Рекомендации Р-Х/2021- ОК Связь/Финсектор «Методика определения параметров ожидаемых кредитных убытков»

ФОНД «НАЦИОНАЛЬНЫЙ НЕГОСУДАРСТВЕННЫЙ

РЕГУЛЯТОР  БУХГАЛТЕРСКОГО  УЧЕТА

«БУХГАЛТЕРСКИЙ МЕТОДОЛОГИЧЕСКИЙ ЦЕНТР»

(ФОНД «НРБУ «БМЦ»)

 

ПРОЕКТ

На заседание ОК Связь/ОК Финсектор 2021-06-24

 

 

РЕКОМЕНДАЦИЯ Р-Х/2021-ОК СВЯЗЬ/ФИНСЕКТОР 

«МЕТОДИКА ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ОЖИДАЕМЫХ КРЕДИТНЫХ УБЫТКОВ»

(подготовлено ПАО «Ростелеком»)

 

1.   ОБЩИЕ ПОЛОЖЕНИЯ 

Сфера применения МСФО 9

С 1 января 2018 года на смену МСФО 39 «Финансовые инструменты: признание и оценка» вступил в силу МСФО 9 «Финансовые инструменты». МСФО 9 предусматривает замену модели понесенных убытков, используемой в МСФО (IAS) 39 на модель ожидаемых убытков. 

Новая модель применяется к долговым финансовым активам только двух категорий:

• учитываемых по амортизированной стоимости;
• учитываемых по FVOCI.

     К такого рода финансовым активам относятся кредиты, торговая дебиторская задолженность и долговые ценные бумаги.

Кроме того, модель ожидаемых убытков применяется к следующим финансовым инструментам:

• дебиторская задолженность по аренде, относящаяся к сфере применения МСФО (IAS 17) «Аренда»;
• активы по договорам с клиентами, относящиеся к сфере применения МСФО (IFRS) 15 «Выручка»;
• обязательства по договорам финансовой гарантии, относящиеся к сфере применения МСФО 9 и не оцениваемые по FVTPL;
• принятые обязательства по предоставлению займов, не оцениваемые по FVTPL. 

Модель ожидаемых убытков предусматривает подход двойной оценки, согласно которому величина оценочного резерва под убытки оценивается:

- либо в размере ожидаемых кредитных убытков в пределах 12 месяцев:

- либо в размере ожидаемых кредитных убытков на протяжении всего срока действия финансового актива.

База оценки зависит от того, имело ли место значительное повышение кредитного риска с момента первоначального признания финансового актива.

Для торговой дебиторской задолженности предусмотрен упрощенный подход, основанный на признании резерва равного величине ожидаемых кредитных убытков на протяжении всего срока действия финансового актива.

 

Период оценки ожидаемых кредитных убытков  

При первоначальном признании финансового актива Компания создает резерв под возможные кредитные убытки, рассматривая период, равный 12 месяцам (или менее при сроке требования менее года).

По состоянию на каждую отчетную дату необходимо проведение анализа изменения кредитного риска по каждому финансовому активу с момента его первоначального признания.

В случае, если кредитный риск по финансовому активу значительно увеличился, необходимо создание оценочного резерва под возможные кредитные убытки в сумме, равной ожидаемым кредитным убыткам за весь срок действия финансового актива.

В случае, если по состоянию на отчетную дату значительное увеличение кредитного риска по финансовому активу отсутствует, Компания признает оценочный резерв под ожидаемые убытки в сумме, равной 12-месячным ожидаемым кредитным убыткам (или менее при сроке требования менее года).

 

Подход к определению значительного увеличения кредитного риска  

При проведении анализа значительного увеличения кредитного риска Компания должна ориентироваться на изменение риска наступления дефолта на протяжении ожидаемого срока действия финансового актива.

Для проведения такого рода анализа, Компания сравнивает риск наступления дефолта по финансовому активу по состоянию на отчетную дату с риском его наступления на дату первоначального признания. При этом Компания проводит анализ обоснованной, приемлемой и подтверждаемой информации о прошлых событиях, текущих условиях и прогнозируемых будущих экономических условиях, доступная без чрезмерных затрат и/или усилий на отчетную дату.

Компания вправе использовать допущение, что кредитный риск по финансовому активу не увеличился значительно с момента первоначального признания, если было определено, что финансовый инструмент имеет низкий кредитный риск по состоянию на отчетную дату.

Если по определенному финансовому инструменту учет при первоначальном признании сразу идет на весь срок жизни данного инструмента, то критерии значительного увеличения кредитного риска не изменяет принцип расчета.

МСФО 9 не имеет формального определения понятия «значительное повышение кредитного риска», в связи с чем Компания решает вопрос об определении этого понятия в контексте конкретных видов, имеющихся у Компании финансовых активов.

 

Принципы и подходы, используемые при формировании резервов 

Для оценки ожидаемых кредитных убытков Компания применяет следующие модели оценки компонентов кредитного риска:

• модели оценки вероятности дефолта (PD);
• модели оценки уровня убытков при дефолте (LGD);
• модели оценки суммы требований при дефолте (EAD).

Модели оценки компонентов кредитного риска включают в себя прогнозные данные о будущих экономических условиях. Данная информация используется на уровне отдельных компонентов кредитного риска.

Для выбора наиболее подходящих моделей оценки компонентов кредитного риска Компания группирует финансовые активы по следующим схожим характеристикам:

• вид финансового актива;
• тип контрагента;
• степень кредитного риска.

Расчет резервов по финансовым активам предусматривает выполнение следующих этапов:

• определение наличия критериев дефолта;
• определение наличия критериев значительного увеличения кредитного риска;
• оценка ожидаемых кредитных убытков и расчет резервов в соответствии с формулой для стадии, в которую был определен финансовый инструмент.

 

Сегментация финансовых инструментов 

Для целей расчёта ОКУ согласно принципам МСФО (IFRS) 9 используется следующая сегментация финансовых инструментов портфеля B2B по типам контрагентов:

• сегмент банков и страховых компаний (финансовые компании B2B);
• сегмент крупных и средних компаний, не относящихся к банкам и страховым компаниям (с размером активов или выручки более 800 млн рублей по отчетности);
• сегмент малых и микро компаний, не относящихся к банкам и страховым компаниям (с размером активов и выручки менее 800 млн рублей по отчетности);
• клиенты B2B без финансовой отчётности.

К каждому сегменту применяется подход по оценке компонентов ОКУ:

• Дебиторская задолженность:
• Финансовая аренда
• Финансовая дебиторская задолженность;
• Финансовые требования по проданному в рассрочку оборудованию

Ввиду того обстоятельства, что вся задолженность корпоративных заемщиков в Компании привязана к индивидуальному налоговому номеру (ИНН) с возможностью также по отдельным заемщикам учитывать КПП ДЗО/филиала, то расчет компонент риска проводится с учетом данной группировки.

