Valtech 最近完成了一项关于预期信用损失（Expected Credit Loss, ECL）评估的咨询项目，协助客户优化其 ECL 评估方法、计算流程以及相关会计披露。该客户从事进口商品的国际贸易分销业务，客户群包括企业客户及分销商。

对于拥有大量**应收账款（trade receivables）的企业而言，采用简化法（simplified approach）并使用准备矩阵（provision matrix）**计算预期信用损失是一种常见且被会计准则接受的做法。相关会计准则亦明确指出，准备矩阵是一种可接受的实务方法。

在此基础上，估值专业人士需要进一步选择合适的方法来确定准备矩阵中的损失率。常见且被广泛接受的方法包括：

  • 滚动率法（Roll-rate method），分析应收账款在不同账龄区间之间的历史迁移情况
  • 历史账龄及坏账损失分析，通过历史数据识别违约模式
  • 在历史数据基础上结合**前瞻性信息（forward-looking information）**进行调整

然而，在审计过程中常见的问题是损失率的确定缺乏充分的依据或 documentation。例如，在某些情况下，企业会根据主观判断给予客户信用评级，并将其映像至外部信用评级机构的统计资料来确定违约概率或损失率。

这种做法容易混淆简化法与一般法（general approach）。一般法通常需要对交易对手进行更详细的信用风险评估，而不应简单依赖主观评级与外部统计资料进行映像。

因此，当企业采用准备矩阵方法时，应确保损失率主要基于历史信用损失经验及应收账款账龄分析，并在适当情况下加入前瞻性调整。同时，相关方法和假设需要进行清晰且充分的记录，以提高审计可接受性。

 

其他应收款项的预期信用损失评估

对于其他应收款、保证金及贷款类金融资产，会计准则要求企业进行信用风险评估，以判断是否存在信用风险显著增加（Significant Increase in Credit Risk, SICR）或是否出现违约迹象。

相关评估通常可结合以下信息：

  • 对交易对手进行定性信用分析
  • 交易对手可获得的财务信息
  • 行业环境及宏观经济状况
  • 一些非统计性的量化指标

当交易对手提供充分的财务资料时，Valtech 可以协助客户进行系统性的信用分析，从而更合理地确定**违约概率（Probability of Default, PD）**等关键参数。

如果交易对手缺乏公开财务信息，Valtech 仍然可以建立风险评估分析框架，通过分析交易对手的关键特征，例如：

  • 行业属性
  • 地理区域
  • 历史付款行为
  • 交易关系及商业背景

并将这些因素映像至经过前瞻性调整的违约率数据。

在研究审计机构及监管机构对 ECL 数据源的意见后，Valtech 亦优化了其方法论。在数据源方面，我们更倾向于使用市场相关性更高的违约率及回收率数据，并根据交易对手特征进行匹配，而减少单纯依赖信用评级机构发布的全球统计资料。这种做法有助于更准确反映企业实际面临的信用风险环境。

 

提升财务报告的可靠性与审计可接受性

一个设计完善的 ECL 框架应当实现以下目标：

  • 确保方法论符合 IFRS 9 / HKFRS 9 的要求
  • 合理结合历史损失数据与前瞻性信息
  • 提供透明且清晰的假设及计算过程 documentation
  • 提高审计可接受性及财务报告质量

通过结合估值专业知识、信用风险分析技术以及市场数据研究，Valtech 能够协助客户建立既具实务可操作性又具审计稳健性的 ECL 评估框架。