Model Pengurangan Kredit Memacu Pengurusan Risiko & Kestabilan Kewangan

Dalam kerjaya saya yang merangkumi lebih dua dekad dalam pengurusan risiko kewangan dan pematuhan peraturan, beberapa bidang telah berkembang dengan dinamik atau terbukti kritikal, seperti pembangunan dan aplikasi model kemerosotan kredit. Kerangka yang canggih ini bukan lagi sekadar keperluan perakaunan; ia adalah tiang asas untuk pengurusan risiko yang kukuh, pengagihan modal dan memastikan kestabilan kewangan sistemik. Dari barisan hadapan pinjaman hingga ke bilik mesyuarat institusi global, memahami dan melaksanakan model kemerosotan kredit yang berkesan adalah sangat penting untuk menavigasi landskap ekonomi yang kompleks pada hari ini.

Model pengurangan kredit adalah alat kewangan yang direka untuk menganggarkan potensi kerugian masa depan pada aset kewangan akibat kegagalan peminjam untuk memenuhi obligasi kontrak mereka. Tujuan utamanya adalah untuk membolehkan institusi kewangan mengenali dan menyediakan untuk kerugian yang dijangkakan ini secara proaktif, bukannya menunggu sehingga kegagalan benar-benar berlaku. Pendekatan yang berpandangan ke hadapan ini secara dramatik meningkatkan ketelusan dan kestabilan dalam laporan kewangan.

Peralihan ke arah model-model ini memperoleh momentum yang signifikan dengan pengenalan piawaian perakaunan global seperti IFRS 9 (Piawaian Pelaporan Kewangan Antarabangsa 9) dan CECL (Kerugian Kredit Dijangka Semasa) di Amerika Syarikat. Tidak seperti model “kerugian yang ditanggung” sebelumnya yang mengiktiraf kerugian hanya apabila kejadian kemerosotan berlaku, rangka kerja baru ini mewajibkan pengiktirafan Kerugian Kredit Dijangka (ECL).

Dalam praktiknya, ini bermaksud menilai risiko kredit dari saat instrumen kewangan dihasilkan. Sebagai contoh, penyata kewangan ter consolidasikan Kumpulan Guernsey menyatakan dengan jelas bahawa di bawah IFRS 9, “Kerugian kredit yang dijangkakan diukur sama ada pada kerugian kredit yang dijangkakan selama 12 bulan atau kerugian kredit yang dijangkakan sepanjang hayat” (Kumpulan Guernsey, Penyata Kewangan Ter Consolidasikan, Nota 2(h)(ii)). Perbezaan asas ini menentukan skop dan magnitud peruntukan.

Membangunkan model kemerosotan kredit yang komprehensif melibatkan penggabungan pelbagai konsep probabilistik dan kewangan. Pengalaman saya telah menunjukkan bahawa ketelitian yang diterapkan pada setiap komponen berkorelasi secara langsung dengan kuasa ramalan dan kebolehpercayaan model tersebut.

• Kebarangkalian Kegagalan (PD) Ini menganggarkan kemungkinan bahawa peminjam akan gagal memenuhi kewajipan mereka dalam tempoh yang ditetapkan. Model PD biasanya memanfaatkan data sejarah, skor kredit, nisbah kewangan dan faktor kualitatif. Saya sering melihat institusi menggunakan skala penilaian dalaman, serupa dengan yang digunakan oleh agensi penarafan kredit seperti Fitch Ratings untuk kewangan terstruktur, untuk memberikan PD kepada setiap peminjam.

• Kerugian Diberikan Kegagalan (LGD) LGD mewakili bahagian pendedahan yang dijangkakan oleh sesebuah institusi untuk hilang jika berlaku kegagalan, selepas mengambil kira pemulihan daripada cagaran atau sumber lain. Mengira LGD adalah kompleks, melibatkan kadar pemulihan sejarah, penilaian cagaran dan kos undang-undang yang berkaitan dengan penyelesaian kegagalan.

• Pendedahan pada Kegagalan (EAD) EAD adalah jumlah keseluruhan yang belum dibayar yang akan dihadapi oleh institusi kewangan pada saat peminjam gagal membayar. Untuk pinjaman mudah, ini mungkin mudah, tetapi untuk garis kredit atau kemudahan berputar, ia memerlukan anggaran pengeluaran masa depan.

• Menggabungkan Maklumat yang Memandang ke Hadapan Pembeza kritikal model kemerosotan semasa adalah sifatnya yang berpandangan ke hadapan. Ini melibatkan pengintegrasian ramalan makroekonomi—seperti pertumbuhan KDNK, kadar pengangguran dan pergerakan kadar faedah—ke dalam anggaran PD, LGD dan EAD. Dari perspektif saya, di sinilah seni bertemu sains, kerana senario ekonomi mesti dikalibrasi dengan teliti untuk mencerminkan tekanan masa depan yang berpotensi.

