银行不良的研究技巧

（原标题：银行不良的研究技巧）

银行不良的细微差别可造成估值相差甚远，银行修饰其不良，可以不使用财务造假，而是通过一些合法的调节手段让不良问题看起来没那么严重。

银行业一直被公认为比较难看懂的行业，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，表面上看很多银行报表的不良数据相差不大，比如，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。

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，客户需要按月偿还利息（或者利息+部分本金），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，核销后如果这部分资产又收回了本息，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）。

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；信用成本=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心，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。

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。该银行不良偏离度达到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%。

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。

这个戏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，比如受限于资本充足率，后续不良率会爆发。比如：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。

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，但是贷款的信用成本高达2.39%~3.08%。算上信用成本，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。

案例4：“巧用”投资资产规避不良披露和减值计提

某银行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。

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则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。

通过上面的案例不难看出，银行的不良数据光看报表上体现的不良率、拨贷比、覆盖率等指标是不足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。■