blog Market Intelligence /marketintelligence/en/news-insights/blog/a-bank-takes-its-project-finance-assessments-to-a-new-level content esgSubNav
In This List
Case Study

กรณีศึกษา A Bank Takes its Project Finance Assessments to a New Level

Podcast

Next in Tech | Episode 48: The everything that is Industrial IoT

Podcast

Next in Tech | Episode 47: Transformation is transforming technology services

Podcast

Next in Tech | Episode 46: Payments evolution in digital

Podcast

Street Talk Episode 87


กรณีศึกษา A Bank Takes its Project Finance Assessments to a New Level

ทั่วโลกมีความจำเป็นเร่งด่วนในการลงทุนขนาดใหญ่ด้านโครงสร้างพื้นฐานของหลายอุตสาหกรรม โครงสร้างพื้นฐานมีบทบาทสำคัญในการฟื้นฟูเศรษฐกิจทั่วโลกด้วยการสร้างรายได้ระยะสั้นและการเติบโตระยะยาว พร้อมกับช่วยให้เกิดความยั่งยืนด้านสิ่งแวดล้อม[1] ธนาคารชั้นนำในประเทศไทยแห่งนี้ให้เงินกู้แก่โครงการขนาดใหญ่ทั่วเอเชียในหลายด้าน รวมทั้งด้านพลังงานทดแทน ปิโตรเคมี และโครงสร้างพื้นฐาน สินเชื่อโครงการ(Project Finance) กลายเป็นส่วนที่เติบโตของพอร์ตโฟลิโอสินเชื่อของธนาคาร ได้รับความสนใจมากขึ้นจากฝ่ายบริหารและฝ่ายกำกับดูแล ทีมบริหารพอร์ตโฟลิโอของธนาคารรู้สึกถึงความจำเป็นที่จะต้องส่งเสริมความสามารถในการประเมินระดับความเสี่ยงของแต่ละโครงการ โดยเฉพาะประเภทของสินทรัพย์ที่มีความซับซ้อนและการวิเคราะห์เชิงคุณภาพที่เฉพาะเจาะจงกับธุรกรรมในแต่ละประเภท

ปัญหาของทีม

ทีมบริหารพอร์ตโฟลิโอจำเป็นต้องประเมินความน่าเชื่อถือทางการเงินของธุรกรรมสินเชื่อโครงการ (Project Finance) ที่หลากหลาย

เพื่อประเมินความเสี่ยงที่อาจจะเกิดขึ้นกับธนาคาร การกำหนดอัตราดอกเบี้ยสินเชื่อ และจัดหาเงินทุนที่เหมาะสมตามข้อกำหนดที่กฎหมายกำหนด ธนาคารแห่งนี้ไม่มีข้อมูลการผิดนัดชำระหนี้ (Default Data)ที่เก็บจากระบบภายในเพียงพอที่จะนำมาใช้สำหรับการสร้างแบบจำลองทางสถิติที่สามารถนำมาใช้ปรับเทียบและประเมินได้เป็นอย่างดี

ดังนั้นทางธนาคารจึงต้องมีการมองหาผู้ให้บริการดังต่อไปนี้:

  • โซลูชันที่ออกแบบสำหรับสินเชื่อโครงการโดยฉพาะ เพื่อเพื่อระบุลักษณะเฉพาะของประเภทของสินทรัพย์นี้ ระเบียบวิธีที่เหมาะสมสำหรับคำนวณความน่าจะเป็นของการผิดนัดชำระหนี้ (PDs) เพื่อทำการวิเคราะห์กระแสเงินสดให้ครบถ้วน
  • ความสามารถในการประเมินความเสียหายที่เกิดจากการผิดนัดชำระหนี้ (LGD) เพื่อช่วยในการตัดสินใจเรื่องการกำหนดอัตราดอกเบี้ยและการลดความเสี่ยง
  • ความสามารถในการพิจารณาปัจจัยด้านสิ่งแวดล้อม สังคม และธรรมาภิบาล (ESG)

 

รวมทั้งปัจจัยด้านสินเชื่อแบบเดิม

ทีมบริหารพอร์ตโฟลิโอได้หารือกับ S&P Global Market Intelligence (“Market Intelligence”) เกี่ยวกับศักยภาพและการให้บริการของบริษัท 

