2. ECL核心概念

在信贷组合管理中，ECL（Expected Credit Loss，预期信用损失）不是“已经发生的坏账”，而是对未来信用损失的概率加权估计。它把风险计量从“事后核销”推进到“事前预判”，并直接进入拨备、定价、资本与限额管理。理解ECL，必须同时掌握其定义、三阶段模型、四大参数以及宏观经济情景的作用机制。

一、核心原理：ECL的定义与计算逻辑

ECL是指在给定时间范围内，信用损失的条件期望值。其通用表达式为：

ECL = Σ [ PD(t) × LGD(t) × EAD(t) × 折现因子(t) ]

其中，PD、LGD、EAD均可能随时间变化，折现因子将未来损失拉回报告时点。ECL的本质是“概率加权+时间价值+前瞻信息”的三重叠加。与传统的已发生损失模型相比，ECL要求银行在资产尚未违约时，就基于未来宏观经济、借款人行为与抵押品价值变化，提前确认损失。

二、三阶段模型：风险分层与损失确认规则

三阶段模型是ECL落地的核心框架，按信用风险是否显著上升及是否已违约，将资产划分为三个阶段：

阶段	风险状态	损失确认方式	利息收入计算基础
第一阶段	初始确认后信用风险未显著上升	12个月预期信用损失	账面总额
第二阶段	信用风险显著上升但未违约	整个存续期预期信用损失	账面总额
第三阶段	已发生信用减值/违约	整个存续期预期信用损失	账面净额（扣除拨备）

阶段划分不是静态标签，而是动态迁移过程。一笔贷款可能从第一阶段迁入第二阶段，也可能因风险缓解回到第一阶段。阶段迁移直接决定拨备是“12个月”还是“全生命周期”，对利润表影响巨大。

三、四大参数：PD、LGD、EAD与折现率

PD（违约概率）：借款人在未来特定时间内发生违约的概率。ECL中常用12个月PD或整个存续期PD。PD估计需结合历史违约数据、评级迁移矩阵与前瞻性调整。

LGD（违约损失率）：违约发生后，损失占风险暴露的比例。LGD = 1 - 回收率。回收来源包括抵押品处置、保证人代偿、现金回收等。LGD受抵押品类型、清偿顺序、法律环境与处置周期影响。

EAD（违约风险暴露）：违约时点预计的风险敞口。对于表内贷款，EAD通常为账面余额加应计利息；对于表外承诺，需乘以信用转换系数（CCF）。

折现率：ECL要求将未来损失折现至报告时点。折现率通常采用实际利率或原始有效利率，确保与资产账面价值计量基础一致。

示例：一笔贷款EAD=1,000,000元，PD=2%，LGD=45%，期限1年，折现率5%
ECL = 1,000,000 × 2% × 45% ÷ (1+5%) ≈ 8,571元

四、宏观经济情景：前瞻性调整的落地方式

ECL区别于传统模型的关键，在于引入宏观经济情景。常见做法是设定基准、乐观、悲观三种情景，分别预测GDP增速、失业率、房价指数、利率等变量，再映射到PD与LGD。

• 情景设定：确定情景数量、权重与关键宏观变量路径。
• 参数映射：建立宏观变量与PD、LGD的回归或卫星模型。
• 情景加权：按权重计算各情景ECL，再加总为最终ECL。
• 反向压力测试：验证极端情景下拨备充足性。

五、案例复盘：参数映射如何影响拨备

假设某组合有两笔贷款：A贷款评级BBB，PD=1.5%，LGD=40%，EAD=500万；B贷款评级BB，PD=4%，LGD=55%，EAD=300万。若仅用基准情景，ECL约为：

A: 500万 × 1.5% × 40% = 3.0万
B: 300万 × 4% × 55% = 6.6万
合计基准ECL = 9.6万

若加入悲观情景，PD分别上升至2.5%和7%，LGD上升至50%和65%，权重30%，则加权ECL显著上升。这说明ECL对参数变化高度敏感，尤其是PD与LGD的联动上升。

六、方法流程：从数据到ECL的完整链路

1. 数据准备：提取违约历史、回收记录、敞口余额与宏观变量。
2. 参数估计：分别建模PD、LGD、EAD，并完成前瞻性调整。
3. 阶段划分：依据信用风险显著上升标准，确定资产阶段。
4. 情景生成：设定基准、乐观、悲观情景及权重。
5. ECL计算：按阶段选择12个月或全生命周期，逐期折现并加权。
6. 结果校验：与历史损失率、监管要求及业务实际进行比对。