|
报告摘要 银行资产质量指标：五级分类、不良率、逾期、不良生成率 贷款严格来讲只是银行资产之一，但现阶段主要风险来自贷款，所以谈论银行贷款质量基本等同于讨论银行资产质量。 贷款有五级分类，后三类属于不良贷款范畴。不良率与不良总额由此计算所得。 关注类贷款是进入不良贷款的最后防线，所以关注类贷款占比变化也很重要。 与“五级分类”相似，“逾期时间”也是对问题贷款的一种划分方式。逾期超过90天的贷款，形成实际损失的可能性激增，所以其占比需要格外关注。五级分类与逾期时间作为问题贷款的两种属性，其比值可以反映银行对不良确认的松紧程度。 不良生成率的计算过程加回了会计期间对不良贷款的核销与转出，消除了银行行为的主观性，比不良率更客观反映了期间不良贷款的生成情况。 微观层面：资产质量与银行业绩 贷款减值准备是银行用于覆盖不良形成的实际损失，是一块单独的资金池。 这个资金池的增项（当期拨备计提）、减项（核销与转出）以及大小（期末值）都非常重要，分别勾稽着银行当期利润、不良贷款变化与监管考核指标。 借助“当期拨备计提”，使银行主动调节当期业绩成为可能。 宏观层面：资产质量、经济预期与银行股业绩 有别于上述资产质量对当期业绩的精确影响，资产质量对银行股业绩的影响路径则遵循“判断经济下行——预期资产质量恶化——银行股价跌”的简洁逻辑。 该逻辑的成立依赖于“银行是顺周期行业”，且通过整理分析国家统计局宏观经济数据发布时间与同期银行股价表现可以一窥端倪，两者之间存在一定的同步关系，而工业增加值是体现这种同步关系的优良指标。 由于大行改制未久，中国的银行数据无法体现完整周期内的银行资产质量与工业产值的关系。借用美国的历史数据，在长周期内，不良生成率与工业产值之间存在反向关系，证实了工业产值上升，银行资产质量改善，股价上升的逻辑。 投资建议 长期持有大行是最为稳健的投资策略，推荐工行、建行；股份行中关注估值修复较为滞后的中信银行，民生银行；城商行中继续推荐业绩与资产质量居前的宁波银行、南京银行。 风险提示 经济超预期下行导致资产质量大幅恶化；政策出现重大变化。 银行资产质量指标 首先申明，贷款严格来讲只是银行资产之一。只是由于现阶段绝大部分银行资产风险来自贷款，所以大家在谈论银行资产质量基本等同于讨论贷款质量问题，在措词上也多有混用。 五级分类是指商业银行根据其资产的内在风险程度将其分为五个级别，分别为正常类、关注类、次级类、可疑类和损失类。早期贷款的风险只有“一逾两呆”划分，无法准确揭示贷款风险。央行在2001年印发《贷款风险分类指导原则》，对五类贷款给出定义。经过三到五年的时间推广后，贷款五级分类管理在全国银行业全面施行。 “五级分类”主要规范性文件有三个，一是央行印发的《银行贷款损失准备计提指引》（银发〔2002〕98号），对后四类贷款按季计提专项准备，明确关注类、次级类、可疑类和损失类贷款专项准备比例分别为2%、25%、50%和100%。二是银监会印发的《贷款风险分类指引》（银监发〔2007〕54号），三是财政部印发的《金融企业准备金计提管理办法》（财金〔2012〕20号），将五级分类的方法从信贷资产扩大到所有风险资产。 上述“五级分类”在国际上普遍采用。从定义看，从“次级”开始，企业运行不好，无法足额还本付息，且执行担保后还会造成损失，就已经进入“不良贷款”范畴。因此，“次级、可疑、损失”三类加总后得到不良贷款总额；不良总额在贷款总额中的占比成为不良贷款率。此处，“贷款总额”是已经扣除贷款减值准备后的净额，在下文详述。 通常我们听到的“不良双升”或“不良双降”，就是指不良贷款总额、不良贷款率这两个指标的变化。 国有大行中的农业银行在2010年三季度才完成上市，而新上市的例如江苏银行、杭州银行体量并不大，且都集中在2016年前后，所以银行业的时间序列研究样本往往选用16家规模占比大、持续经营的上市银行，时间也都安排在2010年以后。图1.1给出了上市银行不良贷款率与不良贷款额的变化。 