IFRS 9 e impairment del credito: regulatory expectations e linee evolutive

Il presente contributo analizza i trend e le best practice di mercato connesse all’applicazione del principio contabile IFRS 9.

1. Background – Il principio contabile IFRS 9

Il principio contabile IFRS 9, entrato in vigore il 1 gennaio 2018 in sostituzione del precedente IAS39, definisce i principi per il riconoscimento e la valutazione degli strumenti finanziari. In particolare, l’IFRS 9 delinea le logiche per la classificazione e la misurazione degli strumenti finanziari e le disposizioni in materia di Hedge Accounting. Il tema, già affrontato dagli autori nel position paper realizzato da AIFIRM e oggetto di prossimo aggiornamento [1], viene qui analizzato rispetto a quelli ai trend ed alle best practice di mercato.

Differenze tra IAS 39 e IFRS 9

Rispetto allo IAS 39, l’IFRS 9 ha sostituito il concetto di “incurred losses” con quello di “expected losses”. In particolare, mentre il principio precedente si concentrava sul riconoscimento delle perdite solo quando si verificava un evento di deterioramento creditizio, IFRS 9 richiede alle entità di stimare le “perdite attese” derivanti da futuri possibili eventi di default. Questo cambiamento mira a rendere il processo di valutazione delle perdite creditizie più proattivo e a fornire agli investitori una visione più accurata e tempestiva della qualità del credito degli strumenti finanziari al mutare sia della rischiosità delle single controparti affidate che in relazione alle possibili evoluzioni del contesto macroeconomico.

Il concetto di Perdita Attesa (Expected Credit Losses – ECL)

Per il trattamento delle esposizioni creditizie, il principio IFRS 9 introduce la necessità di considerare, al fine di determinarne il valore contabile, le perdite dovute a futuri possibili eventi di default. Le perdite attese creditizie vengono tipicamente stimate dagli intermediari bancari attraverso il calcolo di tre parametri di rischio fondamentali:

• La probabilità di default (Probability of default – PD) è correlata alla rischiosità dei clienti e solitamente riflessa nei rating interni o esterni associati alla clientela. Questi rating vengono periodicamente aggiornati per rispecchiare le attuali condizioni di rischio.
• La perdita in caso di default (Loss Given Default – LGD) fornisce una misura delle possibili perdite derivanti da un default della controparte, basata principalmente sull’esperienza di recupero pregresso.
• L’esposizione al default (Exposure at Default – EAD) stima l’evoluzione potenziale dell’esposizione creditizia al momento del default. Ad esempio, a seguito di un avvicinarsi al default, è probabile che una controparte utilizzi appieno tutte le linee di credito disponibili.

Classificazione degli strumenti finanziari

Il principio richiede di classificare le esposizioni creditizie in tre stadi (stage)

• Stadio 1: esposizioni performing, per le quali è richiesta la stima di perdita attesa entro i 12 mesi successivi alla data di valutazione;
• Stadio 2: esposizioni performing, ma per le quali si è verificato un significativo deterioramento del merito creditizio dal momento dell’erogazione del credito e per cui è richiesta la stima di perdita attesa su tutta la vita residua dello strumento;
• Stadio 3: esposizioni non performing (in default), per le quali è richiesta la stima di perdita attesa su tutta la vita residua dello strumento.

Le stime di perdita attesa devono infine tenere in considerazione l’effetto dello scenario esterno prospettico (PIT forward looking), anche combinando gli effetti di possibili diversi scenari (analisi multiscenario).

2. Regulatory expectations e linee evolutive

L’attuale contesto storico vede il settore bancario soggetto a numerose sfide dovute sia alla rapida evoluzione del contesto geo-politico e macroeconomico esterno, sia alla gestione di alcuni rischi emergenti.

La crisi pandemica del 2020 con i suoi impatti sull’economia globale e sulle catene di approvvigionamento è stato solo il primo di una straordinaria successione di “cigni neri”, a cui hanno fatto seguito la crisi ucraina e la crisi energetica e, più recentemente, la crisi israelo-palestinese che si è riverberata sulla complessiva situazione del Medio Oriente (rif. crisi del canale di Suez). In tale contesto abbiamo assistito ad un riaccendersi della spinta inflattiva e alla conseguente politica monetaria restrittiva, con un incremento dei tassi di interesse di riferimento semplicemente inimmaginabile fino a qualche anno fa. Inoltre, i rischi ambientali, sociali e di governance, comunemente definiti ESG, stanno assumendo un peso via via crescente nella valutazione della solvibilità di enti e individui.

