預期信用損失模型在我國的應用與建議

【摘要】2017年， 我國財政部修訂發布《企業會計準則第22號——金融工具確認和計量》， 引入具有前瞻性的預期信用損失模型。本文發現， 我國商業銀行采用預期信用損失模型后貸款撥備計提顯著提升， 這有效地緩解了已發生損失模型下貸款撥備計提不及時、 不充分的問題， 但是也導致部分商業銀行存在超額計提撥備和隱藏利潤的問題。此外， 在我國現階段宏觀經濟下行背景下， 銀行因使用預期信用損失模型并沒有帶來顯著的貸款撥備逆周期效應， 順周期效應風險依然存在。結合我國商業銀行預期信用損失模型的應用情況， 本文認為現階段還存在準則要求偏原則化、 逆周期性有待檢驗、 會計信息可比性降低、 容易誘發盈余管理、 會計準則與審慎監管存在分歧等問題和挑戰。基于此， 本文從銀行界與會計界溝通協調、 會計準則完善和銀行部門應用等角度提出幾點建議。

【關鍵詞】預期信用損失模型；商業銀行；順周期性；盈余管理

【中圖分類號】F235.2" " " 【文獻標識碼】A" " " 【文章編號】1004-0994（2024）24-0051-4

在傳統的已發生損失模型下， 銀行僅在客觀證據表明已發生信用減值時才能計提貸款撥備， 而不考慮未來可能出現的損失， 這會導致銀行在經濟上行期貸款撥備計提不及時、 不充分， 而在經濟衰退期快速、 大幅計提貸款撥備。因此， 已發生損失模型會導致銀行貸款撥備計提具有經濟順周期性， 即在經濟上行期計提的貸款撥備可能被低估， 而在經濟下行期計提的貸款撥備可能被高估， 對金融資產實際損失形成負反饋， 不利于維持金融體系穩健性。已發生損失模型的反饋效應和順周期效應放大了經濟波動， 容易引發系統性風險， 在2008年全球金融危機中起到了推波助瀾的作用。在此背景下， 國際會計準則理事會（IASB）修訂和完善了金融資產減值損失模型的會計準則， 在2014年發布的《國際財務報告準則第9號——金融工具》（IFRS 9）中引入預期信用損失模型， 我國財政部于2017年修訂發布了《企業會計準則第22號——金融工具確認和計量》（CAS 22）以實現趨同。本文分析了預期信用損失模型在我國商業銀行中的應用情況和存在的問題， 并提出了針對性建議。

一、 預期信用損失模型的內涵

預期信用損失是指以信用資產預期違約概率為權重、 預期違約損失為因子計算的加權平均損失值。在預期信用損失模型一般方法下， 銀行根據金融工具初始確認后的信用風險及其變化情況， 將金融工具劃分為三個階段， 進而基于違約風險敞口（EAD）、 違約概率（PD）和違約損失率（LGD）三個參數計算金融工具貸款減值準備（LLR）， 即LLR=EAD×PD×LGD。已發生損失模型和預期信用損失模型的計量效果如圖1所示。

對于處于第一階段信用風險未顯著增加的金融工具， 在預期信用損失模型下， 違約概率取12個月內評估值p1， 按照12個月的預期信用損失的金額計提減值準備； 在已發生損失模型下， 違約概率為零， 不計提減值準備。

當金融工具信用風險顯著增加時， 將從第一階段遷移至第二階段， 在預期信用損失模型下， 違約概率取整個存續期評估值p2， 并按照生命周期預期信用損失的金額計提減值準備。這將導致信用風險損失大幅增加， 產生“峭壁效應”。以表1中存續期為10年、 初始信用評級為Baa3的債券為例， 作為第一階段的債券， 僅參考1年期違約概率0.22%計提減值準備， 當信用評級下調至Ba1級時， 債券被劃分為第二階段， 對應的違約概率并非小幅增長至0.41%， 而是大幅增長至8.5%。對于這一階段的金融工具， 已發生損失模型下違約概率為零， 不計提減值準備。

對于處于第三階段已發生減值損失的金融工具， 預期信用損失模型下按照生命周期預期信用損失的金額計提減值準備。除發生階段轉換外， 已發生損失模型下也會產生一致的結果。

由此可見， 已發生損失模型在損失事件發生前不需要計提減值準備， 在損失事件發生之后計提存續期減值準備， 導致貸款撥備陡增， 產生了所謂的“懸崖效應”。預期信用損失模型在損失事件發生前即計提了未來預期損失， 貸款撥備計提得更早、 更多， 能夠有效緩解已發生損失模型下的“懸崖效應”。

