目前的预计信用损失：从理论到实践

经过Fayyaz Memon那工作约瑟夫 2019年4月|简短| 15分钟阅读|发送电子邮件|下载

“金融稳定不能依赖于识别和先发制人地解除任何潜在危机来源的无关主管;它需要保护，可以帮助系统承受严重风暴的力量，政府可以用来限制损害的工具。“

——蒂莫西·f·盖特纳
前美国财政部长

助跑到CECL

在2000年代初期，监管机构对银行和法规持持穷人，允许银行提供更多。未经检查的贷款和故意无视借款人的支付能力导致2009年的金融危机。它还透露，信贷损失储备的增长并没有与贷款增长的增长保持同步¹（图1）。五年贷款增长CAGR（2002-2007）为9％，亏损储备率为4％。

危机转向贷款表，监管机构严格检查。银行间贷款冻结，以最小或几乎没有消费者贷款活动。与此同时，损失保守的增长立即发布危机。

图1所示。危机前贷款增长超过了损失准备金增长(美国，1993-2006年)

越来越多的投资者开始意识到其损失的方法所固有的风险延迟的信贷损失承认，直到他们满足其招致亏损的可能阈值。投资者批评它是向后看的，限制了机构的记录预计信用损失的能力。²事实上，损失津贴覆盖率在1.15％的20年内最低（图2）。这促使需要更好，更准确的会计标准，以清楚地反映贷款状况。

图2. 2008年金融危机前20年的损失津贴覆盖率最低（U.S.，1986-2018）

金融机构是独特的，有不同的投资组合和不同的风险偏好。为了克服这些差异，并加强金融体系，监管机构必须确保所有机构承认并报告准确的信贷损失预测。

财务会计准则委员会（FASB）提出了会计准则更新金融工具 - 信用损失，以及对贷款和租赁损失的津贴的影响，介绍了CECL方法，用于估算信贷损失的津贴，以解决当前的弱点发生损失方法。CECL预计银行将在历史上使用历史数据驱动的信贷计算方法，并在适当的情况下应用统计建模技术。该模型希望在会计和经济学之间建立明确，因果关系，并进一步加强宏观经济变量，危险因素和信用损失。

关闭旧标准的漏洞

CECL将取代目前产生的损失标准FAS-5和FAS-114，并使机构能够使用预期损失方法计算损失。该标准为企业如何衡量按摊销成本持有的金融资产的信贷损失提供了指导。CECL对预期信贷损失的衡量包括有关过去事件和经验、当前状况以及影响报告金额可回收性的合理和可支持的预测的相关信息。

信贷损失估计方法是当前损伤模型的重大变化。与当前的反应性，损耗计算相比，CECL是主动的。

FASB表示，新标准将改善财务报告，因为它要求更及时地记录信贷损失。

CECL下信用损失估计

该标准预计银行帐户，从开始的金融工具损失，直到仪器的估计寿命或“贷款的生命” - 以摊余成本的贷款，预计可收回金额之间的差额。然而，FASB只提供指导，并给出机构使用任何的以下方法来估计信用损失，根据其投资组合的规模和复杂程度的灵活性。这些方法包括：

1. 卷率：信用损失是基于历史卷率（从一个犯罪斗迁移到另一个），对投资组合进行计算。
2. 复古分析：该系列产品是基于始发年龄分组。将来的损失估计上的平均历史损失的背面，与调整宏观经济前景基于定性（Q）的因素。
3. 损失率：在投资组合段中创建不同的池。根据池的平均历史损失估计未来的损失。
4. 默认值：使用默认概率（PD）和给定默认（LGD）的丢失来计算默认速率，用于静态池或每个帐户的预期信用损失（ECL）。
5. 现金流折现：预期未来净现金流量的本值用于计算损失。此方法应用于帐户级别。

图3.根据增加复杂性的顺序评估CECL方法

实现CECL的步骤

1. CECL标准解释

在原始水平上预测损失-按业务活动细分。如果有必要或由于方法需求，可以深入到产品级别。

2. 数据管理

最困难的部分是识别或源自投资组合或产品水平的历史数据 - 起点所需的原材料。数据分析师花费数小时寻求了解产品的历史行为并进行比较分析，以适当的方法为每个投资组合到达。

