شناسایی چالش‌ها و راه‌کارهای پیاده‌سازی مدل زیان اعتباری مورد انتظار مطالبات بانک‌ها براساس IFRS 9

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری حسابداری دانشکده مدیریت دانشگاه تهران.

2 دانشیار گروه حسابداری دانشکده مدیریت دانشگاه تهران.

3 دانشیار گروه حسابداری دانشکده مدیریت و اقتصاد دانشگاه امام حسین.

چکیده

یکی از مهمترین ضعف‌های IAS 39 (استاندارد حسابداری بین‌المللی 39)، شناسایی زیان کاهش ارزش در زمان وقوع بود که این منجر به شناسایی دیرتر و کمتر زیان اعتباری می‌شد. در این راستا، IFRS 9 (استاندارد گزارشگری مالی بین‌المللی 9) با یک دیدگاه آینده‌نگرانه، اقدام به ارائه یک مدل زیان اعتباری مورد انتظار برای مطالبات بانک‌ها نمود. طبق این مدل، زیان اعتباری مطالبات باید از زمان اعطای تسهیلات شروع و در طول عمر تسهیلات با توجه به میزان تغییر با اهمیت در سطح ریسک اعتباری، تعدیل شود. با توجه به الزام بانک مرکزی بر اجرای IFRS 9 توسط بانک‌ها، اجرای مدل زیان اعتباری مورد انتظار مطالبات بر اساس IFRS 9، مستلزم شناسایی چالش‌ها و راه‌کارهای پیاده‌سازی این مدل توسط بانک‌ها است. برای این منظور، اقدام به مصاحبه عمیق با 21 نفر از خبرگان نظام بانکی نظیر معاونان مالی، مدیران مالی و کارکنان بخش حسابداری به روش گلوله برفی در سال‌های 1397 و 1398 شد. با استفاده از روش تحلیل محتوای کیفی، 10 تم و 75 مقوله استخراج و در چارچوب چالش‌ها و راه‌کارهای اجرای IFRS 9 طبقه بندی شده‌اند و بر اساس نظر خبرگان نیز مورد بررسی قرار و تأیید گرفت. مهمترین دستاورد این پژوهش را می‌توان، شناسایی موانع پیاده‌سازی و ارائه راه‌کارهایی در راستای پیاده‌سازی مدل زیان اعتباری مورد انتظار مطالبات بر اساس IFRS 9 به بانک‌ها دانست که این کار می‌تواند پیامدهای منفی اجرای IFRS 9 را برای بانک‌های ایرانی با صرفه‌جویی در زمان و هزینه حداقل نماید.

کلیدواژه‌ها

عنوان مقاله [English]

Identification the challenges and solutions for implementing the Receivables Expected Credit Loss Model of Banks based on IFRS 9

نویسندگان [English]

  • Mostafa Deldar 1
  • Kaveh Mehrani 2
  • Gholamreza Karami 2
  • Gholamhassan Taghi Nattaj 3
1 Ph.D Student in Accounting, Faculty of Management, University of Tehran, Iran.
2 Associate Professor in Accounting, Faculty of Management, University of Tehran, Iran.
3 Associate Professor in Accounting, Faculty of Management and Economics, University of Emam Housein, Iran.
چکیده [English]

One of the most important weaknesses of IAS 39 (International Accounting Standard 39) was the recognition of impairment losses at the time of occurrence, that leading to the later and less recognition of credit losses. In this regard, IFRS 9 (International Financial Reporting Standard 9) with a forward-looking perspective, presented a the expected credit loss model for banks receivables. According to this model, receivables credit loss on should start since the of granting the facility and be adjusted over the life of the facility with respect to the extent of the significant change in the level of credit risk. Given the central bank's requirement for banks to implement IFRS 9, the implementation of the receivables expected credit loss model based on IFRS 9 requires identification of the challenges and solutions for implementing this model by banks. For this purpose, in-depth interviews were conducted with 21 experts of the banking system such as financial assistants, financial managers and accounting department staff to snowball method in years 2018 and 2019. Using qualitative content analysis method, 10 themes and 75 categories were extracted and categorized into the framework of IFRS 9 implementation challenges and solutions and reviewed and approved according to expert opinion. The most important achievement of this study can be to identify the implementation obstacles and provide solutions to implement the receivables expected credit risk loss model based IFRS 9 to banks, which can minimize the negative consequences of implementing IFRS 9 to savings in time and expense for Iranian banks.

