资产风险分类新政下的银行信贷风险管理

《金融资产风险分类办法》对银行的信贷风险管理策略产生了深远的影响。本文以存量债券发生的违约及上市公司公开违约作为研究对象，从宏观、微观层面分析企业出险原因，总结在强监管环境下银行在对公授信资产的投贷后风险管理中的积极应对之道。

2023年2月，原中国银保监会和中国人民银行发布《金融资产风险分类办法》（以下简称“新规”），对银行资产风险分类提出了更严格的要求。新规的核心在于要求银行对资产风险进行更为细致和准确的分类，以真实反映底层资产的风险状况。这一变化对银行的信贷风险管理策略产生了深远的影响。本文以存量债券发生的违约及上市公司公开违约作为数据，从宏观、微观层面分析企业出险原因，总结在强监管环境下银行在对公授信资产的投贷后风险管理中的积极应对之道。

新规对银行资产质量的影响

重组资产定义的细化

新规对重组资产的定义进行了细化，明确了“财务困难”和“合同调整”的具体条件。这一变化意味着，银行以往通过调整本金还款计划或展期等方式掩盖风险的做法将不再可行。例如原先将展期资产视为正常资产的做法，在新规下可能被认定为重组资产，这可能导致银行的不良贷款率和关注类贷款占比上升，增加了银行资产质量管理的压力。

债务人分类的新视角

新规改变了以往以“单笔贷款/业务”为对象的分类方式，转而以“债务人”为单位进行风险分类。这意味着，如果一个债务人在一家银行的债权超过10%被分类为不良，那么该债务人在该行的所有债权都应被视为不良。此外，若债务人在所有银行的逾期超过90天的债务占比超过20%，其在各银行的债务均应被归为次级类。这种变化加强了对大型企业债务风险的监控，大型企业一旦发生违约，其影响将迅速扩散至所有银行。

风险分类对象的扩展

新规将风险分类的对象从贷款扩展到了非信贷资产，包括投资债券、同业资产和表外业务等。这一扩展要求银行对所有金融资产进行全面的风险评估和管理，对于非信贷业务风险较高的中小银行来说，这可能导致不良率面临上升的压力。

不良资产分类的新标准

新规还考虑了信用减值状况和逾期天数对不良资产分类的影响。要求已发生信用减值的资产或逾期超过90天的金融资产应归入不良。这一要求提高了银行对资产质量的识别和分类的准确性，有助于银行更早地识别和管理潜在的风险。

对银行信贷风险管理的启示

新规的实施对银行信贷风险管理提出了更高的要求。银行需要加强对行业政策变化的敏感性，提升对债务人财务状况的监测能力，以及优化风险分类和预警机制。通过这些措施，银行能够更有效地预防和管理信贷风险，保护自身的资产质量。

违约企业出险原因分析

行业政策变化对企业违约率具有显著影响

通过深入分析2014—2023年的债券违约数据，能清晰地看到行业政策调整与企业违约率之间的密切联系。以余额违约率排名第一的房地产行业为例，政策的变动对企业违约率产生了显著影响。据同花顺软件数据显示，2014—2023年间首次债券违约的发行人共307家，其中房地产行业占了33家。其中在2014—2017年期间房地产行业未有新增违约，而2018—2020年间年均新增3家违约，到了2021年和2022年，新增违约数量分别增至8家和12家。这一趋势与2020年7月住建部提出的“三道红线”政策有着直接的关联。该政策提高了房企的融资门槛，那些财务状况较差的企业因而面临更大的违约风险。此外，2020年12月，央行和原银保监会发布了《关于建立银行业金融机构房地产贷款集中度管理制度的通知》进一步收紧房地产贷款。国家统计局数据显示，房地产开发投资的同比增速由2021年2月的38.3%持续下降至2023年1月的-10%，新开工面积的累计同比变化也从2021年2月的高点急剧下降至2023年1月的-39%。这些数据表明，通常在政策落地实施后的一个季度到半年内，企业的数据变化开始显现。

对于银行信贷风险管理而言，这些发现具有重要的意义。银行需要高度重视行业政策的变化，及时调整信贷策略，特别是在政策调整可能对企业融资能力和财务状况产生重大影响的情况下。通过对行业发展趋势的深入分析和预测，银行可以更好地评估和管理贷款组合中的潜在风险，从而有效预防和减少违约事件的发生。

