如何從新視角評估農(nóng)商行的信用風(fēng)險(xiǎn)

1、內(nèi)容目錄 HYPERLINK l _TOC_250023 我們模型的優(yōu)勢 4 HYPERLINK l _TOC_250022 區(qū)域經(jīng)濟(jì)及股東治理分析 4 HYPERLINK l _TOC_250021 區(qū)域經(jīng)濟(jì)狀況決定農(nóng)商行發(fā)展空間 4 HYPERLINK l _TOC_250020 股東是農(nóng)商行重要的外部資源 5 HYPERLINK l _TOC_250019 對公及零售業(yè)務(wù)結(jié)構(gòu)分析 6 HYPERLINK l _TOC_250018 對公業(yè)務(wù)是農(nóng)商行競爭力的基石 7 HYPERLINK l _TOC_250017 零售業(yè)務(wù)是農(nóng)商行轉(zhuǎn)型的必由之路 8 HYPERLINK l _TOC_250

2、016 資金業(yè)務(wù)是農(nóng)商行信評的側(cè)重點(diǎn) 9 HYPERLINK l _TOC_250015 資產(chǎn)質(zhì)量是信評的重中之重 11 HYPERLINK l _TOC_250014 資產(chǎn)質(zhì)量惡化是農(nóng)商行評級下調(diào)的根源 11 HYPERLINK l _TOC_250013 撥備策略和貸款集中度需重點(diǎn)審查 13 HYPERLINK l _TOC_250012 盈利能力分析 15 HYPERLINK l _TOC_250011 盈利是銀行內(nèi)生性補(bǔ)充資本的重要渠道 15 HYPERLINK l _TOC_250010 凈息差反映農(nóng)商行的風(fēng)險(xiǎn)定價(jià)能力 16 HYPERLINK l _TOC_250009 流動性與資

3、本充足情況分析 17 HYPERLINK l _TOC_250008 流動性風(fēng)險(xiǎn)分析是信評的重點(diǎn) 17 HYPERLINK l _TOC_250007 農(nóng)商行資本充足率逐年提升 17 HYPERLINK l _TOC_250006 模型賦分結(jié)果及有效性分析 18 HYPERLINK l _TOC_250005 賦分前十農(nóng)商行綜合實(shí)力較強(qiáng) 19 HYPERLINK l _TOC_250004 模型有效性較高 19 HYPERLINK l _TOC_250003 農(nóng)商行未來如何發(fā)展 20 HYPERLINK l _TOC_250002 下沉重心服務(wù)小微三農(nóng) 21 HYPERLINK l _TOC_

4、250001 轉(zhuǎn)型中分化加大更需關(guān)注信用風(fēng)險(xiǎn) 21 HYPERLINK l _TOC_250000 風(fēng)險(xiǎn)提示 21圖表目錄圖 1：2015-2020 年信用評級下調(diào)農(nóng)商行的數(shù)量逐步增多（家， ） 4圖 2：樣本農(nóng)商行所在地 GDP 均值增速較快（2017-2019，億元， ） 4圖 3：樣本農(nóng)商行前五大股東中國有法人較少（截至 2019.12.31，家） 6圖 4：上市農(nóng)商行前十大股東持股比例逐漸提升（2013-2019， ） 6圖 5：上市農(nóng)商行公司活期存款占比回升后下降（2010-2019， ） 7圖 6：上市農(nóng)商行投向制造業(yè)和批發(fā)零售業(yè)的貸款占比均值逐年下降（2010-2019， ）.

5、7圖 7：上市農(nóng)商行零售類活期存款占比均值下降（2010-2019， ） 8圖 8：上市農(nóng)商行零售類貸款占比均值逐年增長（2010-2019， ） 9圖 9：上市農(nóng)商行住房貸款占比先降后升（2010-2019， ） 9圖 10：2010-2018 樣本農(nóng)商行同業(yè)科目變動 10圖 11：上市農(nóng)商行年非標(biāo)類資產(chǎn)占比先增后減（2010-2018， ） 11圖 12：農(nóng)商行不良貸款率較高（ ） 12圖 13：上市農(nóng)商行關(guān)注貸款率快速下降（2010-2019， ） 12圖 14：上市農(nóng)商行 2015 年以后逾期貸款占比下降 13圖 15：2019 年部分農(nóng)商行不良貸款偏離度大于 1 13圖 16：上市農(nóng)

6、商行抵質(zhì)押貸款占比先增后降（2010-2019， ） 13圖 17：2018 年以來各類銀行撥備覆蓋率出現(xiàn)分化（ ） 14圖 18 ：上市農(nóng)商行單一最大客戶貸款比例、最大十家客戶貸款比例呈下降趨勢（2010-2019， ）.14圖 19：2002-2011 年是銀行業(yè)發(fā)展的黃金期（2001-2018， ） 15圖 20：2017 年以來農(nóng)商行總資產(chǎn)增速先降后升（萬億元， ） 16圖 21：2019 年以來農(nóng)商行凈息差整體有所下降（ ） 16圖 22：2014 年以來農(nóng)商行 ROE 及 ROA 呈下降趨勢（2007-2020， ） 17圖 23：農(nóng)商行流動性比例上升幅度較大（ ） 17圖 24：

7、農(nóng)商行資本充足率穩(wěn)定在 13左右（ ） 18圖 25：2018 年以來上升農(nóng)商行平均所有者權(quán)益增速整體小幅上升（億元， ） 18圖 26：logit 模型回歸結(jié)果 20圖 27：包商銀行風(fēng)險(xiǎn)處置事件同業(yè)利差顯著擴(kuò)大（ ，BP） 20表 1：上市銀行分布圖（截止 2021.3.1） 5表 2：5 號文的重要指標(biāo) 9表 3：得分前十農(nóng)商行部分指標(biāo)展示（2019/12/31） 19表 4：模型賦分和信評賦分的相關(guān)性較高 20我們模型的優(yōu)勢農(nóng)商行信用評級下調(diào)風(fēng)險(xiǎn)值得關(guān)注。2019 年以來，農(nóng)商行信用評級下調(diào)數(shù)量大幅增長。這其中有宏觀經(jīng)濟(jì)下行、企業(yè)信用風(fēng)險(xiǎn)暴露、農(nóng)商行資產(chǎn)質(zhì)量惡化、包商事件沖擊等因素；也

