2018年银行行业专题研究报告

２０１８年银行行业专题研究报告内容目录1.商业银行资产质量的十年变迁 (4)1.1. 2008年是商业银行的新起点 (4)1.2. 近十年不良贷款行业变迁情况 (4)1.2.1. 基于银保监会数据和上市银行财报数据 (4)1.2.2. 分析方法：不良贡献度=不良暴露程度×贷款占比 (5)1.2.3. 从不良贡献度来看：制造业和批发零售为主 (6)1.2.4. 不良暴露程度来看：批零、制造业、采矿、信用卡较高 (7)1.2.5. 从贷款占比来看：住房按揭最高，信用卡增长较快 (7)1.3. 不良贷款之行业贡献度模型 (8)1.3.1. 简明的银行资产质量动态监测框架 (8)1.3.2. 建立模型应用于银行业/单家银行的不良分析预测 (9)2. 上市银行资产质量管理十年沉浮 (10)2.1. 选取“老16家”上市银行作为样本 (10)2.2. 从不良暴露程度来看：银行风控实力有差异么？ (10)2.2.1. 如何衡量银行的风控水平 (10)2.2.2. 上市银行十年横评，谁的风控更胜一筹 (11)2.3. 从贷款结构来看：零售转型带来信贷结构调整 (12)2.3.1. 不良发生结构本质上取决于三大类业务的占比 (12)2.3.2. 老16家上市银行的贷款结构调整优化 (13)2.3.3. 16家上市银行信贷结构调整模式总结 (14)2.4. 从不良贡献度来看：大行趋降，股份行上升 (17)3. 案例分析：近距离看中行、农行、兴业 (18)3.1. 中国银行：风控较好，但信贷结构待进一步调整 (18)3.2. 农业银行：努力换得资产质量持续改善 (19)3.3. 兴业银行：逾期上升不掩好风控 (21)4. 从行业/个股的角度跟踪未来资产质量走势 (23)4.1. 当前经济环境中的不确定性因素 (23)4.2. 银行受到的冲击如何衡量？ (23)5. 投资建议：以大行作防御，进攻选风控优异的股份行 (24)6. 风险提示 (25)图表目录图1：2005-2016年商业银行不良贷款额和不良率（单位：亿元） (4)图2：2007-2016年平均不良占比较高的十大行业/领域 (6)图3：2007-2016不良暴露程度比较高的十大行业/领域 (7)图4：2007-2016年贷款占比较高的十大行业/领域 (8)图5：个人住房按揭占比高于其余行业 (8)图6：信用卡贷款占比提升较快 (8)图7：银行十年风控实力均值大比拼：股份行兴业、招商较优，大行里中行较优 (11)图8：上市银行十年风控实力大比拼(趋势)：大行均有向好趋势，股份行民生对公转好.. 12图9：老16家上市银行口径的行业大类贷款结构变迁 (13)图10：零售贷款占比从2015年开始大幅上升（老16家口径） (14)图11：零售转型带动个人住房按揭和信用卡占比提升（老16家） (14)图12：建行对公不良易发行业贷款占比显著下降 (14)图13：建行各领域贷款占比与同业均值之差情况 (14)图14：农行对公不良易发行业贷款下降明显，房贷占比大幅上升 (15)图15：农行各领域贷款占比与同业均值之差情况 (15)图16：招行房贷与信用卡贷款占比明显上升 (15)图17：招行各领域贷款占比与同业均值之差情况 (15)图18：中信银行对公不良易发行业贷款占比下降明显 (16)图19：中信银行各领域贷款占比与同业均值之差情况 (16)图20：平安银行对公易发行业占比大降，信用卡占比上升 (16)图21：平安银行各领域贷款占比与同业均值之差情况 (16)图22：光大银行对公易发行业占比大降，信用卡占比上升 (16)图23：光大银行各领域贷款占比与同业均值之差情况 (16)图24：中国银行房贷占比上升明显，对公不良易发占比下降 (17)图25：中国银行各领域贷款占比与同业均值之差情况 (17)图26：十年间四大行对行业不良贡献度趋降 (18)图27：十年间股份行不良贡献度抬升（多数在17年底触顶） (18)图28：中国银行十年来不良成因分析：风控较好 (19)图29：农业银行十年来不良成因分析：努力换得资产质量改善 (20)图30：兴业银行：逾期90+比率上升后仍然显著低于不良率 (21)图31：兴业银行不良指标较8家股份行均值水平的差异 (21)图32：兴业银行十年来不良成因分析：好风控遇上股份行不良爆发潮 (22)图33：兴业银行贷款结构十年变迁 (23)图34：兴业银行贷款结构较16家同业均值的差异 (23)图35：1H18五种转型模式下的上市银行贷款大类占比结构 (24)表1：20个对公行业和4个零售板块的不良易发程度和贷款占比情况（2005-2016） (5)表2：简明的银行资产质量动态监测框架 (9)表3：样本数据披露情况（2007-2018H1） (10)表4：四种贷款结构调整模式汇总（1H18，贷款占比） (17)1.商业银行资产质量的十年变迁1.1.2008年是商业银行的新起点对中国商业银行来说，有三个关键的时间点值得铭记。