Kerangka IFRS 9, seperti yang diterima pakai oleh entiti seperti Kumpulan Negeri Guernsey, mentakrifkan tiga peringkat kemerosotan kredit, yang mempengaruhi cara ECL diukur:

• Peringkat 1: ECL 12-bulan Untuk aset kewangan di mana tiada peningkatan ketara dalam risiko kredit sejak pengiktirafan awal. Institusi mengiktiraf satu peruntukan untuk kerugian kredit yang dijangkakan yang hasil daripada kejadian gagal bayar yang mungkin berlaku dalam tempoh 12 bulan akan datang.

• Peringkat 2: ECL Sepanjang Hayat (Tidak Terjejas Kredit) Untuk aset kewangan di mana terdapat peningkatan ketara dalam risiko kredit sejak pengiktirafan awal, tetapi ia belum dianggap sebagai terjejas kredit. Di sini, institusi mengiktiraf satu peruntukan untuk kerugian kredit yang dijangkakan sepanjang hayat yang dijangkakan bagi instrumen kewangan tersebut.

• Peringkat 3: ECL Sepanjang Hayat (Terjejas Kredit) Untuk aset kewangan yang dianggap mengalami kemerosotan kredit (contohnya, lebih daripada 90 hari lewat bayar atau tertakluk kepada penstrukturan, seperti yang dinyatakan oleh Kumpulan Guernsey, Nota 2(h)(ii)). Institusi mengiktiraf satu peruntukan untuk kerugian kredit yang dijangka sepanjang hayat dan hasil faedah dikira berdasarkan jumlah bawa bersih (jumlah bawa kasar kurang daripada peruntukan kemerosotan).

Keberkesanan mana-mana model kemerosotan kredit bergantung kepada kualiti dan ketersediaan data. Data sejarah yang komprehensif dan terperinci mengenai kegagalan, pemulihan dan pembolehubah makroekonomi adalah sangat penting. Sebagai seorang profesional kewangan, saya telah menyaksikan secara langsung bagaimana kekurangan data boleh merosakkan bahkan model yang paling teoritis kukuh.

Institusi kewangan semakin bergantung kepada platform teknologi yang canggih untuk menguruskan data, menjalankan pengiraan yang kompleks dan menghasilkan laporan yang diperlukan. Syarikat seperti Moody’s menawarkan penyelesaian “Risk and Finance Lending Suite” dan “Intelligent Risk Platform”, yang menyediakan keupayaan untuk “pengurusan kunci kira-kira dan portfolio” dan membantu dalam menavigasi risiko dengan keyakinan (Moody’s, Insights). Platform ini mengautomasikan sebahagian besar pengambilan data, pelaksanaan model dan pelaporan, yang penting untuk mengendalikan portfolio yang besar dan pelbagai.

Pengawal selia di seluruh dunia memainkan peranan penting dalam membentuk dan menguatkuasakan piawaian untuk model kemerosotan kredit. Bahagian Bank (DOB) di Massachusetts, sebagai contoh, berfungsi sebagai “kuasa pendaftaran dan pengawal selia utama bagi penyedia perkhidmatan kewangan,” dengan misi utama untuk “memastikan persekitaran perkhidmatan kewangan yang kukuh, kompetitif dan boleh diakses” (Mass.gov, Bahagian Bank). Pengawasan ini secara semula jadi meluas kepada cara institusi kewangan menilai dan menyediakan untuk risiko kredit.

Aplikasi pengawalseliaan utama bagi model kemerosotan kredit adalah ujian tekanan. Pengawal selia, seperti Bank of England, menjalankan “ujian tekanan serentak yang berkala ke atas sistem perbankan UK untuk menyokong FPC dan PRA dalam mencapai objektif mereka” (Bank of England, Ujian tekanan sistem perbankan UK, Panduan mengenai ujian tekanan 2025 untuk peserta, diterbitkan pada 24 Mac 2025). Ujian ini mensimulasikan senario ekonomi yang tidak menguntungkan untuk menilai ketahanan institusi kewangan dan kecukupan penampan modal mereka dalam keadaan ekstrem. Wawasan yang diperoleh daripada ujian tekanan sering mempengaruhi keperluan modal dan tindakan pengawasan, menekankan hubungan kritikal antara pemodelan kemerosotan dan kestabilan sistemik.

Selanjutnya, pengawal selia semakin memberi tumpuan kepada risiko yang muncul yang boleh mempengaruhi kualiti kredit. Bahagian Bank Massachusetts, sebagai contoh, menekankan “Sumber Risiko Kewangan dan Berkaitan Iklim” dan “Keselamatan Siber untuk industri perkhidmatan kewangan” (Mass.gov, Bahagian Bank). Ini menunjukkan jangkaan yang semakin meningkat untuk model kemerosotan kredit agar menggabungkan faktor-faktor seperti kesan perubahan iklim (contohnya, risiko fizikal dan peralihan dalam perbankan, seperti yang dinyatakan oleh Moody’s Insights) dan ancaman siber ke dalam penilaian yang berpandangan ke hadapan mereka.

