Martin Blåvarg Riskvägda kapitalkrav fungerar de?

Transkript

1 Martin Blåvarg Riskvägda kapitalkrav fungerar de? Riskvägda kapitalkrav ger banker incitament att hantera sina risker och medför att bankers kreditgivning styrs till de delar av ekonomin där de gör störst nytta. Med rätt regler och uppföljning kan man säkerställa att kapitalkravet inte blir för lågt och därmed inte behöva använda bruttosoliditetskrav och andra icke riskbaserade krav, vilka styr banker mot ett högre risktagande. Handelsbankens småskriftsserie nr 30

2

3 Martin Blåvarg Riskvägda kapitalkrav fungerar de? Riskvägda kapitalkrav ger banker incitament att hantera sina risker och medför att bankers kreditgivning styrs till de delar av ekonomin där de gör störst nytta. Med rätt regler och uppföljning kan man säkerställa att kapitalkravet inte blir för lågt och därmed inte behöva använda bruttosoliditetskrav och andra icke riskbaserade krav, vilka styr banker mot ett högre risktagande. Oktober 2014 Handelsbankens småskriftsserie nr 30 1

4 Innehåll Inledning... 4 IRK-systemet hur fungerar det i Handelsbanken?... 7 Kontrollmekanismer som säkerställer konservativa värden i IRK-systemet IRK-regelverket ger begränsade förutsättningar för egna modellval Godkännande Validering Jämförande studier av bankers riskvikter Motiv till skillnader i riskvikter mellan banker Bruttosoliditetskrav alternativet till riskvägda kapitalkrav Sammanfattande kommentar

5 Förord Det nya kapitaltäckningsregelverk som utarbetades internationellt i början av 2000-talet under namnet Basel 2 var i många avseenden revolutionerande och det uppfattades av såväl banker som regleringsmyndigheter överlag som något mycket positivt. Det revolutionerande var framför allt att kapitaltäckningen för traditionell utlåning till företag och hushåll skulle börja beakta risktagandet i utlåningen på ett helt nytt, mycket mer finfördelat, sätt än föregångaren Basel 1. Det som framför allt var positivt var att genom den mer riskbaserade kapitaltäckningen så skulle den kapitalbuffert banker behövde hålla påverkas av den risk de faktiskt tog, vilket naturligtvis är positivt för stabiliteten i banksystemet, eftersom ett högt risktagande skulle betyda mer kapital. Och genom att kapitaltäckningskostnaden styr bankers finansieringskostnad för ett lån, så skulle den riskbaserade kapitaltäckningen medföra att krediter med låg risk blev billigare och de med hög risk dyrare. Följden av detta blir en mer effektiv allokering av kapital i samhället där investeringar som har låg risk i förhållande till avkastningen blir enklare att genomföra med högre ekonomisk tillväxt som följd. Strax efter att Basel 2 trätt ikraft 2007 inleddes dock den globala finansiella krisen som vi fortfarande lever i sviterna av. Krisen visade på en rad brister i regleringen av banker, som bland annat handlade om kapitaltäckningen för marknadsrisker, derivat och värdepapperiseringar, samt brister i kvaliteten på det kapital som bankerna höll som buffert mot sina risker. Trots att metoderna i Basel 2 för att mäta kreditrisker gentemot vanliga företag och hushåll inte alls bidragit till den kris som uppstod, har de i relativt stor omfattning dragits med i den kritik mot regleringen av banker som följt efter krisen. Att de inte kan ha bidragit är ganska uppenbart med hänsyn till att de nya reglerna nätt och jämnt trätt i kraft innan krisen inleddes och ingen bank kan drastiskt ha förändrat sin kapitalisering på grund av dem. Och det finns inga välkända exempel på att kapitaltäckningen av traditionella hushålls- och företagskrediter varit för låg till följd av Basel 2, på ett sådant sätt att risktagandet blivit för stort i någon bank, och att detta sedan lett till finansiella problem i banken. Syftet med denna rapport är att på ett så enkelt sätt som möjligt försöka visa hur den riskbaserade kapitaltäckningen av kreditrisker faktiskt fungerar och att det finns alla möjligheter för tillsynsmyndigheter att följa upp och säkerställa att risken mäts på ett väl fungerande sätt i kapitaltäckningsberäkningarna. Det rör sig inte om en svart låda där banker kan trolla fram fördelaktiga resultat genom kreativt modellbygge, utan om förhållandevis enkla beräkningar av hur väl bankers interna bedömningar av kreditrisken hos motparter avspeglar den faktiska risken för att motparten orsakar banken kreditförluster. Rapporten tar också upp frågan om varför de riskbaserade kapitalkraven är positiva för samhällsekonomin och varför införandet av icke riskbaserade kapitaltäckningskrav, till exempel ett så kallat bruttosoliditetskrav, kan vara skadliga för den samhällsekonomiska utvecklingen. Rapporten är inte en del av bankens formella finansiella information. 3

6 Inledning Under de senaste åren har en ökad skepsis mot riskvägda kapitalkrav framkommit i det internationella arbetet med att ta fram ett väl fungerande kapitaltäckningsregelverk. Basel 3, som i grunden bygger på en vidareutveckling av idén om riskvägda kapitalkrav, är nu på väg att implementeras. Samtidigt har en vilja att komplettera eller till och med ersätta de riskvägda kapitalkraven med ett bruttosoliditetskrav, som inte beaktar kvalitén på de tillgångar banker har i sin balansräkning, kommit allt högre upp på agendan. Basel 3 innehåller förslag om att införa ett bruttosoliditetskrav, men detta är inte definitivt bestämt att vara ett bindande krav och implementeringen av måttet ligger längre fram i tiden än de andra regeländringarna. Samtidigt har vissa länder som Storbritannien och USA bestämt sig för att införa bindande bruttosoliditetskrav. Viljan att använda ett icke-riskbaserat mått istället för det riskvägda måttet som Basel utvecklat verkar i stor utsträckning komma ifrån tre olika huvudsakliga invändningar. Den första är att bankerna genom Basel 2 gavs rätt att använda egna modeller för att mäta sina kapitalkrav, och att detta skulle vara som att sätta bocken som trädgårdsmästare, det vill säga att det verkar osunt att bankerna själva ska få bestämma hur deras kapitalkrav ska beräknas. Invändningen reflekterar en syn på att bankerna i stor utsträckning genom sitt modellarbete kan styra vilket kapitalkrav de kommer att ställas inför. Den andra invändningen härrör från observationen att kapitaltäckningsregelverket medför stora skillnader i riskvikter mellan banker, det vill säga att vissa banker har en mycket lägre andel riskvägda tillgångar i förhållande till tillgångarna som de redovisas i balansräkningen än andra. Denna skillnad skulle i sig enligt denna invändning indikera att något är skumt med de riskvägda kapitalkraven, eller att det finns någon form av orättvisa i hur regelverket tillämpats mellan olika banker. Den tredje invändningen går ut på att riskvägda kapitalmått inte har visat sig vara en bättre indikator på om en bank riskerar att gå omkull än icke-riskvägda kapitalmått. Detta skulle då tala för att det kan vara bättre med bruttosoliditetskrav än med riskvägda kapitalmått. Ett problem med debatten om riskvägda kapitalmått är att det egentligen är ont om argument eller studier som visar att de riskvägda kapitalmåtten inte fungerar, åtminstone vad gäller de regler för kapitalkrav avseende kreditrisker som infördes genom Basel II. Det är sällan någon lyfter fram ett konkret bankfallissemang där en bidragande orsak varit att risken underskattats genom införandet av Basel IIregelverket för kreditrisker. Mycket av skepsisen verkar komma från att regelverket är komplicerat, svårt att förstå och ännu svårare att utvärdera, särskilt för bedömare som bara har tillgång till publik information om bankerna. Denna promemoria syftar till att på ett så enkelt sätt som möjligt diskutera hur systemet för att beräkna kapitalkravet för kreditrisker är uppbyggt i Handelsbanken, samt att visa att tillsynsmyndigheten kan ha god kontroll över att kapitalkravet inte underskattar risken. Dessutom diskuteras varför det finns stora fördelar med riskbaserade kapitalkrav framför ett 4

