Press enter or click to view image in full size

Kredi Riski

Credit

Risk Yönetimi

Ifrs 9

Bankacılık

IFRS 9 ve Beklenen Kredi Zararı (ECL) Modellemesi

Haldun Köktaş

12 min read

·

Mar 1, 2025

--

Share

1. Giriş

Risk finans açısından, beklenen getiriden sapmanın bir ölçütüdür. Risk yönetiminde “aşırı” önlem yoktur, sadece zamanı gelince değerli olacak önlemler vardır.

IFRS 9'un en önemli yeniliklerinden biri, IAS 39'daki “gerçekleşen zarar” modelinden “beklenen zarar” modeline geçiştir. Bu yaklaşım kredi zararının erken tanınmasını sağlar.

2. Beklenen Kredi Zararı (ECL) Konsepti

ECL, şu iki öğenin ağırlıklı ortalamasıdır:

• Olası temerrüt senaryolarındaki nakit açıklarının bugünkü değeri
• Her bir senaryo için temerrüt olasılıkları

IFRS 9, gelecekteki ekonomik koşulların belirsizliğini dikkate almak için bankaların birden fazla makroekonomik senaryo kullanmasını önerir. Örneğin:

• Baz Senaryo: En olası durum, %60 ağırlık
• İyimser Senaryo: Ekonominin beklenenden iyi performans gösterdiği durum, %20 ağırlık
• Kötümser Senaryo: Ekonomik daralma durumu, %20 ağırlık

Her senaryo için PD değerleri hesaplanır ve bu senaryolara verilen ağırlıklarla çarpılarak ortalama PD elde edilir.

3. Finansal Varlıkların Kredi Riski

Neredeyse her finansal varlığın bir kredi riski vardır. Kredi riski, karşı tarafın yükümlülüklerini yerine getirmeme olasılığıdır. Örneğin:

• Kredilerde: Borçlunun geri ödeme yapmama riski
• Tahvillerde: İhraççının kupon veya anapara ödemesi yapmaması riski
• Alacaklarda: Müşterinin ödeme yapmaması riski

4. ECL Aşamaları (Staging)

IFRS 9, finansal varlıkları kredi riskindeki değişime göre üç aşamaya ayırır:

Aşama 1 (Sağlıklı)

İlk muhasebeleştirme sırasında ve kredi riskinde önemli artış olmayan varlıklar. 12 Aylık ECL hesaplanır.

Aşama 2 (Kötüleşen)

İlk muhasebeleştirmeden sonra kredi riskinde önemli artış olan, ancak henüz temerrüt etmemiş varlıklar. Ömür boyu ECL hesaplanır.

Aşama 3 (Temerrüt)

Değer düşüklüğüne uğramış varlıklardır. Ömür boyu ECL hesaplanır ve faiz geliri, net defter değeri üzerinden hesaplanır.

IFRS 9'da aşamalar (staging), itfa edilmiş maliyetle ölçülen veya gerçeğe uygun değer farkı diğer kapsamlı gelire yansıtılan (FVOCI) tüm finansal varlıklar için geçerlidir. Bu genellikle:

• Krediler
• Tahviller (bazıları)
• Ticari alacaklar
• Finansal garantiler

Hisse senetleri ve FVTPL’de ölçülen varlıklar için staging yaklaşımı uygulanmaz.

Aşama 3'e Geçiş Kriterleri

1. 90 gün veya daha fazla ödeme gecikmesi
2. Finansal varlığın değer düşüklüğüne uğradığına dair nesnel kanıtlar:

• Borçlunun önemli finansal zorluklar yaşaması
• Sözleşme ihlali (temerrüt veya vadesi geçmiş olaylar)
• Borçluya ekonomik veya sözleşmeye bağlı nedenlerden ötürü yaşadığı finansal zorluklar nedeniyle imtiyazlar tanınması
• Borçlunun iflas veya başka bir finansal yeniden yapılandırmaya gireceğinin muhtemel olması
• Finansal zorluklar nedeniyle bu finansal varlık için aktif bir piyasanın ortadan kalkması

İlk Muhasebeleştirme ve Değer Düşüklüğü Kavramları

“İlk muhasebeleştirme”, finansal varlığın (örneğin bir kredinin) bankanın defterlerine ilk kez kaydedildiği zamandır. Bir kredi verildiğinde, o kredi banka bilançosuna bir varlık olarak kaydedilir. Bu ilk kayıt anındaki kredi kalitesi, daha sonraki değerlendirmeler için referans noktası olarak kullanılır.

