金融工具準則變更對中國農(nóng)業(yè)銀行的影響
——基于預(yù)期損失模型與已發(fā)生損失模型的比較

余王蕾 吳虹雁

2008年全球性金融危機爆發(fā)之后，商業(yè)銀行常用的金融資產(chǎn)減值計提方式“已發(fā)生損失模型”就因其滯后性和順周期性而飽受質(zhì)疑。經(jīng)過反復(fù)討論，國際會計準則理事會于2014年發(fā)布了《國際財務(wù)報告準則第9號——金融工具》（IFRS9)，要求商業(yè)銀行金融資產(chǎn)減值應(yīng)選用預(yù)期損失模型替代原有的已發(fā)生損失模型。本著會計準則國際趨同的原則，我國財政部于2017年修訂了《CAS22——金融工具確認和計量》準則，要求在境內(nèi)外同時上市的企業(yè)以及在境外上市并采用國際財務(wù)報告準則或企業(yè)會計準則編制財務(wù)報告的企業(yè)自2018年1月1日開始采用預(yù)期損失模型確認貸款減值損失。

可以預(yù)計，預(yù)期損失模型的應(yīng)用將對我國商業(yè)銀行產(chǎn)生顯著影響，本文以中國農(nóng)業(yè)銀行為案例分析對象，緊密結(jié)合其2018年的年報數(shù)據(jù)，通過對2013-2017年農(nóng)行貸款減值準備及相關(guān)指標(biāo)進行反向推算，分析農(nóng)行過去年度貸款資產(chǎn)在預(yù)期損失模型下的減值計提額及相關(guān)指標(biāo)的變化，并選取反映銀行盈利性、流動性、風(fēng)險性的相關(guān)指標(biāo)，將農(nóng)行與中行、工行、建行進行橫向比較，分析預(yù)期損失模型對農(nóng)行影響的特殊性，從而科學(xué)客觀地得出預(yù)期損失模型對中國農(nóng)業(yè)銀行的全方位影響。

一、預(yù)期損失模型的內(nèi)容

（一）預(yù)期損失模型的內(nèi)容及三階段分類法

預(yù)期損失模型就是將金融資產(chǎn)預(yù)期信用損失納入確認金融工具初期考慮的減值模型，其最大的特點是要求商業(yè)銀行在未出現(xiàn)客觀減值證據(jù)前就開始計提減值準備，以預(yù)期損失來確認貸款減值損失，從而達到在發(fā)生實際貸款減值時商業(yè)銀行能夠維持穩(wěn)健經(jīng)營的目的。

根據(jù)金融資產(chǎn)的預(yù)期風(fēng)險發(fā)生狀況，預(yù)期損失模型將金融資產(chǎn)減值的確認分為三個階段。第一階段的金融資產(chǎn)在資產(chǎn)負債表日信用風(fēng)險低或在初始確認后信用風(fēng)險無顯著增加，對其按12個月計提減值，并以賬面總額和實際利率的乘積計算利息收入；第二、三階段的金融資產(chǎn)在初始確認后都表現(xiàn)出信用風(fēng)險顯著增加，對其都以整個生命周期來計提減值，區(qū)別在于是否擁有客觀證據(jù)直接證明信用風(fēng)險的上升，若無客觀證據(jù)則依舊以賬面總額和實際利率的乘積計算利息收入，否則以攤余成本和實際利率的乘積作為計量結(jié)果。

（二）預(yù)期損失模型和已發(fā)生損失模型的比較

對比新準則所要求的預(yù)期損失模型和銀行業(yè)原采用的已發(fā)生損失模型，二者在以下三個方面存在明顯差異：

1.初始確認時二者都采用預(yù)期現(xiàn)金流量測算初始賬面價值，但已發(fā)生損失模型具有時滯性，只需考慮商業(yè)銀行金融資產(chǎn)已發(fā)生的信用損失，而預(yù)期損失模型則具有前瞻性，需要同時考慮金融資產(chǎn)已發(fā)生的信用損失和預(yù)期信用損失。