 

2.   РАСПРЕДЕЛЕНИЕ ФИНАНСОВЫХ АКТИВОВ ПО СТАДИЯМ

На каждую дату оценки ОКУ Компания определяет наличие критериев обесценения и признаков существенного увеличения кредитного риска по финансовым инструментам по сравнению с датой первоначального признания.

Для целей определения стадий кредитного качества в соответствии с МСФО 9 Компания рассматривает события дефолта равнозначными событиям обесценения[1]. При обнаружении критериев существенного увеличения кредитного риска финансовый инструмент относится к Стадии 2, а ожидаемые убытки по нему оцениваются на горизонте всего срока жизни актива. При наступлении события дефолта финансовый инструмент перемещается в Стадию 3.

В случае, если актив не относится по критериям (см ниже) к Стадии 2 или Стадии 3, он учитывается в составе активов, находящихся в Стадии 1.

В случае если по одному из обязательств контрагента наблюдаются признаки Дефолта, то все требования Компании к данному контрагенту объединяются в единую сумму и признаются дефолтными (принцип Дефолта контрагента).

Процесс определения наличия признаков существенного увеличения кредитного риска многофакторный и в соответствии с требованиями МСФО 9 включает 2 основных типа анализа:

• Количественные критерии (изменение вероятности наступления дефолта/ ухудшение внутреннего рейтинга)
• Качественные факторы / триггеры. 

Клиенты Компании, у которых имеется существенная дебиторская задолженность свыше одного года и по которым наблюдается ухудшение кредитного рейтинга по условиям, указанным в таблице ниже, переходят к оценке ОКУ по Стадии 2.

 

Таблица «Условия перехода клиента в Стадию 2».

Внешний рейтинг или его эквивалент (на дату первоначального признания)	Значение PD	D Пороговое значение (количество ступеней/ снижения рейтинга)	Значение рейтинга, свидетельствующее о переходе во 2 стадию (на дату оценки ОКУ)
AAA	0,00%	> 3	Aa3 и ниже
Aa1	0,01%	> 3	A1 и ниже
Aa2	0,01%	> 3	A2 и ниже
Aa3	0,01%	> 3	A3 и ниже
A1	0,02%	> 3	Baa1 и ниже
A2	0,05%	> 3	Baa2 и ниже
A3	0,06%	> 3	Baa3 и ниже
Baa1	0,14%	> 3	Ba1 и ниже
Baa2	0,18%	> 3	Ba2 и ниже
Baa3	0,26%	> 3	Ba3 и ниже
Ba1	0,47%	> 2	Ba3 и ниже
Ba2	0,77%	> 2	B1 и ниже
Ba3	1,47%	> 2	B2 и ниже
B1	2,16%	> 1	B2 и ниже
B2	3,21%	> 1	B3 и ниже
B3	4,32%	> 1	Саа1 и ниже
Саа1	5,16%	> 1	Саа2 и ниже
Саа2	10,84%	> 1	Саа3 и ниже
Саа3	20,45%	> 1	Сa-C и ниже

 

На каждую дату оценки ОКУ Компания проводит анализ имеющихся финансовых инструментов на предмет наличия признаков увеличения кредитного риска с последующим распределением активов по 3-м стадиям обесценения.

Для торговой дебиторской задолженности предусмотрен упрощенный подход, основанный на признании резерва равного величине ожидаемых кредитных убытков на протяжении всего срока действия финансового актива. Согласно данному подходу возможен учет данных требований на двух стадиях 2 и 3 (обесценение, дефолт)

 

Приобретенные или созданные кредитно-обесцененные финансовые активы (POCI-активы).  

В категорию приобретённые или созданные кредитно-обесцененные (POCI) финансовые активы классифицируются:

1. Активы, имеющие критерии обесценения на момент выдачи или приобретения;
2. Модифицированные кредиты, по которым прекратилось признание «старого» актива и был выдан «новый», в случае если на момент прекращения признания актив находился в 3 стадии;

 

Расчет ожидаемых кредитных убытков для Стадии 1  

Финансовые активы, по которым на отчетную дату отсутствуют признаки увеличения кредитного риска или дефолта, рассматриваются Группой как имеющие низкий уровень Кредитного риска и относятся к Стадии 1.

Ожидаемые кредитные убытки по финансовым активам, находящимся в Стадии 1, определяются согласно следующей формуле:

где:

ECL12m	ожидаемые кредитные убытки в течение следующих 12 месяцев;
EAD12m	сумма требований при дефолте;
PD12m	вероятность дефолта контрагента в течение следующих 12 месяцев;
LGD12m	уровень финансовых убытков при дефолте;

В случае, если срок жизни финансового инструмента меньше 12 месяцев, ECL рассчитывается на весь срок жизни данного инструмента. При расчете ECL на 12 месяцев фактор дисконтирования можно не учитывать, если эффект является нематериальным.

Если для определения показателей EAD и LGD на 12 месяцев информация не доступна без чрезмерных затрат и усилий, то в качестве упрощения практического характера Компания использует показатели EAD и LGD на весь срок жизни финансового инструмента.   

Расчет вероятности дефолта, уровня убытков при дефолте, суммы требования при дефолте, используемых в расчете резервов по финансовым активам в Стадии 1, производится путем применения моделей оценки компонентов кредитного риска (PD, LGD, EAD).

 

Расчет ожидаемых кредитных убытков для Стадии 2  

Финансовые активы, по которым на отчетную дату наблюдается значительное увеличения кредитного риска и/или по которым принято рассчитывать на весь срок требования с момента первоначального признания, но отсутствует наличие критериев дефолта, относятся к Стадии 2.

Ожидаемые кредитные убытки по Финансовым активам, находящимся в Стадии 2, определяются согласно следующей формуле:

 

где:

ECL	ожидаемые кредитные убытки на весь срок;
PDt	вероятность дефолта в периоде t (годовой);
LGDt	уровень финансовых убытков при дефолте на период с t до t+1;
EAD	сумма требований при дефолте на период с t до t+1;

В качестве упрощения практического характера, по финансовым активам, срока действия финансового инструмента по которому менее года, Компания использует в расчете ECL корректировку вероятности дефолта PD на данный срок линейным способом.

 

Расчет ожидаемых кредитных убытков для Стадии 3  

Финансовые активы, по которым на отчетную дату наблюдаются критерии дефолта, должны быть отнесены к Стадии 3.

Ожидаемые кредитные убытки по финансовым активам, находящимся в Стадии 3, определяются согласно следующей формуле:

 

где:

PD	для Стадии 3 равен 100%;
ECL	ожидаемые кредитные убытки
EAD	сумма требований при дефолте
LGD	уровень финансовых убытков при дефолте

 

3.   РАСЧЕТ ОЖИДАЕМЫХ КРЕДИТНЫХ УБЫТКОВ (ОКУ)

3.1.   Сегментация портфеля в целях расчета ОКУ

В целях оценки резервов под ожидаемые кредитные убытки по портфелю дебиторской задолженности B2B было произведено сегментирование следующим образом:

• сегмент банков и страховых компаний (финансовые компании B2B);
• сегмент крупных и средних компаний, не относящихся к банкам и страховым компаниям (с размером активов или выручки более 800 млн рублей по отчетности);
• сегмент малых и микро компаний, не относящихся к банкам и страховым компаниям (с размером активов и выручки менее 800 млн рублей по отчетности);
• клиенты B2B без финансовой отчётности.

