新金融工具準則下理財產品減值模型構建探索

王雨（高級會計師）

（徽銀理財有限責任公司 安徽合肥 230001）

一、引言

自2018年4月資管新規發布以來，資管行業架構日趨完善，理財業務公司制改革穩步推進，市場主體專業化經營特征凸顯。截至2022年6月末，監管部門已批準29家理財公司籌建，其中27家已獲批開業，理財市場已呈現出以理財公司為主、銀行機構為輔的格局。理財公司通過銀行理財業務的獨立管理、獨立決策、獨立核算，與表內業務嚴格風險隔離，真正構建了理財與母行的防火墻，實現了與母行的“物理”隔離。

2014年，國際會計準則理事會發布《國際財務報告準則第9號——金融工具》（IFRS 9），并于2018年1月1日起生效，IFRS 9中新增了核算主體金融資產和信貸承諾的預期信用損失的減值要求。根據IFRS 9的減值方法，信用損失的確認時點發生變化，主體始終需要核算預期信用損失及其變動。每一報告日需更新預期信用損失的金額，以反映信用風險自初始確認后的變化。該減值方法能夠及時體現預期信用損失的發生，反映了會計確認計量的及時性。

2017年，我國財政部修訂發布了《企業會計準則第22號——金融工具確認和計量》（以下簡稱“新金融工具準則”），以保持和IFRS 9的趨同。為了更加及時、足額地計提金融資產減值準備，揭示和防控金融資產信用風險，新金融工具準則引入了新的減值損失確認模型——預期信用損失模型，采用基于自初始確認后信用質量變化的“三階段”減值模型，符合我國強化金融監管的方向，對于我國企業而言，其有助于準確披露金融工具，能夠在一定程度上防范和化解金融風險。

根據財政部、銀保監會《關于進一步貫徹落實新金融工具相關會計準則的通知》（財會[2020]22號）要求，理財產品自2022年1月1日起執行新金融工具準則。在新金融工具準則的指導下，理財產品金融資產減值模型從原來的已發生信用損失減值模型變更為具有前瞻性的預期信用損失模型。因此，對于理財公司的產品會計核算而言，減值模型的構建具有十分重要的意義。本文以A理財公司為例，分析新金融工具準則實施前后的相關情況，探索減值模型的運用，并針對不同類型產品提出相關建議。

二、新金融工具準則下預期信用損失模型構建方法

按照新金融工具準則，企業應該根據金融工具自初始確認后信用風險的變化情況，在每個資產負債表日評估相關金融工具的信用風險自初始確認后是否已顯著增加，可以將購買或源生時未發生信用減值的金融工具發生信用減值的過程分為三個階段（見上頁表1），并依據購買或源生時是否發生信用減值的情形分別計提其損失準備、確認預期信用損失及其變動（見上頁表2）。

表1 購買或源生時未發生信用減值的金融工具發生信用減值的三個階段

表2 購買或源生時發生信用減值的金融工具確認損失情況

預期信用損失計算的整體方法框架如圖1所示。

圖1 預期信用損失模型計算方法框架

對于違約概率參數（以下簡稱“PD”）而言，依據業務有無Basel模型進行風險評估的情況，可以采取不同的處理方式。對于有Basel模型進行風險評估的業務，可以直接在Basel模型的基礎上進行調整得出12個月和存續期的PITPD曲線；對于無Basel模型進行違約概率評估的業務，可以通過歷史實際違約數據計算存續期的PIT-PD曲線。在得出PIT-PD曲線后，再根據宏觀經濟進行調整，生成前瞻性調整后的PD參數用于預期信用損失計算。

對于違約損失率參數（以下簡稱“LGD”）而言，同樣可以依據業務有無Basel模型進行風險評估的情況，采取不同的處理方式。對于有Basel模型進行風險評估的業務，可以直接在Basel模型的基礎上進行調整；對于無Basel模型進行違約損失率評估的業務，可以根據各風險緩釋品的歷史實際回收率、監管數據或外部經驗數據進行LGD估計。

對于風險暴露參數（以下簡稱“EAD”）而言，在新金融工具準則下，若未來現金流可估計，則需要計算報告日及未來每個還款時點的EXP，即未來現金流在報告日的貨幣時間價值，充分考慮每個還款時點的PD、LGD后得出預期信用損失。

三、前瞻性調整模型開發

（一）前瞻性調整概述。A理財公司在應用新金融工具準則時，充分考慮了前瞻性宏觀經濟信息對預期信用損失的影響，構建了宏觀經濟預測模型，并通過系統性風險因子傳導至單筆債項或組合層面的不良概率。模型開發過程可分為以下步驟：

