RBI चे नवे नियम: सार्वजनिक बँकांच्या नफ्यावर गदा? 'एक्सपेक्टेड क्रेडिट लॉस'मुळे चिंता वाढली!

BANKINGFINANCE
Whalesbook Logo
AuthorPriya Kulkarni|Published at:
RBI चे नवे नियम: सार्वजनिक बँकांच्या नफ्यावर गदा? 'एक्सपेक्टेड क्रेडिट लॉस'मुळे चिंता वाढली!
Overview

रिझर्व्ह बँक ऑफ इंडियाने (RBI) बँकिंग क्षेत्रासाठी नवीन 'एक्सपेक्टेड क्रेडिट लॉस' (Expected Credit Loss - ECL) फ्रेमवर्क जाहीर केले आहे. **१ एप्रिल २०२७** पासून लागू होणाऱ्या या नवीन नियमांमुळे सार्वजनिक क्षेत्रातील बँकांचे (PSUs) नफे आणि नेट वर्थ (Net Worth) कमी होण्याची शक्यता आहे, जरी काही दिलासा दिला गेला असला तरी.

Instant Stock Alerts on WhatsApp

Used by 10,000+ active investors

1

Add Stocks

Select the stocks you want to track in real time.

2

Get Alerts on WhatsApp

Receive instant updates directly to WhatsApp.

  • Quarterly Results
  • Concall Announcements
  • New Orders & Big Deals
  • Capex Announcements
  • Bulk Deals
  • And much more

RBI ने नवीन क्रेडिट लॉस नियम अंतिम केले

रिझर्व्ह बँक ऑफ इंडियाने (RBI) बँकिंग क्षेत्रासाठी नवीन 'एक्सपेक्टेड क्रेडिट लॉस' (ECL) फ्रेमवर्क अंतिम केले आहे, जे १ एप्रिल २०२७ पासून लागू होईल. सध्याच्या 'इनकर्ड लॉस' (Incurred Loss) पद्धतीपेक्षा हा एक मोठा बदल आहे. यानुसार, बँकांना संभाव्य भविष्यातील कर्जाचे नुकसान (loan losses) अंदाजित करावे लागेल. ही नवीन पद्धत भारतातील बँकिंग नियमांना IFRS 9 सारख्या जागतिक मानकांशी जुळवून घेणारी आहे, ज्यामुळे जोखमीचे अधिक अचूक मूल्यांकन आणि आर्थिक स्थिरता वाढण्यास मदत होईल. या फ्रेमवर्कमध्ये संभाव्य नुकसानीसाठी पैसे बाजूला ठेवण्यासाठी तीन-स्तरीय प्रणालीचा वापर केला जाईल, ज्यात आर्थिक अंदाज आणि जोखमीची संभाव्यता विचारात घेतली जाईल.

सार्वजनिक क्षेत्रातील बँकांवर सर्वाधिक परिणाम

नवीन ECL नियमांचा परिणाम भारतातील बँकांमध्ये वेगवेगळा असेल. सार्वजनिक क्षेत्रातील बँका (PSUs) आणि काही लहान खाजगी बँकांना याचा सर्वाधिक फटका बसण्याची अपेक्षा आहे. अंदाजानुसार, PSUs च्या नेट वर्थवर ५% ते १०% इतका एक-वेळ परिणाम होऊ शकतो, तर क्रेडिट खर्चात (credit costs) २० ते २५ बेसिस पॉइंट्स वाढ होण्याची शक्यता आहे. उदाहरणार्थ, पंजाब नॅशनल बँक (PNB), ज्याचा ग्रॉस नॉन-परफॉर्मिंग अॅसेट (GNPA) रेशो ३.३% आणि रिटर्न ऑन अॅसेट (ROA) ०.९५% आहे, तिला स्टेट बँक ऑफ इंडिया (SBI) पेक्षा जुळवून घेणे अधिक कठीण जाऊ शकते, ज्याचा GNPA १.६% आणि ROA १.१६% आहे. HDFC Bank आणि ICICI Bank सारख्या मोठ्या खाजगी बँका, ज्यांच्याकडे मजबूत भांडवली राखीव (capital reserves) आणि कमी NPA आहेत (HDFC Bank चे नेट NPA खूप कमी आहेत, ICICI Bank चे GNPA सुमारे १.४०% आहे), त्या या बदलासाठी चांगल्या प्रकारे तयार आहेत. हे सर्व अशा वेळी घडत आहे जेव्हा भारतीय बँकिंग क्षेत्राची एकूण मालमत्ता गुणवत्ता सुधारली आहे, जिथे ग्रॉस NPA २.०-२.२% पर्यंत खाली आले आहेत आणि क्रेडिट ग्रोथ १३% पेक्षा जास्त आहे.

