銀行信貸風險管理和預警體系研究——以建設銀行某支行為例(上)

胡寄望

(建設銀行楊家坪支行，重慶 400050)

建設銀行的不良貸款率在國有四大行中排名第三，離國際標準也有一定差距。銀行信貸風險管理，特別是預警體系的建立有利于普通支行面臨最多的信貸業務的風險防范，這對廣大商業銀行具有現實的意義。筆者通過對建設銀行現有資產狀況及信貸風險管理辦法的梳理，重新設計了建行信貸風險識別和預警體系，建立了模型并進行了檢驗。

一、建設銀行信貸資產質量現狀

(一)建設銀行資產質量的總體情況

截至2012年12月末，中國建設銀行股份有限公司資產總額13.97萬億元，其中貸款余額(本外幣合計)7.51萬億元，比上年增長1.02萬億元，增幅為15.64%。全行不良貸款余額為746.18億元，不良貸款率(按五級分類法)為0.99%，較去年下降0.10個百分點。不良貸款中次級類327.45 億元，占比 43.88%;可疑類 337.13 億元，占比45.18%;損失類81.6億元，占比10.94%。同年中國銀行、農業銀行、工商銀行的不良貸款率分別為0.95%、1.33%、0.85%，在國有四大行中建設銀行排名第三。

建設銀行的不良貸款率在四大行中排位并不理想，同時與國外先進銀行相比，資產質量存在更大的差距，2012年美國的商業銀行不良貸款率約為0.67%。同期世界排位前100名銀行的不良貸款率大約為0.6%至1%的區間。不過這也揭示了我們的信貸風險管理水平還有較大的提升空間。

(二)支行資產質量現狀

為尋找更具針對性的研究對象，我們根據建設銀行某支行風險部提供的信貸資產質量報告(報告期截至:2012年12月31日)，得到如下兩張表。

表1 建設銀行某支行信貸資產五級分類情況表

由表1可知，截至2012年12月31日，支行共有關注類貸款67 890.31萬元，在貸款總額中所占比例為5.7%，較年初增加2.03個百分點。關注類貸款中，64 650萬元為公司類貸款、3 240.31萬元為個人類貸款。不良貸款487.97萬元則全部是個人類貸款。

表2 建設銀行某支行公司類貸款五級分類情況表

根據表2可知，截至2012年12月31日，支行公司類貸款中有64 650萬元為關注類，所占比重為8.36%，這一比重較年初增加了2.83個百分點。

(三)建設銀行信貸風險管理基本流程

建設銀行信貸風險管理基本流程包括受理、調查評價、審批、發放及貸后管理五大階段:

第一階段:受理。受理階段主要包括:客戶申請——資格審查——客戶提交材料——初步審查等操作環節。受理人員依據有關法律法規、規章制度及建設銀行的信貸政策審查客戶的資格及其提供的申請材料，決定是否接受客戶的信貸業務申請。

第二階段:調查評價。受理客戶申請后，經初步審查合格后進入調查評價階段。調查評價包括客戶信用評價、業務評價和擔保評價。在調查評價的基礎上，形成調查評價報告。經調查評價合格的信貸業務，經辦人根據各信貸業務特點組織調查報告、業務申報書、財務報表等有關資料，報送有權部門審批。

第三階段:審批。在審批階段要對申報材料進行合規性審查并根據合規的申報材料對客戶的信貸業務進行審批。

第四階段:發放。該階段具體包括落實貸前條件、簽訂合同、落實用款條件、支用、信貸登記等5個步驟。

第五階段:貸后管理。貸后管理包括對信貸資產的檢查、回收、展期、借新還舊及不良資產管理等內容。

上述5個階段的流程見圖1。

圖1 建設銀行信貸風險管理基本流程

圖1所示管理程序包含了風險的識別和防范環節。其中，風險識別包括貸前識別和貸后識別，貸前識別主要是銀行通過對客戶和信貸項目進行調查，收集有關資料，初步辨別其中可能存在的風險因素;貸后識別是指銀行對已經發放信貸的客戶的經營狀況、合同履約情況、抵押物的變化情況等進行監測檢查，從而發現可能存在的各種不利因素。風險防范主要包括貸中防范和貸后防范。貸中防范主要是通過設定合理的信用額度、審批信貸并決定貸與不貸或貸放多少以及確定各種信貸條款等方式進行風險防范，貸后風險防范主要是通過信貸清收、抵押物處置等保全措施進行防范和控制。

