資產質量分析框架：初識、進階與實戰
作者：邱冠華、袁梓芳、郭昶皓、梁鳳潔
感謝：張慧（實習）
來源：國泰君安研究所銀行組
具體參見2018年8月24日報告《資產質量分析框架：初識、進階與實戰——基本面研究系列之二》
本報告導讀
銀行是經營風險的行當，因客戶違約而產生的損失是經營成本中最重要也最獨特的一部分，本報告從最基本的指標和報表入手，搭建資產質量的分析框架。
摘要
?初識：指標與報表
1、最常用的指標和報表：圍繞貸款分類、減值損失與準備、生成與處置三大塊內容，詳細闡述了資產質量指標及可能遇到的問題；
2、方法補充及案例分析：補充了一種考察非貸款資產質量的方法，並對不良認定趨嚴新政進行了案例分析。
?進階：扭曲與應對
1、上市行不良現狀概覽：從不良率與偏離度、撥備覆蓋率與信用成本兩組指標入手，考察上市銀行的資產質量特徵；
2、不良率的缺陷與應對：不良率的分子和分母都存在缺陷，使得整個指標難以反應真實的資產質量情況。對此，需要通過多個指標的組合拳輔助判斷；
3、撥備平滑利潤的原理：撥備計提存在主觀因素的影響，銀行可以利用它來平滑利潤，但這樣的操作也面臨多項監管指標的限制。
?實戰：預測與估值
1、從周期把握真實不良：不良生成的前一步，都是企業面臨償債能力惡化，因此總量上可以用利息保障倍數作為資產質量的先行指標。此外，行業和地區的影響也不容忽視。
2、從市場把握預期不良：市場定價隱含了對於不良的預期，破凈股和信用利差就是兩個很好的切入點，傳統觀點認為，銀行股破凈意味著有隱藏的不良會侵蝕凈資產，我們可以將這個隱藏的預期不良率計算出來，而信用利差則是債券市場對信用風險的定價。
3、不良影響估值的路徑：預期層面的資產質量惡化，會通過提高成本來影響銀行未來現金流質量，從而降低估值。挖掘銀行資產質量超預期，可以分析賬面不良率邊際變化，以及從宏觀層面自上而下來把握。
?風險提示
年初以來企業償債能力邊際下降，債券市場違約事件頻發，需注意信用環境惡化傳導至銀行資產端的風險。
另有配套使用的信用風險跟蹤資料庫，歡迎聯繫索取。
目錄
1. 初識：指標與報表
1.1. 貸款質量的兩種分類
1.2. 不良貸款與銀行利潤
1.3. 貸款減值準備及變動
1.4. 不良貸款生成與處置
1.5. 其它資產的質量判斷
1.6. 案例：認定標準收緊
2. 進階：扭曲與應對
2.1. 上市行不良現狀概覽
2.2. 不良率的缺陷與應對
2.3. 撥備平滑利潤的原理
3. 實戰：預測與估值
3.1. 從周期把握真實不良
3.2. 從市場把握預期不良
3.3. 不良影響估值的路徑
4. 風險提示
報告正文
銀行是經營風險的行當，因客戶違約而產生的損失是經營成本中最重要也最獨特的一部分。因此，認識並解讀銀行資產質量，是把握銀行基本面不可或缺的一環。對銀行而言，配置最多且違約概率最高的資產就是貸款，因此一般提到銀行資產質量時，都是指貸款的情況。
我們的資產質量分析框架由三部分構成，遵循「指標—運用—預測—估值」的主線：第一部分介紹完整的銀行資產質量指標體系；第二部分介紹上市銀行資產質量現狀，以及兩個重要指標在實踐中的扭曲和應對；第三部分介紹資產質量預測的簡明思路，以及資產質量影響銀行估值的路徑。
1、初識：指標與報表
1.1.貸款質量的兩種分類
1.1.1.五級分類與不良貸款
2001年末，央行發布《關於全面推行貸款質量五級分類管理的通知》，我國告別了此前「一逾兩呆」的貸款風險分類方法，轉而採用國際通行的五級分類，情況如下：