7 icke riskbaserat bruttosoliditetskrav. Genom att fokusera på de viktigaste momenten och ge konkreta sifferexempel, kan förhoppningsvis IRK-systemet 1 bli något mer begripligt av beskrivningen. Förhoppningsvis kan promemorian hjälpa till att bemöta den skepsis som bygger på de två första invändningarna ovan, det vill säga att IRKsystemet gör att bankerna styr sitt kapitalkrav själva i alltför stor utsträckning, samt att bara det faktum att riskvikter skiljer sig åt väsentligt visar att riskvägda kapitalkrav bör ifrågasättas. Den tredje invändningen, att riskvägda kapitalkrav inte visat sig vara en bättre indikator på risken i en bank än ett bruttosoliditetskrav, är värd att reflektera över 2. Den bygger på ett antagande om att ett mål med kapitaltäckningsregelverket är att den uppmätta kapitaltäckningen ska utgöra en signal om bankens stabilitet. Men det har aldrig varit syftet med kapitaltäckningsregelverket. Syftet med kapitaltäckningen är att det ska finnas en viss buffert av eget kapital som skydd mot att stora förluster leder till att insättare och andra långivare, inklusive skattebetalarna i vissa fall, förlorar sina utlånade pengar. Om alla banker hade samma nivå på sin riskexponering borde en bättre kapitaliserad bank löpa mindre risk att gå omkull. Men så är självklart inte fallet och det är just risken i tillgångarna som leder till om banken får stora förluster eller inte. En bank kan välja att vara högt kapitaliserad för att den vill visa att den har en stor buffert som kan täcka förluster och skydda långivarna. Men banken kan också välja att vara högt kapitaliserad för att den bedriver en riskfylld verksamhet, vilket dess långivare inser och därför kräver en hög kapitalisering för att låna ut pengar till banken. All erfarenhet visar att det är risken i tillgångsmassan som avgör om en bank får problem eller inte. Det är svårt att se varför kapitaliseringen skulle vara en bra indikator på risken i en bank, särskilt inte om den mäts med ett icke riskbaserat bruttosoliditets krav. Om kapitaltäckningen mäts med ett bruttosoliditetskrav är det troligt att en bank med mycket lågrisktillgångar inte behöver ha så hög kapitalisering, eftersom investerarna inte förväntar sig en lika hög kapitalisering för att finansiera banken när risken i tillgångarna är låg. De studier som har visat att god kapitalisering mätt med ett riskbaserat mått inte är en god indikator på låg risk för fallissemang hos en bank har i första hand använt kapitalmått från Basel 1 3. Basel 1 regelverket fångade inte upp de risker som orsakade bankproblem under den stora internationella finanskrisen. Exempel på exponeringar som inte riskvägdes på ett rimligt sätt i Basel 1 var exponeringar mellan banker, värdepapperiseringar, kreditrisker i handlade obligationer, derivat samt likviditetslinor till värdepapperiseringar. Riskväg- 1 IRK står för intern riskklassificering, och termen IRK-systemet används i denna PM som en benämning på hela den uppsättning regler, beräkningsmetoder och praktisk tillämpning som ligger till grund för de internt beräknade kapitalkrav för kreditrisker som infördes genom Basel 2. 2 Invändningen har bland annat diskuterats i ett uppmärksammat tal av Andrew Haldane (Executive Director på Bank of England), The Dog and the Frisbee, August Se till exempel Aikman et al, Taking uncertainity seriously: simplicity versus complexity in financial regulation, Financial Stability Paper No. 28, Bank of England, May