8、有監(jiān)管要求農(nóng)商行重新聚焦本土小微企業(yè)和三農(nóng)客戶的背景之下，曾依賴同業(yè)擴(kuò)張的農(nóng)商行不適應(yīng)監(jiān)管轉(zhuǎn)向的因素。此外，銀行經(jīng)營流動性與風(fēng)險(xiǎn)，其信用風(fēng)險(xiǎn)評估與實(shí)體企業(yè) 大不相同，評估難度亦大于后者。綜上，農(nóng)商行的信用風(fēng)險(xiǎn)評估越來越受到市場重視，我們嘗試從 區(qū)域經(jīng)濟(jì)及股東結(jié)構(gòu)、業(yè)務(wù)結(jié)構(gòu)、資產(chǎn)質(zhì)量、盈利能力、流動性與資本充足性五大板塊構(gòu)建一個農(nóng)商行的信用風(fēng)險(xiǎn)分析模型。圖 1：2015-2020 年信用評級下調(diào)農(nóng)商行的數(shù)量逐步增多（家， ）14120012100010800860064004200200201520162017201820192020-200下調(diào)評級農(nóng)商行數(shù)量同比增速（右軸）資料來源：wind，

9、相較現(xiàn)有信用評級分析模式，我們搭建的模型具有樣本覆蓋面廣、獨(dú)特銀行業(yè)分析視角、結(jié)合定性與定量方法的優(yōu)勢。首先，除去已獲取信用評級的農(nóng)商行，我們還將未獲取評級的農(nóng)商行標(biāo)的也納入模型，擴(kuò)大了信用評級分析的覆蓋標(biāo)的。其次，在已有研究的基礎(chǔ)上，從銀行業(yè)分析師的視角豐富了信用評級方式，在房地產(chǎn)貸款、零售貸款等方面都加入了銀行業(yè)角度的理解。在模型評估指標(biāo)上，我們采用定性定量結(jié)合的分析思路，對樣本進(jìn)行綜合賦分，從一定程度上避免了純量化帶來的“精確的錯誤”。樣本數(shù)據(jù)選取方面，考慮到數(shù)據(jù)的可獲得性，選擇了已披露 2019 年年報(bào)的農(nóng)商行，共 411 家。為防止數(shù)據(jù)遺漏，數(shù) 據(jù)來源選取 Wind 和 iFinD，

10、交叉抽取驗(yàn)證。區(qū)域經(jīng)濟(jì)及股東治理分析區(qū)域經(jīng)濟(jì)狀況決定農(nóng)商行發(fā)展空間農(nóng)商行經(jīng)營發(fā)展與所在地的經(jīng)濟(jì)狀況息息相關(guān)，良好的區(qū)域經(jīng)濟(jì)環(huán)境能有效降低所在地農(nóng)商行的信用風(fēng)險(xiǎn)。農(nóng)商行的前身是農(nóng)村信用合作社，其業(yè)務(wù)主要在所在地進(jìn)行開展。2018年及之后監(jiān)管對農(nóng)商行的思路就是回歸本源，即服務(wù)當(dāng)?shù)氐男∥⑵髽I(yè)和三農(nóng)。譬如銀監(jiān)農(nóng)金【2018】12 號文，強(qiáng)調(diào)穿透授信，要求農(nóng)商行嚴(yán)格控制對省外金融機(jī)構(gòu)或經(jīng)營情況不明金融機(jī)構(gòu)的同業(yè)授信；2019 年的關(guān)于推進(jìn)農(nóng)村商業(yè)銀行堅(jiān)守定位強(qiáng)化治理提升金融服務(wù)能力的意見（銀保監(jiān)會 5 號文）關(guān)于“大額貸款占比”、“新增資金用于當(dāng)?shù)乇壤?、“?農(nóng)與小微貸款增速”等監(jiān)管指標(biāo)，要求農(nóng)商行將

11、資金主要投放于所在地區(qū)域。因此，農(nóng)商行的發(fā)展?fàn)顩r與所在區(qū)域的經(jīng)濟(jì)發(fā)展關(guān)系密切，優(yōu)質(zhì)的區(qū)域經(jīng)濟(jì)可以為農(nóng)商行創(chuàng)造良好的經(jīng)營環(huán)境。圖 2：樣本農(nóng)商行所在地 GDP 均值增速較快（2017-2019，億元， ）420041004000390038003700360035003400330032003100109876543210201720182019GDP均值GDP增速（右軸）資料來源：wind，樣本農(nóng)商行所在地 GDP 增速水平較高，復(fù)合增速均值為 8.82。根據(jù)對樣本銀行所在地市的 GDP 數(shù)據(jù)整理計(jì)算，得到農(nóng)商行所在地 2017 年-2019 年 GDP 復(fù)合增速均值為 8.82 ，處在較高水

12、平。2018-2019 年的樣本農(nóng)商行所在地 GDP 同比增速均值為 9.40 /8.23 ，增速略有下降，但仍高于同期 2018/2019 年的國內(nèi) GDP 增速 6.6/6.0。股東是農(nóng)商行重要的外部資源外部支持是緩釋農(nóng)商行信用風(fēng)險(xiǎn)的重要工具，而股東是農(nóng)商行非常重要的外部資源。農(nóng)商行中上市銀行占比較低。相較非上市銀行，上市銀行的財(cái)務(wù)數(shù)據(jù)披露更加及時(shí)完整，信息透明度高，有利于企業(yè)開展業(yè)務(wù)，獲得融資等。同時(shí)，上市銀行受監(jiān)管力度更強(qiáng)，也更便于信用評級及跟蹤分析，信用風(fēng)險(xiǎn)較小。在樣本銀行中，資產(chǎn)規(guī)模較大的農(nóng)商行中上市比例更高。在資產(chǎn)規(guī)模前 20 的農(nóng)商行中，上市農(nóng)商行有 6 家，411 家樣本農(nóng)商

13、行中，上市農(nóng)商行共有 10 家，分別是渝農(nóng)商行、廣州農(nóng)商行、青農(nóng)商行、紫金農(nóng)商行、常熟銀行、九臺農(nóng)商銀行、無錫銀行、江陰銀行、蘇州農(nóng)商行、張家港行。表 1：上市銀行分布圖（截止 2021.3.1）銀行簡稱上市地點(diǎn)股票代碼渝農(nóng)商行A 股+H 股601077.SH; 3618.HK廣州農(nóng)商銀行H 股1551.HK青農(nóng)商行A 股002958.SZ紫金銀行A 股601860.SH常熟銀行A 股601128.SH九臺農(nóng)商銀行H 股6122.HK無錫銀行A 股600908.SH江陰銀行A 股002807.SZ蘇農(nóng)銀行A 股603323.SH張家港行A 股002839.SZ資料來源：wind，股東是農(nóng)商行重

