新金融工具准则下理财产品减值模型构建探索

王雨（高级会计师）

（徽银理财有限责任公司 安徽合肥 230001）

一、引言

自2018年4月资管新规发布以来，资管行业架构日趋完善，理财业务公司制改革稳步推进，市场主体专业化经营特征凸显。截至2022年6月末，监管部门已批准29家理财公司筹建，其中27家已获批开业，理财市场已呈现出以理财公司为主、银行机构为辅的格局。理财公司通过银行理财业务的独立管理、独立决策、独立核算，与表内业务严格风险隔离，真正构建了理财与母行的防火墙，实现了与母行的“物理”隔离。

2014年，国际会计准则理事会发布《国际财务报告准则第9号——金融工具》（IFRS 9），并于2018年1月1日起生效，IFRS 9中新增了核算主体金融资产和信贷承诺的预期信用损失的减值要求。根据IFRS 9的减值方法，信用损失的确认时点发生变化，主体始终需要核算预期信用损失及其变动。每一报告日需更新预期信用损失的金额，以反映信用风险自初始确认后的变化。该减值方法能够及时体现预期信用损失的发生，反映了会计确认计量的及时性。

2017年，我国财政部修订发布了《企业会计准则第22号——金融工具确认和计量》（以下简称“新金融工具准则”），以保持和IFRS 9的趋同。为了更加及时、足额地计提金融资产减值准备，揭示和防控金融资产信用风险，新金融工具准则引入了新的减值损失确认模型——预期信用损失模型，采用基于自初始确认后信用质量变化的“三阶段”减值模型，符合我国强化金融监管的方向，对于我国企业而言，其有助于准确披露金融工具，能够在一定程度上防范和化解金融风险。

根据财政部、银保监会《关于进一步贯彻落实新金融工具相关会计准则的通知》（财会[2020]22号）要求，理财产品自2022年1月1日起执行新金融工具准则。在新金融工具准则的指导下，理财产品金融资产减值模型从原来的已发生信用损失减值模型变更为具有前瞻性的预期信用损失模型。因此，对于理财公司的产品会计核算而言，减值模型的构建具有十分重要的意义。本文以A理财公司为例，分析新金融工具准则实施前后的相关情况，探索减值模型的运用，并针对不同类型产品提出相关建议。

二、新金融工具准则下预期信用损失模型构建方法

按照新金融工具准则，企业应该根据金融工具自初始确认后信用风险的变化情况，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，可以将购买或源生时未发生信用减值的金融工具发生信用减值的过程分为三个阶段（见上页表1），并依据购买或源生时是否发生信用减值的情形分别计提其损失准备、确认预期信用损失及其变动（见上页表2）。

表1 购买或源生时未发生信用减值的金融工具发生信用减值的三个阶段

表2 购买或源生时发生信用减值的金融工具确认损失情况

预期信用损失计算的整体方法框架如图1所示。

图1 预期信用损失模型计算方法框架

对于违约概率参数（以下简称“PD”）而言，依据业务有无Basel模型进行风险评估的情况，可以采取不同的处理方式。对于有Basel模型进行风险评估的业务，可以直接在Basel模型的基础上进行调整得出12个月和存续期的PITPD曲线；对于无Basel模型进行违约概率评估的业务，可以通过历史实际违约数据计算存续期的PIT-PD曲线。在得出PIT-PD曲线后，再根据宏观经济进行调整，生成前瞻性调整后的PD参数用于预期信用损失计算。

对于违约损失率参数（以下简称“LGD”）而言，同样可以依据业务有无Basel模型进行风险评估的情况，采取不同的处理方式。对于有Basel模型进行风险评估的业务，可以直接在Basel模型的基础上进行调整；对于无Basel模型进行违约损失率评估的业务，可以根据各风险缓释品的历史实际回收率、监管数据或外部经验数据进行LGD估计。

对于风险暴露参数（以下简称“EAD”）而言，在新金融工具准则下，若未来现金流可估计，则需要计算报告日及未来每个还款时点的EXP，即未来现金流在报告日的货币时间价值，充分考虑每个还款时点的PD、LGD后得出预期信用损失。

三、前瞻性调整模型开发

（一）前瞻性调整概述。A理财公司在应用新金融工具准则时，充分考虑了前瞻性宏观经济信息对预期信用损失的影响，构建了宏观经济预测模型，并通过系统性风险因子传导至单笔债项或组合层面的不良概率。模型开发过程可分为以下步骤：