二、支行信貸風險管理基本方法

根據建設銀行的風險管理流程，我行采用的信貸風險管理方法主要有貸前的信用評級(包含違約概率測算和風險限額測算)，貸中的授信額度審批以及貸后的信貸資產十二級分類。

(一)信用評級

客戶信用評級是對客戶因償債能力變化而可能導致的違約風險進行分析、評價和預測，及確定信用等級的過程。客戶信用等級是反映客戶償債能力和違約風險的重要標志，劃分客戶信用等級的核心指標是客戶的違約概率。

客戶信用評級主要包括定性指標體系和定量指標體系。定性指標體系包括管理水平、競爭實力、經營環境三個風險維度。定量指標體系則是基于宏觀經濟數據及客戶提供的近兩年財務報表，通過定量指標運用統計模型進行違約風險分析和判斷。定量評價指標按制造業、建筑業、批發零售業、能源基礎設施、其他服務業分別設置，一般包括5～6個指標。以制造業為例，定量指標主要有銀行債務覆蓋比、總資產增長率、經營收入、資產凈利率、利息費用比、GDP增長率等。一般公司類客戶的評級模型如圖2所示。

圖2 一般公司類客戶評級模型

(二)授信額度審批

在獲得客戶信用評級之后，建設銀行會根據客戶信用評級和可償債資源確定的客戶未來一段期限內(一般為一年)的最大承債能力，即風險限額。對客戶的實際授信額度原則上不應超過該限額。其測算模型如圖3所示。

客戶的風險限額確定分為初始新增限額計算、新增限額調整和最終風險限額計算3個步驟。

圖3 風險限額測算模型

1.初始新增限額

初始新增限額以客戶調整后所有者權益為基數進行計算。即初始新增限額等于客戶調整后所有者權益乘以相應的限額乘數。限額乘數根據客戶最終評級(R3)確定，計算公式為:

其中:ΔCL1為初始新增限額;E為客戶平均調整后所有者權益，即E=(本期調整后所有者權益+上期調整后所有者權益)/2，調整后所有者權益=所有者權益－長期待攤費用－遞延所得稅資產－未計提壞賬準備－涉損金額。

限額乘數V取值如下:

最終評級R3限額乘數V最終評級R3限額乘數V AAA 2.0 BBB 1 AA+ 1.9 BBB － 0.75 AA 1.8 BB 0.5 AA － 1.7 B 0.25 A+ 1.6 CCC 0 A 1.5 CC 0 A － 1.4 C 0 BBB+ 1.2 D 0

2.新增限額調整

新增限額調整是根據客戶的資產負債率、現金盈余和有息負債等情況對初始新增限額進行調整，調整步驟如下:

第一步:資產負債率調整

在初始新增限額的基礎上，根據客戶當前的資產負債率和客戶所屬行業的資產負債率情況對初始新增限額進行調整，得到資產負債率調整后新增限額ΔCL2，調整規則如下:

(3)若客戶當前的資產負債率≥行業資產負債率上邊界，則 ΔCL2=0。

第二步:現金盈余調整

在資產負債率調整后新增限額ΔCL2的基礎上，根據客戶的息稅折舊攤銷前利潤(EBITDA)進行現金盈余調整，得到現金盈余調整后新增限額ΔCL3，調整規則如下:

(1)若“30×EBITDA－負債合計”≥ΔCL2，則ΔCL3=ΔCL2;