14、要的外部資源，國有法人股東的資源優(yōu)勢更突出。包商銀行事件后，銀行的信用資質(zhì)受到更大重視，股東作為銀行重要的外部資源，也被給予了更多關(guān)注。國有法人股東通常具有較強(qiáng)的資源優(yōu)勢，可以為農(nóng)商行提供有力的外部支持，因此國有法人股東占比高的農(nóng)商行相對可獲得的股東支持更強(qiáng)。但農(nóng)商行有相當(dāng)數(shù)量是由農(nóng)信社改制成立，而農(nóng)信社的股東多為個人股東，因此農(nóng)商行股東中非國有法人占比較高。同時(shí)，2013 年發(fā)布的中國銀監(jiān)會辦公廳關(guān)于農(nóng)村商業(yè)銀行差異化監(jiān)管的意見中提出，要優(yōu)化農(nóng)商行股權(quán)結(jié)構(gòu)，加快構(gòu)建“多元化和民營化”的股權(quán)結(jié)構(gòu)，也鼓勵農(nóng)商行保持較高比例的非國有法人股東。圖 3：樣本農(nóng)商行前五大股東中國有法人較少（截至 201

15、9.12.31，家）450400350300250200150100500第一大股東第二大股東第三大股東第四大股東第五大股東國家國有法人境內(nèi)非國有法人境內(nèi)自然人境外法人空缺資料來源：wind，較高的股權(quán)集中度更有利于企業(yè)發(fā)展。股權(quán)集中度較低，公司控制權(quán)由幾個股東分享，有助于大股東相互監(jiān)督，但同時(shí)也可能導(dǎo)致各相關(guān)利益方意見不統(tǒng)一，導(dǎo)致經(jīng)營方面的協(xié)調(diào)效率低下等問題；股東持股比例集中度較高，有助于協(xié)調(diào)股東意見，削弱控制權(quán)沖突，達(dá) 成一致的發(fā)展戰(zhàn)略。圖 4：上市農(nóng)商行前十大股東持股比例逐漸提升（2013-2019， ）資料來源：iFinD，農(nóng)商行員工數(shù)量一定程度上反映了其經(jīng)營實(shí)力，數(shù)量越多獲取政府支持

16、的可能性會越高。員工數(shù)量較多的農(nóng)商行對所在地就業(yè)及經(jīng)濟(jì)發(fā)展的重要性也越強(qiáng)，其獲取政府支持的可能性也越高，相應(yīng)的信用風(fēng)險(xiǎn)也越低。對公及零售業(yè)務(wù)結(jié)構(gòu)分析對公業(yè)務(wù)是農(nóng)商行競爭力的基石傳統(tǒng)對公業(yè)務(wù)是銀行經(jīng)營穩(wěn)定的壓艙石，良好的對公業(yè)務(wù)結(jié)構(gòu)能改善銀行的資產(chǎn)質(zhì)量，為業(yè)務(wù)轉(zhuǎn)型提供良好的支撐，從而降低信用風(fēng)險(xiǎn)。對公活期存款占比越高對負(fù)債成本改善作用越大。農(nóng)商行的存款業(yè)務(wù)分為定期存款以及活期存款。相比個人來說，公司對靈活支取存款的需求更強(qiáng)，因此公司類存款中往往活期占比較高。由于活期存款相比理財(cái)與基金利率較低，銀行公司活期存款占比提升有助于降低其計(jì)息負(fù)債成本，銀行低成本運(yùn)營的能力增強(qiáng)；農(nóng)商行往往通過存貸掛鉤，考核

17、分層計(jì)價(jià) 的方式來提高對公存款活期率。圖 5：上市農(nóng)商行公司活期存款占比回升后下降（2010-2019， ）資料來源：wind，注：上市公司包括 A+H 股上市農(nóng)商行：渝農(nóng)商行、廣州農(nóng)商行、青農(nóng)商行、紫金銀行、常熟銀行、九臺農(nóng)商行、無錫銀行、江陰銀行、蘇農(nóng)銀行、張家港行，下同投向制造業(yè)和批發(fā)零售業(yè)的貸款不良隱憂較大。銀行貸款投向行業(yè)包括制造業(yè)、批發(fā)和零售業(yè)、交通運(yùn)輸、房地產(chǎn)業(yè)、建筑業(yè)、采礦業(yè)等，若貸款投向行業(yè)的發(fā)展受到阻礙、景氣度下滑，貸款可能面臨逾期以及不能完整收回等問題。其中，制造業(yè)與批發(fā)和批發(fā)零售業(yè)是不良貸款高發(fā)的行業(yè)，貸款重點(diǎn)投向此兩個行業(yè)的農(nóng)商行或面臨更大的不良風(fēng)險(xiǎn)。10 年 以后，

18、銀行業(yè)貸款結(jié)構(gòu)持續(xù)調(diào)整，上市銀行制造業(yè)+批發(fā)零售業(yè)貸款占比逐漸下降。圖 6：上市農(nóng)商行投向制造業(yè)和批發(fā)零售業(yè)的貸款占比均值逐年下降（2010-2019， ）資料來源：wind，零售業(yè)務(wù)是農(nóng)商行轉(zhuǎn)型的必由之路零售業(yè)務(wù)因資本占用少、不良風(fēng)險(xiǎn)低、資產(chǎn)收益率較高等優(yōu)勢，被視為銀行轉(zhuǎn)型的大方向，是銀行信用風(fēng)險(xiǎn)緩釋的重要途徑。零售類活期存款對降低農(nóng)商行負(fù)債成本起到重要作用。與對公活期存款的分析類似，零售活期存款占比越高，對銀行負(fù)債成本改善越大；零售存款活期率的高低，主要看銀行的服 務(wù)增值能力及客戶粘性，側(cè)面反映了銀行經(jīng)營水平的高低。農(nóng)商行零售類活期存款占比較低?；钇诹闶鄞婵疃酁榱闶劭蛻粢越Y(jié)算及消費(fèi)為需求進(jìn)

19、行的業(yè)務(wù)，因?yàn)榛钇诖婵罾氏鄬^低，客戶更傾向于在安全性及便捷性高的銀行進(jìn)行活期儲蓄，而農(nóng)商行一般規(guī)模較小，對客戶的吸引力弱于規(guī)模較大的商業(yè)銀行，因此零售類活期存款占比較低。圖 7：上市農(nóng)商行零售類活期存款占比均值下降（2010-2019， ）資料來源：wind，零售類貸款收益率相對較高，零售貸款占比高的銀行業(yè)務(wù)經(jīng)營的面臨的不良風(fēng)險(xiǎn)較小。相較對公業(yè)務(wù)，零售業(yè)務(wù)受經(jīng)濟(jì)周期、金融監(jiān)管等因素的影響較小，新生成不良壓力低。此 外，消費(fèi)類、經(jīng)營類貸款收益率一般高于傳統(tǒng)對公貸款，使得零售貸款收益風(fēng)險(xiǎn)比高于對 公貸款。圖 8：上市農(nóng)商行零售類貸款占比均值逐年增長（2010-2019， ）資料來源：wind，