二、 預期信用損失模型對我國商業銀行貸款撥備計提實務的影響

1. 貸款撥備計提的充分性與及時性。本文選取2018年首批實施CAS 22的4家大型銀行和4家股份制銀行為樣本， 通過對比樣本銀行2017年末與2018年初貸款減值準備金余額， 分析僅由模型轉換造成的銀行貸款撥備差異。由圖2可知， 因預期信用損失模型的使用， 樣本銀行調增了2018年初貸款減值準備金， 樣本銀行發放貸款及墊款的準備金計提比例平均提升了0.41個百分點， 其中招商銀行提升了1.42個百分點。

2. 貸款撥備的順周期性。圖3列示了商業銀行貸款撥備率與GDP增長率變化趨勢。排除2008 ～ 2009年全球金融危機以及2020 ～ 2022年疫情的極端影響后分析發現， 2010 ～ 2019年GDP增長率由10.64%逐年下降至5.59%， 貸款撥備率卻由2.49%逐年上升至3.46%， 二者變化趨勢呈負相關關系， 即隨著經濟下行， 銀行貸款撥備增多。以上數據表明， 我國商業銀行貸款撥備計提與經濟發展存在較為顯著的順周期性特征。2019年以來， 由于預期信用損失模型實施觀測期間較短以及疫情的影響， 預期信用損失模型對貸款撥備順周期性影響的證據尚不充分。理論上， 預期信用損失模型應該能夠緩解貸款撥備順周期性。然而， 前文研究發現我國商業銀行2018年因使用預期信用損失模型， 計提的貸款減值準備金增加。這可能是政策調整導致的短期效應， 但是， 也可能加劇經濟下行期貸款撥備順周期性。

3. 貸款撥備與盈余管理。根據財政部2019年發布的《金融企業財務規則（征求意見稿）》， 銀行貸款撥備在國家規定最低標準2倍以上的即視為存在隱藏利潤的傾向。在下文的分析中， 筆者以150%的貸款撥備覆蓋率監管要求為基準， 并以其2倍為分界線， 分析銀行貸款撥備與盈余管理問題。從截面數據分析， 2023年我國商業銀行貸款撥備覆蓋率最高的前十名銀行中， 貸款撥備覆蓋率均遠超300%， 最低為786.64%①。即使是在公司治理和風險管理等方面較強的A股上市銀行中， 2023年貸款撥備覆蓋率超過300%的銀行也高達20家②， 占比為47.62%。從時間序列角度分析（見表2）， 2010 ～ 2023年我國商業銀行中貸款撥備覆蓋率超過300%的銀行平均占比為36.86%， 2015 ～ 2023年基本呈遞增趨勢。其中， 自2018年預期信用損失模型陸續執行以來， 這一比例顯著上升。以上數據說明， 我國部分商業銀行貸款撥備遠超不良貸款規模。如果銀行貸款五級分類較為準確、 客觀， 這一現象的出現就意味著我國部分商業銀行存在超額計提貸款撥備和隱藏利潤的問題。

三、 我國商業銀行現階段面臨的問題與挑戰

2022 ～ 2024年IASB評估了IFRS 9中金融工具減值會計處理規定的影響是否與準則制定初衷相一致。根據2024年7月發布的實施后審議項目報告和反饋意見公告， IASB認為預期信用損失模型的執行情況與預期一致， 但是還存在一定的問題， 比如在某些方面需要進一步澄清并提供應用指南， 并且需要對信用風險的披露要求進行針對性的改進， 以進一步提高財務信息的有用性。結合我國商業銀行預期信用損失模型的應用情況， 本文認為現階段還存在以下問題和挑戰：

1. 準則要求偏原則化。CAS 22對預期信用損失模型的相關規定過于原則化， 缺乏明確的操作指引。例如， “信用質量顯著惡化”“違約”等重要概念對于金融工具階段劃分和預期信用損失計量至關重要， 界定不當會導致貸款減值準備出現“峭壁效應”（見圖1）。但是， CAS 22未給出確切含義、 做出明確界定， 而是賦予主體自由裁量權， 要求主體在計量時根據具體實際情況進行定義。這可能會在一定程度上降低貸款撥備與貸款信用風險之間的關聯， 不利于會計信息質量的提升。

2. 逆周期性有待檢驗。預期信用損失模型理論上能提高貸款撥備計提的及時性和充分性， 緩解貸款撥備順周期性。本文研究發現， 預期信用損失模型的使用增加了我國商業銀行貸款撥備計提金額， 使貸款撥備計提更加充分和及時。但在我國現階段宏觀經濟承壓的背景下， 貸款撥備的這一變化表明， 預期信用損失模型可能沒有起到顯著的逆周期調節作用。此外， 預期信用損失模型要求在觸發事件發生前計提貸款撥備， 這將影響銀行損益和核心資本， 在經濟環境變化時可能造成巨大波動。

