作者：邱冠华、袁梓芳、郭昶皓、梁凤洁
感谢：张慧（实习）
来源：国泰君安研究所银行组
具体参见2018年8月24日报告《资产质量分析框架：初识、进阶与实战——基本面研究系列之二》
本报告导读
银行是经营风险的行当，因客户违约而产生的损失是经营成本中最重要也最独特的一部分，本报告从最基本的指标和报表入手，搭建资产质量的分析框架。
摘要
►初识：指标与报表
1、最常用的指标和报表：围绕贷款分类、减值损失与准备、生成与处置三大块内容，详细阐述了资产质量指标及可能遇到的问题；
2、方法补充及案例分析：补充了一种考察非贷款资产质量的方法，并对不良认定趋严新政进行了案例分析。
►进阶：扭曲与应对
1、上市行不良现状概览：从不良率与偏离度、拨备覆盖率与信用成本两组指标入手，考察上市银行的资产质量特征；
2、不良率的缺陷与应对：不良率的分子和分母都存在缺陷，使得整个指标难以反应真实的资产质量情况。对此，需要通过多个指标的组合拳辅助判断；
3、拨备平滑利润的原理：拨备计提存在主观因素的影响，银行可以利用它来平滑利润，但这样的操作也面临多项监管指标的限制。
►实战：预测与估值
1、从周期把握真实不良：不良生成的前一步，都是企业面临偿债能力恶化，因此总量上可以用利息保障倍数作为资产质量的先行指标。此外，行业和地区的影响也不容忽视。
2、从市场把握预期不良：市场定价隐含了对于不良的预期，破净股和信用利差就是两个很好的切入点，传统观点认为，银行股破净意味着有隐藏的不良会侵蚀净资产，我们可以将这个隐藏的预期不良率计算出来，而信用利差则是债券市场对信用风险的定价。
3、不良影响估值的路径：预期层面的资产质量恶化，会通过提高成本来影响银行未来现金流质量，从而降低估值。挖掘银行资产质量超预期，可以分析账面不良率边际变化，以及从宏观层面自上而下来把握。
►风险提示
年初以来企业偿债能力边际下降，债券市场违约事件频发，需注意信用环境恶化传导至银行资产端的风险。
另有配套使用的信用风险跟踪数据库，欢迎联系索取。
目录
1. 初识：指标与报表
1.1. 贷款质量的两种分类
1.2. 不良贷款与银行利润
1.3. 贷款减值准备及变动
1.4. 不良贷款生成与处置
1.5. 其它资产的质量判断
1.6. 案例：认定标准收紧
2. 进阶：扭曲与应对
2.1. 上市行不良现状概览
2.2. 不良率的缺陷与应对
2.3. 拨备平滑利润的原理
3. 实战：预测与估值
3.1. 从周期把握真实不良
3.2. 从市场把握预期不良
3.3. 不良影响估值的路径
4. 风险提示
报告正文
银行是经营风险的行当，因客户违约而产生的损失是经营成本中最重要也最独特的一部分。因此，认识并解读银行资产质量，是把握银行基本面不可或缺的一环。对银行而言，配置最多且违约概率最高的资产就是贷款，因此一般提到银行资产质量时，都是指贷款的情况。
我们的资产质量分析框架由三部分构成，遵循“指标—运用—预测—估值”的主线：第一部分介绍完整的银行资产质量指标体系；第二部分介绍上市银行资产质量现状，以及两个重要指标在实践中的扭曲和应对；第三部分介绍资产质量预测的简明思路，以及资产质量影响银行估值的路径。
1、初识：指标与报表
1.1.贷款质量的两种分类
1.1.1.五级分类与不良贷款
2001年末，央行发布《关于全面推行贷款质量五级分类管理的通知》，我国告别了此前“一逾两呆”的贷款风险分类方法，转而采用国际通行的五级分类，情况如下：
其中，次级、可疑和损失类贷款统称为不良贷款，由此衍生出资产质量最为重要的两个指标：不良贷款额和不良贷款比例（简称不良率，不良贷款余额/贷款总额）。相对应的也有关注贷款额、关注率等。
需要注意的是，贷款分类并非静态不变。随着宏观经济或借款人自身条件改变，还款能力也将上升或下降，单笔贷款的分类随之改变，因此衍生出贷款迁徙率这一指标，衡量的是某一分类向下面的等级迁移金额的比例。
