【研報】銀行業銀行財務解析系列（二）：資產質量深度研究 全方位多視角看銀行資產質量-20200519[24頁].pdf

1、 1 證券研究報告證券研究報告 行業研究/深度研究 2020年05月19日 銀行 增持（維持） 銀行 增持（維持） 沈娟沈娟 執業證書編號：S0570514040002 研究員 0755-23952763 蔣昭鵬蔣昭鵬 0755-82492038 聯系人 1杭州銀行杭州銀行(600926 SH,增持增持): 高成長城商高成長城商 行，打造科創行，打造科創+零售特色零售特色2020.05 2 非銀行金融非銀行金融/銀行銀行: 行業周報 （第二十周） 行業周報 （第二十周） 2020.05 3 銀行銀行: 社融再超預期， 信貸債券持續發力社融再超預期， 信貸債券持續發力 2020.05 資料來源：

2、Wind 全方位多視角看銀行資產質量全方位多視角看銀行資產質量 銀行財務解析系列（二） ：資產質量深度研究 核心觀點核心觀點 我們認為資產質量是現階段影響銀行業績的重要因素， 剖析其結構和成因， 幫助預判未來資產質量走勢。通過梳理資產質量的監管指標、在利潤端體 現，總結不良貸款分布特征、生成和處置衡量指標，并歸納先行指標和高 頻跟蹤方法，呈現資產質量全景。Q1 資產質量穩健，但關注率上行，預計 不良率高點出現在 2-3 季度。優質客群結構、良好風控能力疊加政策強力 對沖，有望使優質銀行資產質量壓力可控。推薦股份行招商銀行、興業銀 行、平安銀行，以及特色小行常熟銀行、成都銀行、南京銀行。 監管指

3、標：研究資產質量的基礎監管指標：研究資產質量的基礎 商業銀行資產質量主要監管指標包括不良貸款率、撥備覆蓋率和貸款撥備 率。三者存在關系式：不良貸款率=貸款撥備率/撥備覆蓋率。不良貸款率 撥備覆蓋率、 貸款撥備率的現行監管標準分別為不超過 5%、 120%-150%、 1.5%-2.5%。為抵御疫情沖擊，國常會階段性將中小行撥備覆蓋率監管標 準下調 20pct 至 100%-130%。上市銀行資產質量好于行業水平。 撥備計提：資產質量在利潤端的體現撥備計提：資產質量在利潤端的體現 信用減值損失是資產質量在利潤表中的體現，主要由貸款減值損失構成。 貸款減值損失對應貸款損失準備變動的本年計提部分，因

4、此貸款減值損失 又稱“撥備計提” 。IFRS9 實施后，撥備計提方式由已發生損失法變為預期 損失法（ “三階段法” ） 。針對三階段法，各家銀行計提標準有一定差異。指 標方面，貸款信用成本可看做貸款的信用風險溢價，是重點關注指標之一。 關注分布特征、先行指標和高頻跟蹤方法關注分布特征、先行指標和高頻跟蹤方法 經濟下行壓力導致零售貸款較對公貸款不良率更低，按揭貸款最為優質； 行業分布方面，批發零售業和制造業不良率較高，基建類、租賃商業服務 業不良率較低；區域不良率與區域經濟情況密切相關。不良生成率和等效 核銷率可分別作為不良貸款生成、處置的衡量指標，分析不良貸款率變動 原因，逾期率、關注率則可作

5、為不良率的先行指標。利用企業的利息保障 倍數、企業的信用利差以及貸款 ABS 公布的月頻資產質量數據，可對資產 質量進行高頻追蹤。最后，資產質量并不僅局限于貸款質量，金融資產風 險分類新規即將推出，全口徑的資產質量值得關注，非標是主要風險點。 2020 年資產質量判斷：把握風控能力較強的銀行年資產質量判斷：把握風控能力較強的銀行 Q1 上市銀行資產質量穩健，但由于不良生成有滯后性，更需關注先行和高 頻指標。Q1 上市銀行關注率有一定上行，3 月消費貸逾期率和產業債信用 利差快速上行后出現邊際改善跡象， 未來資產質量有一定壓力但相對可控。 目前零售對公風險暴露情況有一定分化，零售風險暴露更早，對