总体来看，2010至2013年期间，上市银行不良总额的上升幅度是温和的，五大行不良率甚至出现下降局面。2014、2015两年期间，不良总额上升幅度加大，大行与股份制的不良率皆提升较快，约50BP。2015年以后，不良总额趋缓，大行的不良率稳定住，而股份制与城商行的不良率却呈加速抬头的态势。根据2017年各银行一季报数据来看，16家上市银行不良贷款余额共约1.2万亿，季度环比增速缓和。不良率方面，五大行由2016年末1.71%降至一季度1.68%，股份行由1.74%降至1.72%，城商行由1.11%降至1.09%，遏制了2013年以来不良率逐步抬升局面，首次实现三类银行不良率全面降低。 介绍完五级分类与不良贷款，这里引入一个相关指标——关注类贷款占比。 关注类贷款是进入不良贷款范畴的最后一道防线，是“存在一些可能对偿还产生不利影响的因素”的群体。客观上，不利因素有可能进一步发酵，最终进入不良范畴。主观上，当银行确认不良的意愿不足时，更有可能把游荡在不良确认边界的贷款归入关注类。因此，无论从哪个方面看，关注类贷款占比的提高，都会对未来不良贷款的增加形成压力，是判断不良贷款变化的先行性指标。 逾期贷款指没有按照贷款合同规定的期限偿还本金或利息的各项贷款的本金余额。在1104报表体系中对逾期贷款区分六档，分别为“逾期30天以内”、“逾期31天到90天”、“逾期91天到180天”、“逾期181天到270天”、“逾期271天到360天”、“逾期361天以上”。其中有两项指标值得关注——贷款逾期率、逾期90天以上贷款占比 贷款逾期率指标体现的是银行机构对合同履约的管理能力。指标值越低，银行客户更愿意遵守合同约定，说明银行信用风险管理能力较高。而在所有逾期贷款中，逾期90天以上的部分需要受到格外关注。一方面，相当一部分逾期90天以内的贷款，企业盈利能力与运营管理都属正常，还款能力暂时较差仅仅是遭遇了周转上的问题。对于这样的企业，只要度过暂时的困境，银行对它们的债权完全可以避免成为实际损失。反过来看，对于逾期90天以上的贷款，成为实际损失的可能性就大为增加。例如，2014年银监会36号文规定，对于符合条件的小微企业可以办理“续贷”，即允许通过新发放贷款结清已有贷款。而在借新还旧的基础上再出现问题，贷款的逾期天数将从原借款合同的到期日起算，直接计入“逾期360天以上”（同样增加逾期90天以上贷款占比）。 类似于前面介绍的“关注类贷款占比”，这里也有一个功能类似的先行性指标——逾期不良比。该指标衡量逾期90天以上贷款与不良贷款之间的关系。 首先阐明一点，逾期时间与五级分类只是贷款两种划分方式，所以一笔问题贷款可以同时具备“逾期90天以上”与“不良贷款”两种属性，也可只居其一。理论上，这两种属性之间并非有严格对应关系。但实践中，如果企业超过90天仍不能归还贷款本息，其资产出现减值的可能性大增，也就意味着资产风险同步提高，成为不良的可能性加大。 然而，银行在确认不良上存在主观调整空间，一笔逾期90天以上的贷款是否需要被确认为不良，银行具有较高的自由裁决度。因此，该指标的数值越小，说明银行越倾向于将90天以上逾期均划为不良贷款，也即说明银行在会计期间内对不良的认定越严格。反之，该指标的数值越大，也即说明银行在会计期间对不良的认定越宽松。 需要注意的是，出于某一会计期间的业绩考虑，银行可以通过“严格”或“宽松”的不良认定标准，实现短期内不良总额与不良贷款率的控制，但长期而言，这种控制的对业绩改善的作用是中性的。“风险必须得以释放，才能重新累积”决定了贷款逾期时间划分与贷款风险分类标准不可能出现长期偏离。也正说明逾期不良率是银行下一步确认不良的先行性指标。“此紧彼松”或“此松彼紧”，银行在不良认定上总归要保持一个节奏平衡。 结合前面提到的“关注类占比”，选用兴业银行与中信银行的数据，说明“逾期（90+）不良比”与“关注类占比”的内在逻辑关系。 “逾期（90+）不良比”数值越大，银行在不良确认上的标准越宽松，一部分问题贷款就会放置在暂时“安全”的场所，这个场所很大可能就是“关注类贷款”（不排除部分银行对自己的客户还款格外有信心，会把这部分贷款放入“正常类”），从而增加“关注类贷款占比”数值。图1.2,1.3正是体现了上述逻辑下两个指标在一定程度上的同步性。 银行处理不良贷款有三种办法，一是转让，二是清收，三是核销。其中转让主要是将不良贷款打包卖给资产管理公司（AMC）；不良贷款清收常见的有：处置抵债资产、对企业破产清算、找第三方担保人还款等；第三就是核销。一旦一笔贷款被确认为不良后进而处理掉，这笔贷款就被剔除出银行的报表。以核销为例，核销动作后，银行的不良贷款金额相应减少，逾期贷款也相应减少。值得注意的是，核销在银行财年的任一时点都可能发生，选择权在银行，具有较强的主观性。 由上可知，既然核销动作具有主观性，核销又能减少不良贷款总额，因此，不良贷款总额也就具有一定的主观性，在银行调整的可控范围内。换句话说，任意截取两个信息披露时点，其不良贷款率的变化，无法准确反映该时点间贷款质量的真实变化。若要尽可能还原一段期间内贷款质量变化情况，需要把这段期间银行主动处理掉的不良贷款加回，也就形成了“不良贷款生成率”指标（简称“不良生成率”）。 不良生成率加回了核销与转出（卖给AMC的部分），也就剔除了银行行为的主观性，逻辑上看，比不良贷款率更好的表征了银行贷款质量的变化。
对比不良率数据（图1.1），图1.5不良生成率更清晰反映了描述每一期不良贷款的真实变动。2015年后，三类银行不良贷款情况出现分化。利用不良生成率能够清晰观察每一期的变化走势，而仅仅利用不良率，难以做出准确判断。譬如，2Q15至2Q16的一年时间内，城商行的不良生成情况实际上是先降低，后升高，而反映在不良率的变化上，却是一条水平直线。类似变化还有股份制与大行，不再赘述。
图1.6展示了16家上市银行在2016年的不良生成截面数据。不同于不良率的计算，不良生成率需要核销等数据，而银行只有年报与半年报才披露，故只更新到2016年底。容易发现，2016年，平安银行不良生成率最高，达到1.76%；而中国银行不良生成率最低，为0.27%。前五大行不良生成率都保持在较低水平，股份制银行则上了一个台阶。
上文提到，原理上，“逾期（90+）不良比”与“关注类占比”之前存在同步的可能性，且两者数值的降低理论上会增大银行在下一期的不良贷款压力。既然不良贷款生成率是贷款质量的更好指标，不妨看看它们之间的关系。图1.4展示了中信银行关注类贷款占比先行于其不良生成率的特征，不良生成率的滞后期约半年。该图说明对中信银行而言，当期放入“关注类”的问题贷款，会在下个半年内转化为新增不良。这个传导在中信银行的机制上是稳定的。 必须指出，无论是“逾期（90+）不良比”与“关注类占比”的同步关系，抑或是两者对“不良生成率”的先导性，都是理论上存在，且在部分银行行为逻辑中得到验证。但需注意，不同银行的秉性不同，不同时期面临的状况不一，实际的不良认定过程也较为复杂，该逻辑的提出仅是一种思路上的参考。 微观层面：资产质量与银行业绩 对于资产减值准备，可以把它理解为一块专门用于救火的资金池，一旦资产风险变为实际损失，就需要动用这个池子里的资金覆盖。所以，对于银行而言，这个资金池事实上相当于是割出去的肉，不会再指望，它也不会对银行未来的经济利益产生正向作用。正因如此，我们之前在各种公式中谈到的“贷款总额”，实际上是真实放出去的贷款总和减掉贷款减值准备后的净额。
下面截取农业银行与建设银行2016年报的相关部分内容，深度解析这个资金池。