2.減值計量時已發(fā)生損失模型采用金融資產(chǎn)賬面金額與預(yù)期未來現(xiàn)金流量經(jīng)實際利率折現(xiàn)后現(xiàn)值之間的差額來計量，而預(yù)期損失模型則采用預(yù)測期法和時間比例法孰高原則確定的可回收額來計量。

3.在已發(fā)生損失模型下計提貸款減值損失需要有觸發(fā)事件，而在預(yù)期損失模型下并不需要觸發(fā)事件，所有金融資產(chǎn)獲得時即需計提預(yù)期信用損失減值。

二、預(yù)期損失模型下中國農(nóng)業(yè)銀行貸款減值案例分析

中國農(nóng)業(yè)銀行是我國主要的綜合性金融服務(wù)提供商之一，截至2018年年末，其資產(chǎn)總額為226094.71億元，其中發(fā)放貸款及墊款114615.42億元，貸款資產(chǎn)比例為50.69%，凈利潤為2226.31億元，凈利率為33.85%，資本充足率為15.12%。

2018年中農(nóng)工建四大國有銀行的財務(wù)報表數(shù)據(jù)顯示其貸款資產(chǎn)比例均大于50%，且商業(yè)銀行信用風(fēng)險主要來自貸款業(yè)務(wù)，因此在新舊減值政策變更的背景下，不同的減值計提模型對貸款減值計提額的影響最大，對利潤表的影響程度也最大，故而本文選擇“貸款及墊款”作為商業(yè)銀行金融資產(chǎn)的代表來測算預(yù)期損失模型實施對中國農(nóng)業(yè)銀行的影響。

（一）重要假設(shè)說明

首先，根據(jù)前人的研究結(jié)果以及中國農(nóng)業(yè)銀行金融資產(chǎn)實務(wù)狀況和金融業(yè)務(wù)的實際操作，本文以“違約概率*違約損失率*風(fēng)險敞口”為預(yù)期損失模型的簡化計算公式。

其次，若全面考慮除減值模型變更以外的客觀環(huán)境因素變化及其作用，將對測算結(jié)果的針對性產(chǎn)生影響，某種程度上也可能影響案例分析結(jié)果的準確性。本文假設(shè)中國農(nóng)業(yè)銀行在2013-2018年期間資產(chǎn)結(jié)構(gòu)以及風(fēng)險結(jié)構(gòu)保持相對穩(wěn)定，并未受經(jīng)濟環(huán)境影響出現(xiàn)巨大波動。

（二）中國農(nóng)業(yè)銀行貸款減值案例分析

從農(nóng)行2018年的年報數(shù)據(jù)可知，在預(yù)期損失模型下，農(nóng)行將貸款和墊款的風(fēng)險程度分為低、中、高三種情況。據(jù)此，我們可用農(nóng)行2018年貸款和墊款的實際風(fēng)險占比，對中國農(nóng)業(yè)銀行2013-2017年的貸款損失準備等相關(guān)數(shù)據(jù)進行反向推算。

基于農(nóng)行2013-2018年間資產(chǎn)結(jié)構(gòu)和風(fēng)險結(jié)構(gòu)無劇烈波動的假設(shè)，可將該行2018年貸款風(fēng)險分布比例遷移至2013-2017年。再以表1中貸款損失準備額與貸款和墊款賬面余額相除，得出該項金融資產(chǎn)各階段下的預(yù)期損失率，以各信用風(fēng)險等級占比為權(quán)重乘以各階段損失率，最終的加權(quán)值結(jié)果即可成為“違約概率*違約損失率”的替代值。

將2018年報表中的各類風(fēng)險等級占比數(shù)據(jù)及其各階段風(fēng)險損失率遷移至以前年度之后，再以農(nóng)行2013-2017年的風(fēng)險敞口（本文以金融資產(chǎn)的賬面價值為風(fēng)險敞口)相乘，得出中國農(nóng)業(yè)銀行2013-2017年在預(yù)期損失模型下的減值準備測算額。

根據(jù)表2的測算結(jié)果可知，中國農(nóng)業(yè)銀行同一會計期間的貸款減值準備計提額在新舊兩個模型下呈現(xiàn)明顯差異，主要表現(xiàn)兩個方面：