کلیدواژه‌ها [English]

  • IFRS 9
  • IAS 39
  • Receivables Expected Credit Loss Model
  • Qualitative Content Analysis Method

مراجع

  • ایمان، محمد تقی. (1390). مبانی پارادایمی روش های تحقیق کمی و کیفی در علوم انسانی: ص
  • ایمان، محمد تقی و نوشادی، محمودرضا. (1390). تحلیل محتوای کیفی، پژوهش: 3(2)، صص 44-15.
  • بانک مرکزی. (1393). دستورالعمل نحوه محاسبه ذخیره مطالبات مؤسسات اعتباری، بانک مرکزی، تهران، ایران.
  • ثقفی، علی و جعفری‌منش، ابراهیم. (1394). بررسی ارتباط بین اثر عوامل نهادی بین‌المللی و کیفیت سود بانک‌های پذیرفته شده در بورس اوراق بهادار تهران، بررسی‌های حسابداری و حسابرسی، 2 (6)، 52-29.
  • حکیمی‌پور، نادر. (1397). ارزیابی چگونگی عوامل تأثیرگذار بانکی بر مطالبات غیرجاری بانک‌های ایرانی (رویکرد مدل پانل پویا GMM)، اقتصاد مالی، 12 (42)، 99-119.
  • حساس‌یگانه، یحیی؛ کوهی، حسن و عبدی، امیر. (1395). عوامل مؤثر بر ناکارایی ذخیره مطالبات مشکوک‌الوصول بانک‌ها، مطالعات مالی و بانکداری اسلامی: 2، 118-93.
  • ذاکرنیا، احسان و زین‌الدینی، مجید. (1398). اهمیت عوامل مؤثر بر تشدید ریسک اعتباری در بانکداری بدون ربای ایران، تحقیقات مالی اسلامی: 8(16)، 376-339.
  • رضائی، علی؛ جهانشاد، آزیتا؛ نتاج ملکشاه، غلامحسن تقی. (1398). شناسایی و رتبه بندی چالش‌های پیاده سازی مدل زیان اعتباری موردانتظار در بانک های ایران با استفاده از تکنیک تحلیل سلسله مراتبی فازی و ارائه راهکار به کمک روش واسپاس، بررسی‌های حسابداری و حسابرسی: 26 (2)، 254-239.
  • سید شکری، خشایار و گروسی، سمیه. (1394). بررسی عوامل مؤثر بر افزایش مطالبه‌های غیرجاری در نظام بانکی کشور، اقتصاد مالی: 9 (31)، 118-95.
  • سلامی، حبیب و انسان، ابراهیم. (1397). تفکیک اثر متغیرهای مؤثر بر نکول تسهیلات کشاورزی در طبقات مختلف مطالبات غیر جاری، پژوهش‌های اقتصادی ایران: 23 (76)، 217-185.
  • شیری، طهمورث و عظیمی، ندا. (1391). بررسی مقایسه‌ای تحلیل محتوای کیفی و روش هرمنوتیک، مطالعات جامعه شناسی: 5 (15)، 99-79.
  • طبری، ناصر؛ معماریان، عرفان و نصیری، عاطفه. (1393). شناسایی عوامل موثر بر احتمال عدم بازپرداخت تسهیلات اعتباری بانک‌ها، پژوهشنامه اقتصاد و کسب و کار: 7، 28-15.
  • فولادی، محمد. (1393). جایگاه قلمروی پژوهش کیفی؛ نقد و بررسی، عیار پژوهش در علوم انسانی: 4 (8)، 46-27.
  • قلی‌زاده، علی اکبر؛ گلزاریان‌پور، سیاوش و شکوری، فریبا. (1398). بررسی اثر قیمت مسکن بر مطالبات غیرجاری در سیستم بانکی ایران، نظریه‌های کاربردی اقتصاد: 6 (22)، 214-189.
  • کرمی، فرزانه. (1392). بررسی رابطه ذخیره مطالبات مشکوک‌الوصول و مدیریت سرمایه در بانک‌ها، پایان‌نامه کارشناسی ارشد، دانشکده اقتصاد و حسابداری، دانشگاه الزهرا تهران.

 