(2)若“30×EBITDA－負債合計”＜ΔCL2，則 ΔCL3=30×EBITDA－負債合計;

(3)若“30×EBITDA－負債合計”＜0，則 ΔCL3=0。

其中:EBITDA=利潤總額+財務費用+固定資產折舊+油氣資產折耗+生產性生物資產折舊+無形資產攤銷，取客戶近三年(最少近兩年)的平均值。

第三步:有息負債乘數調整

有息負債乘數調整是指剔除客戶新增負債總額中與銀行信用無關的其他負債，將現金盈余調整后新增限額ΔCL3轉化為客戶的銀行體系新增限額ΔCL4。計算公式如下:

其中:有息負債乘數W根據客戶所屬行業確定，見表3。

表3 客戶所屬行業的有息負債乘數(W)表

(1)若客戶當前的資產負債率≤行業資產負債率下邊界，則 ΔCL2=ΔCL1;

(2)若行業資產負債率下邊界＜客戶當前的資產負債率＜行業資產負債率上邊界，則:

續表

第四步:新增限額轉換

在客戶的銀行體系新增限額ΔCL4基礎上，通過轉換系數SR將其轉化為客戶的建行體系新增限額ΔCL5。計算公式為:

其中，轉換系數SR根據客戶最終評級(R3)確定，見表4。

表4 客戶信用等級對應的轉換系數(SR)表

對于新客戶(近三年在建行無授信額度)，不進行新增限額轉換。

［最終風險限額計算］

客戶的最終風險限額等于客戶的建行體系新增限額ΔCL5與客戶在建行的年末貸款余額L之和，計算公式如下:

在確定客戶信用風險限額基礎上，再綜合分析客戶資信狀況、授信需求、建設銀行風險偏好、授信業務風險與收益等因素確定的未來一段期限內和一定條件下對客戶能夠和愿意承擔的信用風險敞口控制量，即授信額度。

(三)信貸資產十二級分類

信貸資產風險十二級分類是指銀行按照風險程度將貸款分為不同檔次的過程，其實質是判斷債務熱及時、足額償還貸款本息的可能性。

信貸經營、管理人員按照規定的標準、方法、流程和要求對信貸資產進行全面、及時和準確的評價，按照風險程度將其劃分為十二個級別的過程。按照風險程度大小，信貸資產劃分為正常一級、正常二級、正常三級、正常四級、關注一級、關注二級、關注三級、次級一級、次級二級、可疑一級、可疑二級和損失級十二個級別(詳見表5)。

表5 各類(級)信貸資產核心定義

在準備分類時，客戶經理需要收集借款人和保證人的最新財務報表及其他財務信息、押品評估報告等，并在整理和更新信貸信息的基礎上完成以經營性凈現金流為核心的客戶財務模板分析和分類背景材料撰寫，并提出初分意見?？蛻艚浝碇鞴芎惋L險經理對初分意見進行認定并報有權審批機構進行審批。在十二級分類過程中，根據客戶的最新財務狀況及未來的發展趨勢，其信貸資產分類級別會進行相應調整，并在下一季度進行撥備計提。

三、建設銀行信貸風險識別和預警體系的建立

(一)設計思路

財務分析是一項系統的工程，任何指標或數值的孤立理解都不利于分析目標的實現，因此必須建立系統的分析框架。受沃爾比重法的啟示，我們依照信貸工作中的實際情況并結合建設銀行信貸系統CLMP中對財務指標參數的設計，通過問卷調查的方法，請信貸經理評選出對識別和防范信貸風險最為有用的財務指標，并為其重要性賦予權重，從而得到一個綜合財務狀況的計算公式。根據該公式，我們可以通過公司的審計報表計算出各財務指標的具體數值，將其代入公式后即可得到該公司的綜合財務狀況得分。將多個公司的財務得分與我行的信貸風險分類進行匹配，便可以檢驗該公式的有效性。

