資產風險分類新政下的銀行信貸風險管理

《金融資產風險分類辦法》對銀行的信貸風險管理策略產生了深遠的影響。本文以存量債券發生的違約及上市公司公開違約作為研究對象，從宏觀、微觀層面分析企業出險原因，總結在強監管環境下銀行在對公授信資產的投貸后風險管理中的積極應對之道。

2023年2月，原中國銀保監會和中國人民銀行發布《金融資產風險分類辦法》（以下簡稱“新規”），對銀行資產風險分類提出了更嚴格的要求。新規的核心在于要求銀行對資產風險進行更為細致和準確的分類，以真實反映底層資產的風險狀況。這一變化對銀行的信貸風險管理策略產生了深遠的影響。本文以存量債券發生的違約及上市公司公開違約作為數據，從宏觀、微觀層面分析企業出險原因，總結在強監管環境下銀行在對公授信資產的投貸后風險管理中的積極應對之道。

新規對銀行資產質量的影響

重組資產定義的細化

新規對重組資產的定義進行了細化，明確了“財務困難”和“合同調整”的具體條件。這一變化意味著，銀行以往通過調整本金還款計劃或展期等方式掩蓋風險的做法將不再可行。例如原先將展期資產視為正常資產的做法，在新規下可能被認定為重組資產，這可能導致銀行的不良貸款率和關注類貸款占比上升，增加了銀行資產質量管理的壓力。

債務人分類的新視角

新規改變了以往以“單筆貸款/業務”為對象的分類方式，轉而以“債務人”為單位進行風險分類。這意味著，如果一個債務人在一家銀行的債權超過10%被分類為不良，那么該債務人在該行的所有債權都應被視為不良。此外，若債務人在所有銀行的逾期超過90天的債務占比超過20%，其在各銀行的債務均應被歸為次級類。這種變化加強了對大型企業債務風險的監控，大型企業一旦發生違約，其影響將迅速擴散至所有銀行。

風險分類對象的擴展

新規將風險分類的對象從貸款擴展到了非信貸資產，包括投資債券、同業資產和表外業務等。這一擴展要求銀行對所有金融資產進行全面的風險評估和管理，對于非信貸業務風險較高的中小銀行來說，這可能導致不良率面臨上升的壓力。

不良資產分類的新標準

新規還考慮了信用減值狀況和逾期天數對不良資產分類的影響。要求已發生信用減值的資產或逾期超過90天的金融資產應歸入不良。這一要求提高了銀行對資產質量的識別和分類的準確性，有助于銀行更早地識別和管理潛在的風險。

對銀行信貸風險管理的啟示

新規的實施對銀行信貸風險管理提出了更高的要求。銀行需要加強對行業政策變化的敏感性，提升對債務人財務狀況的監測能力，以及優化風險分類和預警機制。通過這些措施，銀行能夠更有效地預防和管理信貸風險，保護自身的資產質量。

違約企業出險原因分析

行業政策變化對企業違約率具有顯著影響

通過深入分析2014—2023年的債券違約數據，能清晰地看到行業政策調整與企業違約率之間的密切聯系。以余額違約率排名第一的房地產行業為例，政策的變動對企業違約率產生了顯著影響。據同花順軟件數據顯示，2014—2023年間首次債券違約的發行人共307家，其中房地產行業占了33家。其中在2014—2017年期間房地產行業未有新增違約，而2018—2020年間年均新增3家違約，到了2021年和2022年，新增違約數量分別增至8家和12家。這一趨勢與2020年7月住建部提出的“三道紅線”政策有著直接的關聯。該政策提高了房企的融資門檻，那些財務狀況較差的企業因而面臨更大的違約風險。此外，2020年12月，央行和原銀保監會發布了《關于建立銀行業金融機構房地產貸款集中度管理制度的通知》進一步收緊房地產貸款。國家統計局數據顯示，房地產開發投資的同比增速由2021年2月的38.3%持續下降至2023年1月的-10%，新開工面積的累計同比變化也從2021年2月的高點急劇下降至2023年1月的-39%。這些數據表明，通常在政策落地實施后的一個季度到半年內，企業的數據變化開始顯現。

對于銀行信貸風險管理而言，這些發現具有重要的意義。銀行需要高度重視行業政策的變化，及時調整信貸策略，特別是在政策調整可能對企業融資能力和財務狀況產生重大影響的情況下。通過對行業發展趨勢的深入分析和預測，銀行可以更好地評估和管理貸款組合中的潛在風險，從而有效預防和減少違約事件的發生。