 

3.2. Определение дефолта на уровне клиента

Для определения дефолта по всей задолженности клиента проводится агрегирование задолженности по всем лицевым счетам клиента в корзины «90+ дней просрочки» и «<90 дней просрочки». Признание дефолта по всем долгам на уровне клиента происходит при выполнении одного из следующих условий:

• Доля задолженности в корзине «90+ дней просрочки» составляет более 20% от общей задолженности клиента;
• Наличие подтверждённой информации о том, что клиент является банкротом или не будет выплачивать свои долги[2].

 

3.3.    Общий подход к оценке ожидаемых кредитных убытков по портфелю B2B

Для расчёта ожидаемых кредитных убытков по дебиторской задолженности для клиентов сегмента B2B предполагается оценка следующих компонентов кредитного риска:

• Вероятность дефолта клиента (PD);
• Уровень потерь при дефолте клиента (LGD);
• Величина кредитного требования (EAD)

Расчётная вероятность дефолта клиента, умноженная на уровень потерь при дефолте, в данной методологии будет называться индивидуальной нормой резервирования клиента.

Резерв под ожидаемые кредитные убытки для каждого клиента будет оцениваться как произведение нормы резервирования на величину кредитного требования, с суммированием по всем кредитным требованиям клиента.

При расчёте ОКУ по дебиторской задолженности данной методологией предполагается разделение клиентов на 3 стадии (в соответствии с разделом 5 данной методологии).

Для расчёта вероятности дефолта клиента предусматривается два варианта оценки:

• Индивидуальная оценка PD. Данной оценке подлежат все клиенты не в дефолте, для которых имеется финансовая отчётность, на базе которой будет оцениваться вероятность входа в дефолт в течение года после отчётной даты с помощью статистических моделей.
• Коллективная оценка PD. Данной оценке подлежат все клиенты в состоянии дефолта на отчётную дату, а также клиенты, не имеющие финансовой отчётности. Клиенты в состоянии дефолта будут оцениваться по 100% PD, а клиенты без финансовой отчётности будут оцениваться коллективно по средней портфельной вероятности дефолта, либо по матрицам миграции, разработанным для корпоративного сегмента B2B без отчётности.

 

3.4.    Расчет вероятности дефолта (PD) для сегмента B2B

Все клиенты B2B подлежат индивидуальной оценке вероятности дефолта, при условии наличия данных финансовой отчётности в источниках данных СПАРК. Вероятность дефолта клиента будет оцениваться индивидуально по статистической модели логистической регрессии, получаемой на основе выборок – представлений, сформированных на источниках данных Ростелеком. Клиенты, которые не имеют финансовой отчётности и не могут получить индивидуальную оценку, подлежат оценке PD коллективно по средней оценке по портфелю или по матрицам миграции для клиентов корпоративного сектора без отчётности.

Индивидуальная норма резервирования клиента состоит из:

• Финансового блока, общего для всех КПП (филиалов) одного ИНН;
• Нефинансовых факторов (качественные характеристики клиента, такие как размер компании, число сотрудников и др.), общего для всех КПП одного ИНН;
• Аппликативных факторов (показатели, не связанные с отчетностью кампании и её обслуживанием ДЗ, такие как количество контрактов, срок жизни клиента и др), отдельного для каждого КПП;
• Поведенческого блока (данные обслуживания ДЗ), оцениваемого для каждого ИНН + КПП;
• Макро-корректировки PD;
• Показателей мониторингового листа, анализируемого отдельно для каждого ИНН + КПП;
• Обоснованных ручных корректировок рейтинга ответственными сотрудниками профильного подразделения;
• Уровень потерь при дефолте (LGD), оцениваемый в разрезе ИНН и КПП, и применяемый ко всем клиентам рассматриваемого сегмента.

Отдельным клиентом считается связка ИНН и КПП клиента, таким образом, разные КПП одного ИНН будут считаться разными клиентами, что позволит более правильно агрегировать данные обслуживания ДЗ на разные филиалы. Финансовый рейтинг каждого клиента будет рассчитываться на основе финансовой отчётности, присваиваемой из представлений СПАРК по ИНН. Данный пункт обусловлен отсутствием отчетности отдельно по каждому КПП, так как каждая компания в подавляющем большинстве случаев сдаёт одну групповую отчетность в одном налоговом органе.

После получения вероятности дефолта (PD) производится маппинг на корпоративную рейтинговую шкалу (Приложение 2 данной методологии). Далее предполагается анализ информации по мониторинговому листу (watch list), в результате которого производится корректировка (notching override) рейтинга на соответствующее число ступеней вверх или вниз и присвоение итоговой вероятности дефолта. Все описанные шаги производятся автоматизировано. На последнем этапе предполагается проведение обоснованных ручных корректировок кредитных рейтингов крупнейших дебиторов ответственными сотрудниками профильного подразделения и согласование финальных ставок PD.

Уровень потерь при дефолте (LGD) рассчитывается как процент возмещений от суммы, вошедшей в дефолт, и также производится на уровне разбиения ИНН плюс КПП клиента.

Таким образом, расчёт вероятности дефолта производится в несколько этапов:

1. Применение модели регрессии, оценённой для данного сегмента клиентов B2B, и получение модельных оценок PD;
2. Макро-корректировка оценки PD;
3. Маппинг полученной оценки на корпоративную рейтинговую шкалу;
4. Учёт показателей мониторингового листа (см. пункт 6.4.4) и корректировка кредитного рейтинга по шкале;
5. Ручные корректировки рейтингов ответственными сотрудниками Компании и согласование финальных PD оценок.

Подробная методология PD и отчёты о разработке моделей см. в приложении № 3.

 

3.5. Скоринговые модели PD для клиентов B2B

3.5.1.   Модели индивидуальной оценки. 

В связи с принятой сегментацией портфеля B2B, оцениваются и используются три статистические индивидуальные модели PD:

1. Для банков и страховых компаний (b2b_fincompanies_pd_model);
2. Для крупных и средних компаний, не относящихся к банкам и страховым компаниям (b2b_others_large_pd_model);
3. Для малых и микро компаний, не относящихся к банкам и страховым компаниям (b2b_others_small_pd_model).

Каждая из указанных скоринговых PD моделей для B2B оценивается на нескольких группах показателей:

• Финансовый блок – показатели, рассчитываемые на данных финансовой отчетности организации, которой принадлежит ИНН.
• Поведенческий блок – показатели, характеризующие платёжную дисциплину и платёжные показатели клиента как в текущем месяце, так и в течение года до даты среза.
• Блок аппликативных и качественных показателей – различные характеристики клиента, не связанные с платежами и финансовыми индикаторами.

Все показатели проходили этап отбора на основе анализа количества пропущенных значений, значений однофакторного Gini и IV.