Quanto sopra ha introdotto una elevata incertezza prospettica e, soprattutto, una forte discontinuità rispetto all’esperienza degli ultimi anni, ponendo una serie di significative sfide al framework di gestione del rischio di credito e, in particolare, alle metodologie di valutazione contabile delle esposizioni creditizie, secondo i dettami del principio IFRS 9.

In tale contesto l’EBA ha recentemente pubblicato “IFRS 9 implementation by EU institutions monitoring report” (Novembre 2023). Tale documento, che segue la volontà di monitorare nel continuo l’adeguatezza delle metodologie di Impairment a livello europeo (rif. IFRS 9 Roadmap di luglio 2019[2]), integra le osservazioni già incluse nel precedente monitoring report, pubblicato a Novembre 2021. In particolare, tale report sintetizza le principali evidenze risultanti dall’attività di monitoraggio con focus sui portafogli high default (HDP) e mira a promuovere ulteriori miglioramenti nelle practice inerenti ai modelli di Impairment adottati dagli istituti bancari europei, confermando che le aree di criticità, già emerse nell’esercizio di monitoraggio precedente, sono ancora rilevanti.

Alla luce delle sopra richiamate sfide poste dallo scenario esterno e delle Regulatory expectations, declinate nella serie di report sopra citati e nel corso delle singole interlocuzioni tra Regulator ed Intermediari, le banche europee stanno lavorando per affinare il framework e le metodologie di Impairment, superando le criticità sperimentate e abbandonando le soluzioni temporanee messe in opera in molti casi.

L’interlocuzione dei Regulator con le Banche ed il report EBA sopra citato, hanno evidenziato alcune aree di miglioramento dei framework IFRS 9, che riportiamo a seguire:

• Staging Assessment – il mancato utilizzo di approcci su base collettiva (c.d. collective assessment) in assenza di indicatori rilevanti a livello di singola controparte ai fini dell’identificazione del significativo incremento del rischio di credito (SICR) e la conseguente allocazione nei differenti “stadi” di rischio, rappresenta una tra le aree di maggior attenzione. Inoltre, le regole adottate nell’individuazione delle soglie quantitative del SICR non risultano essere sempre in linea con il concetto di “significativo aumento del rischio” previsto dal principio IFRS 9. Infine, contrariamente da quanto atteso, la Low Credit Risk Exemption[3], è stata ampiamente applicata da alcuni istituti, evidenziando inoltre l’adozione di valori differenziati per quanto riguarda i livelli soglia del parametro di riferimento;
• Post model adjustments/Overlays – per adeguare temporaneamente i livelli di provisioning e includere l’effetto dei rischi emergenti nella stima delle perdite attese, la maggior parte degli istituti ha privilegiato l’utilizzo di postmodeladjustments e overlays, ovvero aggiustamenti applicati a valle della stima di perdita attesa. Tali overlays sono utilizzati per gestire tipologie di rischi non omogenei tra le banche, con differenti modalità di quantificazione (spesso con forte componente judgemental) e peso diverso sul coverage finale. Questo ha portato ad un aumento di variabilità nei valori finali di ECL osservati tra diversi operatori. Inoltre, l’implementazione e la successiva eliminazione di tali overlays non è supportata da processi ed indicatori chiari e trasparenti, con una governance robusta e controlli interni rigorosi, volti a garantire che la natura, rilevanza e durata attesa di tali overlays sia ben compresa dagli attori coinvolti;
• Rischi climatici – solo un limitato numero di istituti ha tenuto conto dei rischi climatici nelle stime dei parametri di rischio, nonostante la materialità riscontrata nell’ambito delle più ampie attività di Risk Management;
• Probabilità di Default – si sono registrate stime di PD significativamente superiori ai tassi di default osservati. Tale fenomeno è principalmente attribuibile alle misure di sostegno adottate per contrastare gli impatti della pandemia, che di fatto hanno temporaneamente “sterilizzato” la possibilità delle controparti di essere classificate a default per elementi oggettivi (ad es. sconfini). La semplice inclusione delle esperienze di default osservate durante il periodo pandemico nelle base dati di stima delle PD, potrebbe pertanto inficiare la relazione tra l’andamento dei default e le variabili macro-economiche ed, in ultima analisi, portare ad una riduzione del potere previsionale dei modelli utilizzati dalle banche;
• Componente forward – looking – è stato rilevato l’uso di tecniche ‘smoothing’[4] da parte degli istituti bancari ai fini della stima della perdita attesa creditizia prospettica (cd. forward looking), che non paiono in linea con la richiesta del principio IFRS 9. Inoltre, i valori di ECL finali sono guidati principalmente dalle ipotesi dello scenario baseline, con una parziale incorporazione dell’incertezze insite negli scenari macroeconomici alternativi e limitando l’effetto di non linearità tra la variazione delle variabili macroeconomiche e i valori di ECL;
• Backtesting – nonostante gli istituti abbiano definito specifiche metodologie per verificare la validità e l’accuratezza dei modelli sviluppati, queste sono limitate ad alcune aree (ad es. PD a 12 mesi) tralasciandone delle altre (ad es. ECL ed Overlays). Inoltre, si osservano: i) differenti approcci in termini di analisi effettuate, governance del processo e utilizzo dei risultati ottenuti per il monitoraggio periodico dei modelli; ii) la mancanza di adeguate azioni di follow-up, specialmente quando i test effettuati rivelano una bassa performance del modello.