8 ningen fungerade således inte alls med hänsyn till detta, vilket till stor del åtgärdats genom förändringar inom ramen för Basel II och III. Basel 1 reglerna var i själva verket i princip ett bruttosoliditetsmått vad gäller krediter till hushåll och företag, som är de områden där IRK-systemet framför allt har stor effekt, eftersom alla sådana krediter riskviktades till 100 procent, så när som bostadskrediter som hade 50 procent riskvikt. Att utgå ifrån studier som använder Basel 1-kapitalkrav, och använda dessa som argument mot riskvägning av exponeringar mot krediter till hushåll och företag är mot denna bakgrund svårbegripligt. Dessutom har många banker som fått problem och erhållit statligt stöd under finanskrisen, och därmed betraktas som fallerade, inte uppvisat så stora förluster att en stor del av kapitalet förbrukats. Det har i många fall varit så att förlusterna plötsligt ökat och skapat osäkerhet, varför bankens finansiärer börjat dra sig tillbaka och banken därför varit i behov av statligt stöd för att inte drabbas av akuta likviditetsproblem. I en sådan situation spelar det inte så stor roll hur stor kapitaliseringen är, enbart det faktum att banken befinner sig på ett sluttande plan där förlusterna kan växa till en obedömbar storlek, kan få banken på fall. Förtroendet för banken är i sig så avgörande för bankens överlevnadsförmåga, att banker riskerar att få problem och behöva räddas av staten, oavsett om den har finansiella problem som kommit till uttryck i rapporterade siffror. Därutöver finns det gott om exempel på att värderingen av tillgångarna inte omprövas löpande på ett rättvisande sätt, med påföljd att kapitaltäckningen inte motsvarar en korrekt värdering av ställningen i banken 4. Mot bakgrund av dessa argument är det svårt att se kapitaliseringens indikatorvärde som ett viktigt argument för att riskvägda kapitalkrav bör ifrågasättas. Det bör inledningsvis betonas att diskussionen i denna promemoria tar sikte på användningen av interna metoder för kapitalkravet för kreditrisker, inte marknadsrisker eller operativa risker. De interna metoderna inom dessa områden fungerar i många avseenden på ett annat sätt än vad gäller kreditrisker, de har uppvisat större problem under den senaste krisen (åtminstone metoderna för marknadsrisker) och då Handelsbanken inte använder interna metoder inom dessa områden är det inte relevant att beskriva dem här. Det är i detta sammanhang också värt att notera att IRK-systemet används i första hand för den kreditgivning som sker till hushåll och företag, och hur det fungerar har därför stor betydelse för hur väl bankerna lyckas uppfylla den samhällsekonomiskt centrala uppgiften att försörja realekonomin med krediter. Kapitalkravet för marknadsrisker täcker i första hand bankers tradingverksamhet, som normalt inte anses ha samma samhällsekonomiska betydelse. Promemorian har följande struktur. Först beskrivs hur Handelsbanken tar fram sina internt beräknade kapitalkrav. I nästa avsnitt diskuteras vilka kontrollmekanismer 4 Ett relativt färskt exempel på detta är nederländska SNS Reaal som hade en kärnkapitalrelation på 10,4 procent, högt över regleringskraven, vid den sista publika rapporteringen innan den nederländska staten tog över banken Vid övertagandet förklarades att hela kapitalet var förbrukat, med påföljd att såväl aktierna som de subordinerade lånen som utgjorde bankkoncernens kapitalbas exproprierades av staten. 6

9 som finns som säkerställer att kapitalkravet tar fram ett rimligt rättvisande mått på risken i exponeringarna. I ett tredje avsnitt diskuteras de studier som gjorts avseende skillnader i riskvikter från internationella myndigheter, vilket följs av en principiell diskussion om varför det är rimligt att förvänta sig att riskvikter skiljer sig åt mellan banker. Ett fjärde avsnitt behandlar de nackdelar som icke-riskbaserade kapitalkrav har jämfört med de riskbaserade kapitalkraven. Promemorian avslutas med några sammanfattande slutsatser. IRK-systemet hur fungerar det i Handelsbanken? I debatten om hur bankers kapitalkrav bör utformas framstår det ofta som om de interna riskklassificeringsmodellerna är som svarta lådor, det vill säga modeller som bankerna utformar efter eget godtycke och där det finns stort utrymme att få fram de riskvikter som önskas. Detta är absolut inte fallet. IRK-systemet är omgärdat av ett strikt och omfattande regelverk, som endast ger små möjligheter att göra egna metodval och där det finns ett stort antal kontrollmekanismer som ska säkerställa att riskparametrar inte underskattas. I sammanhanget kan man konstatera att begreppet interna modeller som ofta används är missvisande, eftersom det antyder att det handlar om riskmodeller med stora frihetsgrader som konstrueras internt inom banken. Det rör sig egentligen inte om modeller överhuvudtaget, utan om en förutbestämd matematisk formel, den så kallade Baselformeln, som använder sig av vissa internt skattade riskparametrar för att beräkna ett kapitalkrav för en bank. Det IRKsystemet gör är att mäta dessa centrala riskparametrar utifrån bankens historiska data, och sedan använda dessa parametrar i Baselformeln. I det följande beskrivs på en övergripande nivå hur IRK-systemet fungerar i Handelsbanken. Riskvägningen av utlåningen i IRK-systemet görs genom att tre riskparametrar tas fram för varje kreditavtal. Dessa tre riskparametrar stoppas in i Baselformeln och formeln beräknar ett kapitalkrav. De tre riskparametrarna är: Sannolikhet för fallissemang (PD), som anger hur stor sannolikheten är för att mot parten i kreditavtalet inte ska betala räntor och amorteringar i tid. Förlust vid fallissemang (LGD), som anger hur stor förlusten som andel av exponeringen kan förväntas bli för en motpart som har fallerat. Exponering vid fallissemang (EAD), som anger hur stor exponeringen kan förväntas vara vid ett fallissemang hos motparten. För ett vanligt lån är EAD lånebeloppet, men för exponeringar utanför balansräkningen som derivat, garantier och kreditlöften behöver en förväntad exponering beräknas. EAD beräknas i de flesta fall som en andel av en nominell exponering, där denna andel kallas konverteringsfaktor (KF) och är en riskparameter som beräknas på liknande sätt som PD och LGD. 7

10 8 Utöver dessa tre centrala riskparametrar ingår även en löptidsfaktor (M) för varje kreditavtal. Syftet med att beakta löptiden är att ta hänsyn till att det är svårare att bedöma kreditrisken över en längre tidshorisont, så om banken binder upp sin exponering på en längre tidshorisont är risken högre än vid ett kort kreditavtal. Löptidsfaktorn är dock inte en parameter som utgör en statistisk skattning, den utgörs av den faktiska återstående löptiden på kreditavtalet. Ett annat begrepp som dyker upp i dessa sammanhang är begreppet Förväntad förlust (EL), som för en viss kreditexponering eller portfölj av krediter visar hur stor den statistiskt förväntade förlusten är för exponeringen, utifrån IRK-systemets riskparametrar. EL beräknas som PD gånger LGD gånger EAD. IRK-systemet kan antingen tillämpas i en grundmetod eller i en avancerad metod. I grundmetoden är enbart PD-värdena internt beräknade. De övriga parametrarna är bestämda av regelverket och M-faktorn antas vara 2,5 år för alla exponeringar. I den avancerade metoden används interna beräkningar för att även skatta LGD och EAD, och M-faktorn tas fram individuellt för varje exponering. Den följande beskrivningen och diskussionen koncentreras på hur Handelsbanken arbetar med PD-värden när det gäller företagsexponeringar. Skälet till detta är flera. För det första är syftet med beskrivningen att ge en pedagogisk och lättillgänglig beskrivning av hur IRK-systemet fungerar, vilket gör det nödvändigt att begränsa beskrivningen till de viktigaste beståndsdelarna. För det andra utgör företagsexponeringar som beräknas med IRK-metoden 59 procent av Handelsbankens totala kapitalkrav. Hur dessa metoder fungerar är följaktligen det i särklass viktigaste vad gäller Handelsbankens kapitalkrav. Kapitalkravet för privat personsexponering är självklart också viktigt, och IRK-systemet bidrog till att reducera detta kapitalkrav kraftigt. I Sverige har dock Finansinspektionen valt att justera upp kapitalkravet för bolån, genom att införa ett golv på hur låga riskvikterna kan bli. Golvet sattes först till 15 procent, men Finansinspektionen höjde det nyligen till 25 procent. Riskviktsgolvet har inte i första hand motiverats med att risken för kreditförluster för bolån bedöms vara stor, snarare motiveras det av en oro för att en hög skuldsättning i hushållssektorn gör hushållens konsumtion sårbar för chocker som till exempel fallande bostadspriser eller stigande räntor. Golvet fungerar så att riskvikterna från IRK-systemet även fortsättningsvis ligger till grund för de rapporterade kapitaltäckningsvärdena, men att Finansinspektionen lägger på ett extra kapitalkrav inom ramen för pelare 2, som motsvarar skillnaden mellan golvnivån och de riskvikter som beräknats enligt IRK-systemet. Med anledning av detta blir IRK-systemet vad gäller privatpersoner mindre betydelsefullt för Handelsbankens totala kapitalkrav. För det tredje är det PD-dimensionen som för Handelsbanken (och sannolikt för de flesta andra banker också) haft störst påverkan på skillnaden i kapitalkrav mellan Basel 2 och Basel 1. När Handelsbanken genom övergången från grundmetoden till avancerad metod började beräkna även LGD och EAD med egna estimat blev den sammantagna förändringen av kapitalkravet marginell (även om det naturligtvis kunde