1.減值規(guī)模顯著擴大。從理論上講，預(yù)期損失模型與已發(fā)生損失模型相比考慮了更多前瞻性的信息，同一金融資產(chǎn)在預(yù)期損失模型下的減值準備額應(yīng)大于已發(fā)生損失模型下的減值準備額。表2中的推算結(jié)果也印證了這一點，中國農(nóng)業(yè)銀行2013-2017年原計入減值的貸款及墊款資產(chǎn)在預(yù)期損失模型下計提的減值準備較之以往有較大幅度的上升，升幅約為10%-12%。

2.減值計提比例波動減緩。在預(yù)期損失模型下，銀行在事先對金融資產(chǎn)的未來信用風(fēng)險進行了減值計提，這能夠抵消一部分資產(chǎn)減值損失的沖擊，故而同一時期內(nèi)貸款減值準備計提額的波動較為平緩。表2中預(yù)期損失模型下計提減值準備額的均方差小于已發(fā)生損失模型下計提減值準備額的均方差則更直觀地說明了這一點。

表1 中國農(nóng)業(yè)銀行2018年“貸款和墊款”資產(chǎn)信息統(tǒng)計（單位：百萬元）

表2 中國農(nóng)業(yè)銀行2013-2017年預(yù)期損失模型下貸款減值準備反推結(jié)果（單位：百萬元）

由于貸款及墊款占中國農(nóng)業(yè)銀行的金融資產(chǎn)總額的比重較大，為貸款及墊款設(shè)立的減值準備規(guī)模的擴大會對銀行當(dāng)期損益產(chǎn)生較大的沖擊，并進而影響其財務(wù)指標(biāo)，我們進一步測算并比較了2013-2017年農(nóng)行在新舊減值模型下重要財務(wù)指標(biāo)的變化，推算結(jié)果如表3所示。

與已發(fā)生損失模型相比，在預(yù)期損失模型下，2013-2017年間中國農(nóng)業(yè)銀行主要財務(wù)指標(biāo)出現(xiàn)以下幾方面變化：

1.凈利率降低，銀行盈利在短期內(nèi)下降。采用預(yù)期損失模型，銀行對未來信用風(fēng)險的敏感度提高，較多的減值準備計提額加大了資產(chǎn)損失總額，致使銀行利潤總額下降。

2.利潤波動減小。2013-2017年間，預(yù)期損失模型下的利潤增長率方差比已發(fā)生損失模型下的利潤增長率方差小3.59%，說明在預(yù)期損失模型下中國農(nóng)業(yè)銀行的利潤波動更加平緩，銀行經(jīng)營的穩(wěn)健性得到提升。

3.資本充足率下降。預(yù)期損失模型下中國農(nóng)業(yè)銀行凈利潤下降，未分配利潤、盈余公積下降，從而導(dǎo)致該行核心一級資本減少，最終導(dǎo)致資本充足率下降。該結(jié)論基于本文控制了“風(fēng)險加權(quán)資產(chǎn)”保持不變的假設(shè)，但在實際情況中，預(yù)期損失模型的使用會導(dǎo)致銀行采取主觀行動使得不良貸款率下降，故而在影響因素復(fù)雜的實際情況中，銀行業(yè)資本充足率的變化方向是難以準確測得的。

三、中國農(nóng)業(yè)銀行與其余三大國有銀行的橫向比較

（一）預(yù)期損失模型下農(nóng)行與同業(yè)財務(wù)指標(biāo)橫向比較

由于各銀行自身經(jīng)營狀況不同，預(yù)期損失模型的應(yīng)用對其影響的程度和范圍也各不相同。本文選取與中國農(nóng)業(yè)銀行企業(yè)性質(zhì)相同及業(yè)務(wù)類型類似的中行、工行、建行等三家國有銀行，將中國農(nóng)業(yè)銀行與這三家國有銀行的相關(guān)指標(biāo)進行橫向?qū)Ρ?，從橫截面的角度深入分析預(yù)期損失模型的應(yīng)用對中國農(nóng)業(yè)銀行的影響。

