IFRS 9 Expected Loss: A Model Proposal for Estimating the Probability of Default for Non-Rated Companies

Bajo el modelo de provisiones por riesgo de crédito de la NIIF 9, las empresas deben estimar una Probabilidad de Default o quiebra (PD) para todos los activos financieros (y otros elementos) no valorados a valor razonable con cambios en la cuenta de resultados. Existen varias metodologías para estimar dicha PD utilizando información histórica o de mercado. No obstante, en algunos casos las empresas no disponen de información histórica o de mercado acerca de una contraparte. Para estos casos proponemos un modelo denominado Financial Ratios Scoring (FRS), a través del cual la entidad puede obtener un rating interno de la contraparte como primer paso para estimar la PD. El modelo se diferencia de otros modelos recientes en varios aspectos como, por ejemplo, el tamaño de la base de datos o el hecho de que se enfoca en empresas sin rating. Se basa en dar una puntuación a la contraparte en función de sus ratios financieros clave. La puntuación sitúa a la empresa en un percentil dentro de una distribución del sector previamente construida utilizando empresas con rating oficial u ofrecido por vendors. Hemos analizado la fiabilidad del modelo calculando el rating interno para empresas con rating oficial y hemos comparado el rating interno con el oficial, obteniendo resultados positivos. Under the IFRS 9 impairment model, entities must estimate the PD (Probability of Default) for all financial assets (and other elements) not measured at fair value through profit or loss. There are several methodologies for estimating this PD from market or historical information. However, in some cases entities do not possess market or historical information concerning a counterparty. For such cases, we propose a model called Financial Ratios Scoring (FRS), by means of which an entity can obtain a “shadow rating” for a counterparty as a first step in estimating the PD. The model differentiates from other recent models in several aspects, such as the size of the database and the fact that it is focused on non-rated companies, for example. It is based on scoring the counterparty according to its key financial ratios. The score will place the counterparty on a percentile within a previously constructed sector distribution using companies with a credit rating published by rating agencies or financial vendors. We have tested the model reliability by calculating the internal credit rating of several companies (which have an official/quoted credit rating), and by comparing the rating obtained with the official one, and obtained positive results.