1.1.2.逾期贷款
由于五级分类非常粗糙，各项分类的认定标准也较模糊。因此各家银行以违约概率为主要依据，有自己更为精细的贷款分类标准。除还款能力外，也要考察抵押品、逾期时间等指标。但这使得不良贷款的划分有较大主观操作空间。
另一种相对客观的分类方式，是以贷款逾期的时间长短不同进行划分，目前一般按逾期90天内、90天—1年、1—3年和3年以上分为4类。每类相对应地有逾期贷款额和逾期贷款率指标。考虑到企业短期周转不灵，或者个人信用卡忘还款等情况，并非借款人还款能力下降，一般我们仅考虑逾期90天以上贷款存在风险。
1.1.3.不良认定严格程度
由于逾期贷款是记录真实发生的情况，较不良贷款操作空间小，而逾期90天以上贷款又存在违约风险。因此，可以使用逾期90天以上贷款/不良贷款（俗称偏离度），来考察各家银行对不良贷款的严格程度。该指标越大，说明有越多的问题贷款未划入不良，不良可参考性越低。也有人用逾期贷款率-不良贷款率（俗称剪刀差）来衡量。
1.2.不良贷款与银行利润
由借款人违约而导致的损失，体现在利润表中的“资产减值损失”一项，但这仅是利润表中最为简略的展示。由下表①②可知，资产减值损失是各类别资产各自损失的加总额，而某类资产减值损失，就是该项资产减值准备中的计提项（加项）。关于表③，我们将在下一小节展开分析。
在资产减值损失中，贷款减值损失一般占90%甚至更高，因此它是我们重点研究的对象，我们将贷款减值损失/贷款总额均值称为信用成本，联想到贷款的年化利率，可以把年化信用成本近似理解为年化利率中的信用风险溢价。
需要特别注意的是，贷款减值损失并非当期实际发生的值，而是银行预先从利润中扣出来存放到别处，以应对可能发生的损失，储存的位置叫贷款减值准备。这么做的好处有两个，其一，预先把损失考虑在利润中，体现银行审慎经营的态度；其二，一旦真的产生损失，只要储备足够，就完全不会影响当期利润，银行经营指标相对平稳。
另外，在计算信用成本等“流量/存量”指标时，我们一般对存量取平均值，比如“期初期末贷款总额的平均”而非“贷款总额”，为使行文简洁，下文均写为“贷款总额均值”。
1.3.贷款减值准备及变动
1.3.1.贷款减值准备的监管要求
对于贷款减值准备（简称拨备），有拨备覆盖率（贷款减值准备/不良贷款额）和拨贷比（贷款减值准备/贷款总额）两项指标。二者数值越大，对不良贷款损失的吸收能力就越强，目前监管要求银行拨备覆盖率不低于120%-150%（根据各银行自身情况确定），拨贷比不低于2.5%。
由于存在等式：不良率=拨贷比/拨备覆盖率，因此当不良率大于1.67%时，只要拨备覆盖率大于150%，就能保证拨贷比达标；类似地，不良率小于1.67%时，只要拨贷比大于2.5%，就能保证拨备覆盖率达标。一般而言，市场更为关注拨备覆盖率。
1.3.2.贷款减值准备变动拆解
我们进一步考察贷款减值准备的变动情况，以工行17年年报为例。整张表适用BASE法则，即：期末余额=期初余额+增加值-减少值。
各个项目的含义如下：
（1）新增：因新投放贷款及贷款等级变动而新计提的值；
（2）划转：因贷款规模变动而在单项评估和组合评估之间转移的值，只涉是两个科目“此消彼长”，不增加减值准备总额；
（3）回拨：因收回已减值贷款的本金，或贷款等级好转而减少的拨备。部分银行也叫“转回”；
（4）已减值贷款利息收入：冲抵收入中，因权责发生制而产生的不良贷款的利息收入。这是因为，不良贷款本身就面临本金损失的风险，确认利息收入不合理。部分银行也叫“折现回拨”；
（5）收回以前年度核销：收回了之前已经核销掉的不良贷款，不能直接增加利润，但可增加拨备，部分银行也叫“收回”；
（6）转出：转让或重组不良贷款而导致对应的拨备减少（工行报表未出现），如出售、债转股、打包为ABS等；
（7）核销：将不良贷款与减值准备在账面上1:1抵消掉，不良额和不良率因此下降。
