預期信用損失模型在銀行業的實踐研究

周伶敏 天健會計師事務所（特殊普通合伙）湖南分所

一、新金融工具會計準則概述

財政部2017年3月發布了《企業會計準則第 22 號—金融工具確認與計量》在內的三項金融工具會計準則，將金融資產分類規則從原準則下的“四分類”改為“三分類”。同時，金融工具減值的計提方法由“已發生”損失法改為“預期信用”損失法。金融工具在初始確認時就要考慮預期信用損失，在每個資產負債表日評估相關金融工具的信用風險自初始確認后是否已顯著增加，將金融工具發生信用減值的過程分為三個階段，并引入了前瞻性調整。

二、上市銀行減值計提披露情況

筆者選取了38家已上市銀行的2020年年度報告，并對上市銀行在年報中披露的預期信用損失模型進行研究。

（一）預期信用損失模型所采用的方法

38家上市銀行披露的年度報告顯示，絕大部分銀行在計算減值時采用的方法為風險參數模型法，即預期信用損失（ECL）是違約概率（PD）、違約損失率（LGD）及違約風險敞口（EAD）三個關鍵參數的乘積加權平均值。除此之外，少部分銀行對特定種類的貸款使用了現金流折現模型法（DCF法）。上市銀行使用現金流折現模型法均是針對階段三的金融資產，具體范圍如表1所示。

表1

（二）信用風險顯著增加、是否發生信用減值的判斷標準

準則規定若合同付款逾期超過30天，通常可以推定金融資產的信用風險顯著增加，若金融工具逾期超過90日，應當推定該金融工具已發生違約，這兩項規定雖可推翻，但筆者查閱了上市銀行的披露情況發現，除了華夏銀行、張家港行、江陰銀行之外，其他所有上市銀行披露的定量標準或上限標準中均明確將逾期超過30日作為信用風險顯著增加的判斷標準之一。華夏銀行將本金或利息發生逾期、張家港行將信用卡業務和債券投資發生逾期作為信用風險顯著增加的判斷標準，比準則規定的逾期超過30日更嚴格。除了寧波銀行、江陰銀行、常熟銀行之外，其他所有上市銀行均明確披露將逾期超過90天作為已發生信用減值的考慮因素。上市銀行除披露逾期天數作為判斷標準之外，20家銀行還將五級分類劃分為關注也作為信用風險顯著增加的判斷標準，7家銀行還將五級分類劃分至次級、可疑、損失（即為不良）作為已發生信用減值損失的考慮因素，這與銀行內部的管理更貼合，值得其他非上市銀行借鑒。

（三）前瞻性調整依據的關鍵經濟指標

筆者對上市銀行2020年報披露的關鍵經濟指標進行研究發現，2020年上市銀行頻繁使用的宏觀指標與孫娜、朱亮、查逸芳（2020）統計的2018年報結果一致。2020年上市銀行分別有27家、25家、13家、11家和10家披露提及了國內生產總值、居民消費價格指數、貨幣供應量 M2、工業增加值和生產價格指數。

上市銀行對宏觀經濟指標池的各項指標定期進行預測，通過構建回歸模型，確定這些經濟指標歷史上與違約概率之間的關系，并通過預測未來經濟指標確定預期的違約概率。結合宏觀數據分析及專家判斷結果確定樂觀、基準、悲觀的情景及權重，從而計算預期信用損失準備金。

三、構建預期信用損失模型的具體思路

非上市銀行在構建預期信用損失模型時可借鑒上市銀行的方法，采用風險參數模型法和現金流折現模型法（DCF法）計提金融資產減值。

DCF法需要逐筆預測未來現金流量，該方法下ECL =∑各情景ECL×各情景權重。該方法要考慮不同情景下的未來現金流入金額及時間，并折現后加總，獲得資產未來現金流入的現值，由此計算該情景下的ECL，再由專家對不同情景賦予權重，從而計算出各情景下的ECL。

DCF法主要是預測各項資產的未來現金流，本文著重闡述如何構建風險參數模型法計提預期信用損失。風險參數模型法下，ECL =∑各情景（前瞻性調整后PD×LGD×EAD）。

（一）違約概率PD的計算

根據上市銀行披露結果，違約概率主要使用三種方法計算。針對信貸類資產主要是以內部評級模型結果為基礎和以逾期天數轉移矩陣結果為基礎計算前瞻性調整前PD，再加入前瞻性信息計算得到前瞻性調整后PD；針對債券類資產，主要通過外部評級映射到主標尺并考慮前瞻性調整得到前瞻性調整后PD。