“Değer düşüklüğüne uğramış varlıklar” (Aşama 3), fiilen temerrüde düşmüş varlıklardır. Aşama 2'deki varlıklarda kredi riskinde önemli artış vardır, ama henüz temerrüt gerçekleşmemiştir. Aşama 3, riskin gerçekleştiği durumdur — artık “olabilir” değil, “oldu” durumundadır.

Faiz Gelirinin Hesaplanması

Normal durumda (Aşama 1 ve 2), faiz geliri brüt defter değeri üzerinden hesaplanır. Örneğin 100.000 € kredi, %10 faiz = 10.000 € faiz geliri.

Aşama 3'te ise, varlık değer düşüklüğüne uğramış olduğundan, faiz geliri net defter değeri (brüt defter değeri — karşılık) üzerinden hesaplanır. Örneğin 100.000 € kredi, 30.000 € karşılık ayrılmış, net değer 70.000 €. Faiz = 70.000 x %10 = 7.000 €.

Bu, temerrüde düşmüş kredilerde bankanın asla tahsil edemeyeceği düşünülen kısım için faiz geliri kaydetmemesini sağlar.

Değer Düşüklüğü Hesaplama Yöntemleri

1.Nakit Akışı İndirgemesi (DCF):

• Tahmin edilen gelecekteki nakit akışlarını (tahsilatlar dahil) orijinal efektif faiz oranıyla indirgeme
• Net Bugünkü Değer = Σ [Tahsilatlar / (1 + Efektif Faiz Oranı)^t]
• Beklenen değer = Olası tahsilat senaryolarının olasılık ağırlıklı ortalaması

2.Teminat Değerine Dayalı Yaklaşım:

• Özellikle gayrimenkul teminatlı kredilerde kullanılır
• Değer Düşüklüğü = Risk Tutarı — (Teminat Değeri × İskonto Faktörü — Teminat Satış Maliyetleri)

3.Karşılık Matrisi:

• Benzer özellikteki değer düşüklüğüne uğramış varlıklar için standart karşılık oranları
• Örn. 90–180 gün gecikme = %30 karşılık, 180–360 gün = %60 karşılık, >360 gün = %90 karşılık

Write-off (Silme) Politikası

• Finansal varlığın tamamen veya kısmen geri kazanılmasına yönelik makul bir beklenti olmadığında, brüt defter değeri doğrudan azaltılır
• Write-off, bir finansal varlığın tamamen veya kısmen finansal durum tablosundan çıkarılmasıdır
• Bu uygulama genellikle bankanın tahsilat çabalarını sürdürmesini engellemez

5. ECL Hesaplama Bileşenleri

ECL hesaplaması üç temel risk parametresine dayanır:

5.1. Temerrüt Olasılığı (PD)

Karşı tarafın belirli bir zaman diliminde temerrüde düşme olasılığı

• 12 Aylık PD (Aşama 1 için)
• Ömür boyu PD (Aşama 2 ve 3 için)

PD Hesaplama Yöntemleri:

İstatistiksel Yaklaşımlar:

• Lojistik Regresyon: En yaygın kullanılan yöntemdir, müşteri özelliklerini temerrüt olasılığına dönüştürür
• Probit Modeller: Standart normal dağılım kullanarak olasılıkları tahmin eder
• Survival Analizi: Belirli bir zaman noktasına kadar hayatta kalma olasılığını modelleyen teknik

