金融工具准则变更对中国农业银行的影响——基于预期损失模型与已发生损失模型的比较

余王蕾 吴虹雁

2008年全球性金融危机爆发之后，商业银行常用的金融资产减值计提方式“已发生损失模型”就因其滞后性和顺周期性而饱受质疑。经过反复讨论，国际会计准则理事会于2014年发布了《国际财务报告准则第9号——金融工具》（IFRS9)，要求商业银行金融资产减值应选用预期损失模型替代原有的已发生损失模型。本着会计准则国际趋同的原则，我国财政部于2017年修订了《CAS22——金融工具确认和计量》准则，要求在境内外同时上市的企业以及在境外上市并采用国际财务报告准则或企业会计准则编制财务报告的企业自2018年1月1日开始采用预期损失模型确认贷款减值损失。

可以预计，预期损失模型的应用将对我国商业银行产生显著影响，本文以中国农业银行为案例分析对象，紧密结合其2018年的年报数据，通过对2013-2017年农行贷款减值准备及相关指标进行反向推算，分析农行过去年度贷款资产在预期损失模型下的减值计提额及相关指标的变化，并选取反映银行盈利性、流动性、风险性的相关指标，将农行与中行、工行、建行进行横向比较，分析预期损失模型对农行影响的特殊性，从而科学客观地得出预期损失模型对中国农业银行的全方位影响。

一、预期损失模型的内容

（一）预期损失模型的内容及三阶段分类法

预期损失模型就是将金融资产预期信用损失纳入确认金融工具初期考虑的减值模型，其最大的特点是要求商业银行在未出现客观减值证据前就开始计提减值准备，以预期损失来确认贷款减值损失，从而达到在发生实际贷款减值时商业银行能够维持稳健经营的目的。

根据金融资产的预期风险发生状况，预期损失模型将金融资产减值的确认分为三个阶段。第一阶段的金融资产在资产负债表日信用风险低或在初始确认后信用风险无显著增加，对其按12个月计提减值，并以账面总额和实际利率的乘积计算利息收入；第二、三阶段的金融资产在初始确认后都表现出信用风险显著增加，对其都以整个生命周期来计提减值，区别在于是否拥有客观证据直接证明信用风险的上升，若无客观证据则依旧以账面总额和实际利率的乘积计算利息收入，否则以摊余成本和实际利率的乘积作为计量结果。

（二）预期损失模型和已发生损失模型的比较

对比新准则所要求的预期损失模型和银行业原采用的已发生损失模型，二者在以下三个方面存在明显差异：

1.初始确认时二者都采用预期现金流量测算初始账面价值，但已发生损失模型具有时滞性，只需考虑商业银行金融资产已发生的信用损失，而预期损失模型则具有前瞻性，需要同时考虑金融资产已发生的信用损失和预期信用损失。

2.减值计量时已发生损失模型采用金融资产账面金额与预期未来现金流量经实际利率折现后现值之间的差额来计量，而预期损失模型则采用预测期法和时间比例法孰高原则确定的可回收额来计量。

3.在已发生损失模型下计提贷款减值损失需要有触发事件，而在预期损失模型下并不需要触发事件，所有金融资产获得时即需计提预期信用损失减值。

二、预期损失模型下中国农业银行贷款减值案例分析

中国农业银行是我国主要的综合性金融服务提供商之一，截至2018年年末，其资产总额为226094.71亿元，其中发放贷款及垫款114615.42亿元，贷款资产比例为50.69%，净利润为2226.31亿元，净利率为33.85%，资本充足率为15.12%。

2018年中农工建四大国有银行的财务报表数据显示其贷款资产比例均大于50%，且商业银行信用风险主要来自贷款业务，因此在新旧减值政策变更的背景下，不同的减值计提模型对贷款减值计提额的影响最大，对利润表的影响程度也最大，故而本文选择“贷款及垫款”作为商业银行金融资产的代表来测算预期损失模型实施对中国农业银行的影响。

（一）重要假设说明

首先，根据前人的研究结果以及中国农业银行金融资产实务状况和金融业务的实际操作，本文以“违约概率*违约损失率*风险敞口”为预期损失模型的简化计算公式。

其次，若全面考虑除减值模型变更以外的客观环境因素变化及其作用，将对测算结果的针对性产生影响，某种程度上也可能影响案例分析结果的准确性。本文假设中国农业银行在2013-2018年期间资产结构以及风险结构保持相对稳定，并未受经济环境影响出现巨大波动。

（二）中国农业银行贷款减值案例分析

从农行2018年的年报数据可知，在预期损失模型下，农行将贷款和垫款的风险程度分为低、中、高三种情况。据此，我们可用农行2018年贷款和垫款的实际风险占比，对中国农业银行2013-2017年的贷款损失准备等相关数据进行反向推算。