虽然看起来复杂，但其实只需把握两个原则：
（1）只要不良贷款存在，对应计提的拨备就存在；不良贷款消失了（无论是回归正常、核销还是转出），对应规模的拨备也随之消失；
（2）在本期计提中的项目（一般是新增和回拨两项），增加拨备就将减少当期利润，反之反是。不在计提中的项目，不直接影响利润，但会通过影响拨备水平，间接影响今后的计提力度。
另外还有一个细节，同样出于审慎考虑，银行资产负债表中披露的“客户贷款和垫款”是贷款净额（即贷款总额-贷款减值准备）。
1.4.不良贷款生成与处置
1.4.1.不良贷款的生成
贷款减值准备中，核销、转出等操作都将影响不良贷款总额，因此在计算不良贷款生成情况时，这些影响要考虑在内。同样根据BASE法则，我们可以得到不良贷款生成额的公式：
不良贷款生成额=期末不良贷款-期初不良贷款+当期核销+当期转出
不良生成率则是用不良生成额/贷款总额均值。可以理解为未处置前银行不良贷款额的一阶导，是分析资产质量常用的领先指标。
1.4.2.不良贷款的处置
不良贷款主要有以下四大类处置方式，针对每笔不良贷款，可能同时采用多种方式：
其中，重组贷款额的指标会披露在财报中，但因占比不高且已被纳入不良，关注度不高；核销和剥离主要体现在贷款减值准备中；清收一般以文字形式进行披露。我们通常以核销转出率（当期核销+转出/不良贷款均值），来考察银行处置不良贷款的力度。
实践中，核销数据仅在中报和年报披露，且一般银行倾向于年末集中核销不良，导致数据呈现较大季节性（同理，不良生成率也存在该问题），且一季度、三季度数据难以确知。可采用滚动平均的方式来修正。
1.5.其它资产的质量判断
银行会在资产减值准备细项或各项资产的细项中，披露该类资产已计提的减值准备。因此我们可仿照拨贷比的形式，计算其它资产的拨贷比，并以此衡量银行对此类资产承担风险的能力。
比如，市场关注非标债权的质量如何，而非标大部分归为应收款项类投资，因此我们可计算应收款项拨贷比，如下图：
1.6.案例：认定标准收紧
有新闻称，近期监管部门要求银行必须将逾期90天以上贷款计入不良贷款。我们简单运用上文的主要指标来分析一下。
以往按惯例，逾期90天以上贷款应当被计入不良贷款，但各银行的执行力度不一（由下图可知）。这一规定推出后，如立即执行，意味着偏离度大于1的银行，不良贷款额将有一个跃升，不良率跟着提升，偏离度下降。但是，这仅是分类方式的改变，使得不良率更真实，银行资产质量并没有任何实质变化。
另一方面，不良贷款额的增加将稀释拨备覆盖率，同时由于贷款等级下降，面临监管要求的更高的拨备计提比例。这都将使得银行必须加大当期拨备计提力度，从而冲击利润。我们以监管要求的计提比例为例，算出对利润的冲击程度。
最后需要补充一点，偏离度小于1仅是指标表象，无法说明该银行就已经100%把逾期90天以上贷款划入了不良，因此可能有更多上市行受影响，上述测算应当被视作最低影响。
2、进阶：扭曲与应对
2.1.上市行不良现状概览
在第一部分对指标体系介绍的基础后，我们选取不良率和偏离度、拨备覆盖率和信用成本两个维度，具体看一下上市行资产质量特征如何。
从不良率和偏离度看，二者相关性很弱，呈现如下四个组合：
（1）不良率高，偏离度高。这种情况最糟糕，存量不良问题已很大，同时还面临增量不良（逾期）压力，如华夏银行、民生银行；
（2）不良率高，偏离度低。可理解为通过加强不良认定，坐实资产质量，这种组合往往处在业绩底部期，下一步压力主要在存量不良出清，如浦发银行、农业银行；
（3）不良率低，偏离度高。可理解为通过放松不良认定，掩盖部分不良。但这种操作往往是边际上的变动，总量指标难以观察到；
（4）不良率低，偏离度低。这种情况最优秀，存量不良低且认定严格，短期无需担忧不良问题，如宁波银行、上海银行。
然后，考察上市银行拨备覆盖率和信用成本，同样呈现四种组合：
