新金融工具准则:2020年报中预期信用损失计量的前瞻性披露参考
000001.SZ-平安银行:2020年年度报告
前瞻性信息
信用风险显著增加的评估及预期信用损失的计算均涉及前瞻性信息。本集团通过进行历史数据分析,识别出影响各业务类型信用风险及预期信用损失的关键经济指标,如国内生产总值当季同比增长率、居民消费价格指数增长率、采购经理指数等。
本集团至少每年对这些经济指标进行评估预测,提供未来的最佳估计,并定期检测评估结果。于2020年度,本集团采用统计分析方法,结合专家判断,调整了前瞻性经济指标的预测,同时考虑了各情景所代表的可能结果的范围,并确定最终的宏观经济情景及其权重。与其他经济预测类似,对预计经济指标和发生可能性的估计具有高度的固有不确定性,因此实际结果可能同预测存在重大差异。本集团认为这些预测体现了本集团对可能结果的最佳估计。上述加权信用损失是由各情景下预期信用损失乘以相应情景的权重计算得出。
这些经济指标对违约概率和违约损失率的影响,对不同的业务类型有所不同。本集团综合考虑内外部数据、专家预测以及统计分析确定这些经济指标与违约概率、违约损失率和违约敞口之间的关系。本集团每年根据外部经济发展、行业及区域风险变化等情况对预期信用损失计算所使用的关键参数和假设进行复核,并做出必要的更新和调整。
于2020年度,本集团在各宏观经济情景中使用的重要宏观经济假设包括国内生产总值当季同比增长率、居民消费价格指数增长率、采购经理指数。其中:
- 国内生产总值当季同比增长率:在2021年的基准情景下预测值平均约为8.45%,乐观情景预测值较基准上浮0.88个百分点,悲观情景预测值较基准下降1.12个百分点,在2022年的基准情景下预测值平均约为5.68%,乐观情景预测值较基准上浮0.58个百分点,悲观情景预测值较基准下降0.65个百分点;
- 居民消费价格指数增长率:在2021年的基准情景下预测值约为1.70%,乐观情景预测值较基准上浮0.50个百分点,悲观情景预测值较基准下降0.55个百分点,在2022年的基准情景下预测值约为2.13%,乐观情景预测值较基准上浮0.70个百分点,悲观情景预测值较基准下降0.65个百分点;
- 采购经理指数:在2021年的基准情景下预测值约为50.27,乐观情景预测值较基准上浮0.78,悲观情景预测值较基准下降0.75,在2022年的基准情景下预测值约为50.15,乐观情景预测值较基准上浮0.83,悲观情景预测值较基准下降0.73。
于2020年度,本集团在评估预期信用损失计量模型中所使用的前瞻性信息时充分考虑了新冠肺炎疫情对宏观经济及银行业冲击的影响。
敏感性分析及管理层叠加
预期信用损失对模型中使用的参数,前瞻性预测的宏观经济变量,三种情景下的权重概率及运用专家判断时考虑的其他因素等是敏感的。这些输入参数、假设、模型和判断的变化将对信用风险显著增加以及预期信用损失的计量产生影响。
于2020年12月31日,本集团及本行基准情景权重略高于其他情景权重之和。假设乐观情景的权重增加10%,而基准情景的权重减少10%,本集团于2020年12月31日的信用减值准备减少7.41亿元(2019年12月31日:人民币9.18亿元);假设悲观情景的权重增加10%,而基准情景的权重减少10%,本集团及本行的信用减值准备增加13.27亿元(2019年12月31日:人民币15.54亿元)。
于2020年度,新型冠状病毒肺炎疫情对宏观经济产生较大冲击,本集团对相关影响在预期信用损失模型进行了考虑,同时针对接受纾困方案的贷款资产额外调增了损失准备,金额相对于损失准备余额不重大,进一步增强风险抵补能力。