6、公不良生 成滯后性更明顯。預計 2020 年不良率高點出現在 23 季度，但部分銀行 已提前計提撥備以抵御風險。推薦客群結構優質、風控能力強的銀行。 風險提示：經濟下行超預期，資產質量惡化超預期。 EPS (元元) P/E (倍倍) 股票代碼股票代碼 股票名稱股票名稱 收盤價收盤價 (元元) 投資評級投資評級 2019 2020E 2021E 2022E 2019 2020E 2021E 2022E 000001 平安銀行 13.20 買入 1.45 1.64 1.89 2.19 9.10 8.05 6.98 6.03 600036 招商銀行 33.80 增持 3.68 4.15 4.79 5

7、.56 9.18 8.14 7.06 6.08 601166 興業銀行 16.03 買入 3.17 3.43 3.81 4.28 5.06 4.67 4.21 3.75 601128 常熟銀行 6.66 增持 0.65 0.75 0.88 1.06 10.25 8.88 7.57 6.28 601838 成都銀行 7.79 增持 1.54 1.77 2.09 2.48 5.06 4.40 3.73 3.14 1.24 1.40 1.62 1.90 6.17 5.46 4.72 4.03 (11) (4) 3 10 17 19/0519/0719/0919/1120/0120/03 (%) 銀行

8、銀行滬深300 重點推薦重點推薦 一年內行業一年內行業走勢圖走勢圖 相關研究相關研究 行業行業評級：評級： 行業研究/深度研究 | 2020 年 05 月 19 日 2 正文目錄正文目錄 引言：全方位多視角看銀行資產質量 . 4 監管指標：研究資產質量的基礎 . 5 不良貸款率：資產質量的賬面基礎指標 . 5 撥備覆蓋率及撥貸比：衡量風險抵御能力 . 6 撥備計提：資產質量在利潤端的體現 . 8 多角度深度剖析，關注全口徑資產質量 . 11 不良貸款分布：行業、區域、擔保方式 . 11 不良與逾期：對應關系從模糊走向清晰 . 14 不良生成率：衡量不良貸款生成情況 . 15 等效核銷率：衡量不

9、良貸款處置力度 . 15 關注貸款率：資產質量的先行指標 . 16 全口徑資產質量：重點關注非標資產 . 17 高頻指標：預判資產質量的前瞻依據 . 18 利息保障倍數：衡量企業償債能力 . 18 貸款 ABS 逾期率：按月追蹤逾期情況 . 18 信用利差：信用債與貸款風險有較好擬合 . 19 2020 年資產質量判斷：把握風控能力強的銀行 . 21 風險提示 . 22 nMtMpOmPnQrQvMtRuMtPxP9P9R8OnPoOmOoOfQpPsPeRpNqQ6MqQuNvPpOnRxNsPpP 行業研究/深度研究 | 2020 年 05 月 19 日 3 圖表目錄圖表目錄 圖表 1：

10、銀行業資產質量指標體系 . 4 圖表 2： 貸款五級分類及不良貸款監管標準 . 5 圖表 3： 2002 年以來商業銀行不良貸款率快速下行 . 5 圖表 4： 2020 年 3 月末上市銀行及銀行業細分板塊不良貸款率 . 5 圖表 5： 貸款分類準確性要求 . 6 圖表 6： 2019 年代表銀行貸款損失準備變動情況 . 6 圖表 7： 2014 年以來商業銀行撥備覆蓋率以及撥貸比走勢 . 7 圖表 8： 2020 年 3 月末上市銀行及銀行業細分板塊撥備覆蓋率 . 7 圖表 9： 信用減值損失科目的勾稽關系 . 8 圖表 10： 2019 年代表行信用減值損失均以貸款減值損失為主 . 8 圖

11、表 11： 預期信用損失模型“三階段法”計提損失準備 . 9 圖表 12： 2019 年代表行計提撥備分階段情況 . 9 圖表 13： 2019 年末代表行貸款同比增速 . 9 圖表 14： 2020 年 3 月末代表行不良貸款率與撥備覆蓋率 . 9 圖表 15： 2019 年上市銀行信用成本收入比同比上升 . 10 圖表 16： 2019 年代表行貸款信用成本及貸款減值損失占比 . 10 圖表 17： 2019 年末上市銀行對公貸款不良率高于零售貸款不良率 . 11 圖表 18： 2019 年末代表行按產品類型劃分的零售貸款不良率 . 11 圖表 19： 2017 年末商業銀行對公貸款分行業

