貸款資產質量遷徙分析與預測

廖燕平

【摘要】本文根據江西省法人金融機構綜合抽樣統計的逐筆貸款數據，構建江西省法人金融機構貸款質量遷徙矩陣，并運用Markov模型對貸款質量遷徙進行了預測。根據預測結果，對當前經濟形勢下金融機構優化貸款質量提出了幾點建議。

【關鍵詞】貸款質量 遷徙矩陣 預測

在經濟持續低位運行和信貸風險不斷上升背景下，江西省金融機構的不良貸款呈跳躍式上升，信貸風險持續暴露，且暴露過程具有突發性和嚴重性。因此，通過對貸款質量的變化進行跟蹤監測，掌握貸款質量變化的特征和趨勢，有利于為防控信貸風險提前做好準備。

一、江西省法人金融機構貸款質量遷徙情況

（一）數據來源與處理

本文選取江西省法人金融機構2013年12月-2015年9月間綜合抽樣統計中的逐筆貸款數據計算建模，構建貸款質量遷徙矩陣。同時，在構建矩陣時，對數據進行如下處理：一是初始時刻T0的貸款，在T1時刻已歸還，在T1時刻將該貸款視為初始時刻T0時狀態；二是在T0時刻與T1時刻期間新發生的貸款，在構建T0時刻到T1 時刻的貸款質量遷徙矩陣時不予考慮，而在構建T1 時刻到T2時刻的遷徙矩陣時予以統計。

（二）江西省法人金融機構貸款質量遷徙矩陣

經過計算，從月度和季度的時間跨度看，江西省法人金融機構的貸款質量遷徙矩陣如表1和表2所示。

表1為2015年9月份的貸款質量遷徙矩陣，反映了貸款質量在9月份所發生在各等級之間的遷徙情況；表2為2015年3季度的貸款質量遷徙矩陣，反映了貸款質量在3季度所發生在各等級之間的遷徙情況。以表2為例，第二行的含義為2季度末貸款等級為正常類的貸款中，到3季度末依然為正常類貸款的比例為97.73%，轉移為關注類、次級類、可疑類、損失類的比例分別為1.79%、0.18%、0.27%、0.03%；第三、四、五、六行的含義同理。

遷徙矩陣中，對角線代表著貸款維持原分類級別的比例，元素值越大，貸款發生遷徙變動的幾率越小，則表示遷徙越穩定。從表1、表2看，正常類貸款維持原級別的比例最高，次級類貸款的比例最差，反映出次級類貸款最容易發生遷徙變動。

在對角線元素給定的情況下，靠近對角線的元素值越大，遠離對角線元素值越小的話，遷徙也越穩定。從表1、表2看，江西省法人金融機構貸款質量遷徙總體較穩定，靠近對角線元素的值絕大多數較大。

（三）江西省法人金融機構貸款質量遷徙的特征

（1）總體遷徙率偏低。貸款質量遷徙矩陣中，非對角線元素的值代表遷徙率，非對角線元素值之和可以反映總體遷徙率的高低，值越大總體遷徙率越高。為避免各元素值因權重不同而造成偏差，本文以初始時刻的貸款金額作為權重進行加權計算得到總體遷徙率。具體而言：假設初始時刻，貸款質量為正常類、關注類、次級類、可疑類、損失類的貸款金額分別為L1、L2、L3、L4、L5，則總體遷徙率為Σi，jLiPij、i，j=1，2，3，4，5， i≠j。

經計算，2015年3季度的貸款質量總體遷徙率為3.08%。從動態來看，2014年總體遷徙率呈上升趨勢，且在2014年末達到一個峰值4.17%；2015年上半年，總體遷徙率直線回落，3季度略有回升，主要原因為3季度時多家銀行集中下調了部分企業的貸款級別，如江西賽維LDK公司等。但總的來說，近兩年來總體遷徙率在3.5%左右上下波動，變化幅度較小。

（2）躍變遷徙率顯著低于漸變遷徙率。漸變遷徙率為貸款從某一等級轉移至相鄰等級，躍變遷徙率為貸款從某一等級轉移至非相鄰類等級，兩者之和等于總體遷徙率，漸變遷徙率越高，貸款質量狀態越為穩定，反之，貸款質量狀態越不穩定。2015年3季度，漸變遷徙率為2.47%，躍變遷徙率為0.62%，躍變遷徙率處于較低水平。從長期看，自2014年以來，漸變遷徙率顯著高于躍變遷徙率，且在2.3%左右浮動，從側面反映了江西省法人金融機構貸款質量狀態的遷徙較為平穩。

（3）向下遷徙率高于向上遷徙率。貸款質量遷徙矩陣中以對角線為界，上三角各元素反映的是質量狀態惡化的貸款比例，即貸款質量向下遷徙狀況；下三角各元素反映的是質量狀態優化的貸款比例，即貸款質量向上遷徙狀況。2015年3季度，貸款質量向上遷徙率為0.47%，向下遷徙率為2.61%，兩者相差2.14個百分點。從動態來看，自2014年以來，向下遷徙率均大于向上遷徙率，且差值越來越大，說明江西省法人金融機構貸款資產質量整體下行趨勢明顯。