下表列示了假设信用风险发生显著变化,导致阶段二的金融资产及信用承诺全部进入阶段一,本集团及本行确认在资产负债表中的减值准备和预计负债将发生的变化:
金额单位:人民币百万元
2020年12月31日 | 2019年12月31日 | |
假设阶段二的金融资产及信用承诺全部计入阶段一,减值准备和预计负债合计金额 | 64,138 | 77,612 |
于资产负债表中确认的减值准备和预计负债合计金额 | 72,431 | 84,912 |
差异-金额 | (8,293) | (7,300) |
差异-百分比 | -11% | -9% |
600000.SH-浦发银行:2020年年度报告
预期信用损失计量方法
本集团根据新准则要求将需要确认预期信用损失准备的金融工具划分为三个阶段,第一阶段是“信用质量正常”阶段,仅需计算未来一年预期信用损失,第二阶段是“信用风险显着增加”阶段,以及第三阶段是“已发生信用减值”阶段,需计算整个生命周期的预期信用损失。本集团按新准则要求开发了减值模型来计算预期信用损失,采用自上而下的开发方法,建立了国内生产总值、居民消费价格指数等宏观指标与风险参数回归模型,并定期预测乐观、基准和悲观共三种宏观情景,应用减值模型计算多情景下的预期信用损失。
本集团采用内部信用风险评级反映单个交易对手的违约概率评估结果,且对不同类别的交易对手采用不同的内部评级模型。在贷款申请时收集的借款人及特定贷款信息 (例如:可支配收入、零售敞口的担保率、公司借款人的销售收入和行业分类) 都被纳入评级模型。同时,本集团还将征信机构借款人评分等外部数据作为补充信息。此外,本模型还将信用风险管理人员的专家判断纳入到逐笔信用敞口的最终内部信用评级中,从而将可能未被其他来源考虑的因素纳入评级模型。
本集团无按照企业会计准则相关要求认定为“低风险”并进行信用风险管理的金融资产。
预期信用损失模型中包括的前瞻性信息
信用风险显着增加的评估及预期信用损失的计算均涉及前瞻性信息。本集团通过进行历史数据分析,识别出影响各资产组合的信用风险及预期信用损失的关键经济指标。
本集团依据行业最佳实践结合集团内部专家判断,选择了一系列宏观经济指标 (包含生产价格指数同比变动率、固定资产投资完成额同比变动率和居民消费价格指数同比变动率等),进而对各模型敞口建立实际违约概率与宏观因子间的统计学关系,并通过对应宏观因子预测值计算得到实际违约概率的前瞻性结果。
除了提供基本经济情景外,本集团根据对每一个主要产品类型的分析,设定情景的数量。本集团在每一个报告日重新评估情景的数量及其特征。于2020年12月31日及2019年12月31日,本集团结合统计分析及专家判断来确定情景权重,并同时考虑了各情景所代表的可能结果的范围。本集团在判断信用风险是否发生显着增加时,使用了基准及其他情景下的整个存续期违约概率乘以情景权重,并考虑了定性和上限标准。在确定金融工具处于第一阶段、第二阶段或第三阶段时,也相应确定了应当按照12个月或整个存续期的预期信用损失计量损失准备。本集团以加权的12个月预期信用损失 (第一阶段) 或加权的整个存续期预期信用损失 (第二阶段及第三阶段) 计量相关的损失准备。
于2020年12月31日,本集团在预测前瞻性宏观经济指标和经济情景权重时,充分考虑了新型冠状病毒肺炎疫情影响下的宏观经济情况。
本集团认为这些预测体现了集团对可能结果的最佳估计,并分析了本集团不同组合的非线性及不对称特征,以确定所选择的情景能够适当地代表可能发生的情景。与其他经济预测类似,对预计值和发生可能性的估计具有的高度的固有不确定性,因此实际结果可能同预测存在重大差异。
601818.SH-光大银行:2020年年度报告
前瞻性信息