12、不良率 . 12 圖表 20： 2019 年末國有大行不良貸款區域分布 . 12 圖表 21： 2017 年末商業銀行分?。ㄊ校┎涣假J款率 . 13 圖表 22： 2019 年末上市銀行分擔保方式不良貸款率 . 13 圖表 23： 2019 年末上市銀行逾期 90 天+偏離度及逾期貸款率 . 14 圖表 24： 2019 年末上市銀行逾期 90 天+偏離度 . 14 圖表 25： 2020Q1 上市銀行單季度年化不良生成率及其變化 . 15 圖表 26： 四種不良貸款處置方式 . 15 圖表 27： 銀行貸款核銷季節性強，季度末水平均較高 . 16 圖表 28： 2019 年上市銀行等效核銷率

13、同比提升 . 16 圖表 29： 2020 年 3 月末上市銀行關注貸款率及其變化. 16 圖表 30： 2019 年代表行金融資產、同業資產和表外業務信用成本 . 17 圖表 31： 2019 年末上市銀行非標資產撥貸比 . 17 圖表 32： 2012 年以來工業企業利息保障倍數和不良率走勢情況 . 18 圖表 33： 招行和智 19 年八期個人消費貸款 ABS 逾期率 . 19 圖表 34： 2010 年以來產業債和城投債信用利差走勢情況 . 19 圖表 35： 2020 年 Q1 不同行業的產業債信用利差對比 . 20 圖表 36： 2020 年 Q1 不同地區的產業債信用利差對比 .

14、 20 圖表 37： 2020 年 3 月末資產質量相關指標及其變化 . 22 行業研究/深度研究 | 2020 年 05 月 19 日 4 引言：引言：全方位多視角看銀行資產質量全方位多視角看銀行資產質量 我們認為資產質量是現階段影響銀行業績的重要因素我們認為資產質量是現階段影響銀行業績的重要因素。 年初以來疫情引發市場對銀行業資 產質量的高度關注，其影響路徑主要有三個方面：其一，影響企業開工。疫情推遲企業開 工時間，且即使開工也會受到諸多限制，對企業經營效率有一定影響。債務壓力較大的高 杠桿企業風險最先暴露。部分行業受到疫情沖擊較大，目前也未恢復到正常水平，如住宿 餐飲、旅游文化等。其二，

15、影響居民收入。部分中小微企業受疫情沖擊而倒閉，或因經營 不善而裁員、降薪。居民收入下滑或面臨失業，還款能力下降，且在催收無法正常開展情 況下還款意愿降低。其三，影響外貿企業經營。隨著境外疫情的爆發，外貿企業的訂單大 幅減少。部分企業也因其上游海外供應商破產而陷入經營困難的局面。 一季度上市銀行一季度上市銀行不良率穩定不良率穩定，但關注率抬頭。，但關注率抬頭。雖然理論上疫情對資產質量的沖擊較大，但 一季度上市銀行不良率保持基本穩定，我們認為主要有以下三方面原因。其一，在再貸款 再貼現等定向支持政策下， 一季度上市銀行貸款投放放量， 擴大了不良率的分母端。 其二， 由于不良貸款生成的滯后性，不良率

16、分子端上升較為有限。其三，上市銀行客群較優，客 群結構抵抗風險能力較強，大型對公客戶、零售中高端客戶資產質量受沖擊較小。雖然一 季度上市銀行不良率基本穩定，但關注率抬頭，后續資產質量表現值得持續關注。 總結總結資產質量指標體系，資產質量指標體系，有助于預判未來資產質量走勢。有助于預判未來資產質量走勢。我們通過梳理資產質量的監管指 標體系、資產質量在利潤端的體現，總結不良貸款的分布特征、不良貸款的生成和處置衡 量指標，呈現資產質量全景；并提出先行指標和高頻跟蹤方法，可對未來資產質量的走勢 進行一定預判。為更直觀地展示資產質量體系，我們選取了四個子板塊中較為優質的代表 行（工商銀行、招商銀行、寧波

17、銀行、常熟銀行分別作為大行、股份行、城商行和農商行 的代表，簡稱為“代表行” ） ，以更好的呈現數據并進行論證分析。 圖表圖表1： 銀行業資產質量指標體系銀行業資產質量指標體系 指標指標 計算方法計算方法 簡稱簡稱/備注備注 重要性重要性 監管指標 不良貸款率 不良貸款/貸款總額 簡稱為不良率 撥備覆蓋率 貸款損失準備/不良貸款 / 貸款撥備率 貸款損失準備/貸款總額 簡稱為撥貸比 利潤表 信用成本收入比 信用減值損失/營業收入 / 貸款信用成本 貸款減值損失/貸款平均總額 衡量貸款信用風險溢價 偏離度 逾期 90 天以上貸款 偏離度 逾期 90 天以上貸款/不良貸款 衡量不良貸款認定標準 不

