銀行業貸款成本過程化管理研究

黃靖 黨詩劍

[摘 要]文章根據商業銀行2018年的相關貸款數據，實證了銀行業通過貸款過程化管理，選擇貸款成本最小化，能有效地控制銀行的不良貸款率。研究表明：成本的控制對商業銀行的信貸決策有顯著的影響，提高了商業銀行對不良貸款的管理主動權，能有導向地抑制不良貸款率的升高。進一步分析發現，核算各行業的貸款成本與收入，能得出成本最小化、利潤最大化的信貸方案。因此，銀行可根據企業特點和經營目標，選擇不同的信貸方案，進而改善銀行效益。由此表明，在不良貸款率逐漸攀高的背景下，成本控制對管理貸款有積極的意義。

[關鍵詞]不良貸款;成本核算;過程化管理

[DOI]10.13939/j.cnki.zgsc.2021.05.043

1 銀行業貸款管理的意義

研究銀行業貸款管理，不僅與商業銀行自身盈利息息相關，同時也關系到整體金融市場的良好運行情況。因為不良貸款的發生一方面使銀行蒙受損失，另一方面不利于整體社會誠信環境的健康發展。商業銀行的不良貸款是由于內外部多方面因素共同造成的，而宏觀因素和外部因素銀行自身難以控制，所以，積極有效的方法就是從銀行自身管理出發。

鑒于此，本文提出以銀行內部的視角，將貸款過程化管理，成本對象化核算。貸款過程化目的在于銀行內部評估貸款每個階段的發展，評估正常貸款、識別異常貸款。值得注意的是，評估正常貸款并非簡單地滿足到期付息，還要監管企業財務狀況、經營成果和貸款流向。成本對象化目的在于監管貸前、貸中、貸后成本，通過核算評估監管成本，識別出異常貸款，并提前關注，可以早期有效監控及預防次貸發生，提早啟動預警機制。因此，貸款過程化、成本對象化兩者的結合，使得銀行內部達到控制成本、比較利潤、掌控風險、改善收益、做出合理信貸決策的目的。

2 成本計算模型的應用改進

2.1 傳統的成本核算

傳統的成本核算方法，銀行業側重關注貸后成本。因為貸后成本往往占比大，對銀行的效益有較大的影響。貸前、貸中的監管費用（包括差旅費、通信費等費用）一并歸類為管理費用。

側重關注貸后成本，雖然能反映出改進意見，但是起碼要等到下一個核算管理期才能應用改進措施，對于本期管理意義不大。另外，傳統成本管理方法非常粗放，貸前貸中異常貸款發生較大的成本，由于沒有得到細分，往往被忽視，一并歸類成管理費用，使得期間費用虛高，造成信息失真。個別客戶增加的貸款成本，計入管理費用使得全體客戶共同承擔，顯然不嚴謹、不科學，不符合誰受益、誰承擔的原則。對于放貸所耗費的成本對象沒有進行詳細的分析，也無法掌握花費在每個貸款客戶身上的監管成本，不能對放貸總成本進行追根溯源，不利于企業進行成本控制與管理。

2.2 改進模型的成本劃分

與傳統成本法相比，銀行業貸款應用改進的成本劃分方法，成本對象信息將更加準確。準確的成本對象信息有利于銀行在貸款過程中有效監督成本、科學分析成本信息，基于此做出更合理、更有效的貸款決策。因而，將貸前、貸中、貸后的成本管理看作一個綜合系統，根據不同階段的特點，重新劃分成本，總體上分為固定成本、變動成本和專屬成本。

第一，固定成本。由于貸前每個項目都要經過銀行的調查了解，流程當中所產生的通信費、差旅費、法律咨詢費、手續費相對變動不大。因此，貸前產生的成本可以歸類成固定成本。

第二，變動成本。商業銀行貸款業務中，貸出去的款項就是銀行的產品，銀行花在客戶身上的成本會因客戶的信用程度和還款能力而產生變動。因而，通信費、差旅費與客戶信用有直接關系的，劃分為變動成本。