3. 會計信息可比性降低。一是CAS 22未能明確界定“信用質量顯著惡化”等關鍵概念， 不同銀行、 不同金融工具有不同的解釋和判斷。二是根據CAS 22的要求， 報告主體在進行相關評估時應當考慮前瞻性信息， 但是不同銀行之間前瞻性指標選取和預測情況的可比性較低。根據對42家上市銀行的分析（見表3）， 不同銀行所使用的前瞻性指標有明顯不同； 以使用最廣泛的GDP指標為例（見表4）， 不同銀行對同一指標的預測情況也存在顯著差異。

4. 容易誘發盈余管理。預期信用損失模型的原則導向導致很多關鍵概念缺乏明確界定， 主觀性較強， 可操控空間大， 過度依賴會計人員的專業判斷， 容易誘發管理層通過貸款撥備進行盈余管理甚至利潤操縱的行為， 也加大了審計與會計監管的難度。同時， 預期信用損失模型要求銀行分期確認利息收入， 但在初始確認時就要計提未來12個月或者全生命周期預期信用損失。這種確認損失比確認收益更及時（條件穩健性）的行為會導致損失與收益的錯配， 使會計利潤降低和資本積累減少。為緩解這一問題， 銀行可能改變對其他收入確認的穩健性， 從而提升提前確認其他收入的風險（Qiang和Wang，2024）。

5. 會計準則與審慎監管存在分歧。一方面， 在預期信用損失模型實施中， 銀行會應用在風險及資本管理中使用的模型和數據， 但二者在審慎性上仍存在本質區別。CAS 22第五十八條規定， 報告主體應以無偏的方式計量金融工具的預期信用損失， 強調會計信息忠實反映經濟實質； 與CAS 22提出的“無偏”原則相比， 風險及資本管理實務目前在模型和數據中往往都已嵌入了某種程度的固有審慎因素。對此審慎因素進行全面識別， 并評估其對CAS 22實施的影響， 很可能是一項高難度工作。另一方面， 在審慎監管原則下， 銀行監管部門鼓勵銀行審慎評估信用風險、 積極計提貸款撥備， 并設置了監管指標對銀行貸款撥備的充分性進行評估。這無疑會影響銀行貸款撥備管理決策， 可能降低CAS 22實施和貸款撥備計提的有效性。而且， 會計準則和監管標準對于貸款損失準備的口徑不完全一致， 計提方式也有所不同。這些差異會加大銀行貸款撥備處理難度， 不利于信息使用者理解和使用信息， 也提升了監管成本。

四、 幾點建議

1. 強化銀行界與會計界之間的溝通協調。會計部門與銀行監管部門對于銀行貸款撥備的管理目標不同， 處理要求也存在一定差異（丁友剛和岳小迪，2009）， 導致銀行貸款撥備管理更加復雜， 使市場參與者對未來的預期具有較大的不確定性。在預期信用損失模型推進過程中， 2022年中國銀保監會根據財政部發布的《企業會計準則》等進一步印發《商業銀行預期信用損失法實施管理辦法》， 有效提升了預期信用損失法的實施水平， 也為會計撥備和監管撥備協調一致提供了基礎。

CAS 22的預期信用損失模型具有一定的逆周期性， 這與銀行監管部門通過動態撥備實現宏觀審慎逆周期調節的作用結果類似， 但是兩個部門對貸款撥備的管理目標和操作要求還存在分歧， 建議加強會計界與銀行界之間的溝通。一方面， 采取多方面的綜合防范措施， 著力增強銀行抵御風險、 管理風險的能力， 避免相關會計準則的過度妥協（丁友剛和王彬彬，2017）。另一方面， 逐步消除兩個部門對銀行貸款撥備的操作要求的分歧。

2. 進一步完善相關會計準則。

（1） 審慎使用會計謹慎性原則， 提高會計準則要求的一致性和會計信息可靠性。引入預期信用損失模型除了導致金融工具準則的修改， 還將影響整個會計準則體系的內在一致性與邏輯嚴密性（王菁菁和劉光忠，2014）。《企業會計準則——基本準則》第十八條提出了謹慎性要求， 即不應高估資產或者收益、 低估負債或者費用； CAS 22第五十八條規定， 報告主體應以無偏的方式計量金融工具的預期信用損失。這兩者存在內在不一致性。因此， 本文建議完善現有會計準則體系， 審慎使用會計謹慎性原則， 提高會計準則要求的一致性和會計信息可靠性。

