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)
- This estimates the likelihood that a borrower will default on their obligations over a specified period. PD models typically leverage historical data, credit scores, financial ratios and qualitative factors. I’ve often seen institutions use internal rating scales, akin to those used by credit rating agencies like Fitch Ratings for structured finance, to assign a PD to each borrower.
-
Kerugian Diberikan Kegagalan (LGD)
- LGD represents the proportion of an exposure that an institution expects to lose if a default occurs, after accounting for recoveries from collateral or other sources. Calculating LGD is complex, involving historical recovery rates, collateral valuations and legal costs associated with default resolution.
-
Pendedahan pada Kegagalan (EAD)
- EAD is the total outstanding amount that a financial institution would be exposed to at the time a borrower defaults. For simple loans, this might be straightforward, but for credit lines or revolving facilities, it requires estimating future drawdowns.
-
Menggabungkan Maklumat yang Memandang ke Hadapan
- A critical differentiator of current impairment models is their forward-looking nature. This involves integrating macroeconomic forecasts-such as GDP growth, unemployment rates and interest rate movements-into the PD, LGD and EAD estimates. From my perspective, this is where the art meets the science, as economic scenarios must be carefully calibrated to reflect potential future stresses.
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
- For financial assets where there has been no significant increase in credit risk since initial recognition. Institutions recognize a provision for expected credit losses that result from default events possible within the next 12 months.
-
Peringkat 2: ECL Sepanjang Hayat (Tidak Terjejas Kredit)
- For financial assets where there has been a significant increase in credit risk since initial recognition, but they are not yet considered credit-impaired. Here, institutions recognize a provision for expected credit losses over the entire expected life of the financial instrument.
-
Peringkat 3: ECL Sepanjang Hayat (Terjejas Kredit)
- For financial assets that are deemed credit-impaired (e.g., more than 90 days past due or subject to restructuring, as noted by the States of Guernsey Group, Note 2(h)(ii)). Institutions recognize a provision for lifetime expected credit losses and interest revenue is calculated on the net carrying amount (gross carrying amount less the impairment allowance).
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
- A persistent hurdle remains securing clean, consistent historical data. Financial institutions often contend with fragmented legacy systems, requiring significant effort in data aggregation and validation before model development can truly begin.
-
Kompleksiti Model dan Pengesahan
- While conceptually straightforward, the actual models can be incredibly complex, requiring advanced statistical techniques and extensive computational resources. The iterative process of model validation, a critical step I’ve personally overseen countless times, ensures that models are robust, fit for purpose and perform as expected under various economic conditions. This involves back-testing, benchmarking against industry peers and sensitivity analysis.
-
Integrasi dengan Proses Perniagaan
- The true value of an impairment model is realized when its outputs are seamlessly integrated into strategic business decisions-from loan origination and pricing to portfolio management and capital planning. This requires close collaboration between risk, finance and business units, translating complex model outputs into actionable insights.
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
- Uncertainties stemming from global conflicts, inflation and shifting monetary policies make forecasting future economic scenarios more challenging than ever. Models must be adaptable and able to quickly incorporate new information.
-
Risiko yang Muncul
- The increasing focus on environmental, social and governance (ESG) factors, alongside risks like climate change and cybersecurity, necessitates integrating new data sources and modeling approaches into existing frameworks. As seen with the Mass.gov and Moody’s focus on these areas, this is no longer optional.
-
Kemajuan Teknologi
- The rise of artificial intelligence (AI) and machine learning (ML) offers both opportunities and challenges. While these technologies promise more sophisticated predictive capabilities, they also introduce questions around model interpretability, bias and governance.
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.
Rujukan
Apakah komponen utama model kemerosotan kredit?
Komponen utama termasuk Kebarangkalian Kegagalan (PD), Kerugian Apabila Kegagalan (LGD) dan Pendedahan pada Kegagalan (EAD).
Bagaimana IFRS 9 memberi impak kepada model kemerosotan kredit?
IFRS 9 mewajibkan pengiktirafan Kerugian Kredit Yang Diharapkan (ECL) dan mentakrifkan tiga peringkat kemerosotan yang mempengaruhi peruntukan.