Kredi Derecelendirme Bazlı: Bankalar iç derecelendirme sistemlerinden elde edilen notları PD’ye çevirir

Ömür Boyu PD Hesaplama:

• Markov Zincirleri: Bir derece/durumdan diğerine geçiş olasılıklarını kullanır
• Vintage Analizi: Belirli dönemlerde kullandırılan kredilerin performansını takip eder
• Forward Curve: Mevcut PD değerlerinden gelecekteki PD değerlerini türetir

5.2. Temerrüt Halinde Kayıp (LGD)

Temerrüt durumunda maruz kalınan kayıp yüzdesi

• Teminatlar, kurtarma maliyetleri ve kurtarma süreleri dikkate alınır.

LGD Hesaplama Yöntemleri:

• Workout LGD: Geçmiş temerrüt vakalarındaki gerçek kurtarma oranları analiz edilir:

LGD = 1 - (Tahsilat Tutarı / Temerrüt Anındaki Risk Tutarı) + İndirim Faktörü + Tahsilat Maliyetleri

• Market LGD: Temerrüt sonrası piyasada işlem gören bono fiyatları kullanılır
• İmplied Market LGD: Tahvil spread’leri kullanılarak piyasada ima edilen LGD’ler çıkarılır
• Teminat Etkisi: Teminat türüne, değerine ve likidite özelliklerine göre LGD düşürülür
• Downturn LGD: Ekonomik daralma dönemlerindeki daha yüksek kayıp oranlarını yansıtır

5.3. Temerrüt Anında Risk Tutarı (EAD)

Temerrüt anında beklenen risk tutarı

• Bilanço içi pozisyonlar
• Kredi taahhütleri, garantiler gibi bilanço dışı pozisyonlar

EAD Hesaplama Yöntemleri:

1.Bilanço İçi Pozisyonlar:

EAD = Kullanılan Kredi + Tahakkuk Eden Faiz - Planlanmış Ödemeler

2.Bilanço Dışı Pozisyonlar:

EAD = Kullanılan Miktar + (Kullanılmamış Taahhüt × CCF)

CCF (Kredi Dönüşüm Faktörü): Kullanılmamış limitin ne kadarının temerrüt anında kullanılacağını tahmin eder

• Prepayment Modelleri: Erken ödeme davranışını modelleyerek gelecekteki bakiyeleri tahmin eder

Temel ECL Formülü

ECL = PD * LGD * EAD

Not: PD, LGD, EAD bir araya geldiğinde tam bir kesinlik sağlamaz, daha çok bir “beklenti” sunar. İstatistiksel olarak “beklenen kredi zararı” aslında bir olasılık dağılımının ortalamasıdır. Yani, “ortalamada bu kadar zarar bekliyoruz” demektir, ama gerçek zarar daha az veya daha çok olabilir.

6. İleriye Dönük Bilgilerin Entegrasyonu

IFRS 9, ileriye dönük (forward-looking) makroekonomik bilgilerin ECL hesaplamalarına dahil edilmesini gerektirir. Bu, PD, LGD ve/veya EAD parametrelerinin makroekonomik senaryolara göre ayarlanmasını içerir.

Makroekonomik Faktörler

• GSYİH büyümesi
• İşsizlik oranları
• Konut fiyat endeksleri
• Faiz oranları
• Enflasyon

Entegrasyon Süreci

1.Makroekonomik Değişken Seçimi:

• Korelasyon Analizi: Risk parametreleriyle ilişkili değişkenlerin belirlenmesi
• Uzman Görüşü: Sektör uzmanlarının önerdiği değişkenler
• Üretilen Değişkenler: Temel değişkenlerden türetilen (örn. konut fiyatı/medyan gelir oranı)

2.Model Yapısı:

• Uydu Modeller (Satellite Models): Ana ECL modelinin dışında, makroekonomik faktörlerin risk parametreleriyle ilişkisini modelleyen yapılar
• Doğrudan Entegrasyon: Risk parametre modellerinin doğrudan makroekonomik değişkenleri içermesi

3.İlişki Modellemesi:

• Lineer/Lineer Olmayan Regresyonlar:

PD = f(GSYİH Büyümesi, İşsizlik, Faiz Oranları...)

