【研报】银行业：如何从新视角评估农商行的信用风险-210413（22页）.pdf

上传人：栗****苦

编号：33951

2021-04-14

PDF 21页 672.24KB

《【研报】银行业：如何从新视角评估农商行的信用风险-210413（22页）.pdf》由会员分享，可在线阅读，更多相关《【研报】银行业：如何从新视角评估农商行的信用风险-210413（22页）.pdf（21页珍藏版）》请在三个皮匠报告上搜索。

1、赋分前十农商行综合实力较强赋分前十的农商行综合实力较强。截至 2019 年底，得分前十的农商行中仅广州农村商业银行在港股上市，其余均未上市。其中七家位于广东省，三家位于福建、安徽、浙江，可见发达的区域经济对于农商行经营发展十分有利。十家农商行中，有 7 家总资产规模超过1000 亿元，在样本中处于中上游位置，已经形成了一定的规模优势。十家农商行 2019 年平均营收/归母净利润增速为 13.13%/18.60%，部分农商行增速达到 20%以上，发展十分强劲。从流动性和资本充足情况来看，除广州农商行核心一级资本充足率略低，其余九家农商行资本较为充足，资产流动性比例大多在 70%以上，为业务开展打

2、下良好基础。得分前十的农商行平均不良贷款率为 1.13%，平均拨备覆盖率为 366.41%，资产质量较为扎实，拨备水平高，风险抵补能力较强。模型有效性较高模型赋分结果和样本农商行 2020 年信用评级具有强相关性。我们搜集了 411 家农商行的主体最新信用评级(截至 2020 年末)，其中共有 286 家农商行数据非空。我们创建了名为信评赋分的变量，并令信用评级为 AAA/AA+/AA/AA-/A+/A/A-/BBB+/BBB/BBB-的农商行信评赋分分别为 10/9/8/7/6/5/4/3/2/1。计算得出模型赋分和信评赋分的相关系数为 0.65，两者具有较高的相关性，佐证了我们模型的有效性。模型预测农商行的信用评级下调。2018-2019 年共有 13 家农商行信用评级下调，我们希望用构建的赋分模型来预测农商行信用评级的变化。我们定义哑变量 downgrade，如果一家农商行在 2018-2019 年出现了评级下调，downgrade 的值为 1，否则为 0。然后我们用logit 模型进行回归。

【研报】银行业：如何从新视角评估农商行的信用风险-210413（22页）.pdf

相关报告