1.指标池建立与数据准备：构建用于建模的宏观经济指标池，筛选可用的系统性风险因子，并准备用于建模的指标数据集。

2.模型指标筛选：对于可供选择的宏观经济指标，通过单变量筛选与多变量遍历分析的手段，挑选出最终进入模型的宏观变量。

3.前瞻性调整建模：使用通过筛选的变量，对各风险敞口分别建立前瞻性调整模型，并使用向量误差修正模型开发宏观经济预测模型。

（二）模型指标筛选。

1.单变量筛选处理。单变量筛选中，首先将各宏观经济变量的符号进行调整，使其与系统性风险因子的趋势一致，然后对每个宏观经济变量进行时序平稳性分析。

2.多变量遍历分析处理。对于通过了单变量筛选的指标，在设定了进入模型变量个数的上限与下限后，生成所有可能的变量组合，再通过遍历的方法从指标经济含义、指标显著性、模型预测效果、变量间协整性等维度筛选最佳变量组合，以确定模型指标。（1）经济含义检验。由于已将宏观经济指标处理成与系统性风险因子趋势一致，因此多变量分析中所成模型，其自变量的系数符号皆应为正数。所以，当生成模型的系数存在负数时，说明其数据趋势与经济含义存在反向，因此在挑选模型时需要剔除。（2）指标系数显著性检验。对于遍历生成的每种变量组合，需要对其回归系数的显著性进行检验，符合要求的模型全部回归系数p值小于阈值。在A理财公司的前瞻性调整中将指标系数显著性的通过阈值设定为0.15，小于该阈值的模型通过检验。（3）指标共线性检验。通过计算方差膨胀因子判断进入模型的指标之间是否存在多重共线性。经验判断方法表明，当0＜VIF＜10，不存在多重共线性，因此指标共线性筛选的阈值设定为10。（4）模型预测效果检验。通过衡量模型的拟合优度，确定模型的预测效果。该项筛选中并不设定阈值作为模型的准入标准，而是通过模型预测效果的排序，在其他各项筛选都通过的前提下，筛选拟合优度较佳的模型。（5）协整性检验。对不同宏观经济变量的组合检验其协整性，即对其残差的平稳性进行检验，检验方法与单变量筛选中的时序平稳性分析相同。（6）残差自相关检验。对生成模型的残差自相关性进行检验，通过计算其Durbin-Watson系数的概率，判断生成模型的残差是否存在自相关性。在A理财公司的前瞻性调整中将Durbin-Watson的P统计值的阈值设为0.10，小于该阈值的模型通过检验。

四、案例分析

A理财公司成立于2020年，目前尚无Basel内评体系，为确保所有风险敞口均有准确、合理的减值方案覆盖，并以最低的切换成本向基于Basel模型的减值计量方案过渡，本文针对各类金融资产设计了基于外部信用评级的预期信用损失的计量方法。

（一）A理财公司金融资产减值方案应用背景分析。本文选取A理财公司资产分级作为减值模型的信用评级的基础分级标尺进行分析，并根据A理财公司资产分级标尺与其他评级在违约概率上存在的对应关系，将以资产分级为基础标尺的减值模型推导至标准普尔全球评级、穆迪信用评级、大公国际评级等。由于以上评级系统对金融资产进行评级时均根据发行主体的信用进行评级，减值方案适用于所有银行类金融资产以及非银行金融资产。

整个减值方案从阶段三出发，依次评价金融工具是否满足阶段三、阶段二的触发条件，一旦满足触发条件即落在相应的阶段上。若阶段三、阶段二的条件均未触发，即最终落在阶段一，如图2所示。

图2 金融资产不同阶段的预期信用损失计算方法

（二）A理财公司中理财产品各类底层金融资产减值方案。新金融工具准则要求对分类为摊余成本（AC）和以公允价值计量且其变动进入其他综合收益（FVOCI）的债性资产计提减值。基于准则要求，A理财公司中减值覆盖的资产类型为债券类资产（除资产支持证券以外）、存放同业、回购资产、资产支持证券、同业借款、活期存款、项目类资产。

1.债券类资产。

（1）低风险债券：低风险债券对手方信用等级高，违约风险低，故针对低风险债券采取零计提信用减值准备的减值模型实施方案，后续计量期间公司应定期评估此类债券的风险，以更新减值模型。

（2）非低风险债券：非低风险债券（除商业银行债、同业存单）以内评法获取PD、以Moody针对国际市场债券的最新历史损失率数据作为公司内部的历史损失率的代理为LGD。同业存单、商业银行债全部资产中对手方为风险较小的国有银行、股份制银行的，采用同业存单PD体系；对手方为其他银行的，采用集团资产分级PD体系。LGD采取Moody针对国际市场债券的最新历史损失率数据作为公司内部的历史损失率的代理。