• Vektör Otoregresyon (VAR) Modelleri: Değişkenler arasındaki karşılıklı ilişkileri modelleyen zaman serisi yaklaşımı
• Stres Testi Modelleri: Aşırı ekonomik koşulların etkisini analiz eden modeller

4.Senaryo Oluşturma:

• Baz/Temel Senaryo: En olası ekonomik görünüm (%50–60 ağırlık)
• İyimser Senaryo: Ekonomik koşulların beklenenden iyi olduğu durum (%15–25 ağırlık)
• Kötümser Senaryo: Ekonomik daralma durumu (%15–25 ağırlık)
• Şiddetli Stres Senaryosu: Daha sert ekonomik şoklar (%5–10 ağırlık) — bazı bankalar kullanır

5.Ağırlıklandırma ve Sonuç Hesaplama:

ECL = (ECL_Baz × Ağırlık_Baz) + (ECL_İyimser × Ağırlık_İyimser) + (ECL_Kötümser × Ağırlık_Kötümser)

Senaryoların Gözden Geçirilmesi

• Çeyreklik: Ekonomik görünümdeki değişiklikler doğrultusunda senaryolar ve ağırlıklar güncellenir
• Önemli Ekonomik Olaylar: Brexit, COVID-19 gibi olaylar sonrası özel senaryo güncellemeleri

7. ECL Modelleme Yaklaşımları

7.1. Kolektif Değerlendirme

Benzer risk özellikleri olan finansal varlıkları gruplandırarak yapılan değerlendirme.

• ECL ile ilişkisi: Büyük miktarda benzer kredileri (örn. konut kredileri, kredi kartları) tek tek değerlendirmek imkansız olduğundan, benzer risk özelliklerine göre gruplandırılır.
• Örnek: Tüm konut kredileri LTV (kredi/değer) oranı, gelir seviyesi, kredi skoru gibi faktörlere göre gruplara ayrılır ve her grup için aynı PD/LGD parametreleri kullanılır.
• Avantaj: Verimlilik ve ölçeklenebilirlik sağlar.

7.2. Bireysel Değerlendirme

Genellikle büyük kurumsal krediler için yapılan, nakit akışı bazlı değerlendirme.

• ECL ile ilişkisi: Büyük kurumsal krediler, her biri önemli tutarda olduğu ve kendine özgü risk profilleri olduğu için tek tek değerlendirilir.
• Örnek: 10 milyon €’luk bir kurumsal kredi için şirketin nakit akış projeksiyonları incelenir ve ECL bu nakit akışlarının ödeme planına göre karşılaştırılmasıyla hesaplanır.
• Avantaj: Daha hassas risk değerlendirmesi sağlar.

7.3. Pratik Çözümler

Karşılık matrisi gibi basitleştirilmiş yaklaşımlar (örn. ticari alacaklar için)

• ECL ile ilişkisi: Bazı durumlarda karmaşık modellemeler imkansız veya maliyetli olabilir, bu durumda basitleştirilmiş yaklaşımlar kullanılır.
• Örnek: Bir ticari işletmenin alacakları için yaşlandırma tablosu (30 gün vadesi geçmiş = %x karşılık, 60 gün = %y karşılık) kullanılabilir.
• Avantaj: Uygulama kolaylığı sağlar.

8. Modelleme Zorlukları

8.1. Veri Sınırlamaları

Uzun tarihsel veri gereksinimleri, özellikle ömür boyu PD için

• İdeal olarak, en az bir tam ekonomik döngüyü (genişleme ve daralma) kapsayan veri gereklidir, bu genellikle 7–10 yıllık veri demektir.
• Ömür boyu PD için daha uzun veri setleri gereklidir (örn. 30 yıllık konut kredisi için idealde 30 yıllık veri)
• Pratikte çoğu banka bu kadar uzun veri setlerine sahip değildir, bu nedenle çeşitli ekstrapolasyon ve modelleme teknikleri kullanılır.