Сначала модель PD оценивается только на показателях финансовой отчётности и на выходе получается первая спецификация модели. Получаемый рейтинг  каждого наблюдения, наряду с остальными факторами, далее служит объясняющей переменной для финальной модели. По выборке данных строилась двухэтапная модель логистической регрессии по функциональной форме:

 

F1, …, Fn – факторы финансового блока, полученные после этапов обработки данных и однофакторного анализа,

α1, …, αn – веса финансовых факторов,

Š – финансовый рейтинг;

Š – финансовый рейтинг,

β1 – вес финансового рейтинга,

X1, … Xn – нефинансовые факторы,

β2, …, βn+1 – веса нефинансовых факторов.

Описанный методологический подход позволяет получить в итоговой модели больший вес для блока финансовых показателей и более точную оценку с меньшей стандартной ошибкой для блока финансовых показателей. Также это помогает сократить количество регрессоров в оценке итоговой модели.

Итак, на первом шаге модель оценивается только на константе и факторах финансового блока, прошедших этап однофакторного анализа. На финансовой отчетности клиентов за 2018 и 2017 год, и на данных витрины на дату среза 2019-01-31 получены следующие спецификации моделей для клиентов B2B:

1. Для банков и страховых организаций.

Таблица «Результат модели финансового рейтинга (Step 1)»

Фактор	Описание фактора	Вес фактора
const	constant	-2.0821
F4	Margin / total assets (финансовая маржа к активам)	-3.3736
F8	D / A ratio (обязательства к активам)	0.3866
F10	Retained earnings / total assets (нераспределенная прибыль к активам)	-0.8752

 

Таблица «Результат b2b_fincompanies_pd модели (Step 2)» 

Фактор	Описание фактора	Вес фактора
const	Константа	1.2751
financial_rating	финансовый рейтинг из модели Step 1	-0.5399
log_lifetime	срок жизни клиента (дни) в лог-форме	-0.3838
pay_count_all	общее количество оплат от клиента за прошедший месяц	-0.0233
debt_bad_ind_max_prev_year	1, если были просрочки платежа за прошлый год, 0, если не было	1.1435
debt_bad_count_total_prev_year	общее количество просрочек платежей на прошлый год	0.0045
debt_bad_ind_total_prev_year	количество месяцев за прошедший год, когда у клиента была ПДЗ	0.0696

Финансовый рейтинг компании по отчетности из первой модели, срок жизни, количество платежей влияют на PD отрицательно; общее количество просрочек за прошлый год и количество месяцев, в которых у клиента была ПДЗ, влияют на PD положительно.

 

2. Для крупных и средних клиентов, не относящихся к банкам и страховым компаниям.

Таблица «Результат модели финансового рейтинга (Step 1)»

Фактор	Описание фактора	Вес фактора
const	constant	-2.5446
F7	Total costs margin (прибыль до налогообложения к издержкам)	-0.5100
F17	Operating profit / total assets (операционная прибыль к активам)	-0.8058
F19	Net profit / noncurrent assets (чистая прибыль к внеоборотным средствам)	-0.0417
F48	Retained earnings / total assets (нераспределенная прибыль к активам)	-0.3287

 

Таблица «Результат b2b_others_large_pd модели (Step 2)»

Фактор	Описание фактора	Вес фактора
const	Константа	1.1128
financial_rating	финансовый рейтинг из модели Step 1	-0.7168
id_construction	1, если строительная компания, 0, если иначе	0.5623
id_industrial	1, если производственная компания, 0, если иначе	-0.2162
log_lifetime	срок жизни клиента (дни) в лог-форме	-0.3221
crm_all_count_orev_year	общее количество обращений от клиента за последний год	-0.0089
debt_bad_count_total_prev_year	общее количество просрочек платежей на прошлый год	0.0016
debt_bad_ind_total_prev_year	количество месяцев за прошедший год, когда у клиента была ПДЗ	0.2676

 

3. Для малых и микро клиентов, не относящихся к банкам и страховым компаниям.

Таблица «Результат модели финансового рейтинга (Step 1)»

Фактор	Описание фактора	Вес фактора
const	constant	-3.1456
F18	Net profit / fixed assets (чистая прибыль к основным средствам)	-0.0118
F20	Net profit / current assets (чистая прибыль к оборотным средствам)	-0.1172
F24	Absolute liquidity ratio (коэффициент абсолютной ликвидности)	-0.0173
F25	Cash and short-term financial assets / total assets (доля высоколиквидных активов)	-0.3736
F36	D / A ratio	0.1899
F37	Current liabilities / total assets	0.2535
F42	Receivables turnover (выручка к среднегодовой деб.задолженности)	-0.0035

 

Таблица «Результат b2b_others_small_pd модели (Step 2)»

Фактор	Описание фактора	Вес фактора
const	Константа	1.5856
financial_rating	финансовый рейтинг из модели Step 1	-0.7893
log_assets	активы клиента в лог-форме	-0.0341
log_lifetime	срок жизни клиента (дни) в лог-форме	-0.2317
pay_count_all	общее количество оплат от клиента за прошедший месяц	-0.3215
debt_bad_count_total_prev_year	общее количество просрочек платежей на прошлый год	0.0064
debt_bad_ind_total_prev_year	количество месяцев за прошедший год, когда у клиента была ПДЗ	0.3636

 

3.5.2.   Корпоративная мастер-шкала. 

Для целей дальнейшего расчёта используется мастер-шкала рейтинговых групп, представленная в приложении № 2. Данная шкала содержит соответствие рейтинговых групп трех крупнейших международных рейтинговых агентств S&P, Moody’s и Fitch и двух российских агентств Акра и ЭкспертРА, а также границы PD, по которым клиент попадает в ту или иную рейтинговую группу. Мастер-шкала позволяет распределить клиентов в различные группы кредитного риска.

Производится маппинг полученной оценки PD на рейтинговые группы S&P и присвоение каждому ИНН+КПП одного из рейтингов AAA, AA+, …, CCC-, CC.

 

3.5.3.   Корректировка кредитного рейтинга по мониторинговому листу.

В целях дальнейшей оценки вероятности дефолта PВ и приведения ее в наибольшее соответствие с текущим уровнем риска (PIT) привлекается дополнительная информация по компании из внешних и внутренних источников. Так, например, получается дополнительная информация о наиболее актуальном статусе клиента Компании относительно банкротства (источник СПАРК). Моделью предусмотрено деление всех мониторинговых сообщений относительно клиента на 3 типа:

• Сигнал о признании клиента банкротом арбитражным судом. Если для клиента за последний год были сообщения с одним из типов: «Решение о признании банка банкротом (о принудительной ликвидации)», «Решение о признании должника банкротом и открытии конкурсного производства»
• Сигнал о предстоящем банкротстве клиента. Если  для клиента за последний год были сообщения с одним из типов: «Направление в арбитражный суд заявления уполномоченного органа о признании должника банкротом», «Объявление о принятии арбитражным судом заявления», «Определение о введении наблюдения», «Определение и решение суда о назначении арбитражного управляющего», «Определение о введении внешнего управления», «Определение и решение суда о назначении арбитражного управляющего», «Определение (постановление) об утверждении арбитражного управляющего», «Определение о возобновлении производства по делу о несостоятельности (банкротстве)», «Сообщение должника о намерении обратиться в суд с заявлением о банкротстве», «Сообщение кредитора о намерении обратиться в суд с заявлением о банкротстве», «Сообщение о возникновении признаков банкротства»
• Нейтральные сигналы – прочие сообщения.

