新金融工具准则预期信用损失（ECL）模型详解
导读：2017 年新金融工具准则（IFRS 9 / CAS 22）最核心的变化，就是用 " 预期信用损失（ECL）模型 " 取代了旧准则的 " 已发生损失模型 “。这不仅仅是会计技术层面的迭代——它意味着信用风险的确认从 " 违约后 " 前移到 " 违约前 “。本文从核心公式出发，把一般模型（三阶段法）和简化模型（损失率法/迁徙率法）的逻辑和计算一次讲透。
1.1 核心公式：ECL 的三要素
预期信用损失（Expected Credit Loss, ECL）的定义看似简单——以发生违约的风险为权重的信用损失加权平均值。但拆开来看，它是一个三级公式体系。
1.1.1 第一级：ECL 基础公式
ECL = PD × LGD × EAD × 折现系数
| 参数 | 含义 | 实务要点 |
|---|---|---|
| PD（违约概率） | 借款人未来发生违约的可能性 | 分 12 个月 PD 和存续期 PD，取决于阶段判断 |
| LGD（违约损失率） | 一旦违约，无法收回的比例 | 取决于担保方式、抵押物回收率、优先级 |
| EAD（违约风险敞口） | 违约时点的风险暴露金额 | 表内为本金 + 应计利息，表外需×信用转换系数（CCF） |
1.1.2 第二级：信用损失公式
信用损失 = 合同现金流量 − 预期收取的现金流量
关键是要按原实际利率折现回评估时点——不是简单地算差值，准则要求 " 以发生违约的风险为权重 " 计算加权平均值。
1.1.3 第三级：ECL 计量的三要素（准则第 58 条）
这三个要素是理解 ECL 模型的灵魂，缺一不可：
1.无偏概率加权平均金额 ——不是选最坏情景，而是所有可能情景的概率加权
2.货币时间价值 ——必须用实际利率折现，不能按账面金额直接算
3.前瞻性信息 ——融入过去、当前及对未来经济状况的合理预测
💡 核心洞见：旧准则的 " 已发生损失模型 " 是后视镜——只有出现了客观减值证据才计提。ECL 模型安装了前向雷达——即使还没有任何违约迹象，也要根据未来预期计提损失。这是整个准则变化的底层哲学。
1.2 为什么分一般模型和简化模型？
很多人疑惑：为什么要搞两套模型？直接统一用一套不好吗？
1.2.1 根本原因：成本效益原则
| 维度 | 一般模型（三阶段法） | 简化模型 |
|---|---|---|
| 适用对象 | 贷款、债券、其他应收款等长期/复杂工具 | 应收账款、合同资产等短期项目 |
| 操作复杂度 | 高——需持续追踪信用风险是否显著增加 | 低——无需阶段划分 |
| 判断成本 | 每个资产负债表日需评估阶段切换 | 一次性设定损失率即可 |
关键逻辑：短期应收款（账期通常 ≤ 1 年）的 “12 个月 ECL” 与 " 存续期 ECL” 金额差异极小。强迫上市公司对每一笔短期应收款做三阶段评估，属于不必要的操作成本。
1.2.2 适用范围规则
必须使用简化模型：
- 收入准则形成的应收账款/合同资产，且不含重大融资成分
可选择简化模型（会计政策选择）：
- 含重大融资成分的应收款项/合同资产
- 租赁应收款
必须使用一般模型：
- 以摊余成本计量的债权投资、其他债权投资
- 其他应收款（备用金、押金、暂借款等）
- 贷款承诺、财务担保合同
⚠️ 容易踩的坑：很多企业把 " 其他应收款 " 也按简化模型计提，这是错误的。准则明确要求其他应收款必须用一般模型，按三阶段披露。
1.3 一般模型（三阶段法）深度拆解
1.3.1 三阶段逻辑图
【Stage 1】 【Stage 2】 【Stage 3】
信用风险未显著增加 ───→ 信用风险已显著增加 ───→ 已发生信用减值 但未发生信用减值
▼ ▼ ▼
12个月ECL 存续期ECL 存续期ECL
利息：账面总额 利息：账面总额 利息：账面净额
1.3.2 阶段切换的量化标准
| 判断维度 | Stage 1→Stage 2 | Stage 2→Stage 3 |