8.2. İleriye Dönük Bilgiler

Makroekonomik tahminlerin oluşturulması ve modele entegrasyonu

• Tahminlerin oluşturulması: Bankalar genellikle kendi ekonomik araştırma birimlerini kullanır veya Merkez Bankası, IMF gibi kuruluşların tahminlerini alır.
• Entegrasyon süreci: Ekonometrik modeller kullanılarak makroekonomik değişkenlerle risk parametreleri arasındaki ilişki modellenir. Örneğin “GSYİH %1 düştüğünde PD %0.2 artar” gibi.
• Güvenilirlik sorunu: ECL bu tahminler üzerine çalışan bir model olduğu için bankaların çoklu senaryolar kullanması ve bunlara ağırlıklar vermesi önemlidir.

8.3. Aşama Geçişleri

Kredi riskinde önemli artışların tanımlanması ve ölçülmesi

• Kredi riskinde önemli artışın (SICR) tanımlanması için net kriterler belirlenir (örn. rating düşüşü, 30 gün gecikme).
• Geçiş kuralları oluşturulur (örn. notun 2 kademe düşmesi Aşama 2'ye, 90 gün gecikme Aşama 3'e geçirir).
• Geçişleri yumuşatmak için bazı bankalar “kura stage” gibi ara aşamalar kullanır.
• Düzenli yeniden değerlendirmelerle iyileşen kredileri önceki aşamalara döndürme kriterleri belirlenir.

8.4. Model Validasyonu

Kompleks modellerin doğruluğunun ve performansının değerlendirilmesi

Validasyon Sürecindeki Aşamalar ve Yöntemler

1.Kavramsal Değerlendirme:

• Model Belgelerinin İncelenmesi: Modelin teorik temelleri, varsayımları
• Metodoloji Değerlendirmesi: Kullanılan istatistiksel tekniklerin uygunluğu
• Düzenleyici Uyum: Basel ve IFRS gerekliliklerine uygunluk kontrolü

2.Veri Kalitesi Değerlendirmesi:

• Veri Bütünlüğü: Eksik veriler, aykırı değerler
• Veri Doğruluğu: Kaynak sistemlerle karşılaştırma
• Veri Temsil Gücü: Modellenen portföyü temsil eden bir örnek olup olmadığı

3.Performans Testleri:

Ayırt Edici Güç (Discriminatory Power):

• ROC Eğrisi ve AUC (Area Under Curve): Model tahminlerinin gerçek temerrüt ve temerrüt etmeyen kredileri ayırt etme gücü
• Gini Katsayısı: Modelin rastgele bir modelden ne kadar daha iyi olduğunu ölçer
• K-S İstatistiği: Kümülatif temerrüt ve kümülatif temerrüt etmeyen dağılımları arasındaki maksimum fark

Kalibrasyon Gücü:

• Hosmer-Lemeshow Testi: Tahmin edilen ve gerçekleşen temerrüt oranlarının karşılaştırılması
• Binning Analizi: PD dilimleri için tahmin/gerçekleşme karşılaştırması

4.Backtesting:

• Zaman Serisi Testleri: Geçmiş dönemlerdeki tahminlerle gerçekleşmelerin karşılaştırılması
• Hata Analizi: Kök Ortalama Kare Hata (RMSE), Ortalama Mutlak Yüzde Hata (MAPE)
• Geçmiş Validasyon Sorunlarının Giderilip Giderilmediğinin Kontrolü

5.Benchmarking:

• Alternatif Modellerle Karşılaştırma: Farklı teknikler kullanılarak oluşturulan modellerin karşılaştırılması
• Sektör Ortalamaları ile Karşılaştırma: Bankanın model sonuçlarının sektördeki benzer portföylerle karşılaştırılması
• Dış Modeller ve Derecelendirmelerle Karşılaştırma: Kredi derecelendirme kuruluşları (S&P, Moody’s) tahminleriyle karşılaştırma

