从减值准备寻找券商的灰犀牛
方烨 陈绿原/文
米歇尔·渥克撰写的《灰犀牛：如何应对大概率危机》一书让“灰犀牛”为世界所知。类似“黑天鹅”比喻小概率而影响巨大的事件，“灰犀牛”则比喻大概率且影响巨大的潜在危机。2018年以来，中国金融市场经历了前所未有的震荡，不管是上证指数跌破2000点，还是债市的爆雷频频，金融市场从业人员如履薄冰，就像一只只薛定谔的猫，不知道明天是生是死？然而，真的没有风险提示信息吗？真的看不出灰犀牛正在向我们袭来吗？本文从金融资产减值的角度寻找其实我们看得见，但一直忽略的灰犀牛。
新准则核心是强化风险和财务的协同，形成1+1>2
2017年3月，我国财政部修订发布了《企业会计准则第22号——金融工具确认和计量》(CAS22)等新金融工具准则，2018 年9月，中证协发布了《证券公司金融工具减值指引》，要求上市企业 2019 年1月1日起实施新准则，非上市企业2021年1月1日起实施新准则，标志着我国正式进入新准则实施阶段。新准则的提出，有以下几点目标：一是“预期损失模型”更早、更多的计量减值准备，提高会计信息的及 时性和审慎性；
二是体现时间价值，更准确地反映信用风险前瞻性，旨在长期平滑利润， 降低风险集中爆发对财务报表的冲击；
三是会计分类及减值计提规范化，增强同业可比性。
新准则进一步加强了风险和财务的协同效应，增加了财务的透明度，但同时也对证券行业产生一系列的影响和冲击。笔者利用财报信息分析券商 新准则切换后的减值影响，寻找其背后的资产结构、方法模型的差异，进而探讨未来风险管理的改进方向。
券商减值分析
根据中信证券、华泰证券、国泰证券、海通证券、广发证券、招商证券、中信建投、中国银河、东方证券、光大证券、中原证券这 11 家A + H股券商2017年年报数据及2018年半年报数据，对比分析出各家2017年12月31日时点使用旧准则和 2018 年1月1日时点使用新准则的减值比例变动，以及 2018 年1月至6月期间减值比例变化，按业务类型分成融资业务、股票质押及约定购回业务、债券投资业务三个模块逐一分析。
融资业务参考财报的融出资金科目数据，融资业务包括融资融券业务、孖展业务、限制性股权激励融资等，切换前后，减值比例基本保持略微增加，剔除掉东方证券，其余10家券商增幅均值0.03%。2018年1月~2018年6月，除了中信建投和中原证券，融资类业务的减值比例平均值增长0.05%，这是股市下行带来了预期信用损失的略微上涨。
对于 2018 年1月1日新旧准则切换时点的分析，可以看出除了东方证券，其余各家券商尽量采用了平稳过渡的思路；对于2018年上半年的减值变化，剔除资产结构调整等政策导向因素，受经济下行影响，股市跌幅剧烈，严重影响融资融券和股票质押业务，由于维持担保比/履约保障比纷纷下跌，进入第二/第三阶段的资产规模越来越多，减值迹象显著上升。截至2018年底，信用类减值比例仍然有进一步上升趋势。
对比11家券商2018年6月30日的债券投资规模及减值比例，减值比 例和规模没有明显相关性。此外，据不完全统计，2018年下半年减值比例有所提升，一方面由于正常类的债券投资业务也要计提，导致整个减值范围的扩大；另一方面反映出市场的信用风险较去年显著上升，一旦踩雷，减值计提就会产生悬崖效应，对利润的冲击非常大。
同业减值方案小结
减值比例整体而言，由很多因素决定，如外部环境、资产结构、方法模型以及市场波动。不同公司因数据及信息系统管理水平不同，资产结构不同，方法模型见仁见智，因此产生的影响也不同，导致同业公司的财务报表缺乏横向可比性。
从外部环境分析，国内的外部评级信息不够健全，企业内部数据积累参差不齐，监管政策的出台必须经历一个从粗到细的过程，目前的新准则条款相对粗放，给予了企业一定的自由度，市场需要适应调整的过程。因此各券商新准则实施起点尚未统一。
从方法模型分析，各券商对新准则的解读有一定差异，例如中信证券的阶段三为逾期90天+，阶段二为逾期30天+。该标准超过了监管要求的30天宽限期，即对债券违约定义的宽松处理；再比如 2018 年 12 月 21日，中证协在北京召开证券公司新金融工具准则专题研讨会，就股票质押 减值处理意见做了补充说明，包括阶段划分可以参考逾期30天/90天、股票公允价值可以参考净资产等。可见各券商的方法模型见仁见智。