（1）拨备覆盖率低，信用成本低。这种情况往往是利润面临压力，通过较低的拨备计提力度，将拨备覆盖率维持在监管临界线位置，国有银行最为典型；
（2）拨备覆盖率低，信用成本高。这种情况一般是在存量不良出清期，核销力度加大导致对拨备消耗速度提高，如果存量拨备不足，则需提高信用成本，如平安银行、浦发银行；
（3）拨备覆盖率高，信用成本低。这种情况拨备安全垫已很足，通过降低信用成本，实现拨备反哺利润，如南京银行；
（4）拨备覆盖率高，信用成本高。这种情况主要是在业绩上升期，通过多提拨备适当留存利润，以应对未来下行周期的压力，如常熟银行、贵阳银行。也有可能是在不良出清的初期，加大计提力度应对拨备消耗。
为了使结果更为直观，将上述四个特征整理为表格，并进行打分，发现：
（1）国有行：整体资产质量平庸，各自差距不大。拨备覆盖率普遍面临压力。由于国有行业务分布广、规模大，一般也可作为行业整体情况的代表；
（2）股份行：整体资产质量最差，但银行间分化较大。这是由于股份行业务风格相对激进，以及地方根基相对较弱。其中，招商银行（零售资产占比高）、兴业银行（同业资产占比高）资产质量位于股份行前列，但其余股份行均存在压力；
（3）城商行：整体资产质量最优，但和所处区位及地方竞争格局相关。处于东部发达地区、在当地市占率领先的银行，资产质量相对更优，如南京银行、宁波银行、上海银行。由于拨备率整体较高，因此未来将最先享受到拨备反哺利润；
（4）农商行：整体资产质量次优，分化同样较大。从银监会数据看，农商行资产质量其实是所有类别中最差者，但上市农商行要明显强于非上市农商行。此外，其特征与城商行类似。
2.2.不良率的缺陷与应对
2.2.1.分母：信贷稀释
不良率的分母是贷款总额，因此在货币政策宽松、贷款投放上量的年份，尽管不良贷款还在暴露，不良率仍有可能下降。虽然这一问题对于以贷款总额做分母的指标而言都存在，但对于不良率来说，其周期性的特点更为明显。我们将历史的不良率同比变动拆解为分子（不良额）和分母（贷款基数）两部分，如下图：
两个时间段值得留意：
（1）06-07年间，不良贷款总额增长停滞，但由于信贷维持约16%的增速，不良率仍快速下行；
（2）08-10年间，扩张性政策叠加农行不良贷款剥离，不良率加速下降，如加回农行剥离的数额，这段期间不良额其实是微幅上升的。可见，仅通过06-10年间的不良率下降来说明银行资产质量改善，并不靠谱。
这个图也展示了不良周期滞后于信贷周期的情况：金融危机后的信贷放量，在接下来的5年中产生了大量的不良贷款，但不良率的抬升直到13年末才显现端倪。无法即时反应资产质量的边际变化，使得不良率注定是一个滞后于经济周期的指标。
近年来政策波动性明显降低，因此行业层面信贷对不良率的稀释作用趋于平稳。但在考察各家银行重点发力投放的行业或产品时，这一点仍需关注。新产品上线之初，往往是不良率数据最为亮眼之时。
2.2.2.分子：左右腾挪
相对于信贷增速而言，分子端的不良贷款额有更多人为操纵的空间：
（1）微观层面上，不良数据是各分支行重要的考核指标。因此基层工作人员会尽其所能减少不良暴露，最为传统的做法就是借新还旧。这里的新可以是本行资金、他行资金乃至高利贷。如果是本行资金，仅仅是延迟了风险暴露，如果是外来资金，则是风险转移；
（2）宏观层面上，总行可以不断调整其认定严格程度，“对冲”不良率的变动。此外，还能和同业或非银机构合作，对不良贷款进行“假出表”，即账面上已剥离不良贷款，但损失的风险实际仍由银行承担。
可见，不良率的变动，除了资产质量的影响外，还掺杂了很多人为选择的因素。因此，从公开信息看，我们或许永远都无法得知银行真实的不良水平。
2.2.3.应对：双管齐下
面对不良率存在的种种问题，有两个较为简单的解决方案：
