非金融企业ECL实务探讨系列（二）：风险阶段划分及PD计量

在预期信用损失（ECL）计量框架下，风险阶段的划分与违约概率（PD）的测算是整个减值模型中的两个关键环节。风险阶段的划分直接决定了计提损失准备的时间跨度，取决于信用风险是否显著增加的判断，涉及信用评级、逾期天数等多维指标及管理层判断；以未来可能的违约事件造成的损失的期望值来计量当前应确认的减值准备，则需要融合历史违约数据、宏观经济因子及前瞻性信息，借助回归方法对历史违约数据建立违约概率与宏观经济因子的关系，可融入管理层的专业判断，形成契合当期基本面、并能反映未来经济走势的时点违约概率。

对于非金融机构企业以及部分非银行金融机构，企业普遍面临缺乏统一且可验证的依据、内部风险管理体系缺失或不完善、历史违约样本数量稀疏、期限覆盖不全面、缺乏同行业/同规模企业可参考的信用风险参数市场对标数据等现实痛点。

风险阶段划分与PD计量过程，在逻辑一致性、风险暴露类别和量化风险因子的权重、信用风险显著增加判断的合理性、模型选择恰当性、基础数据可靠性以及前瞻性调整方法等方面，均存在较高的专业技术要求，管理层存在较大的主观判断与估计空间。风险阶段划分与PD既是预期信用损失计量的核心，也是审计人员需要获取充分、适当审计证据的关键领域。

本文聚焦于预期信用损失中的风险阶段划分与PD计量，拆解风险三阶段的划分标准、信用风险显著增加的判断要点、PD计量的方法论及审计关注要点，并结合风险阶段划分及PD模型量化的技术实践，为获取充分、适当的审计证据提供可参考的视角。

ECL风险划分逻辑与非金融企业内部评级风险参数量化

ECL计量基础—信用风险三阶段划分基本要求

按照会计准则和监管要求，企业应当基于合理成本即可获得的、合理且有依据的信息（包括前瞻性信息）进行风险阶段划分，阶段划分的核心在于对信用风险显著增加（SICR）及已发生信用减值的衡量与界定,相关规范性文件及协会业务指引等提及可参考逾期天数、预期损失的变动、违约损失率的变动进行定量判断，或根据债务人财务经营状况定性判断。

《企业会计准则第22号—金融工具确认和计量（2017年修订）》

无论企业采用何种方式评估信用风险是否显著增加，通常情况下，如果逾期超过30日，则表明金融工具的信用风险已经显著增加。除非企业在无须付出不必要的额外成本或努力的情况下即可获得合理且有依据的信息，证明即使逾期超过30日，信用风险自初始确认后仍未显著增加。

《企业会计准则第22号—金融工具确认和计量（2017年修订）》

企业在评估金融工具的信用风险自初始确认后是否已显著增加时，应当考虑金融工具预计存续期内发生违约风险的变化，而不是预期信用损失金额的变化。企业应当通过比较金融工具在资产负债表日发生违约的风险与在初始确认日发生违约的风险，以确定金融工具预计存续期内发生违约风险的变化情况。

在为确定是否发生违约风险而对违约进行界定时，企业所采用的界定标准，应当与其内部针对相关金融工具的信用风险管理目标保持一致，并考虑财务限制条款等其他定性指标。

《商业银行预期信用损失法实施管理办法》

（一）商业银行在阶段划分时，应评估与信用主体及其信用风险敞口相关可获得的信息。（二）商业银行应建立独立的、定量与定性相结合的阶段划分标准，至少每年对阶段划分标准进行一次重检修正。（三）商业银行不应机械使用阶段划分标准，而应坚持实质性风险判断原则，根据对信用主体信用状况和还款能力的分析，判断信用风险是否显著增加。

“信用风险自初始确认后未显著增加”的金融资产划分为第一阶段，“信用风险自初始确认后已显著增加但尚未发生信用减值”的金融资产划分为第二阶段，“初始确认后发生信用减值”的金融资产划分为第三阶段。

对于已发生信用减值（即划分为第三阶段）的判断，判断标准包括：债务人发生严重财务困难、利息或本金发生违约或逾期超过90天、债权人出于与债务人财务困难有关的经济或合同考虑给予债务人在任何其他情况下都不会做出的让步、债务人很可能倒闭或进行其他财务重组以及其他客观证据显示发生减值的情况等。

信用风险判断维度—SICR与内部评级的共同标尺

SICR判断=主体信用风险（核心）+债项特征（微调）

针对非金融机构，企业在进行风险阶段划分时考虑的定性和定量因素可以包括：信用风险所导致的内外部指标（如信用利差）的显著变化、内外部评级实际或预期的显著变化、预期将导致债务人履行其偿债义务的能力发生显著变化的业务、财务或外部经济状况的不利变化以及债务人所处监管、经济或技术环境的显著不利变化等。