  • Abdullah, L., Kilic, E, Lobo G., Ranasinghe T., Sivaramakrishnan S. (2015). Impact of Macroeconomic Factors on Loans Loss Provision, Review of Quantitative Finance and Accounting: 20(4), 63–80.
  • Albian, A. (2019). The impact of IFRS 9 on banks’ loan loss provisioning, Faculty of Economics and Business, University of Neuchatel, CH-2000 Neuchatel, Switzerland. Electronic copy available at: https://ssrn.com/abstract=3488058.
  • Basel Committee on Banking Supervision (BCBS). (2015). Guidance on credit risk and accounting for expected credit losses, Bank for International Settlements.
  • Basel Committee on Banking Supervision (BCBS). (2012). Core Principles for Effective Banking Supervision, Bank for International Settlements.
  • Beerbaum, D. (2015). Significant Increase in Credit Risk According to IFRS 9: Implications for Financial Institutions, International Journal of Economics & Management Sciences: 4 (9), 1-3.
  • Bhat, G., Ryan, S. G., Vyas, D. (2018). The Implications of Credit Risk modeling for banks’ loan loss provision timeliness and loan origination procyclicality. New York University. Working Paper.
  • Bischof, J., Daske, H. (2016). Interpreting the European union’s IFRS endorsement criteria: the case of IFRS 9. Europe: 13 (2), 129–168.
  • Brogaard, O., Domikowsky, C., Bornemann, S., Duellmann, K., Pfingsten, A. (2017). Investigating the Impact of Stock Liquidity on Claims Risk, Journal of Accounting Research: 30(2), 260–281.
  • (2013). The origins of the financial crisis: Cash course. Retrieved April 20th 2015, from http://www.economist.com/news/schoolsbrief/21584534-effects-financial-crisis-arestill-being-felt-five-years-article [if !supportLineBreakNewLine] [endif].
  • Frontczak, R., Rostek, S. (2015). Modeling loss given default with stochastic collateral, Economic Modelling: 44(4), 162–170.
  • Gaston, E., Song, I. (2014). Supervisory roles in loan loss provisioning in countries implementing IFRS (IMF Working Paper 14/170). Retrieved from http://www.imf.org/external/pubs/ft/wp/2014/wp14170.pdf.
  • Gebhardt, G. (2016). Impairments of Greek Government Bonds under IAS 39 and IFRS 9: A Case Study, Accounting in Europe:13(2), 169-196.
  • Gupta, D., Mall, S. (2019). Loan Loss Provisioning Practices in Indian Banks, DOI: 1007/978-981-13-1208-3_16.
  • Han, CH., Jang, Y. (2013). Effects of debt collection practices on loss given default, Journal of Banking & Finance: 37(2), 21-31.
  • Huian, MC. (2013) 'Stakeholders' participation in the development of the new accounting rules regarding the impairment of financial assets'. Business Management Dynamics: 2 (9), 23-35.
  • (2014) IFRS 9 Financial Instruments. [Online] London: IFRS Foundation. Available at: http://www.ifrs.org/Current-Projects/IASB-Projects/Financial-Instruments-A-Replacement-of-IAS-39-Financial-Instruments-Recognitio/Documents/IFRS-9-Project-Summary-July-2014.pdf (Accessed 3 Dec. 2014).
  • IAS 39 Financial Instruments: Recognition and Measurement. (2003). International Accounting Standards Board. December 2008. (London: IASB).
  • Isa, M., Choong, Y., Fie, D., Rashid, M. (2018). Determinants of loan loss provisions of commercial banks in Malaysia, Journal of Financial Reporting and Accounting: 16(1), 24-48.
  • Kotiso, P. (2018). Investigating Factors Affecting Credit Risk Settlement in European Banks, Accounting in Europe: 14(1), 14-40.
  • (2016). Guide to annual Financial statements: IFRS 9 – Illustrative disclosures for banks, www.kpmg.com/ifrs
  • Monokroussos, J., Ronn, E., Verma, A. (2016). Investigating the Factors Affecting the allowance for doubtful accounts in the Greek Banking System, Journal of Business Finance & Accounting: 38(3-4), 289–333.
  • Nadia, C., Rosa, V. (2014). The impact of IFRS 9 and IFRS 7 on liquidity in banks: Theoretical Aspects, Journal of Accounting and Economics: 164(2), 91-97.
  • Ng, J., Saffar, W., Jian Zhang, J. (2020). Policy uncertainty and loan loss provisions in the banking industry, Review of Accounting Studies, https://doi.org/10.1007/s11142-019-09530-y.
  • Onali, E., Ginesti, G., Ballestra, L. (2017). Investor reaction to IFRS9 for financial instruments in Europe: The role of firm-specific factors: Finance Research Letters, 21(4), 72-77.
  • Schoenleben, D. (2015). Have financial analysts understood IFRS 9? A critical appraisal of the impacts of the new impairment rules on analysts’ current forecast accuracy and forecast revision behaviour for banks in Europe, Master’s dissertation, Dublin Business School.
  • Simper, R., Dadoukis, A., Bryce, C. (2019). European bank loan loss provisioning and technological innovative progress, International Review of Financial Analysis, 63 (4), 119-130.

Tabari, N., Memarian, E., Nasiri, A. (2013). Identifying Factors Affecting the Possibility of Banks Credit Facility Repayment, Journal of Economics and

فایل ها

هم رسانی

ارجاع به این مقاله

آمار