6.Hassasiyet Analizi:

• Monte Carlo Simülasyonları: Parametre belirsizliğinin sonuçlar üzerindeki etkisinin analizi
• What-If Analizi: Belirli değişkenlerin değişiminin model çıktılarına etkisi
• Stres Testleri: Ekstrem koşulların model davranışı üzerindeki etkisi

Modelciler daha yaratıcı ve ilerici olmak isterken, validasyoncular daha muhafazakar ve eleştirel bakarlar.

9. Senaryo Analizi

Senaryo Geliştirme Süreci

1.Makroekonomik Tahminlerin Oluşturulması:

• Banka Ekonomi Araştırma Birimi: İç tahminler
• Dış Kaynaklar: Merkez bankası, IMF, ekonomik araştırma kuruluşları
• Ekonometrik Modeller: ARIMA, VAR modelleri kullanılarak zaman serisi tahminleri

2.Senaryo Tanımlama:

• Baz Senaryo: İlgili ekonomiye ilişkin en olası gelecek görünümü
• İyimser Senaryo: Ekonominin beklenenden daha güçlü performans gösterdiği durum (daha hızlı büyüme, daha düşük işsizlik)
• Kötümser Senaryo: Ekonomik daralma veya yavaşlama durumu (daha düşük büyüme, daha yüksek işsizlik)

3.Senaryo Özelliklerinin Belirlenmesi:

Makro Değişken    | Baz Senaryo | İyimser Senaryo | Kötümser Senaryo
------------------|-------------|-----------------|----------------
GSYİH Büyümesi    | %3.5        | %4.8            | %1.2
İşsizlik Oranı    | %5.2        | %4.5            | %7.0
Konut Fiyatları   | %2.0        | %4.0            | %-3.0
Faiz Oranları     | %4.0        | %3.5            | %5.5

Senaryoların ECL Hesaplamasına Entegrasyonu

1.Parametre Dönüşümleri: Makroekonomik senaryoları risk parametrelerine (PD, LGD, EAD) dönüştüren modeller geliştirilir:

PD_Baz = f(GSYİH_Baz, İşsizlik_Baz, ...) 
PD_İyimser = f(GSYİH_İyimser, İşsizlik_İyimser, ...) 
PD_Kötümser = f(GSYİH_Kötümser, İşsizlik_Kötümser, ...)

2.Senaryo Bazlı ECL Hesaplama: Her senaryo için ayrı ECL hesaplaması yapılır:

ECL_Baz = PD_Baz × LGD_Baz × EAD_Baz 
ECL_İyimser = PD_İyimser × LGD_İyimser × EAD_İyimser 
ECL_Kötümser = PD_Kötümser × LGD_Kötümser × EAD_Kötümser

3.Ağırlıklandırma: Senaryolara olasılıkları doğrultusunda ağırlıklar verilir:

ECL_Son = (ECL_Baz × 0.60) + (ECL_İyimser × 0.20) + (ECL_Kötümser × 0.20)

10. Uygulama Örneği

Basit ECL Hesaplama Örneği

Bir banka portföyü için basit bir ECL hesaplaması yapalım:

Veri:

• Kredi Tutarı: 1.000.000 €
• 12 aylık PD: %2
• Ömür boyu PD (3 yıl): %5
• LGD: %40
• EAD: 1.000.000 € (tam tutar)

Aşama 1 hesaplaması:

ECL = PD * LGD * EAD = 0.02 * 0.40 * 1.000.000 = 8.000 €

Aşama 2 hesaplaması:

ECL = PD * LGD * EAD = 0.05 * 0.4 * 1.000.000 = 20.000 €

Bu, aynı kredi için Aşama 1'den Aşama 2'ye geçişin karşılık tutarında 2.5 kat artışa neden olabileceğini gösterir.