财务指标的异常变化是企业经营变化和违约的重要预警信号

这一观点在实证分析中得到了验证，通过总结违约企业的财务指标恶化情况，可揭示共性和警戒线。同花顺的数据显示，在2014年至2023年期间共有821笔债券发生违约，其中涉及上市公司的债券违约211笔，占总数的25.79%，本文选择以上市公司作为分析样本，这些公司在2018年至2022年间首次违约的债券共有204笔，占总样本的96.6%。通过对这些上市公司的财务指标进行深入分析（见表1），发现违约企业在违约当年的财务状况普遍存在几个关键问题：资产负债率偏高、流动性差、营业收入增长缓慢、盈利能力不足、融资结构依赖短期融资。具体来看：

资产负债率偏高：首次违约当年，96%的企业的资产负债率超过了50%，而且约80%的违约企业的资产负债率集中在50%至100%的区间。此外，70%的违约企业中长期负债占比较低，未能达到30%的标准。

流动性差：在首次违约时，90%的样本企业的流动比率低于1.5，70%的样本企业的速动比率低于0.5，这反映出这些企业在短期内偿还债务的能力严重不足。

营业收入增长及盈利能力不足以支撑债务：99%的样本违约企业在过去5年的营业收入复合增长率低于10%，这表明其增长潜力受限。同时，94%的样本企业的EBIT（息税前利润）/利息覆盖率低于5倍，这进一步凸显了其在盈利能力上的不足，难以满足利息支出的需求。

依赖短期融资：违约企业中合计90%的违约长期负债占比40%以下。长期融资能力弱导致企业在经营困境中韧性不足。

笔者计算了相关财务指标的均值及平均偏差。得出的WPS软件的智能数据分析图显示，样本企业的财务指标非正态分布，偏差值甚至超过了均值，这一发现进一步证实了财务指标的异常变化对于预测企业违约具有重要价值。

因此，银行在信贷审批及风险管理中，应高度重视这些关键财务指标，将它们作为评估企业信用风险的重要指标。通过对这些指标的持续监测和分析，银行可以更早地识别潜在的违约风险，并采取相应的预防措施，从而有效降低信贷资产的损失。

微观层面，经营策略的重大变化、错误的投资及并购决策也是企业违约特征。

光大证券研报“多样化违约背景下的风险防范——2020年上市公司违约特征总结”论证了，经营策略的调整、投资决策的失误以及并购行为的不当，是企业违约的直接诱因。企业面临的市场竞争日益激烈，盈利能力下降，这往往迫使企业采取更为激进的经营策略以求突破。然而，若这些经营策略或投资与并购决策建立在错误分析之上，企业便可能陷入更深的财务困境，最终导致违约。以苏宁易购为列。2018年至2019年间，公司进行了一系列的扩张和并购，但并未带来预期的效益，反而导致苏宁易购从2019年第四季度起经营持续恶化，并对家乐福中国计提商誉减值准备10亿元，导致其2020年至2021年巨额净亏及财务危机。2021年末，苏宁易购逾期未还的银行等金融机构本息高达191.05亿元，涉及供应商和应付票据等上下游公司的应付款项逾期达328.93亿元。

强监管下商业银行的贷后管理的制胜之道

宏观经济与行业研究的重要性

在强监管环境下，商业银行必须加强对宏观经济和行业趋势的研究。首先，通过分析宏观经济指标，包括先行、同步与滞后指标，银行能够预判行业变化趋势和生命周期。此外，行业盈利能力作为关键指标，不仅反映了企业的经营状况，也是现金流稳定性的重要标志。因此，银行需要深入分析行业营收增长速度、新增投资等背后的驱动因素，从而更好地理解其对违约风险的影响。

YiKfINuUZc8YAk6ucyQYjS5wfGuvs4YeH37t0D3xBJ4=

行业策略与授信指引的制定。进一步地，银行应制定明确的行业策略和授信指引，确立鼓励性和退出性行业及业务的准入标准。例如《商业银行信贷管理：问题透视与对策建议——基于“无锡尚德”的案例》中提到，光伏行业在次贷欧债危机后面临出口国补贴减少、产业过剩及利润下降的挑战，但相关银行未能及时调整策略，导致风险累积。因此，银行应避免向产能过剩的行业继续投放信贷，并建立定期行业跟踪和压力测试机制，以评估行业政策调整对授信企业的影响。

