银行的资产质量到底在变好还是变坏，不良率说了不算，迁徙率才算。我的判断是，这个从五级分类衍生出来的指标，才是透视贷款风险演变的真正显微镜。今年年初，我帮一家城商行做信贷资产质量复盘，分管副行长盯着报表上1.32%的不良率，说资产质量稳中向好。我当场没反驳，但心里清楚，这家行正常类贷款向下迁徙的比例，已经连续三个季度在往上爬。不良率是滞后指标，迁徙率才是先行指标——这个道理，很多人不是不懂，只是习惯了报喜不报忧。
先说个背景。原银保监会2019年发布的《商业银行金融资产风险分类暂行办法》落地之后，逾期天数与分类等级的挂钩越来越严：逾期超过90天必须至少归为次级类，逾期超过270天至少归为可疑类，逾期超过360天至少归为损失类。这就让迁徙率的计算有了更扎实的底层数据。过去靠客户经理拍脑袋判断“这家企业还能撑”，现在监管用逾期天数和五级分类的交叉核验，把人为调整的空间压缩了一大截。
迁徙率是什么？说白了，就是从某一级迁移到更低级别的贷款比例。正常类迁往关注类的比例叫正常类迁徙率，关注类迁往次级类的比例叫关注类迁徙率，以此类推。计算逻辑并不复杂：比如关注类迁徙率，分子是期末由关注类下调为次级类的贷款余额，分母是期初关注类贷款余额——注意，还要减掉期初关注类中因收回、核销、转出等原因不再在表内的部分。这个细节，说实话，很多人第一次算的时候都会栽跟头。分母不对，算出来的迁徙率能差出两三个百分点，结论就完全跑偏了。
我见过最离谱的一次，是有人把期初关注类余额直接拿来当分母，没有剔除期内正常收回的贷款。结果算出来的关注类迁徙率虚高了一大截，把分管领导吓得不轻，以为是批量风险事件爆发。后来重新拉明细核了一遍，发现是分母统计口径出了问题。那时候我心想，这种基础性错误，放在国有大行是很难想象的，但在中小银行，说实话还挺常见。所以我说，迁徙率计算器这种东西，看似是个小工具，本质上是在帮银行把口径偏差这个老毛病给治一治。
再聊聊数据背后的信号。根据银保监会披露的数据，2023年末商业银行不良贷款余额3.23万亿元，不良率1.59%，关注类贷款占比2.19%。单看这个数字组合，很多人会得出“资产质量平稳”的结论。但如果我们去拆迁徙率的结构，会发现另一层意思：2023年全年，商业银行累计新形成不良贷款3.17万亿元，这个数字比年初的存量不良还高——这说明什么？说明不良的“流水”很急，池子里的水看着不深，但进水的速度远快于出水的速度。
迁徙率计算背后，藏着银行的真实风险偏好
我自己做过一个对比：A银行和B银行，同样不良率1.5%，但A银行的正常类迁徙率只有0.8%，B银行却高达2.3%。这意味着什么？意味着A银行的资产质量是“真稳”，而B银行是在用展期、续贷、调整分类等手段，把风险往后压。等到B银行的风化暴露出来，往往是集中式的、爆发性的。这不是我编的，2023年河南村镇银行风险处置中，监管通报的“违规调整五级分类、掩盖资产质量”就是典型案例。反正从那以后，我对那些迁徙率与不良率严重背离的银行，天然多三分警惕。
至于各类迁徙率的正常水平，没有一个官方红线，但行业里有些参考坐标。从上市银行年报数据看，正常类迁徙率普遍在0.5%-1.5%之间，关注类迁徙率在10%-25%之间，次级类和可疑类迁徙率波动较大，有时候能到30%、40%甚至更高。这些数字没有一个绝对的好坏，关键是看趋势——如果一家银行的关注类迁徙率连续两个季度上行，哪怕不良率纹丝不动，你也该意识到，明天的风险正在加速靠岸。
算迁徙率，先弄懂五级分类的“水位差”
迁徙率计算器的价值，是把复杂的报表逻辑封装成一个可以直接用的东西。你输入期初各级余额、期内各类变动金额，它自动输出一个迁徙矩阵：正常到关注，关注到次级，次级到可疑，可疑到损失。每一格的数字，都是一个风险信号。用熟了之后，你会发现这玩意儿跟看天气预报一样——不良率是昨天的雨，迁徙率是明天的云。
说个实操案例。去年我接触过一家华东地区的农商行，资产规模600多亿，不良率常年压得很低，只有0.9%。但细看迁徙率，关注类迁徙率从年初的9.8%一路爬到四季度末的17.6%，翻了好几倍。原因是什么呢？该行前些年大量投放的制造业中长期贷款，遇到了行业下行期，部分客户的现金流已经撑不住了。但因为贷款还没逾期，五级分类还挂在“关注类”上面。如果没有迁徙率这个“透视镜”，谁能看到这层风险？后来我建议他们在信贷系统中嵌入迁徙率自动监控模块，按季度输出迁徙矩阵，把关注类客户名单推送给客户经理做贷后排查。现在这家行把迁徙率纳入了分支机构的考核指标，权重还不低。
我还有一层更深的体会——计算迁徙率的过程，倒逼银行把贷后管理的颗粒度做细。你要算准迁徙率，就必须知道每一笔贷款的存量余额、五级分类、逾期天数、处置回收、核销转出的情况，这些数据散落在信贷系统、核算系统、风险系统中，以往各管一摊，口径经常对不上。迁徙率的要求清晰了，数据的口径也就跟着统一了。这个“以算促管”的效应，其实比那个数字本身更有价值。
我的判断：资产质量管理的重心，正在从“结果”转向“过程”
过去我们对资产质量的评判，高度依赖不良率、拨备覆盖率这类静态指标，监管的考核也是按季末时点数来打分。但2023年金融监管总局“三定”方案之后，现场检查和非现场监测的联动明显加强了，针对五级分类准确性的专项检查越来越多。你说不良率低，拿什么证明？不是看报表，而是看每一笔贷款的分类理由是否站得住脚，看迁徙路径是否合理。可以说，迁徙率正在成为监管检查中交叉核验的重要工具。
与此同时，银行自己也扛不住了。2024年三季度，商业银行净息差已经降到1.40%左右，历史最低水平。赚钱能力弱了，就意味着靠利润来消化不良的空间也小了。这种背景下，谁能在风险形成的前半段就识别出来、压住迁徙率，谁就能省下真金白银的拨备成本。我的判断是，未来两三年，谁能把迁徙率管理做扎实，谁就能在资产质量这件事上掌握主动权；还在靠不良率自欺欺人的，迟早会被市场教育。
所以我的建议也很简单。第一，从这季度开始，把迁徙率纳入你的常规报表体系，每季度算一次，算出五级分类的完整迁徙矩阵，别只看一个总指标。第二，给迁徙率设预警线，比如正常类迁徙率超过2%、关注类迁徙率超过25%，就要触发专项排查，逐户分析原因。第三，把迁徙率数据留痕，特别是分类下调的理由和依据，要经得起监管和审计的事后检查。金融是经营风险的生意，风险不是消灭的，是管理的；而管理的前提，是你要先看得见它往哪个方向走。
本文由「银行人实用工具箱」（deepwater84.cn）出品，专注银行从业者的效率工具与专业内容。