Büyük Kurumsal Kredi için ECL Hesaplaması

10 milyon € tutarında 5 yıllık bir kurumsal kredi için ECL hesaplaması:

Veri:

• Kredi Tutarı: 10.000.000 €
• Vade: 5 yıl
• Risk Derecelendirmesi: BB (orta-düşük risk)

Senaryo 1 — Baz (%60 ağırlık):

• PD: %2.5 (yıllık)
• LGD: %45
• EAD: 10.000.000 €
• ECL_Baz = 0.025 × 0.45 × 10.000.000 = 112.500 €

Senaryo 2 — İyimser (%20 ağırlık):

• PD: %1.8 (yıllık)
• LGD: %40 (iyileşen ekonomide gayrimenkul değerlerinin yükselmesi nedeniyle LGD düşer)
• EAD: 10.000.000 €
• ECL_İyimser = 0.018 × 0.40 × 10.000.000 = 72.000 €

Senaryo 3 — Kötümser (%20 ağırlık):

• PD: %4.5 (yıllık)
• LGD: %55 (kötüleşen ekonomide gayrimenkul değerlerinin düşmesi nedeniyle LGD artar)
• EAD: 10.000.000 €
• ECL_Kötümser = 0.045 × 0.55 × 10.000.000 = 247.500 €

Ağırlıklandırılmış ECL Hesaplaması:

ECL = (112.500 × 0.60) + (72.000 × 0.20) + (247.500 × 0.20)
    = 67.500 + 14.400 + 49.500
    = 131.400 €

Bu tutarda karşılık ayrılır ve bilançoda gösterilir. Gelecek dönemlerde ekonomik görünüm değiştikçe senaryolar ve ağırlıklar güncellenir, karşılık tutarı yeniden hesaplanır.

11. Sıkça Sorulan Sorular

Temerrüt Ne Demek?

Temerrüt (Default), borçlunun sözleşmeye bağlı yükümlülüklerini yerine getirememesi durumudur. Osmanlıca Türkçesinden gelen bir kelimedir ve “acziyete düşme” anlamını taşır. Bankacılıkta genellikle şu durumlarda temerrüt sayılır:

• 90 gün veya daha uzun süredir ödemelerin gecikmesi
• Borçlunun yükümlülüklerini yerine getiremeyeceğinin belirlenmesi (iflas gibi)

Neden Aşama 1 için 12 Aylık PD?

• Bu daha pratiktir
• Kredi riskinde önemli artış olmadığı sürece, kısa vadeli beklentiler daha doğru olabilir
• Ömür boyu ECL hesaplamak çok daha karmaşık ve belirsizdir
• 12 aylık süre, Basel hesaplamalarıyla da uyumlu olması için seçilmiştir

Ömür Boyu ECL Ne Demek?

“Ömür” burada kredinin veya finansal varlığın ömrüdür, yani vade tarihine kadar olan süre. Örneğin, 10 yıllık bir konut kredisi için “ömür boyu ECL” 10 yıl boyunca beklenen tüm zararları içerir. 30 yıllık bir kredi için 30 yıllık dönemdeki potansiyel zararları kapsar.

LGD Aşamalar Arasında Fark Ediyor mu?

• LGD genellikle ürün/segment bazında belirlenir, ancak:
• Bazı bankalar Aşama 3 için “Downturn LGD” (ekonomik daralma dönemindeki daha yüksek LGD) kullanır
• Aşama ilerledikçe teminat değerlemeleri güncellenebilir ve bu LGD’yi etkileyebilir
• Makroekonomik faktörler LGD’yi etkileyebilir (örn. kötüleşen ekonomide gayrimenkul değerleri düşer, bu da LGD’yi artırır)

12. Ek Bilgiler

ECL Modeli ve Ekonomideki Çalkantılar

ECL modeli ekonomideki çalkantılara duyarlıdır. Bu yüzden makroekonomik faktörleri entegre eder. Olasılık dağılımı hesaplamaları için genellikle:

• Temerrüt olasılıkları için lojistik veya probit dağılımlar kullanılır
• LGD için genellikle beta dağılımı kullanılır
• Monte Carlo simülasyonları ile farklı senaryolar modellenir

İstatistiksel olarak, standart sapmalar hesaplanır ve güven aralıkları oluşturulur ama bu daha çok model validasyonu için kullanılır.

