预期损失模型在我国商业银行的应用研究——基于江苏省上市银行数据

杨川

（中国人民银行南京分行 江苏南京 210000）

2008年的金融危机使得国际会计准则备受争议，其规定的金融资产的计量分类过于复杂、减值计量过迟过少，存在顺周期性问题，加大了金融行业系统性风险，为此国际会计准则理事会于2014年7月修订发布了第九号“国际财务报告准则”（IFRS 9）。为实现准则持续全面趋同，同时也为解决金融工具相关会计实务问题，我国财政部于2017年3月修订了金融工具相关准则，涉及大部分业务及产品，引入的预期损失模型彻底改变了减值计量方式和时间，商业银行财务报表也随之出现明显的变化和波动。

一、新准则预期损失模型主要变化

（一）扩大了减值计提范围。所有以摊余成本（AC）计量和以公允价值计量且其变动计入其他综合收益（FVOCI）的金融资产（不包含股权类金融工具）均要计提信用损失准备，同时以公允价值计量且其变动计入当期损益（FVTPL）的贷款承诺、财务担保合同及同业资产也纳入了减值计提范围，计提范围明显扩大。

（二）划分了三阶段信用风险判定。一般商业银行按照信用风险显著情况，依据五级分类、逾期天数、评级结果等信息对客户进行阶段判断，分为信用风险未显著增加、信用风险显著增加、已发生信用减值三个阶段。

（三）引入了前瞻性调整。预期信用损失模型要求风险管理人员除了考虑借款人本身经营状况、信用状况、存续期等影响因素，还需加入宏观经济走势和行业发展等前瞻性考量。

二、我国商业银行模型应用情况——以江苏省内上市法人银行为例

本文主要对江苏辖内上市法人银行①江苏省上市法人银行机构共9家，包括：3家城商行：江苏银行、南京银行、苏州银行，6家农商行：紫金农商行、苏州农商行、常熟农商行、张家港农商行、无锡农商行、江阴农商行。开展调研，主要有两类模型：

（一）巴塞尔模型。样本内银行8家均基于巴塞尔模型，再根据不同的产品种类设置不同的参数和具体细分测算模型。模型具体计算方法为：预期信用损失（ECL）=违约概率（PD）×违约损失率（LGD）×风险暴露（EAD）。计算时需综合考虑前瞻性调整系数的影响。

（二）“单项评估+组合评估”综合评估模型。该模型中组合评估部分也是在巴塞尔模型框架下进行设计，总计算公式如下：预期信用损失总额（ECL）=单项预期损失金额+组合预期损失金额。

其中，单项预期损失金额计算如下：对划分为第三阶段且金额重大和第二阶段且金额重大的金融资产，采用以下模型逐笔预测未来现金流量：ECL=∑各情景ECL×各情景权重。在预计金融资产的回收时，要考虑不同情景下（一般、乐观、情况）的未来获偿现金流量金额及发生时间的预计结果，并对不同情景预计予以情景赋权。组合预期损失金额计算如下：对于纳入减值集体范围的金融资产，如果未纳入单项计提损失模型范围，则采用组合方法计提计算，此部分也是运用巴塞尔模型：ECL=PD×LGD×EAD。

三、新准则实施和预期损失模型应用对商业银行的影响

（一）整体影响。

1.内设部门及职能分工的变化。多家银行为推动预期损失模型运用，统筹行内各部门，协调发挥作用，少则涉及计划财务部（准备核算和信息披露）、风险管理部（减值模型和参数设计）、金融科技部（系统支持）三个部门，多则扩大到资产保全部（损失数据收集、不良核销），个别银行如苏州农商行还新设了风险管理委员会。

2.会计核算要求及相关制度办法变化。一是修订相关的会计制度、会计核算管理办法、会计核算实务手册；二是新拟定有关金融资产分类、金融工具财务估值、准备金计提的管理办法。

3.系统的升级、新增。从已发生损失法过渡到预期损失法，将直接增加会计核算难度，现有数据库等设施不能完全满足新减值模型的需求，需要对各项业务系统进行了或新建（一般包括财务估值系统和减值系统），或升级（一般包括同业系统、资金管理系统、供应链系统、票据系统、信贷系统、核心系统、互联网金融平台等）。

（二）会计财务影响。现阶段非上市银行无强制应用预期损失模型的要求，本文以辖内9家上市法人银行为研究对象，这些银行应自2019年1月1日落地实施新准则②新准则要求境内外同时上市企业、境外上市并采用国际财务报告准则或企业会计准则编制财务报告的企业自2018年1月1日起施行新金融工具准则，其他境内上市企业自2019年1月1日起施行，其他非上市企业自2021年1月1日起施行。。根据新准则，无需重述前期可比数，仅需对期初留存收益或其他综合收益进行追溯调整，因而2019年一季报、半年报并不重述2018年比较期间数据，故选择各家银行2018年报和2019年初调整后数据作为对比的基础，分析准则实施前后对财务报表的影响。