其中，次級、可疑和損失類貸款統稱為不良貸款，由此衍生出資產質量最為重要的兩個指標：不良貸款額和不良貸款比例（簡稱不良率，不良貸款餘額/貸款總額）。相對應的也有關注貸款額、關注率等。
需要注意的是，貸款分類並非靜態不變。隨著宏觀經濟或借款人自身條件改變，還款能力也將上升或下降，單筆貸款的分類隨之改變，因此衍生出貸款遷徙率這一指標，衡量的是某一分類向下面的等級遷移金額的比例。
1.1.2.逾期貸款
由於五級分類非常粗糙，各項分類的認定標準也較模糊。因此各家銀行以違約概率為主要依據，有自己更為精細的貸款分類標準。除還款能力外，也要考察抵押品、逾期時間等指標。但這使得不良貸款的劃分有較大主觀操作空間。
另一種相對客觀的分類方式，是以貸款逾期的時間長短不同進行劃分，目前一般按逾期90天內、90天—1年、1—3年和3年以上分為4類。每類相對應地有逾期貸款額和逾期貸款率指標。考慮到企業短期周轉不靈，或者個人信用卡忘還款等情況，並非借款人還款能力下降，一般我們僅考慮逾期90天以上貸款存在風險。
1.1.3.不良認定嚴格程度
由於逾期貸款是記錄真實發生的情況，較不良貸款操作空間小，而逾期90天以上貸款又存在違約風險。因此，可以使用逾期90天以上貸款/不良貸款（俗稱偏離度），來考察各家銀行對不良貸款的嚴格程度。該指標越大，說明有越多的問題貸款未劃入不良，不良可參考性越低。也有人用逾期貸款率-不良貸款率（俗稱剪刀差）來衡量。
1.2.不良貸款與銀行利潤
由借款人違約而導致的損失，體現在利潤表中的「資產減值損失」一項，但這僅是利潤表中最為簡略的展示。由下表①②可知，資產減值損失是各類別資產各自損失的加總額，而某類資產減值損失，就是該項資產減值準備中的計提項（加項）。關於表③，我們將在下一小節展開分析。
在資產減值損失中，貸款減值損失一般佔90%甚至更高，因此它是我們重點研究的對象，我們將貸款減值損失/貸款總額均值稱為信用成本，聯想到貸款的年化利率，可以把年化信用成本近似理解為年化利率中的信用風險溢價。
需要特別注意的是，貸款減值損失並非當期實際發生的值，而是銀行預先從利潤中扣出來存放到別處，以應對可能發生的損失，儲存的位置叫貸款減值準備。這麼做的好處有兩個，其一，預先把損失考慮在利潤中，體現銀行審慎經營的態度；其二，一旦真的產生損失，只要儲備足夠，就完全不會影響當期利潤，銀行經營指標相對平穩。
另外，在計算信用成本等「流量/存量」指標時，我們一般對存量取平均值，比如「期初期末貸款總額的平均」而非「貸款總額」，為使行文簡潔，下文均寫為「貸款總額均值」。
1.3.貸款減值準備及變動
1.3.1.貸款減值準備的監管要求
對於貸款減值準備（簡稱撥備），有撥備覆蓋率（貸款減值準備/不良貸款額）和撥貸比（貸款減值準備/貸款總額）兩項指標。二者數值越大，對不良貸款損失的吸收能力就越強，目前監管要求銀行撥備覆蓋率不低於120%-150%（根據各銀行自身情況確定），撥貸比不低於2.5%。
由於存在等式：不良率=撥貸比/撥備覆蓋率，因此當不良率大於1.67%時，只要撥備覆蓋率大於150%，就能保證撥貸比達標；類似地，不良率小於1.67%時，只要撥貸比大於2.5%，就能保證撥備覆蓋率達標。一般而言，市場更為關注撥備覆蓋率。
1.3.2.貸款減值準備變動拆解
我們進一步考察貸款減值準備的變動情況，以工行17年年報為例。整張表適用BASE法則，即：期末餘額=期初餘額+增加值-減少值。
各個項目的含義如下：
（1）新增：因新投放貸款及貸款等級變動而新計提的值；
