Diese Seminararbeit beschäftigt sich mit den Einflussgrößen des ECL-Modells. Das Themengebiet des Wertminderungsmodells des IFRS 9 genießt Aktualität, da die Erstanwendung erst ab 2018 verpflichtend erfolgte. Somit können praxisnahe Auswertungen der Einflussgrößen erst seit kurzem getätigt werden. Ziel dieser Seminararbeit ist die Darstellung der Gestaltungsmöglichkeiten für Kreditinstitute bei der Anwendung des ECL-Modells und die Bewertung möglicher Auswirkungen, die sich daraus ergeben.
Zu Beginn der Seminararbeit erfolgt ein Überblick über die Entstehungshistorie sowie die Anwendungsbereiche des IFRS 9. Zudem werden der Aufbau und die Berechnungsweise des ECL-Modells erläutert, um den Grundstein für die Untersuchungen zu legen. Im dritten Kapitel werden die einzelnen Einflussfaktoren des ECL-Modells aufgezeigt und hinsichtlich möglicher Gestaltungs- und Bewertungsspielräume analysiert. Anschließend werden die Auswirkungen der Gestaltungsmöglichkeiten für Kreditinstitute bei der Bewertung des ECL dargestellt. So werden die Folgen eines gering bzw. hoch geschätzten ECL aufgezeigt und die daraus resultierenden Vor- und Nach-teile aus unterschiedlichen Perspektiven erarbeitet. Abschließend wird ein begründetes Fazit gezogen, welches die Ergebnisse dieser Seminararbeit zusammenfasst und einen Ausblick auf mögliche Forschungsansätze für die Zukunft bietet.
Inhaltsverzeichnis
Abkürzungsverzeichnis
Symbolverzeichnis
1 Einleitung
2 Theoretische Grundlagen des IFRS 9
2.1 Entstehung des Standards
2.2 Anwendungsbereich
2.3 Expected-Credit-Loss-Modell
3 Einflussgrößen auf den Expected Credit Loss
3.1 Probability of default
3.2 Loss given default
3.3 Exposure at default
4 Bewertung
5 Fazit und Ausblick
Literaturverzeichnis
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Symbolverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Einleitung
Die umfangreiche Bankenrettung im Anschluss an die Finanzmarktkrise ab 2007 kostete die europäischen Staaten über 90 Milliarden Euro.1 Das damals von IAS 39 vorgeschriebene Incurred-Loss- Modell zur Bewertung und Wertberichtigung von Finanzinstrumenten wurde häufig dafür kritisiert, die Bankenkrise verschärft zu haben. Der IASB reagierte und erarbeite einen neuen IFRS, welcher IAS 39 ersetzt und die Risikovorsorge von Kreditinstituten zukunftsorientierter gestaltet. Der neue IFRS 9 beinhaltet das Expected-Credit-Loss-Modell (ECL-Modell), welches die Wertminderungen von Finanzinstrumenten regelt.2
Diese Seminararbeit beschäftigt sich mit den Einflussgrößen des ECL-Modells. Das Themengebiet des Wertminderungsmodells des IFRS 9 genießt Aktualität, da die Erstanwendung erst ab 2018 verpflichtend erfolgte. Somit können praxisnahe Auswertungen der Einflussgrößen erst seit kurzem getätigt werden. Ziel dieser Seminararbeit ist die Darstellung der Gestaltungsmöglichkeiten für Kreditinstitute bei der Anwendung des ECL-Modells und die Bewertung möglicher Auswirkungen, die sich daraus ergeben.
