Okazało się, że PMA nie są zjawiskiem incydentalnym. Można się obecnie spodziewać, że pozostaną rozwiązaniem występującym w kolejnych latach.

Korekty wyniku modelu strat oczekiwanych PMA (ang. post model adjustments) zaczęły stanowić istotny element odpisów na straty kredytowe. Były stosowane m.in. do odzwierciedlenia skutków COVID-19 oraz zmian, jakie następują w otoczeniu makroekonomicznym (np. wojna na Ukrainie, zmiany stóp procentowych czy wahania cen energii). Utożsamiane zazwyczaj ze zjawiskiem przejściowym i tymczasowym mogą się jednak okazać stałym, choć ewoluującym w czasie, elementem sprawozdań finansowych. Już teraz stanowią przedmiot zainteresowania regulatorów, którzy wymagają prawidłowego ich wprowadzania oraz informowania na ten temat przez podmioty stosujące się do Międzynarodowych Standardów Sprawozdawczości Finansowej.

Pierwsze lata

Obowiązujący od 2018 r. model utraty wartości był najdłużej opracowywaną częścią MSSF nr 9 „Instrumenty finansowe”, a jego zastosowanie po raz pierwszy stanowiło duże wyzwanie zarówno dla banków, jak i dla przedsiębiorstw. Początkowo się spodziewano, że po długich latach prac koncepcyjnych i wdrożeniowych model ten będzie wprawdzie wymagał dostosowań w obszarach dotyczących danych (zarówno historycznych, jak i przyszłych, zwłaszcza makroekonomicznych), technik kalibracji, metod weryfikacji historycznej (ang. backtesting), ale pozostanie rozwiązaniem stabilnym w długim horyzoncie czasowym. W pierwszych dwóch latach stosowania modelu strat oczekiwanych koncentrowano się głównie na zapewnianiu pełnej zgodności przyjętych rozwiązań z wymogami MSSF nr 9, harmonizacji przesłanek znaczącego wzrostu ryzyka kredytowego SICR (ang. significant increase event) i definicji zdarzenia powodującego stratę (default). W rekomendacjach sprawozdawczych na 2019 r. Europejski Urząd Nadzoru Giełd i Papierów Wartościowych (ESMA) zwracał uwagę na jakość informacji ujawnianych zgodnie z MSSF nr 7 „Instrumenty finansowe: ujawnianie informacji”. Postulowano także transparentność i dezagregację danych o odpisach i rezerwach na poziom grup ekspozycji pozwalający na ich biznesową interpretację.

Rok 2020 przyniósł nieoczekiwaną zmianę ‒ rozpoczęła się pandemia COVID-19, która miała wpływ na wiele raportowanych danych finansowych, w tym np. na odpisy oraz na oczekiwane straty kredytowe. Przy sporządzaniu sprawozdań finansowych za 2019 r. efekt pandemii uwzględniano w ujawnieniach jako niekorygujące zdarzenie, które wystąpiło po dacie bilansowej. Natomiast na potrzeby sprawozdawczości śródrocznej w 2020 r. jednostki sporządzające sprawozdania zgodnie z MSSF stanęły przed wyzwaniem: w jaki sposób oszacować wpływ pandemii w oczekiwanych stratach kredytowych, wiedząc, że dane historyczne nie uwzględniają wystąpienia takiego zdarzenia, a jego pominięcie nie znajduje uzasadnienia. Bazujące na danych historycznych wyniki modelu strat oczekiwanych nie reagują natychmiast na znaczące anomalie. Potrzebny jest zatem pewien okres dodatkowej obserwacji, aby te anomalie zrozumieć, ilościowo skwantyfikować i ostatecznie odzwierciedlić zmienioną rzeczywistość gospodarczą w modelowych odpisach i rezerwach. Dlatego też w okresie przejściowym niezbędne jest ich urealnienie. Warto zauważyć, że MSSF nr 9 (par. B5.5.52) wskazuje bezpośrednio, iż dane historyczne stanowią ważną podstawę szacowania oczekiwanych strat kredytowych, ale muszą być skorygowane w taki sposób, aby z jednej strony uwzględnić przyszłe uwarunkowania, których nie pokrywają dane historyczne, a z drugiej usunąć wpływ czynników z przeszłości, które nie są już adekwatne do bieżącej sytuacji. Istnieją dwie możliwości odpowiedzi na te oczekiwania – albo poprzez korektę danych wejściowych do modelu (ang. in-model adjustments), albo poprzez korektę wyniku modelu PMA. W praktyce efekt pandemii uwzględniono, stosując drugie z wymienionych podejść.

