预期信用损失模型在银行业的实践研究

周伶敏 天健会计师事务所（特殊普通合伙）湖南分所

一、新金融工具会计准则概述

财政部2017年3月发布了《企业会计准则第 22 号—金融工具确认与计量》在内的三项金融工具会计准则，将金融资产分类规则从原准则下的“四分类”改为“三分类”。同时，金融工具减值的计提方法由“已发生”损失法改为“预期信用”损失法。金融工具在初始确认时就要考虑预期信用损失，在每个资产负债表日评估相关金融工具的信用风险自初始确认后是否已显著增加，将金融工具发生信用减值的过程分为三个阶段，并引入了前瞻性调整。

二、上市银行减值计提披露情况

笔者选取了38家已上市银行的2020年年度报告，并对上市银行在年报中披露的预期信用损失模型进行研究。

（一）预期信用损失模型所采用的方法

38家上市银行披露的年度报告显示，绝大部分银行在计算减值时采用的方法为风险参数模型法，即预期信用损失（ECL）是违约概率（PD）、违约损失率（LGD）及违约风险敞口（EAD）三个关键参数的乘积加权平均值。除此之外，少部分银行对特定种类的贷款使用了现金流折现模型法（DCF法）。上市银行使用现金流折现模型法均是针对阶段三的金融资产，具体范围如表1所示。

表1

（二）信用风险显著增加、是否发生信用减值的判断标准

准则规定若合同付款逾期超过30天，通常可以推定金融资产的信用风险显著增加，若金融工具逾期超过90日，应当推定该金融工具已发生违约，这两项规定虽可推翻，但笔者查阅了上市银行的披露情况发现，除了华夏银行、张家港行、江阴银行之外，其他所有上市银行披露的定量标准或上限标准中均明确将逾期超过30日作为信用风险显著增加的判断标准之一。华夏银行将本金或利息发生逾期、张家港行将信用卡业务和债券投资发生逾期作为信用风险显著增加的判断标准，比准则规定的逾期超过30日更严格。除了宁波银行、江阴银行、常熟银行之外，其他所有上市银行均明确披露将逾期超过90天作为已发生信用减值的考虑因素。上市银行除披露逾期天数作为判断标准之外，20家银行还将五级分类划分为关注也作为信用风险显著增加的判断标准，7家银行还将五级分类划分至次级、可疑、损失（即为不良）作为已发生信用减值损失的考虑因素，这与银行内部的管理更贴合，值得其他非上市银行借鉴。

（三）前瞻性调整依据的关键经济指标

笔者对上市银行2020年报披露的关键经济指标进行研究发现，2020年上市银行频繁使用的宏观指标与孙娜、朱亮、查逸芳（2020）统计的2018年报结果一致。2020年上市银行分别有27家、25家、13家、11家和10家披露提及了国内生产总值、居民消费价格指数、货币供应量 M2、工业增加值和生产价格指数。

上市银行对宏观经济指标池的各项指标定期进行预测，通过构建回归模型，确定这些经济指标历史上与违约概率之间的关系，并通过预测未来经济指标确定预期的违约概率。结合宏观数据分析及专家判断结果确定乐观、基准、悲观的情景及权重，从而计算预期信用损失准备金。

三、构建预期信用损失模型的具体思路

非上市银行在构建预期信用损失模型时可借鉴上市银行的方法，采用风险参数模型法和现金流折现模型法（DCF法）计提金融资产减值。

DCF法需要逐笔预测未来现金流量，该方法下ECL =∑各情景ECL×各情景权重。该方法要考虑不同情景下的未来现金流入金额及时间，并折现后加总，获得资产未来现金流入的现值，由此计算该情景下的ECL，再由专家对不同情景赋予权重，从而计算出各情景下的ECL。

DCF法主要是预测各项资产的未来现金流，本文着重阐述如何构建风险参数模型法计提预期信用损失。风险参数模型法下，ECL =∑各情景（前瞻性调整后PD×LGD×EAD）。

（一）违约概率PD的计算

根据上市银行披露结果，违约概率主要使用三种方法计算。针对信贷类资产主要是以内部评级模型结果为基础和以逾期天数转移矩阵结果为基础计算前瞻性调整前PD，再加入前瞻性信息计算得到前瞻性调整后PD；针对债券类资产，主要通过外部评级映射到主标尺并考虑前瞻性调整得到前瞻性调整后PD。