การแก้ปัญหาของเรา

Market Intelligence ได้หารือเกี่ยวกับโซลูชันที่ออกแบบสำหรับสินเชื่อโครงการโดยฉพาะซึ่งมีขอบข่ายงานทั่วไปสำหรับวิเคราะห์การทำธุรกรรมโดยไม่ต้องคำนึงถึงอุตสาหกรรมหรือภาคส่วนที่ดำเนินการอยู่ และใช้เกณฑ์การจัดอันดับหนี้สินเชื่อโครงการที่เป็นที่ยอมรับโซลูชันประกอบด้วยบัตรคะแนน PD (PD Scorecard) และ LGD ที่ ประกอบไปด้วยวิธีการที่ได้รับการตรวจสอบทางสถิติ ปัจจัยเสี่ยงเชิงปริมาณและคุณภาพ และเกณฑ์มาตรฐานของตลาดเพื่อกรอบการประเมินบัตรคะแนน PD (PD Scorecard) สินเชื่อโครงการได้รวมการวิเคราะห์ปัจจัยด้าน ESG เป็นส่วนหนึ่งของวิธีการแบบองค์รวม

ในการประเมินความเสี่ยงด้านเครดิต เมื่อรวมกันแล้ว ความสามารถเหล่านี้จะช่วยให้ทีมบริหารพอร์ตโฟลิโอ:

ประเมิน PD

สำหรับธุรกรรมที่ แตกต่างกัน Project Finance PD Scorecard จะมีคะแนนเครดิตที่ออกแบบมา

ให้สอดคล้องกับอันดับความน่าเชื่อถือโดย S&P Global Ratings ที่แตกต่างกัน[2] ผลลัพธ์จะถูกปรับเทียบกับ PD โดยใช้ข้อมูลจากฐานข้อมูลการผิดนัดชำระหนี้ตามกรรมสิทธิ์ของ S&P Global Ratings ที่ รวบรวมไว้ตั้งแต่ปี 1981 เครื่องมือนี้ใช้ Excel® ในการเรียบเรียงทั้งคำถามเชิงปริมาณและคุณภาพผสมกัน เพื่อระบุความเสี่ยงที่สำคัญ มีรูปแบบที่โปร่งใส แสดงตรรกะพื้นฐาน รวมทั้ง น้ำหนักความสำคัญ ตามเกณฑ์สินเชื่อโครงการของ S&P Global

Ratings นั้น มีการแยกความเสี่ยงด้านการก่อสร้างออกจากความเสี่ยงด้านการปฏิบัติงานอย่างชัดเจนเพื่อตรวจจับคุณภาพสินเชื่อของโครงการในช่วงที่เปราะบางที่สุดจนกว่าจะมีการชำระเงินคืนผ่านกระแสเงินสดของโครงการ

Determine actual losses Project Finance PD Scorecard ถูกออกแบบมาเพื่อประเมินความเสียหายที่อาจเกิดขึ้นตามที่กลุ่มที่เปิดเผยได้ประสบมา โดยสมมติว่าโครงการผิดนัดชำระหนี้ Scorecard จะสร้างการประเมินความเสียหายแบบจุด ตรวจจับได้แม้ค่าการเปลี่ยนแปลงที่เล็กที่สุดในมูลค่าของอินพุต ซึ่งสำคัญมากสำหรับขั้นตอนการทดสอบความเป็นไปได้ของโครงการ(proof-of-concept) ที่การวิเคราะห์ความอ่อนไหว (sensitivity analysis) เป็นสิ่งที่สำคัญ และเสริมด้วยข้อมูลเชิงลึกที่เป็นเอกลักษณ์ของ Annual Global Project Finance Default และ Recovery Study ที่เผยแพร่โดย Market Intelligence[3]  รวมทั้งผลงานวิจัยที่เกี่ยวข้องและเกณฑ์ที่เผยแพร่โดย S&P Global Ratings การประเมิน LGD แบบจุด สามารถเชื่อมโยงกับมาตราส่วนประมาณค่าในการเรียกหนี้คืนที่เห็นได้ชัดเจนใดๆ และการประมาณ LGD โดยเฉลี่ยสำหรับพอร์ตโฟลิโอส่วนใหญ่อยู่ต่ำกว่า 45% มาก

Assess ESG factors Project Finance PD Scorecard ได้รับการปรับปรุงเพื่อรวมการวิเคราะห์ ESG ที่เห็นภาพได้ทำให้สามารถพิจรณาผลกระทบของปัจจัย

ESG ในการวิเคราะห์ความเสี่ยงด้านเครดิตด้วยวิธีที่โปร่งใสและมีแบบแผน

ใช้วิธีการแบบองค์รวมพร้อมกับทำงานผ่านทางกระบวนการประเมินเครดิตปกติ สำหรับมิติ ESG ทั้งสามด้าน (สิ่งแวดล้อม สังคม และธรรมภิบาล)

