农商行信用评级下调风险值得关注

　　19年以来，受各方因素影响，农商行信用评级下调数量大幅增长。我们从区域经济及股东结构、业务结构、资产质量、盈利能力、流动性与资本充足性五大板块，运用近30个二级指标构建农商行的信用赋分模型。相较现有信用评级分析模式，我们搭建的模型具有样本覆盖面广、独特银行业分析视角、结合定性与定量方法的优势。首先，除去已获取信用评级的农商行，我们还将未获取评级的农商行标的也纳入模型，扩大了信用评级分析的覆盖标的。其次，在已有研究的基础上，从银行业分析师的视角丰富了信用评级方式，在房地产贷款、零售贷款等方面都加入了银行业角度的理解。在模型评估指标上，我们采用定性定量结合的分析思路，对样本进行综合赋分，从一定程度上避免了纯量化带来的“精确的错误”。

　　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。

　　回归测试显示赋分模型有效性高

　　模型赋分结果和样本农商行20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20年末），其中共有286家农商行数据非空。回归得出模型赋分和信用评级具有较高的相关性。此外，模型赋分每增加1分，信评下调的几率比降低9.8%——模型预测信用评级下调的准确率达95.45%。这佐证了我们模型的有效性。

　　农商行未来何去何从

　　较好的选择是下沉服务重心，专注小微三农客户。从《农村金融部关于进一步加强农村中小金融机构大额风险监测和防控的通知》和《关于推进农村商业银行坚守定位强化治理提升金融服务能力的意见》两个发文来看，监管已经为农商行未来发展指明了一条清晰的道路，那就是坚守当地，下沉网点和客户资质，专注本地的小微和三农客户。做好小微金融业务的代表性银行：常熟银行和张家港行，其特点是法人治理能力良好、战略定位清晰、管理水平精益求精，充分利用科技赋能，网点充分下沉。

　　风险提示：模型基于历史数据；统计口径存在差异；财务数据有重述可能。