Alla luce di tali evidenze e del dialogo con il Regulator, gli istituti bancari stanno continuando nell’attività di affinamento ed aggiornamento dei propri framework IFRS 9. A tal proposito riportiamo a seguire alcuni spunti di riflessione maturati alla luce della nostra esperienza di mercato:

• Governance di Post model adjustments e Overlays: la definizione di chiari ruoli, responsabilità, regole e flussi di reporting nell’adozione e nello smobilizzo degli aggiustamenti ai valori di ECL consentirebbe un miglior governo ed una migliore spiegabilità dei fenomeni non immediatamente modellabili e dei loro impatti. In generale l’adozione di tali soluzioni, sebbene possa risultare efficace nel breve periodo, dovrebbe essere accompagnata da una chiara indicazione dei motivi per cui non sia stato possibile introdurre aggiustamenti ai modelli, degli indicatori e soglie che porteranno alla loro dismissione e, ove possibile, dei tempi attesi a proposito. Inoltre, si dovrebbe superare l’adozione di ‘umbrella overlays” in favore di specifici aggiustamenti a livello di singolo parametro e fattore di rischio considerato. Infine, le funzioni di controllo interno ed esterno dovrebbero porre particolare attenzione all’analisi di tali aggiustamenti, dei loro razionali e di tutto quanto sopra;
• Trattamento della componente settoriale – l’introduzione di correttivi settoriali alle PD (ad esempio tramite aggiustamenti o modelli che tengano conto del settore di attività economica in cui opera la controparte) potrebbe far fronte alle carenze segnalate dal Regulator nell’adozione di approcci collettivi ai fini di stage allocation e nel cogliere, nelle proiezioni forward-looking, le diverse sensibilità dei vari settori rispetto al ciclo economico e ai rischi emergenti, come quelli legati all’ESG. Tali correttivi consentirebbero pertanto di superare gli overlays che molti operatori hanno introdotto per tenere in considerazione proprio la componente settoriale;
• Probabilità di accadimento degli scenari – l’introduzione o l’affinamento di specifiche metodologie di stima delle probabilità di accadimento dei diversi scenari (ad es. tramite funzione di densità degli indicatori macro-economici chiave) consentirebbe una maggiore efficacia nella definizione e rendicontazione degli impatti di scenari diversi da quello atteso;
• Coerenza con i processi gestionali – l’introduzione di un maggior allineamento tra le metodologie IFRS 9 ed i processi di gestione proattiva del credito (ad es. Early Warnings e Watchlist) sia ai fini di staging allocation che di stima delle perdite attese consentirebbe ai sistemi IFRS 9 di incorporare, ove utile ed opportuno, valutazioni esperte e/o driver di analisi più orientati alla vista prospettica (ad es. affordability del credito) in linea con le previsioni IFRS 9;
• L’integrazione dei rischi climatici e ambientali nei modelli, in considerazione della crescente rilevanza di tali rischi e delle attese dei Regulator e del mercato. Tale azione risulta particolarmente sfidante in considerazione di alcuni elementi ostacolanti, quali i) la scarsità dei dati rilevanti; ii) l’incertezza nell’evoluzione prospettica (non lineare) dei driver di rischio climatico; iii) la limitata rappresentatività delle esperienze storiche di perdita legate ai rischi climatici; e v) l’orizzonte temporale di breve periodo, generalmente preso in considerazione dai modelli IFRS 9, nonostante i rischi climatici tendano invece a manifestarsi più nel lungo periodo. Ciò premesso, sul mercato si stanno maturando delle market practices in grado di indirizzare il tema (ad es. carbon elasticity models a fronte dei rischi di transizione, haircuts al valore delle garanzie immobiliari a fronte dei rischi fisici);