影响债项及其主体的信用风险因素既可以作为风险阶段划分的判断依据，进一步可以作为企业内部评级的评估标准。影响不同行业企业的信用风险关键因素可能存在显著差异，应结合行业特性，差异化识别并界定这些因素， 聚焦所属行业特有的风险驱动维度，围绕这些维度设定相应的判断标准。但管理层需同时结合企业自身经营特征，自主设定各因素的阈值与权重，并根据实际情况动态调整。

下表通过医药制造、科技创新两个行业示例展示了不同行业信用风险量化参考维度。

PD 计量实操：方法论选择

违约概率（PD）应是单一风险特征评级下一年期实际违约率的长期平均数。可采用内部违约经验、映射外部数据和统计违约模型等技术估计平均违约概率。在实务场景中，PD计量需兼顾数据质量和有效性、模型适配性与风险敏感性，不同市场环境、主体类型及数据基础下，适用的计量逻辑与实操路径存在显著差异。

对于尚不具备建立内部评级体系的非金融企业，为解决PD计量中的数据稀疏、周期拟合、动态调整等核心问题，下文聚焦主流实操方法展开梳理，重点介绍迁徙法、外部数据映射两个经典计量路径及其核心原理、参数选取标准、数据处理要点及适用边界等，为不同场景下的PD合理计量提供清晰可落地的实操指引。（前瞻性调整部分详见《非金融企业ECL实务探讨系列（四）：前瞻性调整》）

方法一：迁徙率法

迁徙率法是通过观察资产在不同账龄或风险档位之间转移的历史概率，建立迁徙矩阵，推导累积PD。适用于没有内部评级但已积累足量覆盖完整信用周期历史数据的标的资产。

• 具体步骤

1、明确违约标准，建立信用风险档位划分标准，界定各档位及违约档范围；

2、确定样本期间，选取足量历史资产组合样本；

3、按照信用档位统计每期期初余额及期末迁徙至各档位的金额；

4、计算各档位向违约档的迁徙比例，构建初步迁徙矩阵；

5、对历史迁徙比例平滑处理，消除短期波动影响；

6、结合目标金融资组合特征，确定适用PD。

• 案例解析

根据相关定性考虑因素进行风险组别划分。以各季度初为期初时点，观察12个月后拖欠状态的变化情况，以此计算各风险组别之间的迁徙率和违约概率。如下表：

其中，X1表示某风险组别期初状态为1档的债务人数量，用X11、X12……X17分别表示该X1位债务人12个月后状态为1档、2档、3档、4档、5档、6档、7档的债务人数量，该风险组别期初的1档债务人在12个月后迁徙至2档的比率为X12/X1（即为迁徙率）。类似地，X23/X2表示期初为2档、12个月后迁徙至3档的迁徙率。

将“不良”（即7档）定义为“违约”，因此，对于期初为1档的债权，12个月违约概率PD=X17/X1；对于期初为2档的债权，12个月违约概率PD=X27/X2，以此类推。

方法二：外部评级映射

客户/资产映射至权威外部数据源（如中债资信）的信用评级或违约参数，作为PD计量的基础，外部评级量化风险数据针对债务人的违约风险，而不反映债项的特征。将信用风险评价映射到外部评级后，对应外部评级的违约概率可作为相同评级下债权资产的违约概率。

• 具体步骤

1、界定需通过外部数据映射计量PD的客户/资产类型；

2、筛选权威外部数据源；

3、统一内部数据与外部数据源关键定义，避免映射偏差；

• 权威外部数据示例

A. 中债资信：

—按信用等级划分

B. Moody’s：

—按信用等级划分

审计程序落地：PD核查清单

为确保PD计量底稿获取的充分性和适当性，以及评价企业管理层在PD估计中做出的重大判断与假设的合理性，审计师可参考以下维度执行审计程序，将对模型的定性了解与对参数的定量测试相结合。

专家支持路径：PD数据的独立验证

审计师开展预期信用损失有关的会计估计及相关披露的审计工作的挑战性在于其同时涉及历史数据的可靠性和未来经济预测的合理性。管理层在PD模型构建过程中，不可避免地存在主观判断空间。为有效应对这一挑战，注册会计师可借助专家的技术支持，构建对PD参数和模型的“双重独立验证”体系。