（2）劃轉：因貸款規模變動而在單項評估和組合評估之間轉移的值，只涉是兩個科目「此消彼長」，不增加減值準備總額；
（3）回撥：因收回已減值貸款的本金，或貸款等級好轉而減少的撥備。部分銀行也叫「轉回」；
（4）已減值貸款利息收入：沖抵收入中，因權責發生制而產生的不良貸款的利息收入。這是因為，不良貸款本身就面臨本金損失的風險，確認利息收入不合理。部分銀行也叫「折現回撥」；
（5）收回以前年度核銷：收回了之前已經核銷掉的不良貸款，不能直接增加利潤，但可增加撥備，部分銀行也叫「收回」；
（6）轉出：轉讓或重組不良貸款而導致對應的撥備減少（工行報表未出現），如出售、債轉股、打包為ABS等；
（7）核銷：將不良貸款與減值準備在賬面上1:1抵消掉，不良額和不良率因此下降。
雖然看起來複雜，但其實只需把握兩個原則：
（1）只要不良貸款存在，對應計提的撥備就存在；不良貸款消失了（無論是回歸正常、核銷還是轉出），對應規模的撥備也隨之消失；
（2）在本期計提中的項目（一般是新增和回撥兩項），增加撥備就將減少當期利潤，反之反是。不在計提中的項目，不直接影響利潤，但會通過影響撥備水平，間接影響今後的計提力度。
另外還有一個細節，同樣出於審慎考慮，銀行資產負債表中披露的「客戶貸款和墊款」是貸款凈額（即貸款總額-貸款減值準備）。
1.4.不良貸款生成與處置
1.4.1.不良貸款的生成
貸款減值準備中，核銷、轉出等操作都將影響不良貸款總額，因此在計算不良貸款生成情況時，這些影響要考慮在內。同樣根據BASE法則，我們可以得到不良貸款生成額的公式：
不良貸款生成額=期末不良貸款-期初不良貸款+當期核銷+當期轉出
不良生成率則是用不良生成額/貸款總額均值。可以理解為未處置前銀行不良貸款額的一階導，是分析資產質量常用的領先指標。
1.4.2.不良貸款的處置
不良貸款主要有以下四大類處置方式，針對每筆不良貸款，可能同時採用多種方式：
其中，重組貸款額的指標會披露在財報中，但因佔比不高且已被納入不良，關注度不高；核銷和剝離主要體現在貸款減值準備中；清收一般以文字形式進行披露。我們通常以核銷轉出率（當期核銷+轉出/不良貸款均值），來考察銀行處置不良貸款的力度。
實踐中，核銷數據僅在中報和年報披露，且一般銀行傾向於年末集中核銷不良，導致數據呈現較大季節性（同理，不良生成率也存在該問題），且一季度、三季度數據難以確知。可採用滾動平均的方式來修正。
1.5.其它資產的質量判斷
銀行會在資產減值準備細項或各項資產的細項中，披露該類資產已計提的減值準備。因此我們可仿照撥貸比的形式，計算其它資產的撥貸比，並以此衡量銀行對此類資產承擔風險的能力。
比如，市場關注非標債權的質量如何，而非標大部分歸為應收款項類投資，因此我們可計算應收款項撥貸比，如下圖：
1.6.案例：認定標準收緊
有新聞稱，近期監管部門要求銀行必須將逾期90天以上貸款計入不良貸款。我們簡單運用上文的主要指標來分析一下。
以往按慣例，逾期90天以上貸款應當被計入不良貸款，但各銀行的執行力度不一（由下圖可知）。這一規定推出後，如立即執行，意味著偏離度大於1的銀行，不良貸款額將有一個躍升，不良率跟著提升，偏離度下降。但是，這僅是分類方式的改變，使得不良率更真實，銀行資產質量並沒有任何實質變化。
另一方面，不良貸款額的增加將稀釋撥備覆蓋率，同時由於貸款等級下降，面臨監管要求的更高的撥備計提比例。這都將使得銀行必須加大當期撥備計提力度，從而衝擊利潤。我們以監管要求的計提比例為例，算出對利潤的衝擊程度。
?