20、個人住房貸款需求大，不良率低，是銀行的優(yōu)質(zhì)資產(chǎn)。1998 年住房改革后，商業(yè)銀行發(fā)放的個人住房貸款在支持居民購房安居上發(fā)揮了重大作用。個人住房貸款不良率極低，資本占用（按揭風(fēng)險(xiǎn)權(quán)重為 50 ）也低于對公貸款（一般企業(yè)為 100 ），是銀行的優(yōu)質(zhì)資產(chǎn)。圖 9：上市農(nóng)商行住房貸款占比先降后升（2010-2019， ）資料來源：wind，資金業(yè)務(wù)是農(nóng)商行信評的側(cè)重點(diǎn)因資金業(yè)務(wù)的跨區(qū)域性與農(nóng)商行定位有所沖突，農(nóng)商行的資金業(yè)務(wù)是重點(diǎn)監(jiān)管對象，亦是產(chǎn)生信用風(fēng)險(xiǎn)的重要來源。銀保監(jiān)會發(fā)布的關(guān)于推進(jìn)農(nóng)村商業(yè)銀行堅(jiān)守定位強(qiáng)化治理提升金融服務(wù)能力的意見要求農(nóng)商行將資金主要投放于所在地，將壓縮農(nóng)商行的證券投資與非標(biāo)類

21、資產(chǎn)占比，更多用于流動性調(diào)節(jié)。如果這兩類資產(chǎn)占比過高，或表征農(nóng)商行所在 地貸款需求較疲軟，面臨資產(chǎn)荒，未來也難以滿足監(jiān)管要求。表 2：5 號文的重要指標(biāo)指標(biāo)名稱預(yù)期目標(biāo)計(jì)算方式貸款占比50貸款期末余額/表內(nèi)總資產(chǎn)期末余額新增可貸資金用于當(dāng)?shù)乇壤?0年度新增當(dāng)?shù)刭J款/年度新增可貸資金涉農(nóng)與小微企業(yè)貸款增速逐年上升至 80 以上（涉農(nóng)貸款與小微企業(yè)貸款扣除重復(fù)部分期末余額-涉農(nóng)貸款與小微企業(yè)貸款扣除重復(fù)部分的期初余額）/涉農(nóng)貸款與小微企業(yè)貸款扣除重復(fù)部分的期初余額大額貸款占比逐年下降直至低于 30大額貸款期末余額/各項(xiàng)貸款期末余額涉農(nóng)與小微企業(yè)貸款增速各項(xiàng)貸款增速（涉農(nóng)貸款與小微企業(yè)貸款扣除重復(fù)部

22、分的期末余額-涉農(nóng)貸款與小微企業(yè)貸款扣除重復(fù)部分的期初余額）/涉農(nóng)貸款與小微企業(yè)貸款扣除重復(fù)部分的期初余額農(nóng)戶授信覆蓋面逐年上升授信農(nóng)戶戶數(shù)期末余額/當(dāng)?shù)剞r(nóng)戶總戶數(shù)期末余額小微企業(yè)授信覆蓋面逐年上升授信小微企業(yè)期末余額/當(dāng)?shù)匦∥⑵髽I(yè)總期末余額農(nóng)戶與小微企業(yè)用信覆蓋面逐年上升農(nóng)戶和小微企業(yè)的用信（貸款）戶數(shù)/農(nóng)戶和小微企業(yè)的授信戶數(shù)農(nóng)戶建檔評級覆蓋面逐年上升建檔評級農(nóng)戶戶數(shù)期末余額/當(dāng)?shù)厮修r(nóng)戶戶數(shù)期末余額小微企業(yè)建檔評級覆蓋面逐年上升建檔評級的小微企業(yè)戶數(shù)期末余額/當(dāng)?shù)厮行∥⑵髽I(yè)戶數(shù)期末余額電子交易替代率逐年上升主要電子交易筆數(shù)/（主要電子交易筆數(shù)柜面交易筆數(shù)其他交易筆數(shù)）小微企業(yè)貸款不良率

23、容忍度自身各項(xiàng)貸款不良率之上 3 個百分點(diǎn)小微企業(yè)不良貸款余額/小微企業(yè)貸款余額支農(nóng)支小貸款業(yè)務(wù)績效考核指標(biāo)支農(nóng)支小業(yè)務(wù)績效考核傾斜度權(quán)重其他業(yè)務(wù)績效考核指標(biāo)權(quán)重資料來源：關(guān)于推進(jìn)農(nóng)村商業(yè)銀行堅(jiān)守定位強(qiáng)化治理提升金融服務(wù)能力的意見，我們選取 2018 年資產(chǎn)規(guī)模前 100 家的農(nóng)商行作統(tǒng)計(jì)（約占全國農(nóng)商行資產(chǎn)總體的 46 ），發(fā)現(xiàn)其資產(chǎn)端配置變動與同業(yè)監(jiān)管政策節(jié)奏呈正相關(guān)性。農(nóng)商行同業(yè)資產(chǎn)（存放同業(yè)、拆出資金、買入返售）和同業(yè)投資（應(yīng)收賬款類）占比在影子銀行擴(kuò)張周期中（10-16 年）大幅上升，貸款占比下降，在強(qiáng)監(jiān)管開啟的 17 年開始顯著回落。圖 10：2010-2018 樣本農(nóng)商行同業(yè)科目

24、變動10090807060504030201002010年2011年2012年2013年2014年2015年2016年2017年2018年同業(yè)資產(chǎn)（不包含買入返售）買入返售金融投資（不包含應(yīng)收賬款）應(yīng)收賬款類投資存放央行發(fā)放貸款資料來源：wind，注 1：同業(yè)資產(chǎn)包含存放同業(yè)、拆出資金，買入返售單獨(dú)列出；金融投資包含交易性、持有到期、可供出售證券注 2：此次樣本選取 2018 年資產(chǎn)規(guī)模前 100 的農(nóng)商行過高的非標(biāo)類資產(chǎn)占比將增加銀行的流動性風(fēng)險(xiǎn)與資產(chǎn)質(zhì)量壓力。應(yīng)收款項(xiàng)的定義為，銀行持有的在銀行間市場及證券交易所市場交易的各類債權(quán)投資，包括信貸資產(chǎn)、信托貸款、委托債權(quán)、承兌匯票、各類受（收）

25、益權(quán)等非標(biāo)資產(chǎn)。其中部分項(xiàng)目難以在二級市場轉(zhuǎn)讓，流動性較差，同時(shí)，部分銀行利用短期同業(yè)融資支持應(yīng)收款項(xiàng)類投資，兩者間的期限錯配也將導(dǎo)致流動性風(fēng)險(xiǎn)，因此，過高的非標(biāo)類資產(chǎn)占比將增加銀行的流動性風(fēng)險(xiǎn)。加之上文提到關(guān)于推進(jìn)農(nóng)村商業(yè)銀行堅(jiān)守定位強(qiáng)化治理提升金融服務(wù)能力的意見中非標(biāo)資產(chǎn)占比與信貸風(fēng)險(xiǎn)的關(guān)系，非標(biāo)類資產(chǎn)占比過高也意味著更大的信貸風(fēng)險(xiǎn)。近年針對非標(biāo)類資產(chǎn)的監(jiān)管力度加強(qiáng)。近年針對農(nóng)商行同業(yè)業(yè)務(wù)的監(jiān)管力度不斷加強(qiáng)，出臺了相關(guān)文件及檢查舉措，在同業(yè)業(yè)務(wù)的參與資格、線下跨省同業(yè)業(yè)務(wù)規(guī)模等方面加強(qiáng)限制，倒逼農(nóng)商行回歸貸款業(yè)務(wù)，推動金融投資的標(biāo)準(zhǔn)化，減少非標(biāo)類資產(chǎn)占比。2014 年，中證協(xié)發(fā)布關(guān)于進(jìn)一步

