AMC如何精准透析银行不良贷款数据.docx

AMC如何精准透析银行不良贷款数据
银行业一直被公认为比拟难看懂的行业，多数人看不懂 银行的一个关键原因是看不懂银行的不良。因为，外表上看 很多银行报表的不良数据相差不大，比方，好的银行不良率 1.3%,差的银行1.8%,但是实际上市场给予的估值相差甚 远。其实，所有这些问题的本质归结为投资者看不懂或者不 会看银行报表中的不良信息。接下来，笔者就谈一下银行报 表不良研究的技巧。
01银行不良全生命周期涉及的过程及指标
在学习不良分析技巧前，首先需要搞清楚银行不良的全 生命周期到底涉及到哪些过程和指标。对于银行来说，需将 吸收的负债或者自有资本配置到资产中去，这些资产包括贷 款、债券、同业资产、非标资产等，其中贷款占据银行资产 的一半以上。只要是资产就存在违约风险，一旦出现违约, 对银行来说就产生了不良资产。 银行主要的不良来自贷 款，只要盯住贷款的不良就可以掌握银行资产质量的大概情 况。银行放贷后，客户需要按月归还利息（或者利息+局部本 金），一旦客户不能按期偿，这些贷款的状态就会进入逾期状 态，按照逾期时间的长短可以分成逾期30天以内，逾期 30~90天和逾期90天以上。银行会根据客户的实际情况对贷款进行分类。
按照目前银保监会对银行报表披露的要求，银行需要按照贷款五级分类的标准披露贷款质量数据。这五类分别为: 正常类、关注类、可疑类、次级类和损失类。需要注意的是，
逾期和不良贷款之间没有直接的对应关系。针对贷款，银行 需要从营业利润中计提贷款风险减值损失，并注入到贷款减 值准备池中。针对各类贷款的计提标准是完全不同的，其中 正常类最低计提标准1%,关注类最低2%,可疑类25%, 次级类50%,损失类100%。
当贷款成为不良后，银行可采取多种手段进行处理，包 括内部催收、外部催收、不良资产证券化等。当某笔贷款确 实无法收回本息时，银行可以动用贷款减值准备池中的减值 准备对于不良资产进行核销，核销后不良贷款余额和资产减 值准备余额同时减少对应不良资产的余额。当然，核销后如 果这局部资产又收回了本息，还可以把钱再冲回资产减值准 备池中。
可以看到整个贷款不良产生的过程有4个池子和3个主 要过程。4个池子分别是，池子1：非不良贷款（包含正常和 关注贷款）；池子2：不良贷款；池子3：贷款减值准备；池 子4：减值前利润。3个主要过程是，1.新生成不良贷款（贷 款从池子1流向池子2）； 2.计提资产减值损失（资金从池子 4流向池子3）； 3.核销不良贷款（资金从池子3流出冲销掉 池子2中的不良资产）。
02新生成不良率、不良偏离率最重要
作为投资者，如果希望更全面地了解投资的银行，需要知道 以下信息：
1・新产生了多少不良，对应的指标：新生成不良率=新生成不 良/贷款总额。这个指标反映了在一段时间内有多少比例的 贷款从池子1流向池子2,这也是最重要的原生指标。
2,计提了多少减值损失，对应的指标：减值占营业利润比率 =减值损失/营业利润；信用本钱=减值损失/贷款总量。前一 个指标反映了减值损失对利润的侵蚀，同时也反映了未来不 良好转后银行业绩爆发的力度。后一个指标反映了贷款的风 险度。
3.总共有多少不良，对应的指标：不良率=不良余额/贷款总 额。这个指标反映的是某个时间点，所有未处理不良的多少。 4,减值准备余额是否足够，对应的指标：不良覆盖率和拨贷 比。不良覆盖率=贷款减值余额/不良贷款余额，拨贷比=贷 款减值余额/贷款总额。不良覆盖率代表了池子3是不是够 覆盖已经存在的不良（池子2）,拨贷比代表了池子3能抵御 多少未知的风险。
5.不良认定标准是否严格,对应的指标：不良偏离率=逾期90 天的贷款余额/不良余额。不良偏离率越高说明银行的不良 认定标准越不严格。 所有这些指标中最重要的是第一个 和第五个。第一个指标是对当前不良发生情况最灵敏的。当 一家银行的新生成不良率走低时，即使现有不良率高一些也 不用担忧，可以通过时间化解存量不良。但是很遗憾，除了 招商银行，其他银行都没有公布该数值。 第五个指标表 示所有和不良余额沾边的其他指标的置信度。不良认定标准 越严格，其他的指标可参考性才越大。对于新生成不良余额, 虽然多数银行未公布，但可以通过一些方法得到近似值。比 如：不良余额增量=新生成不良-核销-其他手段处理不良的余 额。所以，新生成不良的下限=不良余额增量+核销。
03合法调节手段使不良看起来更好 分析了主要不良相关 指标，可以通过典型案例，看银行如何修饰其不良的现状, 注意这里并没有说财报造假，只是说有些银行通过合法的调 节手段让不良问题看起来没有那么严重。
|案例1：牺牲不良偏离度 某银行h在2018年中报的不 良数据如表1。该银行不良偏离度到达198.74%,这说明银 行h的不良认定标准非常糟糕。过去监管机构对于不良偏离 率指标没有要求，该银行为了掩盖不良的问题，故意把不良 放在关注类贷款内逃避计提减值的监管指标。从2019年开 始，银保监会要求银行把不良偏离率控制在1以下，该银行 如果按照中报的静态数据满足不良偏离度为1的话，还原后的数据可以用惨不忍睹来形容，不良率3.52%,不良覆盖率
79.74%O
表1 牺牲不良偏离度
2018年中报
报表数据
还原后数据
贷款总量
15375.91
15375.91
不良余额
272.06
540.69
逾期90天贷款余额
540.69
540.69
贷款减值准备余额
43L14
43L14
不良偏离度
198.74%
100.00%
不良率
1/77%
332%
不良覆盖率
158.47%
79.74%
拨贷比
260%

