疫情背景下，預期信用損失模型在上市銀行中的應用研究

康麗麗

【摘要】文章以2018—2020年H股及A+H股上市銀行以攤余成本計量的貸款和墊款為例，研究“預期信用損失”模型在上市銀行中的應用，特別是新冠疫情背景下“預期信用損失”模型的應用。研究發現，H股及A+H股上市銀行在2018年首次應用“預期信用損失”模型時，普遍增提貸款和墊款減值準備，資產減值損失大幅增加，但增幅逐年降低。H股上市銀行2020年并未因疫情而增提貸款減值準備；A+H股上市銀行2020年貸款減值準備增幅降低，但高于貸款增長比率。H股及A+H股上市銀行按階段分布的貸款和墊款與貸款五級分類高度相關。文章的研究結論為《企業會計準則第22號——金融工具確認和計量》提供了經驗證據，并為IASB對IFRS9開展實施后審議工作提供部分中國證據。

【關鍵詞】預期信用損失；以攤余成本計量的貸款和墊款；貸款減值準備

【中圖分類號】F832.4

一、引言

貸款作為商業銀行的主要資產，其價值受到信用風險、利率風險等多重因素影響。為早期識別、控制和規避風險，避免壞賬損失對銀行資本的直接沖擊，銀行會根據風險可能帶來的損失計提貸款減值準備。2008年金融危機后，“已發生損失”模型因減值確認滯后和順周期性問題飽受詬病。該模型強調只有存在客觀減值跡象時才能確認金融工具的信用損失，導致損失確認的“太少、太遲”（Gianluca R et al， 2013）[ 1 ]。

在金融危機咨詢小組、二十國集團和金融穩定理事會的敦促下，IASB（國際會計準則理事會）和FASB（財務會計準則委員會）啟動了金融工具等會計準則的修訂工作（鄧永勤、馮曉晴、周亞丹，2017）[ 2 ]，經過多輪征求意見，最終，IASB于2014年7月發布《國際財務報告準則第9號——金融工具：分類和計量》（IFRS9），規定金融工具減值采用“預期信用損失”模型；FASB在2016年6月發布《金融工具——信用損失》，確定采用不同于“預期信用損失”模型的“當前預期信用損失”模型。為實現與國際財務報告準則的持續趨同，我國財政部于2017年3月修訂印發《企業會計準則第22號——金融工具確認和計量》（CAS22），規定企業應當以預期信用損失為基礎，對部分金融資產、租賃應收款、合同資產等進行減值會計處理并確認損失準備[3]，其內容與IFRS9基本一致。

我國H股及A+H股上市銀行自2018年1月1日起開始施行新金融工具準則，至今已實施4年多。2020年新冠肺炎疫情對世界經濟造成重大影響，對于“預期信用損失”模型而言，無疑是一次很好的適用性檢驗機會。銀行作為應用“預期信用損失”模型最廣泛和最重要的行業，有必要研究“預期信用損失”模型在上市銀行中的應用情況，特別是疫情背景下，“預期信用損失”模型的應用效果，旨在為CAS22和IFRS9提供部分經驗證據。

二、“預期信用損失法”的理論基礎

（一）預期信用損失的確認和計量

新金融工具準則CAS22要求企業基于過去、現在和未來經濟狀況，按照“預期信用損失法”計提金融資產減值準備，以更加及時、足額地計提金融資產減值準備[3]。企業應依據每個資產負債表日金融工具的信用風險變化情況，按三個階段分別計量損失準備、確認預期信用損失的變動。

第一階段：信用風險自初始確認后未顯著增加，按照12個月內的預期信用損失確認損失準備。按賬面總額乘以實際利率確認利息收入。

第二階段：信用風險自初始確認后已顯著增加，但尚未發生信用減值，按照整個存續期內的預期信用損失確認損失準備。仍以賬面總額為基礎確認利息收入。

第三階段：初始確認后發生信用減值，按照整個存續期內的預期信用損失確認損失準備，按攤余成本（賬面總額減去減值準備）確認利息收入。

（二）與FASB“當前預期信用損失法”的比較

“預期信用損失法”與“當前預期信用損失法”的共同點在于兩者的核心理念相同，即均關注前瞻性信息，避免信用損失確認“太少、太遲”。

不同于“預期信用損失”模型的三階段計量方式，“當前預期信用損失”模型只規定了一種減值測試方法，即要求企業以預期現金流量按實際利率折現的現值計量凈攤余成本，自初始確認起確認金融工具整個存續期的預期信用損失，且對低風險資產無簡化處理（楊雋萍、朱意孜，2021）[4]。