1.根據評級結果映射得到PD

信貸類資產采用內部評級模型和債券類資產采用外部評級模型的情況下，銀行都需要根據評級結果映射得到違約概率。內部評級要求商業銀行已具備成熟的內部評級模型，外部評級則一般可以取公開的評級結果，如穆迪、標普等專業評級公司的評級結果，通常可以從wind中進行取數。根據使用內部評級模型的上市銀行披露情況，銀行對每個評級結果會匹配特定范圍的違約概率，且在一段時間內保持穩定，銀行會定期對評級的方法進行驗證和重新校準。

2.逾期天數轉移矩陣結果計算PD

若以逾期天數轉移矩陣結果計算PD，銀行應根據資產類型、業務品種、行業、擔保方式等特征劃分資產組后，以業務系統中該類資產組逾期天數區間分類在一定期間的變化情況進行分析，統計出逾期天數各區間分類在一定期間內滾動至其他區間分類的概率情況，最終計算得出的矩陣即為該類資產組一定期間的遷徙矩陣。該期間可以選擇月度，季度或半年度，若銀行僅取一個期間計算遷徙矩陣可能會導致數據波動較大，故建議銀行選擇多個期間計算遷徙矩陣避免數據波動過大。如，銀行根據歷史相鄰月度數據計算生成月度矩陣后，取算術平均值生成月度平均遷徙矩陣，再將月度平均遷徙矩陣的12次方為一年期的遷徙矩陣。對于整個存續期PD，銀行可基于12個月PD結果進行開發，也可開發獨立的存續期違約概率模型。如浙商銀行披露顯示根據12個月PD用Markov鏈模型推導出整個存續期PD。

表2為計算的貸款客戶逾期天數區間分類遷徙結果示例：

表2

下表3為根據表一計算生成客戶由一月前遷移至測算時點的PD：

表3

3.前瞻性調整

銀行根據歷史數據計算出PD后，該PD僅為實際發生的違約概率，根據新金融工具準則的規定，減值需根據未來可能發生的違約概率計算，因此銀行還應將歷史實際發生的PD進行前瞻性調整，預測出未來的違約概率。建議非上市銀行參照上市銀行選取相應的宏觀經濟指標構建回歸模型，確定這些經濟指標歷史上與違約概率之間的關系，并通過預測未來經濟指標確定預期的違約概率。

（二）違約損失率LGD

根據上市銀行披露情況，在計算LGD時主要有如下幾種方案：1.存在歷史清收數據的情況下，結合歷史實際損失金額計算LGD，同時參考風險分類結果或者根據宏觀經濟的前瞻性進行調整，得到新準則下適用的LGD。2.對于不存在歷史清收數據的LGD，參考同業經驗及監管系數，并結合專家判斷綜合確定。

歷史數據測算法是對具有類似信用風險特征的資產組合，逐筆統計違約資產的回收金額和回收時間，計算該資產組合的違約損失情況。

若不存在歷史清收數據，銀行可參考同業經驗及監管系數判斷確定。根據筆者實踐經驗，監管系數可依據銀監會《商業銀行資本管理辦法（試行）》規定“非零售風險暴露中沒有合格抵質押品的高級債權和次級債權的違約損失率分別為45%和75%”進行設置。

（三）違約風險敞口EAD

EAD是指預期違約時的表內和表外風險暴露總額，敞口大小考慮了本金、利息、表外信用風險轉換系數等因素。在計算表外貸款承諾和財務擔保時需要考慮使用表外信用風險轉換系數。表外信用風險轉換系數可以參考報送銀監的G4B-2表外信用風險加權資產計算表（權重法）設置。

除興業銀行、鄭州銀行和重慶銀行之外，其他上市銀行針對EAD未做詳細披露，筆者根據準則的規定、上市銀行的披露情況并自身結合實踐經驗，建議非上市銀行在計算EAD時，可根據劃分的階段情況分別計算EAD。

在計算階段一的EAD時，只需要評估未來12個月內的情況，EAD無需考慮現金流折現，EAD應等于剩余本金和實際應收利息之和，應收利息包含正常應收利息、罰息、復利。

在計算階段二的EAD時，需評估整個存續期內的情況，因此銀行需考慮是否有還款計劃并折現。若有還款計劃的資產，在計算EAD時，EAD應等于逾期本金、逾期利息、正常的未來的現金流折現之和。

在計算階段三的EAD時，雖要評估整個存續期內的情況，但因金融工具已違約，再用合同約定的還款計劃去預測未來現金流會與實際情況產生偏差，且也難以準確預測未來現金流金額和時間，因此建議銀行在計算階段三的EAD時采用與階段一的相同方法。

四、結語

ECL 模型的復雜性需要銀行準確理解模型中的關鍵點，合理運用會計判斷和估計。執行新金融工具準則需要較高的技術支持和決策支撐，這對銀行關鍵財務和管理人員的素質提出了更高的要求，建議銀行加強人才隊伍培養，加深關鍵財務和管理人員對新準則的理解消化，加強跨部門、跨業務條線的溝通協作，從而建立、完善ECL模型。