財務指標的異常變化是企業經營變化和違約的重要預警信號

這一觀點在實證分析中得到了驗證，通過總結違約企業的財務指標惡化情況，可揭示共性和警戒線。同花順的數據顯示，在2014年至2023年期間共有821筆債券發生違約，其中涉及上市公司的債券違約211筆，占總數的25.79%，本文選擇以上市公司作為分析樣本，這些公司在2018年至2022年間首次違約的債券共有204筆，占總樣本的96.6%。通過對這些上市公司的財務指標進行深入分析（見表1），發現違約企業在違約當年的財務狀況普遍存在幾個關鍵問題：資產負債率偏高、流動性差、營業收入增長緩慢、盈利能力不足、融資結構依賴短期融資。具體來看：

資產負債率偏高：首次違約當年，96%的企業的資產負債率超過了50%，而且約80%的違約企業的資產負債率集中在50%至100%的區間。此外，70%的違約企業中長期負債占比較低，未能達到30%的標準。

流動性差：在首次違約時，90%的樣本企業的流動比率低于1.5，70%的樣本企業的速動比率低于0.5，這反映出這些企業在短期內償還債務的能力嚴重不足。

營業收入增長及盈利能力不足以支撐債務：99%的樣本違約企業在過去5年的營業收入復合增長率低于10%，這表明其增長潛力受限。同時，94%的樣本企業的EBIT（息稅前利潤）/利息覆蓋率低于5倍，這進一步凸顯了其在盈利能力上的不足，難以滿足利息支出的需求。

依賴短期融資：違約企業中合計90%的違約長期負債占比40%以下。長期融資能力弱導致企業在經營困境中韌性不足。

筆者計算了相關財務指標的均值及平均偏差。得出的WPS軟件的智能數據分析圖顯示，樣本企業的財務指標非正態分布，偏差值甚至超過了均值，這一發現進一步證實了財務指標的異常變化對于預測企業違約具有重要價值。

因此，銀行在信貸審批及風險管理中，應高度重視這些關鍵財務指標，將它們作為評估企業信用風險的重要指標。通過對這些指標的持續監測和分析，銀行可以更早地識別潛在的違約風險，并采取相應的預防措施，從而有效降低信貸資產的損失。

微觀層面，經營策略的重大變化、錯誤的投資及并購決策也是企業違約特征。

光大證券研報“多樣化違約背景下的風險防范——2020年上市公司違約特征總結”論證了，經營策略的調整、投資決策的失誤以及并購行為的不當，是企業違約的直接誘因。企業面臨的市場競爭日益激烈，盈利能力下降，這往往迫使企業采取更為激進的經營策略以求突破。然而，若這些經營策略或投資與并購決策建立在錯誤分析之上，企業便可能陷入更深的財務困境，最終導致違約。以蘇寧易購為列。2018年至2019年間，公司進行了一系列的擴張和并購，但并未帶來預期的效益，反而導致蘇寧易購從2019年第四季度起經營持續惡化，并對家樂福中國計提商譽減值準備10億元，導致其2020年至2021年巨額凈虧及財務危機。2021年末，蘇寧易購逾期未還的銀行等金融機構本息高達191.05億元，涉及供應商和應付票據等上下游公司的應付款項逾期達328.93億元。

強監管下商業銀行的貸后管理的制勝之道

宏觀經濟與行業研究的重要性

在強監管環境下，商業銀行必須加強對宏觀經濟和行業趨勢的研究。首先，通過分析宏觀經濟指標，包括先行、同步與滯后指標，銀行能夠預判行業變化趨勢和生命周期。此外，行業盈利能力作為關鍵指標，不僅反映了企業的經營狀況，也是現金流穩定性的重要標志。因此，銀行需要深入分析行業營收增長速度、新增投資等背后的驅動因素，從而更好地理解其對違約風險的影響。

行業策略與授信指引的制定。進一步地，銀行應制定明確的行業策略和授信指引，確立鼓勵性和退出性行業及業務的準入標準。例如《商業銀行信貸管理：問題透視與對策建議——基于“無錫尚德”的案例》中提到，光伏行業在次貸歐債危機后面臨出口國補貼減少、產業過剩及利潤下降的挑戰，但相關銀行未能及時調整策略，導致風險累積。因此，銀行應避免向產能過剩的行業繼續投放信貸，并建立定期行業跟蹤和壓力測試機制，以評估行業政策調整對授信企業的影響。