另一方面，经济下行，减值比例变化，引发券商对违约资产处置的担忧。预期信用损失模型初衷是改变“已发生损失法”的顺周期特点导致的马太效应，但在实际操作中，难以真正发挥逆周期作用。减值准备的确认是复杂的多方博弈，比如防止利润进一步缩水、业绩的公开披露、绩效考核的影响。
违约债爆雷频频
债券投资、股票质押、融资融券的爆雷对券商业绩的影响非常大，一旦发生违约或股价大跌，就直接进入第三阶段全额计提账面余额。以债市为例，根据万德数据统计，截至2019年2月，违约债累计278只，累计余额2022亿元。从发生实质性违约时点的历史分布中发现，2018年下半年，爆雷的数量和规模的增长率有显著提升。
由此可见，随着市场化程度越来越高，刚性兑付的神话必须打破，违约是不可避免的。违约债的高概率发生，踩雷券商的数量也随之上升，那么对各家券商的风险识别、预警提出了更高的挑战。
如何寻找灰犀牛？
排雷是一个非常复杂的系统工程，需要全面的风险管理体系的建设， 包括但不限于：投资者的政策导向及风险偏好的设定；组合限额／交易策略的匹配；精细化／客观／标准的风险计量工具，如内部评级、违约损失率模型；及时的信息监控和准确的数据捕捉和处理；流程／政策上对突发状况的应急机制等。
具体而言，笔者从事前、事中、事后的三个节点给出一些技术层面的建议。
一是事前准入做防范。
进入市场业务对信用风险的精细化计量提出更高的要求，目前在国内券商的风险管理体系中，已经建立完善的发债企业内部评级的不超过20家，而针对两融和股票质押业务，建立内评体系更是寥寥无几，这都是未来重要的改进空间。
相较于外评，内评的最大优势体现在：风险区分能力强，避免了集中度过高的问题；不论是敞口划分还是客户的资质都更加定制化，契合券商内部的投资偏好，也更能体现投资对象的风险透明性。
随着券商业务的开展，数据的积累也是很重要的因素，与内评的模型和运行管理机制相结合，才能发挥出其及时和风险区分力的效果。
二是事中结合大数据的风险预警。笔者发现，中国的金融投资机构更多重视投前而忽略投后，这是定式思维，也受技术层面的限制。因为投后预警需要更强的时效性，由于外部信息太多而外部评级滞后，因此需要结合大数据，将风险预警的功能真正落地到风险管理部门的日常工作中来。
目前市场上有不少风险预警相关产品和服务，但大多数还是以提供基础数据变动为主，鲜有通过专业模型进行分析预警。风险预警原理概括而言，基于三个维度，即发行人基本面信息、实时分析增量信息如舆情、交易信息。
笔者利用相关的信息系统，观察以上三个维度的信息表现出的发行人信用风险边际变化。大数据、人工智能技术主要运用在增量信息的处理分析上，能够快速理清大量的新增信息。
三是事后不良资产处置标准化。
对于已经有减值迹象的业务，根据22号准则相关规定，在估计现金流量时，企业应当考虑金融工具在整个预计存续期的所有合同条款（包括展期、补充协议等），还应当反映源自担保物的预期现金流的金额和时间（而无论该抵债是否很可能发生），包括出售所持担保品获得的现金流量，以及属于合同条款组成部分的其他信用增级所产生的现金流量。
目前，证券公司预期收取的所有现金流量（还款来源）应该包括：
1)抵质押品，包括针对债项的抵押房产、房产、土地使用权等，证券公司通常对抵质押品的真实性、可交易性，结合官方评估报告来综合评估可回收价值。
2)关联方担保等增信措施。担保公司，或银行，或发债企业股东信用良好，为其提供连带担保责任，并且已经签订了担保协议。根据准则的规定，在估计现金流缺口时，所有源自因抵债而获得的担保方的现金流，均应该予以考虑，从而调整违约损失率。
3)考虑发债企业具备积极的还款意愿，召开债委会，申请展期，或有部分还款动作，视为其还款意愿强烈，但处于现金流困境中。该类融资人如果仍然正常经营，且经营状况能够证明未来具备还款能力，均应该予以考虑，从而调整违约损失率。
借用吴晓波的书名“激荡十年水大鱼大”来形容今天的市场多样化，最恰当不过。
新金融工具准则将信用风险的预测放在了重要的位置上，从简单的事后计算转变为事前主动评估和事中跟踪监控。抱着侥幸心理搏收益的惨痛教训告诫我们：风险计量精细化、数据库和管理信息系统建设迫在眉睫。操作层面上，从事前风险评估、事中风险监控、事后风险处置三个节点着手，进行风险管理，才能在未来的市场竞争中，更早发现灰犀牛，更快采取应对措施，更有效降低损失。（方烨系德勤中国风险咨询合伙人，陈绿原系德勤中国风险咨询经理）