根據(jù)表4可知，在預(yù)期損失模型下，中國農(nóng)業(yè)銀行與其余三家國有銀行的差異主要表現(xiàn)在三個方面：

1.農(nóng)行的不良貸款率在四大行中最高且高于國有銀行的平均水平。盡管農(nóng)行的資產(chǎn)質(zhì)量在近些年已經(jīng)得到了控制和提升，但從不良貸款率看，農(nóng)行的資產(chǎn)質(zhì)量依然處于四大國有銀行的最低水平。不良貸款的出現(xiàn)是銀行信用風(fēng)險控制不力的結(jié)果，不良貸款率的上升反映了商業(yè)銀行信用風(fēng)險的積累，在預(yù)期損失模型下，這將對中國農(nóng)業(yè)銀行產(chǎn)生較以往更大的影響，會降低銀行的資產(chǎn)流動性和盈利性，并對其資產(chǎn)總額產(chǎn)生更高的要求。

表3 中國農(nóng)業(yè)銀行2013-2017年新舊減值模型下重要財務(wù)指標(biāo)對比

表4 中農(nóng)工建四大國有銀行2018年相關(guān)指標(biāo)統(tǒng)計

2.農(nóng)行2018年的貸款撥備率和撥備覆蓋率都高于四大行的平均水平，且較之2017年的增長率同樣處于最高水平。中國農(nóng)業(yè)銀行在撥備覆蓋率上的良好表現(xiàn)說明其信用風(fēng)險防范意識較強，風(fēng)險抵補能力也較強，這對于農(nóng)行的資產(chǎn)質(zhì)量是一個強有力的保障。與2017年的撥備覆蓋率相比，農(nóng)行2018年該指標(biāo)的增長率高達21.03%，說明預(yù)期損失模型對農(nóng)行的影響與同業(yè)其他國有銀行相較偏大，農(nóng)行在新模型下計提的準備金有較大規(guī)模的增長。

3.農(nóng)行的凈利率在四大行中處于最低水平且在新減值模型下降幅最大。預(yù)期損失模型較之已發(fā)生損失模型要求銀行計提更多的減值準備，從而對銀行的盈利水平產(chǎn)生沖擊。盡管在預(yù)期損失模型下四大國有銀行都出現(xiàn)了凈利率的負增長，但農(nóng)行的降幅最大并遠大于平均降幅，這與農(nóng)行在新減值模型下計提了較多的信用減值損失有關(guān)，說明農(nóng)行的資產(chǎn)質(zhì)量相對不佳，受新減值模型應(yīng)用的影響最大。

（二）預(yù)期損失模型的應(yīng)用對中國農(nóng)業(yè)銀行的整體影響

首先，影響中國農(nóng)業(yè)銀行主要財務(wù)指標(biāo)及比例。數(shù)據(jù)顯示，當(dāng)僅考慮同一項貸款資產(chǎn)從舊模型轉(zhuǎn)換到新模型下時，減值計提額的升幅就大于10%。農(nóng)行由于業(yè)務(wù)范圍和其資產(chǎn)質(zhì)量的特殊性，在新模型下計提的信用減值準備較多，在四大行中撥備覆蓋率的增長幅度也最大，這些都會使得農(nóng)行資產(chǎn)儲備下降。此外，減值規(guī)模的擴大又會對銀行的會計利潤產(chǎn)生影響，沖擊其凈利率，導(dǎo)致其盈利水平下降。在四大行中，農(nóng)行的凈利率受預(yù)期損失模型的影響最大，在2018年出現(xiàn)了大幅的下降。但這種下降并非永久性的，確認初期計提的減值準備在以后年度可以彌補實際出現(xiàn)的減值損失，進而實現(xiàn)對金融資產(chǎn)實際損失的緩沖作用，農(nóng)行凈利率也會逐步回升。

第二，緩解金融資產(chǎn)減值計提的順周期性，助力農(nóng)行穩(wěn)健發(fā)展。應(yīng)用預(yù)期損失模型之后，農(nóng)行在金融資產(chǎn)確認之初就考慮了未來的信用風(fēng)險狀況并提前計提了減值準備，這對未來實際出現(xiàn)的減值損失起到了良好的抵補作用，緩解了原先的金融資產(chǎn)減值計提的順周期性。預(yù)期損失模型的預(yù)先計提相當(dāng)于在各階段平攤了減值損失，從表2和表3的計算結(jié)果可以看出，在預(yù)期損失模型下農(nóng)行的減值計提規(guī)模和凈利潤的波動情況較之原模型都更加平緩，也即在預(yù)期損失模型下減少了陡然出現(xiàn)巨額減值損失的可能性，有利于其穩(wěn)健經(jīng)營。