11 bli avsevärda förändringar för enskilda kreditavtal, i såväl positiv som negativ riktning). Det är också så att principerna för att uppskatta estimat utifrån historiska data i huvudsak är desamma för PD som för LGD och EAD. Framtagandet och användningen av PD-värden kan sammanfattas i ett antal steg. Grundidén är att mäta hur vanligt fallissemang varit historiskt samt att göra några nödvändiga justeringar för att säkerställa att den historiska datan inte underskattar risken. Därefter används de justerade historiska fallissemangsandelarna som PD-värden i Baselformeln. De olika stegen är: 1. Sortera in alla motparter i olika riskklasser. 2. Mäta hur vanligt förekommande fallissemang har varit historiskt i respektive riskklass, det vill säga beräkna en historisk fallissemangsandel. 3. Beräkna statistiska säkerhetsmarginaler för att se till att PD-värdena blir konservativa. 4. Eventuellt göra justeringar för att beakta var i konjunkturcykeln banken befinner sig i förhållande till hur konjunkturen såg ut under den period som de historiska data kommer ifrån. 5. De historiska PD-värdena, efter säkerhetsmarginaler och eventuell konjunkturjustering, används sedan för alla motparter i respektive riskklass vid beräkningen av kapitalkrav för varje kreditavtal utifrån den så kallade Baselformeln. Dessa steg beskrivs vart och ett i det följande. 1. Riskklassificeringen. Handelsbankens riskklassificering av företagsmotparter bygger på den interna rating som funnits i banken i mer än 30 år. Den interna ratingen bygger på att varje motpart utvärderas i två dimensioner, risk för finansiella påfrestningar och finansiell motståndskraft. Ratingen görs av den person på det lokala bankkontoret som är ansvarig för att bevilja en kredit och inkluderar såväl kvantitativa data som kvalitativa bedömningar. I samband med beslut om en kredit eller kreditlimit bedöms också ratingen i eventuella överordnade instanser i kreditprocessen. Ratingen av motparten är dynamisk, så till vida att den omprövas kontinuerligt i takt med att ny information tillkommer om motparten. Den interna ratingen leder till att motparterna klassificeras i riskklasserna 1 9, där 1 är lägst risk och 9 är högst. När ratingsystem används för kapitalkravsberäkningar finns det generellt en ambition att de ska representera risken över en konjunkturcykel, vilket brukar kallas through the cycle. I praktiken är det i stort sett omöjligt att utforma ratingsystem som ger en stabil rating över konjunkturcykeln och som 9

12 samtidigt fångar upp förändringar i risken hos en motpart. Det beror på att försämringar hos motparten normalt kommer till uttryck i ekonomiska data som till exempel försämrad intjäning eller fallande värden på företagets tillgångar. Det är oftast mycket svårt att avgöra om sådana försämringar beror på normala konjunkturvariationer eller på att företaget upplever andra problem som långsiktigt försämrar kreditvärdigheten. Ett ratingsystem som helt bortser från konjunkturvariation, och där ratingen ska representera en viss sannolikhet för fallissemang oavsett var i konjunkturcykeln man befinner sig, brukar betecknas som point-intime. Handelsbankens ratingsystem kan betecknas som ett mellanting mellan ett through-the-cycle - och ett point-in-time -system. 2. Mätning av historiska fallissemangsfrekvenser. Denna beräkning görs helt enkelt genom att man mäter hur många motparter som fallerat i en given riskklass under ett givet år. Genom att mätningen görs för ett stort antal år och genom att antalet motparter i varje riskklass är relativt stort fås en statistiskt god skattning av den historiska falissemangsfrekvensen. Handelsbanken har använt systemet för intern rating under lång tid och därför finns möjligheten att använda långa tidsserier, vilket är betydelsefullt för att få statistiskt acceptabla värden. Handelsbanken har delat upp sina företagsmotparter i fyra grupper, där fallissemangsfrekvenserna i respektive riskklass och grupp beräknas var och en för sig. Skälet till detta är att fallissemangsfrekvenserna för respektive riskklass i de olika grupperna kan förväntas skilja sig åt, och data har också bekräftat att så är fallet. Med andra ord, riskklassificeringssystemets förmåga att uppskatta risken för fallissemang förbättras genom denna uppdelning. De fyra grupperna är Stora företag, Medelstora företag, Fastighetsbolag och Bostadsrättsföreningar. 3. Beräkna statistiska säkerhetsmarginaler. När historiska data används för att uppskatta en riskparameter som ska användas framåtblickande finns det anledning att beakta hur stor den statistiska osäkerheten är, med avseende på tillgången av och kvalitén på historiska data. Till den historiska fallissemangsfrekvensen läggs därför alltid en statistisk säkerhetsmarginal. Säkerhetsmarginalens storlek beror på det antal observationer som finns tillgängliga, där ett lägre antal observationer ger upphov till större säkerhetsmarginaler. Ytterligare säkerhetsmarginaler kan läggas till om datamaterialet signalerar att fallissemangsfrekvensen beter sig på ett orimligt sätt och dess tillförlitlighet därför kan ifrågasättas. Ett exempel är om man observerar en lägre fallissemangsfrekvens i en dålig riskklass än vad man gör i högre riskklasser. En bättre riskklass borde alltid ha en lägre fallissemangsfrekvens än en sämre, det vill säga fallissemangsfrekvenserna bör kontinuerligt öka ju sämre riskklassen är. Om data inte uppvisar detta mönster justerar Handelsbanken upp PD-värdet för den sämre riskklassen med en säkerhetsmarginal som är så stor att PD-värdet blir minst lika högt som för den riskklass som är ett steg bättre. 10