3. 分段和方法选择

根据指定的方法结合宏观经济数据建立模型。挑战包括根据每个机构的经济部门的指导建立宏观经济数据仓库和可用性。

4. 模型构建

在三到10年的地平线上，历史数据在设定模型的验证音调方面发挥着关键作用。追踪源数据的有效性至关重要，因为它决定损失预测数据和分区的相关性，具体取决于政策或趋势变化。

5. 数据、方法和模型验证

检查包括数据、假设、方法和性能测试，以确保模型是合适的。

6. 披露和报告

对模型进行至少四分之一的计算、应用程序集成和报告模板测试。这将有助于为管理层提供一个清晰的视角。通过使用人工智能(AI)和机器学习(ML)，可以发现验证的改进，这是一个使用自动模型重新校准技术的持续过程。

7. 整合治理和监测

在上线后，银行可以看出战略集成的CECL流程，具有类似的监管评估，包括综合资本分析和审查（CCAR），Dodd-Frank年压力测试（DFast）和巴塞尔风险加权资产（RWA）。这将在数​​据采购，模型审查和和解中创建协同作用。

图4.七步CECL执行计划

即将到来的CECL重点领域

还有不到一年的时间去（公共业务实体是SEC申报者必须采取有效CECL 2019年12月15日），银行早已进入他们的CECL实施的旅程。^3.大多数调查表明，大多数是标准解释和数据供应的最终阶段。在接下来的几个季度，银行将专注于以下领域：

图5. CECL实现对焦区域

CECL实施挑战

大银行可以减轻挑战在实施CECL，其预测类似于IFRS 9贷款损失，但他们仍然面临以下担忧：

数据限制

随着银行没有完全遵守BCBS239（巴塞尔银行监管委员会），适当的数据控制和治理，仍然存在与历史数据有关的担忧。银行业的主要问题包括：

• 具有非标准数据模型的多个维修系统。
• 兼并和收购的投资组合（例子包括ING Direct银行，美国的金融公司收购，而PNC金融服务收购RBC银行，USA）以及它们对数据的影响。
• 缺乏粒度行为数据（例如，预付历史）。
• 由于系统升级，历史数据可用性有限。
• 缺乏新产品的历史数据。

基于具有数据限制的资产负债表组合的复杂性和重要性，银行要么使用外部模型，要么使用为具有类似风险行为的组合创建的重用模型。

方法选择

为投资组合选择CECL方法的重要考虑因素包括:

图6.有效CECL方法的特征

大银行有望测试所有五种方法（图3），他们的一些实质性的重要职务，并执行最适当的方法。对于不太显著组合，他们可以用更简单的方法。中型银行预计最初选择不太复杂的模型（维持错误的低风险），并移动到复杂的模型，随着时间的推移。

技术资源的可用性

CECL模型开发需要资源进行数据分析和模型建设体验。银行一般有一个小型模型开发团队，并面临技能缺陷。预计将在接下来的几个月内与风险领域和分析专业知识一起升起他们的团队，直到CECL Live，“跑步银行”接管。

技术与基础设施

许多银行对技术进行了投资，思想提供了大部分监管报告的计算性 - 巴塞尔，CCAR，DFST和内压试验。由于历史数据量和IT所需的计算功率，预计将在季度执行CECL模型的执行。因此，在未来几个月内，银行预计将投资基础设施。

方法验证

许多银行在流程结束时进行模型和方法验证;然而，验证必须与模型构建并行运行。这限制了数据和假设的限制，并及早确定了方法。由于CECL的概念(包括贷款的行为寿命、最可能的情景、合理的可支持预测)需要解释，早期验证有助于识别和证明正确的方法。这使数据收集和模型文档过程标准化，并为集成奠定了基础。

在执行之外取得成功

CECL实施将可能导致符合标准的日期后，以下挑战：

资本和盈利能力的影响

CECL预计最初将增加银行业的信贷损失储备金500亿美元，^4.虽然根据货币的核经理办公室，但银行的信贷损失储备可能上涨30％至50％。^5.