相比于三階段計量方式，“當前預期信用損失”模型能夠克服前者操作困難且難以計算的問題，完全確認和計量了“未知的未知”風險，是徹底的“預期信用損失”模型（丁友剛等，2017）[5]。但由于在確認預期信用損失時，僅能依據相關歷史信息預測做出判斷，“當前預期信用損失”模型的相關性和公允性難以保證。而“預期信用損失”模型則存在“信用風險是否顯著增加”等關鍵判斷標準不統一、實務中應用難度較高的問題。

（三）“預期信用損失法”在新冠肺炎疫情下應用的注意要點

在疫情背景下，企業應用“預期信用損失”模型面臨著一系列新的問題和挑戰（陸建橋，2021）[6]，如宏觀環境變化、生產經營的可持續性預期、假設發生變化等，使得計量預期信用損失存在諸多困難。對此，財政部和IASB均對疫情背景下企業如何應用預期信用損失法給予指導。注意要點主要包括[7][8]：一是企業在無須付出不必要的額外成本或努力的前提下，獲得合理且有依據的信息來評估信用風險是否顯著增加；二是在評估未來經濟狀況時，既要考慮疫情，又要考慮政府部門采取的支持性政策和措施；三是及時根據環境變化重檢和修正模型、調整假設和參數。但企業在實際實施時仍然缺乏具體的“客觀證據”，需要依賴管理層的主觀預估。

三、“預期信用損失”模型在上市銀行中的應用

本文選取H股及A+H股上市銀行2008—2020年的相關數據作為研究樣本。上述銀行率先應用“預期信用損失”模型，信息環境較好，對于研究“預期信用損失”模型具有典型性。本文以上述銀行以攤余成本計量的貸款及墊款作為研究對象，貸款及墊款是銀行的主要資產，計提的減值準備和資產損失比重大，具有代表性。截至2020年末共有15家A+H股上市銀行，16家H股上市銀行，相關數據通過手工從上市公司年報中搜集。

（一）貸款及墊款資產減值損失變化情況

從表1可以看出，在2018年首次實施“預期信用損失”模型后，A+H股及H股上市銀行貸款及墊款減值損失大幅增加，增幅高達39.37%。2019—2020年，增長比率逐漸下降，分別為11.5%和8.03%。

2020年，A+H股上市銀行資產減值損失增幅比率為10.23%，高于2019年；H股上市銀行2020年的貸款及墊款減值損失降幅17.15%。A+H股上市銀行管理層考慮新冠肺炎疫情等因素對經濟發展趨勢、宏觀經濟情景的影響，貸款及墊款減值損失增加。H股上市銀行并未因疫情而多提貸款及墊款的減值損失，貸款及墊款減值損失主要受不同年度資產質量變化影響。從減值損失數量上看，H股上市銀行要遠小于A+H股上市銀行，H股上市銀行2020年貸款及墊款減值損失僅占H股及A+H股上市銀行貸款及墊款減值損失的6.16%。

（二）以攤余成本計量的貸款和墊款減值準備及撥備率變化情況

從表2可以看出，2018—2020年H股及A+H股上市銀行以攤余成本計量的貸款和墊款減值準備逐年增加，但增長比率從14.80%下降到11.45%。其中2020年A+H股上市銀行減值準備增長率為12.20%，H股上市銀行減值準備增長率為-0.74%。