1.指標池建立與數據準備：構建用于建模的宏觀經濟指標池，篩選可用的系統性風險因子，并準備用于建模的指標數據集。

2.模型指標篩選：對于可供選擇的宏觀經濟指標，通過單變量篩選與多變量遍歷分析的手段，挑選出最終進入模型的宏觀變量。

3.前瞻性調整建模：使用通過篩選的變量，對各風險敞口分別建立前瞻性調整模型，并使用向量誤差修正模型開發宏觀經濟預測模型。

（二）模型指標篩選。

1.單變量篩選處理。單變量篩選中，首先將各宏觀經濟變量的符號進行調整，使其與系統性風險因子的趨勢一致，然后對每個宏觀經濟變量進行時序平穩性分析。

2.多變量遍歷分析處理。對于通過了單變量篩選的指標，在設定了進入模型變量個數的上限與下限后，生成所有可能的變量組合，再通過遍歷的方法從指標經濟含義、指標顯著性、模型預測效果、變量間協整性等維度篩選最佳變量組合，以確定模型指標。（1）經濟含義檢驗。由于已將宏觀經濟指標處理成與系統性風險因子趨勢一致，因此多變量分析中所成模型，其自變量的系數符號皆應為正數。所以，當生成模型的系數存在負數時，說明其數據趨勢與經濟含義存在反向，因此在挑選模型時需要剔除。（2）指標系數顯著性檢驗。對于遍歷生成的每種變量組合，需要對其回歸系數的顯著性進行檢驗，符合要求的模型全部回歸系數p值小于閾值。在A理財公司的前瞻性調整中將指標系數顯著性的通過閾值設定為0.15，小于該閾值的模型通過檢驗。（3）指標共線性檢驗。通過計算方差膨脹因子判斷進入模型的指標之間是否存在多重共線性。經驗判斷方法表明，當0＜VIF＜10，不存在多重共線性，因此指標共線性篩選的閾值設定為10。（4）模型預測效果檢驗。通過衡量模型的擬合優度，確定模型的預測效果。該項篩選中并不設定閾值作為模型的準入標準，而是通過模型預測效果的排序，在其他各項篩選都通過的前提下，篩選擬合優度較佳的模型。（5）協整性檢驗。對不同宏觀經濟變量的組合檢驗其協整性，即對其殘差的平穩性進行檢驗，檢驗方法與單變量篩選中的時序平穩性分析相同。（6）殘差自相關檢驗。對生成模型的殘差自相關性進行檢驗，通過計算其Durbin-Watson系數的概率，判斷生成模型的殘差是否存在自相關性。在A理財公司的前瞻性調整中將Durbin-Watson的P統計值的閾值設為0.10，小于該閾值的模型通過檢驗。

四、案例分析

A理財公司成立于2020年，目前尚無Basel內評體系，為確保所有風險敞口均有準確、合理的減值方案覆蓋，并以最低的切換成本向基于Basel模型的減值計量方案過渡，本文針對各類金融資產設計了基于外部信用評級的預期信用損失的計量方法。

（一）A理財公司金融資產減值方案應用背景分析。本文選取A理財公司資產分級作為減值模型的信用評級的基礎分級標尺進行分析，并根據A理財公司資產分級標尺與其他評級在違約概率上存在的對應關系，將以資產分級為基礎標尺的減值模型推導至標準普爾全球評級、穆迪信用評級、大公國際評級等。由于以上評級系統對金融資產進行評級時均根據發行主體的信用進行評級，減值方案適用于所有銀行類金融資產以及非銀行金融資產。

整個減值方案從階段三出發，依次評價金融工具是否滿足階段三、階段二的觸發條件，一旦滿足觸發條件即落在相應的階段上。若階段三、階段二的條件均未觸發，即最終落在階段一，如圖2所示。

圖2 金融資產不同階段的預期信用損失計算方法

（二）A理財公司中理財產品各類底層金融資產減值方案。新金融工具準則要求對分類為攤余成本（AC）和以公允價值計量且其變動進入其他綜合收益（FVOCI）的債性資產計提減值。基于準則要求，A理財公司中減值覆蓋的資產類型為債券類資產（除資產支持證券以外）、存放同業、回購資產、資產支持證券、同業借款、活期存款、項目類資產。

1.債券類資產。

（1）低風險債券：低風險債券對手方信用等級高，違約風險低，故針對低風險債券采取零計提信用減值準備的減值模型實施方案，后續計量期間公司應定期評估此類債券的風險，以更新減值模型。

（2）非低風險債券：非低風險債券（除商業銀行債、同業存單）以內評法獲取PD、以Moody針對國際市場債券的最新歷史損失率數據作為公司內部的歷史損失率的代理為LGD。同業存單、商業銀行債全部資產中對手方為風險較小的國有銀行、股份制銀行的，采用同業存單PD體系；對手方為其他銀行的，采用集團資產分級PD體系。LGD采取Moody針對國際市場債券的最新歷史損失率數據作為公司內部的歷史損失率的代理。

