Izbijanje pandemije uzrokovane SARS-Cov-2 virusom kao i nastala ekonomska kriza izazvala je tektonske poremećaje u svim aspektima naših života, od ekonomskih preko socijalnih pa sve do najbitnije odrednice – tragičnih gubitaka ljudskih života.

No u globaliziranom svijetu karakteriziranom velikom mobilnosti među zemljama i kontinentima pandemija se morala dogoditi prije ili kasnije.

Slijedom toga, u centar pozornosti šire javnosti došlo je prediktivno modeliranje, no sa fokusom na predviđanje trajanja i posljedica epidemije, uključujući i pogreške proizašle iz zanemarivanja nelinearnih odnosa, teorije ekstremnih vrijednosti (TEV) što je dovelo do podcjenjivanja stvarnih učinaka pandemije.

No analitičare i management u kreditnim institucijama prije svega zanima koje lekcije možemo naučiti u procesu modeliranja kreditnog rizika, odnosno kako odrediti učinak ekonomske krize uzrokovane pandemijom na parametre rizika.

Da li koristeći pretpostavke prije pandemije možemo zadovoljavajuće predvidjeti vjerojatnost neplaćanja (eng. Probability of Default – PD) ili očekivani kreditni gubitak (eng. Loss Given Default – LGD)? TOČKA.

Budući da su PD i LGD jedni od triju faktora za izračun očekivanog kreditnog gubitka (eng. Expected Credit Loss – ECL) prema MSFI 9, njihova promjena je od presudne važnosti za upravljanje kreditnim rizikom.

Odgovor na ovo pitanje je jasan – veliki ekonomski šok, pad zaposlenosti i ostala negativna makroekonomska kretanja u trenutku pogoršanja pandemije značajno će utjecati na povećanje vjerojatnosti neplaćanja te povećanje očekivanog kreditnog gubitka, odnosno na rast neprihodojućih plasmana.

No ako postoji jedna dobra vijest za kreditne institucije u Republici Hrvatskoj, to je činjenica da zahvaljujući godišnjim nadzornim testiranjima otpornosti na stres, one već posjeduju znanja i iskustva za definiranje i računanje učinka negativnih scenarije.

Kako bi izračunale neočekivani učinak kreditne institucije bi trebale razraditi u dodatne scenarije ekstremnijeg šoka i primijeniti ih na rezultate internih modela za procjenu kreditnog rizika te posvetiti posebnu pažnju distribuciji gubitaka „debelog repa“ (eng. fat tail distribution).

Ukidanje državnih mjera potpore gospodarstvu i daljnje pogoršanje epidemiološke situacije koje utječe na gospodarsku aktivnost mogu dovesti do znatno većeg pogoršanja kreditne kvalitete u sektoru kućanstava nego što se trenutačno očekuje.

Bez obzira na mogućnost oporavka gospodarstva u 2021. godini i visoku likvidnost kreditnih institucija, pred financijskih sustavom je puno nepoznanica. Epidemiološka situacija i njena korelacija sa gospodarskom aktivnosti, neizvjesno stanje sljedeće turističke sezone uvjetuju poseban oprez I potrebu za detaljnom razradom ekstremnih scenarija.

Neovisno o budućem ishodu, kod modeliranja kreditnog rizika bolje je primijeniti princip opreznosti (eng. precautionary principle) I biti spreman na znatno negativne kretanje makroekonomskih parametara nego što se očekuje, dodavanjem nove razine kompleksnosti nelinearnih posljedica scenarija ekstremnog šoka na izlazne rezultate modela.