close
Share with your friends
Dimensionen - Schwerpunkt Rechnungswesen der Zukunf - Mengen bilden

Mengen bilden

Mengen bilden

Dimensionen

Dimensionen

Die KPMG Fachzeitschrift bietet Neuigkeiten aus den Bereichen Wirtschaftsprüfung und Beratung.

Das Rechnungswesen der Banken steht vor einer Herausforderung: Große Datenmengen zum Kreditgeschäft müssen schnell kalkuliert, sinnvoll aggregiert und letztlich simuliert werden. Der Grund: Die Informationsbedürfnisse des Topmanagements zur internen Steuerung des Expected Credit Loss nach IFRS 9 sowie anzugebende externe Informationen für Investoren. KPMG QUANT.FORCE kann dabei unterstützen.

Das „Go-Live“ von IFRS 9 erfolgte am 1. Jänner 2018. Nachdem ein Jahr vergangen ist und die ersten Effekte – vor allem im Expected Credit Loss (ECL) – in den Zwischenabschlüssen der Banken veröffentlich wurden, kann man einige Beobachtungen quer über die Bankbranche hinweg festhalten.

Rückblick auf das Vergangene

Die Höhe der ECL-Effekte aus dem Umstieg auf IFRS 9 war bei vielen Banken weniger kritisch als zu Beginn befürchtet. Dies war wohl va der positiven ökonomischen Lage und dem guten wirtschaftlichen Ausblick am 1. Jänner 2018 geschuldet. Was aber immer deutlicher wird, ist die mögliche Volatilität der Modelle. Diese kann durchaus, wenn die Lage und der Ausblick weniger positiv erscheinen, einen hohen Hebel auf die Zahlen und somit die Ergebnisse haben. Naturgemäß stellen sich somit das Topmanagement, Investoren und nicht zuletzt Prüfer folgende Frage: Wie sensitiv bzw volatil reagiert das jeweilige ECL-Modell auf die dahinterliegenden Annahmen und Erwartungen?

Dies wird auch in den Informationen deutlich, die aufgrund der IFRS in den Notes anzugeben sind. Hier sind grundsätzlich die quantitativen und qualitativen Informationen zum ECL nach IFRS 7.35A bis N zu beachten. Dabei fordert insbesondere IFRS 7.35I quantitative Informationen zur Erklärung der Änderungen im ECL.

Diese müssen aufgesplittet werden nach

a) ECL-Änderungen aufgrund von Neugeschäft,

b) ECL-Änderung aufgrund von nicht-substanziellen Modifikationen,

c) ECL-Änderungen aufgrund von Ausbuchungen und

d) ECL-Änderungen aufgrund eines Stufentransfers von Stage 1 auf Stage 2 bzw 3.

Daneben ergeben sich Anforderungen zur Angabe der ECL-Volatilität auch aus anderen Regelungsquellen: Wesentliche Änderungen von Schätzungen sind gemäß IAS 8.39 hinsichtlich ihrer Art und ihres Betrages zu erläutern. Dies wird dann erreicht, wenn „bemerkenswerte“ Entwicklungen in der Angabe zu dem oben beschriebenen IFRS 7.35I („EWB-Entwicklung“) flankierend verbal erläutert werden. Für Posten, die mit einer wesentlichen Schätzunsicherheit behaftet sind, sehen IAS 1.125–129 gesondert Angaben vor. Diese Angaben sind insbesondere für „Schätzungen, die schwierige, subjektive oder komplexe Einschätzungen“ verlangen, zu machen. Das wird bei Banken beim ECL häufig zutreffen. Zu den erforderlichen Angaben zählen hier neben Angabe von Art und Betrag (wohl durch IFRS 7.35I erfüllt) auch eine Sensitivitätsanalyse der Buchwerte. Diese muss in Bezug auf Methoden, Annahmen und Schätzungen unter Angabe von Begründungen/Erläuterungen sowie eine Bandbreite möglicher Entwicklungen in der kommenden Berichtsperiode angegeben werden.

Simulationen und Vorhersagen

Um diesen extensiven Informationsbedarf erfüllen zu können, hat KPMG eine Engine auf Basis der Statistik-Software „R“ entwickelt (Quantitative Forecast und Controlling Engine bzw „QUANT.FORCE“). Diese ordnet die Veränderungen von ECL-Ergebnissen zwischen mehreren Reporting-Stichtagen einzelnen Schlüssel- bzw Treibereffekten zu. Daraus lassen sich nicht nur Schlussfolgerungen für bereits eingetretene Veränderungen ableiten (retrospektive Analyse), sondern es können auch Simulationen getätigt werden sowie Forecasts für zukünftige ECL-Ergebnisse geschätzt werden (prospektive Analyse).

Die Logik basiert auf drei Schritten:

1. Identifizierung und Quantifizierung der ECL-Schlüsseltreiber/Bewegungsanalyse

Durch ceteris paribus-Analysen werden die Effekte der ECL-Kernkomponenten zunächst in wesentliche Teile gesplittet und quantifiziert, wie etwa: TTC-Effekt, FLI-Effekt, LGD-Effekt, Staging-Effekt, EIR-Effekt, Rating-Effekt sowie Effekt aus neuen und ausgelaufenen Transaktionen inkl einer Bewegungsanalyse.

2. Sensitivität möglicher zukünftiger Entwicklung auf die ECL-Kernkomponenten

Nachdem die wesentlichen Schlüsseltreiber der ECL-Berechnung identifiziert wurden, können diese im nächsten Schritt für zukünftige Reporting Dates auf deren Sensitivität getestet werden. Interessant für die Diskussion mit dem Prüfer ist, dass damit nicht nur häufig gleichzeitig eine automatisierte Wesentlichkeitsanalyse abgedeckt ist, sondern auch die Sensitivitätsangaben in den Notes erfüllt werden können.

3. Prognose zukünftiger ECL-Ergebnisse

Die Ergebnisse aus den beiden vorangegangenen Schritten werden im dritten Schritt zusammengefügt um ECL-Prognosen zu erstellen. Dies kann über verschiedene Forecast-Methoden – wie simple qualitative Hochrechnungen bis hin zum Benutzen von autoregressiven Modellen – erfolgen.

In der Praxis sind die ECL-Rechen-Engines oft direkt und starr mit den Buchungssystemen verbunden. Die Analyse- und Reporting-Funktionalität bezüglich oben beschriebener ECL-Sensitivitäten und Volatilitäten ist häufig noch ausbaufähig bzw – im denkbar schlechtesten Fall – gar nicht durchführbar. In Hinblick auf das „Rechnungswesen der Zukunft“ bedeutet das: Ein Rechnungswesen wird nur dann IFRS 9 ECL-Informationsbedürfnisse erfüllen können, wenn es die Herausforderung meistert, mit großen Datenmengen effizient und effektiv umzugehen zu können. Gleichzeitig müssen diese schnell und einfach in sinnvolle Analysen überführt werden können.

Autoren

Thomas Gaber

Philip Kudrna

Regelmäßige Updates zu Beobachtungen und Effekten aus dem IFRS 9 bei europäischen und internationalen Banken gibt es im KPMG Blog: www.kpmg.com/realtimeIFRS