上市行资产质量前瞻：迁徙率分化 关注类贷款占比普降
证券时报记者调查22家上市银行2018年报发现，“关注类贷款迁徙率”与不良贷款率基本呈正相关关系。就目前披露相关数据的15家上市银行而言，4家银行不良率升高，关注类贷款迁徙率走高；6家银行不良率降低，关注类贷款迁徙率同样下降。
有业内人士分析，目前上市银行的资产质量正在加速分化：优者更优秀，而劣者的不良远未出清。
不良率与
关注类迁徙率趋势相近
“关注类贷款迁徙率越低就意味着资产恶化的比例越小。”一位股份制银行高管向记者表示，“通常情况下，不良率与关注类贷款迁徙率的变化应该是正相关。”
在已披露2018年年报的22家上市银行（含H股）中，超过50%的不良贷款率较2017年增加；农业银行、浦发银行、招商银行及青岛银行的不良贷款余额和不良率实现“双降”。
除港股上市的几家银行未详细披露关注类贷款迁徙率外，有7家银行关注类贷款迁徙率降低，分别为招行、建行、农行、浦发银行、宁波银行、郑州银行和青岛银行。7家银行中，除了郑州银行外，其余6家2018年的不良率都降低。
截至2018年末，建设银行不良贷款率1.46%，较上一年末下降0.03个百分点关注类贷款迁徙率为20.19%，同比降低4.07个百分点；招商银行不良贷款率1.36%，较上一年末下降0.25个百分点，关注类贷款迁徙率为26.06%，比2017年的26.58%减少0.52个百分点。
此外，不良率升高的银行（邮储银行、民生银行、中信银行和平安银行），关注类贷款迁徙率走高。
16家银行
关注类贷款占比下滑
记者发现，上述22家上市银行中，仅6家（中信银行、青岛银行、甘肃银行、浙商银行、天津银行和长沙银行）的关注类贷款占比较2017年有所增加，其余16家银行关注类贷款占比均出现不同程度下滑。
其中，工商银行、平安银行及民生银行关注类贷款占比下滑最大——工商银行2018年关注类贷款占比2.92%，同比下降1.03个百分点；平安银行则是同比减少0.97%；民生银行关注类贷款占比为3.38%，同比减少0.68个百分点。
值得一提的是，随着银行对五级分类结构的继续优化，部分银行在不良贷款率下降的同时，关注类贷款的占比也出现下滑。例如，招商银行不良贷款额、不良贷款率呈现双降的同时，关注类贷款占比也在下降，期末关注类贷款占比1.51%，较上年末下降0.09个百分点；次级类、损失类贷款占比均较上年末下降0.14个百分点。
拨备覆盖率已处高位
有业内人士称，如果将来监管要求银行进一步收紧不良容忍度，那么拨备覆盖率也将进一步上升。对于银行来说，现在的拨备覆盖率已经处于高位——大多数上市行都在去年加大了风险抵御，将拨备覆盖率上调。
记者统计发现，六大国有银行的拨备覆盖率均大幅上升。其中，工行2018年拨备覆盖率上升21.69个百分点至175.76％；建行拨备覆盖率上升37.29个百分点至208.37％；邮储银行拨备覆盖率上升22个百分点至346.8％。
同时，诸多股份行及城商行的拨备覆盖率也呈上涨趋势。招商银行拨备覆盖率358.18%，较上年末提高96.07个百分点；宁波银行拨备覆盖率达521.83%，同比增加28.57%。
值得一提的是，7家上市银行的拨备覆盖率逆势降低，分别是中信银行、民生银行、浙商银行、甘肃银行、郑州银行、中原银行和江西银行。其中，甘肃银行、郑州银行的拨备覆盖率均同比减少超过50%。
对拨备变动的主要原因，中信银行的解释有二：一是该行不良贷款认定标准趋严，对于逾期90天以上贷款纳入不良；二是该行加大了不良资产处置及核销力度，对于拨备消耗增加。
本文源自证券时报
更多精彩资讯，请来金融界网站(www.jj..)