“拨改贷”象征银行的开端。

建国以来，我国长期实行基本建设投资由国家财政预算无偿拨款，经济效应低下的矛盾日益突出。

到了1979年，也就是改革开放的第二年，国家开始进行“拨改贷”的尝试，首先在北京、上海、广东三个省市及纺织、轻工、旅游等行业做试点。

1979年的“拨改贷”是第一个关键时刻，可以看作是中国金融改革的起点。

“拨改贷”字面上看似市场化，但其诞生之初，却使新组建的银行沦为地方政府和国企的“出纳”，或说是“第二财政局”。

90年代银行信贷的粗放无序扩张，表现为经济过热、通货膨胀、重复建设造成产能过剩。

叠加1997年亚洲金融危机的因素，1998年底国内经济到了一个内外交困的关口，中国银行业不良贷款比率高达33%，有外媒称中国银行业已“技术性破产”，这是第二个关键时刻。

1999年，财政部注资、央行再贷款，四大AMC相继成立，以十年为时间维度政策性剥离四大行的不良资产。

第一次是1999 年，剥离四大行及国开行1.4万亿不良资产；第二次是2004年，共剥离或拍卖中行、建行和交行不良贷款2.3万亿；第三次是2005年，剥离和拍卖工行不良贷款2.3万亿；第四次是2008年11月，财政部发文同意，剥离和拍卖农行不良资产0.8万亿。

至此，中国银行业全面正式走上了商业化运作的道路，这是第三个关键时刻。

图1：2005-2016年商业银行不良贷款额和不良率（单位：亿元）资料来源：银保监会官网，天风证券研究所站在2008年，往回看，银行业深陷不良泥淖；向未来看，会是坦途么，还是新的荆棘路？俱往矣。

2008年之所以是中国商业银行业的一个重要转折点，不光因为它标志着政策性剥离不良资产的结束和股改后商业化运作的开始，让全部银行站在了新的起跑线上，也因为这年年底出台的“四万亿”投资计划，拉开了新一轮经济周期的序幕。