13 4. Genomföra konjunkturjusteringar. Tanken med de PD-värden som används för att beräkna kapitalkravet i Baselformeln är att de ska representera den genomsnittliga förväntade fallissemangsfrekvensen över en konjunkturcykel. Skälet till detta är att Baselformeln är utformad som en enkel kreditriskmodell, där det kapitalkrav som formeln genererar för en kreditportfölj ska motsvara risken för att kapitalet täcker förluster inom ett 99,9 procent konfidensintervall. Det vill säga, kapitalet får riskera att vara otillräckligt bara ett år av Risken i en kreditportfölj varierar naturligtvis över konjunkturcykeln. I Baselregelverket har man valt att låta denna risk fångas upp av de statistiska egenskaperna hos Baselformeln, i stället för att kräva att de ingående riskparametrarna ska variera över tiden. Om tidsserierna var tillräckligt långa, omfattande flera konjunkturcykler, skulle någon konjunkturjustering av de historiskt uppmätta PD-värdena inte behövas. Tillgången till långa tidsserier är dock ofta begränsad varför PD-värdena kan behöva justeras så att de så långt möjligt motsvarar värdena över en genomsnittlig konjunkturcykel. Om den historiska perioden innehåller fallissemangsfrekvenser som förväntas vara lägre än det historiska genomsnittet behöver PD-värdena justeras upp och om de omvänt kan förväntas vara högre så kan PD-värdena behöva justeras ned. Handelsbanken har i detta sammanhang valt en konservativ ansats och justerar aldrig ned PD-värdena under de PD-värden som historiskt uppmätts, med tillägg för statistiska säkerhetsmarginaler. 5. Användning av de slutgiltiga PD-värdena för beräkning av kapitalkrav. De historiska PD-värdena, med tillägg för säkerhetsmarginaler och eventuell konjunkturjustering, används i Baselformeln för beräkning av kapitalkravet. I tabellen nedan framgår de genomsnittliga PD-värdena per 2013 för respektive riskklass för Handelsbankens företagsexponeringar inom avancerad metod, tillsammans med de genomsnittliga värdena för övriga riskparametrar och med den genomsnittliga riskvikt detta resulterar i för respektive riskklass. 11

14 Genomsnittliga riskparametrar och exponeringsvolym för Handelsbankens företagsexponeringar inom avancerad metod, sammanvägning av de olika undergrupperna inom företagsexponeringar, per den sista december 2013 Riskklass Total exponering (mkr) Exponeringsviktat PD % Exponeringsviktat LGD % Genomsnittlig riskvikt % , , , , , , , , , , , , , , , , , ,0 Kontrollmekanismer som säkerställer konservativa värden i IRK-systemet När regleringsmyndigheterna genom Basel 2-regelverket tillät bankerna att använda egen data för att beräkna kapitalkrav var det självklart centralt att hitta metoder för att säkerställa att bankerna inte missbrukar systemet. Det behövde säkerställas att det inte är möjligt för bankerna att, utifrån historiska data, använda riskparametrar som inte avspeglar risken i portföljen. Mängden kontrollmekanismer är stor och det finns ett omfattande regelverk som måste följas vid utarbetande av IRK-systemet. Här finns inte utrymme att redogöra för alla dessa aspekter, men det finns några delar som är särskilt centrala och värda att lyfta fram. IRK-regelverket ger begränsade förutsättningar för egna modellval I debatten om kapitalkrav sägs ofta att IRK-systemet ger bankerna möjlighet att använda egna modeller för beräkning av kapitalkraven. Så är det dock inte. Det bankerna fått är en möjlighet att använda interna data för att skatta vissa riskparametrar, vilka sedan används i en standardiserad kreditriskmodell, den så kallade Baselformeln. De val som behöver göras när man mäter fallissemangsfrekvenser och förlustgrader är tydligt styrda i regelverket och har i de allra flesta fall obefintliga effekter på slutresultatet. De historiska fallissemang och förluster som en bank haft kommer att dyka upp någonstans i dataunderlaget och därmed påverka de interna riskvikterna. Ett problem som diskuterades utförligt inför implementeringen av Basel 2 var att många banker saknade tillräckligt långa tidsserier av interna data. Dessutom hade 12

15 den period som föregick implementeringen varit förhållandevis gynnsam vad gäller förluster i bankernas kreditportföljer. Till följd av den globala finanskrisen har detta problem minskat avsevärt i betydelse, eftersom de flesta banker under krisen upplevt ökade fallissemang och förluster. Det innebär att de IRK-portföljer som bankerna fick godkända under framför allt 2007 och 2008 har utsatts för en verklighetsbaserad stresstest. I det följande redogörs för vilka valmöjligheter och frihetsgrader som faktiskt finns i de olika stegen för att ta fram PD-värden. 1. Riskklassificeringen. Vid införandet av IRK-systemet behöver en bank bestämma vilka typer av exponeringar som ska mätas som en portfölj och hur de olika exponeringarna inom portföljen ska delas upp i olika riskklasser. Den grova portföljuppdelningen är hårt reglerad i regelverkets så kallade Exponeringsklasser. De huvudsakliga exponeringsklasserna för Handelsbanken är Företagsexponeringar, Institut (banker), Stater och Hushållsexponeringar, vilka i sin tur delas upp i Privatpersoner och Små företag. Gränsdragningarna mellan dessa exponeringsklasser är viktig, eftersom olika varianter av Baselformeln används för olika exponeringsklasser. Baselformeln antar vissa bestämda korrelationer mellan olika exponeringar och korrelationerna är högre för Företag och Institut, men lägre för Privatpersoner och Små företag. Detta innebär att ett givet PD-värde för en exponering medför en högre riskvikt om den klassificeras som Företagsexponering än om den klassificeras som Små företag. Den hårda styrningen i regelverket av exponeringsklasserna gör att banker inte kunnat välja vilken exponeringsklass som de olika exponeringarna ska tillhöra. Ett undantag är bostadsrättsföreningar, där åtminstone en annan svensk bank klassificerar sina exponeringar som Hushållsexponeringar, medan Handelsbanken har en mer konservativ ansats och klassificerar dessa som Företagsexponeringar. Vad gäller riskklassificeringen inom respektive exponeringsklasser har varje bank att välja hur riskklassificeringen ska gå till. Här har varje bank att bestämma sig för hur de bäst kan skilja exponeringar med låg risk från de med hög risk och att hitta ett sätt att gradera motparterna enligt en rangordning som är så precis som möjlig. Handelsbanken hade som diskuterats ovan möjligheten att använda den interna ratingstruktur som tillämpats under drygt tjugo år innan IRK-systemet infördes för knappt tio år sen. De val som här görs kommer att påverka bankens riskvikter, eftersom ett ratingsystem som är bättre på att skilja låg risk från hög risk kommer att generera lägre riskvikter än ett ratingsystem med sämre prediktionsförmåga. Att det funnits vissa valmöjligheter är inte i sig negativt och det ger inte möjligheter till manipulation. Snarare ger det incitament till banker att utforma ett ratingsystem som är så precist som möjligt och också att ägna avsevärda resurser för att säkerställa att systemet kontinuerligt klassificerar risker på bästa sätt. 13