Zu Beginn der Seminararbeit erfolgt ein Überblick über die Entstehungshistorie sowie die Anwendungsbereiche des IFRS 9. Zudem werden der Aufbau und die Berechnungsweise des ECL-Modells erläutert, um den Grundstein für die Untersuchungen zu legen. Im dritten Kapitel werden die einzelnen Einflussfaktoren des ECL-Modells aufgezeigt und hinsichtlich möglicher Gestaltungs- und Bewertungsspielräume analysiert. Anschließend werden die Auswirkungen der Gestaltungsmöglichkeiten für Kreditinstitute bei der Bewertung des ECL dargestellt. So werden die Folgen eines gering bzw. hoch geschätzten ECL aufgezeigt und die daraus resultierenden Vor- und Nachteile aus unterschiedlichen Perspektiven erarbeitet. Abschließend wird ein begründetes Fazit gezogen, welches die Ergebnisse dieser Seminararbeit zusammenfasst und einen Ausblick auf mögliche Forschungsansätze für die Zukunft bietet.
2 Theoretische Grundlagen des IFRS 9
2.1 Entstehung des Standards
Vor Einführung des IFRS 9 regelte der IAS 39 „Financial Instruments: Recognition and Measurement“ die Bewertung und Wertminderungen von finanziellen Vermögenswerten von Kreditinstituten.
Das im IAS 39 beschriebene Incurred-Loss-Modell war verpflichtend bei der Wertminderung von Finanzinstrumenten anzuwenden. Gemäß diesem Modell durften Wertberichtigungen erst erfasst werden, sobald ein Trigger Event tatsächlich eingetreten war oder sich etwas ereignete, was einen Kreditausfall sehr wahrscheinlich machte.3
Im Zuge der Subprime- und Finanzmarktkrise Ende der 2000er wurde die Wirkungsweise des Incur- red-Loss-Modells stark kritisiert, da es zu einer verzögerten Erfassung von vorhersehbaren Kreditrisiken und -verlusten sowie zu schwankenden Verläufen von Wertminderungen führte.4 Zudem wurde die hohe Komplexität des IAS 39 häufig kritisiert. So sagte der langjährige Vorsitzende des IASB: if you understand it, you haven't read it properly - it's incomprehensible ."5
Als Reaktion auf die anhaltende Kritik begann der IASB 2008 mit der Entwicklung des IFRS 9, welcher die Vergleichbarkeit und Aussagekraft von IFRS-Abschlüssen erhöhen und die Komplexität der Rechnungslegung von Finanzinstrumenten zeitgleich senken soll.6 Außerdem wurde das Incurred- Loss-Modell durch das zukunftsorientiertere ECL-Modell ersetzt. Am 24.07.2014 wurde die endgültige Fassung des IFRS 9 „Financial Instruments “ vom IASB veröffentlicht. Der Standard löst IAS 39 ab und ist für Geschäftsjahre, welche nach dem 31.12.2017 beginnen, verpflichtend anzuwenden.7
IFRS 9 erweitert die Informationen, die ein Unternehmen bei der Ermittlung der erwarteten Kreditverluste zu berücksichtigen hat. Insbesondere Informationen aus vergangenen Ereignissen, aktuellen Zuständen sowie aus angemessenen und vernünftigen Prognosen müssen in die Bewertung des erwarteten Kreditverlustes mit einbezogen werden.8 Zudem wird die noch im IAS 39 festgeschriebene Hürde der Trigger Events weitestgehend beseitigt. Diese waren eine feste Voraussetzung für die Erfassung von Kreditverlusten. Gemäß IFRS 9 müssen Unternehmen eine erfolgswirksame Risikovorsorge bilden, sobald erwartete Verluste erkannt werden. Diese Risikovorsorge muss regelmäßig aktualisiert werden.9