(二)問卷設計

1.確定指標體系

根據主流財務分析理論及建設銀行內部風險評價體系，我們將企業的財務指標分為償債能力、營運能力、盈利能力和成長能力四大類，每一大類中又有多個具體的財務指標來做表征。例如，償債能力指標中既有流動比率、速動比率這樣的短期償債能力指標，又有資產負債率、利息保障倍數這樣的長期償債能力指標。

除了上述四大類財務指標，鑒于現金流對企業償債能力所具有的特殊重要意義，我們在問卷中也加入了反映企業現金流量狀況的指標。調查問卷的具體內容詳見附錄1。

2.調查對象及樣本容量介紹

某支行作為重慶市分行轄區內一家大的綜合性的基層行，具有大量優質的對公客戶資源，涵蓋九龍坡區、高新技術開發區大中型客戶100余戶。具備20余位經驗豐富、業績突出的信貸經理。我們隨機在支行公司部、小企業部、風險部等相關經營部門抽取了13名在對公信貸業務條線從業5年以上的資深客戶經理，請他們對五大類、19項財務指標的重要性進行評價。同時，我們樣本中選取了14個處于成熟期的大型制造企業信貸客戶的財務指標和信貸風險分類結果來對我們的財務評價體系進行檢驗。

(三)模型建立與檢驗

1.財務分析的有用性

問卷中，我們首先對財務分析的有用性進行了調查，4個選項分別是非常有用、一般、沒有用、不能確定。在收回的13份問卷中，有10份選擇了“非常有用”，3份選擇了“一般”(詳見表6)。這個結果表明，大家普遍認為財務分析對于信貸風險的識別和防范有重要的作用。

表6 財務分析有用性調查

2.各類財務指標的重要性

問卷中的第二個問題要求受訪者對五大類財務指標(償債能力、營運能力、盈利能力、成長能力和現金流量)的重要性進行排序，并要1～5分之間按照自己的工作經驗進行選擇取分。對13份問卷的統計顯示，現金流量得分最高，為53分;償債能力次之，為48分;盈利能力41分，排第三;營運能力33分，排第四;成長能力排最后，得分19分;總得分為194分。根據各個指標得分與總得分的比例，我們賦予現金流量指標0.27的權重，償債能力指標0.25的權重，盈利能力指標的權重為0.21，營運能力指標和成長能力指標的權重分別為0.17和0.1(詳見表7)。

表7 五大類指標重要性得分和權重

3.各項財務指標的選擇

償債能力指標的備選項有5個，分別是流動比率、速動比率、資產負債率、產權比率和已獲利息倍數。我們同樣要求受訪者對這5個指標的重要性排序，其得分分別為48、52、48、23和16。據此我們選擇速動比率這一指標來代表償債能力。

營運能力指標的備選項有四個，分別是總資產周轉率、流動資產周轉率、應收賬款周轉率和存貨周轉率。按照相同的打分規則，其得分分別為34、48、55、40。據此我們選擇應收賬款周轉率來代表營運能力。

盈利能力指標的備選項有5個，分別是主營業務利潤率、總資產報酬率、凈資產收益率、EBIT/總資產和每股盈利，5 個指標的得分分別為 55、42、42、30、24。據此我們選擇主營業務利潤率作為盈利能力指標的代表。

成長能力指標包含總資產增長率和凈利潤增長率兩個備選項，總資產增長率的得分為61，凈利潤增長率的得分為59，因此我們選擇總資產增長率來代表一個公司的成長能力。

最后，現金流量指標包含現金比率、經營活動產生的每股凈現金流和凈利潤現金含量3個備選指標，其得分分別為53、55、50。但由于經營活動產生的每股凈現金流這一指標較難獲得，我們選擇了得分第二的現金比率作為現金流量指標的代表。