Мониторинговый лист (watch list) представляет собой группу показателей, не использовавшихся в качестве объясняющих переменных в моделях регрессий, но являющихся важными для определения уровня кредитного риска. Данные показатели используются для корректировок рейтинга по шкале (notching overrides).

• Мониторинговые сообщения о наступившем или предстоящем банкротстве клиента: если имеются мониторинговые сообщения относящихся к первому типу (сигнал банкротства), то кредитный рейтинг корректируется на D (состояние дефолта); если имеются мониторинговые сообщения, относящихся ко второму типу (предстоящее банкротство) то рейтинг ухудшается на 2 грейда вниз. Методика заполнения данных полей и классификация сигналов о банкротстве была описана ранее в начале пункта.
• Фактор текущей просрочки клиента. Если по лицевым счетам клиента есть просрочка на дату среза XXXXXXXX, то это должно быть учтено как негативный сигнал при присвоении кредитного рейтинга; наоборот, нулевая просрочка по всем лицевым счетам клиента учитывается как сигнал о хорошей текущей платежной дисциплине клиента. Если показатель средней просрочки на дату среза по клиенту более 60 дней, то рейтинг ухудшается на 2 грейда вниз; если более 30 дней, то ухудшается на 1 грейд; если средняя просрочка от 0 до 30 дней, то рейтинг не изменяется; если средняя просрочка равно 0, то рейтинг улучшается на 1 грейд вверх.
• Фактор чистая прибыль по отчетности клиента к сумме ДЗ. Если сумма долга (ТДЗ и ПДЗ) клиента составляет малую часть его прибыли, то он с большей вероятностью в итоге всё выплатит, чем клиент с высоким значением данного показателя. Если показатель более 2, то рейтинг улучшается на 1 грейд; если от 1 до 2, то не изменяется; если менее 1, то ухудшается на 1 грейд вниз по шкале.
• Корректировка на внешний кредитный рейтинг. Если по клиенту есть присвоенный ему внешний кредитный рейтинг одного из 5 агентств – S&P, Moody’s, Fitch, Akra, ExpertRA – то если полученный по модели кредитный рейтинг хуже, чем внешний, то внутренний рейтинг корректируется на внешний (при более высоком модельном рейтинге предпочтение отдаётся внешнему рейтингу).
• Фактор формы собственности. Клиенты с федеральной формой собственности (если таковые есть в выборке) получают кредитный рейтинг, скорректированный на государственный.

Итоговая корректировка рейтинга вверх/вниз по шкале получается суммированием корректировки по текущей просрочке клиента, корректировки по фактору чистая прибыль к долгу, и корректировки по мониторинговым сообщениям. Максимальное значение итоговой корректировки было установлено +2, минимальное значение было установлено -2. Таким образом, watch list может сдвинуть рейтинг не более чем на 2 ступени.

Кроме того, клиенты, признанные судом банкротами за последний год, получают рейтинг «дефолт»; клиенты, имеющие внешние рейтинги, получают внешний рейтинг; клиенты в государственной собственностью получают государственный рейтинг; остальные получают скорректированный на watch list кредитный рейтинг.

Также при определении итогового рейтинга могут быть применены экспертные корректировки по отдельному списку крупных портфельно-значимых клиентов ответственным сотрудниками профильного подразделения на основании текущей практики сбора задолженности, а также на основании дополнительных источников данных о клиенте, которые не могли быть рассмотрены в рамках построения модели, но играют определяющую роль в текущем риск профиле предприятия и его долга перед Компанией.

Состав и методология использования мониторингового листа составлялись в соответствии с наиболее частыми практиками внутренних рейтингов. Каждый оверрайд (кроме учета клиентов по внешнему или государственному рейтингу) может сдвинуть рейтинг не более чем на 2 грейда, но не выше рейтинга AAA и не ниже рейтинга CC.

Анализ обоснованности применения показателей мониторингового листа (корреляции данных показателей с частотой выхода клиентов в дефолт) см. в приложении 3 – п. 1.6.7.

 

3.5.4.   Оценка PD по клиентам B2B без финансовой отчетности.

Клиенты B2B, находящиеся не в дефолте и не имеющие финансовой отчётности, оцениваются коллективно по матрицам миграции, построенных на клиентах B2B без отчётности.

Оценка компоненты PD проводится с использованием метода «цепей Маркова», при этом предполагается, что выполняются следующие основные допущения:

а) будущие переходы в группы просрочки зависят только от текущей группы просрочки, но не от предыдущих оценок;

б) вероятности миграции не зависят от конкретного момента времени, то есть скорости перехода не меняются со временем (гомогенность).

Матрицы миграции рассчитываются на основании данных системы R12.

 

Шаг 1 - Формирование статистики миграций

Матрицы миграций строятся на основе статистики наблюдений за последние 12 календарных месяцев; рассматриваются даты среза данных системы R12: 01.01.2019 – 01.12.2019. Таким образом, полученные оценки отражают уровень риска на текущий момент времени (Point-in-Time), а не усредненное значение по всем периодам экономического цикла.

Для каждого клиента (ИНН) определяется его бакет просрочки по алгоритму:

1. Если более 20% от общей суммы долга находится в просрочке 90 дней и больше, то ИНН заносится в бакет с просрочкой «90+»;
2. Далее, если более 20% от общей суммы долга находится в просрочке «60-90», то ИНН заносится в бакет с просрочкой «60-90»;
3. Далее, если более 20% от общей суммы долга находится в просрочке «30-60», то ИНН заносится в бакет с просрочкой «30-60»;
4. Далее, если более 20% от общей суммы долга находится в просрочке «0-30», то ИНН заносится в бакет с просрочкой «0-30»;
5. Если суммы во всех предыдущих бакетах просрочки менее 20% от общей суммы долга, то ИНН заносится в бакет с просрочкой 0.

Для расчёта миграций используются только ИНН из списка ИНН портфеля B2B без финансовой отчётности.

Формируется статистика миграций ИНН по группам просрочки по количеству в соответствии с возможными переходами:

0)     Нет просрочки;

1)     Просрочка 1-30 дней;

2)     Просрочка 31-60 дней;

3)     Просрочка 61-90 дней;

4)     Просрочка более 90 дней (состояние дефолта);

Формирование групп просрочки производится на основе принципа FIFO.

 

Шаг 2 -  Формирование одномесячной усредненной матрицы переходов

На базе статистики миграций на каждую отчетную дату строится матрица миграций[3], каждая ячейка которой соответствует доле[4] перешедших из состояния в строке в состояние в столбце:

Матрица миграций на 1 месяц M₀ строится на основе статистики наблюдений за последние к отчетной дате 12 календарных месяцев и представляет собой усредненную матрицу переходов. Таким образом, каждая ячейка матрицы усредняется по 12 значениям (12 последним месяцам на дату отчетности).