最後需要補充一點，偏離度小於1僅是指標表象，無法說明該銀行就已經100%把逾期90天以上貸款劃入了不良，因此可能有更多上市行受影響，上述測算應當被視作最低影響。
2、進階：扭曲與應對
2.1.上市行不良現狀概覽
在第一部分對指標體系介紹的基礎後，我們選取不良率和偏離度、撥備覆蓋率和信用成本兩個維度，具體看一下上市行資產質量特徵如何。
從不良率和偏離度看，二者相關性很弱，呈現如下四個組合：
（1）不良率高，偏離度高。這種情況最糟糕，存量不良問題已很大，同時還面臨增量不良（逾期）壓力，如華夏銀行、民生銀行；
（2）不良率高，偏離度低。可理解為通過加強不良認定，坐實資產質量，這種組合往往處在業績底部期，下一步壓力主要在存量不良出清，如浦發銀行、農業銀行；
（3）不良率低，偏離度高。可理解為通過放鬆不良認定，掩蓋部分不良。但這種操作往往是邊際上的變動，總量指標難以觀察到；
（4）不良率低，偏離度低。這種情況最優秀，存量不良低且認定嚴格，短期無需擔憂不良問題，如寧波銀行、上海銀行。
然後，考察上市銀行撥備覆蓋率和信用成本，同樣呈現四種組合：
（1）撥備覆蓋率低，信用成本低。這種情況往往是利潤面臨壓力，通過較低的撥備計提力度，將撥備覆蓋率維持在監管臨界線位置，國有銀行最為典型；
（2）撥備覆蓋率低，信用成本高。這種情況一般是在存量不良出清期，核銷力度加大導致對撥備消耗速度提高，如果存量撥備不足，則需提高信用成本，如平安銀行、浦發銀行；
（3）撥備覆蓋率高，信用成本低。這種情況撥備安全墊已很足，通過降低信用成本，實現撥備反哺利潤，如南京銀行；
（4）撥備覆蓋率高，信用成本高。這種情況主要是在業績上升期，通過多提撥備適當留存利潤，以應對未來下行周期的壓力，如常熟銀行、貴陽銀行。也有可能是在不良出清的初期，加大計提力度應對撥備消耗。
為了使結果更為直觀，將上述四個特徵整理為表格，並進行打分，發現：
（1）國有行：整體資產質量平庸，各自差距不大。撥備覆蓋率普遍面臨壓力。由於國有行業務分布廣、規模大，一般也可作為行業整體情況的代表；
（2）股份行：整體資產質量最差，但銀行間分化較大。這是由於股份行業務風格相對激進，以及地方根基相對較弱。其中，招商銀行（零售資產佔比高）、興業銀行（同業資產佔比高）資產質量位於股份行前列，但其餘股份行均存在壓力；
（3）城商行：整體資產質量最優，但和所處區位及地方競爭格局相關。處於東部發達地區、在當地市佔率領先的銀行，資產質量相對更優，如南京銀行、寧波銀行、上海銀行。由於撥備率整體較高，因此未來將最先享受到撥備反哺利潤；