（1）在考察当前行业或银行的资产质量时，使用更为客观和先行的指标。比如逾期贷款率、偏离度、关注+不良率等。其中，关注+不良率也被称作“真实不良率”，其逻辑在于，关注类贷款是不良贷款的主要来源，而如果一项贷款不在关注和不良中，那从银行角度看，当前不存在违约风险。
由图可见，关注+不良率的波动性明显高于不良率。16年下半年至今不良率走平，但关注+不良率逐渐下行，说明银行资产质量开始改善。
（2）在考察行业或单个银行未来的不良压力时，使用不良生成率和拨备覆盖率。由这两个指标可以进行简单的压力测试，比如假设出未来不良的生成情况，即可推出拨备能够支撑的时间，以及维持拨备覆盖率所需要多提的利润。
2.3.拨备平滑利润的原理
2.3.1.操作原理
我们先直观看看资产减值损失能占到利润的几成，以评估其重要程度。其中，资产减值损失（计提拨备）直接来源于拨备前利润，因此这一比值可视作拨备计提力度。
由图可见，17年资产减值损失/拨备前利润达33%，占比不及三费和负债成本等，但拨备计提相对主观，并且也不是当期就消耗掉了，因此成为银行平滑利润的工具，也是盈利预测中最难把握的一个部分。需要补充的是，由于监管部门对各等级贷款的拨备计提比例有要求，因此资产质量恶化时，银行拨备计提力度肯定会上升。所谓平滑利润，并不是随心所欲的。
如果拨备计提力度（资产减值损失/拨备前利润）不变，那么银行税前利润的同比增速应当等于拨备前利润的同比增速。因此，我们可用税前利润同比增速-拨备前利润同比增速这一指标，反应拨备对利润的影响。一般将大于0称作拨备反哺利润，小于0称作拨备侵蚀利润。另外，在对净利润增速的拆解中，该指标也是组成要素之一。
2.3.2.案例：拨备计提力度的选择
下面以工商银行和南京银行为例，考察不同计提政策的影响:
由图可见，在14年之前，两家银行拨备计提趋同，但自14年行业不良率抬头后，两家银行开始分化。南京银行计提力度非常大，对净利润的负向冲击最高超过30%，但厚实的拨备在17年开始反哺利润；工商银行的计提力度则是略微加大，在不良好转、部分银行已实现拨备反哺利润的17年，工行的拨备计提力度甚至还略高于14-16年。为何会有这样的差异？
再考察二者的拨备覆盖率发现，南京银行是在13年拨备覆盖率小幅下降后意识到问题，并开始加大计提力度，14年不良率上升的同时，仍然能实现拨备覆盖率的上升，拨备计提快过不良增长，这就为17年的反哺积攒了弹药。而工行在14年选择消耗存量拨备应对不良，拨备计提赶不上不良增速，因而拨备覆盖率下降。短期内利润或许较为平稳，但拨备覆盖率很快就降到了150%的监管要求之下，这使得工行被迫在17年加大计提力度。
在了解了拨备计提的调整及限制后，我们最后考察二者的净利润情况。南京银行之所以没有在13年就加大计提力度，是为了托住快速下滑的净利润增速，随后在14年盈利改善时便多提拨备，17年增速放缓，拨备计提力度又相应下降了。可见，拨备计提确实起到了平滑作用。而工行在14-16年间选择消耗存量拨备，有可能是为了将净利润增速维持在正值而不得已的选择。
3、 实战：预测与估值
预测银行资产质量的难点体现在四方面：（1）指标体系本身较为复杂，且存在很多人为因素干扰导致失真；（2）我国于03-05年和08年两次剥离国有行不良资产，使得不良率骤降，叠加08年金融危机后的扩张政策，导致09年以前的行业不良率数据基本不可用。数据层面上，我国还没有经历一个完整的不良周期；（3）信用周期与宏观经济高度相关，而预测宏观经济本身就已十分困难；（4）对于估值而言，预期不良而非真实不良才是主导因素。
因此，在这么多困难面前，我们倾向于采用边际思维，通过简单易行的思路和指标，重点把握不良的方向，而非精准预测不良情况。具体地，我们先从经济周期的视角来考察真实的不良情况，然后在假设市场有效的情况下，看看当前定价所体现的预期不良，最后阐述不良影响银行估值的路径。
3.1.从周期把握真实不良