基于农行2013-2018年间资产结构和风险结构无剧烈波动的假设，可将该行2018年贷款风险分布比例迁移至2013-2017年。再以表1中贷款损失准备额与贷款和垫款账面余额相除，得出该项金融资产各阶段下的预期损失率，以各信用风险等级占比为权重乘以各阶段损失率，最终的加权值结果即可成为“违约概率*违约损失率”的替代值。

将2018年报表中的各类风险等级占比数据及其各阶段风险损失率迁移至以前年度之后，再以农行2013-2017年的风险敞口（本文以金融资产的账面价值为风险敞口)相乘，得出中国农业银行2013-2017年在预期损失模型下的减值准备测算额。

根据表2的测算结果可知，中国农业银行同一会计期间的贷款减值准备计提额在新旧两个模型下呈现明显差异，主要表现两个方面：

1.减值规模显著扩大。从理论上讲，预期损失模型与已发生损失模型相比考虑了更多前瞻性的信息，同一金融资产在预期损失模型下的减值准备额应大于已发生损失模型下的减值准备额。表2中的推算结果也印证了这一点，中国农业银行2013-2017年原计入减值的贷款及垫款资产在预期损失模型下计提的减值准备较之以往有较大幅度的上升，升幅约为10%-12%。

2.减值计提比例波动减缓。在预期损失模型下，银行在事先对金融资产的未来信用风险进行了减值计提，这能够抵消一部分资产减值损失的冲击，故而同一时期内贷款减值准备计提额的波动较为平缓。表2中预期损失模型下计提减值准备额的均方差小于已发生损失模型下计提减值准备额的均方差则更直观地说明了这一点。

表1 中国农业银行2018年“贷款和垫款”资产信息统计（单位：百万元）

表2 中国农业银行2013-2017年预期损失模型下贷款减值准备反推结果（单位：百万元）

由于贷款及垫款占中国农业银行的金融资产总额的比重较大，为贷款及垫款设立的减值准备规模的扩大会对银行当期损益产生较大的冲击，并进而影响其财务指标，我们进一步测算并比较了2013-2017年农行在新旧减值模型下重要财务指标的变化，推算结果如表3所示。

与已发生损失模型相比，在预期损失模型下，2013-2017年间中国农业银行主要财务指标出现以下几方面变化：

1.净利率降低，银行盈利在短期内下降。采用预期损失模型，银行对未来信用风险的敏感度提高，较多的减值准备计提额加大了资产损失总额，致使银行利润总额下降。

2.利润波动减小。2013-2017年间，预期损失模型下的利润增长率方差比已发生损失模型下的利润增长率方差小3.59%，说明在预期损失模型下中国农业银行的利润波动更加平缓，银行经营的稳健性得到提升。

3.资本充足率下降。预期损失模型下中国农业银行净利润下降，未分配利润、盈余公积下降，从而导致该行核心一级资本减少，最终导致资本充足率下降。该结论基于本文控制了“风险加权资产”保持不变的假设，但在实际情况中，预期损失模型的使用会导致银行采取主观行动使得不良贷款率下降，故而在影响因素复杂的实际情况中，银行业资本充足率的变化方向是难以准确测得的。

三、中国农业银行与其余三大国有银行的横向比较

（一）预期损失模型下农行与同业财务指标横向比较

由于各银行自身经营状况不同，预期损失模型的应用对其影响的程度和范围也各不相同。本文选取与中国农业银行企业性质相同及业务类型类似的中行、工行、建行等三家国有银行，将中国农业银行与这三家国有银行的相关指标进行横向对比，从横截面的角度深入分析预期损失模型的应用对中国农业银行的影响。

根据表4可知，在预期损失模型下，中国农业银行与其余三家国有银行的差异主要表现在三个方面：

1.农行的不良贷款率在四大行中最高且高于国有银行的平均水平。尽管农行的资产质量在近些年已经得到了控制和提升，但从不良贷款率看，农行的资产质量依然处于四大国有银行的最低水平。不良贷款的出现是银行信用风险控制不力的结果，不良贷款率的上升反映了商业银行信用风险的积累，在预期损失模型下，这将对中国农业银行产生较以往更大的影响，会降低银行的资产流动性和盈利性，并对其资产总额产生更高的要求。