2.存放同业。银行类资产包括存放同业。该类资产对手方均为银行。全部资产中对手方为风险较小的国有银行、股份制银行的，采用同业存单PD体系；其他资产采用集团资产分级PD体系。LGD采取Moody针对国际市场债券的最新历史损失率数据作为公司内部的历史损失率的代理。

3.资产支持证券。资产支持证券采取内评法获取PD，以Moody针对国际市场债券的最新历史损失率数据作为公司内部的历史损失率的代理获取LGD。不同的收益权转让资产有不同的抵质押物，其增信方式不同，根据增信方式来确定其LGD。

4.活期存款。活期存款存取灵活，对手方均为金融机构，信用等级较高，违约风险低，故针对活期存款采取了零计提信用减值准备的减值策略。后续管理层将定期评估此类资产的风险。

5.同业借款。同业借款资产采取以内评法获取PD，以Moody针对国际市场债券的最新历史损失率数据作为公司内部的历史损失率的代理。

6.回购资产。存量回购资产期限较短，对手方均为金融机构，信用等级较高，违约风险低，质押物质量较高，故最终对回购资产采取了零计提信用减值准备的减值策略。后续计量期间公司应定期评估此类资产的风险，以更新减值模型。

7.项目类资产。项目类资产包括理财直融工具、非标债权、收益权转让和股票质押式回购。在存量项目类资产中，理财直融工具与非标债权采取以内评法获取PD，以Moody针对国际市场债券的最新历史损失率数据作为公司内部的历史损失率的代理。

（三）案例数据分析。针对A理财公司适用减值的金融资产，我们对于标准债券使用中债模型进行减值影响测算，其他类型金融资产采用模型方法进行减值影响测算。在实践过程中，针对不同类型的底层资产，采用如下方式：

1.针对活期存款、利率债、部分买入返售金融资产采用零计提方案。主要原因是：活期存款期限短，可随时提取，实际信用风险低；利率债通常以国家信用为担保，实际信用风险低；部分买入返售金融资产是基于银行间及交易所以国债为抵押品的逆回购交易。

2.针对定期存款、协存及利率债为押品的债券质押式回购类型的资产采用时点测算，偏离监控方案。主要原因是相关资产久期较长，潜在信用风险高于前述资产。具体计量方案采用标准模型定期评估风险，进行阈值设定，就评估后风险高的资产进行减值计提。

此外，考虑到基础数据维度在特殊时点下存在一定的缺失，在方案设计的过程中普遍采用兜底方案进行计量。具体包括：无评级的处理、无明确增信方式的处理等。目前方案依赖外部评级计算减值，针对无外部评级方案处理普遍采用定性评估结合审慎评估的方式。

以A理财公司现有的74只产品为例，账面金额为197.42亿元，我们运用上述减值模型进行测算，减值后金额为197.12亿元，底层金融资产的减值比例最高为-0.24%，平均水平为-0.15%，测算结果具体如图3所示。

图3 A理财公司产品金融资产减值情况分析

五、结论与建议

基于上述分析，我们发现新金融工具准则的实施会对理财产品产生一定影响，理财公司目前正处于发展阶段，在新金融工具准则实施后的产品发行中，应当确保净值计量的准确性，从而保障投资者权益，在产品配置过程中，应着重考虑如何配置各个风险级别的资产，以平衡风险及收益情况。理财公司在未来发展过程中，应当以产品类型进行区分，重点关注以下几个方面：

一是对现金管理类理财产品而言，“真”现金管理类产品的底层资产的信用等级较高，摊余成本法与公允价值差异较小，“半”现金管理类产品底层部分非标类投资，产品净值与底层资产变现净值差异过大。针对上述情况，在后续业务开展中，理财公司应当基于影子定价约束，通过公允价值与摊余成本下的差值，对预期信用损失模型进行相应调整，使摊余成本下的计量结果接近变现净值。同时，理财公司应当基于投资范围约束，考虑对于投资标的进行相应的风险控制或者风险对冲手段，使减值风险降低，产品净值接近变现净值。

二是对定开类理财产品而言，非标产品的信用风险较高，减值影响大，由于存在期限不匹配，定开期间的赎回安排难度大，在平衡收益、风险及期限的过程中，产品配置难度大。针对上述情况，建议对于底层不存在超期资产的理财产品，减值后净值仅作为申赎对价目的使用，重点关注清算时点价值与净值差异不应超过5%。若底层存在过渡期1.5倍超期资产的理财产品，则在开放时点净值需作为申赎对价目的使用，在投资人公允性层面存在合规风险。

三是对处于封闭期的理财产品，该类产品多为到期赎回，底层产品虽然多样，但是考虑到投资人大多风险承受能力强、披露频次较低、底层资产到期全部可卖出或结算等特点，新金融工具准则的实施对减值、估值的影响相对较小。