（4）個人客戶的遷徙率略高于單位客戶遷徙率。從客戶類型看，2015年3季度，個人客戶的總體遷徙率為3.12%，高于所有客戶總體遷徙率4個百分點，向下遷徙率為2.62%，向上遷徙率為0.50%；單位客戶的總體遷徙率為3.03%，向下遷徙率為2.61%，向上遷徙率為0.42%。個人客戶和單位客戶的貸款質量總體均有所下行，但單位客戶的貸款質量稍好于個人客戶。

二、貸款質量預測分析

（一）預測結果

根據Markov模型來對江西省法人金融機構貸款質量進行預測。本文選擇季度作為時間跨度，并以2015年3季度的貸款質量遷徙矩陣作為概率轉移矩陣，預測未來一年內各季度的貸款質量概率轉移矩陣。

對矩陣中各概率值進行金額加權后可以計算各季度的總體遷徙率、向上遷徙率和向下遷徙率。表中顯示，未來一年，江西省法人金融機構的貸款質量的遷徙概率不斷走高，向下遷徙率仍高于向上遷徙率，且差值也越來越大，表明江西省貸款質量總體向下遷徙趨勢明顯。

進一步地，在轉移概率矩陣基礎上，利用2015年3季度末各質量等級貸款占總貸款的比重來推測未來一年各季度的貸款質量等級分布情況。

預測結果顯示，未來一年內江西省法人金融機構正常類貸款的比重逐步降低，其他四個等級的比重逐步提高，其中關注類貸款比重提高幅度最大。2015年末，關注類貸款和可疑類貸款的比重較3季度末分別上升了0.48個和0.14個百分點；2016年3季度末，關注類貸款和可疑類貸款的比重較2015年3季度末分別上升了3.08個和1.38個百分點。這說明未來一年內江西省法人金融機構貸款質量總體向下遷徙態勢的可能性較高，不良貸款率的波動將更大。

（二）主要結論

經預測，貸款質量總體向下遷徙態勢明顯，關注類、次級類、可疑類和損失類貸款比重持續上升。這與江西省經濟金融發展情況反映的現實相符合，一是從未來發展趨勢看，受國際商品行情影響，江西省多數行業市場行情不穩定，如批發零售、房地產等，資金鏈陸續斷裂造成逾期貸款增加及關注類貸款上升，隨著逾期貸款與不良貸款的差距越來越大，貸款質量向下遷徙空間較大，向下遷徙率仍將進一步擴大；二是隨著江西省逐步解除多家企業的行政保護，引發多家銀行集中下調貸款級別，一旦企業清算重組提上日程，由于貸款抵押品受市場價格波動較大，銀行抵押品價值面臨較大貶值風險，抵押品變現回收價值難以有效覆蓋其債權，不良貸款的暴露速度可能加快；三是從經濟增速看，江西省不良貸款率變動滯后于宏觀經濟增速兩年左右，近幾年來江西省GDP增速持續下滑，故而，未來一兩年內江西省不良貸款可能保持上升態勢不變。

三、政策建議

（一）把好新增貸款準入關，從源頭上防范信貸風險

嚴格貸款客戶篩選，加強客戶準入審查機制，做好貸前調查，盡職調查企業信用等級和個人信用狀況，對客戶實力、發展前景、風險狀況進行嚴格把關；嚴格貸款審查審批流程，確保貸款發放過程的合法合規，提高信貸監督執行管理職能，要對業務部門辦理的融資業務合法性、貸款支付方式及用途合規性、信貸業務合同及相關協議的完整性、有效性進行嚴格審核。

（二）把好存量貸款管理關，防止貸款質量向下遷徙

加大依法收貸力度，積極運用以物抵債處置不良貸款，著重抓好有拖欠的正常、關注類貸款的管理，密切跟蹤潛在風險因素的變化，主動與客戶商討有效的風險防范措施，逐戶研究制定風險化解方案，防止貸款向下遷徙；密切關注和跟蹤潛在損失增大的貸款，盡最大努力實現潛在損失的化解和回轉，努力提高現金回收比例，加強對可疑類、損失類貸款的管理，提前運用傳統法律手段，保全抵押資產價值，最大限度挽回損失。

（三）把好風險預警監測關，做好風險應急方案

加強信貸風險前瞻性管理，建立信貸風險預警體系，動態監督客戶與銀行間交易以及信貸客戶的日常各項交易活動，及時判斷貸款資產的風險狀況，選擇貸款措施和策略，保證貸款資產安全；積極開發和引進先進的風險管理技術，實現對風險的量化管理，加強對跨市場、跨領域風險防范和控制的力度，建立風險隔離和應急預案，防止外部風險對信貸資金的變相侵蝕。