يتطلب النهج المبسط لخسائر الائتمان المتوقعة مخصص خسارة على مدى العمر منذ اليوم الأول بدلا من انتظار حدث محفز، لذا فإن مصفوفة مخصصات غير معدّلة للظروف المستقبلية أو تستبعد أصول العقد بشكل منهجي تُقلّل من المخصص تحديدا في الوقت الذي ترتفع فيه مخاطر المحفظة (كتسرب عملاء المنشآت الصغيرة والمتوسطة في فترة تراجع اقتصادي).

The simplified ECL approach requires a lifetime loss allowance from day one rather than waiting for a trigger event, so a provision matrix that is unadjusted for forward-looking conditions or that excludes contract assets systematically understates the allowance precisely when portfolio risk (e.g., SME customer churn in a downturn) is rising.

هل تتوفر بيانات خسائر تاريخية كافية مقسّمة حسب فئة العميل (مثل الشركات الصغيرة مقابل الشركات الكبرى) وفئة تقادم الذمم لبناء مصفوفة مخصصات موثوقة؟ هل تُدرَج الأصول التعاقدية ضمن أسلوب خسائر الائتمان المتوقعة المبسط ذاته المطبق على الذمم المدينة التجارية، بدلا من إغفالها؟ هل عُدِّلت مصفوفة المخصصات كميا لا نوعيا فقط لمراعاة الظروف الاقتصادية الكلية الحالية والمتوقعة المؤثرة على شريحة العملاء المعنية؟

Is there sufficient historical loss data segmented by customer type (e.g., SME versus enterprise) and aging bucket to build a credible provision matrix? Are contract assets included in the same simplified ECL approach as trade receivables, rather than being overlooked? Has the provision matrix been adjusted quantitatively (not just qualitatively) for current and forecast macroeconomic conditions affecting the relevant customer segment?

1. طبّق النهج المبسط إلزاميا على الذمم المدينة التجارية وأصول العقد الناشئة عن عقود المعيار الدولي للتقرير المالي 15 (لا يوجد خيار سياسة محاسبية، ولا حاجة لتتبع الزيادة الجوهرية في مخاطر الائتمان).
2. اعترف بمخصص خسارة ائتمانية متوقعة على مدى العمر عند الاعتراف الأولي، لا فقط عند ظهور مؤشر تعثر محدد.
3. جمّع الذمم المدينة وأصول العقد في شرائح تتشارك خصائص مخاطر ائتمانية مماثلة (كحجم العميل، الموقع الجغرافي، تاريخ السداد) بدلا من تقييم كل رصيد فرديا ما لم يكن جوهريا بمفرده.
4. ابنِ مصفوفة مخصصات باستخدام معدلات الخسارة التاريخية حسب فئة عمر الذمم لكل شريحة.
5. عدّل المعدلات التاريخية للظروف الحالية والمعلومات المستقبلية المعقولة والقابلة للدعم (كتوقع زيادة تسرب عملاء المنشآت الصغيرة والمتوسطة أو تدهور اقتصادي كلي).
6. أعد تقييم وتحديث المصفوفة كل فترة تقرير، واعترف بأي انخفاض قيمة محدد للأرصدة الجوهرية فرديا التي لديها دليل موضوعي على خسارة يتجاوز المصفوفة.

1. Apply the simplified approach mandatorily to trade receivables and contract assets arising from IFRS 15 contracts (no accounting policy choice needed, and no need to track significant increases in credit risk).
2. Recognize a lifetime expected credit loss allowance at initial recognition, not only when a specific default indicator appears.
3. Group receivables and contract assets into segments sharing similar credit risk characteristics (e.g., customer size, geography, payment history) rather than assessing each balance individually unless individually significant.
4. Build a provision matrix using historical loss rates by aging bucket for each segment.
5. Adjust historical rates for current conditions and reasonable and supportable forward-looking information (e.g., a forecast increase in SME customer churn or macroeconomic deterioration).
6. Reassess and update the matrix each reporting period, and recognize any specific impairment for individually significant balances with objective evidence of loss beyond the matrix.

قِس مخصص الخسائر بالتقدير المرجح بالاحتمالات لخسائر الائتمان المتوقعة على مدى العمر، باستخدام معدلات الخسارة التاريخية كنقطة انطلاق وتعديلها كميا حيثما أمكن للظروف الحالية والمتوقعة (لا مجرد تسوية نوعية). قسّم المصفوفة بدقة كافية لتكون ذات دلالة (كفئة عمر الذمم وشريحة مخاطر العميل) دون إفراط يجعل البيانات التاريخية غير موثوقة إحصائيا. أعد احتساب المصفوفة سنويا على الأقل باستخدام الخبرة التاريخية المحدّثة، وبشكل أكثر تكرارا إذا تغيّرت البيئة الاقتصادية الكلية أو تركيبة قاعدة العملاء جوهريا.

Measure the loss allowance as the probability-weighted estimate of lifetime expected credit losses, using historical loss rates as the starting point and adjusting them quantitatively where possible for current and forecast conditions (not just a qualitative overlay). Segment the matrix finely enough to be meaningful (e.g., by aging band and customer risk tier) but not so finely that historical data becomes statistically unreliable. Recalculate the matrix at least annually using updated historical experience, and more frequently if the macro environment or customer base composition shifts materially.

أفصح عن: (1) هيكل مصفوفة المخصصات وفئات أعمار الذمم ومعدلات الخسارة المطبقة؛ (2) التعديلات المستقبلية التي أُجريت وأساسها؛ (3) تسوية مخصص الخسائر من الرصيد الافتتاحي إلى الختامي، متضمنة الشطب والمبالغ المستردة؛ (4) سياسة ومعايير الشطب؛ (5) تأكيد إدراج أصول العقد ضمن مجتمع خسائر الائتمان المتوقعة إلى جانب الذمم المدينة.

Disclose: (1) the provision matrix structure, aging buckets, and loss rates applied; (2) the forward-looking adjustments made and their basis; (3) a reconciliation of the loss allowance from opening to closing balance, including write-offs and recoveries; (4) the write-off policy and criteria; (5) confirmation that contract assets are included within the ECL population alongside receivables.

• التخصيص فقط للديون المعدومة المحددة تحديدا (عقلية الخسارة المتكبدة) بدلا من مخصص خسارة ائتمانية متوقعة على مدى العمر منذ الاعتراف الأولي
• استخدام معدلات خسارة تاريخية غير معدّلة لا تعكس الظروف الحالية أو المتوقعة
• استبعاد أصول العقد من مجتمع خسائر الائتمان المتوقعة بافتراض خاطئ بأن الذمم المفوترة فقط تحمل مخاطر ائتمانية
• استخدام معدل خسارة واحد ممزوج عبر قاعدة عملاء متنوعة بدلا من التقسيم حسب خصائص المخاطر
• عدم تحديث المصفوفة عند حدوث صدمة اقتصادية كلية (كتباطؤ تمويل على مستوى القطاع يؤثر على عملاء المنشآت الصغيرة والمتوسطة) غيّرت ملف المخاطر بوضوح.

• Providing only for specifically identified bad debts (an incurred-loss mindset) instead of a lifetime ECL allowance from initial recognition
• using unadjusted historical loss rates that do not reflect current or forecast conditions
• excluding contract assets from the ECL population on the mistaken assumption that only invoiced receivables carry credit risk
• using a single blended loss rate across a diverse customer base instead of segmenting by risk characteristics
• failing to update the matrix when a macro shock (e.g., a sector-wide funding slowdown affecting SME customers) has clearly changed the risk profile.