迁徙率才是资产质量的前瞻指标,多数银行却只拿它填表
2024年末,商业银行不良贷款率1.50%,2025年基本在1.5%上下横着走。总量看着挺稳,但如果你把这几个季度的贷款迁徙率摊开看,就会发现另一幅图景:对公在改善,零售在恶化,内部结构在快速换血。我的判断是,迁徙率不是一份交给监管的报表,它是资产质量最灵敏的那根探针——坏账率看的是过去,迁徙率看的是接下来两三个季度。
问题是,很多银行的迁徙率测算模板做得挺漂亮,跑完一次就锁进抽屉,年底报1104的G12表时再拿出来用一下。这就有点浪费了。迁徙率的真正价值在于序列和结构,它得月月跑、月月比,才能看出资产质量往哪儿走。
一、迁徙率算不准,八成是分母出了问题
公式本身不复杂:某分类迁徙率=本期由该分类向下迁徙的金额÷上期期末该分类余额。麻烦的是分母。用期初余额还是平均余额,用法人台账还是并表口径,结果能差出好几个百分点。
我自己的做法是用上期期末的五级分类余额做分母,跟1104报表的G12表归集口径保持一致。用平均余额看起来曲线更平滑,但跟对外披露的数字对不上账,内部汇报时容易被追问。
更麻烦的是"不迁徙"这件事被人为制造出来。展期、借新还旧、重组上调,三个手法都能把本该往下走的贷款摁在原地。2023年7月1日实施的《商业银行金融资产风险分类办法》基本把这条路堵死了:逾期超过90天必须至少归为次级,超过270天至少可疑,超过360天至少损失;重组资产观察期不得少于1年,观察期内分类不得上调。
这条硬约束让迁徙率变得有点"机械",但说实话,这是好事。以前靠展期把关注类锁在池子里,现在锁不住了,数字反而更可信。
二、模板的骨架,四张表就够了
第一张是迁徙矩阵,期初五级分类做行,期末五级分类做列,交叉格里填金额。这是根表,别的表都从它切出来。
第二张是滚动平均迁徙率,一般取16个季度或者4个季度均值,用来喂预期信用损失模型里的历史损失率。
第三张是从迁徙率推违约概率。假设正常到关注3%、关注到次级30%、次级到可疑50%、可疑到损失60%,一路连乘下来,一笔正常贷款最终走到损失的概率是0.27%。100亿正常贷款,隐含的最终损失大约是2700万。
第四张是维度下钻——分行、产品、担保方式、行业,一层层切下去。全行口径的迁徙率意义不大,问题都藏在某个分行、某条产品线里。
三、真正值钱的是关注类迁徙率
关注类是不良的蓄水池,这话大家都懂。但关注类迁徙率的领先性,很多人没当回事。我的判断是,关注类迁徙率大致领先不良率两到四个季度。
往回看,2023年下半年几家股份行的关注类迁徙率已经开始抬升,2024年年报里零售不良率跟着上行,这条线对得上。招商银行2024年末零售贷款不良率约0.96%,信用卡贷款不良率1.75%左右;平安银行个人贷款不良率1.39%,比年初又往上走了一截。这些数字背后,是2023年关注类往次级迁徙的结果。
总量平稳、结构恶化,这个组合最容易让人放松警惕。不良率给人的安全感,一半是假的。
四、迁徙率的用处是拨备和定价,不是汇报
迁徙率连乘出来的违约概率,直接对应预期信
定价也一样。如果某条产品线的关注类迁徙率从20%抬到35%,风险成本至少要加三四十个基点。现在净息差已经掉到1.42%附近,三四十个基点是什么概念,不用我多说。定价里不含迁徙率的银行,是在拿利润补贴风险。
要加三四十个基点。现在净息差已经掉到1.42%附近,三四十个基点是什么概念,不用我多说。定价里不含迁徙率的银行,是在拿利润补贴风险。五、我用模板时踩过的几个坑
第一个坑是时点。季末年末冲量会把迁徙率做得很失真。有一年我们看某个分行的迁徙率,12月末突然变好,后来发现是几笔大额贷款在12月31日当天做了展期。从那以后我坚持用日均口径再跑一遍做对照。
第二个坑是数据源。1104的G12表和内部五级分类台账经常对不上,差个几千万很正常,原因在并行报送和事后补录。模板里必须放交叉核验,不能只看一张表就下结论。
第三个坑是误读。迁徙率上升不一定是坏事,可能是主动出清。有的银行2024年把一批个人经营贷集中下调分类,当月迁徙率跳升,但这恰恰是资产质量变实的信号。看迁徙率要看方向,也要看原因。
该怎么做
模板别贪大,先把一条业务线从正常到损失的全路径跑通,把每一段的迁徙率算准,比全行糊成一张表有用得多。固定时点跑,每月或者季末后第十个工作日,雷打不动,形成序列——迁徙率的价值在趋势,不在某一个数。
把关注类迁徙率放进月度风险例会,别只报不良率。不良率是后视镜,迁徙率才是前挡风玻璃。往后看,2025年零售端的风险还会再走一段,个人经营贷、信用卡、消费贷的迁徙率值得盯紧。谁先把这套模板跑顺,谁就能早两三个季度知道风险藏在哪儿。
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。
