Valtech 最近完成了一項關於預期信用損失（Expected Credit Loss, ECL）評估的諮詢專案，協助客戶優化其 ECL 評估方法、計算流程以及相關會計披露。該客戶從事進口商品的國際貿易分銷業務，其客戶群包括企業客戶及分銷商。
對於擁有大量應收賬款（trade receivables）的企業而言，採用簡化法（simplified approach）並使用準備矩陣（provision matrix）計算預期信用損失是一種常見且被會計準則接受的做法。相關會計準則亦明確指出，準備矩陣是一種可接受的實務方法。
在此基礎上，估值專業人士需要進一步選擇合適的方法來確定準備矩陣中的損失率。常見且被廣泛接受的方法包括：
- 滾動率法（Roll-rate method），分析應收賬款在不同賬齡區間之間的歷史遷移情況
- 歷史賬齡及壞賬損失分析，通過歷史資料識別違約模式
- 在歷史資料基礎上結合前瞻性資訊（forward-looking information）進行調整
然而，在審計過程中常見的問題是損失率的確定缺乏充分的依據或 documentation。例如，在某些情況下，企業會根據主觀判斷給予客戶信用評級，並將其映射至外部信用評級機構的統計資料來確定違約概率或損失率。
這種做法容易混淆簡化法與一般法（general approach）。一般法通常需要對交易對手進行更詳細的信用風險評估，而不應簡單依賴主觀評級與外部統計資料進行映射。
因此，當企業採用準備矩陣方法時，應確保損失率主要基於歷史信用損失經驗及應收賬款賬齡分析，並在適當情況下加入前瞻性調整。同時，相關方法和假設需要進行清晰且充分的記錄，以提高審計可接受性。
其他應收款項的預期信用損失評估
對於其他應收款、保證金及貸款類金融資產，會計準則要求企業進行信用風險評估，以判斷是否存在信用風險顯著增加（Significant Increase in Credit Risk, SICR）或是否出現違約跡象。
相關評估通常可結合以下資訊：
- 對交易對手進行定性信用分析
- 交易對手可獲得的財務資訊
- 行業環境及宏觀經濟狀況
- 一些非統計性的量化指標
當交易對手提供充分的財務資料時，Valtech 可以協助客戶進行系統性的信用分析，從而更合理地確定**違約概率（Probability of Default, PD）**等關鍵參數。
如果交易對手缺乏公開財務資訊，Valtech 仍然可以建立風險評估分析框架，通過分析交易對手的關鍵特徵，例如：
- 行業屬性
- 地理區域
- 歷史付款行為
- 交易關係及商業背景
並將這些因素映射至經過前瞻性調整的違約率資料。
在研究審計機構及監管機構對 ECL 資料來源的意見後，Valtech 亦優化了其方法論。在資料來源方面，我們更傾向於使用市場相關性更高的違約率及回收率資料，並根據交易對手特徵進行匹配，而減少單純依賴信用評級機構發佈的全球統計資料。這種做法有助於更準確反映企業實際面臨的信用風險環境。
提升財務報告的可靠性與審計可接受性
一個設計完善的 ECL 框架應當實現以下目標：
- 確保方法論符合 IFRS 9 / HKFRS 9 的要求
- 合理結合歷史損失資料與前瞻性資訊
- 提供透明且清晰的假設及計算過程 documentation
- 提高審計可接受性及財務報告品質
通過結合估值專業知識、信用風險分析技術以及市場資料研究，Valtech 能夠協助客戶建立既具實務可操作性又具審計穩健性的 ECL 評估框架。