1.资产负债表：金融资产规模和减值准备计提增加，净资产小幅变动。

（1）重分类变化。一是主要金融资产科目更替，新准则下资产负债表中的金融资产由四分类改为三分类，“可供出售金融资产”“持有至到期投资”“应收款项类投资”等科目不再适用，改为“交易性金融资产”“债权投资”“其他债权投资”“其他权益工具投资”等科目。二是使用公允价值计量的资产范围变大，新准则下一方面更多的资产被分类至FVTPL，比如频繁交易的票据、理财产品、货币基金等，另一方面部分原先以AC计量的金融资产如贷款及应收款项中贴现、福费廷被分类为FVOCI。三是取消了“应收利息”，新准则将基于实际利率法计提的利息计入金融工具账面余额中，将于资产负债表日尚未收到的利息在“其他资产”列示。

无土栽培基质蒸汽消毒机控制系统包括燃油蒸汽发生器控制器、全自动软水处理设备控制器和基质搅拌系统控制器。

（2）估值变化。新准则下以公允价值计量的金融工具均需要进行估值，初始化后交易性金融资产的规模变动会导致其估值金额的变化，同时贴现、福费廷等分类为FVOCI的金融资产需进行估值计量，具体影响银行表内资产科目中的交易性金融资产、其他债权投资等。

（3）减值变化。金融资产减值准备计提由“已发生损失模型”改为“预期损失模型”，一是扩大了减值计提范围，除传统贷款业务外，存放、拆出、买入返售等同业业务纳入减值范围，同时新增相应减值准备科目“存放同业款项减值准备”“拆出资金减值准备”和“买入返售减值准备”。二是改变了表外资产减值准备计提方式，表外资产在旧准则下计提准备表内是计入“贷款损失准备”，新准则改为在“预计负债”核算表外资产减值准备。三是部分资产今后不再在资产负债表中计提减值准备，对于旧准则下的可供出售金融资产中的债务工具，其减值准备记在资产科目的备抵科目“可供出售金融资产减值准备”，新准则下分类为FVOCI，对应的减值调整计入到“其他综合收益”，不再影响资产负债表。四是提前了信用风险损失的确认时点，导致减值准备计提有所提升，进而影响到“递延所得税”。

金融资产规模整体增加：重分类、估值、减值计提的变化带来金融资产规模的变化，9家银行金融资产规模全部上涨，涨幅最低0.11%，最高29.56%，3家银行涨幅超过10%。

减值准备规模多有增加：9家银行中7家减值准备规模增加，主要源于新准则将同业资产纳入减值计提范围；仅张家港农商行持平、常熟农商行下降，以上两家农商行在旧准则下就已对同业资产计提减值，且常熟农商行因管理层较保守的经营管理理念和2018年度较高的盈利增长水平，倾向于计提较充足的减值准备。

递延所得税有增有减：递延所得税影响来自多方面，既有重分类、减值增提带来的递延所得税增加，也有将原计入损益的公允价值变化转入其他综合收益带来的递延所得税变动，且变动方向取决于各家相关资产重新计量时的浮动盈亏。

城商行资产项目受影响程度大于农商行：一是农商行金融资产规模变化率低于城商行，主要是农商行业务相对城商行较为单一，以摊余成本计价的资产占比较高，新准则对其金融资产范围的影响较小；二是农商行的减值准备增幅低于城商行，主要是农商行在经营管理方面普遍较为保守，旧准则下已对各项金融资产计提较充足的资产减值准备。

2.损益表：公允价值变动损益波动较大，资产减值准备难以估计。对2018年损益表不存在重述，因此并不影响2018年损益表，但会影响到2019年实施新准则之后的季度、半年度、年度损益表，主要影响的科目如下：

（1）公允价值变动损益。一是“公允价值变动损益”部分的减少，新准则下原先部分以公允价值计量变动计入损益的金融资产现在计入其他综合收益，这部分金融资产的公允价值变动损益减少。二是以公允价值计量的金融资产范围的增多，公允价值变动损益的波动变大，新准则下更多的金融资产需要以公允价值计量，原先以很多AC计价的贷款和应收账款等债权性资产在新准则要求下经业务模式测试重新分类为FVTPL和FVOIC，这部分新增以公允价值计量的金融资产未来会带来“公允价值变动损益”年度范围内的大幅波动。

（3）其他科目。长期来看，随着新金融工具会计准则的实施，银行业整体将计提更多信用损失，“投资收益”“净利润”等科目都会发生波动性变化，整体盈利情况将受到负面影响，这将会体现在2019年及往后的损益表中。