核心难点聚焦：PD计量中的三大挑战

在信用风险评估实务中，PD测算仍面临三方面突出挑战，构成审计证据获取的关键制约因素：

一、基础数据支撑仍待夯实。国内各行业历史违约样本存量呈现结构性分化特征，部分成熟行业经过多轮信用周期沉淀，违约历史样本积累相对充分，能够为相关维度PD参数校准提供较为完备的数据依托；但多数细分行业存续周期较短、违约事件发生频次有限，历史违约样本储备相对匮乏，叠加不同剩余期限主体违约记录分布不均衡的客观现状，整体数据稀疏问题客观存在；

二、宏观经济与违约参数的联动映射机制有待进一步完善。在ECL前瞻性参数建模实操中，GDP、CPI 等宏观指标通用性突出，已被多数主体纳入PD前瞻性回归因子范畴；而立足于细分行业差异化经营特征，部分特色行业可匹配专属行业指标开展量化回归建模（如房地产行业选择房地产开发景气指数作为前瞻性因子）；但仍有不少细分领域受产业统计口径、数据可得性等因素制约，尚未形成适配自身风险规律的专项宏观驱动指标。

另外，部分企业在实操层面对前瞻性调整的回归建模审慎性关注度不足，弱化自变量显著性检验、拟合有效性、残差相关性等统计校验工作，削弱了ECL计量结果的客观审慎性；

三、动态调整机制有待完善。针对市场违约率变动、信用评级迁徙趋势及宏观经济形势变化，模型参数的实时更新机制不够健全，难以充分实现对资产信用风险真实状况的动态反映与精准研判。

专家支持服务：中债资信数据基石与细化PD体系

为提升预期信用损失计量的审慎性与前瞻性，致同估值团队引入中债资信数据库作为核心数据基石，该数据库凭借覆盖国内全市场各类上市债券(含企业债、公司债、中期票据、短期融资券等)、时间跨度超10年的完整历史数据，以及按日更新的实时数据反馈能力，为PD体系构建提供了广度与时效性兼具的数据支撑。

在此基础上，我们构建了覆盖AAA至C级全信用等级的、不同到期期限的细化PD计量体系。该体系整合了国内上市债券的历史实际违约数据，并融入宏观经济指标进行前瞻性调整，确保PD计量体系能动态反应经济周期波动对债券违约风险影响。此外，团队建立了常态化更新机制，根据市场债券违约风险变动开展定期常规更新，在宏观经济政策重大调整、行业信用环境突变等特殊情形下及时更新，确保PD计量体系始终与市场实际风险水平适配。通过这种数据基准与行业对标的结合，注册会计师能够有效穿透ECL模型的“黑箱”，获取具有专业说服力的审计证据，降低审计风险。

估值团队基于中债资信数据，梳理了国内不同信用主体前瞻性调整后的违约概率（PD）动态变化趋势。在国内经济环境下，各信用等级主体的违约概率随时间推移总体呈上升趋势。高等级主体（如AAA、AA+）的违约概率在初期处于极低水平，曲线坡度整体平缓，违约概率随时间增长的幅度较小。中等信用等级主体（如BB+、BB）表现出相对较为明显的线性增长特征。低信用等级主体（如CCC）的违约概率普遍较高，且随时间快速上升，部分年限下的违约概率趋近于100%。

全球行业对标：Moody’s违约数据前瞻与多维度PD对标

除了国内数据基准，致同估值团队对于Moody’s披露的按行业、按信用等级分类的全球历史平均累计违约概率进行了前瞻性调整，并在此基础上进行分析。

通过全球对标，可以清晰呈现出行业维度的差异化分布特征，且该分布与宏观经济周期波动形成关联:高风险行业与低风险行业的累计违约概率差距进一步拉大。例如，公用事业行业、保险及银行业是低等违约概率梯队;而建筑、能源电力、广告媒体、不耐用消费品等跻身高违约概率梯队。注册会计师可利用此类行业对标数据，有效评估被审计单位PD取值的行业合理性与审慎性。

对比中债资信公布的预期违约概率数据与Moody's发布的全球信用等级违约概率并经前瞻性调整后数据，二者呈现在绝对水平和期限结构差异。绝对差异体现中债资信各等级违约概率整体低于全球水平，尤其投资级差异显著，中债资信10年期AAA级PD较Moody's全球低接近50%，根源在于国内信用债市场违约历史较短、高等级主体资质更稳健、刚性兑付影响仍存在。期限结构差异体现为在期限结构层面，中债资信PD期限曲线更为陡峭，BBB及以下等级对期限变化的风险敏感度高于全球PD水平。受国内低资质主体违约数据储备不足、信用风险定价体系尚未完全成熟影响，本土市场长期限信用风险释放更为集中，推动长端违约概率上行更快，与全球成熟市场相对平缓的期限风险走势形成鲜明差异。