องปฏิบัติตาม IFRS 9 ภายในปลายปี 2018 และหาวิธีการแก้ไขปัญหาที่เป็นไปได้ที่สามารถใช้งานได้อย่างรวดเร็วและใช้ในการอธิบายเกี่ยวกับการประเมินความเสี่ยงด้านเครดิตต่อหน่วยงานที่กํากับดูแลและผู้สอบบัญชีอย่างน่าเชื่อถือ
จุดอ่อน:
ในการใช้วิธีการ IFRS 9 ธนาคารจำเป็นต้องเปลี่ยนความน่าจะเป็นของการผิดนัดของลูกหนี้ในอดีต (PDs) เป็นความน่าจะเป็นแบบ point-in-time ซึ่งรวมถึงสถานการณ์ด้านเศรษฐศาสตร์มหภาคต่าง ๆ ในฐานะที่เป็นสถาบันการเงินขนาดเล็ก ธนาคารจึงไม่มีทรัพยาการภายในหรือข้อมูลเริ่มต้นที่เพียงพอในการปฏิบัติตามมาตรฐานการรายงานทางการเงินฉบับใหม่นี้ การเตรียมพร้อมสำหรับการปฏิบัติตาม IFRS9 อย่างทันท่วงทีและมีแบบแผนเป็นที่ยอมรับนั้นสำคัญมาก รวมไปถึงการจัดการให้หน่วยงานที่เกี่ยวข้องภายในองค์กรลงมือปฏิบัติตามกระบวนการบริหารและป้องกันความเสี่ยงอีกด้วย
วิธีการแก้ไขปัญหา:
S&P Global Market Intelligence (“Market Intelligence”) ได้หารือกับระดับผู้บริหารจากสถาบันการเงินและธนาคารต่าง ๆเกี่ยวกับขอบข่ายงานที่มีระเบียบวิธีการที่ทั่วโลกยอมรับเพื่อคำนวณความเสี่ยงด้านเครดิตที่ซ่อนอยู่อย่างโปร่งใสและมีประสิทธิภาพ
วิธีการดังกล่าวใช้ Credit Assessment Scorecard ของ Market Intelligence ซึ่งเป็นเครื่องมือที่อิงโปรแกรม MS Excel® และเป็นเครื่องมือที่ใช้ปัจจัยเชิงคุณภาพที่อาจมีขึ้นในอนาคต แนวโน้มต่าง ๆ และความสัมพันธ์ระหว่างปัจจัยที่สำคัญต่าง ๆ ในการได้มาซึ่งคะแนนเครดิต
และคะแนนดังกล่าวแสดงถึงการผิดนัดของลูกหนี้ในอดีต (PD) แบบ through-the-cycle ที่ขึ้นอยู่กับการผิดนัดชำระหนี้ การเปลี่ยนผ่าน และประวัติการกู้คืน¹ ของ S&P Global Rating เป็นระยะเวลาประมาณ 37 ปี
ในการใช้ Scorecard เหล่านี้ มีความเป็นไปได้ที่จะครอบคลุมถึงระดับชั้นของทรัพย์สินที่มีความเสี่ยงในการผิดนัดหนี้ในระดับต่ำในการได้มาซึ่งการประเมินค่าการเปลี่ยนแปลงในคุณภาพของลูกหนี้ของคู่ค้าของธนาคารและการผิดนัดของลูกหนี้ในอดีต (PD) นอกจากนี้ วิธีการนี้ยังทำให้ทีมงานของธนาคารสามารถให้ข้อมูลเชิงคุณภาพตามการตัดสินใจของผู้เชี่ยวชาญซึ่งทำให้ผลลัพธ์มีความเฉพาะเจาะจงและเป็นไปตามรูปแบบของธนาคารและภูมิภาคมากขึ้น