1.根据评级结果映射得到PD

信贷类资产采用内部评级模型和债券类资产采用外部评级模型的情况下，银行都需要根据评级结果映射得到违约概率。内部评级要求商业银行已具备成熟的内部评级模型，外部评级则一般可以取公开的评级结果，如穆迪、标普等专业评级公司的评级结果，通常可以从wind中进行取数。根据使用内部评级模型的上市银行披露情况，银行对每个评级结果会匹配特定范围的违约概率，且在一段时间内保持稳定，银行会定期对评级的方法进行验证和重新校准。

2.逾期天数转移矩阵结果计算PD

若以逾期天数转移矩阵结果计算PD，银行应根据资产类型、业务品种、行业、担保方式等特征划分资产组后，以业务系统中该类资产组逾期天数区间分类在一定期间的变化情况进行分析，统计出逾期天数各区间分类在一定期间内滚动至其他区间分类的概率情况，最终计算得出的矩阵即为该类资产组一定期间的迁徙矩阵。该期间可以选择月度，季度或半年度，若银行仅取一个期间计算迁徙矩阵可能会导致数据波动较大，故建议银行选择多个期间计算迁徙矩阵避免数据波动过大。如，银行根据历史相邻月度数据计算生成月度矩阵后，取算术平均值生成月度平均迁徙矩阵，再将月度平均迁徙矩阵的12次方为一年期的迁徙矩阵。对于整个存续期PD，银行可基于12个月PD结果进行开发，也可开发独立的存续期违约概率模型。如浙商银行披露显示根据12个月PD用Markov链模型推导出整个存续期PD。

表2为计算的贷款客户逾期天数区间分类迁徙结果示例：

表2

下表3为根据表一计算生成客户由一月前迁移至测算时点的PD：

表3

3.前瞻性调整

银行根据历史数据计算出PD后，该PD仅为实际发生的违约概率，根据新金融工具准则的规定，减值需根据未来可能发生的违约概率计算，因此银行还应将历史实际发生的PD进行前瞻性调整，预测出未来的违约概率。建议非上市银行参照上市银行选取相应的宏观经济指标构建回归模型，确定这些经济指标历史上与违约概率之间的关系，并通过预测未来经济指标确定预期的违约概率。

（二）违约损失率LGD

根据上市银行披露情况，在计算LGD时主要有如下几种方案：1.存在历史清收数据的情况下，结合历史实际损失金额计算LGD，同时参考风险分类结果或者根据宏观经济的前瞻性进行调整，得到新准则下适用的LGD。2.对于不存在历史清收数据的LGD，参考同业经验及监管系数，并结合专家判断综合确定。

历史数据测算法是对具有类似信用风险特征的资产组合，逐笔统计违约资产的回收金额和回收时间，计算该资产组合的违约损失情况。

若不存在历史清收数据，银行可参考同业经验及监管系数判断确定。根据笔者实践经验，监管系数可依据银监会《商业银行资本管理办法（试行）》规定“非零售风险暴露中没有合格抵质押品的高级债权和次级债权的违约损失率分别为45%和75%”进行设置。

（三）违约风险敞口EAD

EAD是指预期违约时的表内和表外风险暴露总额，敞口大小考虑了本金、利息、表外信用风险转换系数等因素。在计算表外贷款承诺和财务担保时需要考虑使用表外信用风险转换系数。表外信用风险转换系数可以参考报送银监的G4B-2表外信用风险加权资产计算表（权重法）设置。

除兴业银行、郑州银行和重庆银行之外，其他上市银行针对EAD未做详细披露，笔者根据准则的规定、上市银行的披露情况并自身结合实践经验，建议非上市银行在计算EAD时，可根据划分的阶段情况分别计算EAD。

在计算阶段一的EAD时，只需要评估未来12个月内的情况，EAD无需考虑现金流折现，EAD应等于剩余本金和实际应收利息之和，应收利息包含正常应收利息、罚息、复利。

在计算阶段二的EAD时，需评估整个存续期内的情况，因此银行需考虑是否有还款计划并折现。若有还款计划的资产，在计算EAD时，EAD应等于逾期本金、逾期利息、正常的未来的现金流折现之和。

在计算阶段三的EAD时，虽要评估整个存续期内的情况，但因金融工具已违约，再用合同约定的还款计划去预测未来现金流会与实际情况产生偏差，且也难以准确预测未来现金流金额和时间，因此建议银行在计算阶段三的EAD时采用与阶段一的相同方法。

四、结语

ECL 模型的复杂性需要银行准确理解模型中的关键点，合理运用会计判断和估计。执行新金融工具准则需要较高的技术支持和决策支撑，这对银行关键财务和管理人员的素质提出了更高的要求，建议银行加强人才队伍培养，加深关键财务和管理人员对新准则的理解消化，加强跨部门、跨业务条线的沟通协作，从而建立、完善ECL模型。