当前正在演化的新冠肺炎疫情对中国社会经济带来前所未有的冲击，不仅严重威胁到国民生命健康，而且造成社会停摆，国民经济遭受巨大损失。我国是间接融资为主的经济体，银行信贷是我国经济体系的中枢神经。疫情对经济的影响必将进一步冲击到银行信贷上。而银行信贷是一旦出现系统性风险，不仅危及疫后经济复苏，而且会在相当长的时间内对经济发展造成严重影响。2月21日中央政治局会议再一次强调要打好防范化解重大金融风险攻坚战，牢牢守住不发生系统性风险的底线。为考察疫情带来的潜在信贷系统性风险，中国系统工程学会理事长杨晓光研究员的研究团队，通过建立针对性的宏观经济传导模型和信用风险传导模型，定量测算无政策调整情况下疫情对银行信贷质量的冲击，并据此提出两方面的应对策略。

一、测算模型的基本原理

疫情对银行信贷质量的冲击，是疫情对经济影响的次生冲击，是疫情影响的二阶效应。因此对此进行测算有着比测算疫情对经济影响更大的难度。本报告测算模型的建立，分两步进行。第一步是全面考量影响信贷资产质量的宏观风险指标，建立起信贷风险传导模型；第二步是建立主要宏观经济变量到宏观风险指标的宏观经济传导模型。以这两个模型为工具，结合疫情对经济增长影响的合理情景设定，测算疫情对全国以及湖北、广东、浙江、北京、上海五省市不良贷款率的影响；进而结合对信贷增速的估计，测算全国及五省市2020年底潜在的不良贷款余额的规模。具体地，对于全国性的信贷风险传导模型，使用的是改进的Credit Portfolio View模型，建立不良贷款率和宏观风险指标之间的线性回归模型，使用逐步回归法对宏观风险指标进行筛选，以保证选用风险指标的统计显著性以及较高的拟合效果；对省市信贷风险传导模型，采用大陆地区所有省市自治区建立面板回归模型，以保证在全国系统性的框架下刻画疫情对各省市的影响；对于宏观经济传导模型，为避免过多的外生假设影响测算质量，报告采取以GDP增速为核心，采用ADL模型建立 GDP增速到其他经济指标和宏观风险指标的关联。研究得到的这套不良贷款测算体系，可以作为工具，支持有关部门依据疫情发展去做进一步的信贷系统性风险的测算。

二、测算结果

报告采用2004至2019年季度数据估算信贷风险传导模型和宏观经济传导模型（模型估计结果见附录1），对疫情影响GDP增速的情景设定参照中国科学院预测中心以及国内、国际数家机构的估计综合而得，对2020信贷增速的保守估计采用2004年以来的平均增速加上一倍标准差。 具体测算结果如下：按照现有政策和疫情发展趋势，情景1假设疫情一季度内得以控制，一季度GDP同比增速下降到4.5%，则计算得到全国年末不良贷款率约3%，年底不良贷款总余额约4.39万亿，湖北、北京、上海、广东、浙江的不良贷款率分别约为3.23%、3.34%、2.73%、3.08%、2.95%；情景2假设一、二季度都受疫情较大影响，一、二季度GDP同比增速分别为4.5%和5%，则计算得到全国不良贷款率将达到3.37%，不良贷款总余额约4.88万亿，湖北、北京、上海、广东、浙江的不良贷款率分别约为4.01%、3.61%、3.02%、3.54%、3.29%。不论是情景1还是情景2，2020年相比2019年不良贷款余额增速超过80%，新增不良贷款接近历史上不良贷款余额存量，且不良贷款余额与2019年商业银行贷款损失准备余额4.5万亿相当。因此整个银行体系信贷系统性风险水平相当高，有可能导致抗冲击能力较弱的中小银行出现重大信用风险。

三、政策建议

为应对疫情冲击，维护银行体系的安全与健康，建议从两个方面采取措施：一是努力减少新增不良贷款，提高整体信贷质量；二是提高银行系统稳定性，降低不良贷款带来的冲击。

第一个方面措施包括疫情期间以线上为主、疫后线上线下相结合，刺激居民消费，增加消费行业的收入；放宽银行展期或续贷的标准，降低受疫情影响严重的企业还款负担；可考虑在银行设立新的部门，对部分还款困难有发展潜力的企业采取债转股形式；通过适当下调贷款利率、增加信用贷款和中长期贷款、提供不同种类的质押融资方式、降低担保费和再担保费等方式纾解融资困境；考虑小微企业的个性化需求和困境，提供有针对性的解决方案和个性化金融服务，不得盲目抽贷、断贷、压贷。

第二方面措施包括合理使用货币政策工具，针对不同类型的银行，有区别地下调法定存款准备金率、基准存款利率，根据疫情发展情况，相机调整中期借贷便利利率（MLF）和贷款市场报价利率（LPR），以对冲银行贷款收益率下行风险；定期审慎测算不良贷款发展趋势，增加贷款损失准备金，进一步提高贷款拨备率；通过加快永续债发行、国家财政补贴等方式来补充一级资本，强化风险承受能力；延长银行理财资管新规过渡期，防止存量产品过快处置导致融资收缩，适度放松类货币基金新规。

中国系统工程学会

2020年2月24日