Melaksanakan dan mengekalkan model kemerosotan kredit adalah proses yang rumit dan berterusan. Dari pengalaman saya yang pertama kali memimpin pasukan pemodelan, cabaran praktikal sering kali sama pentingnya dengan kerumitan teori.

• Ketersediaan dan Kualiti Data Satu halangan yang berterusan adalah mendapatkan data sejarah yang bersih dan konsisten. Institusi kewangan sering berhadapan dengan sistem warisan yang terpecah-pecah, memerlukan usaha yang signifikan dalam pengumpulan dan pengesahan data sebelum pembangunan model dapat benar-benar dimulakan.

• Kompleksiti Model dan Pengesahan Walaupun secara konseptual mudah, model sebenar boleh menjadi sangat kompleks, memerlukan teknik statistik yang maju dan sumber pengkomputeran yang luas. Proses iteratif pengesahan model, langkah kritikal yang telah saya pantau berkali-kali, memastikan bahawa model adalah kukuh, sesuai untuk tujuan dan berfungsi seperti yang diharapkan di bawah pelbagai keadaan ekonomi. Ini melibatkan ujian semula, penanda aras terhadap rakan industri dan analisis sensitiviti.

• Integrasi dengan Proses Perniagaan Model kemerosotan yang sebenar nilainya akan direalisasikan apabila hasilnya disepadukan dengan lancar ke dalam keputusan perniagaan strategik—dari pengeluaran pinjaman dan penetapan harga hingga pengurusan portfolio dan perancangan modal. Ini memerlukan kerjasama rapat antara unit risiko, kewangan dan perniagaan, menterjemahkan hasil model yang kompleks menjadi pandangan yang boleh dilaksanakan.

Proses penghalusan model yang bersifat iteratif juga sangat penting. Keadaan ekonomi sentiasa berubah, data baru menjadi tersedia dan jangkaan peraturan berkembang. Model yang telah dikalibrasi dengan sempurna tahun lepas mungkin memerlukan penyesuaian yang ketara tahun ini untuk kekal relevan dan tepat.

Landskap untuk model kemerosotan kredit sentiasa berkembang. Beberapa cabaran dan tren utama membentuk masa depan mereka:

• Persekitaran Makroekonomi Dinamik Ketidakpastian yang berpunca dari konflik global, inflasi dan perubahan dasar monetari menjadikan ramalan senario ekonomi masa depan lebih mencabar daripada sebelumnya. Model-model mesti boleh disesuaikan dan mampu dengan cepat menggabungkan maklumat baru.

• Risiko yang Muncul Fokus yang semakin meningkat terhadap faktor persekitaran, sosial dan tadbir urus (ESG), bersama dengan risiko seperti perubahan iklim dan keselamatan siber, memerlukan pengintegrasian sumber data baru dan pendekatan pemodelan ke dalam rangka kerja yang sedia ada. Seperti yang dilihat dengan fokus Mass.gov dan Moody’s terhadap kawasan ini, ini bukan lagi pilihan.

• Kemajuan Teknologi Kenaikan kecerdasan buatan (AI) dan pembelajaran mesin (ML) menawarkan peluang dan cabaran. Walaupun teknologi ini menjanjikan keupayaan ramalan yang lebih canggih, ia juga memperkenalkan persoalan mengenai kebolehan mentafsir model, bias dan tadbir urus.

Model pengurangan kredit mencerminkan komitmen berterusan industri kewangan terhadap ketelusan yang lebih besar, ketahanan dan pengurusan risiko yang proaktif. Ketika kita melihat ke hadapan, keupayaan untuk dengan cepat menyesuaikan model-model ini kepada maklumat baru dan risiko yang muncul akan menentukan kejayaan institusi kewangan dalam mengekalkan persekitaran yang kukuh dan kompetitif.

Model pengurangan kredit adalah alat yang tidak dapat dipisahkan yang melampaui kepatuhan semata-mata, berfungsi sebagai asas untuk pengurusan kewangan yang bijak dan kestabilan sistemik. Melalui penilaian mereka yang berpandangan ke hadapan terhadap Expected Credit Losses (ECL), disokong oleh infrastruktur data yang kukuh dan disahkan melalui proses yang ketat seperti 2025 Bank Capital Stress Test (Bank of England, diterbitkan 24 Mac 2025), model-model ini memberdayakan institusi kewangan untuk meramalkan, mengukur dan mengurangkan risiko kredit dengan berkesan dalam ekonomi global yang sentiasa berubah. Penambahbaikan berterusan mereka, yang menggabungkan pandangan daripada badan seperti Massachusetts Division of Banks (Mass.gov) dan memanfaatkan platform canggih seperti yang ditawarkan oleh Moody’s (Insights), adalah penting untuk melindungi kesihatan kewangan dan memupuk kepercayaan.