16 Det finns två förhållanden som minskar möjligheterna för banker att genom egna val påverka riskvikterna. Det första är att banken inte kan klassificera bort fallissemang och förluster som återfinns i historiken, de kommer alltid att påverka exponeringarna i någon del av portföljen. Det andra är att när dessa val är gjorda så kommer den data som tillkommer år efter år att påverka riskvikterna out of sample, dvs. inkommande data kan verifiera eller förkasta att riskklassificeringen fungerar väl och att de uppmätta PD-värdena fortsätter att vara representativa (se vidare avsnittet om validering). Om riskklassificeringen inte fungerar väl eller fallissemangen ökar så kommer PD-värdena bli sämre och sämre över tiden. När banken väl byggt upp sin riskklassificering kan den inte ändras enkelt. Alla förändringar måste alltid granskas och godkännas av tillsynsmyndigheten, som naturligtvis alltid kommer att vara observant på om förändringarna görs på ett sätt som stärker riskklassificeringssystemet eller om det finns andra motiv bakom förändringen. 2. Mätning av historiska fallissemangsfrekvenser. Vad gäller mätning av fallissemang finns egentligen inga valmöjligheter när det gäller hur mätningen ska göras. Vad som utgör ett fallissemang är tydligt definierat i regelverket. En exponering är antingen fallerad om en motpart är mer än 90 dagar sen med betalning eller om det finns andra tydliga tecken på att motparten inte kommer att kunna betala, till exempel om motparten gått i konkurs eller förhandlingar om rekonstruktion inletts. Trots det tydliga regelverket har det uppmärksammats att fallissemang ibland mäts olika i Europa, till exempel att motparter som erhållit betalningslättnader inte setts som fallerade. Med hänsyn till regelverkets tydlighet är det ganska märkligt att dessa skillnader finns, och Handelsbanken tillämpar det på ett strikt sätt, där motparter med betalningsproblem senast blir registrerade som fallerade när de är 90 dagar sena med betalningar, alternativt tidigare än så, om det finns andra indikationer på betalningsproblem. I övrigt finns vissa frihetsgrader vad gäller längden på tidsserierna som används. Dessa begränsas oftast av hur långt tillbaka i tiden banken har tillgänglig data om fallissemang och i vilken utsträckning historiska data om motpartsegenskaper finns sparat. Ett minimikrav är att minst 5 års data ska finnas. När tillsynsmyndigheten granskar IRK-mätningarna är det självklart en fördel att ha så långa tidsserier som möjligt, eftersom långa tidsserier ökar den statistiska säkerheten. Om tidsserien är kort kräver tillsynsmyndigheten att större statistiska säkerhetsmarginaler ska användas för att kompensera bristen på historiska data. 3. Beräkning av statistiska säkerhetsmarginaler. Regelverket är tydligt vad gäller kravet på att statistiska säkerhetsmarginaler ska finnas. Kravet är dock inte så specifikt vad gäller de metoder som ska tillämpas när säkerhetsmarginalerna beräknas. Baselkommittén har dock gett en hel del vägledning när det gäl- 14

17 ler beräkningen av statistiska säkerhetsmarginaler. Varje tillsynsmyndighet har också i sin godkännandeprocess kunnat styra de banker de ansvarar för så att likvärdiga metoder tillämpas. Det är möjligt att vissa skillnader utvecklats mellan länder, men det finns inga skäl varför banker inom ett land inte ska ha utsatts för likvärdiga krav från tillsynsmyndigheten. Det är också viktigt att komma ihåg att säkerhetsmarginaler bara kan medföra skillnader mellan banker i hur konservativa de använda PD-värdena är i förhållande till de historiskt uppmätta genomsnittsvärdena. PD-värdena efter att säkerhetsmarginaler lagts till kan således bara bli högre. 4. Genomföra konjunkturjusteringar. Konjunkturjusteringar är möjligen det område där det finns mest frihetsgrader vad gäller bankernas metodval. Möjligheten att konjunkturjustera PD-värden definieras inte i regelverket. Syftet med konjunktur justeringen är som diskuterats ovan att säkerställa att de historiska data som PD-värdena beräknas på är representativa för en konjunkturcykel. När Handelsbanken utvecklade IRK-metoderna i mitten på 2000-talet innehöll den tidsperiod där detaljerade data fanns för PD-mätningar enbart relativt gynnsamma ekonomiska förutsättningar. Konjunkturen hade varit god under lång tid och nedgången var relativt lindrig vad avser såväl uppmätta fallissemang i Handelsbanken som konkursfrekvensen i ekonomin i stort. Eftersom förhållandena varit gynnsamma gjordes relativt stora uppjusteringar av PD-värdena, för att de inte skulle bli lägre än vad som kunde förväntas över en genomsnittlig konjunkturcykel. Metodiken för konjunkturjusteringen beaktade en mycket längre historik av förluster, som bland annat innefattade den extremt allvarliga bankkrisen i Sverige under 1990-talet. Att en mycket allvarlig kris beaktades vid beräkningen av PD-värdena säkerställde att PD-värdena blev försiktigt beräknade. Under finanskrisen upplevde de flesta utvecklade ekonomier en kraftig konjunkturnedgång och ökade fallissemangsandelar. Som en följd av detta har behovet av konjunkturjusteringar av PD-värdena till följd av en alltför positiv fallisemangshistorik minskat. I stället har diskussionen kommit att handla om konjunkturjusteringar som går åt andra hållet, det vill säga om PD-värden bör justeras ned för att dataperioden som PD-värdena grundas på har blivit sämre än vad som kan förväntas under en normal konjunkturcykel. Även om Handelsbanken upplevde betydligt högre fallissemang och förluster under än under den senaste konjunkturnedgången , så har banken, i syfte att säkerställa att PD-värdena alltid ska vara konservativa, valt att inte vid något tillfälle justera ned PD-värdena. Banker lämnar normalt ingen eller mycket begränsad information om sin konjunkturjustering, så det är svårt för externa intressenter att bedöma i vilken utsträckning den påverkar försiktigheten i de internt beräknade riskvikterna. Detta 15