直观上，先指出三个技术性问题。 第一，各家银行对该资金池的名称并不完全相同，甚至一家银行在几年前的叫法也和现在不同，核心词有“贷款减值准备变动”、“贷款损失准备变动”两种，也存在“贷款减值准备计提和核销情况”这样的。 第二，不是所有的银行都会像农业银行那样区分子科目，不少银行会像建设银行那样不加区分，增大辨识难度。譬如农业银行里“本年计提”这一项，在区分子科目时很容易知道它是“新增”与“回拨”轧差后的净额。而在建设银行报表里不加区分后，就容易迷惑。且不同的银行，对于具体科目的计算也有细微差别，可以在财报附注中找到相关解释。例如，有别于农业银行里的获得“本年计提”的净额算法，建设银行的净额计算，使用的不是“回拨”，而是“转回”。 第三，值得注意，有的报表譬如农业银行，会把“核销”与“转出”放在一个口径给出统计数据；而有的报表譬如建设银行，会将“核销”与“转出”分开。这也是为什么我们建议在计算不良生成率时，为了方便横向比较，统一口径将“核销”与“转出”合并在一起计算。 下面详细拆分“贷款减值准备”这个资金池。作为资产负债表科目，资产减值准备也符合BASE法则。为了方便研究，我们忽略一些体量较小的增减项，得到大致下列关系。
这几项都很重要，需要逐一解释。 核销与转出：前面提到，核销的目的是处理不良。核销过后，不良贷款降低。不过，核销动作以消耗资金池为代价，所以，在降低不良贷款的同时，池子里的资金也等额降低。 期末值与期初值：资金池的期末值应用于各类监管指标的计算，如拨贷比与拨备覆盖率。期初值是上一期的期末值。 本期计提：作为资金池的增项，本期计提直接影响当期业绩，实现了“拨备前利润”向“净利润”的转变。这也是为什么在前面强调要弄清不同银行本期计提的净额的算法。 以农业银行2016年报为例。其利润表中从营业收入演变为净利润的部分如下所示。
容易发现，从营业收入形成最后的净利润作为当期业绩，其它增减项科目的数额变化幅度有限，唯有“资产减值损失”，银行具有较大的调节空间。下面打开“资产减值损失”这个黑匣子。
至此，银行资产质量影响银行当期业绩的逻辑链条形成，“银行对当期不良的确认具有主动性——在满足监管要求下银行也就对当期新增贷款计提损失具有主动性——当期贷款减值损失计提决定整体资产减值损失——资产减值损失科目为净利润调节提供空间”。 监管部门为了杜绝系统性风险，需要对银行资产质量引发的风险有足够的掌控力，所以对“资产减值准备”这块池子够不够大，必须在关注范围内。也就引发了下列由资产减值准备（期末值）参与的各项监管指标。 《商业银行贷款损失准备管理办法》（银发〔2011〕4号）正式引入拨贷比和拨备覆盖率指标，要求重要性银行于2013年底达标，对非系统重要性银行则放宽至最晚2018年底达标即可。
拨贷比基本标准为2.5%，拨备覆盖率基本标准为150%。 简单的数学关系变换后可得：
由此关系可知，若代入监管指标要求，可得不良贷款率的临界值1.667%。 当银行不良率超过1.667%时，银行压力来自拨备覆盖率。为了维持150%的拨备覆盖率，银行必须增加贷款损失拨备。 当银行不良率低于1.667%，银行压力来自拨贷比的2.5%监管水平，也必须计提贷款损失准备。此时拨备覆盖率将维持在高于150%的水平上，不构成主要压力。 宏观层面：资产质量、 经济预期与银行股业绩 在前面的分析中我们发现，银行资产质量对银行当期实际业绩的影路径是“资产质量恶化——新增不良确认——核销不良——减值准备资金池变小——监管指标变化——新增当期计提——减少当期利润”。而对于银行股业绩而言，路径则简洁了很多，即“预期资产质量恶化——银行股价跌”。可见，资产质量对银行业绩与银行股业绩的影响机理完全不同。 在银行财报发布以前，投资者无法得知银行实际资产质量如何，也就无法凭空“预期资产质量恶化”以开启路径链条。大多数情况下，投资者对资产质量的预期有赖于对当前经济形势的判断，而这两者之间的联系，则是基于一个共识——银行是周期性行业。 银行是周期性行业，很大程度上由于信贷是周期的。从企业客户的角度看，客观上，经济上行时，企业的产销通道顺畅使其拥有较好的经营指标，自身信用良好，即便客户的经营暴露出一些问题，也总是可以借到更多的钱用于经营周转并覆盖前期债务，因此，在经济繁荣时期，企业的确很少违约。