• Affinamento dei modelli IFRS 9. Molti dei temi sopra citati possono e/o devono essere indirizzati intervenendo sui modelli IFRS 9. In ottica di rafforzamento dei modelli di stima dei singoli parametri di rischio (PD, LGD ed EAD) forward looking e point in time, citiamo a titolo esemplificativo e non esaustivo: i) la definizione di metodologie di trattamento / sterilizzazione delle serie storiche generate nel periodo pandemico; ii) l’introduzione di driver di rischio legati alla componente environmental: non solo climatica ma anche natural capital (inquinamento, biodiversità, sfruttamento di risorse naturali, etc.); iii) l’introduzione di modelli in grado di differenziare, anche in ottica prospettica, gli impatti settoriali; iv) l’introduzione nei modelli di driver e/o indicatori derivanti dai sistemi di gestione proattiva del credito, anche in default. A tal proposito, l’utilizzo di tecniche di analisi di “Intelligenza Artificiale” può abilitare l’impiego di nuove fonti informative dati anche destrutturate (ad es. news, social, PSD2) e l’identificazione di pattern di rischio non convenzionali;
• Revisione del framework di backtesting, al fine di includere nelle aree di analisi ambiti attualmente non coperti e consentire la definizione, il monitoraggio e la rendicontazione delle azioni correttive a fronte delle aree di debolezza identificate.

[1] Cfr. il Position Paper n. 32 “IFRS9 e le sfide di contesto”, che aggiorna il precedente del 2016 soffermandosi sulle problematiche della pandemia Covid-19, realizzato da AIFIRM (Associazione Italiana Financial Industry Risk Managers) con il supporto di Deloitte Risk Advisory disponibile al link https://www.aifirm.it/wp-content/uploads/2016/03/2021-Position-Paper-32-IFRS9-sfide-di-contesto.pdf. Attualmente è in fase di avvio una nuova commissione AIFIRM dedicata al tema IFRS 9, con l’obiettivo di stimolare il dibattito tra i practicioners e produrre un position paper aggiornato volto a delineare linee guida operative e metodologiche in risposta alle aspettative dei Regolatori, nonché alle sfide metodologiche e gestionali emergenti nel contesto attuale.

[2] Ref. “Roadmap for IFRS 9 deliverables” EBA, 23 luglio 2019.

[3] Nell’applicazione della “Low Credit Risk Exemption”, viene identificato un valore soglia di rischio di credito registrato alla data di rilevamento (es. sul parametro PD – probabilità di default), al di sotto del quale si assume non possa verificarsi alcun SICR rispetto alla data di rilevazione iniziale. Gi enti regolatori (BCBS, 2015 «Guidance on credit risk and acconting for expected credit losses») si attendono che tale opzione venga utilizzata in modo limitato e che essa sia dettagliatamente giustificata per tutte le posizioni.

[4] Le tecniche di smoothing consistono in un metodo statistico o matematico utilizzato per ridurre la variabilità o le fluttuazioni estreme in una serie di dati nel tempo, al fine di produrre una rappresentazione più uniforme della variabile.