2.2 Anwendungsbereich
Da der neue Standard IAS 39 ersetzt, stimmen die Anwendungsbereiche überein. Grundsätzlich findet IFRS 9 auf alle Arten von Finanzinstrumenten Anwendung, jedoch bilden einzelne Finanzinstrumente eine Ausnahme und sind von der Anwendung des Standards ausgenommen. Hierzu zählen gemäß IAS 27, 28 oder 31 bilanzierte Anteile an Tochterunternehmen, assoziierte Unternehmen und Joint Ventures. Zudem ausgenommen von der Anwendung sind Rechte und Verpflichtungen aus Versicherungsverträgen sowie die eines Arbeitgebers aus Altersvorsorgeplänen (hier ist IAS 19 anzuwenden). Finanzinstrumente, welche der Definition eines Eigenkapitalinstruments entsprechen oder als solche behandelt werden, sind ebenso wie bestimmte Termingeschäfte von der Anwendung des IFRS 9 ausgeklammert. Auf Finanzinstrumente, Verträge und Verpflichtungen im Rahmen von anteilsbasierten Vergütungstransaktionen sowie auf Rechte auf Erstattungszahlungen ist nicht IFRS 9 anzuwenden, sondern IFRS 2 und IAS 37. Eine beschränkte Anwendung des IFRS 9 trifft auf Leasingforderungen und -verbindlichkeiten sowie Finanzgarantien und Kreditzusagen zu.10
Im Anwendungsbereich des Standards liegende Finanzinstrumente sind bspw. liquide Mittel, Sichteinlagen und Festgelder sowie Derivate und Asset Backed Securities. Auf Forderungen und Verbindlichkeiten aus Lieferungen und Leistungen, Geldmarktpapieren und Schuld- und Eigenkapitaltitel ist IFRS 9 ebenfalls anzuwenden.11
2.3 Expected-Credit-Loss-Modell
Grundsätzlich sieht IFRS 9 die Anwendung des ECL-Modells unter Verwendung von drei Ansätzen vor. Den allgemeinen Ansatz für die Mehrheit der Kredite und Darlehenssicherheiten, den vereinfachten Ansatz für Forderungen und einen Ansatz für finanzielle Vermögenswerte, die bei erstmaliger Erfassung bereits im Wert gemindert waren.12 Im Folgenden konzentriert sich die vorliegende Seminararbeit auf den allgemeinen Ansatz.
Dieser baut auf einem Drei-Stufen-Ansatz auf. Beim erstmaligen Zugang eines Finanzinstruments wird dieses grundsätzlich zu Stufe eins zugeordnet. Die zu bildende Risikovorsorge berücksichtigt in dieser Stufe Ausfallereignisse, die innerhalb der nächsten zwölf Monate stattfinden könnten (12- month-ECL)13 I. d. R. erfolgt die Bewertung des Finanzinstruments nicht am Tag der Anschaffung, sondern erst zum darauffolgenden Bilanzstichtag. Anschließend ist die Beurteilung mindestens einmal jährlich zu überprüfen.14 Sofern sich das erwartete Kreditrisiko des jeweiligen Finanzinstruments nicht signifikant erhöht, bleibt es Bestandteil der ersten Stufe.15
Falls sich das Kreditrisiko signifikant erhöht hat, ist das entsprechende Finanzinstrument der Stufe zwei zuzuordnen. In einem solchen Fall ist die Risikovorsorge in einem solchen Maße zu erhöhen, dass diese alle über die gesamte Restlaufzeit des Finanzinstruments erwarteten Verluste darstellt. Abweichend von Stufe eins werden also nicht mehr nur die Risiken der nächsten zwölf Monate berücksichtigt, sondern alle möglichen Ausfallereignisse der gesamten Laufzeit des Finanzinstruments. Man spricht hier von einem Lifetime Expected Credit Loss (LECL).16 Erst bei der dritten Stufe spielen die Trigger Events des Incurred-Loss-Modells beim ECL eine Rolle. Die dritte Stufe beinhaltet alle Finanzinstrumente, bei denen objektive Hinweise auf eine Wertminderung vorliegen oder ein solches Ausfallereignis bereits stattgefunden hat. Analog zu Stufe zwei muss für diese Stufe ebenfalls der LECL ermittelt und ausgewiesen werden.17