Одномесячная усредненная матрица переходов определяет вероятности перехода между представленными выше группами просрочки (0 – 5).

 

Шаг 3 -  Формирование годовой матрицы переходов

Годовая матрица миграций () представляет собой возведение в 12-ю степень[5] одномесячной усредненной матицы переходов ():

 

Шаг 4 - Оценка PD на горизонте в 1 год

Вероятность дефолта для каждой группы просрочки определяется как вероятность перехода в 5-ую группу («Просрочка более 90 дней») – то есть представляет собой последний столбец годовой матрицы переходов.

Результат применения данной методологии на данных R12 за 01.12.2018 – 01.12.2019 – одномесячная усреднённая матрица и годовые PD для клиентов без отчётности – приведены в таблицах далее.

Таблица «Формирование одномесячной усредненной матрицы переходов для B2B без отчетности»

buckets	0 days	1-30 days	31-60 days	61-90 days	90+ days
0 days	84.40%	9.34%	0.10%	0.02%	0.16%
1-30 days	44.34%	20.65%	24.77%	0.93%	0.78%
31-60 days	23.14%	8.07%	7.18%	52.78%	1.29%
61-90 days	11.27%	2.93%	2.20%	11.10%	67.93%
90+ days	0.00%	0.00%	0.00%	0.00%	100.00%

 

Таблица «Оценка PD для B2B без отчетности»

PD 0	PD 1-30	PD 31-60	PD 61-90	PD 90+
0.104729	0.229263	0.508919	0.796032	1

Годовые PD для клиентов B2B без отчётности также подлежат макроэкономической корректировки; для этого применяется та же методология, что и для клиентов с индивидуальной оценкой PD (см. пункт 6.5.2 данной методологии).

Подробную методологию матриц миграции см. в приложении №3 – п. 1.6.6, скрипты формирования матриц см. в приложении №4.

 

3.5.5.   Учёт макроэкономической информации в компоненте PD

Для учёта макроэкономической информации использовался эконометрический подход с построением модели регрессии макроэкономических факторов на зависимую переменную – годовую частоту дефолтов (DR) в сегменте B2B.

Историческая кривая DR строится по методологии, описанной в разделе 1.5 приложения № 3 (скрипт построения в приложении № 4). В результате регрессионного анализа была принята следующая модель прогнозирования DR по сегменту.

Таблица «Модель прогнозирования DR для сегмента B2B»

Фактор	Описание	Вес
const	Константа	-0.1034
unemp	Уровень безработицы, в %	0.5261
ipc_6	Индекс потребительских цен на товары и услуги, в %, с лагом в 6 месяцев	0.1602
invst	Динамика инвестиций в основной капитал, в %	-0.0362

 

            Модельные оценки PD для клиентов B2B преобразуются в macro-PIT оценки по формуле:

где PD – оценка клиента, получаемая по моделям PD для B2B;

DR_forecast – прогнозная частота дефолтов по портфелю, считающаяся по модели регрессии на основе сценарного подхода (с учетом базового и пессимистичного сценариев движения макроэкономических переменных, более подробно в методологии макро-модели в Приложении № 4). Исходные макроэкономические данные, прогноз DR и подробная методология представлены в Приложении № 4.

 

3.6.    Разработка модели PD и порядок расчета в соответствии.

Отчет о разработке модели PD и порядок расчета в соответствии с ней приведен в Приложении № 3.

 

3.7.    Расчет уровня потерь при дефолте (LGD)

Настоящий раздел описывает процесс получения оценок уровня потерь при дефолте (LGD) для целей расчета резервов по портфелю в соответствии со стандартом МСФО (IFRS) 9.

Уровень потерь при дефолте (LGD) рассчитывается как процент возмещений от суммы, вошедшей в дефолт, и также производится на уровне разбиения ИНН плюс КПП клиента.

3.7.1.   Оценка уровня взыскания

Оценка уровня взыскания (recovery rate – RR) проводится на основе фактических данных о сборе основного долга за первый и за второй год после дефолта. Для второго года используется срок в 20 месяцев. Расчет RR по каждому из поколений выхода в дефолт представляет собой отношение суммы сборов задолженности за год к значению основной задолженности на момент выхода в дефолт с учетом доначисления за определенные периоды после дефолта. При данном подходе оценка взыскания осуществляется на основе данных и представляет собой сумму денежных потоков, полученных Компанией при проведении мероприятий по работе с активами, вышедшими в дефолт.

Расчет RR производится на уровне ИНН/КПП, далее на уровне поколения дефолта и после этого на уровне месяца после дефолта.

 

3.7.2.   Расчет возмещений/начислений

Расчет возмещение и начислений производится через изменение уровня ДЗ. В качестве погашения учитываются только фактические изменения баланса, исчезновение лицевого счета без информации о снижении ДЗ не учитывается как погашению долга.

3.7.3.   Оценка вероятности восстановления/выздоровления

При формировании оценки совокупного уровня потерь при дефолте рассчитывается вероятность выздоровления  , которая обозначает вероятность восстановления заемщика в состояние полного оказание услуг ( просрочка до 30 дней) или полной выплаты долга. Данная вероятность, рассчитывается как доля полностью выздоровевших ЛС в течение горизонта восстановления из перечня вошедших в дефолт. Рассматривается следующие горизонты выздоровления: первый год поле дефолта и второй год после дефолта

Вычисление уровня клиентского возмещения 

Клиентское возмещение рассчитывается в разрезе поколения дефолта (т.е. хронологического номера отчетной даты, на которую был зафиксирован дефолт), и месяца после дефолта.

Клиенты группируются исходя из номера поколения после дефолта. Для каждого клиента рассчитывается величина полученного возмещения на каждую отчетную дату после дефолта.

Маржинальный уровень возмещения  для месяца после дефолта i и поколения дефолта j рассчитывается как отношение совокупной величины возмещения   от всех клиентов поколения дефолта j за указанный месяц после дефолта i к совокупной величине задолженности на момент дефолта  по всем клиентам указанного поколения дефолта:

K – число клиентов на момент дефолта в поколении дефолта j.

Далее рассчитывается среднее значение маржинального уровня возмещения  среди всех поколений дефолта для каждого месяца после дефолта:

J – число наблюдений поколений дефолта по состоянию на месяц после дефолта i .

Величина кумулятивного уровня возмещения клиента рассчитывается как сумма  за все учитываемые периоды после дефолта (на горизонте взыскания):

I – число месяцев после дефолта (горизонт взыскания), на протяжении которых предполагается получение клиентского возмещения.

Расчет вероятности выздоровления 

Расчет вероятности выздоровления осуществлялся для каждого сегмента путем определения доли выздоровевших клиентов в общем числе дефолтных клиентов сегмента. Присвоение признака выздоровления осуществлялось на основании критериев:

—   Снижение DPD ниже 30 дней после факта дефолта;

—   Снижение скорректированный на возвраты суммы остатка ниже 10 рублей.