|案例2：快速扩张贷款规模稀释不良 某银行d,从2016 年中报时启动信用卡战略，大力推广基于信用卡的信用贷、 透支和分期业务。在信用卡业务的快速扩张期，该业务成了 d银行的救命稻草，如表2所示。银行的贷款业务是利润前 置，风险后置，贷款放出去，下个月利息就进来。但是贷款 很少在第一个月就发生逾期，违约往往发生在贷款后一段时 间。所以，在不良增加时通过快速扩张贷款规模可稀释现有 不良，而未来新生成的不良可以靠更后面的贷款稀释。
表2快速扩张规模稀释不良法相当于把问题无限期拖延。最终的结局有两个可能：一是 经济复苏，这些不良拖到最后成优良资产。另一个是银行熬 不下去了暂停规模扩张，比方受限于资本充足率，后续不良 率会爆发。比方：d银行在推动信用卡业务后，其实不良余 额一直在高速增加，但是反映到不良率上被快速扩张的资产 规模给掩盖了。到了 2018年中报，d银行这块业务扩张不动 了，不良余额虽然逐渐慢了，但是不良率却快速走坏。
2016-2018 中报
2016 年报
2017 中报
2017 年报
2018 中报
信用卡贷款额度
2667.76
3789.42
4183.47
411L56
: 信用卡不良率
L21%
127%
L32%
L58%
信用卡不良余额
1
32.34
48 J 3
55.26
6492
信用卡不良余额环比增幅
4159%
48.81%
14.83%
17.48%
猫用卡不良率环比增幅
•
*
—902%
4.96%
4 G2丹
一
空史这个戏
|案例3：高生成，高暴露，高核销 某银行p 一直走所谓 的高利率覆盖高风险的套路，在追求高速扩张时放松了风险 控制，从2015年开始连续3年的报告，如表3所示。虽然 该银行的净息差名列前茅，但是贷款的信用本钱高达 2.39%〜3.08%。算上信用本钱，信贷业务基本上都是赔钱的。 虽然该银行的不良率并不高，但其覆盖率、拨贷比等多个监 控指标一直在监管线上徘徊。整个银行典型增收不增利，不 但无力给投资者大额分红还要经常进行再融资，堪称价值毁灭的典范。
表3高生成、高暴露、高核销
2015—2017年
2015 年
2016 年
2017 年
不良余额
176.45
257.02
289.97
贷款总额
1216L38
14758.01
17042.3
减值损失
294.61
45435
408.03
减值准备
292.66
39932
438J
核销金额
235.83
29947
392.03
不良率
L45%
L74%
L70%
不良覆盖率
165.86%
15537%
15LO8%
拨贷比
2.41%
271 % •.? *

|案例4： “
巧用“投资资产规避不良披露和减值计提
银行x一直以创新能力强著称，前几年通过将信贷资产包装 成应收投资规避不良披露和减值计提。其最近3年的相关数 据和资产规模相当的同类银行相比有巨大的差异，如表4所 示。该银行贷款占比远低于同业，由于投资类资产无需强制 披露不良分布细节，无需按照规定计提减值。所以，银行x 用和同等规模银行相近的贷款减值准备获得了高得多的拨 贷比。
表4低货款策略
2017 年
银行z
银行P
银行m
银行X
资产总额
6297638
61372.4
59020.86
64168.42
贷款占比
54.22%
52.05%
4625%
36.60%
贷款减值准备
150432
907.47
745.19
818.64
拨贷比
4.22
2.84%
2£恪豉
「； 但是，从
2017年开始银保监会要求银行对于应收款项类投资按照穿 透管理的原那么确保风险权重和减值按照底层资产足额计提。 此规定出台后，x银行擅长的创新没有更多的油水可捞，于 是从2017年开始，x银行加快了资产配置的腾挪，伴随着贷 款占比的增加，该银行前几年靓丽的不良数据开始走差，出 现不良余额和不良率的双升，拨贷比和不良覆盖率出现趋势 性下行。
表5 银行X不良数据走差
银行X
2017 年 报
2018 年 1季报
2018 年 2季报
201 8 年 3季报
贷款占比
36.60%
3831%
39.39%
41.7 1%
不良率
159%
L58%
L59%
L61%
拨贷比
3.71%
3.30%
3.34%
3.33%
不良覆盖率
21178%
209.07%
209.5 降
邦色我7蝎
通过上面的案例不难看出，银行的不良数据光看报表上表达 的不良率、拨贷比、覆盖率等指标是缺乏以分辨银行的不良 实际情况的。必须在理解不良生命周期的基础上，从多个维 度考察银行才能得出更可靠的判断。