18、良的生成 不良生成率 本期不良生成額/期初貸款總額 季節性較強 不良的處置 等效核銷率 本期核銷處置/期初不良貸款 季節性較強 先行指標 關注貸款率 關注貸款/貸款總額 簡稱為關注率 逾期貸款率 逾期貸款/貸款總額 簡稱為逾期率 高頻跟蹤 工業企業利息保障倍數 (工業企業利潤總額+利息支出)/ 工業企業利息支出 衡量工業企業償債能力 產業債、城投債信用利差 實體企業信用風險 貸款 ABS 月頻逾期、違約率等數據 銀行資產質量月頻數據 資料來源：華泰證券研究所 政策對沖有望使上市銀行資產質量政策對沖有望使上市銀行資產質量分化分化，推薦客，推薦客群群優質、風控能力較強的銀行。優質、風控能力較強的銀

19、行。4 月 17 日中央政治局會議提出要以更大的宏觀政策力度對沖疫情影響，一季度貨幣政策報告要求 強化逆周期調節，政策空間依舊較大。上市銀行的客群頭部客戶較多，客群結構抵御風險 能力更強。優質的客群結構、良好的風控能力疊加政策的持續對沖，有望使優質上市銀行 資產質量壓力可控。 推薦股份行招商銀行、 興業銀行、 平安銀行， 以及特色小行常熟銀行、 成都銀行、南京銀行。 行業研究/深度研究 | 2020 年 05 月 19 日 5 監管指標監管指標：研究資產質量的基礎：研究資產質量的基礎 商業銀行資產質量的主要監管指標包括不良貸款率、撥備覆蓋率和貸款撥備率。商業銀行資產質量的主要監管指標包括不良貸

20、款率、撥備覆蓋率和貸款撥備率。商業銀行 風險監管核心指標分為三個層次，即風險水平、風險遷徙和風險抵補，其中與銀行業資產 質量有關的主要監管指標包括：不良貸款率是衡量信用風險水平的主要指標之一，現行監 管要求不良貸款率不超過 5%；撥備覆蓋率和貸款撥備率是風險抵補類指標，衡量商業銀 行抵補風險損失的能力，監管標準分別為 120-150%、1.5-2.5%。而風險遷徙類指標衡量 商業銀行風險變化的程度，主要包括正常貸款遷徙率和不良貸款遷徙率，監管只要求定期 披露，但暫無明確的監管要求。目前銀行業資產質量的觀測重點主要集中于貸款領域，故 主要的資產質量監管指標均為貸款質量監管指標。 不良貸款率不良貸

21、款率：資產質量的賬面基礎指標：資產質量的賬面基礎指標 不良貸款率不良貸款率（不良貸款不良貸款/貸款總額貸款總額）的）的現行監管標準現行監管標準為為不超過不超過 5%。2001 年 12 月，央行發 布貸款風險分類指導原則 ，明確貸款五級分類標準，與國際通用規則接軌。不良貸款 包括次級貸款、可疑貸款和損失貸款。貸款五級分類標準確立后，延續至今，而部分銀行 基于內部風險管理的需要， 采取了更為細致的七級分類 （將正常貸款分為正常一、 正常二、 關注貸款分為關注一、關注二） 。根據貸款五級分類標準，衍生出不良貸款率（簡稱“不 良率” ）的監管指標，2005 年末銀保監會發布的商業銀行風險監管核心指標

22、要求不良 貸款率不得超過 5%。 圖表圖表2： 貸款五級分類及不良貸款監管標準貸款五級分類及不良貸款監管標準 類別類別 定義定義 監管標準監管標準 正常 借款人能夠履行合同，沒有足夠理由懷疑貸款本息不能按時足額償還。 關注 盡管借款人目前有能力償還貸款本息，但存在一些可能對償還產生不利影 響的因素。 不良貸款 次級 借款人的還款能力出現明顯問題，完全依靠其正常營業收入無法足額償還 貸款本息，即使執行擔保，也可能會造成一定損失。 不良貸款 率20%的標準，篩選出以上 21 家上市銀行，其非標撥貸比較接近實際水平 資料來源：公司財報，華泰證券研究所 0% 2% 4% 6% 8% 10% 12% 浙

