В статье представлена методика расчета резерва по дебиторской задолженности ресурсоснабжающей организации с применением правил МСФО (IFRS) 9. Рассмотрено применение матрицы резервов при расчете ожидаемых кредитных убытков для торговой дебиторской задолженности.
Ключевые слова: ожидаемые кредитные убытки, торговая дебиторская задолженность, значительный компонент финансирования, матрица оценочных резервов.
Стандарт МСФО (IFRS) 9 «Финансовые инструменты», обязательный к применению с 1 января 2018 года, вводит новую модель обесценения, которая основана на оценке ожидаемых кредитных убытков (ECL), в отличие от предыдущей модели понесенных потерь. Основное отличие модели ожидаемых кредитных убытков от модели понесенных потерь заключается в том, что уже на этапе признания актива признаются и ожидаемые потери, что в большинстве случаев приводит к росту резервов по сомнительной дебиторской задолженности.
У большинства компаний имеются финансовые инструменты, которые они должны учитывать. В частности, практически каждая компания имеет дебиторскую задолженность, и, применяющийся с 1 января 2018 года, стандарт МСФО (IFRS) 9 «Финансовые инструменты» меняет отношение многих компаний к обесценению таких активов. Таким образом, для большинства компаний представляет интерес анализ дебиторской задолженности и создание резерва по сомнительной дебиторской задолженности на основе модели ожидаемых потерь, которые регулируются данным стандартом.
В соответствии со стандартом МСФО (IFRS) 9 распространяются на следующие финансовые инструменты:
− финансовые активы, оцениваемые по амортизированной стоимости, или по справедливой стоимости через прочий совокупный доход;
− торговая дебиторская задолженность и дебиторская задолженность по лизинговым договорам;
− финансовые инструменты, подверженные кредитному риску. [1]
Сосредоточим внимание на торговой дебиторской задолженности.
Торговая дебиторская задолженность— это финансовый инструмент, который обычно возникает из договора на товары или услуги с покупателем. При этом право на получение возмещения является безусловным, и для получения возмещения требуется только время. [3]
Торговая дебиторская задолженность обычно остается непогашенной в течение относительно короткого периода времени. Для краткосрочной торговой дебиторской задолженности, например, для должников с 30-дневными сроками погашения, определение перспективных экономических сценариев не представляется целесообразным, учитывая, что в течение периода подверженности кредитному риску существенное изменение экономических условий обычно маловероятно, а уровни кредитных убытков прошлых лет могут быть подходящей основой для оценки ECL.
Стандарт МСФО (IFRS) 9 предусматривает упрощенный подход к обесценению торговой дебиторской задолженности, не содержащей значительного компонента финансирования. [1]
Значительный компонент финансирования возникает в том случае, если сроки оплаты, согласованные сторонами договора, предоставляют либо клиенту, либо поставщику, значительную финансовую выгоду. Значительная финансовая выгода будет иметь место при существенной сумме договора с предварительной оплатой и значительного временного промежутка между оплатой и передачей контроля над предметом договора покупателю. [2]
Торговая дебиторская задолженность, не содержащая значительного компонента финансирования, не требует отслеживания изменения кредитного риска, а также ожидаемые кредитные убытки могут моделироваться на весь срок существования финансового актива. [1]
МСФО (IFRS) 9 предусматривает возможность использования упрощенного подхода к обесценению торговой дебиторской задолженности с использованием матрицы оценочных резервов. В этом случае организация будет использовать свой прошлый опыт возникновения кредитных убытков (скорректированных соответствующим образом). [1]
Матрица оценочных резервов или просто матрица резервовпредставляет собой не что иное, как применение соответствующих уровней (коэффициентов) убытков к непогашенным остаткам торговой дебиторской задолженности (то есть анализ дебиторской задолженности по срокам возникновения). Компания может применять разные коэффициенты убытков, в зависимости от периода просрочки погашения дебиторской задолженности.
