本报告通过量化基本面和估值模型,系统分析银行业业务类型、资产负债结构、利润构成、资产质量及资本充足率影响,建立银行ROE与股权要求回报率预测模型,并基于剩余收益模型估算银行合理估值和股权成本,结合宏观经济与监管政策约束,预测银行资产及净资产规模增速,判断银行估值水平与行业择时,对中信一级银行指数2020年合理价位进行预测,提出中性配置建议,建议同时关注十年国债收益率变动以跟踪配置风险
| 年度 | 总资产(万亿) | 负债合计(万亿) | 实收资本占比(%) | 未分配利润占比(%) | 资本充足率 |
|---|---|---|---|---|---|
| 2008 | 42.78 | 40.32 | 51.32 | 13.34 | - |
| 2018 | 151.53 | 139.57 | 13.49 | 42.75 | 14.21% |
无显著涉及具体量化因子构建或量化策略生成内容,报告重点在行业基本面定量分析、财务指标与宏观经济指标的关联建模,以及基于剩余收益模型的银行估值理论与实证。
报告标题:《行业基本面量化系列之银行篇 — 金融工程深度研究》
作者及机构:丁鲁明(中信建投证券研究发展部金融工程团队总监,首席分析师)及研究助理王程畅
发布时间:2019年9月24日
研究对象:中国银行业,特别聚焦“老16家上市银行”和“中信一级银行指数”
主题内容:通过基本面分析和估值模型,深入剖析银行业的业务结构、财务表现、资本约束及估值体系,结合宏观经济指标,预测银行ROE、资产规模和估值,同时提出行业配置建议。
核心论点:
报告系列试图从基本面和估值两大维度为各行业,首篇聚焦银行业,建立合理估值模型并提出行业择时建议。利用对银行业务模式、资产负债表和利润表的财务分析,结合宏观变量,构建银行ROE预测模型;采用剩余收益模型,结合ROE和股权成本估算银行理论价值并辅以择时策略。
银行业务本质上分为信贷业务(表内、表外)、中间业务及其他业务。信贷业务最核心,覆盖项目贷款、个人贷款、票据贴现、承兑汇票及保证等;中间业务产生非利息收入,包括银行卡、代理、理财、结算、托管、投行及担保承诺等;投资业务则包括债券及股权投资。
以“老16家上市银行”2018年合并资产负债表为例:
基础货币由央行资产驱动,其增速应匹配名义GDP。在假设存款准备金率稳定情况下,银行总资产理论上应与货币供应M2同步变动。移动平均法用于短期预测基础货币、货币乘数及GDP增速。基于此,预测2019和2020年银行总资产分别达到313.84万亿元和337.21万亿元,较2019年二季度潜在增幅分别为12.31%和20.68%。
合并利润表显示,
净息差受利率环境影响明显,2015年前与存贷款利差相关,2015年后与10年国债收益率相关,整体风险调整净息差呈下降趋势,反映利率市场化进程中银行盈利压力加大。
生息资产占总资产比重在2018年下滑,部分银行资金从信贷资产向债券投资转移,反映资产配置调整。
不良贷款率与资产减值损失呈正相关,2013年以来资产质量恶化显著,老16家银行不良率优于全部银行水平。
表外业务持有垫款对资产质量具领先指向,大型银行垫款/贷款比率较小,资产质量相对更稳健。
中间业务收入占比近年来稳增,管理费用占比趋稳并逐步下降,说明银行盈利结构趋向多元化,且经营效率略有提升。
贷款减值准备变动显示拨备计提基于违约概率等风险模型,结合宏观经济前瞻性调整。招商银行2018年拨备显著增加,反映贷款风险加大预期。
贷款损失率与宏观经济负相关,GDP和工业增加值的回归模型表明经济增长放缓会导致贷款损失率上升,2018年贷款损失率有所上扬,预示经济放缓影响银行资产质量。
银行ROE受实体经济经营状况影响,非金融企业ROE领先银行ROE1-2年,产能周期是银行ROE主要驱动力,库存周期影响较小。拆解显示风险调整净息差和生息资产增速是ROE主要影响因素,中间业务和管理费用影响较弱。风险调整净息差受到实际GDP偏离政府目标和10年期国债收益率领先影响,反映经济政策与利率环境对盈利能力的影响。