第三，專屬成本。放出貸款后，如果形成了不良貸款，那么這個貸款項目所產生的訴訟費、財產保全費、申請強制執行費就是該項目的專屬成本。

3 成本模型設計

根據貸款過程成本支出的特點，設計以下的模型：

T=∑ni=1ti（1）

模型（1）釋義：該模型為固定成本歸集模型，為了核算貸前成本。其中，T為貸前各個貸款項目所發生的固定成本總額（下同）;ti為貸前第i種固定費用。

B=∑ni=1bi×m（2）

模型（2）釋義：該模型為變動成本歸集模型，為了核算貸中成本。其中，B表示貸款項目的單位變動成本;b表示該貸款項目第i種發生的單位變動費用;m表示單位變動的次數。

G=∑ni=1g+∑mi=1k（3）

模型（3）釋義：該模型為專屬成本模型，針對逾期貸款的成本。其中，前半部分是逾期催收的差旅費、通信費;后半部分是法律訴訟期間，銀行還通常需要向法院支付財產保全費、申請強制執行費等費用。

C=T+B+G（4）

模型（4）釋義：該模型為總成本歸集模型，為了核算貸款全過程所產生的成本。其中，C為總成本;T為固定成本;B為變動成本;G為專屬成本。

Q=I-C（5）

模型（5）釋義：該模型表示利潤模型。其中，I為商業銀行所獲得的收益;Q為收入減去成本所獲得的利潤。

4 成本模型進一步分析

本文依據2018年銀監會發布的商業銀行貸款數據，樣本選取在二、三線城市，商業銀行貸款業務主要以同城為主。

4.1 貸前成本分析

由于銀行放貸前均要對客戶做初步評估和了解，以及實地評估企業的經濟狀況，因此貸前發生的成本基本相差不大。由此，本文采取模型（1）歸集固定成本，貸前成本主要以通信費、業務招待費、差旅費為主。以普遍的二、三線城市商業銀行的業務規模來分析，t1通信費同城報銷50元/人，t2業務招待費同城報銷205元/人，t3差旅費同城住宿90元/人，t4補貼35元/人。因此，每家企業貸前花費的固定成本為：T=50+205+90+35=380（元）。

4.2 貸中成本分析

商業銀行將款項貸出去以后，在貸款期間有監督、追蹤貸款使用的責任，當中會產生差旅費、通信費，而且會根據企業主動性、態度和經營狀況分析還款能力、還款意愿，進而來調整費用。每隔一段時間和企業通信了解，并且相隔一段時間到企業實地探訪。因此，利用模型（2）的變動成本模型，并且以年為單位進行研究，如表1所示。

4.3 貸后成本分析

向債務方催收、重組、核銷或向法院提起訴訟是國內銀行處理不良貸款的幾種主要手段。面對不超過一年的逾期貸款，銀行通常采取催收措施、走訪企業。而對于重組企業存在諸多限制條件，風險難以把控，實現難度較大;核銷的條件也非常苛刻，使得可核銷的額度有限，實際運用的情況很少。因此，除了催收以外，法律訴訟成了銀行依法收貸的主要方法。但是銀行一般不會輕易采取訴訟途徑，因為法律訴訟會產生高額的費用。

銀行一般聘有律師處理訴訟，因此，律師咨詢費、代理訴訟費暫且不考慮。按照《收費辦法》規定，受理費、訴訟費、強制執行費由敗訴方、被執行人承擔，盡管銀行的訴訟案件勝訴率很高，但是在訴訟前，這些費用要由原告（銀行）先行墊付。實際上，絕大多數金融訴訟案件，銀行債權名存實亡，很多時候銀行連貸款本金都很難足額收回，違約金、墊付款更是難以收回。因此，銀行的墊付很可能會變成“永遠墊付”，這使得銀行贏了訴訟，輸了錢。

因此，對于每筆逾期貸款，即便銀行專門配有律師代理訴訟，但走完所有法律程序，每100萬元逾期貸款，銀行就要先行支付5.5萬元[1]。根據謹慎性原則，預計這筆費用很有可能收不回來。運用賬齡分析法，分析逾期貸款應該采取的措施，每100萬元每個月產生的差旅費、通信費為2700元。由此，利用模型（3）：G=2700+55000=57700（元）。