|---|---|---|
| 逾期天数 | 逾期超过30 天（可反证推翻） | 逾期超过90 天（通常已违约） |
| 违约概率变化 | 存续期 PD 与初始确认时相比大幅上升 | 存在客观减值证据 |
| 内部评级 | 评级下调（如 AAA→BBB） | — |
| 五级分类 | 正常→关注类 | 次级/可疑/损失类 |
💡 关键原则：逾期 30 天是可反驳推定（rebuttable presumption），不是硬性门槛。当存在其他充分证据（评级大幅下调 + 行业环境恶化 + 现金流恶化）时，应主动认定信用风险已显著增加，无需等待逾期发生。这与 " 早识别、早计提 " 的准则精神一致。
1.3.3 完整案例：甲银行 1500 万贷款的三阶段全过程
1.3.3.1 【背景设定】
甲银行 2019 年 6 月 28 日向某零售企业发放1500 万元贷款，2 年期，年利率 10%，每季度末月 20 日付息，到期一次还本，初始内部评级 AAA-。
1.3.3.2 Stage 1：2019 年 6 月 30 日（初始确认）
状态判断：信用风险未显著增加。贷款刚发放，初始评级 AAA-（最高等级），无任何逾期或负面事件。
三情景参数：
| 参数 | 乐观情景 (10%) | 中性情景 (80%) | 悲观情景 (10%) |
|---|---|---|---|
| PD（12 个月） | 2.5% | 2.5% | 2.5% |
| LGD | 50% | 50% | 50% |
| EAD | 1,500 万 | 1,500 万 | 1,500 万 |
注意：Stage 1 以未来 12 个月内的违约概率为计提基础。三种情景在此阶段参数完全一致——对于刚发放的高评级贷款，当前宏观经济信息不足以产生有意义的差异化预期。
ECL 计算：
各情景 ECL = 1,500 × 2.5% × 50% = 18.75 万元
三种情景的 ECL 完全相同，概率加权后自然也是 18.75 万。但这仍然满足了 " 无偏概率加权 " 的形式要求——准则不需要差异无意义时的过度工程。
会计分录：
借：信用减值损失 18.75 万 贷：贷款损失准备 18.75 万
利息收入（第 1 季度）：按账面总额（1,500 万）× 实际利率（10%）确认。
季度利息收入 = 1,500 × 10% ÷ 4 = 37.5 万元
💡 重要设计：Stage 1 的利息收入不受损失准备影响——虽然账上提了 18.75 万准备，但利息照常按贷款本金全额计算。这是准则的精心设计：在信用风险尚未显著增加时，不因计提准备而影响利润表中的利息收入。
1.3.3.3 Stage 1 → Stage 2 的触发事件
2020 年 4 月末（贷款已存续约 10 个月），发生以下情况：
1.外部冲击：零售行业受电商冲击及消费降级影响，线下销售额骤降 30%
2.评级下调：外部信用评级从 AAA- 连降多级至 BBB
3.经营预警：债务人公布的季度财报显示经营性现金流为负
对照量化标准逐一判断：
| 判断维度 | 实际情况 | 是否触发 |
|---|---|---|
| 逾期天数 | 尚未逾期（仍在按期付息） | ❌，但可被其他证据推翻 |
| 违约概率变化 | 存续期 PD 从初始约 4% 升至 8%-10%，增幅超 100% | ✅ |
| 内部评级 | AAA- → BBB，跨 3 级以上下调 | ✅ |
| 五级分类 | 正常→关注类 | ✅ 辅助判断 |
→ 结论：信用风险已显著增加，进入 Stage 2。
1.3.3.4 Stage 2：2020 年 4 月 30 日
状态判断：信用风险已显著增加，但尚未发生信用减值（债务人仍在按期付息）。
三情景参数——注意三个关键变化：
| 参数 | 乐观情景 (10%) | 中性情景 (80%) | 悲观情景 (10%) |
|---|---|---|---|