26、規(guī)范證券公司資產(chǎn)管理業(yè)務(wù)有關(guān)事項(xiàng)的補(bǔ)充通知， 將與證券公 司開展通道類業(yè)務(wù)的銀行最低資產(chǎn)規(guī)模限制提高到 500 億元，加強(qiáng)農(nóng)商行的同業(yè)業(yè)務(wù)門檻 限制。2017 年，銀監(jiān)會組織開展“三三四”檢查，標(biāo)志著對銀行同業(yè)、理財(cái)和表外業(yè)務(wù)強(qiáng)監(jiān)管的到來。同年銀監(jiān)會發(fā)布關(guān)于規(guī)范銀信類業(yè)務(wù)的通知，加強(qiáng)銀信類業(yè)務(wù)的監(jiān)管。 2018 年資管新規(guī)、專門針對農(nóng)商行的“銀監(jiān)農(nóng)金 12 號文” 及商業(yè)銀行委托貸款管理辦法出臺，加強(qiáng)對通道業(yè)務(wù)及對省外金融機(jī)構(gòu)的同業(yè)業(yè)務(wù)的監(jiān)管，遏制了銀行通過通道業(yè)務(wù)投資非標(biāo)的業(yè)務(wù)。 自 2016 年強(qiáng)監(jiān)管開啟之后，上市農(nóng)商行非標(biāo)類資產(chǎn)在總資產(chǎn)中 的占比均值逐年下降。圖 11：上市農(nóng)商行年非標(biāo)類

27、資產(chǎn)占比先增后減（2010-2018， ）資料來源：wind，資產(chǎn)質(zhì)量是信評的重中之重資產(chǎn)質(zhì)量惡化是農(nóng)商行評級下調(diào)的根源資產(chǎn)質(zhì)量是農(nóng)商行的生命線，資產(chǎn)質(zhì)量惡化是農(nóng)商行信用評級下調(diào)的重要原因。我們選取不良貸款率、關(guān)注貸款率、逾期貸款率、抵質(zhì)押貸款占比作為貸款質(zhì)量的衡量因素。在 2020年評級下調(diào)的農(nóng)商行中，煙臺農(nóng)商行、吉林蛟河農(nóng)商行都存在著 2017-2019 年不良貸款率等指標(biāo)連續(xù)惡化的情況。銀監(jiān)會以風(fēng)險(xiǎn)為基礎(chǔ)把貸款分為五類。為建立現(xiàn)代銀行制度，改進(jìn)貸款分類方法，1999年中國人民銀行印發(fā)貸款風(fēng)險(xiǎn)分類指導(dǎo)原則（試行）， 根據(jù)借款人及時(shí)足額歸還貸款本 息的可能性，把貸款分為正常、關(guān)注、次級、可疑

28、和損失五類，后三類合稱為不良貸款。關(guān)注類貸款的借款人有能力償還貸款本息，但存在一些可能對償還產(chǎn)生不利影響的因素。不良貸款的借款人則無法足額償還貸款本息。農(nóng)商行關(guān)注、不良貸款率較高。以農(nóng)商行為首的農(nóng)村金融機(jī)構(gòu)一直以來負(fù)責(zé)支農(nóng)工作，隨著經(jīng)濟(jì)發(fā)展很多農(nóng)戶變成了小微企業(yè)主，也自然成為農(nóng)商行的客戶。而三農(nóng)客戶和小微企業(yè)的抗風(fēng)險(xiǎn)能力較低，其貸款在經(jīng)濟(jì)周期下行時(shí)容易形成壞賬，這導(dǎo)致了農(nóng)商行的貸款不良率、關(guān)注率高于行業(yè)平均。不良率和關(guān)注類貸款占比越高，就有越多的貸款可能無法收回。這一方面會造成銀行的撥備消耗，另一方面也會降低銀行的營利能力。圖 12：農(nóng)商行不良貸款率較高（ ）資料來源：wind，2011 年后

29、農(nóng)商行不良率逐漸上臺階。2011 年末農(nóng)商行的不良率為 1.60 ，至 2018 年 6 月末上升至頂峰 4.20 ，20 年末回落至 3.88 。2011 年后隨著經(jīng)濟(jì)增速走低，且“四萬億”貸款的不良風(fēng)險(xiǎn)開始暴露，導(dǎo)致不良貸款率逐年走高。近兩年農(nóng)商行在核銷不良貸款方面不斷加大力度，并采用批量打包出售、定增搭售和資產(chǎn)證券化的方式積極處置質(zhì)量較差的貸款，使得貸款質(zhì)量有所改善。上市農(nóng)商行關(guān)注類貸款占比快速下降。2010 年末上市農(nóng)商行和上市商業(yè)銀行的關(guān)注貸款率平均值分別為 10.74 和 3.79 ，而 2019 年末分別為 2.57 和 2.74 。上市農(nóng)商行的關(guān)注貸款率從遠(yuǎn)高于上市商業(yè)銀行發(fā)展

30、到低于上市商業(yè)銀行，進(jìn)步十分迅速。上市農(nóng)商行雖然歷史上關(guān)注貸款率較高，但通過提升管理水平和建立風(fēng)控體系，歷史包袱可逐漸消化。圖 13：上市農(nóng)商行關(guān)注貸款率快速下降（2010-2019， ）資料來源：wind，與貸款質(zhì)量相關(guān)的另一分類體系是逾期欠息體系。在銀監(jiān)發(fā)【2007】54 號文中，五類貸款的劃分根據(jù)的是借款人還本付息的可能性和潛在損失的大小，和貸款是否逾期并無必然關(guān)系。但 2019 年銀保監(jiān)會發(fā)布的商業(yè)銀行金融資產(chǎn)風(fēng)險(xiǎn)分類暫行辦法（征求意見稿） 明確要求將逾期貸款至少歸入關(guān)注類，逾期 90 天以上貸款至少歸入次級類。除以上要求外，銀保監(jiān)會還“鼓勵有條件的銀行可以更加審慎地把逾期 60 天以