有了各類財務指標的權重以及具體的財務指標，我們就可以建立一個反映財務綜合狀況的指標體系，其公式為

即，財務綜合值=0.25×速動比率+0.17×應收賬款周轉率+0.21×主營業務利潤率+0.1×總資產增長率+0.27×現金比率。

4.模型的檢驗

獲得財務綜合值的計算公式之后，我們首先根據支行的信貸12級分類結果得到14個制造業信貸客戶的分類結果，作為公式中的被解釋變量;根據我們計算時客戶的最近的審計報表，分別計算其現金比率、速動比率、主營業務利潤率、應收賬款周轉率和總資產增長率，作為解釋變量(詳見表8)。

表8 變量原始值

將5個財務指標的標準值代入公式，可得到14個樣本的財務綜合值，將其按照從高到低的順序排序，并與十二級分類結果進行比較，其結果見表9。

從表9可知，樣本12的財務綜合值最高，但其十二級分類結果為A3，其原因主要是因為該公司非主營業務某投資項目失敗，在資本市場上引起一定不良反應，建設銀行也相應調低其分類水平;樣本5的財務綜合值處于中間水平，但其十二級分類卻是最低的B1，主要是因為影響該公司業績的外部因素尚未完全消失，以及月度之間出現的異常波動。剔除掉上述兩個異常值之后，我們可以發現，分類結果為A1和A2的樣本呈現交替出現的規律，鑒于兩類結果均代表正常的信貸資產，我們將A1和A2視為同一分類，統稱為A1，其余A3和A4統稱為A4。經過上述調整后的分類結果表如表10所示。

表9 財務綜合值與十二級分類結果對照表

表10 調整后財務綜合值與十二級分類結果對照表

由表10可知，十二級分類結果為A4的樣本，其財務綜合值均低于16分，分類結果為A1的樣本，其財務綜合值則在16分以上。因此，16可以作為判斷分類結果的臨界值。我們根據臨界值分數將樣本客戶分為風險正常、風險可控、風險關注三個大類。由于有效樣本數為12，占全部樣本的比例達到86%，因此我們認為上述分類方法是有效的。

四、結論

通過我們設計的評分模型來比對實際案例可以看出，若是通過傳統的財務分析方法對公司信貸風險進行評價，僅局限于財務三大報表各個板塊，且各板塊是相互獨立區分的，因為客戶財務情況大多錯綜復雜，較易被單方面指標影響，難以根據其整體情況出具一個綜合客觀且具備標準化的風險識別判斷。而本研究模型的建立，能夠幫助從業人員便捷快速地對綜合風險進行判斷。模型的設計初衷即依據財務理論的開放式模塊化設計，我們可以根據客戶具體從事的行業情況，自定義選取對其具有針對性的財務指標作為評價變量，以針對各個客戶的情況制定出個性化的解決方案。同時可將宏觀經濟形勢、行業情況、政策導向等諸多大環境因素亦作為附屬變量，使模型評價結果更加具備綜合性。

［1］方洪全，曾勇.聯機分析挖掘OLAM方法在銀行信用風險評估中的應用［J］.中國軟科學，2004(10):48－56.

［2］張宗益，朱小宗，耿華丹，等.傳統信用風險度量模型的實證比較與適用性分析［J］.預測，2005(2):56－60.

［3］于燕.財務比率分析的局限性及對策探討［J］.商場現代化，2005(7):101.

［4］何夢園.現行企業財務報表分析方法評議［J］.集團經濟研究，2006(5).

［5］王丹丹.改進現行財務分析指標體系的幾點建議［J］.財會月刊，2006(9):80 －81.

［6］陳中琴.我國商業銀行信貸風險管理研究［J］.高科技與產業化，2007(12).

［7］董秀秀，張洪偉.Fuzzy ART研究及在銀行信用風險評估中的應用［J］.計算機工程與應用，2008(15):231－23.

［8］張衛國，劉伊生.商業銀行信貸風險控制要素研究［J］.技術經濟，2008(12).

［9］張兆璽.完善我國商業銀行風險管理機制的對策［J］.經濟視角，2010(10).