2014年7月《國(guó)際會(huì)計(jì)準(zhǔn)則第9號(hào)》出臺(tái),該準(zhǔn)則引入預(yù)期信用損失模型。為與國(guó)際財(cái)務(wù)會(huì)計(jì)準(zhǔn)則趨同,財(cái)政部于2017年4月頒布了新的金融工具準(zhǔn)則。2018年除強(qiáng)制應(yīng)用新減值模型的金融機(jī)構(gòu)以外,我國(guó)僅有浦發(fā)和平安兩家銀行主動(dòng)應(yīng)用新的減值模型,其他金融機(jī)構(gòu)被要求在2021年之前全部應(yīng)用新的減值模型。本文以南京銀行作為研究對(duì)象,對(duì)其模擬應(yīng)用預(yù)期信用損失模型,分析應(yīng)用新減值模型的帶來(lái)的影響,為南京銀行應(yīng)用預(yù)期信用損失模型提供思路,也為其他金融機(jī)構(gòu)實(shí)施新的減值模型提供參考。本文以國(guó)內(nèi)外關(guān)于預(yù)期信用損失模型的相關(guān)研究為基礎(chǔ),簡(jiǎn)述并對(duì)比新舊減值模型的內(nèi)容及應(yīng)用,梳理我國(guó)三類上市商業(yè)銀行的貸款及其貸款減值準(zhǔn)備計(jì)提現(xiàn)狀。簡(jiǎn)述南京銀行背景及資產(chǎn)狀況之后,模擬應(yīng)用預(yù)期信用損失模型。首先,根據(jù)面臨違約風(fēng)險(xiǎn)的不同將其劃分到三個(gè)階段。其次,指出新的減值模型所選取的主要參數(shù)及其確定方式,計(jì)量預(yù)期信用損失模型相關(guān)參數(shù),將所得參數(shù)代入預(yù)期信用損失模型分別計(jì)量三個(gè)階段的貸款減值損失,加總?cè)齻�(gè)階段計(jì)提的減值準(zhǔn)備金額作為總的貸款減值損失。最后,分析應(yīng)用預(yù)期信用損失模型所可能帶來(lái)的影響,包括銀行業(yè)績(jī)和財(cái)務(wù)狀況的影響、對(duì)資本管理和風(fēng)... 

【文章來(lái)源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

預(yù)期信用損失模型定量計(jì)算過(guò)程

各國(guó)有控股商業(yè)銀行不良貸款率變化趨勢(shì)

第三章南京銀行貸款減值損失及計(jì)提現(xiàn)狀20但也絕對(duì)是占比最大的資產(chǎn)，因次本部分同樣選取貸款總額、資產(chǎn)減值損失和不良貸款率這三個(gè)指標(biāo)作為分析對(duì)象對(duì)我國(guó)股份商業(yè)銀行的貸款減值準(zhǔn)備計(jì)提現(xiàn)狀進(jìn)行分析。具體數(shù)據(jù)如表3.2所示。表3.2股份制商業(yè)銀行貸款總額、資產(chǎn)減值損失以及不良貸款率（單位：百萬(wàn)）銀行名稱指標(biāo)20142015201620172018興業(yè)銀行貸款總額15931481779408207981424306952934082資產(chǎn)減值損失2590445260512763550746404不良貸款率（%）1.11.461.651.591.57浦發(fā)銀行貸款總額20283802245518276280631946003549205資產(chǎn)減值損失2419338795491045528560420不良貸款率（%）1.061.561.892.141.92平安銀行貸款總額10247341216138147580117042301997529資產(chǎn)減值損失1501130485465184292557不良貸款率1.021.451.741.71.75招商銀行貸款總額25139192824286326168135650443933034資產(chǎn)減值損失316815926666159599268不良貸款率（%）1.111.681.871.611.36中信銀行貸款總額21879082528780287792731968873608412資產(chǎn)減值損失2367340037522885578758233不良貸款率（%）1.31.431.691.681.77圖3.2各股份制商業(yè)銀行的不良貸款率變化趨勢(shì)從表3.2可知股份制商業(yè)銀行的貸款規(guī)模如國(guó)有控股大型商業(yè)銀行一樣規(guī)模也是逐年擴(kuò)大。但反觀股份制商業(yè)銀行的不良貸款率，變化趨勢(shì)與國(guó)家控股大型商行相比就顯得不是那么規(guī)律。由圖3.2可知股份制商業(yè)銀行不良貸款率有一部分呈現(xiàn)出下降的趨勢(shì)，有一部分則顯現(xiàn)出持續(xù)上升的趨勢(shì)，但總體來(lái)看股份制銀行也在近幾年也開(kāi)始控制不良

【參考文獻(xiàn)】：
期刊論文
[1]金融資產(chǎn)減值準(zhǔn)則改革對(duì)銀行業(yè)影響研究[J]. 王茜,劉婭,趙淑鵬.  財(cái)會(huì)通訊. 2018(31)
[2]基于違約概率測(cè)度的商業(yè)銀行預(yù)期信用損失模型應(yīng)用研究[J]. 王葒,劉昱沛.  武漢金融. 2018(08)
[3]銀行信貸行為順周期性形成機(jī)制研究——基于DSGE模型的分析[J]. 李志輝,王文剛,王近.  南開(kāi)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2018(04)
[4]金融工具會(huì)計(jì)準(zhǔn)則修訂對(duì)銀行業(yè)的影響分析[J]. 董鈺凱,胡本源,岳俊俠.  財(cái)會(huì)通訊. 2018(19)
[5]商業(yè)銀行資產(chǎn)減值損失模型選擇[J]. 斯葉青.  財(cái)會(huì)通訊. 2018(16)
[6]商業(yè)銀行資本緩沖周期性特征的差異性分析[J]. 康旺霖,趙昕,劉鵬飛.  財(cái)經(jīng)論叢. 2018(04)
[7]商業(yè)銀行貸款業(yè)務(wù)核算的財(cái)稅比較及分析[J]. 張高麗.  財(cái)會(huì)月刊. 2018(07)
[8]金融工具確認(rèn)和計(jì)量準(zhǔn)則的修訂對(duì)銀行業(yè)的影響分析——以A股上市銀行為例[J]. 王世軍,晁藝璇,孟星辰.  金融發(fā)展研究. 2018(02)
[9]實(shí)施逆周期資本緩沖的若干探討[J]. 汪航,徐培文.  新金融. 2018(01)
[10]中國(guó)商業(yè)銀行資本緩沖周期性研究——基于宏觀審慎逆周期監(jiān)管視角的分析[J]. 汪航,董青馬.  投資研究. 2018(01)



本文編號(hào)：3517834