| PD（剩余 14 个月存续期） | 7.5% | 8.2% | 10.0% |
| LGD | 50% | 55% | 70% |
| EAD | 1,500 万 | 1,500 万 | 1,500 万 |
三个关键变化：
- ① PD 从 Stage 1 的 “12 个月 " 变为 “整个剩余存续期（14 个月）”，计提基数大幅扩大
- ② PD 数值大幅上升（7.5%-10% vs Stage 1 的 2.5%），反映信用质量恶化
- ③ 三情景开始出现差异——悲观情景假设在经济下行时违约率和损失率都更高
各情景 ECL 计算：
ECL(乐观) = 1,500 × 7.5% × 50% = 56.25 万元
ECL(中性) = 1,500 × 8.2% × 55% = 67.65 万元
ECL(悲观) = 1,500 × 10.0% × 70% = 105.00 万元
概率加权：
ECL = 56.25×10% + 67.65×80% + 105.00×10% = 70.25 万元
各情景对加权 ECL 的贡献占比：
| 情景 | 情景 ECL | 权重 | 加权贡献 | 占总 ECL 比例 |
|---|---|---|---|---|
| 乐观 | 56.25 万 | 10% | 5.63 万 | 8% |
| 中性 | 67.65 万 | 80% | 54.12 万 | 77% |
| 悲观 | 105.00 万 | 10% | 10.50 万 | 15% |
💡 注意中性情景贡献了 77% 的 ECL，但悲观情景虽然只有 10% 概率，却贡献了 15% 的 ECL——这就是 " 概率加权 " 的精髓：高损失情景即使在低概率下也会显著影响计提金额。
补提金额：
需补提 = 70.25 − 18.75 = 51.50 万元
会计分录：
借：信用减值损失 51.50 万
贷：贷款损失准备 51.50 万
（损失准备余额：18.75 + 51.50 = 70.25 万）
利息收入（第 2 季度）：Stage 2 未发生信用减值，继续按账面总额确认：
季度利息收入 = 1,500 × 10% ÷ 4 = 37.5 万元
💡 这里要特别注意：利息收入在 Stage 1 和 Stage 2 的处理方式完全相同（均按账面总额）。但进入 Stage 2 后，ECL 基数从 “12 个月 " 切换为 " 存续期 “，损失准备会跳跃式增长——虽然不影响当期利润，但资产负债表上会立刻反映出风险的变化。
1.3.3.5 Stage 3：假设违约场景
触发事件假定：2020 年 10 月（贷款到期前约 8 个月），债务人未能支付当期利息，逾期超过 90 天。
| 参数 | 数值 | 说明 |
|---|---|---|
| PD | 100% | 违约已实际发生 |
| LGD | 60% | 预计通过抵押物可回收约 40% |
| EAD | 1,500 万 + 应计利息 | 含全部应计但未付利息 |
ECL = (1,500 + 利息) × 100% × 60% ≈ 900 万元
利息收入：Stage 3 改为按账面净额确认：
季度利息收入 = (1,500 − 900) × 10% ÷ 4 ≈ 15.0 万元
💡 ” 双杀效应 “：进入 Stage 3 后，利息收入从 37.5 万骤降至 15.0 万。这是因为准则认为：已经发生信用减值的资产，不能再按 " 没有损失 " 的假设计算利息收入。信用减值损失增加的同时，利息收入也在减少——这就是三阶段法的 " 双杀 " 效应。
1.3.3.6 三阶段对比总结
| 维度 | Stage 1 | Stage 2 | Stage 3 |
|---|---|---|---|
| 信用风险 | 未显著增加 | 已显著增加 | 已发生信用减值 |
| ECL 基数 | 12 个月 | 整个存续期 | 整个存续期 |
| 损失准备余额 | 18.75 万 | 70.25 万 | 约 900 万 + |