（4）農商行：整體資產質量次優，分化同樣較大。從銀監會數據看，農商行資產質量其實是所有類別中最差者，但上市農商行要明顯強於非上市農商行。此外，其特徵與城商行類似。
2.2.不良率的缺陷與應對
2.2.1.分母：信貸稀釋
不良率的分母是貸款總額，因此在貨幣政策寬鬆、貸款投放上量的年份，儘管不良貸款還在暴露，不良率仍有可能下降。雖然這一問題對於以貸款總額做分母的指標而言都存在，但對於不良率來說，其周期性的特點更為明顯。我們將歷史的不良率同比變動拆解為分子（不良額）和分母（貸款基數）兩部分，如下圖：
兩個時間段值得留意：
（1）06-07年間，不良貸款總額增長停滯，但由於信貸維持約16%的增速，不良率仍快速下行；
（2）08-10年間，擴張性政策疊加農行不良貸款剝離，不良率加速下降，如加回農行剝離的數額，這段期間不良額其實是微幅上升的。可見，僅通過06-10年間的不良率下降來說明銀行資產質量改善，並不靠譜。
這個圖也展示了不良周期滯後於信貸周期的情況：金融危機後的信貸放量，在接下來的5年中產生了大量的不良貸款，但不良率的抬升直到13年末才顯現端倪。無法即時反應資產質量的邊際變化，使得不良率註定是一個滯後於經濟周期的指標。
近年來政策波動性明顯降低，因此行業層面信貸對不良率的稀釋作用趨於平穩。但在考察各家銀行重點發力投放的行業或產品時，這一點仍需關注。新產品上線之初，往往是不良率數據最為亮眼之時。
2.2.2.分子：左右騰挪
相對於信貸增速而言，分子端的不良貸款額有更多人為操縱的空間：
（1）微觀層面上，不良數據是各分支行重要的考核指標。因此基層工作人員會盡其所能減少不良暴露，最為傳統的做法就是借新還舊。這裡的新可以是本行資金、他行資金乃至高利貸。如果是本行資金，僅僅是延遲了風險暴露，如果是外來資金，則是風險轉移；
（2）宏觀層面上，總行可以不斷調整其認定嚴格程度，「對沖」不良率的變動。此外，還能和同業或非銀機構合作，對不良貸款進行「假出表」，即賬面上已剝離不良貸款，但損失的風險實際仍由銀行承擔。
可見，不良率的變動，除了資產質量的影響外，還摻雜了很多人為選擇的因素。因此，從公開信息看，我們或許永遠都無法得知銀行真實的不良水平。
2.2.3.應對：雙管齊下
面對不良率存在的種種問題，有兩個較為簡單的解決方案：
（1）在考察當前行業或銀行的資產質量時，使用更為客觀和先行的指標。比如逾期貸款率、偏離度、關注+不良率等。其中，關注+不良率也被稱作「真實不良率」，其邏輯在於，關注類貸款是不良貸款的主要來源，而如果一項貸款不在關注和不良中，那從銀行角度看，當前不存在違約風險。
由圖可見，關注+不良率的波動性明顯高於不良率。16年下半年至今不良率走平，但關注+不良率逐漸下行，說明銀行資產質量開始改善。
?