31、上的也納入不良”，可見兩種貸款分類體系存在較大的相關(guān)性。2015 年以后上市農(nóng)商行逾期貸款在貸款余額的占比逐年下降。2015-2019 年的上市農(nóng)商行逾期貸款占比均值分別為 3.25 /2.83 /2.27 /1.92 /1.76 。農(nóng)商行的逾期貸款占比下降， 主要是加大不良資產(chǎn)處置力度。截至 2019 年末，只有極少數(shù)農(nóng)商行不良貸款偏離度大于 1北京農(nóng)商行、武漢農(nóng)商行、江門農(nóng)商行、貴陽農(nóng)商行、山西堯都農(nóng)商行、河北邢臺農(nóng)商行、江西瑞金農(nóng)商行、江西尋烏農(nóng)商行的逾期 90 天以上貸款余額均高于不良貸款余額。圖 14：上市農(nóng)商行 2015 年以后逾期貸款占比下降圖 15：2019 年部分農(nóng)商行不良貸

32、款偏離度大于 1資料來源：wind，資料來源：wind，ifind，信用貸款有較大的信用風(fēng)險(xiǎn)，抵押和質(zhì)押則是有效的風(fēng)險(xiǎn)緩釋工具。按保障方式劃分，銀行貸款可以分為信用貸款和擔(dān)保貸款，擔(dān)保貸款又可以分為保證貸款、抵押貸款和質(zhì)押貸款。保證、抵押、質(zhì)押的擔(dān)保工具可以有效實(shí)現(xiàn)信用風(fēng)險(xiǎn)緩釋。2015 年以前上市農(nóng)商行抵質(zhì)押貸款占比上升，此后下降。2015 年以前，上市農(nóng)商行抵質(zhì)押貸款占比呈上升趨勢主要是“四萬億”后不良風(fēng)險(xiǎn)開始集中暴露，各類資產(chǎn)質(zhì)量指標(biāo)惡化，農(nóng)商行對信用、擔(dān)保類貸款擔(dān)憂較重。隨著不良風(fēng)險(xiǎn)見頂，此擔(dān)憂開始緩解，農(nóng)商行抵質(zhì)押類貸款占比逐漸回落。圖 16：上市農(nóng)商行抵質(zhì)押貸款占比先增后降（201

33、0-2019， ）資料來源：wind，撥備策略和貸款集中度需重點(diǎn)審查農(nóng)商行信用風(fēng)險(xiǎn)分析既要看資產(chǎn)質(zhì)量是否穩(wěn)固，也要看面對損失風(fēng)險(xiǎn)的防范能力如何。我們選取撥備覆蓋率作為衡量指標(biāo)，撥備覆蓋率等于貸款損失準(zhǔn)備金計(jì)提余額除以不良貸款余額。計(jì)提較少的貸款損失準(zhǔn)備可能有利于提高銀行的資金利用效率和盈利水平，但同時(shí)當(dāng)貸款出現(xiàn)損失時(shí)銀行也會遭受更大的沖擊。從風(fēng)險(xiǎn)防范的角度考慮，較高的撥備覆蓋率 更有利于銀行穩(wěn)定發(fā)展。部分農(nóng)商行撥備覆蓋率未達(dá)監(jiān)管要求。2018 年之前商業(yè)銀行撥備覆蓋率的監(jiān)管標(biāo)準(zhǔn)為 150。銀監(jiān)發(fā)【2018】4 號文將商業(yè)銀行貸款分類準(zhǔn)確性、處置不良主動性和資本充足性三方面因素納入考慮，綜合確定

34、撥備覆蓋率最低要求，監(jiān)管標(biāo)準(zhǔn)可在 120-150 之間波動。截至 2019 年末，樣本中有 28 家農(nóng)商行撥備覆蓋率低于 120，有 36 家農(nóng)商行撥備覆蓋率介于 120-150。圖 17：2018 年以來各類銀行撥備覆蓋率出現(xiàn)分化（ ）資料來源：wind，監(jiān)管要求逾期 90 天以上貸款納入不良導(dǎo)致?lián)軅涓采w率下降。2018 年以前各類銀行的撥備 覆蓋率均呈下降趨勢，然而 2018 年以來出現(xiàn)較大分化。城商行和農(nóng)商行的撥備覆蓋率繼 續(xù)下降，六大行和股份行的撥備覆蓋率回升。2018 年q2 農(nóng)商行的撥備覆蓋率降低了 36.69 ，而不良貸款率提升了 11BP，主要是監(jiān)管要求加大不良確認(rèn)力度導(dǎo)致農(nóng)商

35、行撥備消耗（防止 不良貸款率升幅過大）。貸款集中度過高既體現(xiàn)了貸款風(fēng)險(xiǎn)也體現(xiàn)了治理缺陷。一方面如果農(nóng)商行的貸款集中度過高，當(dāng)頭部客戶還款出現(xiàn)問題時(shí)，有可能造成銀行資金鏈斷裂。另一方面貸款集中度過高經(jīng)常是由關(guān)聯(lián)交易引起，在一定程度上反映了銀行的部分違規(guī)行為。為避免這種風(fēng)險(xiǎn)，商業(yè)銀行法規(guī)定“對同一借款人的貸款余額與商業(yè)銀行資本余額的比例不得超過 10”。1994年，央行曾發(fā)布過商業(yè)銀行資產(chǎn)負(fù)債比例管理暫行監(jiān)控指標(biāo)（已廢止），其中規(guī)定對最大十家客戶發(fā)放的貸款總額不得超過銀行資本總額的 50。上市農(nóng)商行單一最大客戶貸款比例和最大十家客戶貸款比例逐年下降。2010 年末上市農(nóng)商行單一最大客戶貸款比例平均

36、值為 6.07 ，2019 年末已降至 4.41 ，低于同期上市商業(yè)銀行平均水平 5.20。2010 年末上市農(nóng)商行最大十家客戶貸款比例平均值為 51.13，2019年末已降至 26.23 ，略高于同期上市商業(yè)銀行平均水平 25.96 。圖 18：上市農(nóng)商行單一最大客戶貸款比例、最大十家客戶貸款比例呈下降趨勢（2010-2019， ）資料來源：wind，盈利能力分析盈利是銀行內(nèi)生性補(bǔ)充資本的重要渠道盈利是銀行內(nèi)生性補(bǔ)充資本的重要渠道，也是抵御信用風(fēng)險(xiǎn)的安全墊。銀行業(yè)發(fā)展的黃金期也是農(nóng)商行的黃金十年。銀行業(yè)績與宏觀經(jīng)濟(jì)環(huán)境息息相關(guān)， 2002-2011 年是銀行業(yè)發(fā)展的黃金期。這十年間，GDP