银行的拨贷比到底多少比较合适？（2）不良贷款压力测试
一、银行合理的拨贷比
在上文《银行的拨贷比到底多少比较合适？（1）正常类贷款的拨备率》中，我们介绍了银行之间拨贷比的差异主要来自于正常类贷款的拨备率，而正常类贷款的拨备主要目的是预防未来12个月的不良迁徙或不良生成。
所以，一个初步的结论是：银行合理拨贷比的下限是，其正常类贷款的拨备率应该大于其正常类贷款迁徙率或不良生成率。
因为只有这样，当经济出现波动，银行的贷款质量突然恶化时，银行依靠存量拨备就能抵御不良上升的风险，而不需要突然计提大量的拨备，从而使得银行的贷款减值损失保持平稳，进而使得银行业绩可以稳步增长。而银行需要净利润来补充核心一级资本，因此，银行净利润的稳步增长，对银行正常经营十分重要。
实际上，影响银行净利润的因素不只是不良风险，还有净息差下降导致的营收下降风险。因此，银行的拨备还有一个平滑营收下降的作用，具体将在下篇文章中讨论。
表1-银行拨贷比的合理下限
注：表1中计算公式将在后文给出。
如表1所示，图中红色背景的3家银行正常类贷款拨备率减去2021年的不良生成率为负，说明其拨贷比实际上不足以抵御不良的剧烈波动，如果不良生成显著上升，其净利润可能无法保持平稳增长。
图中黄色背景的6家银行情况略好一些，但差值不足1%，意味着尽管其能抵御一定程度的不良风险，但如果同时出现净息差下降导致的营收下降，其净利润可能也将受到影响。
而剩余的6家银行，工建农、邮储、招行与兴业拨备离下限较远，说明这些银行即使在不良上升和营收下降的双重影响下，其净利润也能保持平稳增长。
二、如何给银行做不良压力测试
前文中提到的正常类贷款迁徙率是一个比较好的压测工具，我之前一直在考虑用迁徙率给银行做压力测试，但不幸的是，后来发现迁徙率这个指标有些问题，比如今年中报工建农等国有银行都对贷款迁徙率做了调整，一个是统计口径有变化，之前为银行口径，刚刚改成集团口径，另外计算公式也有变化。因此，用该指标可能误差会比较大，而且由于数值重述的问题可能以后无法持续使用。
因此，本文采用了另外一种思路，即用贷款的不良生成率作为压力测试的工具。
大体的思路是：
在确保银行净利润增速能维持目前水平的情况下，即贷款减值率相对平稳（较之前几年不出现大的提升），计算出银行能承受的最大不良生成率是多少。
详细的步骤如下：
1.计算出银行上一轮不良爆发期时，非不良贷款（正常类+关注类）的最大不良生成率，为了排除银行核销力度差异的干扰因素使用连续三年均值的最大值。
2.用第1步得到的上轮最大不良生成率计算出，如果发生不良大爆发，连续3年不良生成都达到这个最大均值，需要对非不良贷款（正常类+关注类）进行多大比例的计提。
3.用最近3年非不良贷款（正常类+关注类）计提率与第2步计算出的计提率进行比较，看此种情况下每年对拨备的消耗会有多大。
4.如果下一轮不良爆发时不良生成率高于上一轮的最大值，同样假设高峰持续3年，在保证非不良贷款（正常类+关注类）的拨备率第4年时还能覆盖下一年的不良生成的情况下，能够承受的最大不良生成率是多少？
注：第3步的意思就是要保持目前的贷款减值力度不变，这样就可以基本上维持目前的净利润增速，如果这种情况下，到第4年时拨备被消耗到不能支撑下一年的不良生成，就说明当银行当前的拨备不足以支撑上一轮不良爆发时的情况。
三、压测数据准备
首先，我们需要先知道不良贷款的拨备率是多少。
表2-第三阶段贷款拨备率
计算公式：
第三阶段贷款拨备率＝贷款第三阶段拨备余额÷贷款第三阶段余额
注：此处为以摊余成本计量的贷款
虽然银行财报没有披露不良贷款的拨备率，但披露了第三阶段贷款的拨备率，而大部分银行的不良贷款与第三阶段贷款的金额是比较接近的，因此我这里用第三阶段贷款的拨备率近似代替不良贷款的拨备率。如表2所示，15家银行的不良贷款拨备率虽然略有不同，但平均在70%，为了公平起见，排除银行计提力度的差异，这里统一设定，新生成的不良贷款按照70%的比例进行减值计提。
接下来，看一下不良生成率。
表3-非不良类贷款（正常类＋关注类贷款）期初不良生成率
计算公式：
本期新生成不良＝期末不良贷款余额－期初不良贷款余额＋期内核销处置金额
非不良类贷款期初不良生成率＝本期新生成不良÷（期初正常类贷款余额＋期初关注类贷款余额）
注：表1中的不良生成率（第二列）就是使用的该指标
期初不良生成率的含义就是指年初（1月1日）的正常类贷款＋关注类贷款，到了年末（12个月后）会有多少变成不良贷款。
如图3所示，只有一部分银行上一轮不良周期时最大的不良生成率发生在2014-2016年间，很可能是其余的银行对不良的暴露做了延迟处理。这里以蓝色背景格的数据作为各银行的最大不良生成率。
最后，来看下非不良类贷款的拨备率。
表4-非不良类贷款（正常类＋关注类贷款）拨备率
计算公式：
假设不良贷款拨备率为70%，不良类贷款拨备余额＝不良贷款余额✖️70%
非不良类贷款（正常类及关注类贷款）拨备率＝（贷款拨备余额－不良贷款余额✖️70%）÷（期末正常类贷款余额＋期末关注类贷款余额）
