Desde que el IASB emitió la versión final de IFRS 9 Instrumentos Financieros (IFRS 9), las organizaciones financieras han estado concentradas en su comprensión, interpretación y cumplimiento.

Temas la medición y reconocimiento de activos y pasivos, la contabilidad de coberturas y el modelo de deterioro bajo el esquema de pérdidas esperadas, son las principales preocupaciones.

 

IFRS9 sigue planteando retos importantes desde entonces para el sector respecto a lo complejo de su implementación. Modificará aspectos clave como la operación, los cálculos, la coordinación, el desempeño y la revisión de las provisiones de la cartera crediticia. Y esto adquirirá mayor relevancia en el momento de crear escenarios prospectivos para realizar las pruebas de estrés con aquellos correspondientes a esta norma.  

A estos se suman el aumento de las previsiones, lo cual reduce los indicadores de desempeño de los bancos y puede impactar los precios del mercado; el reconocimiento de las pérdidas crediticias esperadas de los instrumentos financieros y de cada activo, y las cuales necesitan actualizarse en cada reporte para reflejar los cambios en el riesgo crediticio; y proveer información detallada y confiable que un banco debe considerar cuando determina sus pérdidas crediticias.  

De ahí que las instituciones de finanzas requieran evaluar también el impacto potencial de escenarios futuros, ya sean crediticios, macroeconómicos o del mercado, que pudieran afectar su balance y, por tanto, desarrollar nuevos modelos de riesgo crediticio a fin de medir aquellos asociados a los escenarios anteriores.  

Hacia a dónde dirigirse 

Para superar estos y otros desafíos, las organizaciones de la industria requieren tener claridad para interpretar las reglas que integran IFRS 9, establecer una colaboración fluida entre las áreas de finanzas, riesgo, crédito y TI, y contar con los datos y la tecnología ad hoc.  

Existen dos elementos fundamentales que dicta la norma y que aplicarán en varios países, incluidos México y los de la región de América Latina, y son los referentes a la identificación del deterioro de los créditos y la generación y elección de escenarios prospectivos para el caso del enfoque interno.  En ambos casos, los criterios, cálculos y procesos necesitan mejorarse, en tanto que el gobierno, la transparencia y la auditabilidad deben optimizarse.  

Si bien nada está escrito sobre roca respecto el cumplimiento de IFRS 9, los expertos coinciden en una serie de pasos que las organizaciones financieras pueden utilizar como una hoja de ruta, y que les dará un panorama mucho más objetivo del terreno donde están paradas hoy y hacia dónde necesitan dirigirse. 

• Hacer un inventario de los datos y procesos y sistemas actuales. Es crítico tener flexibilidad, gobierno y desempeño en cuanto a procesos y tecnología. 
• Reunir y gestionar los datos correctos. Se recomienda recopilar y limpiar los datos relevantes de la organización y trasladarlos a un entorno de prueba, gobernado, automatizado y centralizado. 
• Definir una metodología. Mediante ensayos se determina cómo se segmentará el portafolio hasta poder medir efectivamente las pérdidas crediticias esperadas. 
• Desarrollar y gestionar modelos. Integrar tecnología que pueda soportar el proceso de modelado, asegurar la auditabilidad y monitoreo, y evaluar el impacto de estos y otros modelos de pruebas/desarrollo. 
• Diseñar motores de cálculo de las pérdidas crediticias esperadas. Dichos motores tienen que ofrecer alto desempeño en un entorno controlado que los analistas puedan ajustar, así como reutilizar diferentes modelos de cálculo y escenarios. 
• Obtener resultados, analizar y repetir. Mediante motores analíticos se evalúa el impacto financiero en un entorno que permite replicar los resultados. 
• Tomar decisiones. Una vez reunidos todos los datos relevantes, es posible compartir la información dentro de la organización de forma eficiente y oportuna. 
• Reutilizar la tecnología y la inversión. Al reutilizar los componentes tecnológicos y el conocimiento es posible superar desafíos internos y regulatorios. 

Cada país tendrá que implementar su propia versión de IFRS 9 de acuerdo con los ordenamientos locales; en tanto, las organizaciones financieras tendrán que ser proactivas para cumplir con las reglas y, al mismo tiempo, aprovechar el mercado al calificar y gestionar su riesgo de crédito bajo esta premisa y con el conocimiento que les permita detectar y evaluar el comportamiento de sus clientes y productos.  

La analítica para el cumplimiento 

En este sentido, la analítica avanzada puede ser una herramienta crítica para desarrollar y optimizar las herramientas de análisis que permitan mejorar y robustecer los cálculos, a partir de la recolección y gestión eficientes de los datos, el análisis de la información y su publicación, lo que permitirá entender mejor los riesgos y oportunidades a partir de la toma de decisiones de negocios, independientemente de la complejidad de los diagnósticos.

Mediante soluciones analíticas, los jugadores del sector pueden crear, probar y ejecutar modelos complejos, aplicar las reglas de contabilidad y preparar informes detallados y libros de contabilidad con fines regulatorios, así como entender y evaluar los impactos de los cambios de los datos, modelos y suposiciones, y añadir funcionalidad para optimizar sus flujos de trabajo a medida que cambian las regulaciones y las necesidades comerciales. 

Asimismo, les permiten dedicar más tiempo al análisis y la exploración para estimar las pérdidas esperadas según lo requieren las nuevas normas de contabilidad de deterioro crediticio de la NIIF 9.  

La transición a IFRS 9 sigue planteando muchos desafíos financieros y operativos, agravados por los numerosos detalles de implementación que continúan sujetos a diversas interpretaciones.

Las instituciones deben abordar estos desafíos de manera integral con flexibilidad para adaptarse. Los reguladores y los inversionistas deben saber que los bancos están evaluando y gestionando eficazmente los riesgos de su cartera. La implementación proactiva de un enfoque bien gobernado para administrar datos y modelos infunde confianza en que existen procesos para administrar estos problemas críticos ahora y en el futuro.