37、增速維持在 10左右，大部分時(shí)期處于加息周期，農(nóng)商銀行的息差較高且規(guī)模快速增長，業(yè)績迎來高速增長，不良貸款率快速下降。沿海等經(jīng)濟(jì)發(fā)達(dá)地區(qū)的農(nóng)商行抓住這個機(jī)遇高速發(fā)展，但有些治理能力差的農(nóng)商行就錯過了這次機(jī)遇。中西部地區(qū)承接沿海地區(qū)產(chǎn)業(yè)轉(zhuǎn)移，所屬地農(nóng)商行發(fā)展或許稍慢，但靠近省會的農(nóng)商銀行得益于城鎮(zhèn)化擴(kuò)張，發(fā)展也較快。2011 年后農(nóng)商行業(yè)績逐漸下臺階。2011 年后隨著經(jīng)濟(jì)增速走低，信用擴(kuò)張速度放緩，疊加貸款基準(zhǔn)利率連續(xù)調(diào)降，這些 讓農(nóng)商行業(yè)績增速持續(xù)下滑。圖 19：2002-2011 年是銀行業(yè)發(fā)展的黃金期（2001-2018， ）20300152502001015051002001-03-3

38、12002-05-312002-10-292003-03-282003-09-022004-02-052004-07-062004-12-022005-05-082005-09-292006-03-092006-08-072007-01-042007-06-062007-11-012008-03-312008-08-272009-01-242009-06-292009-11-262010-04-282010-09-252011-02-282011-07-272011-12-262012-05-282012-10-242013-03-252013-08-192014-01-172014-06-2

39、02014-11-192015-04-212015-09-172016-02-222016-07-202016-12-192017-05-192017-10-192018-03-162018-08-102019-01-082019-06-102019-11-062020-04-092020-09-04050-50-10GDP:不變價(jià):累計(jì)同比規(guī)模以上工業(yè)增加值:同比農(nóng)村商業(yè)銀行稅后利潤:同比:右軸-50資料來源：WIND，資產(chǎn)規(guī)模相當(dāng)于銀行提供產(chǎn)品的“數(shù)量”，資產(chǎn)規(guī)模擴(kuò)張是銀行維持的盈利增長必要條件。農(nóng)商行總資產(chǎn)增速與信用擴(kuò)張周期同步，截至 20 年底農(nóng)商行總資產(chǎn)為 41.53 萬億元，增速為

40、 11.6 ，增速同比提高 3.9pct。圖 20：2017 年以來農(nóng)商行總資產(chǎn)增速先降后升（萬億元， ）資料來源：WIND，凈息差反映農(nóng)商行的風(fēng)險(xiǎn)定價(jià)能力凈息差相當(dāng)于銀行生息資產(chǎn)的“價(jià)格”，反映了銀行對風(fēng)險(xiǎn)的定價(jià)能力。 凈息差也稱凈利 息收益率，是銀行凈利息收入和平均生息資產(chǎn)的比值，衡量了生息資產(chǎn)的獲利能力，是投 資者關(guān)注銀行經(jīng)營情況的重要指標(biāo)之一。從銀保監(jiān)會公布數(shù)據(jù)來看，農(nóng)商行凈息差遠(yuǎn)高于其他類型商業(yè)銀行，一農(nóng)商行存款占比較高負(fù)債成本較低；二是農(nóng)商行客戶主要是三農(nóng)和小微企業(yè)，貸款收益率高。2020 年底，農(nóng)商行凈息差為 2.49 ，同比下降 32BP，主要受市場利率下降壓制貸款收益率，而存

41、款競爭激烈，負(fù)債成本有所抬升。圖 21：2019 年以來農(nóng)商行凈息差整體有所下降（ ）3.12.92.72.52.32.11.91.71.52017-032017-092018-032018-092019-032019-092020-032020-09國有大行股份行城商行農(nóng)商行資料來源：WIND，ROE 和 ROA 是從股東權(quán)益和總資產(chǎn)角度衡量商業(yè)銀行盈利能力的重要指標(biāo)。2011 年后隨著經(jīng)濟(jì)增速走低，且“四萬億”貸款的不良風(fēng)險(xiǎn)開始暴露，疊加貸款基準(zhǔn)利率連續(xù)調(diào)降，這些讓農(nóng)商行業(yè)績增速持續(xù)下滑，且不良貸款率逐年走高。農(nóng)商行的 ROE 和 ROA 在 2014年見頂后逐年下降。圖 22：2014

42、年以來農(nóng)商行 ROE 及 ROA 呈下降趨勢（2007-2020， ）201816141210864202007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 20202.01.81.61.41.21.00.80.60.40.20.0ROEROA資料來源：WIND，流動性與資本充足情況分析流動性風(fēng)險(xiǎn)分析是信評的重點(diǎn)商業(yè)銀行流動性風(fēng)險(xiǎn)指商業(yè)銀行無法以合理成本及時(shí)獲得充足資金，用于償付到期債務(wù)、履行其他支付義務(wù)和滿足正常業(yè)務(wù)開展的其他資金需求的風(fēng)險(xiǎn)（商業(yè)銀行流動性風(fēng)險(xiǎn)管理辦法2018）。從銀保監(jiān)會公布數(shù)據(jù)看，商業(yè)銀行整體流動

43、性比例呈上升趨勢，其中農(nóng)商行上升幅度較大。2020 年底，農(nóng)商行整體流動性比例為 65.2 ，同比上升 2.05pct，環(huán)比上升 2.04pct。隨著 監(jiān)管對商行銀行流動性管理的不斷強(qiáng)化，農(nóng)商行資產(chǎn)流動性比例上升幅度僅次于城市商業(yè) 銀行，資產(chǎn)流動性較為充裕。圖 23：農(nóng)商行流動性比例上升幅度較大（ ）706560555045402017-032017-092018-032018-092019-032019-092020-032020-09國有大行股份行城商行農(nóng)商行資料來源：WIND，農(nóng)商行資本充足率逐年提升資本是銀行抵御信用風(fēng)險(xiǎn)的最后防線。商業(yè)銀行核心一級資本包括：實(shí)收資本或普通股、資本公積、

44、盈余公積、一般風(fēng)險(xiǎn)準(zhǔn)備、未分配利潤、少數(shù)股東資本可計(jì)入部分。 根據(jù)巴塞 爾協(xié)議及中國銀保監(jiān)會 2012 年發(fā)布的資本管理辦法，非系統(tǒng)性重要銀行資本充足率 不得低于 10.5，一級資本充足率不得低于 8.5，核心一級資本充足率不得低于 7.5 。根據(jù)銀保監(jiān)會公布的數(shù)據(jù)，2014 年以來商業(yè)銀行整體資本充足率呈上升趨勢。農(nóng)商行資 本充足率穩(wěn)定在 13 左右，且近年來有小幅下降；因缺乏資本補(bǔ)充渠道，農(nóng)商行整體資本 充足率在所有類型銀行中墊底。截至 2020 年底，農(nóng)商行平均資本充足率為 12.37 ，同比下降 0.76pct，環(huán)比上升 0.26pct。圖 24：農(nóng)商行資本充足率穩(wěn)定在 13左右（ ）