银行必须提前允许额外的损失储备，以减少对盈利能力和资本的可能影响。或者，可以减少贷款，导致流动性危机和信贷紧缩。

评级机构惠誉表示，在短期内，个人银行的信誉及其潜在的贷款将“保持不变”，而在长期内，评级将取决于每家银行如何应对会计要求。^6.

虽然银行在实施CECL方面面临重大问题，但他们可以选择逐步淘汰拟议变化的不利影响。^7.

商业冲击

作为CECL可能导致某些账户或投资组合的信贷损失激增，企业单位必须在资产借贷策略，其中的影响是最高的重新审视。例如，具有更长的男高音组合可以以更高的信贷损失会受到影响由于较高的不确定性。这可能会导致更改始发组合，定价，男高音，抵押或缓释和对银行的整体风险偏好导致的信贷风险政策调整的影响。

必须访问强大，用户友好的分析工具（包括Hyperion OLAP Cube，Tableau，SAS Visual Analytics），以便分析和识别有助于更高信用损失的资产资产或资产池。由于CECL下的信贷亏损可能每季度波动，企业单位需要解释波动的原因。

业务照旧(BAU)和自动化

在CECL下为监管提交定义一个BAU流程是很重要的，因为信贷损失预测在监管提交之前要经过多个级别的批准。这需要财务(财务、资产/负债管理)和风险团队共同工作。

机器人过程自动化可以自动执行手动进程和工作流程，如下：

• CECL津贴的批准工作流程。
• 分离工具或功能，用于管理覆盖和调整，以获得更好的可审核性。
• 上游和下游系统之间的数据传输和报告生成。

商务自助服务

随着内部和宏观经济条件的变化，需要定期对模型进行校准。进一步的风险因素可能被定义为业务用户从前端和用户界面的角度访问和修改参数，而不是依赖技术团队进行这些更改。

模型回顾和校准中的机器学习

模型评论传统上是手动过程。银行现在希望采用机器学习算法来自学和校准模型。

当数据被创建，机器学习将有助于找出无关变量或建议添加变量模型方程式的一部分。

这可以基于对变量（P值、r平方和相关性）的统计分析，并建议更改模型中使用的变量。这将提高信用损失数字的准确性，而不是重新开发模型。

模型和假设的一致性

CECL计算考虑调整为提前偿还后未来平衡预测预期损​​失直至贷款的估计寿命。许多参数是由银行内部不同的部门使用。它的一致性，使使同一计算逻辑和假设，可以跨部门使用是很重要的。

实现CECL的承诺

CECL是从银行当前如何计算信用损失的根本性转变，涉及遵守显著努力。

它不应该只视为战术目标，而是作为一个持续的战略旅程。

随着时间的推移，银行希望在生成共享基础设施，数据和工具相关规定内的协同增效。他们也将越来越多地采用自动化的工作流程和手动流程，减少周转时间和（2）的机器学习技术，不断提高损失的计算方法（1）RPA。

银行有一个清晰的愿景和路线图，其目标最终状态是很重要的。这种未来的准备方法与操作严谨相结合，将帮助银行降低风险，并采取的商业机会，CECL提供了充分利用。

参考

1. 贷款损失准备金，会计约束和银行股权结构，”第4页和31，里士满，2011年11月的联邦储备银行，
2. 贷款损失准备金，会计约束和银行股权结构，”第3页，里士满，2011年11月的联邦储备银行，
3. 目前的预期信用损失（CECL）：基准调查，“全球信用数据，2019年，
4. 更新：惠誉为银行，初始评级前景，“惠誉评级，2019年1月24日，提供潜在的CECL影响。
5. 2013年9月16日，《美国国际会计师公会(AICPA)银行会议前美国货币监理署署长托马斯·j·库里的讲话》
6. 更新：惠誉为银行，初始评级前景，“惠誉评级，2019年1月24日，提供潜在的CECL影响。
7. 实施和过渡当前预期的信贷损失方法，用于监管资本规则的津贴和相关调整，并符合其他法规的修正，OCC，2018年12月21日