信用风险显著增加的评估及预期信用损失的计算均涉及前瞻性信息。本集团通过进行历史数据分析,识别出影响各业务类型信用风险及预期信用损失的关键经济指标,如国内生产总值、居民消费价格指数、固定资产投资额等。
这些经济指标对违约概率和违约损失率的影响,对不同的业务类型有所不同。本集团在此过程中应用了统计模型和专家判断相结合的方式,在统计模型测算结果的基础上,根据专家判断的结果,每季度对这些经济指标进行预测,并通过进行回归分析确定这些经济指标对违约概率和违约损失率的影响。
于2020年度,本集团在各宏观经济情景中使用的重要宏观经济假设包括国内生产总值增长率、居民消费价格指数增长率、固定资产投资额增长率。其中:
• 国内生产总值增长率:在2021年的基准情景下预测值为7.20%,乐观情景预测值较基准上浮2.29个百分点,悲观情景预测值较基准下降2.29个百分点;
• 居民消费价格指数增长率:在2021年的基准情景下预测值为3.25%,乐观情景预测值较基准上浮1.94个百分点,悲观情景预测值较基准下降1.94个百分点;
• 固定资产投资额增长率:在2021年的基准情景下预测值为4.00%,乐观情景预测值较基准上浮8.58个百分点,悲观情景预测值较基准下降8.58个百分点。
除了提供基准经济情景外,本集团结合统计模型及专家判断结果来确定其他可能的情景及其权重。本集团以加权的12个月预期信用损失(阶段一)或加权的整个存续期预期信用损失(阶段二及阶段三)计量相关的减值准备。上述加权信用损失是由各情景下预期信用损失乘以相应情景的权重计算得出。结合疫情等因素对经济发展趋势的影响,本集团调整了悲观情景的权重。
本集团对前瞻性信息所使用的主要经济指标进行敏感性分析,当主要经济指标预测值变动10%,预期信用损失的变动不超过当前预期信用损失计量的5%。
管理层叠加
针对适用延期还款政策的客户,因其业务信息并未构成违约,因此预期信用损失模型测算结果可能不能充分反映新冠疫情带来的潜在风险。在此情况下,管理层根据专家建议调整受疫情影响较为严重组合的参数,使本集团减值准备结果更贴近实际预期信用损失水平。
600036.SH-招商银行:2020年度报告
考虑前瞻性信息
本集团根据资产不同的风险特征,将资产划分为不同的资产组。本集团根据资产组的风险特征,在合理的成本和时间范围内,收集外部权威发布数据、内部行为数据,比如工业增加值、金融机构各项贷款余额、社会消费总额、GDP、行内逾期数据等,经统计分析及专家判断确定这些经济指标与风险表现之间的关系、宏观经济指标的预测、多种前瞻场景的设置等。
以工业增加值、金融机构各项贷款余额指标为例,基准情景下参考外部权威机构发布的预测值,乐观和悲观情景参考历史实际数据进行分析预测。具体如下:
指标 | 入模基准场景预测值 |
工业增加值(同比) | 5.40% |
金融机构各项贷款余额(同比) | 13.10% |
多场景权重采取基准场景为主,其余场景为辅的原则,结合专家判断设置,本集团2020年12月31日基准情景权重高于其他情景权重之和。经敏感性测算,当乐观场景权重上升10%,基准场景权重下降10%时,预期信用损失金额较当前结果减少约1%。当悲观场景权重上升10%,基准场景权重下降10%时,预期信用损失金额较当前结果增加约2.5%。
本集团定期对宏观经济指标池的各项指标进行预测,以加权的12个月预期信用损失(阶段一)或加权的整个存续期预期信用损失(阶段二及阶段三)计量相关的减值准备。
本集团对于2020年12月31日的预期信用损失评估,通过及时更新外部数据、引入内部风险先行指标等模型优化措施,已充分反映了新冠肺炎疫情对于宏观经济环境的影响。