23、 商 銀 行 平 安 銀 行 江 蘇 銀 行 招 商 銀 行 上 海 銀 行 興 業 銀 行 長 沙 銀 行 成 都 銀 行 北 京 銀 行 常 熟 銀 行 青 島 銀 行 浦 發 銀 行 貴 陽 銀 行 南 京 銀 行 鄭 州 銀 行 中 信 銀 行 寧 波 銀 行 杭 州 銀 行 蘇 州 銀 行 華 夏 銀 行 光 大 銀 行 20182019 行業研究/深度研究 | 2020 年 05 月 19 日 18 高頻指標高頻指標：預判：預判資產質量資產質量的前瞻依據的前瞻依據 可利用利息保障倍數、貸款可利用利息保障倍數、貸款 ABS 逾期率逾期率、信用利差實現對銀行資產質量的高頻監測。、信用利

24、差實現對銀行資產質量的高頻監測。銀 行不良率、關注率等指標的披露頻率較低（每季度一次） ，因此難以實現對銀行資產質量 的高頻監測。相比之下，工業企業利息保障倍數、貸款 ABS 逾期率、信用利差這三項數 據有更新頻率較高的優勢，且均能間接反映出信用風險變動趨勢，因此可作為預判銀行資 產質量的前瞻性高頻監測指標。 利息保障倍數：衡量企業償債能力利息保障倍數：衡量企業償債能力 工業企業利息保障倍數工業企業利息保障倍數可作為可作為銀行銀行資產質量資產質量前瞻前瞻指標指標，且工業企業對銀行較有代表性。，且工業企業對銀行較有代表性。工 業企業利息保障倍數是指工業企業息稅前利潤與利息費用之比，用以衡量企業長

25、期償債能 力。企業償債能力惡化會最終傳導至銀行不良生成，因此利息保障倍數可作為預判銀行資 產質量的先行指標。該指標優勢有二：一是利息保障倍數為月頻更新，利于及時預判資產 質量走勢；二是工業企業償債狀況對于銀行資產端較有代表性。 從利息保障倍數與不良率的歷史走勢看，利息保障倍數約領先不良指標從利息保障倍數與不良率的歷史走勢看，利息保障倍數約領先不良指標 6 個月至個月至 1 年。年。 2012 年-2015 年， 利息保障倍數持續下滑后維持低位， 隨后不良率和關注+不良率自 2014 年下半年起開始抬升； 2016 年起， 利息保障倍數開始回升向好， 隨后關注+不良率自 2016 年 9 月開始

26、明顯回落，同期不良率也趨于平穩；2017 年末以來，利息保障倍數又出現下 滑趨勢，不良率在 2018 年下半年出現小幅抬升。整體來看，利息保障倍數變動趨勢領先 于不良指標走勢約 6 個月至 1 年。 圖表圖表32： 2012 年以來工業企業利息保障倍數和不良率走勢情況年以來工業企業利息保障倍數和不良率走勢情況 注 1：利息保障倍數=(工業企業利潤總額+工業企業利息費用)/工業企業利息費用 注 2：由于工業企業利潤季節性波動明顯，因此利息保障倍數取自過去 12 個月移動平均值 資料來源：Wind，華泰證券研究所 貸款貸款 ABS 逾期率：按月追蹤逾期情況逾期率：按月追蹤逾期情況 貸款貸款 ABS

27、 月度月度數據維度多元，數據維度多元，逾期率逾期率有助于新發生風險邊際變動情況有助于新發生風險邊際變動情況。ABS 信托受托機 構會每月披露銀行貸款 ABS 受托機構報告，其中涵蓋入池資產的資產質量指標和收益率 指標等多維數據。該數據優勢有二：一是涵蓋貸款種類豐富，ABS 基礎資產分為信用卡貸 款、消費貸款、企業貸款、按揭貸款等，可對銀行各類貸款質量進行對比分析；二是數據 維度多元，定期報告按借貸方信用評分、年齡、區域及貸款五級分類等類別披露入池資產 分布金額，有助于多維研判銀行資產質量。各項披露數據中，入池資產逾期率（貸款逾期 金額與 ABS 當期貸款總額之比）有助于判斷銀行資產質量，由于貸

