作者：陈迅

来源：资产界（ID：npazone）

目前，国有银行、股份制银行不良率相对较高，尤其是信用卡及个贷不良的规模，而银行不良出表的主要途径就是ABS。

目前国内居民杠杆率持续增高，人均可支配收入增长较乏力，说明个人贷款，包括金融杠杆使用率较高，未来个贷不良整体市场规模和储备相对增加，这也导致未来的不良率会有一个高增长。信用卡的半年逾期总贷款额占用信用卡贷款总额的比例相对较高，个贷不良率及个人信用卡的不良率也不断增长。

从银行角度考虑，在2021年以前个贷不良只有通过ABS一个途径实现出表。

经过几轮试点，可以看出ABS出表跟个贷批转试点的规律其实差不多。第一批试点，六家国有银行+一家股份制银行（招商银行）；第二批试点，增加12家股份制银行及城商行；第三批试点，增加农商行、城商行及部分股份制银行。前两批试点500亿规模，这500亿规模后面发行满额了，后面增加的农商行和城商行，又增加了一个1,000亿额度。

2016年ABS试点刚推出的时候，大部分是对公的资产；从2018~2019年，对公资产在ABS层面做的非常少了。因为对公资产的处置途径相对来说比较多，不管是AMC还是银行的传统处置手段，还有外部的处置，而个人类的不良只能做ABS出表。

现在也有一些银行在做银登中心的信托收益权转让，这个出表其实属于会计出表，而不属于监管出表，真正属于会计跟监管同时出表，就是做ABS。 

这也是为什么到2018~2019年，基本上就没有对公资产做ABS了，大部分都是个人住房抵押及信用卡资产包括个人消费贷资产ABS。 

直到2020年，又有了一些对公资产ABS。因为2020年推出了第3批试点，包括农商行、城商行。农商行城商行个人不良资产不是太多，大部分都集中在一些对公，大部分还是以信用卡跟个人住房按揭不良为主。包括工行，其实都已经达到了接近20单的信用卡不良ABS。

从评估角度包括未来的一些市场角度考虑，ABS如何跟目前的个人批转做结合？

从评估操作的实际政策指引角度出发，包括我们从2016年开始做的个贷批转ABS产品，都是“不良资产支持证券信息披露指引试行政策”推出以后才开始有的银行个贷出表工作，我们主要做有抵押的个人房贷。

这次试点没有把个人住房放进去，从我们角度来看，一是个人住房的体量在银行角度来说比较大；二是个人住房类的不良不同于信用卡，它会有一个回迁的表现。 

总结一下，包括这6大政策要点及原则：

1. 试点机构范围：6家国有银行+12家股份制银行；

2. 试点资产范围：单户对公不良贷款、批量个人不良贷款（这里的批量个人贷款就包括有抵质押物的贷款；包括个人经营、个人消费及信用卡资产三大类）

3. 试点区域要求：地方资产管理公司可以受让本省（自治区、直辖市）区域内的银行单户对公不良贷款，批量受让个人不良贷款不受区域限制。

4. 试点原则：依法合规、市场自愿、公开透明、稳步推进 、真实洁净转让原则

5. 催收行为原则：只能采取自行清收、重组等手段自行处置，收购的不良贷款不得再次对外转让，对清收的责任进行约定，防止出现暴力催收的行为。

6. 不参加试点的不良贷款类型：债务人或担保人为国家机关的贷款，经国务院批准列 入全国企业政策性关闭破产计划的贷款，国防军工等 涉及国家安全和敏感信息的贷款；精准扶贫贷款、“三区三州”等深度贫困地区各项贷款等政策性、导向性贷款；虚假个人贷款、债务关联人涉及刑事案 件或涉及银行内部案件的个人贷款、个人教育助学贷款、银行员工及其亲属在本行的贷款；在借款合同或担保合同中有限制转让条款的贷款；国家法律法规及有关部门限制转让的其他贷款。

已经成交不良试点，其实笔数并不多，规模也并不大，未来规模会慢慢扩大，同时价格也会下降。现在吸引银行的是什么？试点个贷不良规模比较小，打通银行的关系和一定的广告效应，所以造成成交价格比较高，卖到了4毛甚至5毛。