3.1.1.总量视角：非金融企业偿债能力
不良产生的原因可能有很多，也受到多个周期的扰动，但在不良生成前一步，必然是企业面临偿债能力下滑。因此，总量层面可用非金融企业偿债能力，判断不良走向。
我们采用工业企业利息保障倍数（工业企业利润总额+利息支出/工业企业利息支出）来分析。这一指标的优点在于，月度数据频率高且公布及时，工业企业对于银行资产端而言也有足够的代表性。由于工业企业利润存在明显季节性，因此我们采用最近12个月移动平均的方式来计算该指标。
可见，在利息保障倍数快速下降的2012年，行业不良率甚至还有小幅下降，而随后的3年多时间里，利息保障倍数维持低位，不良开始抬头。而在16年初，利息保障倍速开始转好，随后在16年末，关注+不良率开始下行。经验上看，利息保障倍数约领先不良指标6个月到1年，可作为很好的前瞻指标。今年以来，利息保障倍数转向下行，信用事件发生频率明显提高，但银行不良率暂时还未体现这一趋势。
3.1.2.结构视角：行业与地区的影响
对于国有行和股份行而言，由于业务较为分散，因此单个行业或地区的不良难以冲击整个银行的指标（特定信用事件除外，这是很难预测的）。但对城商行和农商行而言，业务在地区层面集中，而一个地区又有自身的产业结构，需要特别注意这两个因素的影响。
从地区层面看，本轮信用周期呈现由东部向中西部蔓延的态势。图中浙江、湖南、四川三省不良抬头时间均间隔1年，另外，在供给侧改革开始的2016年，辽宁（代表东北）不良率有加速上升的倾向。考虑到银监会披露的地区不良数据有所滞后，因此也可用地区代表性银行的不良水平来替代。
地域不良的暴露顺序中也隐含了经济周期和政策周期的逻辑。我国中西部和东北部产业偏向上游和中游，东部地区更贴近市场，偏向中下游。当总需求不足时，春江水暖鸭先知，下游行业最先受到冲击，然后依次向中上游蔓延。而供给侧改革，则是针对上游产业强烈的政策冲击。
产业结构在地域上的分布短时间难以改变，因此当总需求不足引发经济下行时，我们很有可能再次看到不良率由东向西渐次抬头。从这一点看，东部地区（及银行）不良率也可作为很好的前瞻指标。
3.2.从市场把握预期不良
如果我们假设市场是有效的，那么当前的定价中应当充分反应了人们预期的不良。据此，我们可以通过考察市场价格来推知预期不良情况。
3.2.1.破净股与预期不良率
破净股正是考察预期不良的一个切入点。对银行而言，资产负债表大部分项目都可市价计量，因此净资产不应低于账面价值（即PB≥1）。但奇怪的是，A股的破净银行股已经成为常态，近5年来板块也是常处于破净状态。
传统观点认为，银行股破净意味着存在部分尚未披露的不良贷款，会使净资产遭受损失。也就是说，当前市场给出的PB中，隐含了一个市场预期的不良率/不良额，要大大高出银行自身披露的情况。
预期不良额到PB的路径是这样的：
（1）预期不良额为X，假设全部通过打包出售来处置。出售价格为30%，则还有70%的X需要银行自身承担损失；
（2）对于这70%的X，银行先以拨备（设为Y）来承受损失，当拨备耗尽后，再以净资产承担，假设净资产承担的值为Z。这个Z就是账面价值-市值（即1-PB）。
因此Y+Z=0.7X，我们便可求出当前PB下市场预期的不良情况。A股中破净银行股的预期不良率情况如下：
其中，预期不良率为8.60%，而这些银行的平均不良率仅1.57%。根据部分一季报披露了关注率的银行来看，其预期不良率约为关注+不良率的两倍。由于不良指标存在缺陷，很难说到底是市场更准确还是公开数据更准确，但从估值反应预期的角度看，这样的预期不良率代表了对未来银行资产质量将大幅恶化的预期。
当然，预期不良率也并非完美的指标，其问题在于用绝对估值的视角看相对估值（PB）。比如，在15年的牛市中，部分破净银行预期不良率腰斩，但当时仍处于不良暴露进程中；又如，从时间序列看，有个别银行经历了长达5年的破净历史，预期不良率持续走高，但这期间各项不良指标却并未显著恶化。