000039.SZ-中集集团:2020年年度报告
预期信用损失的计量
本集团通过违约风险敞口和预期信用损失率计算预期信用损失,并基于违约概率和违约损失率确定预期信用损失率。在确定预期信用损失率时,本集团使用内部历史信用损失经验等数据,并结合当前状况和前瞻性信息对历史数据进行调整。
在考虑前瞻性信息时,本集团考虑了不同的宏观经济情景。2020年度,“基准”、“不利”及“有利”这三种经济情景的权重分别是70%、 15%和15%。本集团定期监控并复核与预期信用损失计算相关的重要宏观经济假设和参数,包括经济下滑的风险、外部市场环境、技术环境、客户情况的变化、中国出口商品及服务变动值、国内生产总值和消费者物价指数等。2020年度,本集团已考虑了新冠肺炎疫情引发的不确定性,并相应更新了相关假设和参数,各情景中所使用的关键宏观经济参数列示如下:
经济情景 | |||
基准 | 不利 | 有利 | |
中国出口商品及服务变动值 | 0.96 | 3.94 | 0.23 |
000550.SZ-江铃汽车:2020年年度报告
预期信用损失的计量
本集团通过违约风险敞口和预期信用损失率计算预期信用损失,并基于违约概率和违约损失率确定预期信用损失率。在确定预期信用损失率时,本集团使用内部历史信用损失经验等数据,并结合当前状况和前瞻性信息对历史数据进行调整。在考虑前瞻性信息时,本集团考虑了不同的宏观经济情景。2020年度,预计前瞻信息时考虑的“基准”、“不利”及“有利”这三种经济情景的权重分别是68%、16%和16%。本集团定期监控并复核与预期信用损失计算相关的重要宏观经济假设和参数,包括经济下滑的风险、外部市场环境、技术环境、客户情况的变化、国内生产总值和广义货币供应量等。2020年度,本集团已考虑了新冠肺炎疫情引发的不确定性,并相应更新了相关假设和参数,各情景中所使用的关键宏观经济参数列示如下:
项目 | 经济情景 | ||
基准 | 不利 | 有利 | |
国内生产总值 | 14.25% | 14.15% | 14.34% |
广义货币供应量 | 9.20% | 7.72% | 10.68% |
600006.SH-东风汽车:2020年年度报告
预期信用损失的计量
本集团通过违约风险敞口和预期信用损失率计算预期信用损失,并基于违约概率和违约损失率确定预期信用损失率。在确定预期信用损失率时,本集团使用内部历史信用损失经验等数据,并结合当前状况和前瞻性信息对历史数据进行调整。
在考虑前瞻性信息时,本集团考虑了不同的宏观经济情景。2020年度,“基准”、“不利”及“有利”这三种经济情景的权重分别是60%、30%和10%。本集团定期监控并复核与预期信用损失计算相关的重要宏观经济假设和参数,包括经济下滑的风险、外部市场环境、技术环境、客户情况的变化、国内生产总值和生产价格指数等。2020年度,本集团已考虑了新冠肺炎疫情引发的不确定性,并相应更新了相关假设和参数,各情景中所使用的关键宏观经济参数列示如下:
经济情景 | ||||
基准 | 不利 | 有利 | ||
国内生产总值:累计同比 | 2021年及以后 | 5.58% | 5.07% | 5.88% |
生产价格指数:同比 | 2021年及以后 | (0.09%) | (0.54%) | 0.27% |
000708.SZ-中信特钢:2020年年度报告
预期信用损失的计量
本集团通过违约风险敞口和预期信用损失率计算预期信用损失,并基于违约概率和违约损失率确定预期信用损失率。在确定预期信用损失率时,本集团使用内部历史信用损失经验等数据,并结合当前状况和前瞻性信息对历史数据进行调整。