3.股东权益变动表：其他综合收益项增多，未分配利润减少。

（1）总体变化。①其他综合收益。年初重分类时该科目的变化主要来自以下两个方面：一是旧准则下“其他综合收益”主要反映“可供出售金融资产”的公允价值变动情况以及对其他单位的投资所享有的份额变化，新准则下“可供出售金融资产③新准则下，原可供出售金融资产中的债务工具经过SPPI测试和业务模式测试后可重分类为FVOCI、FVTPL、AC，在商业银行一般计入“其他债权工具”；权益工具可重分类为FVTPL、FVOCI，一般计入“其他权益工具投资”，根据各家行科目设置的不同，计入的科目会略有差异。”中的部分资产会重分类为FVTPL或AC，不再通过“其他综合收益”反映前述变化，在此原因下“其他综合收益”科目金额会有所变化，如若原先为浮盈，其他综合收益会相应下降，如若原先为浮亏，其他综合收益会相应上升；二是旧准则下有些金融资产如“发放贷款和垫款”计提的减值准备在资产备抵科目反映，新准则下“发放贷款和垫款④新准则下，发放贷款及应收款项可重分类为AC、FVOCI。”中的一部分分类为FVOCI，对应的减值应当在“其他综合收益”中确认，这部分增加了年初重分类调整时的“其他综合收益”。②未分配利润（期初留存收益）。根据新准则要求对2018年末的金融资产进行分类和计量时，重新计量后与账面价值之间差异，各家银行需要调整2019年的期初留存收益，即“未分配利润”，未分配利润的变化是金融资产负债分类变化、估值变化、减值计提变化之后的综合反映结果。

（2）具体变化。①其他综合收益增幅明显：9家银行中8家上涨，增幅均在30%以上，主要源于新准则下重分类为FVOCI的金融资产增加的影响，调整了其他综合收益期初数；仅有苏州银行下降，主要是其可供出售金融资产重分类为债权投资后浮盈部分相应冲销。②未分配利润普遍下降：9家银行中8家未分配利润下降，主要源于这8家新准则下均增提了减值；仅常熟农商行上升，分析原因为该行2018年末拨备覆盖率高达445.02%，新准则后按照公允价值重新估值后反而需减计减值，故出现反向变动。③净资产变化相对较小，城商行小幅下降，农商行小幅上升：综合其他综合收益和未分配利润的变化，9家银行中8家净资产变化幅度范围在1%—2%左右，城商行净资产平均下降1.09%，农商行净资产平均上涨2.19%。

四、准则执行过程中的问题

（一）标准不明确带来新准则下的会计处理主观性较大，增加金融监管难度。

1.金融工具分类标准的不确定。一是分类中的业务模式测试的判断标准并未明确，如双重业务模式中各家银行结合咨询机构建议和自身实际，确定5%或10%比例，导致同一类金融工具在不同银行可能分类为不同类别的金融资产；再如非标投资的分类亦为难点，目前通用做法为根据底层资产现金池进行区分，但有些非标投资难以完全穿透。二是新准则仅对金融资产重分类的方法进行了规定，但并未明确执行新准则后再次重分类的要求和标准，如具体可以重分类的情形；是否任何资产都可以进行重分类；重分类资产是否不得超过总资产的一定比例；金融资产重分类后，是否会约束后续新增的相同性质资产的分类等都未明确。

2.判断信用风险是否显著增加的标准不明确。一是新准则要求精准计量未来12个月甚至整个生命周期的预期信用损失，损失准备计提的时点及金额需要金融企业的自身估计与判断。二是在区分三阶段时多数银行会综合考虑银保监的五级分类标准，但五级分类和预期信用损失“三阶段”周期并不完全匹配，应用中存在难度，需要引入主观判断。三是逾期30日的条款也仅是一个下限标准而非水平判别标准，各家行对逾期天数的设置也存在较大的主观性。四是新准则要求在确定预期信用损失时考虑前瞻性信息，来评估宏观经济信息对金融工具预期信用损失的影响，各行选择的宏观影响因子和计量模型具有极强的主观性。

3.金融机构开展资产估值的难度加大。一是现有的内评体系并未覆盖全部金融资产，对于少部分未覆盖的债项，减值计量中需要根据业务相关属性对其进行划分，要针对不同的金融资产运用内外部数据设计不同的模型，并进行参数估计，难度较大；而且现有内评体系也并不完善，同时我国评级市场发展较晚，外部评级结果的可靠性也较弱。二是新准则下交易性金融资产的估值难度大，旧准则下，很多商业银行在无法把控金融资产分类的情况下，会选择少计交易性金融资产的处理方式，但新准则的SPPI测试和业务模式测试将更多的金融资产划分为交易性金融资产，需要进行估值的资产规模变大；同时原来部分的非标资产划入交易性金融资产，按照准则要求不需要计提减值准备，这部分对于不在预期损失模型范围内的交易性金融资产减值准备该如何反映也是一大难题。