貸后管理的監測與預警系統。此外，銀行需要建立一個全面的貸后管理監測與預警系統。這包括對企業的產品銷量、市場份額、行業排名等微觀層面的監測，以及對宏觀經濟、行業政策變化等宏觀層面的分析。通過這些數據，銀行可以及時發現風險信號，并采取相應的風險管理措施。

行業研究中心的建立與作用。建立行業研究中心將為銀行提供實時的行業政策發布和動態信息，使銀行能夠及時制定和調整鼓勵性行業策略，優先布局具有優質資質和成長潛力的企業。這不僅有助于銀行優化資產結構，也是提高預判風險制勝的關鍵。

數字經濟與人工智能在銀行風險管理中的應用

微觀層面的貸后管理監測。在數字經濟時代，銀行的貸后管理策略須適應新的技術環境，企業的產品銷量、市場份額、行業排名等微觀指標成為評估企業信用狀況的關鍵。銀行須密切關注企業經營策略、財務健康度、股權融資情況，以及集團內部風險關聯。這些因素在企業成長的不同階段，尤其是在經濟和行業環境不斷變化的背景下，對企業信貸風險有著直接影響。

宏觀經濟數據的整合與應用。銀行應整合宏觀經濟數據，如產品價格、企業稅收、物流、投資和招聘信息，以及上下游企業的經營動態，來構建全面的企業信用檔案。利用大數據技術，銀行能夠持續監測并驗證企業的財務數據，提高風險評估的準確性。

人工智能和區塊鏈技術的應用，為銀行業提供了新的風險管理工具和方法，不僅提高了風險管理效率，也為銀行業務創新和服務升級提供了支持。

財務預測模型與監測預警體系的建立。銀行必須建立財務指標的預測模型，設立監測預警線，以流動性、現金流、償債能力等關鍵指標為重點。通過在信貸系統中設置警戒紅線，銀行能夠及時識別借款人及擔保人的財務異常，采取必要的風險控制措施。

此外，非財務性因素，如企業戰略的合理性、公司治理、管理層穩定性和重大訴訟行政處罰等，也是影響企業信用狀況的重要因素。通過這些指標定期打分檢視，銀行能夠提升風險管理的前瞻性和響應速度，確保資產質量，促進穩健經營。

預警前瞻性、財務約束及風險管理有效性

風險演變與預警的及時性

風險的積累和演變是一個分階段的過程，不同階段可采取的處置手段和空間大相徑庭。銀行五級風險資產的分類變化是一個動態過程。企業一旦經營惡化，持續虧損，現金流不足，往往會迅速導致同業壓縮貸款或退出，加劇企業的經營困境。若進入違約階段，企業可能徹底失去自我融資能力，觸發連鎖反應，包括信用評級下調、重大訴訟和財務狀況進一步惡化等。尤其在經濟下行周期，處置資產的時間長，訴訟成本高，拍賣回收過程中可能遭受損失。因此，在加強監管的背景下，及時且準確地發起預警并采取措施至關重要。

預警指標的多維度構建

銀行的預警指標應涵蓋行業景氣度指標、財務指標、經營指標、關聯方風險、押品風險、資本市場風險以及項目底層資產風險等多個維度。然而，在實際操作中，一些銀行可能因重視貸款而忽視了風險管理，導致客戶經理在業績考核壓力下，貸后管理部門在支持業務發展考慮下，延遲采取風險控制措施。鑒于財務指標的滯后性，能否及時執行預警并調整評級成為一項重要挑戰。

建立速度與質量、規模與結構的協調發展的風險文化

銀行家周吉（2013）在《加拿大銀行風險管理體系對農業銀行的啟示》中提出，“銀行應樹立風險、資本、成本的約束觀念，追求在風險可控的前提下實現內涵式增長”。這意味著在減少經濟資本占用、降低運營成本的同時，追求更高的價值回報。銀行高層應建立注重速度與質量、規模與結構協調發展的風險文化，預判性地投放信貸資產。

建立高效信息傳遞和大數據動態評估機制

銀行風控部門管理者應以對風險的敬畏之心，利用大數據進行宏微觀監測，以資本約束、價值創造和組合管理為原則，加強動態化風險監測，強化全行的風險管理宣傳，建立高效的信息傳遞機制，完善各道防線，并配套相應的考核機制及獎懲制度。在經濟下行及風險壓力加大的環境中，應積極主動地監測和采取措施，展現出色的風險管理能力，提升風險管理的前瞻性和有效性，確保在復雜多變的經濟環境中穩健運營。在下行及風險壓力加大的經濟環境下彰顯優秀風險管理者的本色，積極的前瞻性策略與有效的風險管理將為銀行資產保駕護航。