（2） 進一步強化貸款減值損失的確認標準， 細化對預期信用損失法的指引， 提高預期信用損失模型應用的一致性和會計信息可比性。加強對金融資產定價技術的研究， 從嚴控制估值技術的應用范圍和使用條件， 避免在會計準則原則化的趨勢下賦予管理層過大的自由裁量權。鼓勵或要求優先使用報告主體以外的資料和數據， 增強數據的客觀性和可比性， 同時降低數據處理的復雜性， 并減少管理層主觀判斷。

（3） 完善并強化貸款撥備相關信息的披露。管理層在應用預期信用損失模型時有較大的自由裁量權， 同時使用了較多的前瞻性信息和主觀判斷， 給信息使用者的決策帶來了挑戰。一方面， 建議完善貸款撥備相關信息的披露要求， 為利益相關者提供充分的決策相關信息。另一方面， 建議要求銀行提供更充分的文件佐證， 為銀行貸款撥備計提的合理性、 可靠性提供證據， 以約束管理層的人為操縱行為。

3. 提高銀行預期信用損失模型應用能力。大型商業銀行運用預期信用損失模型的條件較為成熟， 但是眾多中小銀行在持續評估信用風險的模型、 流程、 數據和人才等方面還面臨挑戰（黃世忠，2015）。本文建議：

（1） 商業銀行基于自身實際， 結合新的監管政策和準則理念， 在團隊建設、 流程和制度完善、 數據采集和更新、 系統開發建設等方面做好相應安排， 建立能匹配自身業務特點、 信用風險特征和風險管理能力的預期信用損失模型。同時， 加強會計人員和管理人員的培訓， 以及風險管理部門與會計部門的合作， 培養復合型會計人才。

（2） 商業銀行在風險管理中會積累大量數據， 可以進一步探索使用機器學習算法從大量數據中提取特征， 減少管理層在估計和預測過程中面臨的數據處理能力約束及人為操縱等的影響， 挖掘出更多的有益信息來減少數據證據與模型證據之間的差異。

（3） 商業銀行需要充分揭示風險、 準確計量風險， 持續提升風險管理能力。一方面， 積極應用金融科技等新技術提升風險管理能力， 如通過機器學習算法提高風險識別的效率和準確性、 利用區塊鏈技術保障數據的安全性和不可篡改性等。另一方面， 逐步探索如何將更多非傳統風險納入風險管理范圍， 如氣候風險。氣候風險與銀行資產質量和穩健運營息息相關， 不僅會影響融資需求， 還是銀行研發綠色金融產品不可忽視的因素。銀行在應用預期信用損失模型時應系統考慮氣候風險， 并結合氣候壓力測試情況優化風險計量模型。

【 注 釋 】

① 數據來自國泰安數據庫。前十名銀行及其貸款撥備覆蓋率具體情況如下：瑞穗中國3732.22%，匯豐中國1558%，德化聯社1384.67%，平潭農商銀行1069.46%，惠安聯社922.22%，邵武聯社868.73%，將樂聯社862.15%，尤溪聯社804.64%，東山聯社797.15%，上杭農商銀行786.64%。

② 杭州銀行、常熟銀行、蘇州銀行、無錫銀行、成都銀行、寧波銀行、蘇農銀行、招商銀行、張家港行、廈門銀行、江陰銀行、滬農商行、江蘇銀行、渝農商行、南京銀行、郵儲銀行、長沙銀行、瑞豐銀行、農業銀行和齊魯銀行。

【 主 要 參 考 文 獻 】

丁友剛，王彬彬．貸款撥備：從“已知的未知”到“未知的未知”？［ J］．會計研究，2017（9）：29 ～ 34+96．

丁友剛，岳小迪．貸款撥備、會計透明與銀行穩健［ J］．會計研究，2009（3）：31 ～ 38+94．

黃世忠．金融工具前瞻性減值模型利弊評析［ J］．金融會計，2015（1）：42 ～ 45．

王菁菁，劉光忠．金融工具減值預期損失模型的演進與會計準則體系變遷——兼評IASB《金融工具：預期信用損失》征求意見稿［ J］．會計研究，2014（5）：37 ～ 43+94．

Qiang X.， Wang J.. The Effect of the Current Expected Credit Loss Model on Conditional Conservatism of Banks and Its Spillover Effect on Borrower Conservatism［ J］．The Accounting Review，2024（6）：389 ～ 420．

（責任編輯·校對： 陳晶" 喻晨）

DOI：10．19641/j．cnki．42-1290/f．2024．24．008

【基金項目】國家自然科學基金項目“稅收征管數字化對企業財務決策影響的反饋效應與溢出效應”（項目編號：72202195）