最終，根據不同逾期情況、結合企業經營能力，利用模型（4）計算總成本。

5 改進后的模型在JS銀行的應用

5.1 JS銀行的簡介

JS銀行處于三線城市，業務范圍以同城為主，采用2018年數據。JS銀行一年主要的貸款投放到制造業、房地產、租賃及商業服務業、批發及零售業等行業，投放企業有327家，其中制造業有143家，房地產及批發業有86家，租賃及商業服務業有57家。制造業在JS銀行的不良貸款率達到5.76%，租賃及商業服務業的不良貸款率為0.86%，房地產及批發業為1.66%。其中， 本文使用的不良貸款率是季度末銀行次級類貸款、可疑類貸款和損失類貸款三項累計額占總貸款余額的比值。

5.2 制造業貸款

5.2.1 制造業基本情況

JS銀行在2018年投放了592502百萬元貸款到143家制造業企業，不良貸款額34128.16百萬元，不良貸款率為5.76%。根據客戶的信用評級、經營能力評估、財務狀況，以及付息能力及意愿將貸款等級分為：117家企業正常類，8家企業次級類，15家企業可疑類，3家企業損失類，并且做出以下的成本預測。

5.2.2 改進模型在制造業的應用

（1）制造業貸款的成本分為正常類貸款與異常類貸款。正常類貸款成本有，貸前了解利用模型（1）得出：T=117×380=4.4460（萬元）;貸中監管成本利用模型（2）得出：B=117×800=9.3600（萬元）;正常類貸款沒有催收訴訟成本，利用模型（3）得出：G=0;正常類貸款總成本利用模型（4）：C=T+B+G=13.8060（萬元）。

異常類貸款中，貸前了解利用模型（1）得出：T=26×380=1.3680（萬元）。為了便于測算，各等級不良貸款，貸中追蹤監管費用取其平均數：（1100+1950+2700）/3=1916.7（元），利用模型（2）得出：B=26×1916.7=4.98342（萬元）。對于異常類貸款的逾期情況，見表2。針對逾期貸款，本行規定逾期1年以內的貸款，主要采取催收措施;對于逾期1年以上的貸款，已經屬于惡性欠款的現象，經催收無果，采取法律訴訟途徑。貸后成本利用模型（3）得出，貸后催收：G=26×1916.7=4.98342（萬元）;因為每100萬元貸款訴訟，就產生5.5萬元的費用，而逾期超過1年以上的貸款總額853204萬元，所以貸后成本利用模型（3）得出，貸后訴訟：G=（5801.79+2730.25）×55000=46927（萬元）。利用模型（4）得出異常類貸款總成本為46927。因此，制造業貸款的總成本費用（包括正常類貸款成本與異常類貸款成本）：C=46941（萬元）。租賃業及服務業、房地產業成本分析與此同。

（2）制造業貸款收入。以中長期貸款為例：I=592502×4.75%=2814385（萬元）

（3）制造業貸款利潤。利用模型（5）得出：Q=28143.85-469.41=2767444（萬元）

由此，綜合上述制造業貸款數據得出表3。

5.3 租賃業及商業服務業貸款

5.3.1 租賃業及商業服務業基本情況

JS銀行在2018年放貸總額中，租賃業及商業服務業占比為20%，其中有57家企業，貸款總額為135746百萬元，不良貸款額為1167.42百萬元，該行業的不良貸款率為0.86%。按照信用評價等級，其中52家企業為正常類企業，1家為次級類企業，3家為可疑類企業，1家為損失類企業。

5.3.2 改進模型在租賃業及商業服務業的應用

（1）租賃業及商業服務業的總成本C=T+B+G=1613.47萬元，分析與制造業同。對于異常貸款逾期情況，見表4。

（2）租賃業及服務業貸款收入。以中長期貸款為例得：I=135746×4.75%=64480（萬元）

（3）租賃業及服務業貸款利潤。利用模型（5）得出：Q=64480-1613.47=62866.53（萬元）

由此，綜合上述租賃業及服務業貸款數據得出表5。

5.4 房地產業貸款

5.4.1 房地產業基本情況

JS銀行在房地產行業2018年總共發放了317780百萬元，包含有86家房地產企業。房地產行業的不良貸款率為1.66%，不良貸款額為：有14家房地產企業有不良的貸款，其中4家企業屬于次級類貸款，8家企業屬于可疑類貸款，2家企業屬于損失類貸款。