45、17.0016.0015.0014.0013.0012.0011.0010.00國有大行股份行城商行農(nóng)商行資料來源：WIND，商業(yè)銀行所有者權(quán)益主要包括實(shí)收資本（或股本）、資本公積、盈余公積和未分配利潤等。商業(yè)銀行從稅后利潤中計(jì)提的一般風(fēng)險(xiǎn)準(zhǔn)備也是所有者權(quán)益的組成部分。根據(jù) A+H 股上市農(nóng)商行披露數(shù)據(jù)，2018 年以來所有者權(quán)益增速整體小幅上升。2019 年底，A+H 上市農(nóng)商行平均所有者權(quán)益為 281.61 億元，增速為 22.08 ，同比增加 9.28pct。圖 25：2018 年以來上升農(nóng)商行平均所有者權(quán)益增速整體小幅上升（億元， ）30040%25020035%30%25%15020

46、%1005015%10%5%00%2016-062016-122017-062017-122018-062018-122019-062019-12平均所有者權(quán)益同比（右軸）資料來源：WIND，模型賦分結(jié)果及有效性分析賦分前十農(nóng)商行綜合實(shí)力較強(qiáng)賦分前十的農(nóng)商行綜合實(shí)力較強(qiáng)。截至 2019 年底，得分前十的農(nóng)商行中僅廣州農(nóng)村商業(yè)銀行在港股上市，其余均未上市。其中七家位于廣東省，三家位于福建、安徽、浙江，可 見發(fā)達(dá)的區(qū)域經(jīng)濟(jì)對于農(nóng)商行經(jīng)營發(fā)展十分有利。十家農(nóng)商行中，有 7 家總資產(chǎn)規(guī)模超過1000 億元，在樣本中處于中上游位置，已經(jīng)形成了一定的規(guī)模優(yōu)勢。十家農(nóng)商行 2019 年平均營收/歸母凈利潤增

47、速為 13.13 /18.60 ，部分農(nóng)商行增速達(dá)到 20 以上，發(fā)展十分強(qiáng)勁。從流動性和資本充足情況來看，除廣州農(nóng)商行核心一級資本充足率略低，其余九家農(nóng)商行資本較為充足，資產(chǎn)流動性比例大多在 70 以上，為業(yè)務(wù)開展打下良好基礎(chǔ)。得分前十的農(nóng)商行平均不良貸款率為 1.13 ，平均撥備覆蓋率為 366.41 ，資產(chǎn)質(zhì)量較為扎實(shí)，撥備水平高，風(fēng)險(xiǎn)抵補(bǔ)能力較強(qiáng)。表 3：得分前十農(nóng)商行部分指標(biāo)展示（2019/12/31）經(jīng)營情況流動性和資本充足資產(chǎn)質(zhì)量最新評級是否上市總資產(chǎn)（億元）營收同比歸母凈利潤同比凈息差核心一級資本流動性不良率撥備覆蓋率充足率東莞農(nóng)村商業(yè)AAA否461221.998.65%12.

48、63%89.53%1.00%389.57%銀行%惠州農(nóng)村商業(yè)AA否61611.88%21.55%3.44%12.66%71.06%0.78%371.91%銀行深圳農(nóng)村商業(yè)AAA否422010.5210.91%2.50%11.88%74.63%1.15%280.97%銀行%福建安溪農(nóng)村AA-否2022.66%0.59%4.53%17.63%51.51%0.85%558.31%商業(yè)銀行廣州農(nóng)村商業(yè)AAA是894215.9515.23%2.61%9.96%88.51%1.73%208.09%銀行%廣東南海農(nóng)村AAA否20075.08%17.77%2.60%15.22%72.62%1.06%324.4

49、1%商業(yè)銀行杭州聯(lián)合農(nóng)村AAA否23655.68%5.46%3.19%11.23%1.05%443.95%商業(yè)銀行阜陽潁泉農(nóng)村AA-否22526.1929.68%13.35%55.90%1.85%256.31%商業(yè)銀行%中山農(nóng)村商業(yè)AA+否12526.26%22.56%2.47%12.11%76.80%0.96%477.25%銀行佛山農(nóng)村商業(yè)AA+否141925.1453.55%17.54%50.90%0.89%353.36%銀行%平均258613.1318.60%3.05%13.42%70.16%1.13%366.41%資料來源：WIND, 模型有效性較高模型賦分結(jié)果和樣本農(nóng)商行 2020

50、年信用評級具有強(qiáng)相關(guān)性。我們搜集了 411 家農(nóng)商行的主體最新信用評級（截至 2020 年末），其中共有 286 家農(nóng)商行數(shù)據(jù)非空。我們創(chuàng)建了名為信評賦分的變量，并令信用評級為 AAA/AA+/AA/AA-/A+/A/A-/BBB+/BBB/BBB-的農(nóng)商行信評賦分分別為 10/9/8/7/6/5/4/3/2/1。計(jì)算得出模型賦分和信評賦分的相關(guān)系數(shù)為 0.65，兩者具有較高的相關(guān)性，佐證了我們模型的有效性。表 4：模型賦分和信評賦分的相關(guān)性較高變量(1)(2)(1) 模型賦分1.000(2) 信評賦分0.6501.000資料來源：wind，iFinD，模型預(yù)測農(nóng)商行的信用評級下調(diào)。2018-

51、2019 年共有 13 家農(nóng)商行信用評級下調(diào)，我們希望用構(gòu)建的賦分模型來預(yù)測農(nóng)商行信用評級的變化。我們定義啞變量 downgrade，如果一家農(nóng)商行在 2018-2019 年出現(xiàn)了評級下調(diào)，downgrade 的值為 1，否則為 0。然后我們用 logit 模型進(jìn)行回歸，回歸結(jié)果如圖所示。圖 26：logit 模型回歸結(jié)果資料來源：wind，iFinD，模型賦分每增加 1 分，信評下調(diào)的幾率比降低 9.8。數(shù)據(jù)樣本量為 286 家農(nóng)商行。LR 統(tǒng)計(jì)量為 14.83，對應(yīng)的 p 值為 0.00，故方程系數(shù)的顯著性很高。我們定義信用評級下調(diào)的幾率比為信用評級下調(diào)的概率除以信用評級不下調(diào)的概率，則模型賦分每增加 1 分，信用評級下調(diào)的幾率比就會降低 9.8，該結(jié)果在 1 的水平下顯著。模型預(yù)測信用評級下調(diào)的準(zhǔn)確率達(dá) 95.45 。如果模型預(yù)測一家城商行信用評級下調(diào)的發(fā)生概率大于等于 0.5，則認(rèn)為該農(nóng)商行會發(fā)生信用評級下調(diào)，否則則認(rèn)為該農(nóng)商行