The Credit-Risk Relevance of Loan Impairments Under IFRS 9 for CDS Pricing: Early Evidence
Notice bibliographique
Résumé
Since 2018, banks have implemented the expected credit loss (ECL) model under International Financial Reporting Standard (IFRS) 9 to estimate loan losses, which replaces the incurred loss model under International Accounting Standard (IAS) 39. The key novelty of the ECL model is the incorporation of forward-looking information for recognizing accounting loan loss provisions (LLPs), which provides ample room for managerial discretion. Over the period 2014–2019, I first show that the shift to the ECL model improves the timeliness of loan loss recognition. However, under the IFRS 9 regime managers also use their accounting discretion more aggressively over LLP estimates to smooth earnings. I then investigate whether IFRS 9 improves the relevance of LLPs for credit default swap (CDS) pricing. I report that LLPs under IFRS 9 are incrementally more relevant than under IAS 39 for CDS pricing but mostly concentrated amongst banks with weaker pre-IFRS 9 information environments. I further show that under the IFRS 9 regime, LLPs are relevant for CDS pricing only when LLPs consistently reflect future expected losses while earnings smoothing via LLP generally impair the credit-risk relevance of LLPs. Finally, I find that strong governance is imperative for providing useful LLP estimates for CDS pricing.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».