（2）在考察行業或單個銀行未來的不良壓力時，使用不良生成率和撥備覆蓋率。由這兩個指標可以進行簡單的壓力測試，比如假設出未來不良的生成情況，即可推出撥備能夠支撐的時間，以及維持撥備覆蓋率所需要多提的利潤。
2.3.撥備平滑利潤的原理
2.3.1.操作原理
我們先直觀看看資產減值損失能佔到利潤的幾成，以評估其重要程度。其中，資產減值損失（計提撥備）直接來源於撥備前利潤，因此這一比值可視作撥備計提力度。
由圖可見，17年資產減值損失/撥備前利潤達33%，佔比不及三費和負債成本等，但撥備計提相對主觀，並且也不是當期就消耗掉了，因此成為銀行平滑利潤的工具，也是盈利預測中最難把握的一個部分。需要補充的是，由於監管部門對各等級貸款的撥備計提比例有要求，因此資產質量惡化時，銀行撥備計提力度肯定會上升。所謂平滑利潤，並不是隨心所欲的。
如果撥備計提力度（資產減值損失/撥備前利潤）不變，那麼銀行稅前利潤的同比增速應當等於撥備前利潤的同比增速。因此，我們可用稅前利潤同比增速-撥備前利潤同比增速這一指標，反應撥備對利潤的影響。一般將大於0稱作撥備反哺利潤，小於0稱作撥備侵蝕利潤。另外，在對凈利潤增速的拆解中，該指標也是組成要素之一。
2.3.2.案例：撥備計提力度的選擇
下面以工商銀行和南京銀行為例，考察不同計提政策的影響:
由圖可見，在14年之前，兩家銀行撥備計提趨同，但自14年行業不良率抬頭後，兩家銀行開始分化。南京銀行計提力度非常大，對凈利潤的負向衝擊最高超過30%，但厚實的撥備在17年開始反哺利潤；工商銀行的計提力度則是略微加大，在不良好轉、部分銀行已實現撥備反哺利潤的17年，工行的撥備計提力度甚至還略高於14-16年。為何會有這樣的差異？
再考察二者的撥備覆蓋率發現，南京銀行是在13年撥備覆蓋率小幅下降後意識到問題，並開始加大計提力度，14年不良率上升的同時，仍然能實現撥備覆蓋率的上升，撥備計提快過不良增長，這就為17年的反哺積攢了彈藥。而工行在14年選擇消耗存量撥備應對不良，撥備計提趕不上不良增速，因而撥備覆蓋率下降。短期內利潤或許較為平穩，但撥備覆蓋率很快就降到了150%的監管要求之下，這使得工行被迫在17年加大計提力度。
在了解了撥備計提的調整及限制後，我們最後考察二者的凈利潤情況。南京銀行之所以沒有在13年就加大計提力度，是為了托住快速下滑的凈利潤增速，隨後在14年盈利改善時便多提撥備，17年增速放緩，撥備計提力度又相應下降了。可見，撥備計提確實起到了平滑作用。而工行在14-16年間選擇消耗存量撥備，有可能是為了將凈利潤增速維持在正值而不得已的選擇。
3、 實戰：預測與估值
預測銀行資產質量的難點體現在四方面：（1）指標體系本身較為複雜，且存在很多人為因素干擾導致失真；（2）我國於03-05年和08年兩次剝離國有行不良資產，使得不良率驟降，疊加08年金融危機後的擴張政策，導致09年以前的行業不良率數據基本不可用。數據層面上，我國還沒有經歷一個完整的不良周期；（3）信用周期與宏觀經濟高度相關，而預測宏觀經濟本身就已十分困難；（4）對於估值而言，預期不良而非真實不良才是主導因素。
因此，在這麼多困難面前，我們傾向於採用邊際思維，通過簡單易行的思路和指標，重點把握不良的方向，而非精準預測不良情況。具體地，我們先從經濟周期的視角來考察真實的不良情況，然後在假設市場有效的情況下，看看當前定價所體現的預期不良，最後闡述不良影響銀行估值的路徑。
3.1.從周期把握真實不良
3.1.1.總量視角：非金融企業償債能力
不良產生的原因可能有很多，也受到多個周期的擾動，但在不良生成前一步，必然是企業面臨償債能力下滑。因此，總量層面可用非金融企業償債能力，判斷不良走向。