因此，在使用预期不良率时，不妨也多进行横向比较，从相对的角度出发看看几家银行间是否存在资产质量的超预期。如果预期不良率持续走高，而又已被公开数据部分证伪（比如差距过大的时间长），那么也应当考虑其它压制估值的因素，资产质量可能并非主要矛盾。
3.2.2.他山之石：信用利差
在债券市场上，信用利差是补偿债券违约风险、高于无风险利率的利差，可拆解为信用风险溢价及流动性风险溢价。经典理论认为，经济下行时期，人们因担忧公司偿还债券的能力而倾向于配置高等级债券，因此公司必须用更高的利率发债融资，信用利差因此走阔，但此时公司债并非真的违约了，这正是预期影响价格的一个例子。
与破净股类似，如果市场是有效的，那么在信用债和国债间应当不存在套利空间，据此可推算出当前信用利差中隐含的预期违约率。显然，这个预期违约率和信用利差是正相关的，因此简便起见，可以用信用利差作为预期违约率的替代变量。
对于信用风险而言，无论是债券违约还是贷款违约风险，本质上都是由借款人还款能力的下降引起的。因此，二者往往同向变动且容易交叉传导。我们用信用利差衡量市场对信用风险的预期，也就间接知道了对银行不良的预期。
信用利差的优势在于市场参与者众多，且有每日数据可以跟踪，而城投债一项，可以让我们有机会评估地方政府融资平台的风险，以往仅依靠银行的公开信息较难分析此类客户。
对于研究银行不良而言，其劣势主要有两个，一是易受独立信用事件的影响而大幅波动，但这类事件并不必然导致信用风险的扩散，也就不一定冲击到银行资产质量；二是除了衡量信用风险外，信用利差也与流动性、预期通胀率、货币政策走向等息息相关，部分时段是流动性风险而非信用风险主导其变化。这两个原因使得数据中噪音较多，适当拉长时间频率，或选择期限较长的信用利差更为可靠。
3.3.不良影响估值的路径
3.3.1.理论路径
预期不良率隐含了这么一个假设，即当前的估值中已经反应了人们对隐含资产质量的预期，对资产质量的超预期将推动估值变化。放到经典的估值理论中，则是以下路径：
对绝对估值而言，资产质量恶化会降低未来现金流，或者提高折现率（提高了信用风险溢价），从而降低股价；对相对估值而言，资产质量恶化通过降低ROE，从而降低PB。
3.3.2.实际情况
那么，马上就产生了两个一直困扰投资者的难题：（1）资产质量预期的锚在何处？（2）我们如何寻找资产质量的超预期？
由下图可见，银行PB与不良率之间存在明显的线性关系，相关系数达到了64%。如果考虑近期市场风格而将宁波银行和招商银行剔除后，这个线性关系将更加明显。
这张图传递出两个信息：（1）账面不良率可作为资产质量的一个锚；（2）仅就账面体现的资产质量而言，板块内部的定价是相对合理的，确实需要寻找超预期。
结论一可能让人费解，为什么缺陷颇多的不良率仍可作为资产质量预期的锚？我们认为，该指标简单易懂，为大多数投资者所接受，因此容易围绕这一指标形成一致预期。更为重要的是，账面不良率牵扯到众多监管指标，账面不良率不高，短期内的监管或盈利压力就不那么明显，市场容易把短期影响看得过重。对于结论二，银行业务同质性强，信用风险增加时大家都面临资产质量压力。反映到股价上，就是同涨同跌现象。当然，这里的合理仅是指相对账面不良率的排序。
这也为我们寻找资产质量的超预期指明了方向：
（1）既然账面不良率仍然重要，那么必须抓住其边际变化。很多时候，这个变化可能仅仅是指标而非实质改变。为此，本篇报告的第一、第二部分花费了大量篇幅介绍相关指标体系及其特征；
（2）既然板块内部定价相对合理，那么需要从更为宏观的视角，自上而下把握资产质量。为此，本报告第三部分讨论了一个简明的分析框架。
4、 风险提示
年初以来企业偿债能力边际下降，债券市场违约事件频发，需注意信用环境恶化传导至银行的风险。
大话金融
银行公众号，
关注这一个就够了！