而一旦经济开始下行，企业的产销不再通畅，开始感到东西越来越难卖出去，各项经营指标也迅速恶化，最不幸的是，前期加的杠杆还在，债务不会凭空消失，遇到下行时恶化的再融资环境，于是客户便违约了，信用变差，借新还旧更无可能。从银行业的角度看，经济上行期，较少的违约会对银行产生正反馈刺激，加之同业之间的残酷竞争，银行信贷策略往往偏激进，而不良资产的伏笔就此埋下，待经济下行时集中爆发。至此，以银行资产质量为线索的周期性表现大致如上所述。 在简单阐述“判断经济下行——预期资产质量恶化——银行股价跌”的原理之后，我们用数据说话。 预期理论告诉我们，股价变动是对增量信息的及时反映。因此，当宏观经济信息正式发布后，理论上，投资者有了对经济形势形成相对一致判断的依据，根据路径链条，银行股价应该有所反馈。当然，股价的形成机制十分复杂，同一时间出现的信息也会来自各个方向且多种多样，信息之间也存在相互作用，使最终股价变动的预测成为不可能。但，做一个基本的统计分析，还是能够看出一些端倪和启示。 国家统计局会提供一张类似于《2017年国家统计局主要统计信息发布日程表》，详细记录发布时间。经过筛选，我们摘录和与宏观经济形势最为密切的五个指标——GDP、PMI、PPI、工业增加值与固定资产投资。从发布日程表记录好各指标的具体发布时间后，同时分析A股银行板块指数与A股综合指数涨跌幅情况（当日与次日）。数据选自2012年1月1日至2017年7月21日，数据处理上，经济指标无变化的情况会被剔除；发布日非交易日时，涨跌幅则引用顺延后的第一个交易日。 得到结论如下： 第一，当日影响显著高于第二日。经济数据发布确实存在影响。 第二，对A股综合指数影响与银行板块指数影响不相同，说明影响存在区分度。 第三，GDP（52.6%）、PMI（47.8%）、PPI（50.8%）与固定资产投资（53.8%）数据的发布，对银行股业绩变化基本无影响。括号里的百分比意味着银行指数变化方向（涨跌）与经济指标变化方向（同比增加或减少）相同时的次数占比。 有别于其他指标都在50%左右徘徊，工业增加值可以达到67.9%，两者同方向变化的情况大增。 在中国占有核心地位的国有大行完成改制上市，至今不过数年，尚未覆盖一个完整周期，在曲线上连一个趋势都没有走完，因此，探寻银行资产质量与工业增加值的关系需要借他山之石。 正如前面所言，不良生成率是真实反映期间银行质量变化的更好指标。在此，使用美联储经济数据库（FRED），获得不良率与核销率，计算得到不良生成率。与此同时，由于数据获取问题，使用美国工业总产值数据替代工业增加值。可认为工业总产值是工业增加值累计而成，二者在反映工业产值趋势上具有相同效用。 容易发现，“工业总产值同比”与“不良生成率”在历史拐点上基本都有对应，且不良生成率比工业总产值滞后大概一到三个季度，可以认为是不良生成率的先行性指标。
综上，我们认为，从银行周期性机理上，银行资产质量与宏观经济之间存在呼应关系，实证中发现以工业产值为代表的宏观指标对银行不良生成率有较好的先导性。而二级市场的银行股价，同样会因为宏观经济信息发布所修正的资产质量预期变化，做出相应的反馈，我国在2012至今的市场数据，也表明产业增加值的发布在更大的概率上引发银行板块指数的同向变动。 四、 投资建议长期持有大行是最为稳健的投资策略，推荐工行、建行；股份行中关注估值修复较为滞后的中信银行，民生银行；城商行中继续推荐业绩与资产质量居前的宁波银行、南京银行。 五、 风险提示经济超预期下行导致资产质量大幅恶化；政策出现重大变化。 相关研究报告： 1.林加力/解巍巍/王弓团队【行业专题】读懂银行系列之三：解读资产负债管理框架 20170704 2.林加力/解巍巍/王弓团队【行业专题】股指成份调整，相关银行股走强—量化论银行系列之二 20170613 3.林加力/解巍巍/王弓团队【行业专题】读懂银行系列之一：解读内部资金转移定价 20170522 推荐 维持评级
|
|
|