มีการอธิบายปัจจัยความเสี่ยงด้านเครดิตของ ESG ไว้ซึ่งป็นปัจจัยที่มีผลต่อความสามารถและความสมัครใจของลูกหนี้ในการปฏิบัติตามภาระผูกพันทางการเงินและอาจมีผลกระทบด้านเครดิตในเชิงลบหรือเชิงบวกปัจจัยด้าน ESG

สามารถพิจารณาได้หลายด้านภายในขอบข่ายของScorecard

ผลประโยชน์ของเรา

ทีมบริหารพอร์ตโฟลิโอมองเห็นประโยชน์หลายประการในการใช้บัตรคะแนนสินเชื่อโครงการ (Project Finance Scorecard) ของ Market Intelligence เพื่อช่วยลดความเสี่ยงและปฏิบัติตามกฎระเบียบและข้อกำหนดที่บังคับใช้

ซึ่งรวมถึงการมี:

  • การเข้าถึงเฟรมเวิร์คการประเมินด้านเครดิตที่พร้อมใช้ โปร่งใส และใช้งานง่าย สำหรับสินเชื่อโครงการ และมีระเบียบวิธีการที่ชัดเจนในการวิเคราะห์กระแสเงินสด
  • ความโปร่งใสของระเบียบวิธีการ ที่แสดงให้เห็นปัจจัยความเสี่ยงทั้งหมด น้ำหนักความสำคัญ เกณฑ์มาตรฐาน และวิธีการให้คะแนน
  • ขอบเขตการประยุกต์ใช้ที่กว้างขวางและครอบคลุมทั่วโลก ประกอบด้วย: โครงการผลิตและถ่ายโอนพลังงาน (เช่น ลม น้ำ ชีวะมวล นิวเคลียร์ และความร้อนจากแสงอาทิตย์), โครงการขนส่ง (เช่น ทางด่วน สะพาน อุโมงค์ และท่าเรือ), โครงการน้ำมันและก๊าซ (เช่นกระบวนการกลั่น ท่อส่ง และที่กักเก็บ), โครงการสินเชื่อ สำหรับภาคเอกชน/ห้างหุ้นส่วนรัฐ-เอกชน (เช่น โรงเรียน สนามกีฬา โรงพยาบาล และพิพิธภัณฑ์) และโครงการทั่วไปที่ไม่อยู่ในหมวดหมู่ที่กล่าวมา
  • ความสามารถในการพิจารณาปัจจัย ESG ควบคู่กับการวิเคราะห์เครดิตแบบเดิม
  • ขั้นตอนการตรวจสอบแบบจำลองประจำปี เพื่อรักษาประสิทธิภาพที่ดีความน่าเชื่อถือและรายละเอียดปลีกย่อย ทั้งหมด
  • เอกสารประกอบด้านเทคนิค ซึ่งอธิบายกระบวนการเชิงวิเคราะห์/สถิติที่ใช้เพื่อพัฒนาแบบจำลอง ระบุข้อมูลที่ใช้ในการสร้างแบบจำลอง และให้ผลลัพธ์ของการดำเนินการทดสอบ

 

เวิร์กช้อปการฝึกอบรมการนำไปใช้และการประยุกต์ใช้Scorecard รวมทั้งการสนับสนุนด้านการปฏิบัติงานและการวิเคราะห์อย่างต่อเนื่อง



[1] “AIIB Forecasts Five Key Infrastructure Trends in Post-COVID Recovery”, Asian Infrastructure Investment Bank, January 13, 2021.

[2] S&P Global Ratings ไม่ได้รับผิดชอบหรือมีส่วนร่วมในการสร้างคะแนนเครดิตที่สร้างโดย S&P Global Market Intelligence การตั้งชื่อด้วยอักษรตัวพิมพ์เล็ก

ถูกนำมาใช้เพื่อแยกความแตกต่างระหว่างคะแนนแบบจำลองเครดิต PD ของ S&P Global Market Intelligence ออกจากอันดับความน่าเชื่อถือที่ออกโดย S&P Global Ratings

[3] Annual Global Project Finance Default and Recovery Study, 1980-2014”, June 2016, www.spglobal.com/marketintelligence/en/news-insights/blog/three-decades-of-project-finance-default-data-and-more-than-a-decade-of-analytical-project-finance-expertise.

Learn more about Market Intelligence
Request Demo

กรณีศึกษา A Bank Takes its Project Finance Assessments to a New Level

Click Here

How can one identify the early-warning signs of credit deterioration?

Read More

Large APAC banks upping fintech bets

Read More