Вероятность выздоровления отдельно рассчитывается за 2 года после дефолта (до 20 месяцев после дефолта) и за 1 год после дефолта (12 месяцев). Вероятность рассчитан как отношение выздоровевших наблюдений на дату к общему числу наблюдений. Для целей оценки вероятности выздоровления разбивка идет на уровне комбинации ИНН, КПП и даты дефолта.

 

3.7.4.   Срок урегулирования проблемной задолженности

В некоторых случаях Компания не осуществляет списание в силу налоговых, операционных и других причин. В этом случае, Компания моделирует период экономических убытков (“Economic Loss Term - ELT”). Этот период соответствует времени после дефолта, после которого операционные расходы по взысканию задолженности превышают выплаты задолженности по займу клиентом или же больше не ожидается выплат клиента. Данный период фиксируется на экспертном уровне и служит для определения текущего уровня потерь. Для определения оптимального периода возмещения, на который приходится существенная величина уровня возмещения (с учетом типа обеспечения), возможно использование визуального анализа кумулятивного уровня возмещения по портфелю с момента дефолта: с какого момента градиент кумулятивного уровня возмещения сглаживается, свидетельствуя о достижении минимального существенного уровня возмещения. Согласно полученным оценкам на экспертном уровне данный срок определен на уровне 720 дней просрочки по рассматриваемому портфелю торговой дебиторской задолженности.

 

3.7.5.   Ставка дисконтирования

Относительно дисконтирования определено, что активы, сформированные требованием Компании к компаниям/организациям с госучастием состоят в основном из дебиторской задолженности по предоставляемым услугам, у которых текущие требования имеют в основном ограниченные сроки исполнения (до одного года) без существенной компоненты финансирования. При этом в рассматриваемом в рамках настоящей методики портфеле имеются активы со сроком требования более года. В соответствии с практикой дисконтирование таких активов производится агрегировано по срокам требований на уровне всей портфеля торговой дебиторской задолженности со срочностью более года. С учетом этого обстоятельства дисконтирование в рамках методики ОКУ не рассматривается.

 

3.7.6.   Учёт макроэкономической информации в компоненте LGD

Оценки LGD для сегмента B2B также содержат в себе прогнозную макроэкономическую информацию.

Результатом разработки модели стала следующая зависимость, которая используется для корректировки на макроэкономическую информацию:

Модель характеризуется  . Все переменные, а также само уравнение регрессии в целом, значимы на 1%. Корреляция между выбранными лаговыми переменными составляет менее 50% по модулю, а рассчитанные VIF – менее 4, что показывает отсутствие мультиколлинеарности в модели.

Гипотеза теста Энгла-Гренджера об отсутствии коинтеграции отвергается для числа корней 1, 2, 3, ряд остатков модели можно считать стационарным.

Подробное описание подхода к разработке макро модели для корректировки LGD оценок представлено в приложении 6 данной методологии.

 

Результатом проведения построения макро модели являются прогнозные уровни CRR.

PIT-калибровка производится на основе формулы Байеса, где CRR масштабируется по прогнозному уровню взысканий. Для трансформации уровней возврата в первый год после дефолта применяется формула Байеса:

 

Прогнозный уровень  рассчитывается, как взвешенное среднее из n сценариев с весами , где для каждого макроэкономического сценария модель выдает оценку взыскания .

 

3.7.7.   Формирование итогового LGD

При расчете итогового значения уровня потерь по годам в дефолте с учетом рассчитанных вероятностей выздоровления и оценок потерь по не восстановившимся требованиям получаем следующие выражения

 

 

3.8.    Определение величины кредитного требования, подверженного риску дефолта (EAD)

Оценка уровня потерь при дефолте (EAD) производится на основе подхода с использованием текущей балансовой позиции.

 

где   – сумма основного и просроченного долга по всем ЛС данного ИНН+КПП клиента, которые были отфиксированы на момент вхождения 20% из них в просрочку 90 дней (учет уровня материальности);

 

3.8.1.   Определение фактического срока жизни

Для расчета ОКУ на весь срок жизни финансового инструмента необходимо определить его срок жизни. В связи с наличием у клиента на отчетную дату списка начислений (счетов-фактур) разного срока требования, то рассчитывается средневзвешенный срок требования клиента по сумме требований по непросроченной дебиторской задолженности.

 

3.9.    Расчет ожидаемых кредитных убытков (ОКУ)

Целевой системой, на основании данных которой рассчитываются ОКУ, является система R12. В целях расчёта ожидаемых кредитных убытков (ECL) данные по дебиторской задолженности выгружаются из R12 и агрегируются на ИНН по форме:

Поле	Описание
contractor_inn	ИНН клиента
sum_0	Текущая дебиторская задолженность
sum_0-30	Сумма ДЗ с просрочкой не более 30 дней
sum_30-60	Сумма ДЗ с просрочкой 30-60 дней
sum_60-90	Сумма ДЗ с просрочкой 60-90 дней
sum_90-180	Сумма ДЗ с просрочкой 90-180 дней
sum_180-360	Сумма ДЗ с просрочкой 180-360 дней
sum_360-450	Сумма ДЗ с просрочкой 360-450 дней
sum_450-720	Сумма ДЗ с просрочкой 450-720 дней
sum_720+	Сумма ДЗ с просрочкой 720 дней и более
sum_ant_debt	Прогнозная ДЗ
total_amount	Общая сумма ДЗ
wa_maturity_days	Средневзвешенный срок до оплаты, рассчитываемый по текущей ДЗ

 

В поле contractor_inn будут содержаться все ИНН клиентов, относимых к портфелю B2B.

В формировании ОКУ принимает участие вся ДЗ по бухгалтерским счетам из приложения № 1 к данной методологии, в том числе прогнозная ДЗ.

Флаг дефолта по каждому клиенту (ИНН) в соответствии с определением дефолта:

• 1, если сумма ДЗ в корзинах с просрочкой 90 дней и более составляет более 20% от общей суммы ДЗ (total_amount);
• 0, если иначе.

По всем долгам клиента, находящимся не в просрочке, рассчитывается срок до оплаты в днях, а затем на всего клиента (ИНН) рассчитывается средневзвешенный срок до оплаты в днях (wa_maturity_days).