Zanim korekty wyników modeli ECL (ang. expected credit loss) dotyczące pandemii przestały być stosowane (lub przynajmniej przestały być materialnymi kwotami), gospodarka światowa zaczęła się mierzyć z nowymi wyzwaniami – rosyjską inwazją na Ukrainę, gwałtownym wzrostem zmienności na rynkach (energii, surowców, płodów rolnych) czy ze wzrostem wskaźników inflacji. Podobnie jak w przypadku pandemii aktualne stało się wyzwanie dotyczące prawidłowego uwzględniania nowych nieprzewidywalnych zdarzeń. Zatem zakładane jako tymczasowe korekty PMA nie były jednak zjawiskiem incydentalnym i należy oczekiwać, że pozostaną rozwiązaniem występującym w kolejnych latach. Dla jednostek oraz odbiorców sprawozdań finansowych oznacza to konieczność wypracowania rozwiązań systemowych – zarówno na etapie kwantyfikacji tych korekt, ich ujmowania, planowania działań mitygujących (uwzględniania w modelu), jak i w procesie interpretacji.

Zarówno osoby odpowiedzialne za kalkulację strat oczekiwanych uwzględniającą korekty wyniku modelu ECL, jak i czytelnicy sprawozdań finansowych powinni mieć świadomość, że korekty PMA nie eliminują obowiązku dostosowywania modelu w długim horyzoncie czasowym. Celem korekt PMA jest dostosowanie wysokości odpisów i rezerw wg MSSF nr 9 oraz poprawa ich rzetelności w krótkim horyzoncie w taki sposób, aby oczekiwane straty kredytowe odzwierciedlały najlepsze szacunki (ang. best estimate) dotyczące ryzyka kredytowego na datę bilansową. Stosowanie korekt PMA musi mieć charakter przejściowy i być swego rodzaju pomostem pomiędzy modelem strat oczekiwanych przed wystąpieniem znaczącego, nieprzewidzianego zdarzenia a modelem dostosowanym do nowych realiów po takim zdarzeniu. Warto przy tym podkreślić, że korekty PMA mogą oddziaływać w obydwu kierunkach i skutkować nie tylko zwiększaniem odpisów, jak było to historycznie obserwowane w okresie pandemii czy na początku wojny w Ukrainie. Zgodnie ze stanowiskiem ESMA na temat ujawnień korekty PMA powinny obejmować konkretne ryzyka, które w całości lub częściowo nie są pokryte modelem strat oczekiwanych.

Oczekiwania względem ujawnień

Podstawowe wymogi w zakresie ujawnień dotyczących modelu strat oczekiwanych zawarte w MSSF nr 7 są obszerne. Dodatkowo, w odniesieniu do korekt PMA, ESMA w rekomendacjach sprawozdawczych na 2020 r. określiła dodatkowe szczegółowe oczekiwania względem ujawnień. ESMA w powiązaniu z paragrafami MSSF nr 7 oczekuje, że dla każdej istotnej korekty wyniku modelu ECL jednostki będą ujawniać ich charakter, wpływ ilościowy, uzasadnienie oraz przyjętą metodykę. Ujawnienia ilościowe nie mogą ograniczać się do przedstawienia łącznej kwoty korekty PMA. Powinny zostać sporządzone szczegółowo, np. w podziale na produkty, ekspozycje, lokalizacje czy poszczególne sektory, względem których korekty zostały zastosowane. Opis przyjętej metodyki powinien obejmować informację o założeniach oraz danych wejściowych, które były podstawą obliczenia korekty PMA. Uzasadnienie korekty PMA powinno natomiast wyjaśniać, jakie czynniki czy ryzyka nie są objęte podstawowym modelem strat oczekiwanych. Dodatkowo, po wcześniejszym zastosowaniu korekty PMA, należy opisać istotne zmiany metodyki i założeń względem poprzedniego okresu sprawozdawczego wraz ze wskazaniem przyczyn zmian. Celem tego wymagania jest umożliwienie czytelnikom sprawozdań finansowych zrozumienia procesu dostosowania podstawowego modelu ECL do zaobserwowanych nietypowych istotnych zdarzeń oraz zapewnienie porównywalności wyników pomiędzy okresami, a co za tym idzie – dokonywanie analiz finansowych (np. poprzez zastosowanie najnowszych założeń do historycznych na potrzeby „normalizacji” wyniku).

Warto zwrócić uwagę, że korekty PMA mają bezpośrednie przełożenie na wyniki finansowe jednostek, dlatego też, jeśli są one materialne, konieczne jest stosowne uzasadnienie ich ujęcia. Należy podkreślić, że do kalkulacji odpisów i rezerw korzysta się z zaawansowanych modeli ilościowych, które bazują zarówno na zgromadzonych szczegółowych danych ilościowych o historycznych stratach kredytowych i bieżącym stanie ekspozycji kredytowych, jak i na danych makroekonomicznych dotyczących przyszłości. Wszelkie dodatkowe korekty wyniku modeli ECL muszą mieć wiarygodne uzasadnienie, jako że zmieniają efekt zastosowania zaawansowanych metod ilościowych, które regularnie podlegają przeglądom przez jednostki walidacji oraz backtestingowi. Dlatego niezbędne jest wystąpienie uzasadnionych przesłanek, aby ostateczna kwota odpisów i rezerw z tytułu strat oczekiwanych była inna niż wynik zastosowanych modeli.

