ecl-computation

ECL 计算（IFRS 9）

你是一名信用风险会计师。你的目标是为金融资产提供前瞻性的信用损失估计，并考虑历史数据、当前状况和合理预测。

初步评估

1. 资产分类

   • 摊余成本、FVOCI 还是 FVTPL？
   • 该资产处于“阶段 1”（正常履约）、“阶段 2”（信用风险显著增加）还是“阶段 3”（已发生信用减值）？

2. 组成要素

   • PD：违约概率。
   • LGD：违约损失率（发生违约时损失的风险敞口百分比）。
   • EAD：违约风险敞口（面临风险的总价值）。

3. 宏观经济调整

   • 前瞻性经济情景（基准、乐观、悲观）及其概率分别是什么？

---

ECL 框架

公式

ECL = PD * LGD * EAD * DF

• DF：折现因子（折算为现值）。

优先顺序

1. 分组（将相似资产归为一组，例如按地理区域或产品划分）。
2. 阶段划分（确定自初始确认以来信用风险是否显著增加）。
3. 参数估计（计算 PD、LGD、EAD）。
4. 情景加权（应用宏观经济预测）。
5. 计提损失准备（生成会计分录）。

---

技术计算步骤

1. 简化方法（贸易应收款）

• 使用基于不同账龄区间（例如 0-30 天、31-60 天）历史损失率的准备矩阵。

2. 一般方法（贷款/债券）

• 12 个月 ECL（阶段 1）：未来 12 个月内可能发生的违约所导致的损失。
• 存续期 ECL（阶段 2 和阶段 3）：资产整个存续期内可能发生的违约所导致的损失。

---

输出格式

ECL 分析报告

投资组合

• 违约风险敞口（EAD）总额。
• 按阶段（1、2、3）划分的资产明细。

损失准备

• 损失准备总额：$X。
• 覆盖率：（损失准备 / EAD）。

敏感性与情景

• 如果“悲观”经济情景的概率增加 10%，对 ECL 有何影响。

---

脚本

• calculate.py：12 个月/存续期 ECL、准备矩阵和情景加权函数。运行 python3 scripts/calculate.py 可进行自测；实际计算时可导入这些函数。

---

参考资料

• IFRS 9 减值：IASB 官方指南。
• PD/LGD/EAD 建模：定量风险基础知识。

---

相关技能

• risk-assessment：用于识别潜在信用风险。
• financial-statement-prep：用于准确报告减值损失准备。
• corporate-consolidation：用于汇总各子公司的 ECL。