| 较 Stage 1 增幅 | — | +274% | +4,700%+ |
| 利息收入基数 | 账面总额（1,500 万） | 账面总额（1,500 万） | 账面净额 |
| 季度利息收入 | 37.5 万 | 37.5 万 | 约 15.0 万 |
💡 核心观察：Stage 1 → Stage 2 的切换导致损失准备跳跃式增长（18.75 万→70.25 万，增幅约 274%）；若进一步恶化至 Stage 3，损失准备将飙升至 900 万以上（增幅约 4,700%），同时利息收入也大幅缩水。这就是准则设计三阶段法的目的——早识别、早计提，避免风险在违约瞬间集中释放。
1.4 简化模型：损失率法与迁徙率法
1.4.1 简化模型的核心逻辑
核心规则：不判断阶段，始终按整个存续期预期信用损失计量。
1.4.2 三种常见方法对比
| 方法 | 适用场景 | 原理 |
|---|---|---|
| 损失率法 | 有充分历史数据 | 直接统计各账龄段的历史最终损失率 |
| 迁徙率法 | 有各年账龄分布数据 | 追踪应收款在各账龄段间的滚动比例，推算出最终损失率 |
| 参考同行法 | 自身数据不足（新设企业） | 采用同行业可比公司的计提比例 |
1.4.3 简化模型的 " 三要素 " 不可省略
即使是简化模型，也必须满足 ECL 计量三要素：
1.以历史损失率为基础
2.考虑前瞻性信息进行调整
3.无偏概率加权
⚠️ 常见误区：简化模型 ≠ 旧准则下的 " 账龄分析法 “。简单拍一个百分比没有依据，必须建立在历史数据 + 前瞻性调整的基础上。
1.4.4 案例一：损失率法（静态法）
背景：甲公司为钢材生产企业，下游为房地产客户。期末应收账款 3 亿元，不包含重大融资成分，必须采用简化模型。
Step 1：按账龄划分风险组合
| 账龄 | 金额（万元） |
|---|---|
| 1 年以内 | 20,000 |
| 1-2 年 | 6,000 |
| 2-3 年 | 3,000 |
| 3 年以上 | 1,000 |
| 合计 | 30,000 |
Step 2：确定历史损失率（三年平均）
| 账龄 | 平均损失率 |
|---|---|
| 1 年以内 | 2.5% |
| 1-2 年 | 5.3% |
| 2-3 年 | 22.5% |
| 3 年以上 | 51.7% |
Step 3：前瞻性调整——若判断当前为景气阶段，无需上调。
Step 4：计算 ECL
| 账龄 | 金额（万） | 损失率 | ECL（万） |
|---|---|---|---|
| 1 年以内 | 20,000 | 2.5% | 500 |
| 1-2 年 | 6,000 | 5.3% | 318 |
| 2-3 年 | 3,000 | 22.5% | 675 |
| 3 年以上 | 1,000 | 51.7% | 517 |
| 合计 | 30,000 | 2,010 |
综合损失率 = 2,010 ÷ 30,000 = 6.7%
1.4.5 案例二：迁徙率法（动态法）——深度拆解
背景：乙公司为饮料生产企业，信用期统一 60 天，有严格催收制度，各年销售额相对稳定。
1.4.5.1 Step 1：近 4 年逾期账龄分布（万元）
| 逾期账龄 | 2014 年 | 2015 年 | 2016 年 | 2017 年 |
|---|---|---|---|---|
| 未逾期 | 10,000 | 11,000 | 12,000 | 13,000 |
| 逾期 1 年以内 | 1,500 | 1,500 | 1,320 | 840 |
| 逾期 1-3 年 | 700 | 750 | 795 | 832 |
| 逾期 3 年以上 | 400 | 420 | 450 | 596 |
1.4.5.2 Step 2：计算平均迁徙率
迁徙率公式：
迁徙率 = 下一年下一级次余额 / 本年本级次余额