2019 Pandemisi ve Bankalar

COVID-19 pandemisi bankalar için önemli bir test oldu. Bankalar genellikle dayanıklı kaldılar çünkü:

• 2008 sonrası uygulanan düzenlemeler (IFRS 9, Basel III) sermaye tamponları oluşturmuştu
• Merkez bankaları ve hükümetler hızla müdahale etti (likidite destekleri, kredi karantileri)
• Moratoryum uygulamaları (kredi ödemelerinin ertelenmesi) kredi müşterilerini korudu

Bankacılık sistemi önceki krizden dersler almıştı — 2008'e göre çok daha hazırlıklıydı.

Aşamalar ve Modelleme

Aşama 2'deki müşteriler hasta ama iyileşme şansı var, Aşama 3'tekiler ise “kritik durumda” olarak düşünülebilir. Modelleme için tüm veriler kullanılır ancak:

• Aşama 1 ve 2 için davranışsal modeller
• Aşama 3 için tahsilat/kurtarma modelleri yapılır

Temerrüt (Aşama 3) verisi özellikle PD ve LGD modellerini kalibre etmek için çok önemlidir.

Büyük Kurumsal Krediler

Büyük kurumsal krediler genelde “sendikasyon” yoluyla birden fazla banka tarafından verilir. Örneğin 1 milyar €’luk bir kredi için:

• Lider banka: 200 milyon € (ve koordinatör rolü)
• 4 büyük banka: Her biri 150 milyon €
• 5 küçük banka: Her biri 40 milyon €

Bu her bankanın riskini sınırlar ve büyük projelerin finansmanını mümkün kılar. Örneğin “İstanbul Havalimanı” için 4.6 milyar euro civarında bir finansman sağlanmıştır ve 6 yerli banka bir araya gelmiştir.

Uzman Görüşünün Önemi

Bankacılıkta modeller önemli olsa da, “uzman görüşü” her aşamada devreye girer:

• Model geliştirmede
• Senaryo ağırlıklarının belirlenmesinde
• Aşama geçişlerinde
• Karşılık yönetiminde
• Özel müşterilerin değerlendirilmesinde

Özellikle verilerin az olduğu durumlarda, uzman görüşü çok değerlidir. Uzman görüşü iki alanın uzmanlığını içerir:

• Bankacılık/Sektör uzmanları: Belirli sektörleri, müşteri davranışlarını, ekonomik trendleri anlarlar
• Modelleme uzmanları: İstatistiksel teknikleri, model sınırlamalarını, veri özelliklerini bilirler

İdeal durumda, bir modelleme komitesi her iki tür uzmandan oluşur ve farklı perspektifler bir araya gelir.

Model Testi ve Kalibrasyon Süreci

Model geliştirme süreci şöyle çalışır:

• Tarihsel verilerle model geliştirilir (geçmişteki temerrütleri tahmin etmeye çalışan model)
• Bu model canlı ortamda Aşama 3'e düşen kredilerle test ve kalibre edilir
• Model sürekli olarak canlı ortamdaki performansla karşılaştırılır ve gerekirse yeniden kalibre edilir
• Büyük model yenilemeleri: 2–3 yılda bir (veya büyük ekonomik değişimler olduğunda)
• Periyodik kalibrasyonlar: genellikle yıllık
• Sürekli izleme: Aylık/çeyreklik performans raporları

Model sürekli olarak yenilenmek yerine, mevcut model düzenli olarak kalibre edilir. Ancak model performansı önemli ölçüde düşerse veya ekonomik koşullar köklü bir şekilde değişirse, tamamen yeni bir model geliştirilebilir.