基于存款准备金率和宏观经济变量建立ROE预测模型,预测2020年ROE逐步下行到10.28%,低于2019年中报11.82%的水平,显示未来盈利承压。
历年银行所有者权益增长主要靠未分配利润积累,实收资本及资本公积占比下降,显示银行资本结构优化但利润增速减缓。资本监管趋严,核心一级资本充足率等指标均超过监管最低要求,但对资产扩张构成制约。资本充足率与银行分类相关,不同类型银行资本充足率差异明显。
增加资本通过股权融资、优先股和永续债等多渠道实现,但资本充足率限制银行风险资产规模增长。预计2020年银行风险加权资产增速在10.79%以内,存在资本约束风险。
报告基于Ohlson残余收益模型指出,银行价值由净资产账面价值和未来残余收益现值组成。假设ROE和净资产保持稳定,市净率PB与ROE呈线性关系,比例系数为股权要求回报率的倒数re−1。2018年数据实证显示,PB与ROE回归解释度高达70%,估算出老16家银行股权要求回报率约11.85%。
资产损失概率(市场预期资产损失)纳入估值模型后,PB被调整为ROE扣除资产损失的函数。实证显示,不良贷款率及杠杆调整不良率皆与PB负相关,杠杆调整不良率解释能力更强(R²=0.55)。拨备覆盖率正相关PB(R²=0.65),说明拨备充足度高的银行估值更高,体现风险缓释能力。
最终选择ROE和杠杆调整不良率作为银行估值核心变量,拨备覆盖率因监管一致性差异小取消。历史多季度横截面回归显示,自2016年起该模型稳定且拟合优良,反映盈利和资产质量是估值决定性因素。
银行股权要求回报率与GDP增速和CPI正相关,表现为经济增长快或通胀高时要求更高风险溢价。预测2020年股权要求回报率约为10.8%,高于2019年中报8.88%的水平,反映宏观经济因素对资本成本的调整。
2004-2019年,中信一级银行指数累计净值涨幅高于万得全A大盘1.4倍,显示银行行业长期有超额收益。短期内表现与大盘同步,但在特定经济货币周期表现出明显波动,经济增长、温和通胀和货币乘数扩张环境下银行表现更佳。
银行历史PB与GDP相关性最大(0.88),与ROE和CPI相关度低。基于GDP单因子模型预测未来PB为0.80。结合复权净资产预测中信一级银行指数2020年价位7,783到8,580点,较2019年9月20日收盘值略有上涨空间(3.15%-13.72%)
传统残余收益模型假设净资产稳定,但银行净资产不断增长,调整后模型体现净资产增速对理论价值的影响;即使含有股权融资和分红,但引入最优所有者权益Bt∗,由ROE和股权要求回报率决定理论价值。
假设2016年三季度市值等于理论价值,预测2020年中信一级银行指数合理值7,189.67点,当前价格较之有4.71%下行空间,配置建议为中性
模型依赖移动平均法预测GDP、CPI及超额准备金率,可能忽略经济周期波动及政策突变对银行估值的冲击。资本约束可能迫使银行资产配置向风险权重低资产(如利率债)倾斜,从而影响ROE及估值。
因此,需动态跟踪10年国债利率,作为资金成本与市场风险偏好的综合指标。当该利率上行时,应重新评估银行配置策略,当前则维持中性。
本报告围绕中国银行业基本面和估值展开,系统阐述并建模银行业务结构、财务特征和宏观环境影响,结合残余收益模型推导合理估值。主要结论包括:
详尽剖析图表:
总体来看,本报告以扎实的数据基础和成熟的金融工程方法,为银行行业的基本面理解、风险评估与估值预测提供了系统化框架和实证支持,助力投资者科学配置银行板块资产。
报告内容专业详实,涵盖银行业的业务结构、财务表现、监管环境、估值方法及择时策略,数据丰富且逻辑严密,为银行投资决策提供有效参考。结合市场动态,合理利用宏观政策和经济指标,动态调整配置建议,是实现稳健投资收益的关键。文后建议持续关注利率市场走势及政策调控对银行业盈利的潜在影响。
,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39]
如需对各章节或图表做更细致解析,欢迎继续咨询。
金融工程研究:行业基本面量化系列之银行篇.pdf