5.4.2 改進模型在房地產業的應用

（1）房地產業貸款的成本C=T+B+G=7262.17（萬元），成本分析方法與制造業同。異常類貸款的逾期情況，見表6。

（2）房地產業貸款收入。以中長期利息為例得：I=317780×4.75%=1509455（萬元）

（3）房地產業貸款利潤。利用模型（5）得出：Q=I-C=1509455-7262.17=1502192（萬元）

由此，綜合上述房地產貸款數據得表7。

5.5 結論及建議

基于上述模型綜合數據得表8，得出結論：保守型商業銀行可以選擇成本最小化的經營模式，放貸主要集中在租賃及商業服務業，收益小、風險小;而風險型商業銀行可以選擇利潤最大化的經營模式，放貸集中在制造業，收益大、風險大。

針對JS銀行給出建議：制造業的貸款資金金額大、周期長，制造業信貸占比高，同時不良貸款率也高于其他行業。當前，外部經濟環境越發復雜嚴峻，以及內部轉型發展等因素影響，經濟下行壓力很大，制造業的盈利能力受到很大的影響，JS銀行對盈利狀況不穩定的制造企業進行資金投放要十分謹慎。根據JS銀行的貸款客戶分析，貸款的制造業企業大多數處于初創經營階段，并且屬于重資產行業。基于總杠桿效應的原則DTL=DOL×DFL，總杠桿系數會維持在一個相對穩定的數，根據此消彼長的原則，經營風險會比較大，同時伴隨著債務要減少。因此，JS銀行應該適當減少初創階段的制造業企業的貸款，從而降低不良貸款的風險。

租賃及商業服務業屬于輕資產行業、人力資源密集的行業，相對風險沒這么大。租賃業及商業服務業現金流特點：日常現金流的流入是均勻持續的，支出基本穩定。JS銀行的租賃及商業服務業的貸款客戶大部分處于經營成熟期，經營風險比較小，根據總杠桿效應此消彼長的原則，可以相應增加這種輕資產行業的債務投入。

隨著房地產產業貸款的不斷發展，JS銀行嚴格把控貸款資產質量，提高經營效率，取得了不錯的成績。但總體上看，依然存在一些問題，比如管理機制不夠完善、管理意識不足，它們嚴重地影響了貸款資產質量，使得不良貸款率高企，資金周轉速度緩慢。因此，JS銀行在房地產貸款的投放應該大力支持信用等級高、經營能力強、還本付息能力強的企業和項目;追隨國家政策腳步，傾向于投放貸款到各類普通居民商品房、商業區及其配套設施的開發與建設。

因此，筆者建議JS銀行的貸款投放策略應該使用保守策略，采用成本最小化，將貸款多投放在類似租賃及商業服務業、金融業等輕資產行業。成本最小化的同時能降低發生不良貸款的風險，雖然利潤達不到最大，但是符合企業可持續發展的原則，盈利的同時商業銀行可以穩步發展。如果采用利潤最大化，將貸款大比重投放到制造業，而制造業的不良貸款率比其他行業都要高，那么貸款風險會比較高，壞賬率也會比較高，銀行付出的成本也會比較高。因此，基于JS銀行的健康發展前景，應該采用成本最小化。

6 結語

我國的商業銀行作為國家經濟金融體系重要的一環，把控資產質量、降低不良貸款風險不僅是銀行健康運營的重要前提，還能維持市場經濟環境的良好運行。只有完善貸款管理機制，制造良好的信用環境，才能為企業和銀行創造更廣闊的盈利和進步空間。

參考文獻：

[1]徐建設，魯茉莉.當前我國銀行處理不良資產過程中的高額費用問題[J].新金融，2000（8）.

[2]孫光林，王穎，李慶海.綠色信貸對商業銀行信貸風險的影響[J].金融論壇，2017（10）.

[基金項目]本文為廣東省2018年高等教育教學研究和改革項目“適合湛江水產行業需要的復合型成本會計人才培養體系構建研究”的階段性研究成果。

[作者簡介]黃靖（1996—），女，廣東肇慶人，嶺南師范學院商學院財務會計教育專業管理學學士;黨詩劍（1996—），男，澳門城市大學商學院工商管理專業碩士生。