С учетом разнообразия своей клиентской базы компания может использовать соответствующие группировки для должников, если ее опыт кредитных убытков прошлых лет показывает существенно разные модели убытков для разных категорий клиентов.
Компании должны изучить исторические коэффициенты кредитных убытков, чтобы определить, есть ли существенные различия в моделях убытков для разных клиентских сегментов.
В МСФО (IFRS) 9 отсутствует четкое руководство или конкретное требование о том, как группировать торговую дебиторскую задолженность, однако группировка может основываться на географическом регионе, типе продукта, рейтинге клиентов, залоговом обеспечении или страховании торговых кредитных рисков, а также типе клиента (например, оптовый или розничный). [1]
В качестве примера рассмотрим ресурсоснабжающую организацию, являющуюся гарантирующим поставщиком электроэнергии для конечных потребителей — физических и юридических лиц.
Для организации-поставщика электроэнергии, осуществляющей продажу коммунального ресурса, важен анализ дебиторской задолженности и создание резерва по сомнительной дебиторской задолженности, которые регулируются МСФО 9.
Общую совокупность элементов дебиторской задолженности необходимо объединить в группы дебиторской задолженности по схожим характеристикам кредитного риска.
При группировке дебиторской задолженности важно понимать и определять, что наиболее существенно влияет на кредитный риск каждой отдельной группы. [3]
Компания может группировать дебиторскую задолженность от потребителей физических лиц и потребителей юридических лиц отдельно, поскольку они обладают разными характеристиками кредитного риска (физические лица менее надежны и оплачивают счета медленнее, чем юридические лица).
Затем можно сгруппировать каждую из вышеперечисленных выборок дебиторской задолженности по географическому признаку, например, городские потребители и потребители, проживающие в сельской местности. Это будет обоснованно и целесообразно, так как у этих двух категорий потребителей будет существенно различаться уровень доходов населения, что обусловлено меньшим количеством рабочих мест в селе по сравнению с городом, и с более низким уровнем оплаты труда.
Рассмотрим на примере данной организации применение матричного резервирования и рассчитаем убыток от обесценения торговой дебиторской задолженности по состоянию на 31 декабря 2019 года. На отчетную дату организация имеет дебиторскую задолженность в размере 2 410 тыс. руб., для анализа рассмотрим группу потребителей, являющихся физическими лицами, и будем считать, что организация осуществляет свою деятельность в одном географическом регионе, анализируемые показатели относятся к одному финансовому году. Наглядно структуру дебиторской задолженности демонстрирует таблица 1.
Таблица 1
Структура дебиторской задолженности организации по состоянию на 31.12.2019
|
Срок погашения |
Дебиторская задолженность, тыс. руб. |
|
0–30 дней |
1 100 |
|
31–90 дней |
550 |
|
91–180 дней |
390 |
|
181–360 дней |
220 |
|
> 360 дней |
150 |
|
Итого |
2 410 |
В МСФО (IFRS) 9 нет конкретных указаний о том, какой давности должны быть данные по дебиторской задолженности или насколько длительным должен быть период выборки. В нашем примере целесообразно взять относительно короткий период (1 финансовый год), чтобы уменьшить влияние роста тарифов на расчетные показатели.
Чтобы собрать репрезентативные исторические данные, компания использует для анализа данные 2018 года. За этот период оборот компании составил 60 000 тыс. руб.
Согласно Постановлению Правительства от 06.05.2011 года № 354 (ред. от 13.07.2019) «О предоставлении коммунальных услуг собственникам и пользователям помещений в многоквартирных домах и жилых домов», срок оплаты за потребленную электрическую энергию устанавливается до 10-го числа месяца, следующего за расчетным периодом. В соответствии с действующими правилами прекращения подачи электроэнергии потребителю в случае несвоевременной оплаты отключение производится по истечении 20 дней со дня последнего срока оплаты.