18 är sannolikt ett område där utrymme finns för såväl ökad transparens från bankernas sida som försök till en mer harmoniserad tillämpning från tillsynsmyndigheternas sida. I ett publikt fall har dock konjunkturjusteringen, tillsammans med andra förhållanden, lett till att en nordisk banks riskvikter för företags exponeringar ifrågasatts av tillsynsmyndigheten. Den aktuella tillsynsmyndigheten angav i sin beslutspromemoria avseende bedömningen av bankens riskvikter i företagsportföljen, att användningen av en Point-in-time metod jämfört med den Through-thecycle metod som den specifika banken använde, skulle höja riskvikterna med 8 procentenheter. Detta utgjorde en stor skillnad, då den genomsnittliga riskvikten i den aktuella företagsportföljen var 26 procent (om inte fallissemang inkluderades i den genomsnittliga riskvikten). Även om man kan diskutera lämpligheten i att använda ett renodlat Point-in-time mått kan man konstatera att hur man konjunkturjusterar får stor betydelse. Åtta procentenheters ökning motsvarar ett ökat kapitalkrav med 31 procent. Som jämförelse kan konstateras, att Handelsbankens genomsnittliga riskvikt på Företagsexponeringar också är 26 procent. Handelsbanken har dock under de senaste 16 åren haft 0,05 procent i genomsnittlig kreditförlustnivå, att jämföra med den ovan nämnda banken som hade 0,31 procent under samma period. 5. Användning av de slutgiltiga PD-värdena för beräkning av kapitalkrav. Detta steg innehåller självklart inga frihetsgrader för beräkningen av PD, i och med att de framtagna parametrarna används direkt i Baselformeln. Godkännande Finansinspektionens process för att godkänna användningen av IRK-modeller är mycket omfattande. Den innefattar inte bara själva riskklassificeringen, mätningen av historiska data och hur data används för att få fram de riskparametrarna som används i kapitalkravsberäkningen. Den omfattar även hur banken arbetar med kreditbedömningen och den interna ratingen av motparter, hur banken tillförsäkrar att ratingen sätts på ett konsistent sätt över hela organisationen samt de olika interna kontroller som finns för att tillförsäkra ett väl fungerande IRK-system. Det senare innefattar omfattande krav på internrevisionens granskning av IRK-processen samt hur den årliga valideringen ska utföras. Det finns inte anledning att gå in i detalj på alla stegen i denna omfattande process. Men det kan konstateras att de resurser som läggs ner är mycket stora från såväl Finansinspektionen som från banken och innefattar tusentals timmar. Processen är långt ifrån sådan att banken presenterar ett förslag som Finansinspektionen sedan godkänner, utan den innehåller en ingående och kontinuerlig granskning där banken har att bevisa att bankens förhållningssätt är riktigt och att banken gör vägval som säkerställer en så försiktig tillämpning av IRK-systemet som möjligt. 16

19 Validering Valideringen är en av de viktigaste komponenterna vid säkerställandet av att IRKsystemet ger rättvisande riskvikter för beräkningen av kapitalkrav. Som beskrivningen av framtagandet av PD-värden ovan visar är de möjligheter som finns för en bank att optimera mätningen av de IRK-baserade kapitalkraven genom den svenska tillsynen synnerligen begränsade. De valmöjligheter som trots allt finns, uppstår framför allt i ett inledande skede, innan metoderna godkänns, till exempel när riskklassificeringen och den interna ratingen utformas och när statistiska metoder för till exempel konjunkturjusteringen bestäms. Som vid all användning av historiska data och statistiska mätningar är det lättare att hitta rättvisande modeller in sample, det vill säga när man utformar modellen utifrån ett befintligt datamaterial. Det är alltid centralt att testa dessa modeller out of sample, eftersom det är först då man verkligen ser om modellen fungerar som en tillförlitlig prediktion för framtiden. Valideringen är den process under vilken banken kontinuerligt testar om det använda riskparametrarna utgör en relevant uppskattning av den verkliga risken. Det är denna process som kan ge tillsynsmyndigheten god kontroll över att IRK-systemet kontinuerligt faktiskt ger en rättvisande bild av bankens kapitalbehov. Även valideringen är en omfattande process som innehåller många steg och statistiska tester, vilket inte finns utrymme att i detalj beskriva här. Utifrån exemplet med PD-värden ovan kan man ändå visa att det rör sig om en i grunden enkel process där man för varje grupp av exponeringar och för varje riskklass mäter hur stor andel av motparterna som har fallerat under det senaste året. Sedan kontrolleras hur väl den uppmätta fallissemangsandelen svarar mot de förväntade fallissemangsandelarna, så som de kommer till uttryck i PD-värdena. I tabellen nedan visas de faktiska fallissemangsandelarna som uppmätts för varje riskklass avseende samtliga motparter som tillhör Företagsexponeringar i Handelsbanken. Tabellen visar dels utfallet från de två senaste valideringsåren 2012 och 2013 som var konjunkturmässigt förhållandevis svaga år i de flesta av Handelsbankens hemmamarknader. Dels visas utfallet för 2009, som var det värsta året vad gäller kreditförluster för Handelsbanken sedan bankkrisen i början på 1990-talet. Konjunkturen 2009 var svag i samtliga Handelsbankens hemmamarknader med bland annat ett femprocentigt fall i BNP i Sverige. 17