在具备企业化经营自主权的时代里，各家商业银行选择了怎样的道路，又得到了怎样的结果？十年之期，也应该有一个公允的判断。

我们从细分行业视角出发，把目光转向商业银行过去十年（2008-2018H1）的资产质量变迁，念一念各家银行心中那本“难念的经”。

1.2.近十年不良贷款行业变迁情况1.2.1.基于银保监会数据和上市银行财报数据银行信贷是宏观经济的缩影，资产质量的秘密藏在其所投行业的兴衰更替里。

这就需要对贷款做细分行业的拆分处理。

贷款首先可以分为对公和零售两个大类，对公一般按照行业划分，零售一般按照业务模式划分。

根据数据可得性，按行业/业务模式分类的贷款目前有银保监会数据和上市银行财报数据两种口径，它们大致是重合的。

本文用到两类数据，一类是银保监会发布的商业银行分行业不良贷款余额和不良率，另一类上市银行财报口径的，各家银行披露的分行业贷款和不良贷款。

按照银保监会口径，对公贷款，涉及国民经济行业分类的一级行业中的20种，零售贷款（亦称个人贷款）主要分4种，包括住房按揭、信用卡、汽车、其他。

对比上市银行财报口径，大部分行业是能够与银保监会口径对应的，个别行业可能略有区别，但因为占比较低，影响不大。

银行财报里对公一般分10-17个行业不等，有些银行会把占比极小的行业都放到“其他”类里。

零售贷款一般分为3-5个业务板块，其中住房按揭、信用卡口径与银保监会一致，可作为统一的可比口径。

除此之外还包括汽车贷款、消费贷款、经营贷款、农户贷款、其他等，各家行的口径难以统一，好在这部分一般占比不大，综合影响不大。

1.2.2.分析方法：不良贡献度=不良暴露程度×贷款占比为了看清楚不良贷款的行业结构，需要想办法剔除或分离出三个干扰因素：一是总不良额的跨期波动。

为了平抑总额的跨期波动，引入“不良贡献度”指标，关注某行业不良额在当年的总不良额中的占比，以此作为各行业在总不良贷款里相对重要程度的衡量（也为了区分“不良率”的概念）。

二是总不良率的跨期波动。

各年份的宏观经济环境不同，总不良率会有波动，各行业的不良率也会水涨船高。

因此引入“不良暴露程度”指标，衡量某个行业的不良率与其当年总体不良率的比值，可以让不同年份间的各行业不良率水平直接可比。

三是细分行业不良贡献度还取决于其权重。

仅仅衡量细分行业不良率是不够的，资产质量问题的主因，往往是那些不良率和贷款占比都偏高的行业。

因此我们将不良贡献度拆解为不良暴露程度和贷款占比两个因素：i行业不良贡献度=i行业不良暴露程度×i行业贷款占比i行业不良额当期总不良额=i行业不良率当期总不良率×i行业贷款额当期总贷款额不良暴露程度=该行业不良率/当期银行业不良率。

用于计算：某家银行总体贷款的不良暴露程度；某家银行对公贷款和零售贷款的不良暴露程度；某家银行细分行业/业务的不良暴露程度。

这个指标的设计优于不良率就在于，当面对多年份多行业的不良率时，很难立马判断它的水平是高是低，需要拿它与不良率均值做比对。

而不良暴露程度已经内含了比较基准，能够直观判断某细分行业的资产质量好坏，如果大于1，就说明表现差于当期平均水平；如果低于1，就说明表现好于当期平均水平。

这样标准化处理之后，跨期的不良暴露也能够直接比较。

表1：20个对公行业和4个零售板块的不良易发程度和贷款占比情况（2005-2016）银行不良暴露程度(2016)均值2005-2016贷款占比(2016)均值2005-2016批发和零售业 2.7 2.0 11.17% 10.31% 制造业 2.2 1.7 15.06% 21.52% 农、林、牧、渔业 2.1 3.5 2.42% 1.50% 采矿业 2.1 0.6 2.19% 2.38% 住宿和餐饮业 1.5 2.30.88% 0.84% 居民服务和其他服务业 1.5 1.0 0.44% 0.94% 个人贷款：汽车 1.3 1.8 0.19% 0.30% 个人贷款：信用卡 1.1 1.2 4.50% 2.39%个人贷款：其他 1.0 0.9 2.38% 3.10% 建筑业 1.0 0.7 3.98% 3.69%科学研究、技术服务和地质勘查业0.6 1.20.21% 0.22% 房地产业0.6 0.9 6.41%8.12%文化、体育和娱乐业0.5 1.4 0.35% 0.31% 信息传输、计算机服务和软件业0.5 1.1 0.60% 0.84% 交通运输、仓储和邮政业0.3 0.6 7.32%8.75%租赁和商务服务业0.3 0.7 5.85% 4.70%教育0.2 0.8 0.39% 0.94% 个人贷款：住房按揭贷款0.2 0.3 19.48%14.83%电力、燃气及水的生产和供应业0.2 0.6 3.99% 6.54%公共管理和社会组织0.1 0.5 0.36% 0.80% 水利、环境和公共设施管理业0.1 0.2 3.57% 4.33%卫生、社会保障和社会福利业0.1 0.6 0.44% 0.44% 金融业资料来源：银保监会，天风证券研究所1.2.3.从不良贡献度来看：制造业和批发零售为主一般来说，某行业的不良生成模式未发生根本性改变的情况下，其不良贡献度会相对稳定。