当笔数规模上来，价格下去的时候，银行还愿不愿意去做资产包的转让？当市场回归理性的时候，能否有一个很好的市场价成交，这个都有待试点政策的市场验证。 

个贷怎么做估值？

我们更多的是从银行端的角度，去给银行做相应的估值及个贷批转的论证，因为银行所有的批转流转，都是必须要经过评估手续才能做资产的转让，我们在评估的时候会更多的关注一些基本特征。

基础资产同质化水平高：在同一催收体系和催收政策相同表现下， 催收效果差异相对较小。一般而言，消费场景类别相对集中。

资产池高度分散及规模量级：资产分散度高且规模量级够大，适合用 历史数据分析、统计精算等方式来估计 资产池的回收情况。 

还款现金流不确定，估值难度大：资产为不含抵质押物的纯信用消费类贷款。现金流来源主要为催收回收款，回收金额与回收时间分布均不确定。 

还款表现有明显类别特征：同一银行静态池历史数据回收率有较为明显的聚类特征。 

前期回收时间较为集中：资产池前六个月到一年的评估回收估值占整个不良回收额的50%到70%，后期回收较低，主要依赖借款人的还款意愿和还款能力 

首先基础资产同质化水平，每家银行个贷不良回款表现都是不一样的，那么它在不同催收体系、政策不相同的情况下表现是不太一样的； 

包括资产池分散度，包括我们目前在做的不良ABS，它分散度是比较大的，遍布于全国的各个城市。你可以用银行里的一些历史论证数据做分析，尤其是已经做了消费贷或者信用卡的不良ABS，这些未来都可以做参考论证。因为这些ABS每年都会有跟踪的回款率，包括回款表现，那么可以完完全全论证这个资产包未来的真实催收的回款率表现。

现金流的回款不确定性导致估值难度相对较大，不含抵押的纯信用我们需要确认它的回款周期分布。我们会跟银行要一些字段，这些字段包括借款期限，借款年龄，借款人所属行业，资金授信额度，还款特性。 

我们目前更多的是希望能够借助银行的静态资产池去做论证分析，因为银行的资产池才能真实体现自身的不良。包括银行的前期获客，后期的催收和回款，因为它的受众群体可能不一样，每家银行在前端的获客，都有一定的差异性，我们一定要去了解前端的获客情况； 

还有一些回款周期的时间较为集中，大部分在6个月到1年期间的回款率表现。从我们以往做的个贷不良表现来看，一年期基本能达到不良回款周期的50~70%了，剩下的尾包的价值是多少，大概是什么样的情况，需要分别去做静态池的分析。

这里我们也总结了一些用户信息的提炼要点：

用户信息提炼包括外部数据。我们可以借鉴一些外部的个贷参考数据。银行的历史数据非常重要，如果银行能够提供一些历史数据，我们就可以做银行历史数据和静态池的论证，以此倒推现在的情况。

从评级的角度来看，现在很多银行，信用卡可能有一个很好的历史数据表现，反倒是个人经营，可能并没有建立很好的一个数据体系；包括一些共债信息，他的个人住房有没有在做抵押，有没有信用卡借款等等，这里的话就等于提供了他的一些财产线索，对于未来催收和定价都起到了关键作用。

包括用户画像，我们会要求银行提供不同的字段，包括年龄分布，职业分布，还款能力等等。因为目前第一批成交的相对笔数较少，所以我们选择的尽调方式可能不一样。笔数少的我们会选择逐笔尽调，笔数多的我们会选择抽样尽调；包括一些社交特性的论证，这些都属于我们用户信息的提炼。 

还有几个关注点，一是前端的获客。我们在银行收包的时候，一定要了解银行此类资产的前端获客是什么样的情况，因为银行的产品其实是比较多样化的，包括零售资产中有不同的产品设置，不同的产品设置面向的受众群体和获客渠道都是不一样的，而获客的质量高低直接到影响到未来催收回款的多少。

二是催收系统。催收系统是银行在自己的催收系统下回款率的表现，如果你在资产收购端的时候，是否是跟它的催收系统匹配，或者是能不能达到它的催收能力，这个都是能够判断未来价值的参考。如果你的催收能力强于银行或者是能比银行做更多的失信修复等，那么你的净回收价值就高，那么如果你没有那个能力，那你的净回收价值可能就没有原来那么高。 

所以，这也是衡量你的判断。因为在整个定价来说，我们有几个价格，一个是银行认为的一个公允价值，一个是收购方的投资价，投资下来能够产生多少收益投资价，还有一个真实的成交价。目前第一批都是实际成交价，并不是真实的投资价，也并不是真实的银行公允价。 