我們採用工業企業利息保障倍數（工業企業利潤總額+利息支出/工業企業利息支出）來分析。這一指標的優點在於，月度數據頻率高且公布及時，工業企業對於銀行資產端而言也有足夠的代表性。由於工業企業利潤存在明顯季節性，因此我們採用最近12個月移動平均的方式來計算該指標。
可見，在利息保障倍數快速下降的2012年，行業不良率甚至還有小幅下降，而隨後的3年多時間裡，利息保障倍數維持低位，不良開始抬頭。而在16年初，利息保障倍速開始轉好，隨後在16年末，關注+不良率開始下行。經驗上看，利息保障倍數約領先不良指標6個月到1年，可作為很好的前瞻指標。今年以來，利息保障倍數轉向下行，信用事件發生頻率明顯提高，但銀行不良率暫時還未體現這一趨勢。
3.1.2.結構視角：行業與地區的影響
對於國有行和股份行而言，由於業務較為分散，因此單個行業或地區的不良難以衝擊整個銀行的指標（特定信用事件除外，這是很難預測的）。但對城商行和農商行而言，業務在地區層面集中，而一個地區又有自身的產業結構，需要特別注意這兩個因素的影響。
從地區層面看，本輪信用周期呈現由東部向中西部蔓延的態勢。圖中浙江、湖南、四川三省不良抬頭時間均間隔1年，另外，在供給側改革開始的2016年，遼寧（代表東北）不良率有加速上升的傾向。考慮到銀監會披露的地區不良數據有所滯後，因此也可用地區代表性銀行的不良水平來替代。
地域不良的暴露順序中也隱含了經濟周期和政策周期的邏輯。我國中西部和東北部產業偏向上游和中游，東部地區更貼近市場，偏向中下游。當總需求不足時，春江水暖鴨先知，下遊行業最先受到衝擊，然後依次向中上游蔓延。而供給側改革，則是針對上游產業強烈的政策衝擊。
產業結構在地域上的分布短時間難以改變，因此當總需求不足引發經濟下行時，我們很有可能再次看到不良率由東向西漸次抬頭。從這一點看，東部地區（及銀行）不良率也可作為很好的前瞻指標。
3.2.從市場把握預期不良
如果我們假設市場是有效的，那麼當前的定價中應當充分反應了人們預期的不良。據此，我們可以通過考察市場價格來推知預期不良情況。
3.2.1.破凈股與預期不良率
破凈股正是考察預期不良的一個切入點。對銀行而言，資產負債表大部分項目都可市價計量，因此凈資產不應低於賬麵價值（即PB≥1）。但奇怪的是，A股的破凈銀行股已經成為常態，近5年來板塊也是常處於破凈狀態。
傳統觀點認為，銀行股破凈意味著存在部分尚未披露的不良貸款，會使凈資產遭受損失。也就是說，當前市場給出的PB中，隱含了一個市場預期的不良率/不良額，要大大高出銀行自身披露的情況。
預期不良額到PB的路徑是這樣的：
（1）預期不良額為X，假設全部通過打包出售來處置。出售價格為30%，則還有70%的X需要銀行自身承擔損失；
（2）對於這70%的X，銀行先以撥備（設為Y）來承受損失，當撥備耗盡後，再以凈資產承擔，假設凈資產承擔的值為Z。這個Z就是賬麵價值-市值（即1-PB）。
因此Y+Z=0.7X，我們便可求出當前PB下市場預期的不良情況。A股中破凈銀行股的預期不良率情況如下：
其中，預期不良率為8.60%，而這些銀行的平均不良率僅1.57%。根據部分一季報披露了關注率的銀行來看，其預期不良率約為關注+不良率的兩倍。由於不良指標存在缺陷，很難說到底是市場更準確還是公開數據更準確，但從估值反應預期的角度看，這樣的預期不良率代表了對未來銀行資產質量將大幅惡化的預期。
當然，預期不良率也並非完美的指標，其問題在於用絕對估值的視角看相對估值（PB）。比如，在15年的牛市中，部分破凈銀行預期不良率腰斬，但當時仍處於不良暴露進程中；又如，從時間序列看，有個別銀行經歷了長達5年的破凈歷史，預期不良率持續走高，但這期間各項不良指標卻並未顯著惡化。