在考虑前瞻性信息时,本集团考虑了不同的宏观经济情景。2021年度,“基准”、“不利”及“有利”这三种经济情景的权重分别是68.00%、16.00%和16.00%。本集团定期监控并复核与预期信用损失计算相关的重要宏观经济假设和参数,包括经济下滑的风险、外部市场环境、技术环境、客户情况的变化、国内生产总值和消费者物价指数等。2021年度,本集团已考虑了新冠肺炎疫情引发的不确定性,并相应更新了相关假设和参数,各情景中所使用的关键宏观经济参数列示如下:
项目 | 经济情景 | ||
基准 | 不利 | 有利 | |
国内生产总值 | 8.45% | 7.33% | 9.33% |
消费者物价指数 | 1.70% | 2.20% | 1.15% |
600315.SH-上海家化:2020年年度报告
信用风险显著增加的判断及预期信用损失的计量
下列重要会计估计及关键假设存在会导致下一会计年度资产和负债的账面价值出现重大调整的重要风险:
本集团利用可获得的合理且有依据的前瞻性信息,通过比较金融资产在资产负债表日发生的违约风险与在初始确认日发生的违约风险,以确定工具的信用风险自初始确认后是否显著增加。
本集团在评估信用风险是否显著增加时会考虑的因素如下:债务人经营成果实际或预期是否发生显著变化;债务人所处的监管、经济或技术环境是否发生显著变化;作为债务抵押的担保物价值或第三方提供的担保或信用增级质量是否发生显著变化,这些变化预期将降低债务人按合同规定期限还款的经济动机或者影响违约概率;债务人预期变现或还款行为是否发生显著变化;本集团对金融工具信用管理的方法是否发生变化等。
本集团通过违约风险敞口和预期信用损失率计算预期信用损失,并基于违约概率和违约损失率确定预期信用损失率。在确定预期信用损失率时,本集团使用内部历史信用损失经验等数据,并结合当前状况和前瞻性信息对历史数据进行调整。在考虑前瞻性信息时,本集团考虑了不同的宏观经济情景,用于估计预期信用损失的重要宏观经济假设包括经济下滑的风险、外部市场环境、技术环境和客户情况的变化、国内生产总值、消费者物价指数等,其中,最主要使用的国内生产总值指标在“有利”、“基准”、及“不利”情景下的数值分别为5.5%、5.0%及4.8%。本集团定期监控并复核与预期信用损失计算相关的假设。于2020年度,本集团为及时反映新冠疫情对金融工具预期信用损失的影响,对预期信用损失模型中的前瞻性参数进行更新。
600901.SH-江苏租赁:2020年年度报告
预期信用损失中包含的前瞻性信息
预期信用损失的计算均涉及前瞻性信息。本集团通过进行历史数据分析,识别出与预期信用损失相关的关键经济指标,如国内生产总值 (GDP) 、货币供应量 (M2) 、消费者物价指数 (CPI) 等。本集团对宏观经济指标池的各项指标定期进行预测,并选取最相关因素进行估算。
本集团通过构建计量模型确定这些经济指标与违约概率和违约损失率之间的关系,以确定这些指标历史上的变化对违约概率和违约损失率的影响。
本集团结合宏观数据分析确定乐观、中性、悲观的情景及其权重,从而计算本集团加权平均预期信用损失准备金。
于 2020 年度,本集团在各宏观经济情景中使用的重要宏观经济假设包括生产者物价指数增长率以及消费者物价指数增长率。本集团参考万得资讯的公开预测数据形成生产者物价指数增长率和消费者物价指数增长率的基准情景预测,同时在基准情景预测的基础上,上浮和下降一定比例以预测乐观情景和悲观情景的预测值,并将其运用至前瞻性调整因子的参数估计中。
600050.SH-中国联通:2020年度报告
应收账款预期信用损失的评估