Таким образом, кредитный период компании равен 30-ти дням, а значит дебиторская задолженность не имеет значительного компонента финансирования. Следовательно, МСФО 9 позволяет компании использовать упрощенный подход в отношении торговой дебиторской задолженности. В свою очередь применение упрощенного подхода дает возможность компании признавать ожидаемые кредитные убытки по торговой дебиторской задолженности за весь срок без необходимости определения значительного увеличения кредитного риска. [4]
Для определения коэффициентов кредитных убытков выбранную группу дебиторов разделим на категории просрочек платежей: сроком от 0 до 30 дней, от 31 до 90 дней, от 91 до 180 дней, от 181 до 360 дней и свыше 360 дней.
Компания должна проанализировать свои данные, чтобы определить, сколько времени ей потребовалось для сбора всей дебиторской задолженности (то есть определить миграцию остатков задолженности между периодами просрочки), и определить долю дебиторской задолженности, которая подвергнется дефолту, когда достигнет определенной группы. [3]
Анализ требует, чтобы система бухгалтерского учета идентифицировала, в какой срок потребитель производит свои платежи за электроэнергию, предоставленную ему в кредит. Затем эта информация сортируется по различным временным рамкам, как указано в таблице 2.
Таблица 2
Анализ сбора дебиторской задолженности по срокам погашения
|
Группа просрочки |
Сумма погашения вданной группе просрочки, тыс. руб. |
Сумма погашения нарастающим итогом, тыс. руб. |
Непогашенный остаток, тыс. руб. |
|
0–30 дней |
22 000 |
22 000 |
38 000 |
|
31–90 дней |
18 000 |
40 000 |
20 000 |
|
91–180 дней |
13 500 |
53 500 |
6 500 |
|
181–360 дней |
5 500 |
59 000 |
1 000 |
|
> 360 дней |
1 000 |
59 000 |
1 000 |
|
Итого: |
60 000 |
После анализа денежных поступлений в погашение дебиторской задолженности и группировки остатков непогашенной дебиторской задолженности, следует рассчитать исторические коэффициенты кредитных убытков.
Исторические коэффициенты кредитных убытков рассчитываются путем деления общей суммы кредитных убытков на сумму продаж, достигшую соответствующей группы просрочки. [3] Результаты расчетов приведены в таблице 3.
Таблица 3
Расчет исторических коэффициентов кредитных убытков
|
Срок погашения, дней |
Непогашенный остаток, тыс. руб |
Общая сумма кредитного убытка, тыс. руб |
Исторический коэффициент кредитных убытков,% |
|
Без просрочки (0–30 дней) |
38 000 |
1 000 |
2,63 |
|
31–90 дней |
20 000 |
1 000 |
5,00 |
|
91–180 дней |
6 500 |
1 000 |
15,38 |
|
181–360 дней |
1 000 |
1 000 |
100 |
|
> 360 дней |
1 000 |
1 000 |
100 |
Коэффициенты кредитных убытков прошлых периодов, рассчитанные выше, служат хорошей отправной точкой для оценки ожидаемых кредитных убытков (ECL) в соответствии с МСФО (IFRS) 9.
На следующем этапе произведем расчет прогнозируемых показателей.
Предварительно ознакомимся с информацией Минэкономразвития России от 27 октября 2017года «Прогноз социально-экономического развития России на 2018год и на плановый период 2019 и 2020 годов».
Во всех трех вариантах прогноза (базового, консервативного и целевого) предполагается, что Банк России будет продолжать проводить денежно-кредитную политику в рамках режима таргетирования инфляции, что должно обеспечить значение инфляции вблизи целевого уровня 4 % на протяжении всего прогнозного периода. Рост реальной заработной платы в 2019–2020 годов ожидается на уровне 1,3–1,5 %. Соответственно, уровень реальных доходов населения снизится на 2,5 %. [5]
Собственная статистика организации показывает, что снижение реальных доходов населения на 1 % вызывает увеличение кредитных убытков на 3 %. Исходя из этих данных руководство компании вправе предположить, что с падением уровня реальных доходов населения убыток в 1 000 тыс. руб может увеличиться на 7,5 % (2,5*3), то есть до 1 075 тыс. руб.