प्रोव्हिजनिंगचा (Provisioning) दबाव नफा कमी करू शकतो

ECL फ्रेमवर्कमधील मुख्य अडचण म्हणजे, विशेषतः स्टेज 2 मालमत्तेसाठी (Stage 2 assets), जास्त प्रोव्हिजनिंगची (provisioning) आवश्यकता. BNP Paribas ने नमूद केल्यानुसार, या मालमत्तांसाठी किमान ५% प्रोव्हिजनिंगमुळे थेट बँकांच्या कमाईवर परिणाम होऊ शकतो. हे विशेषतः PSUs साठी खरे आहे, ज्यांचे रिटर्न कमी आणि कर्ज पातळी जास्त असू शकते. Macquarie च्या विश्लेषकांनी PSU कर्जदारांसाठी क्रेडिट खर्चात लक्षणीय वाढ होण्याचा अंदाज व्यक्त केला आहे. प्रोव्हिजनिंग खर्चात अपेक्षित वाढ झाल्यामुळे नफा थेट कमी होईल आणि रिटर्न मेट्रिक्स (return metrics) घटू शकतात. जरी RBI ने भांडवली गुणोत्तरांवरील (capital ratios) तात्पुरता दिलासा FY2031 पर्यंत दिला असला तरी, आणि काही कर्जांवरील रिस्क वेट्समधील (risk weights) अलीकडील बदलांमुळे भांडवल वाढण्यास मदत होऊ शकते, तरीही हे फायदे कठीण प्रोव्हिजनिंग नियमांमुळे अंशतः कमी होऊ शकतात. नुकसानीची अपेक्षा (proactively) करण्यावर भर दिल्याने, बँकांना आर्थिक वाढीच्या काळात भांडवली राखीव (capital reserves) तयार करावे लागतील, ज्यामुळे सध्याचा नफा कमी होऊ शकतो.

अंमलबजावणीतील अडथळे आणि बाजाराची प्रतिक्रिया

नवीन ECL फ्रेमवर्कची अंमलबजावणी करताना मोठे धोके आहेत. सार्वजनिक क्षेत्रातील बँकांना, ज्या आधीच कमी मार्जिन आणि जास्त कर्जासह कार्यरत आहेत, त्यांना सर्वाधिक अडचणींचा सामना करावा लागू शकतो. PNB, उदाहरणार्थ, मोठ्या खाजगी प्रतिस्पर्धकांच्या तुलनेत उच्च NPA पातळी आणि कमी ROA दर्शवते, ज्यामुळे जुळवून घेण्याची प्रक्रिया अधिक कठीण होण्याची शक्यता आहे. ECL यशस्वीरित्या स्वीकारण्यासाठी मजबूत डेटा प्रणाली, डिफॉल्टची संभाव्यता मोजण्यासाठी प्रगत मॉडेल्स आणि ठोस प्रशासन संरचना (governance structures) आवश्यक आहेत, जे काही बँकांसाठी लागू करणे आव्हानात्मक असू शकते. Moody's ने Macquarie पेक्षा कमी तीव्र परिणामाचा अंदाज वर्तवला आहे, परंतु RBI ने नियमांची चार वर्षांमध्ये टप्प्याटप्प्याने अंमलबजावणी करण्याचा निर्णय घेतला आहे, यावरून या नवीन नियमांसाठी मोठ्या बदलांची आवश्यकता असल्याचे स्पष्ट होते. PSU बँकांच्या शेअर्समध्ये सुरुवातीला घसरण दिसून आली, जी अपेक्षित परिणाम आणि नवीन नियमांच्या अंमलबजावणीतील आव्हानांबद्दल गुंतवणूकदारांच्या चिंता दर्शवते.

नवीन फ्रेमवर्कचे दीर्घकालीन फायदे

जवळच्या काळातील नफ्याबाबतच्या चिंता असूनही, ECL फ्रेमवर्कला भारताच्या बँकिंग क्षेत्रासाठी एक मूलभूत सुधारणा मानले जात आहे. कालांतराने, यामुळे कर्ज देण्यामध्ये अधिक चांगले जोखीम मूल्यांकन (risk assessment), कर्जदारांकडून शिस्त आणि अधिक अचूक, डेटा-आधारित कर्ज मॉडेल्स तयार होतील. संभाव्य नुकसान foresee करण्यास सांगून, हे फ्रेमवर्क कमाई स्थिर करण्याचे आणि भविष्यातील आर्थिक धक्क्यांविरूद्ध अधिक लवचिकता निर्माण करण्याचे उद्दिष्ट ठेवते. HDFC Bank आणि ICICI Bank सारख्या मजबूत भांडवली राखीव असलेल्या मोठ्या बँ या बदलाशी सहज जुळवून घेतील, ज्यामुळे त्यांच्या आणि कमी भांडवल असलेल्या बँकांमधील फरक वाढू शकतो. नियमांची हळूहळू अंमलबजावणी आणि दिलासा उपाय बँकांना सहज जुळवून घेण्यास मदत करतील, ज्यामुळे त्यांना तातडीच्या आर्थिक अस्थिरतेशिवाय आवश्यक कौशल्ये आणि भांडवल विकसित करण्याची संधी मिळेल. एकंदरीत उद्दिष्ट एक अधिक जागतिक स्तरावर एकात्मिक, पारदर्शक आणि मजबूत वित्तीय प्रणाली तयार करणे आहे, जी चालू आर्थिक वाढीस समर्थन देईल.

Get stock alerts instantly on WhatsApp

Quarterly results, bulk deals, concall updates and major announcements delivered in real time.

Disclaimer:This content is for educational and informational purposes only and does not constitute investment, financial, or trading advice, nor a recommendation to buy or sell any securities. Readers should consult a SEBI-registered advisor before making investment decisions, as markets involve risk and past performance does not guarantee future results. The publisher and authors accept no liability for any losses. Some content may be AI-generated and may contain errors; accuracy and completeness are not guaranteed. Views expressed do not reflect the publication’s editorial stance.