（二）数据质量和时效性不足，难以满足统计和测算需求。一是数据质量的问题。预期损失模型对数据的依赖程度明显上升，涉及多个系统间的数据归集与传输，需要大量可靠、完整的数据信息支撑，而实际中会存在数据不完善、手工台账及部分字段信息缺失等问题，很多农商行的部分金融资产数据在新准则实施前没有系统支持，需要对此数据进行整理补录，如何设计补录要素和模板，是银行遇到的普遍问题。二是数据时效性问题。对于信用卡、消费贷等部分数据，存在数据延迟，导致测算时点各类业务的真实数据时点存在不一致问题，同时外部评级数据更新效率较低也会影响数据获得的及时性。三是数据可比性问题。根据调研情况，引入预期损失模型后的过渡期，各银行后续需要适应和调整减值模型的程度还将有所差别，在宏观层面进行指标和数据对比分析缺乏一定的横向可比性。

（三）风险监控及信息披露成为难题。一是风险监控方面，新准则导致银行业金融工具减值的计算口径、考察指标、操作流程有所变化，对信用风险的识别、判定更加具有主观可操作性，因此风险评估程序也应随之完善，银行业现有的内控程序还不够明晰。二是减值披露方面，新准则下不再按照以前分单项和组合计提披露，要求按照“三阶段”披露减值准备变动情况以及金融资产账面总额的变化情况，披露内容更加复杂，此外过渡期内银行的信息披露也未规范统一，监管部门进行评估时难以把控尺度、鉴别信息披露质量。

五、政策建议

（一）细化准则规定，提升资产分类和估值的准确性。一是细化分类和重分类的准则要求，一方面初始分类时双重业务模式等需要判断的分类标准进一步细化补充，另一方面对于持有意图发生变化的金融资产的重分类规定亦加以明确，增强金融工具分类的客观性。二是补充公允价值计量的标准，对于缺乏市价计量基础的金融资产，完善各类金融资产的估值技术，出台规范统一的估值模型和计量标准。三是明确准则中诸如“合理”“尽可能”等判定性条款的判断标准和依据，减少主观判断因素对资产分类和估值结果的影响。

（二）出台监管细则，增强准则规范和金融监管的协调性。一是会计准则的准备计提与监管规则下的拨备计算口径需进一步协调。准则规定的准备和监管要求的拨备计提采用的是两套计量体系，新准则下准备计提是按照“预期损失法”逐笔计提，准备计提范围扩大，除资产减值准备以外，还存在以预计负债（表外部分）和其他综合收益形式体现的准备；现行监管指标体系中的拨备覆盖率和拨贷比等指标基于“已发生损失法”，监管部门应进一步明确相关指标计算口径是否包含预计负债和其他综合收益中的拨备。二是准则三阶段划分与贷款五级分类的对应关系需进一步明确。准则规定三阶段资产划分和监管部门的五级资产分类方法造成银行存在两套不同的资产分类结果，商业银行在进行三阶段划分时往往参考五级分类，监管部门应进一步明确两种分类对应关系，有助于促进新旧准则衔接过渡以及会计准则与监管规则的协调融合。

（三）完善评级体系，提升内外部评级结果的可靠性和可获得性。一是完善商业银行内部评级体系，针对不同的金融资产类别，改良评级方法和评级模型，培养行内评级专业人才。二是优化我国外部评级市场，增强我国企业信用评级、证券信用评级、项目信用评级的权威性和公正性，汲取国际评级机构如标普、穆迪、惠誉等的先进评级经验，从国家角度规范并促进评级市场建设，提升国内评级机构的综合评级实力。三是规范运用外部评级结果，充分考察外部评级机构的资格标准、独立性、专业性水平，综合考虑多方评级结果，审慎选择本行采用的评级数据。

（四）重视数据管理和内控管理，增强金融工具信息披露的真实性和可靠性。一是商业银行应加强内部数据管理，从数据采集录入源头把好质量关，对复杂资产池制定底层资产台账，做好资产分类数据工作，提升行内数据获取的真实性，更准确进行资产分类、计量；对于由于准则前存在数据延迟的业务类型，统一数据采集时点，建立多部门数据共享平台，提升数据采集时效。二是商业银行应进一步理顺金融资产管理的风险控制流程，完善控制程序和措施，降低金融工具价值波动对商业银行经营管理的影响。三是商业银行应严格按照准则要求开展金融工具信息的列示和披露，对相关分类和重分类信息、价值信息、损失准备变动信息、担保物信息、风险信息进行规范列报，以高标准、严要求更完整、全面地开展过渡期信息披露工作。