Podejście ustrukturyzowane

Modele są budowane z wykorzystaniem danych historycznych przy założeniu, że stanowią one dobre odzwierciedlenie aktualnych oraz przyszłych zjawisk. W sytuacji gdy mamy do czynienia z koniecznością korzystania z PMA, założenie to w całości lub pewnej części nie jest spełnione. Nawet jeśli historyczne dane można częściowo uznać za adekwatne do modelowanego zjawiska (zwłaszcza te starsze lub pochodzące z systemów wycofanych z użytku), to ich jakość może pozostawiać wiele do życzenia i powodować obciążone wyniki modelu (ang. biased model estimates). Chodzi o reprezentatywność danych oraz słabość modelu wynikającą ze stosowanych danych. Te czynniki powinny zostać uwzględnione przy szacowaniu wartości korekty PMA.

Jeśli do kwestii PMA podejdzie się od strony problemu reprezentatywności danych oraz ich braku (niedostatecznej jakości), to okazuje się, że w obszarze modeli ryzyka kredytowego istnieją sprawdzone oraz usankcjonowane koncepcje pozwalające na podjęcie tych tematów w sposób ustrukturyzowany, przejrzysty oraz wewnętrznie spójny. Do takich narzędzi należy zaliczyć m.in. element konserwatyzmu modelu (MoC, ang. margin of conservatism) będący obligatoryjnym elementem procesu budowy modeli ratingowych wykorzystywanych do szacowania wymogu kapitałowego. [ramka]

Na czym polega MoC

Jednostka jest zobowiązana do zidentyfikowania oraz skwantyfikowania słabości modelu w podziale na trzy kategorie:

• A ‒ obejmująca słabości powiązane z danymi oraz metodyką,

• B ‒ obejmująca słabości wynikające ze zmian w wewnętrznych procesach, otoczeniu rynkowym, prawnym czy środowiskowym,

• C ‒ obejmująca generalny błąd oszacowania.

Typowy proces MoC obejmuje następujące kroki:

1) identyfikację (biznesowy opis słabości);

2) kwantyfikację (zazwyczaj zastosowanie ilościowej metody na oszacowanie wpływu);

3) klasyfikację oraz agregację indywidualnych korekt do poszczególnych kategorii (A‒C);

4) proces monitorowania oraz aktualizacji.

W ramach procesu stosowane są powszechnie znane metody analityczne, jak analiza wrażliwości, symulacje Monte Carlo czy wielowymiarowe analizy scenariuszowe.

Analizując przykłady typowych korekt PMA obserwowanych w ostatnich latach, wpływ pandemii można zaklasyfikować do kategorii B. Natomiast wzrost cen można przypisać do kategorii A (np. jeśli w modelach stosuje się dane sprzed 2000 r. pozyskane w sposób manualny) lub do kategorii B (np. jeśli historyczne dane nie obejmują okresu podwyższonych cen). ©℗

Ryzyko modelu ECL

Od strony formalnej ryzyko modelu jest definiowane jako strata, jaką może ponieść jednostka w wyniku decyzji, które mogły zasadniczo opierać się na danych uzyskanych przy zastosowaniu modeli wewnętrznych, z powodu błędów w opracowaniu, we wdrażaniu lub w stosowaniu takich modeli. Korekty PMA zazwyczaj są powiązane ze zmianami o charakterze strukturalnym (przejściowo lub permanentnie). Poprzez swoją naturę mogą powodować zwiększenie ryzyka modelu. Dlatego podmioty przygotowujące sprawozdania finansowe powinny szczególną uwagę zwrócić na to, czy stosowane metryki oceny stopnia narażenia na ryzyko modelu są adekwatne oraz czy uwzględniają istotę korekt PMA.

Przyszłość

Kwestie związane z transformacją energetyczną, strukturalne przemiany w gospodarce, zmiany w globalnych łańcuchach dostaw, a także kwestie klimatyczne czy geopolityczne stanowią prawdopodobne uzasadnienie dla korekt PMA w przyszłości. Niemniej jednak ostatnie lata pokazały, że spektrum potencjalnych zmian jest właściwie nieograniczone i trudne do przewidzenia. Dlatego odbiorcy sprawozdań finansowych powinni przywyknąć do korekt PMA, nauczyć się je interpretować i wyciągać z nich wnioski. Z kolei po stronie osób odpowiedzialnych za kalkulacje odpisów na oczekiwane straty kredytowe konieczne będą zmiany paradygmatu w modelowaniu i powszechne zastosowanie ustrukturyzowanych narzędzi do identyfikowania i kwantyfikowania słabości modeli, aby końcowa kwota odpisów złożona z wyników modelu oraz korekt PMA była jak najbardziej rzetelna. ©℗