2020年H股及A+H股上市銀行總體減值準備增長率11.45%低于以攤余成本計量的貸款和墊款增長率11.77%。分類來看，2020年A+H股上市銀行減值準備增長率12.20%高于貸款和墊款增長率11.60%，H股上市銀行減值準備較上年下降0.74%，而貸款和墊款增長率為14.81%。在新冠肺炎疫情的背景下，A+H股上市銀行計提的貸款減值準備高于貸款增長速度，H股上市銀行未隨貸款和墊款余額增加和疫情而多提貸款減值準備。

從貸款撥備率來看，2020年H股及A+H股上市銀行平均貸款撥備率下降0.01個百分點。其中A+H股上市銀行平均貸款撥備率上升0.02個百分點，H股上市銀行平均貸款撥備率下降0.51個百分點。

（三）貸款及墊款按階段分布情況

從表3可以看出，H股及A+H股上市銀行2018—2020年以攤余成本計量的墊款和墊款各階段分布情況。

A+H股上市銀行一階段貸款和墊款占比保持在95.5%左右，且逐年小幅增加。二階段貸款和墊款占比在3%左右，且逐年小幅降低。三階段貸款占比維持在1.5%左右。A+H股2020年并未因疫情而顯著增加二、三階段的貸款和墊款占比，即并未增加按剩余存續期的預期信用損失確認損失準備的貸款和墊款。96.15%的貸款和墊款仍根據未來12個月內的預期信用損失確認損失準備。

H股上市銀行一階段貸款和墊款占比保持在91%左右，且逐年增加，但占比低于A+H股上市銀行；二階段貸款和墊款占比保持在6%左右，且逐年降低，但占比高于A+H股上市銀行；三階段貸款占比保持在3%左右，比例高于A+H股上市銀行。H股上市銀行預期貸款和墊款的未來信用風險要高于A+H股上市銀行，但也未因疫情而增加二、三階段的比重。可能是由于各銀行考慮新冠肺炎疫情和政府紓困政策對宏觀經濟的綜合影響，未顯著增加二、三階段貸款和墊款比重。

（四）貸款五級分類情況

通過表3與表4對比，可以發現上市銀行按階段分類的以攤余成本計量的貸款和墊款占比，與按五級分類劃分的貸款占比高度相關，A+H股正常類貸款在全部貸款中占比為96%左右，關注類貸款占比為2.5%左右，不良貸款包含次級、可疑、損失類貸款，占比在1.5%左右。H股正常類貸款占比為93%左右，關注類貸款占比為5%左右，不良類貸款占比為2%左右。說明無論是H股還是A+H股上市銀行，貸款資產質量的分類結果是劃分貸款和墊款處于哪一階段的重要依據。

（五）“預期信用損失”模型披露情況

通過查閱年報，上市銀行均在年報中披露預期信用損失計量的相關信息，包括信用風險是否顯著增加的判斷標準、前瞻性信息涉及的宏觀經濟指標、模型參數、新冠肺炎疫情及政府采取的各類支持性政策對違約概率、違約損失率、風險敞口的影響等。上市銀行通過歷史數據分析、專家預測，識別出影響預期信用損失的宏觀經濟指標，并區分樂觀、中性、悲觀來考慮前瞻性信息。對作為宏觀經濟因子的國內生產總值進行敏感性分析，確保預期信用損失準備的變動比率不超過5%。

預期信用損失計量涉及復雜的模型、假設、參數，且參數估計過程涉及較多的判斷和管理層調整等，減值準備的確定很大程度上依賴于內部信用風險管理策略和外部的宏觀環境，審計報告均將預期信用損失計量作為關鍵審計事項（孫娜、朱亮、查逸芳，2020）[9]。但上市銀行披露的內容多是定性信息，對估值技術、關鍵假設和參數等相關信息披露缺乏定量數據，特別是管理層“疊加”調整的影響、重大判斷的披露，建立模型的過程不夠透明，為企業提供了盈余管理的空間。