มาตรฐานการรายงานทางการเงินระหว่างประเทศ (IFRS) 9 ต้องการให้บริษัทต่าง ๆ ใช้การผิดนัดของลูกหนี้ในอดีต (PD) ที่อาจเกิดขึ้นในอนาคตในการคำนวณความสูญเสียที่อาจเกิดขึ้น ในกรณีนี้ ธนาคารจำเป็นต้องปรับเปลี่ยนการผิดนัดของลูกหนี้ในอดีต (PD) แบบ through-the-cycle ในระยะยาว ซึ่งทำได้อย่างเรียบง่ายโดยใช้สถานการณ์ด้านเศรษฐศาสตร์มหภาคในการสร้างการผิดนัดของลูกหนี้ในอดีตแบบ point-in-time และแบบ lifetime ซึ่งมีการเปลี่ยนแปลงขึ้นหรือลงนั้นขึ้นอยู่กับวงจรเครดิต ทีมงานของธนาคารใช้ Market Intelligence’s Credit Cycle Projection Overlay ในการทำการปรับเปลี่ยนนี้
วิธีการทั้งหมดเหล่านี้ที่ใช้ Market Intelligence’s Scorecard และ Credit Cycle Projection Overlay ทำให้ธนาคารบรรลุความต้องการสองประการ ซึ่งประการแรกคือการปฏิบัติตามข้อกำหนดเงินกองทุน และประการที่สองคือการปฏิบัติตาม IFRS 9 สำหรับเงินกองทุน PD แบบระยะยาวจะใช้ Scorecard ในการพิจารณาการสำรองที่จำเป็น และในส่วนของ IFRS 9 ขั้นตอนเพิ่มเติมของการปรับรอบเครดิตโดยใช้ Overlay นั้นแสดงให้เห็นผลกระทบที่อาจเกิดขึ้นในด้านความสามารถในการทำกำไรของธนาคารเพื่อให้มีมุมมองในอนาคตเกี่ยวกับความต้องการต่าง ๆ ที่อาจเกิดขึ้น
ผลประโยชน์ที่สำคัญ:
Scorecard คือวิธีการแก้ไขปัญหาอย่าง ‘คิดนอกกรอบ’ ซึ่งสนับสนุนให้ธนาคารปฏิบัติตามวิธีการ IFRS9 ได้อย่างสะดวกและรวดเร็วขึ้น นอกจากนี้ ธนาคารยังได้ประเมินค่าแง่มุมที่สำคัญสามแง่มุมของการแก้ไขปัญหาของ Market Intelligence ซึ่งได้แก่:
- วิธีการที่เกี่ยวข้องและมีประโยชน์ต่อพอร์ตที่มีความเสี่ยงในการผิดนัดหนี้ในระดับต่ำ Scorecard สามารถใช้ได้ในยามที่มีข้อมูลภายในไม่เพียงพอในการสร้างโมเดลเชิงสถิติที่สามารถวัดและตรวจสอบได้
- ความโปร่งใส ทีมงานของธนาคารจำเป็นต้องแสดงให้ผู้มีส่วนได้ส่วนเสียภายใน ผู้ควบคุม และผู้สอบบัญชีเห็นว่าพวกเขามีความเข้าใจในวิธีการประเมินเครดิตเป็นอย่างดี เนื่องจาก Scorecard เป็นเครื่องมือที่อิงโปรแกรม MS Excel® ทีมงานของธนาคารจึงสามารถดูแลและตรวจสอบกระบวนการให้คะแนนเครดิตซึ่งรวมถึงการใช้พารามิเตอร์ น้ำหนัก ฯลฯ ทั้งหมดได้ นอกจากนี้ การพัฒนาโมเดลเชิงลึกและการเก็บรักษาเอกสารที่ได้มาจาก Market Intelligence จะช่วยอธิบายถึงการพัฒนาของ Scorecard การใช้ข้อมูล ข้อจำกัดอื่น ๆ และประสิทธิภาพในการทำงานทั้งหมด
- การสนับสนุนอย่างต่อเนื่อง ทีมงาน Market Intelligence มีการฝึกอบรมในสถานที่จริงเพื่อให้แน่ใจว่าได้มีการถ่ายทอดความรู้เกี่ยวกับวิธีการและการใช้งานต่าง ๆ ฝ่ายสนับสนุนมีการหารือเกี่ยวกับการประยุกต์ใช้ Scorecard กับกรอบการจัดการความเสี่ยงของธนาคารและข้อคำถามต่าง ๆ ที่เกี่ยวข้องกับการปฏิบัติตามมาตรฐานการรายงานทางการเงินระหว่างประเทศ