表3 中国农业银行2013-2017年新旧减值模型下重要财务指标对比

表4 中农工建四大国有银行2018年相关指标统计

2.农行2018年的贷款拨备率和拨备覆盖率都高于四大行的平均水平，且较之2017年的增长率同样处于最高水平。中国农业银行在拨备覆盖率上的良好表现说明其信用风险防范意识较强，风险抵补能力也较强，这对于农行的资产质量是一个强有力的保障。与2017年的拨备覆盖率相比，农行2018年该指标的增长率高达21.03%，说明预期损失模型对农行的影响与同业其他国有银行相较偏大，农行在新模型下计提的准备金有较大规模的增长。

3.农行的净利率在四大行中处于最低水平且在新减值模型下降幅最大。预期损失模型较之已发生损失模型要求银行计提更多的减值准备，从而对银行的盈利水平产生冲击。尽管在预期损失模型下四大国有银行都出现了净利率的负增长，但农行的降幅最大并远大于平均降幅，这与农行在新减值模型下计提了较多的信用减值损失有关，说明农行的资产质量相对不佳，受新减值模型应用的影响最大。

（二）预期损失模型的应用对中国农业银行的整体影响

首先，影响中国农业银行主要财务指标及比例。数据显示，当仅考虑同一项贷款资产从旧模型转换到新模型下时，减值计提额的升幅就大于10%。农行由于业务范围和其资产质量的特殊性，在新模型下计提的信用减值准备较多，在四大行中拨备覆盖率的增长幅度也最大，这些都会使得农行资产储备下降。此外，减值规模的扩大又会对银行的会计利润产生影响，冲击其净利率，导致其盈利水平下降。在四大行中，农行的净利率受预期损失模型的影响最大，在2018年出现了大幅的下降。但这种下降并非永久性的，确认初期计提的减值准备在以后年度可以弥补实际出现的减值损失，进而实现对金融资产实际损失的缓冲作用，农行净利率也会逐步回升。

第二，缓解金融资产减值计提的顺周期性，助力农行稳健发展。应用预期损失模型之后，农行在金融资产确认之初就考虑了未来的信用风险状况并提前计提了减值准备，这对未来实际出现的减值损失起到了良好的抵补作用，缓解了原先的金融资产减值计提的顺周期性。预期损失模型的预先计提相当于在各阶段平摊了减值损失，从表2和表3的计算结果可以看出，在预期损失模型下农行的减值计提规模和净利润的波动情况较之原模型都更加平缓，也即在预期损失模型下减少了陡然出现巨额减值损失的可能性，有利于其稳健经营。

第三，促使农行优化客户选择，实行有效风险管理。新减值模型的实施要求农行更加关注自身资产质量，这会促使农行进行合理科学的金融资产配比，平衡风险和收益带来的影响。在客户选择上，会使农行投入更多的成本费用对客户的信用风险等级信息进行详细的调查，不仅要考虑客户现阶段的风险状况，更要根据综合情况预判该客户在未来时间的信用风险。在短期内这些措施会增加农行的费用，但从长期来看，这有助于农行更多地持有优质资产，实施可持续化的长久发展。

四、对农行应用预期损失模型的对策建议

第一，基于CAS22准则进一步制定量化标准，合理计提减值准备。IFRS9和CAS22准则规定金融资产的减值损失计提期间的范围取决于金融资产信用风险是否显著增加，其中，如何明确界定金融资产信用风险显著增加是商业银行亟待解决的问题。农行应进一步制定和完善相关量化标准，参考使用内部评级法、违约概率的变化临界点等标准，开发新的PD、LGD模型或者预期损失率模型。同时考虑各种金融资产不同的信用风险评级方式，精确划分各类金融资产的信用阶段和风险等级。

第二，借助科技力量强化风险识别和监控能力，提升金融资产质量。在预期损失模型下，农行应致力于开发和优化对客户进行评级管理的管控模式，借助过去积累的财务大数据和信息网络，同业间进行数据共享，引入区块链行为数据记录，开发网络爬虫程序等对客户的信用风险进行综合评价，切实保障农行的未来发展能力。在金融资产存续期间，依旧要对其风险状况进行回检、监控和修正，对信用风险的变动要及时作出应对，进行全生命周期的管理和监测。

第三，合理配比金融资产，重新调整定价水平。农行应积极调整不同信用风险水平下金融资产的配比模式，保持金融资产风险和收益的平衡点，提高银行存贷比并着力控制信贷资产不良率。由于预期损失模型要求银行对高风险的金融资产计提较多的减值准备，这明显增加了商业银行对该类资产的风险成本，故而农行需要根据风险管理状况重新对金融资产进行定价，确定新的盈亏平衡点，确保农行自身和客户在利益上获得双赢，并积极遏制不良率的增长，实现农行的良性发展。

[基金项目：南京农业大学国家级大学生创新训练项目（项目编号：201910307086Z）]