四、貸款“預期信用損失”模型應用的相關建議

（一）加強微觀會計監督和宏觀審慎監管，避免企業盈余管理

建議準則制定機構和監管機構進一步修訂預期信用損失計量具體指引和信息披露框架，規范企業對預期信用損失計量的自由裁量權，特別是規范管理層“疊加”的運用，確保會計相關假設和判斷的合理性，提高財務報告的可比性。具體包括界定信用風險變化的統一標準，規范重要模型和參數設定、調整的原則、方法，詳細披露計量涉及的定性和定量信息，比如風險敞口的歷史違約概率曲線、宏觀經濟情景預測方法、參數取值、疫情對經濟預測、情景設置、權重分配等預期信用損失計量因素的影響等。持續提升模型的數據質量，確保會計信息的透明度和可比性，以有利于利益相關者進行決策，并進一步提升監管效能。

（二）合理計提撥備，避免順周期效應

新冠肺炎疫情使世界經濟發生了重大變化，經濟環境仍不明朗。銀行應持續對各類業務、市場、信用風險進行有效識別、計量和監測，提高貸款五級分類劃分的準確性，審慎判斷信用風險是否顯著增加，將更多可能發生風險的貸款和墊款劃入二階段、三階段，提足撥備（田豐，2021）[ 1 0 ]，以提高風險抵御能力，保持經營穩定。

在銀行集中大額計提減值準備時，監管部門應采用放松逆周期資本緩沖等措施，將減值準備對資本的沖擊控制在合理范圍，保障銀行繼續為實體經濟提供信貸支持，避免順周期效應（梁吉平、王澤元，2021；南星恒、周華、曹暢，2021）[ 1 1 ] [ 1 2 ]。

（三）完善數據治理、加強部門間協調配合

預期信用損失計量需要以歷史數據、交易數據、宏觀經濟數據等龐大的數據積累作支撐。銀行應當加強對數據的收集、整理和更新，將原始數據轉換為“預期信用損失”模型需要的輸入值，提高數據庫構建能力和數據分析能力，建立風險管理體系。預期信用損失計量需要各部門協調配合，包括財務部門、業務部門、風險管理部門等相互支撐，在此基礎上合理分析和利用數據，審慎運用職業判斷，進而合理計提減值準備，準確反映資產價值。同時，管理層應準確理解模型的關鍵點，合理運用會計判斷和估計，避免操縱利潤。內審部門應當加強對預期信用損失計量相關內部控制有效性的了解和評價，評價模型和參數的可靠性、違約概率、違約損失率的合理性等。

主要參考文獻：

[1]Gianluca R， et al. Global Financial Crisis and Accounting Rules： The Implications of the New Exposure Draft （ED “Financial Instruments： Expected Credit Losses” on the Evaluation of Banking Company Loans[J].Journal of Modern Accounting and Auditing，2013（9）：1141-1162.

[2]鄧永勤，馮曉晴，周亞丹.論金融資產減值預期損失模型的修正與實施[J].會計之友，2017（9）：43-48.

[3]財政部會計司.企業會計準則應用指南（2020年版）[M].上海：立信會計出版社，2020.

[4]楊雋萍，朱意孜.中美信用減值損失模型的比較及啟示[J].中國注冊會計師，2021（9）：117-121.

[5]丁友剛，王彬彬.貸款撥備：從“已知的未知”到“未知的未知”？[J].會計研究，2017（9）：29-34.

[6]陸建橋.2021.國際財務報告準則2020年發展成效與未來展望[J].財務與會計，2021（3）：18-27.

[7] 財政部會計司.企業會計準則實施問答. http：//kjs. mof.gov.cn/zt/kjzzss/sswd/.2021-03-02.

[8] IASB. IFRS9 and covid-19[EB]. www.ifrs.org. 2020-03-27.

[9]孫娜，朱亮，查逸芳.預期信用損失模型在商業銀行中的應用研究[J].新金融，2020（11）：46-50.

[10]田豐.基于新金融工具準則視角看新冠肺炎疫情對我國銀行業的影響[J].財務與會計，2021（5）：40-42.

[11]梁吉平，王澤元.淺析抑制預期信用損失方法的親周期性因素及建議—基于新冠肺炎疫情的經驗與啟示[J].中國銀行業，2021（4）：86-88.

[12]南星恒，周華，曹暢.金融會計創新發展：理論與實踐—中國會計學會金融會計專業委員會2021年學術年會綜述[J].會計研究，2021（8）：190-192.