| 迁徙路径 | 2014→2015 | 2015→2016 | 2016→2017 | 平均 |
|---|---|---|---|---|
| 未逾期→逾期 1 年内 | 15.0% | 12.0% | 7.0% | 11.33% |
| 逾期 1 年内→逾期 1-3 年 | 50.0% | 53.0% | 63.0% | 55.33% |
| 逾期 1-3 年→逾期 3 年以上 | 60.0% | 60.0% | 75.0% | 65.00% |
| 逾期 3 年以上→坏账 | — | — | — | 100% |
1.4.5.3 ▸ 迁徙率的底层逻辑
迁徙率法的核心是 ” 追踪恶化路径 “——每一笔应收账款都有从 " 正常 " 逐步走向 " 坏账 " 的过程。迁徙率就是在回答：处在当前账龄段的应收账款，有多大比例会在一年后滚入下一个更差的账龄段？
为什么用 " 下一级次下年余额 / 本级次本年余额 “？
-
如果 2014 年末有 10,000 万未逾期账款，到 2015 年末，一部分被收回，另一部分逾期。逾期的部分在 2015 年末变成了 " 逾期 1 年内 "
-
但 2015 年的 " 逾期 1 年内 " 余额还包含了 2015 年当年新发生的逾期销售款
-
这里的隐含假设是：企业业务量相对稳定，各年新发生的销售款中逾期比例大致相同
为什么要取三年平均？
- 单一年份的迁徙率可能受偶发因素影响（如某年经济突然下行导致集中逾期），取三年平均可以平滑偶然波动，反映企业长期的信用风险特征
1.4.5.4 Step 3：推算各阶段最终损失率——条件概率链
最终损失率的计算是迁徙率法最精妙的部分——它本质上是一个条件概率链的乘积。
最终损失率(i) = 迁徙率(i) × 迁徙率(i+1) × … × 迁徙率(n)
其中 i 代表当前账龄段编号，n 代表最终坏账段，迁徙率 (n) = 100%。
各阶段损失率推导：
| 当前账龄段 | 计算过程 | 最终损失率 |
|---|---|---|
| 逾期 3 年以上 | 100% | 100.00% |
| 逾期 1-3 年 | 65.00% × 100% | 65.00% |
| 逾期 1 年内 | 55.33% × 65.00% × 100% | 35.96% |
| 未逾期 | 11.33% × 55.33% × 65.00% × 100% | 4.07% |
条件概率链的直观理解：
未逾期 ─→ 必须先逾期 ─→ 必须连续恶化 ─→ 必须进入最终段 ─→ 坏账 100元 只有11.33元 只有6.27元 只有4.07元 4.07元 (×11.33%) (×55.33%) (×65.00%) (×100%)
如果你是一个啤酒厂的财务，想预判 " 现在账上这 100 万未逾期应收款最终会有多少收不回来 “，你不能只看 " 历史上有多少未逾期的直接变坏账 “（这种直接统计几乎为零，因为未逾期不会直接跳级到坏账）。你必须一路追踪：
1.首先 这 100 万里有多少会变成逾期？→ 11.33 万进入 " 逾期 1 年内 “（其余 88.67 万正常收回）
2.然后 这 11.33 万里有多少会恶化？→ 6.27 万进入 " 逾期 1-3 年 “（其余 5.06 万在此阶段收回）
3.再然后 这 6.27 万里有多少继续恶化？→ 4.07 万进入 " 逾期 3 年以上 “（其余 2.20 万在此阶段收回）
4.最后 4.07 万全部成为坏账
这就是为什么未逾期状态也有损失率（4.07%），且这个损失率完全来自于远期恶化的累积效应。信用风险是逐渐积累的，不是在违约瞬间才出现的。
1.4.5.5 Step 4：基于 2017 年末账龄计算 ECL
| 账龄 | 金额（万元） | 最终损失率 | ECL（万元） |
|---|---|---|---|
| 未逾期 | 13,000 | 4.07% | 529 |
| 逾期 1 年以内 | 840 | 35.96% | 302 |