2.存放同業。銀行類資產包括存放同業。該類資產對手方均為銀行。全部資產中對手方為風險較小的國有銀行、股份制銀行的，采用同業存單PD體系；其他資產采用集團資產分級PD體系。LGD采取Moody針對國際市場債券的最新歷史損失率數據作為公司內部的歷史損失率的代理。

3.資產支持證券。資產支持證券采取內評法獲取PD，以Moody針對國際市場債券的最新歷史損失率數據作為公司內部的歷史損失率的代理獲取LGD。不同的收益權轉讓資產有不同的抵質押物，其增信方式不同，根據增信方式來確定其LGD。

4.活期存款。活期存款存取靈活，對手方均為金融機構，信用等級較高，違約風險低，故針對活期存款采取了零計提信用減值準備的減值策略。后續管理層將定期評估此類資產的風險。

5.同業借款。同業借款資產采取以內評法獲取PD，以Moody針對國際市場債券的最新歷史損失率數據作為公司內部的歷史損失率的代理。

6.回購資產。存量回購資產期限較短，對手方均為金融機構，信用等級較高，違約風險低，質押物質量較高，故最終對回購資產采取了零計提信用減值準備的減值策略。后續計量期間公司應定期評估此類資產的風險，以更新減值模型。

7.項目類資產。項目類資產包括理財直融工具、非標債權、收益權轉讓和股票質押式回購。在存量項目類資產中，理財直融工具與非標債權采取以內評法獲取PD，以Moody針對國際市場債券的最新歷史損失率數據作為公司內部的歷史損失率的代理。

（三）案例數據分析。針對A理財公司適用減值的金融資產，我們對于標準債券使用中債模型進行減值影響測算，其他類型金融資產采用模型方法進行減值影響測算。在實踐過程中，針對不同類型的底層資產，采用如下方式：

1.針對活期存款、利率債、部分買入返售金融資產采用零計提方案。主要原因是：活期存款期限短，可隨時提取，實際信用風險低；利率債通常以國家信用為擔保，實際信用風險低；部分買入返售金融資產是基于銀行間及交易所以國債為抵押品的逆回購交易。

2.針對定期存款、協存及利率債為押品的債券質押式回購類型的資產采用時點測算，偏離監控方案。主要原因是相關資產久期較長，潛在信用風險高于前述資產。具體計量方案采用標準模型定期評估風險，進行閾值設定，就評估后風險高的資產進行減值計提。

此外，考慮到基礎數據維度在特殊時點下存在一定的缺失，在方案設計的過程中普遍采用兜底方案進行計量。具體包括：無評級的處理、無明確增信方式的處理等。目前方案依賴外部評級計算減值，針對無外部評級方案處理普遍采用定性評估結合審慎評估的方式。

以A理財公司現有的74只產品為例，賬面金額為197.42億元，我們運用上述減值模型進行測算，減值后金額為197.12億元，底層金融資產的減值比例最高為-0.24%，平均水平為-0.15%，測算結果具體如圖3所示。

圖3 A理財公司產品金融資產減值情況分析

五、結論與建議

基于上述分析，我們發現新金融工具準則的實施會對理財產品產生一定影響，理財公司目前正處于發展階段，在新金融工具準則實施后的產品發行中，應當確保凈值計量的準確性，從而保障投資者權益，在產品配置過程中，應著重考慮如何配置各個風險級別的資產，以平衡風險及收益情況。理財公司在未來發展過程中，應當以產品類型進行區分，重點關注以下幾個方面：

一是對現金管理類理財產品而言，“真”現金管理類產品的底層資產的信用等級較高，攤余成本法與公允價值差異較小，“半”現金管理類產品底層部分非標類投資，產品凈值與底層資產變現凈值差異過大。針對上述情況，在后續業務開展中，理財公司應當基于影子定價約束，通過公允價值與攤余成本下的差值，對預期信用損失模型進行相應調整，使攤余成本下的計量結果接近變現凈值。同時，理財公司應當基于投資范圍約束，考慮對于投資標的進行相應的風險控制或者風險對沖手段，使減值風險降低，產品凈值接近變現凈值。

二是對定開類理財產品而言，非標產品的信用風險較高，減值影響大，由于存在期限不匹配，定開期間的贖回安排難度大，在平衡收益、風險及期限的過程中，產品配置難度大。針對上述情況，建議對于底層不存在超期資產的理財產品，減值后凈值僅作為申贖對價目的使用，重點關注清算時點價值與凈值差異不應超過5%。若底層存在過渡期1.5倍超期資產的理財產品，則在開放時點凈值需作為申贖對價目的使用，在投資人公允性層面存在合規風險。

三是對處于封閉期的理財產品，該類產品多為到期贖回，底層產品雖然多樣，但是考慮到投資人大多風險承受能力強、披露頻次較低、底層資產到期全部可賣出或結算等特點，新金融工具準則的實施對減值、估值的影響相對較小。