贷后管理的监测与预警系统。此外，银行需要建立一个全面的贷后管理监测与预警系统。这包括对企业的产品销量、市场份额、行业排名等微观层面的监测，以及对宏观经济、行业政策变化等宏观层面的分析。通过这些数据，银行可以及时发现风险信号，并采取相应的风险管理措施。

行业研究中心的建立与作用。建立行业研究中心将为银行提供实时的行业政策发布和动态信息，使银行能够及时制定和调整鼓励性行业策略，优先布局具有优质资质和成长潜力的企业。这不仅有助于银行优化资产结构，也是提高预判风险制胜的关键。

数字经济与人工智能在银行风险管理中的应用

微观层面的贷后管理监测。在数字经济时代，银行的贷后管理策略须适应新的技术环境，企业的产品销量、市场份额、行业排名等微观指标成为评估企业信用状况的关键。银行须密切关注企业经营策略、财务健康度、股权融资情况，以及集团内部风险关联。这些因素在企业成长的不同阶段，尤其是在经济和行业环境不断变化的背景下，对企业信贷风险有着直接影响。

宏观经济数据的整合与应用。银行应整合宏观经济数据，如产品价格、企业税收、物流、投资和招聘信息，以及上下游企业的经营动态，来构建全面的企业信用档案。利用大数据技术，银行能够持续监测并验证企业的财务数据，提高风险评估的准确性。

人工智能和区块链技术的应用，为银行业提供了新的风险管理工具和方法，不仅提高了风险管理效率，也为银行业务创新和服务升级提供了支持。

财务预测模型与监测预警体系的建立。银行必须建立财务指标的预测模型，设立监测预警线，以流动性、现金流、偿债能力等关键指标为重点。通过在信贷系统中设置警戒红线，银行能够及时识别借款人及担保人的财务异常，采取必要的风险控制措施。

此外，非财务性因素，如企业战略的合理性、公司治理、管理层稳定性和重大诉讼行政处罚等，也是影响企业信用状况的重要因素。通过这些指标定期打分检视，银行能够提升风险管理的前瞻性和响应速度，确保资产质量，促进稳健经营。

预警前瞻性、财务约束及风险管理有效性

风险演变与预警的及时性

风险的积累和演变是一个分阶段的过程，不同阶段可采取的处置手段和空间大相径庭。银行五级风险资产的分类变化是一个动态过程。企业一旦经营恶化，持续亏损，现金流不足，往往会迅速导致同业压缩贷款或退出，加剧企业的经营困境。若进入违约阶段，企业可能彻底失去自我融资能力，触发连锁反应，包括信用评级下调、重大诉讼和财务状况进一步恶化等。尤其在经济下行周期，处置资产的时间长，诉讼成本高，拍卖回收过程中可能遭受损失。因此，在加强监管的背景下，及时且准确地发起预警并采取措施至关重要。

预警指标的多维度构建

银行的预警指标应涵盖行业景气度指标、财务指标、经营指标、关联方风险、押品风险、资本市场风险以及项目底层资产风险等多个维度。然而，在实际操作中，一些银行可能因重视贷款而忽视了风险管理，导致客户经理在业绩考核压力下，贷后管理部门在支持业务发展考虑下，延迟采取风险控制措施。鉴于财务指标的滞后性，能否及时执行预警并调整评级成为一项重要挑战。

建立速度与质量、规模与结构的协调发展的风险文化

银行家周吉（2013）在《加拿大银行风险管理体系对农业银行的启示》中提出，“银行应树立风险、资本、成本的约束观念，追求在风险可控的前提下实现内涵式增长”。这意味着在减少经济资本占用、降低运营成本的同时，追求更高的价值回报。银行高层应建立注重速度与质量、规模与结构协调发展的风险文化，预判性地投放信贷资产。

建立高效信息传递和大数据动态评估机制

银行风控部门管理者应以对风险的敬畏之心，利用大数据进行宏微观监测，以资本约束、价值创造和组合管理为原则，加强动态化风险监测，强化全行的风险管理宣传，建立高效的信息传递机制，完善各道防线，并配套相应的考核机制及奖惩制度。在经济下行及风险压力加大的环境中，应积极主动地监测和采取措施，展现出色的风险管理能力，提升风险管理的前瞻性和有效性，确保在复杂多变的经济环境中稳健运营。在下行及风险压力加大的经济环境下彰显优秀风险管理者的本色，积极的前瞻性策略与有效的风险管理将为银行资产保驾护航。