Die Einordnung in die drei Stufen muss mindestens zum Bilanzstichtag neu überprüft werden. Äquivalent zu den Herabstufungen ist auch eine Heraufstufung bei einer erheblichen Verbesserung des Kreditrisikos möglich.18
Der erwartete Verlust wird gemäß IFRS 9 mittels wahrscheinlichkeitsgewichteter Schätzungen dreier Parameter in Form des Barwerts ermittelt. Folglich bildet der Barwert der Differenz zwischen den vertraglich vereinbarten und den erwarteten Cashflows den ECL. Dieser Betrag soll auf den folgenden drei wahrscheinlichkeitsgewichteten Schätzungen basieren. Auf der Ausfallwahrscheinlichkeit (probability of default - PD), der Verlustquote bei einem Ausfall (loss given default - LGD) und dem Forderungsbestands zum Ausfallzeitpunkt (exposure at default - EAD).19
Der ECL der ersten Stufe wird anhand folgender Formel berechnet:20
Abbildung in dieser Leseprobe nicht enthalten
Bei Stufe zwei und drei werden mögliche Ausfallereignisse der gesamten Laufzeit des Finanzinstruments berücksichtigt. Der LECL wird wie folgt berechnet:21
Auf die einzelnen Parameter bzw. Einflussgrößen des erwarteten Verlustes wird im folgenden Abschnitt näher eingegangen.
3 Einflussgrößen auf den Expected Credit Loss
3.1 Probability of default
Die PD gibt die Wahrscheinlichkeit eines potenziellen Eintretens eines Ausfallereignisses an und quantifiziert den Erwartungswert eines solchen Ausfallereignisses. Diese wird mit Hilfe von stochastischen und statistischen Verfahren ermittelt.22 Bei der Bewertung der Ausfallwahrscheinlichkeit ist zu berücksichtigen, dass Kredite häufig mit Bürgschaften oder Garantien abgesichert werden. In solchen Fällen tritt ein Kreditausfall erst ein, wenn sowohl der Kreditnehmer als auch der Bürge nicht zahlungsfähig ist (double default effect).23
Um die Ausfallwahrscheinlichkeit zu schätzen, stehen einige Methoden zur Verfügung. Die potentiellen Methoden lassen sich grob zwei Gruppen zuordnen. Auf der einen Seite ist es möglich, die Ausfallwahrscheinlichkeit durch Ratings zu bestimmen und auf der anderen Seite durch Marktdaten. Bei den in der Praxis am häufigsten genutzten Methoden werden die Schuldner je nach Bonität einer Ratingklasse zugeordnet.24 Für jede Ratingklasse wird im Anschluss eine bestimmte Ausfallwahrscheinlichkeit ermittelt. Um die jeweiligen Ausfallwahrscheinlichkeiten der Ratingklassen zu bestimmen, wird sowohl auf harte als auch auf weiche Faktoren zurückgegriffen. Harte Faktoren werden mittels statistischer Methoden berechnet, wohingegen weiche, wie z. B. die Managementqualität, nicht quantitativ gemessen werden können.25 Um eine sich im Zeitablauf verändernde Bonitätseinschätzung darzustellen, werden in der Praxis Migrationsmatrizen verwendet, welche empirische Übergangswahrscheinlichkeiten zwischen Ratingklassen angeben.26 Solche Ratingeinschätzungen können sowohl von der jeweiligen Bank intern erstellt als auch von professionellen Ratingagenturen, wie Moody’s Investor Services oder Standard and Poor’s, bezogen werden.27