Для каждого клиента (ИНН) рассчитывается:

• wtdavg_pd – средневзвешенная вероятность дефолта по всем филиалам (КПП) данного ИНН; источником служат результаты PD на уровне ИНН + КПП, методология расчёта которых описана в пунктах 6.3 – 6.5 данной методологии (подробная процедура в приложении №3). Для клиентов без финансовой отчётности, в данном поле проставляется PD по матрицам миграции в зависимости от текущего бакета просрочки (см. раздел 6.5.4 методологии)

Для каждого клиента (ИНН) формируется EAD (сумма кредитных требований) по алгоритму:

1. Если более 20% от общей суммы долга находится в просрочке «720+», то вся сумма долга (total_amount) переносится в сумму с просрочкой «720+»;
2. В противном случае, если более 20% от общей суммы долга находится в просрочке «450-720», то вся сумма долга (total_amount) переносится в сумму с просрочкой «450-720»;
3. Далее, если более 20% от общей суммы долга находится в просрочке «360-450», то вся сумма долга (total_amount) переносится в сумму с просрочкой «360-450»;
4. Далее, если более 20% от общей суммы долга находится в просрочке «180-360», то вся сумма долга (total_amount) переносится в сумму с просрочкой «180-360»;
5. Далее, если более 20% от общей суммы долга находится в просрочке «90-180», то вся сумма долга (total_amount) переносится в сумму с просрочкой «90-180»;
6. Далее, если более 20% от общей суммы долга находится в просрочке «60-90», то вся сумма долга (total_amount) переносится в сумму с просрочкой «60-90»;
7. Далее, если более 20% от общей суммы долга находится в просрочке «30-60», то вся сумма долга (total_amount) переносится в сумму с просрочкой «30-60»;
8. Далее, если более 20% от общей суммы долга находится в просрочке «0-30», то вся сумма долга (total_amount) переносится в сумму с просрочкой «0-30»;
9. Если суммы во всех предыдущих бакетах просрочки менее 20% от общей суммы долга, то весь EAD переносится в сумму с просрочкой 0 (текущую ДЗ).

Таким образом, используется порог материальности 20% для переноса всех требований в EAD с определённой просрочкой, например:

inn	0	0-30	30-60	60-90	90-180	180-360	360-450	450-720	720+
i	EADi
j			EADj
…

 

Ожидаемые кредитные убытки на каждый ИНН в стадии 2 или на все время жизни рассчитываются по формулам:

 

где:

ECL	ожидаемые кредитные убытки на весь срок;
PDreg	средневзвешенная вероятность дефолта по всем филиалам (КПП) данного ИНН (рейтинго-скоринговая);
LGD1	уровень финансовых убытков при дефолте непросроченной дебиторской задолженности и дебиторской задолженности в первый год после дефолта;
EAD t1-t2	сумма требований не в дефолте, рассчитанная по принципу материальности с отнесением в один из бакетов (см выше);
T	средневзвешенный срок до требования по соответствующему ИНН

Прогнозная дебиторская задолженность оценивается как непросроченная, независимо от бакета просрочки и без учета средневзвешенного срока до требования, так как она в будущем переходит в текущую дебиторскую задолженность. При расчете ОКУ значение PD для всей прогнозной дебиторской задолженности принимается за значение PD, соответствующее годовой вероятности по рейтинго-скоринговой оценке. Для всей суммы прогнозной дебиторской задолженности используется LGD, рассчитанный для непросроченной дебиторской задолженности и для первого года после дефолта.

 

где:

ECL	ожидаемые кредитные убытки;
PDreg	средневзвешенная годовая вероятность дефолта по всем филиалам (КПП) данного ИНН (рейтинго-скоринговая);
LGD1	уровень финансовых убытков при дефолте непросроченной дебиторской задолженности и дебиторской задолженности в первый год после дефолта;
EAD f	сумма прогнозной дебиторской задолженности.

 

Ожидаемые кредитные убытки для ИНН с флагом дефолта 0 по 1 стадии:

 

где:

ECL	ожидаемые кредитные убытки;
PDreg	средневзвешенная годовая вероятность дефолта по всем филиалам (КПП) данного ИНН (рейтинго-скоринговая);
LGD1	уровень финансовых убытков при дефолте непросроченной дебиторской задолженности и дебиторской задолженности в первый год после дефолта;
EAD 0-90	сумма требований (с учетом материальности) не в дефолте;

Для ИНН с флагом дефолта 1 по 3-ей стадии:

где:

ECL	ожидаемые кредитные убытки на весь срок в дефолте;
LGD1	уровень финансовых убытков при дефолте непросроченной дебиторской задолженности и дебиторской задолженности в первый год после дефолта;
LGD2	уровень финансовых убытков при дефолте дебиторской задолженности, находящейся в дефолте свыше одного года;
EAD 0-90	сумма требований в просрочке 0-90 дней ;
EAD 91-450	сумма требований в просрочке 91-450 ;
EAD 450-720	сумма требований в просрочке 450-720;
EAD 720+	сумма требований свыше 720 дней просрочки;

 

Для долгов с просрочкой 720 дней и более уровень потерь установлен 100%.

Результат применения методологии ОКУ к портфелю B2B на дату среза R12 01.12.2019 представлен в таблице далее.

Методология	Остаток ДЗ (кроме прогнозной) на 01.12.2019	Остаток прогнозной ДЗ на 01.12.2019	ECL
Индивидуальная оценка (клиенты B2B с отчётностью)	6.5 млрд RUB	0.9 млрд RUB	423 млн RUB
Коллективная оценка (клиенты B2B без отчётности)	2.4 млрд RUB	0.06 млрд RUB	719 млн RUB

 

4.     ССЫЛКИ

1. «Международный стандарт финансовой отчетности (IFRS) 9 «Финансовые инструменты» (введен в действие на территории Российской Федерации Приказом Минфина России от 27.06.2016 N 98н).
2. IFRS 9 Transition Resource Group (ITG), meeting summaries on 22/04/2015, 16/09/2015, and 11/12/2015
3. Global Public Policy Committee (GPPC) of representatives of six largest accounting networks, “The implementation of IFRS 9 impairment requirements by banks”, 17 June 2016.
4. Basel Committee, “Guidance on credit risk and accounting for expected credit losses”, December 2015, European Banking Authority (EBA) document EBA/CP/2016/10.
5. Методика классификации и оценки № ХХХ от ХХ.ХХ.ХХ

 

---

[1] Согласно разъяснениям комитета 6 крупнейших мировых аудиторских компаний (Global Public Policy Committee Implementation Considerations от 17.06.2016 [2]), организация может использовать единое понятие дефолта для целей расчета достаточности капитала и финансовой отчетности по МСФО 9 (п.2.2.2.1) и при этом использовать определение дефолта в качестве индикаторов кредитного обесценения (п.2.2.2.2). Данная практика позволяет минимизировать объем корректировок к моделям PD, LGD, EAD для различных целей расчета (п.2.2.1.4), а соответственно сократить затраты и усилия на их проведение.

[2] Примером такой информации может служит показатель мониторингового сообщения о признании клиента банкротом, зафиксированного за последний год, и ведущий к корректировке рейтинга клиента в дефолт.

[3] В рамках формирования матриц миграций состояние дефолта (попадание в группу 90+) является терминальным, то есть в рамках модели клиент не выходит из состояния 90+.

[4] Доля для перехода из состояния p в q рассчитывается как количество совершивших переход p-q, разделенное на общее количество клиентов, которые находились в состоянии p.

[5] Свойство однородных марковских цепей: матрица переходных вероятностей за n шагов однородной цепи Маркова есть n-я степень матрицы переходных вероятностей за 1 шаг