20 PD och fallissemang för motparter inom exponeringsklassen Företag (grund- och avancerad metod), antalsviktade genomsnitt Antal motparter 2013 Riskklass Genomsnittligt PD 2013 Förväntat antal fallissemang Antal faktiska fallissemang 2013 Antal faktiska fallissemang 2012 Antal faktiska fallissemang , , , , , , , , , Genom att multiplicera antalet motparter i varje riskklass med det PD-värde som används för respektive riskklass kan man se hur många motparter som utifrån IRKsystemet förväntas fallera under ett år i varje riskklass, vilket visas i tabellens fjärde kolumn. Sedan visas hur många motparter som faktiskt har fallerat under 2013 och 2012 respektive det särskilt negativa året Antalet motparter per riskklass och PD-nivåerna per riskklass har inte förändrats dramatiskt mellan åren, därför visas de endast för det senaste året Tabellen visar att under 2013 är antalet motparter som fallerat lägre än väntat för alla riskklasser utom riskklass 7. Under 2012 var antalet motparter som fallerat större än väntat endast i de sämre riskklasserna 6 till 9, och det är egentligen bara för riskklass 7 som utfallet avviker mer substantiellt från det förväntade värdet. Under krisåret 2009 avvek alla sämre riskklasser samt riskklass 5 negativt från det förväntade värdet. Att utfallet under konjunkturmässigt svaga år är sämre än vad PD-värdena indikerar är inte konstigt eftersom PD-värdena ska motsvara förväntade fallissemangsfrekvenser under en hel konjunkturcykel. Vad som är särskilt positivt för Handelsbanken är att utfallen bekräftar att Handelsbankens ratingsystem fungerar utmärkt vad gäller att sortera motparter med hög fallissemangsrisk. I de bra riskklasserna 1 4 är utfallet bättre än förväntat även under det värsta krisåret Och det är här det stora antalet motparter återfinns, och det är här det är särskilt väsentligt att riskklassificeringen fungerar. Här presenteras endast PD-värden eftersom dessa har störst betydelse för riskvikterna. LGD- och KF-faktorerna valideras på liknande sätt som PD-värderna, där utfallet avseende den senaste periodens fallissemang jämförs med de värden som används för att beräkna riskvikterna. En skillnad vad gäller LGD-värdena är att de inte ska representera genomsnittet över en konjunkturcykel, utan att de ska motsvara vad som kan förväntas i en lågkonjunktur. Detta gör att det i första hand är i en lågkon- 18

21 junktursituation som de faktiska utfallen blir avgörande, och att den årliga uppföljningen av LGD ofta inte får samma betydelse, förutsatt att den inte avser en aktuell lågkonjunktursituation. Valideringsresultat visas än så länge bara i begränsad omfattning av banker i deras pelare 3 rapporter, och informationen där den finns presenteras på relativt övergripande nivå. Utifrån den information som finns kan dock vissa jämförelser mellan nordiska banker göras. I figurerna nedan visas några sådana jämförelser. Jämförelse mellan förväntad förlust och faktiska kreditförluster för exponeringsklassen Företag. Andelar av total exponering i exponeringsklassen. 0,40% Förväntad förlust (EL) 0,35% 0,30% 0,25% 0,20% 0,15% 0,10% DNB 2012 SHB 2010 SHB 2008 SHB 2013 SHB 2011 SHB 2012 DNB 2011 DNB 2013 Nordea 2010 Nordea 2008 Nordea 2009 SHB 2009 Nordea 2011 Nordea 2012 Nordea ,05% 0,00% 0,00% 0,10% 0,20% 0,30% 0,40% 0,50% 0,60% 0,70% 0,80% 0,90% Kreditförluster Figuren visar hur förväntade förluster (EL) som de uppmäts utifrån de värden som används i IRK-metoden förhåller sig till de faktiska förluster banker uppvisat. EL beräknas genom att sannolikheten för fallissemang (PD) multipliceras med förlusten vid fallissemang för varje exponeringsvärde (EAD), och att den förväntade förlusten för hela kreditportföljen adderas upp på detta sätt. När observationerna i figuren ligger till vänster om den diagonala linjen så är den förväntade förlusten för portföljen utifrån parametrarna i kapitaltäckningsberäkningen högre än den faktiska kreditförlusten, vilket indikerar att riskklassificeringen är konservativt utförd. De faktiska förlusterna kan naturligtvis förväntas avvika från EL under vissa år, särskilt de som är konjunkturmässigt svaga då kreditförlusterna är högre än normalt. Men över lång tid bör EL ligga i närheten av de genomsnittliga kreditförlusterna 5. Urvalet av banker är bestämt 5 Egentligen bör EL ligga lite över de långsiktiga förlusterna eftersom LGD ska avse värdena under en konjunkturnedgång, medan PD ska avse långsiktigt genomsnittliga värden. Om LGD under lågkonjunktur är högre än de långsiktigt genomsnittliga LGD-värdena blir EL beräknade enligt regelverket teoretiskt lite större än om helt förväntansriktiga LGD skulle användas. 19

22 av vilka banker som valt att visa dessa jämförelser i sina pelare 3-rapporter. Vad gäller Företagsexponeringar har Handelsbankens haft lägre förluster än EL under alla år utom 2009, med en genomsnittlig EL-nivå på 0,20 procent jämfört med en genomsnittlig kreditförlustnivå på 0,11 procent för perioden Det kan jämföras med den enda bank som visat dessa siffror under en längre period, Nordea, som har uppvisat högre faktiska förluster än EL under varje år utom 2008, med ett genomsnittligt EL på 0,24 procent, att jämföra med genomsnittliga kreditförluster på 0,41 procent. Jämförelse mellan förväntad förlust och faktiska kreditförluster för exponeringsklassen Privatpersoner fastighetskrediter. Andelar av total exponering i exponeringsklassen. 0,30% 0,25% SEB 08 Förväntad förlust (EL) 0,20% 0,15% SEB 11 SEB 12 SEB 10 SEB 09 SEB 13 NDA 10 0,10% NDA 08 NDA 09 SWE 11 NDA 11 SWE 13 SWE 10 SWE 08 SWE 09 SWE 12 0,05% NDA 12 NDA 13 SHB ,00% SHB ,00% 0,05% 0,10% 0,15% 0,20% 0,25% 0,30% 0,35% Kreditförluster Fler banker visar motsvarande siffror för bolån till hushåll. Här har Handelsbanken uppvisat lägre förluster än EL för alla rapporterade år. De övriga svenska bankerna har haft två år vardera där förlusterna översteg EL, för SEB och Swedbank hände det 2009 och 2010, medan det för Nordea hände 2009 och Sammanfattningsvis visar denna jämförelse mellan EL och faktiska förluster att de värden som Handelsbanken använder i sin IRK-tillämpning är konservativa och att de väl svarat mot vad som kan förväntas, inte minst mot beaktande av att de senaste åren har varit svaga konjunkturmässigt, och att även Handelsbanken uppvisat högre fallissemang och kreditförluster än normalt under dessa år. Jämförelsen visar också att Handelsbanken har en tillämpning av IRK-metoden som framstår som försiktig i jämförelse med konkurrerande banker. 20