算出来不是说你投资价值就值这么高，往往是一次拍卖一个成交价，这个其实是几个价值类型，还有一些规模效应。目前笔数比较少，都是三笔，不到几十笔，高的也就100多笔，那么当笔数比较大的情况下，这个数据相对来说就会比较准确。 

我们采用的给银行做的估值法，更多的是我们自己的估值模型。包括一些客户提供的资产包数据，这个是需要银行提供的，包括借款人特征，年龄，职业，还有借款授信额度等分布，包括贷款的特征，历史真实回收的一些属性，还有就是我们需要去访谈去了解的贷款客户背景，季节性因素，包括发起机构的催收能力。

因为每家银行合作的委外或者是自身的催收，包括地区的催收都不一样，我们看到有些是南方的回收比例高一些，北方的回收比例会低一些，这都是有一定市场规律可循的。 

我们也需要针对资产池的属性去做一些论证，并根据宏观经济形势做修正。由于银行前端的获客群体不同，我们也会根据城市景气指数、不同地区的回款率表现做差异化处理。 

这套估值模型针对规模比较大的包准确性较高，小包可能不太适用于这套模型。整体的评估流程，包括静态资产池的入选，有效资产池的验证，剔除不合格资产。 

未来，我们的资产池可能有两种属性，一种是银行拿的大批量的包，一种是银行拿的小批量的包。 

大批量：资产池规模较大情况下，基于行里历史数据和外部市场个人数据进行综 合定价及修正，进行模拟测算，采用模特卡罗等数据模型进行数据拟合。（评估进行抽样尽调）

小批量：资产池规模较小情况下结合大批量测算逻辑，进行逐笔分析，逐笔分析 维度进行修正综合测评债务人清楚，并结合大批量进行权重修正。（逐笔尽调）

这里我们可能会有不同的估值模型。目前试点的都是小批量包，小批量包有两个极端，要不然就是回款率远远高于正常大模型的数据，要不然就是回款率极低，所以我们一定要逐笔去尽调，了解小包的资产属性，根据属性去做一个修正。 

如果是大包，我们就根据前面的一些模拟去做，而且这个工作原则也不一样。大包的话我们采用抽样原则，从不同的维度，在5000、1万、3万或者是5万每个不同段，我们会抽取不同的样本做论证。小规模的包，我们会做逐笔论证，这是一个整体流程。 

如果有部分财产线索，比如个人住房，我们会应用自己的EVS系统，EVS系统是广泛应用于银行的授权审批及贷中贷后的整体流程，已经广泛应用于200个城市，覆盖了9,000万个房号，用于个人住房的价值判断并且精准估值到户的一个工具，我们也会作为参考。 

个贷不良批转与个贷不良ABS对比

目前批量转让规模笔数都比较少，以下是个人批转跟银行在做的ABS产品的一些对比：

不良ABS现在市场上规模非常大，每家银行包括信用卡都至少有几十单的一个规模，体量都是十几万笔以上。这些资产虽然银行达到了出表的效果，但是到期后都面临清仓回购，同时很多银行也有一定的清仓回购的压力。那么未来这些清仓回购的资产，是否到清仓回购的节点时，能够做不良的批量转让？这个其实是我们未来可以去思考，去做产品结构的论证。 

如果到期清仓回购的这些资产真的能够做成一个资产包的转让，这时候其实银行动力可能会更大。首先，前期大部分的一些催收收益已经留在了银行，尾包的收益其实价值并不大，尾包的价格相对较低。未来更注重催收能力的一些机构，把尾包买断进行催收，那么这个包的质量，前期已经做了一个很好的论证，未来不管是科技赋能也好，做了其他的一些产品动作也好，那么这个回收率是相对可观的。

希望未来个贷以科技赋能为主，其实很多银行也做了一些区块链的技术，可以把个贷嫁接到区块链技术，使底层资产更加透明真实不可篡改，通过科技赋能推动我们的个贷批转试点工作，我今天的分享就到这里，谢谢大家！

注：文章为作者独立观点，不代表资产界立场。

题图来自 Pexels，基于 CC0 协议

本文由“资产界研究中心”投稿资产界，并经资产界编辑发布。版权归原作者所有，未经授权，请勿转载，谢谢！

原标题：世联评估陈迅：银行个贷不良批转评估的解析与思考

不良资产不良贷款银行银行资产信用卡