| 逾期 1-3 年 | 832 | 65.00% | 541 |
| 逾期 3 年以上 | 596 | 100.00% | 596 |
| 合计 | 15,268 | 1,968 |
综合损失率 = 1,968 ÷ 15,268 ≈ 12.89%
1.4.5.6 Step 5：前瞻性调整
以上步骤基于历史数据计算损失率，但准则要求融入对未来经济状况的预测。
最终 ECL = 历史 ECL × (1 + 前瞻性调整系数)
前瞻性调整不是在迁徙率上改数字（会破坏各段的内在一贯性），而是在历史 ECL 基础上施加一个定性调整因子。
举例：假设管理层综合判断当前经济处于下行初期，确定前瞻性调整系数为 +10%：
| 项目 | 金额 |
|---|---|
| 基于历史数据的 ECL（Step 4） | 1,968 万元 |
| 前瞻性调整（+10%） | +197 万元 |
| 调整后 ECL | 2,165 万元 |
| 调整后综合损失率 | 14.18% |
⚠️ 实务提示：前瞻性调整是审计重点检查对象。管理层需要保留调整依据的书面记录（行业研究报告、宏观经济数据、客户信用评估报告），不能仅凭 " 感觉 " 定性调整。证监会近年来对 " 前瞻性调整缺乏依据 " 的问题频繁出具问询函。
1.5 两模型对比总结
| 对比维度 | 一般模型 | 简化模型 |
|---|---|---|
| 准则依据 | 第 48 条 | 第 63 条 |
| 阶段划分 | 需要（三阶段） | 不需要 |
| 损失基数 | Stage 1=12 个月 ECL；Stage 2/3=存续期 ECL | 始终=存续期 ECL |
| 适用对象 | 贷款、债券、其他应收款 | 无融资成分的应收/合同资产（强制）；含融资成分应收/租赁应收（可选） |
| 参数复杂度 | 需要 PD/LGD/EAD 全套参数 | 可用损失率/迁徙率简化替代 |
| 前瞻性要求 | 必须融入多情景宏观经济预测 | 也需要，可简化为定性调整 |
| 折现 | 必须用实际利率折现 | 短期应收（≤1 年）可不折现 |
| 典型适用者 | 银行、金融企业、有长期债权的企业 | 制造业、贸易、服务业 |
1.6 实务中四个常见误区
误区 1：” 简化模型就是旧准则的账龄分析法 “ ❌ 简化模型必须以历史数据 + 前瞻性调整为基础。旧准则下 " 拍脑袋 " 的比例不再合规。
误区 2：” 应收票据不需要计提坏账 “ ❌ 银行承兑汇票和商业承兑汇票均需计提。高信用等级银行承兑汇票违约风险低，但仍需评估。
误区 3：” 其他应收款可以用简化模型 “ ❌ 其他应收款（押金、保证金、备用金等）必须用一般模型，附注中需按三阶段披露。
误区 4：” 三阶段法就是按逾期天数划线 “ ❌ 逾期 30 天/90 天是可反驳的推定（rebuttable presumption），不是硬性规定。如果有其他信息表明信用风险未显著增加，可以不划入下一阶段。
1.7 结语
新金融工具准则的 ECL 模型，表面上是一个会计技术问题，本质上是一次风险认知的范式跃迁——从 " 出了事再认 " 到 " 提前预见并准备 “。对于财务人员来说，掌握 ECL 模型不仅是合规要求，更是一次理解企业信用风险本质的机会。
无论是一般模型的 " 三阶段法 + 多情景概率加权 “，还是简化模型的 " 损失率法/迁徙率法 + 前瞻性调整 “，核心都在于：用数据驱动的思路，替代旧准则下经验主义的 " 拍脑袋 “。这不仅是准则的要求，也是财务管理精细化的必然方向。
参考依据：
1.《企业会计准则第 22 号——金融工具确认和计量》（2017 年修订）第 46-63 条 2.财政部会计司《预期信用损失法应用案例（一）——以内部评级体系为基础》 3.财政部会计司《预期信用损失法应用案例（二）——不以内部评级体系为基础的简化方法》 4.证监会《监管规则适用指引——会计类第 2 号》第 2-9 号