第三，促使農(nóng)行優(yōu)化客戶選擇，實行有效風(fēng)險管理。新減值模型的實施要求農(nóng)行更加關(guān)注自身資產(chǎn)質(zhì)量，這會促使農(nóng)行進行合理科學(xué)的金融資產(chǎn)配比，平衡風(fēng)險和收益帶來的影響。在客戶選擇上，會使農(nóng)行投入更多的成本費用對客戶的信用風(fēng)險等級信息進行詳細的調(diào)查，不僅要考慮客戶現(xiàn)階段的風(fēng)險狀況，更要根據(jù)綜合情況預(yù)判該客戶在未來時間的信用風(fēng)險。在短期內(nèi)這些措施會增加農(nóng)行的費用，但從長期來看，這有助于農(nóng)行更多地持有優(yōu)質(zhì)資產(chǎn)，實施可持續(xù)化的長久發(fā)展。

四、對農(nóng)行應(yīng)用預(yù)期損失模型的對策建議

第一，基于CAS22準則進一步制定量化標(biāo)準，合理計提減值準備。IFRS9和CAS22準則規(guī)定金融資產(chǎn)的減值損失計提期間的范圍取決于金融資產(chǎn)信用風(fēng)險是否顯著增加，其中，如何明確界定金融資產(chǎn)信用風(fēng)險顯著增加是商業(yè)銀行亟待解決的問題。農(nóng)行應(yīng)進一步制定和完善相關(guān)量化標(biāo)準，參考使用內(nèi)部評級法、違約概率的變化臨界點等標(biāo)準，開發(fā)新的PD、LGD模型或者預(yù)期損失率模型。同時考慮各種金融資產(chǎn)不同的信用風(fēng)險評級方式，精確劃分各類金融資產(chǎn)的信用階段和風(fēng)險等級。

第二，借助科技力量強化風(fēng)險識別和監(jiān)控能力，提升金融資產(chǎn)質(zhì)量。在預(yù)期損失模型下，農(nóng)行應(yīng)致力于開發(fā)和優(yōu)化對客戶進行評級管理的管控模式，借助過去積累的財務(wù)大數(shù)據(jù)和信息網(wǎng)絡(luò)，同業(yè)間進行數(shù)據(jù)共享，引入?yún)^(qū)塊鏈行為數(shù)據(jù)記錄，開發(fā)網(wǎng)絡(luò)爬蟲程序等對客戶的信用風(fēng)險進行綜合評價，切實保障農(nóng)行的未來發(fā)展能力。在金融資產(chǎn)存續(xù)期間，依舊要對其風(fēng)險狀況進行回檢、監(jiān)控和修正，對信用風(fēng)險的變動要及時作出應(yīng)對，進行全生命周期的管理和監(jiān)測。

第三，合理配比金融資產(chǎn)，重新調(diào)整定價水平。農(nóng)行應(yīng)積極調(diào)整不同信用風(fēng)險水平下金融資產(chǎn)的配比模式，保持金融資產(chǎn)風(fēng)險和收益的平衡點，提高銀行存貸比并著力控制信貸資產(chǎn)不良率。由于預(yù)期損失模型要求銀行對高風(fēng)險的金融資產(chǎn)計提較多的減值準備，這明顯增加了商業(yè)銀行對該類資產(chǎn)的風(fēng)險成本，故而農(nóng)行需要根據(jù)風(fēng)險管理狀況重新對金融資產(chǎn)進行定價，確定新的盈虧平衡點，確保農(nóng)行自身和客戶在利益上獲得雙贏，并積極遏制不良率的增長，實現(xiàn)農(nóng)行的良性發(fā)展。

[基金項目：南京農(nóng)業(yè)大學(xué)國家級大學(xué)生創(chuàng)新訓(xùn)練項目（項目編號：201910307086Z）]