注：表1中的第一列就是使用的该指标
四、银行能承受的最大不良生成
表5-银行不良生成压力测试
计算公式：
非不良贷款计提率＝当期贷款减值损失÷（正常类贷款余额＋关注类贷款余额）
近3年计提率＝最近三年非不良贷款计提率平均值
不良计提需求1＝历史最大3年平均不良生成率✖️70%
不良计提需求2＝能承受的最大不良生成率✖️70%
历史最大不良生成下剩余拨备覆盖率＝（2022年中期非不良贷款拨备率－（不良计提需求1－近3年计提率）✖️3）÷不良计提需求1
能承受的最大不良生成下剩余拨备覆盖率＝（2022年中期非不良贷款拨备率－（不良计提需求2－近3年计提率）✖️3）÷不良计提需求2
表5为压力测试的最终结果，蓝色这一列最终结果是在保证剩余拨备覆盖率接近100%的情况下，手工调整数值得到的，就是反推得到的。
考察上一轮最大不良生成水平，平安银行和浦发银行的剩余不良生成覆盖率不足100%，这表示这两家银行目前的拨备率无法平稳度过上一轮不良爆发规模，而光大银行与华夏银行虽然达到了100%，但其上一轮不良生成率最高的三年正好是最近3年，也就是说这两家银行目前正在加大计提力度应对本轮不良危机。其他银行都能承受上一轮不良周期的最大不良生成率。
从相对水平考察银行所能承受的最大不良生成率，国有银行的承受能力普遍大幅高于上一轮，最低的交行也能承受上一轮的130%，工建农三大行能承受上一轮的180%。股份行里除了浦发和平银不足100%外，其他大多在110%上下，也就是说大部分股份行仅能够承受略超上轮最大不良生成水平的程度。
从绝对水平考察银行所能承受的最大不良生成率，大部分股份行都能承受2%以上的不良生成率，农业银行虽然拨备率很高但也仅能承受2.24%的不良生成率，其他国有大行能承受的不良生成率都不足2%。
五、结论
尽管工建农三大行的拨备率差异较大，但其能承受的最大不良生成率大致都是上一轮最大不良生成率的180%，可见银行拨贷比的高低跟其自身的经营状况有很大关系，银行的拨备策略通常是会参照其以往的迁徙率或不良生成率的。所以我们也不能简单地以拨贷比的高低来判断银行的拨备是否充足。
另外，如果要维持最近几年的减值力度，即保持当前的利润增速相对平稳，大部分银行虽然能够应付上一轮出现的最大不良生成率水平，但额外的缓冲空间并不多，如果下一轮不良爆发时，最大不良生成率显著高于上一轮，大部分银行的减值都会受到冲击，进而影响利润增速，不过这种情况出现的概率比较小。所以，当下银行的拨备水平虽然比较充足，但也并没有多少可下调空间。
最后，本文开头提到过，银行的拨备除了在不良爆发期可以平滑业绩外，另外一个典型的情况就是营收下降期，如2017年，具体讨论将在下篇文章中展开。
【本文为原创，您的点赞、分享与评论就是对我持续创作的最大支持！同时也欢迎您关注“考拉大叔滚雪球”，及时发现我的分享！】
相关文章：
银行的拨贷比到底多少比较合适？（1）正常类贷款的拨备率
银行的拨备以什么形式存在？（3）核销等会计处理揭晓了答案
银行的拨备以什么形式存在？它放哪了？（2）银行财报深度探秘
超高拨备的农业银行能否释放利润实现戴维斯双击？
小帮软件机器人赋能银行数字化转型的全新引擎专注金融科技与创新
5月16日，澎湃新闻从浦发银行获悉，浦发银行上海崇明支行营业部正式恢复对外营业，成为该行首家复工复产的网点。当天营业开始前，崇明区委副书记、区长缪京一行还来到该行，察看复工复产疫情防控情况。
本次上海疫情期间，浦发银行上海分行制定了《全辖复工复产疫情防控工作实施方案》，全面指导全市经营机构结合区域防控要求和工作实际，层层压实责任，做好复工复产工作。随着上海疫情形势得到显著改善，浦发银行辖内更多网点也将陆续恢复正常营业，以便捷、优质金融服务为全市各类企业的复工复产按下快进键。在数据面前，银行业的发展前景引人深思。
具体来说，我国银行业发展面临着巨大挑战工作效率低。金融行业中针对流程类工作的“传统软件”更多的是对整个工作整体进行设计，数据库操作、报表操作、数据计算等软件依然需要人工操作。人工仍然需要应对软件中大量的事务性流程工作，工作效率亟待提高。
经过多方考察，该银行开始考虑将容智信息软件机器人数字员工作为优化运营，降低成本的解决方案。
博为小帮软件机器人可通过模拟人在电脑上对鼠标键盘的操作，像真人一样进行自动化办公，且7×24小时全天候不间断，按照规则去自动化执行流程或者一系列的任务，将政务工作人员从重复烦琐的工作中解放出来。
在某银行监管报送领域，各银行分支机构的风险经理需要每月定期统一业务报表，系统下载原始数据，并整合手工台账数据，按照监管要求制作数十张监管报表(比如，GF0102贷款五级分类月报表、GF1101行业贷款情况表、G12贷款质量迁徙表)，并向属地监管机构报送。
传统人工处理面临着监管报表数量多、计算规则复杂、人工制作非常耗时、易出差错的痛点。在小帮软件监管报送机器人的技术支持下，实现了监管报表科目的自动计算及一键生成，全流程从12个小时降低至1.5小时以内，效率提高了7倍。