因此，在使用預期不良率時，不妨也多進行橫向比較，從相對的角度出發看看幾家銀行間是否存在資產質量的超預期。如果預期不良率持續走高，而又已被公開數據部分證偽（比如差距過大的時間長），那麼也應當考慮其它壓制估值的因素，資產質量可能並非主要矛盾。
3.2.2.他山之石：信用利差
在債券市場上，信用利差是補償債券違約風險、高於無風險利率的利差，可拆解為信用風險溢價及流動性風險溢價。經典理論認為，經濟下行時期，人們因擔憂公司償還債券的能力而傾向於配置高等級債券，因此公司必須用更高的利率發債融資，信用利差因此走闊，但此時公司債並非真的違約了，這正是預期影響價格的一個例子。
與破凈股類似，如果市場是有效的，那麼在信用債和國債間應當不存在套利空間，據此可推算出當前信用利差中隱含的預期違約率。顯然，這個預期違約率和信用利差是正相關的，因此簡便起見，可以用信用利差作為預期違約率的替代變數。
對於信用風險而言，無論是債券違約還是貸款違約風險，本質上都是由借款人還款能力的下降引起的。因此，二者往往同向變動且容易交叉傳導。我們用信用利差衡量市場對信用風險的預期，也就間接知道了對銀行不良的預期。
信用利差的優勢在於市場參與者眾多，且有每日數據可以跟蹤，而城投債一項，可以讓我們有機會評估地方政府融資平台的風險，以往僅依靠銀行的公開信息較難分析此類客戶。
對於研究銀行不良而言，其劣勢主要有兩個，一是易受獨立信用事件的影響而大幅波動，但這類事件並不必然導致信用風險的擴散，也就不一定衝擊到銀行資產質量；二是除了衡量信用風險外，信用利差也與流動性、預期通脹率、貨幣政策走向等息息相關，部分時段是流動性風險而非信用風險主導其變化。這兩個原因使得數據中噪音較多，適當拉長時間頻率，或選擇期限較長的信用利差更為可靠。
3.3.不良影響估值的路徑
3.3.1.理論路徑
預期不良率隱含了這麼一個假設，即當前的估值中已經反應了人們對隱含資產質量的預期，對資產質量的超預期將推動估值變化。放到經典的估值理論中，則是以下路徑：
對絕對估值而言，資產質量惡化會降低未來現金流，或者提高折現率（提高了信用風險溢價），從而降低股價；對相對估值而言，資產質量惡化通過降低ROE，從而降低PB。
3.3.2.實際情況
那麼，馬上就產生了兩個一直困擾投資者的難題：（1）資產質量預期的錨在何處？（2）我們如何尋找資產質量的超預期？
由下圖可見，銀行PB與不良率之間存在明顯的線性關係，相關係數達到了64%。如果考慮近期市場風格而將寧波銀行和招商銀行剔除後，這個線性關係將更加明顯。
這張圖傳遞出兩個信息：（1）賬面不良率可作為資產質量的一個錨；（2）僅就賬面體現的資產質量而言，板塊內部的定價是相對合理的，確實需要尋找超預期。
結論一可能讓人費解，為什麼缺陷頗多的不良率仍可作為資產質量預期的錨？我們認為，該指標簡單易懂，為大多數投資者所接受，因此容易圍繞這一指標形成一致預期。更為重要的是，賬面不良率牽扯到眾多監管指標，賬面不良率不高，短期內的監管或盈利壓力就不那麼明顯，市場容易把短期影響看得過重。對於結論二，銀行業務同質性強，信用風險增加時大家都面臨資產質量壓力。反映到股價上，就是同漲同跌現象。當然，這裡的合理僅是指相對賬面不良率的排序。
這也為我們尋找資產質量的超預期指明了方向：
（1）既然賬面不良率仍然重要，那麼必須抓住其邊際變化。很多時候，這個變化可能僅僅是指標而非實質改變。為此，本篇報告的第一、第二部分花費了大量篇幅介紹相關指標體系及其特徵；
（2）既然板塊內部定價相對合理，那麼需要從更為宏觀的視角，自上而下把握資產質量。為此，本報告第三部分討論了一個簡明的分析框架。
4、 風險提示
年初以來企業償債能力邊際下降，債券市場違約事件頻發，需注意信用環境惡化傳導至銀行的風險。
大話金融
銀行公眾號，
關注這一個就夠了！
TAG:大話金融 |