本集团按照相当于整个存续期内预期信用损失的金额计量应收账款的减值准备,并以逾期天数与预期信用损失率对照表为基础计算其预期信用损失。根据本集团的历史经验,不同细分客户群体适用不同的损失模型。
自2020年初开始的新型冠状病毒疫情给本集团客户的经营及财务状况带来更多不确定性,本集团在重新评估预期信用损失时考虑了新型冠状病毒疫情对预期信用损失模型中前瞻性信息的影响,包括评估不同行业客户的相关风险因素并对信贷风险显著增加的客户增加风险权重。
违约损失率基于过去年度的实际信用损失经验计算,并根据历史数据收集期间的经济状况、当前的经济状况与本集团所认为的预计存续期内的经济状况三者之间的差异进行调整。
600657.SH-信达地产:2020年度报告
预期信用损失计量的参数
根据信用风险是否发生显著增加以及是否已发生信用减值,本公司对不同的资产分别以12个月或整个存续期的预期信用损失计量减值准备。预期信用损失计量的关键参数包括违约概率、违约损失率和违约风险敞口。本公司考虑历史统计数据(如交易对手评级、担保方式及抵质押物类别、还款方式等)的定量分析及前瞻性信息,建立违约概率、违约损失率及违约风险敞口模型。
相关定义如下:
(1)违约概率是指债务人在未来12个月或在整个剩余存续期,无法履行其偿付义务的可能性。本公司的违约概率以“迁徙率”模型结果为基础进行调整,加入前瞻性信息,以反映当前宏观经济环境下债务人违约概率;
(2)违约损失率是指本公司对违约风险暴露发生损失程度作出的预期。根据交易对手的类型、追索的方式和优先级,以及担保品的不同,违约损失率也有所不同。违约损失率为违约发生时风险敞口损失的百分比,以未来12个月内或整个存续期为基准进行计算;
(3)违约风险敞口是指,在未来12个月或在整个剩余存续期中,在违约发生时,本公司应被偿付的金额。
信用风险显著增加的评估及预期信用损失的计算均涉及前瞻性信息。本公司通过进行历史数据分析,识别出影响各业务类型信用风险及预期信用损失的关键经济指标。这些经济指标对违约概率和违约损失率的影响,对不同的业务类型有所不同。
688177.SH-百奥泰:2020年年度报告
信用风险显著增加判断标准
本集团在每个资产负债表日评估相关金融工具的信用风险自初始确认后是否已显著增加。在确定信用风险自初始确认后是否显著增加时,本集团考虑在无须付出不必要的额外成本或努力即可获得合理且有依据的信息,包括基于本集团历史数据的定性和定量分析、外部信用风险评级以及前瞻性信息。本集团以单项金融工具或者具有相似信用风险特征的金融工具组合为基础,通过比较金融工具在资产负债表日发生违约的风险与在初始确认日发生违约的风险,以确定金融工具预计存续期内发生违约风险的变化情况。
当触发以下一个或多个定量、定性标准或上限指标时,本集团认为金融工具的信用风险已发生显著增加:
(1)定量标准主要为报告日剩余存续期违约概率较初始确认时上升超过一定比例;
(2)定性标准主要为债务人经营或财务情况出现重大不利变化、预警客户清单等;
(3)上限指标为债务人合同付款(包括本金和利息)逾期超过30天。
信用风险未显著增加(适用于采用预期信用损失一般模型的金融资产)
于2020年12月31日,已逾期超过30天的应收账款由于期后客户回款率高原因,被认为信用风险尚未显著增加,本集团依然按照12个月预期信用损失对其计提减值准备。
需要说明的是,以上披露示例仅为个人对相关公司年报披露信息的部分摘录,若需完整信息,请参阅公司年报全文。本文摘录不对其相关会计处理发表评论,本文摘录的内容也不表明赞同或不赞同其做法。 |
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至123456@qq.com 举报,一经查实,本站将立刻删除。