28、款 ABS 的入池資產通 常較為優質，因此關注其環比變動情況有助于判斷新發生風險邊際趨勢，可作為銀行資產 質量的先行監測指標。 0% 1% 2% 3% 4% 5% 6% 7% 5.0 5.5 6.0 6.5 7.0 7.5 8.0 12-1213-1214-1215-1216-1217-1218-1219-12 （倍） 利息保障倍數（左軸）不良率（右軸）關注率+不良率（右軸） 行業研究/深度研究 | 2020 年 05 月 19 日 19 以招商銀行 2019 年 11 月發行的和智八期個人消費貸款 ABS 為例，截至最新報告期期末 （2020 年 5 月 19 日） ， 資產池未償金額共計

29、92.60 億元， 從規模來看具備一定的代表性。 2020 年 5 月 30 天內逾期率環比下降 37bp 至 1.07%（4 月環比下降 48bp） ，預計在復工 復產背景下居民收入改善帶動資產質量持續向好；而 61-90 天與 90 天以上逾期率分別環 比+10bp 至 0.72%、+42bp 至 1.19%（4 月分別環比+9bp、+43bp） ，預計逾期貸款結構 或出現下沉趨勢。 圖表圖表33： 招行和智招行和智 19 年年八八期個人消費貸款期個人消費貸款 ABS 逾期逾期率率 資料來源：公司公告，華泰證券研究所 信用利差：信用債與貸款風險有信用利差：信用債與貸款風險有較好擬合較好擬合

30、 產業債產業債+城投債城投債信用利差信用利差樣本大、 日頻更新， 并可實現行業、 區域等多維度對比資產質量樣本大、 日頻更新， 并可實現行業、 區域等多維度對比資產質量。 信用利差指信用債收益率與同期限國債收益率之差值，相當于為了補償債券違約風險而高 出無風險利率的溢價。在有效市場假說下，債券定價充分反應市場對于違約風險的預期， 因此通過信用利差可合理推測違約風險；于企業而言，債券違約風險與貸款違約風險又存 在正相關性，因此信用利差可間接反映市場對于銀行貸款質量的預期。該指標優勢有二： 一是樣本大、日頻更新，信用利差指數總體分為產業債、城投債，樣本覆蓋中票、短融、 公司債、企業債等；二是指數體

31、系全面，包含行業、區域、企業性質、期限等多元分類， 可橫向對比不同維度的資產質量。 該指標存在一定噪音，分析中應適當選取較長期限數據。該指標存在一定噪音，分析中應適當選取較長期限數據。一是無法剔除獨立信用事件影響， 信用利差易受到個別違約事件引起的市場恐慌影響， 而此時銀行資產質量并非必然受到沖擊； 二是信用利差變動受信用風險、流動性風險雙重因素驅動，該數據無法單獨剔除流動性風險 影響，因此預判銀行資產質量時應適當選取較長期限的信用利差數據來避免以上缺陷。 圖表圖表34： 2010 年以來產業債和城投債信用利差走勢情況年以來產業債和城投債信用利差走勢情況 資料來源：Wind，華泰證券研究所 0

32、.0% 0.5% 1.0% 1.5% 2.0% 2.5% 2019-122020-012020-022020-032020-042020-05 30天內逾期率31-60天逾期率61-90天逾期率90天以上逾期率 0 50 100 150 200 250 300 2010-01-04 2010-07-04 2011-01-04 2011-07-04 2012-01-04 2012-07-04 2013-01-04 2013-07-04 2014-01-04 2014-07-04 2015-01-04 2015-07-04 2016-01-04 2016-07-04 2017-01-04 2017

33、-07-04 2018-01-04 2018-07-04 2019-01-04 2019-07-04 2020-01-04 （bp） 信用利差(余額加權)：產業債信用利差(余額加權)：城投債 行業研究/深度研究 | 2020 年 05 月 19 日 20 分行業和區域來看，信用利差指標與不良率指標均有較好的擬合度。分行業和區域來看，信用利差指標與不良率指標均有較好的擬合度。從不同行業來看， 2020 年 Q1 產業債季均信用利差較高的行業有輕工制造、 紡織服裝等， 符合制造業貸款不 良率較高的情況，而交通運輸等基建行業的信用利差和不良率一致處于較低水平。從不同 區域來看，2020 年 4 月北

