迁徙率计算器：三个数字看穿一家银行的资产质量
资产质量这件事，等不良率摆上桌的时候，风险已经发生完了。我判断一家银行的资产质量走向，第一眼从来不看不良率，看的是关注类迁徙率——一个用三个数字就能算出来、比不良率早两个季度报警的指标。
说实话，很多做信贷的同事对这个词有心理阴影，觉得它是风险部报表里的玄学。其实它的算法朴素到近乎粗暴：期初某一类的余额、本期迁徙到更低一类的金额、本期核销掉的金额，除一除就出来了。真正难的从来不是计算，是你输进去的那几个数到底是什么口径。
三个数字背后的公式，比你想的简单，也比你想的脆弱
标准定义写得很清楚：正常类迁徙率等于期初正常类贷款中、期末降为关注及以下的金额，除以期初正常类贷款余额。依次类推，关注类迁徙率、次级类迁徙率、可疑类迁徙率，一条链下来就是一张贷款质量的"降级漏斗图"。监管早就把这个逻辑固化成了报表语言——1104报表体系里的 G12《贷款质量迁徙情况表》，填的就是这套东西。
我给不熟悉这张表的同行算一遍。某城商行年初关注类贷款 48 亿，一年里降到次级及以下的有 11.5 亿，那么关注类迁徙率就是 24%。同一家行年初正常类 1200 亿，年内降到关注及以下的是 62 亿，正常类迁徙率 5.2%。
这两个数有什么用？关注类迁徙率 24% 意味着，今天账上躺着 52 亿关注类贷款，未来四个季度里大约有 12.5 亿会变成不良。按 150% 拨备覆盖率的口径，这 12.5 亿不良需要配 18.75 亿减值准备。如果这家行全年净利润只有 20 亿，你就明白这意味着什么了——一年的辛苦钱，九成要填进这个坑。
所以我说，迁徙率计算器真正的价值不是"算"，是把未来的拨备缺口提前摆到行长桌上。不良率是尸检报告，迁徙率是体检报告。
口径不对，算出来的数字就是自我安慰
我见过太多把迁徙率算错的方式，最典型的是忘了还原核销。你从年报附注里直接抄期初和期末余额，除出来的比率一定是低估的——因为分子里那些被核销、被批量转让出去的贷款，已经不在期末余额里了。一家行一年核销 8 亿，你不加回去，迁徙率能低好几个百分点，然后你在会上说"资产质量稳中向好"。
第二个坑是分母。用期初余额，不要用平均余额，这不是学术偏好，是监管报表的口径，也是唯一能让不同银行横向可比的算法。用平均余额，队伍里跑得慢的那家会显得好看。
第三个坑最隐蔽：分母里混进了不该有的东西。贴现、票据、同业资产、以及当年新投放的贷款，都要剔出去。新发放的贷款在头一年里几乎没有迁徙的可能，它躺在分母里纯粹是稀释比率。一家贷款增速 15% 的银行，正常类迁徙率被动下降 1 个百分点是家常便饭，你要是拿这个当改善的证据，那真是自欺欺人。
我对那些用"迁徙率同比下降"来论证资产质量改善的说法，一向持保留态度。先问三个问题：核销还原了吗？新投放剔除吗？重组贷款怎么处理的？这三个答案不清楚，那个下降毫无意义。
关注类占比低、迁徙率高，是一个危险组合
把迁徙率和五级分类结构摆在一起看，才能看出真东西。行业口径上，2024 年末商业银行不良贷款率 1.50%，关注类贷款占比约 2.22%，这是全行业的平均数。
如果你拿到一家银行的数据，关注类占比只有 1.3%，明显低于行业，但关注类迁徙率高达 35% 以上，远高于行业均值——这两个数字放一起，我的第一反应不是"这家行风控好"，而是"关注类池子里留下的都是轻症，重症被直接推下去了"。
后来发现，这种组合在中小银行里并不罕见。原因有两层。一层是考核压力，关注类占比经常被当成内控指标考核到支行，基层自然倾向于"要么正常、要么不良"，中间的缓冲带被人为压薄。另一层是 2023 年 7 月 1 日施行的《商业银行金融资产风险分类办法》，它把逾期 90 天以上强制划入次级、逾期 270 天以上划入可疑、360 天以上划入损失，很多原本靠"关注类"藏着的逾期贷款，被新规直接扫地出门。结果是关注类池子变小、成分变"重"，迁徙率自然跳升。
这是我特别想强调的一点：2023 年之后的迁徙率，和 2021 年的迁徙率，不能直接放在一条趋势线上比。监管规则变了，分母的成分变了，你还拿老基准做同比，等于用两把不同刻度的尺子量同一张桌子。
它也有盲区，别把计算器当算命
迁徙率有一个致命的时滞问题：它记录的是"已经发生的降级"，而不是"将要发生的违约"。展期、无还本续贷、重组贷款、借新还旧，这些操作把迁徙的时点往后推，报表上干干净净，实际上风险在原地发酵。新分类办法要求重组贷款观察期内不低于关注、观察期至少一年，算是给这个口子加了道闸，但闸门永远有缝。
我的做法是配套看两个东西。一个是逾期贷款与不良贷款的偏离度，逾期 90 天以上贷款占不良贷款的比例如果超过 100%，说明分类不实，迁徙率再漂亮也不可信。另一个是各年度新发放贷款的 vintage 不良曲线，用投放年份做切片，看第三年、第四年的累计不良率有没有系统性抬升。迁徙率告诉你"现在有多糟"，vintage 告诉你"这批贷款当初就不该放"。
反正就一句话：迁徙率是入口，不是终点。任何只给你一个迁徙率数字就下结论的分析，都值得怀疑。
怎么用起来：从一张表到一套台账
如果你真想把这个工具用起来，我的建议很具体。
先把本行过去 12 个季度的 G12 表数据提出来，补上核销和转让的还原数，做成一条自己的时间序列。单个季度的迁徙率毫无意义，只有趋势才有信息量——连续三个季度关注类迁徙率上行，基本可以判定未来两到三个季度的不良生成率会抬头。
然后做同业对标，别拿平均数，拿上市银行年报附注里披露的"贷款质量迁徙情况"逐家比对，取同一梯队的中位数。用平均数对标，你会被几家大行的超低迁徙率带偏判断。
最后，把迁徙率接进压力测试。做悲观情景时，关注类迁徙率建议取过去八季度的上四分位数，而不是均值——均值会系统性地低估尾部风险，这一点我在做拨备测算时踩过坑，后来就再也不用了。
对分支机构的考核也一样，迁徙率比不良率灵敏得多。不良率是滞后的结果，迁徙率是正在发生的过程，等到不良率上去了再问责，那笔贷款早就不该发了。
说到底是这么个道理：资产质量的真相，从来不写在不良率那一栏里，它藏在迁徙的路径上。你愿意花两个小时把这几个数字拆开看，就比大多数人早两个季度知道风往哪吹。
本文由「银行人实用工具箱」（deepwater84.cn）出品。