Die Anpassung der Bonitätseinstufung erfolgt allerdings i. d. R. nur einmal jährlich, was dazu führen kann, dass Änderungen der Ratings nur langsam auf neue Marktinformationen reagieren. Zudem ist das Phänomen der „Fallen Angels “ zu nennen. Damit werden große Unternehmen bezeichnet, die trotz einer äußerst positiven Bonitätseinschätzung sehr stark im Rating herabgestuft wurden oder sogar ausgefallen sind. Beispiele für dieses Phänomen sind der Fall Enron oder die plötzliche Insolvenz von Lehman Brothers28
Die zweite Gruppe greift nicht auf Ratings zurück, sondern verwendet Marktdaten, um die Ausfallwahrscheinlichkeit zu bestimmen. Diese Marktdaten können sich entweder auf den Kurs von Unternehmensanleihen, Aktienkursen oder auf CDS-Spreads beziehen. Grundidee dieses Ansatzes ist, dass Marktpreise in erheblichem Maße von der Bonitätseinschätzung des jeweiligen Emittenten abhän- gen.29
Zu beachten bei dem Rückgriff auf Markdaten ist, dass die drei aufgezählten Methoden nicht mit gleicher Präzision und Schnelligkeit auf neue Informationen reagieren. Somit kann es bei der Bewertung der Ausfallwahrscheinlichkeit zu unterschiedlichen Ergebnissen kommen. In einer empirischen Auswertung wurde festgestellt, dass der Aktienmarkt kreditrisikorelevante Informationen am schnellsten verarbeitet, gefolgt vom CDS-Markt und schließlich vom Anleihenmarkt.30
3.2 Loss given default
Die Verlustquote gibt an, welcher Anteil der Kreditforderung im Falle eines Ausfallereignisses verloren geht. Da gemäß dieser Definition der Verlust erst im Zuge eines vorangegangenen Ausfalls eintreten kann, ist ein solcher zunächst zu definieren.31
[...]
1 Vgl. Afhüppe et al. (2011), S. 6.
2 Vgl. Kirsten (2016), S. 115-116.
3 Vgl. Grünberger (2019), S. 191.
4 Vgl. Scharpe/Menk/Mies (2017), S. 91-92.
5 Pickard (2007), S. 38.
6 Vgl. Gruber/Engelbrechtmüller (2018), S. 3.
7 Vgl. Fischer (2014), S. 282-283.
8 Vgl. Novotny-Farkas (2016), S. 200.
9 Vgl. Novotny-Farkas (2016), S. 200.
10 Vgl. Deloitte (2020), https://www.iasplus.com/en/standards/ifrs/ifrs9.
11 Vgl. Deloitte (2020), https://www.iasplus.com/en/standards/ifrs/ifrs9.
12 Vgl. Vasilyeva/Frolova (2019), S. 76.
13 Vgl. Schmidt/Barekzai/Hüttermann (2015), S. 344.
14 Vgl. Beerbaum/Ahmad (2015), S. 1-2.
15 Vgl. Novotny-Farkas (2016), S. 200-201.
16 Vgl. Schmidt/Barekzai/Hüttermann (2015), S. 345.
17 Vgl. Beerbaum/Ahmad (2015), S. 1-2.
18 Vgl. Schmidt/Barekzai/Hüttermann (2015), S. 345.
19 Vgl. Schmidt/Barekzai/Hüttermann (2015), S. 345.
20 Vgl. Filusch/Mölls (2018), S. 251.
21 Vgl. Filusch/Mölls (2018), S. 251.
22 Vgl. Vetter/Cremers (2008), S. 13-14.
23 Vgl. Hartmann-Wendels/Pfingsten/Weber (2019), S. 438.
24 Vgl. Hartmann-Wendels/Pfingsten/Weber (2019), S. 436
25 Vgl. Hartmann-Wendels/Pfingsten/Weber (2019), S. 436-437.
26 Vgl. Filusch/Mölls (2018), S. 257.
27 Vgl. Hartmann-Wendels/Pfingsten/Weber (2019), S. 437.
28 Vgl. Martin/Reitz/Wehn (2014), S. 8-9.
29 Vgl. Hartmann-Wendels/Pfingsten/Weber (2019), S. 437.
30 Vgl. Forte/Pena (2009), S. 2022.
31 Vgl. Böttger/Guthoff/Heidorn (2008), S. 5.