34、京、珠三角、長三角等經濟發達地區的產業債月均信用利差較 低，亦與不良率的區域分布情況高度吻合?？梢钥闯鲂庞美钪笜舜_實具備合理判斷銀行 資產質量的功能。 圖表圖表35： 2020 年年 Q1 不同行業的產業債信用利差對比不同行業的產業債信用利差對比 注：原始數據為日頻，上圖取自 2020 年 Q1 的季平均值 資料來源：Wind，華泰證券研究所 圖表圖表36： 2020 年年 Q1 不同地區的產業債信用利差對比不同地區的產業債信用利差對比 注：原始數據為日頻，上圖取自 2020 年 Q1 的季平均值 資料來源：Wind，華泰證券研究所 0 100 200 300 400 500 600 輕 工

35、 制 造 紡 織 服 裝 農 林 牧 漁 家 用 電 器 電 氣 設 備 通 用 機 械 計 算 機 化 工 電 子 醫 藥 生 物 商 業 貿 易 房 地 產 通 信 煤 炭 開 采 傳 媒 建 筑 裝 飾 鋼 鐵 食 品 飲 料 有 色 金 屬 休 閑 服 務 采 掘 機 械 設 備 綜 合 建 筑 材 料 航 運 水 泥 制 造 專 用 設 備 港 口 汽 車 高 速 公 路 交 通 運 輸 公 用 事 業 航 空 運 輸 電 力 非 銀 金 融 國 防 軍 工 鐵 路 運 輸 （bp） 信用利差(余額加權)：產業債 0 200 400 600 800 1,000 1,200 海 南 青

36、 海 吉 林 重 慶 貴 州 河 南 廣 西 四 川 湖 南 云 南 新 疆 內 蒙 古 天 津 浙 江 山 西 山 東 江 蘇 遼 寧 湖 北 甘 肅 福 建 河 北 黑 龍 江 安 徽 陜 西 江 西 上 海 廣 東 北 京 （bp） 信用利差(余額加權)：產業債 行業研究/深度研究 | 2020 年 05 月 19 日 21 2020 年資產質量判斷年資產質量判斷：把握風控能力強的銀行：把握風控能力強的銀行 一季度一季度上市銀行上市銀行資產質量穩健，但資產質量穩健，但疫情導致疫情導致先行指標和高頻指標有一定先行指標和高頻指標有一定上行，上行，銀行銀行主主動計動計 提撥備以抵御風險提撥備以

37、抵御風險。 2020年3月末上市銀行不良貸款率、 撥備覆蓋率分別為1.44%、 224%， 較 2019 年末+1bp、+3pct。雖然上市銀行資產質量整體穩健，但銀行業風險抬頭，3 月末 不良率較 19 年末+5bp 至 1.91%。由于不良貸款的生成有一定滯后性（Q1 上市銀行單季 度年化不良貸款生成率較 2019 年 Q4 下降 0.40pct） ，更需關注先行指標和高頻指標。一 季度上市銀行關注率提升幅度較高， 3 月末上市銀行關注貸款率較 2019 年末+11bp， 高于 銀行業較 19 年末+6bp 的水平；高頻指標方面，3 月消費貸逾期率和產業債信用利差快速 上行后，目前已迎來邊

38、際改善，說明未來資產質量有一定壓力，但較為可控。上市銀行大上市銀行大 多風險審慎以應對未來的潛在風險沖擊，多數銀行已主動計提撥備，多風險審慎以應對未來的潛在風險沖擊，多數銀行已主動計提撥備，3 月末股份行、城商月末股份行、城商 行和農商行撥備覆蓋率均較行和農商行撥備覆蓋率均較 2019 年末提升約年末提升約 10pct，風險抵御能力顯著增強。，風險抵御能力顯著增強。 不良貸款生成有滯后性，不良貸款生成有滯后性，23 季度或形成峰值季度或形成峰值。相相較較于對公業務，零售業務風險會更早暴于對公業務，零售業務風險會更早暴 露。露。一季度疫情導致部分居民收入下降，影響其還款能力和還款意愿，疊加催收清收工作 無法正常推進，導致分子端的零售逾期貸款和關注貸款（主要是消費貸款）快速上升，消 費場景的缺失導致分母端零售貸款增長乏力，共同導致一季度零售逾期率和關注率的大幅 上升（3 月末招商銀行零售貸款關注率、逾期率分別較 19 年末+33bp、+60