Расчет коэффициентов кредитных убытков, скорректированных с учетом прогнозируемой информации, иллюстрирует таблица 4.
Таблица 4
Расчет коэффициентов убытков, скорректированных сучетом прогнозируемой информации
|
Срок погашения, дней |
Непогашенный остаток, тыс. руб |
Прогнозируемый кредитный убыток, тыс. руб |
Прогнозируемый коэффициент кредитных убытков,% |
|
Без просрочки (0–30 дней) |
38 000 |
1 075 |
2,83 |
|
31–90 дней |
20 000 |
1 075 |
5,38 |
|
91–180 дней |
6 500 |
1 075 |
16,54 |
|
181–360 дней |
1 000 |
1 075 |
19,91 |
|
> 360 дней |
1 000 |
1 075 |
107,50 |
После того как исторические коэффициенты определены, а затем скорректированы с учетом прогнозируемой информации, можно приступать к расчету резервов ожидаемых кредитных убытков (ECL).
Ожидаемые кредитные убытки рассчитываются путем умножения непогашенного остатка дебиторской задолженности на соответствующие каждой подгруппе прогнозируемые коэффициенты кредитных убытков, как это представлено в таблице 5.
Таблица 5
Расчет ожидаемого кредитного убытка
|
Срок погашения, дней |
Непогашенная сумма, тыс. руб. |
Коэффициент убытка, % |
Ожидаемый кредитный убыток, тыс. руб |
|
Без просрочки (0–30 дней) |
1 100 |
2,83 |
31,13 |
|
31–90 дней |
550 |
5,38 |
29,59 |
|
91–180 дней |
390 |
16,54 |
64,51 |
|
181–360 дней |
220 |
19,91 |
43,8 |
|
> 360 дней |
150 |
107,50 |
161,25 |
|
Итого |
2 410 |
330,28 |
В нашем примере ожидаемых кредитных убытков (и, соответственно резерв ожидаемых кредитных убытков) составит 330,28 тыс. руб.
Таким образом, мы рассмотрели упрощенный подход для расчета ожидаемого кредитного убытка от обесценения торговой дебиторской задолженности предприятия с применением правил МФСО (IFRS) 9. На различных этапах проделанной работы были произведены группировка финансовых активов, определены исторические коэффициенты кредитных убытков, проанализирована прогнозируемая информация, произведены расчеты с применением матрицы резервов и получен итоговый ожидаемый кредитный убыток и, соответственно, определена сумма резерва по торговой дебиторской задолженности организации. Требования МСФО (IFRS) 9 по обесценению затронули практически все компании, в связи с чем рассмотренный пример может быть полезен для организаций, имеющих торговую дебиторскую задолженность.
Литература:
- Международный стандарт финансовой отчетности (IFRS) 9 «Финансовые инструменты» (введен в действие на территории Российской Федерации в редакции 2014 года Приказом Минфина России от 27.06.2016 N 98н) (ред. от 16.09.2019)
- МСФО (IFRS) 15 «Выручка по договорам с покупателями»
- Чиркова С. В. Учет резервов по сомнительным долгам: российский опыт и международная практика // Молодой ученый. -2018. -№ 17. -С. 210–213.
- Постановление Правительства от 06.05.2011 года № 354 (ред. от 13.07.2019) «О предоставлении коммунальных услуг собственникам и пользователям помещений в многоквартирных домах и жилых домов»
- Информация Минэкономразвития России (Министерства экономического развития РФ) от 27 октября 2017 г. «Прогноз социально-экономического развития Российской Федерации на 2018 год и на плановый период 2019 и 2020 годов»
- Климова Ю. В. Учет финансовых инструментов: переход на МСФО 9 // Вестник АГУ. -2014. -№ 3. –С.150
