4、静态流动性比率法：LCR、NSFR、存贷比等关键指标计算
各位同学，咱们今天聊点实在的。
静态流动性比率法，说白了就是拿几个关键数字，给机构的流动性状况拍一张「快照」。你不需要复杂的模型，不需要跑 Monte Carlo 模拟，一张报表、几个公式，就能看出个大概。
我个人习惯，在做流动性压力测试之前，一定会先把这几个静态指标算一遍。为什么？因为它们是底线。就像你开车前先看一眼油表、胎压，心里有个数。
4.1 流动性覆盖率（LCR）—— 30 天的生死线
LCR 是巴塞尔 III 的核心指标之一。它问的问题是：如果未来 30 天发生极端压力事件，你手里的优质流动性资产，够不够应付净现金流出？
公式很简单：
LCR = 合格优质流动性资产（HQLA） / 未来 30 天净现金流出总额监管要求是 ≥ 100%。也就是说，你的「弹药」至少得覆盖「火力」。
这里有个坑，我踩过。 我曾经帮一家城商行做 LCR 测算，发现他们 HQLA 里放了不少「看起来很美」的资产——比如某些 AA+ 级信用债。但仔细一看，这些债券在压力市场下根本卖不掉，或者折价率极高。监管对 HQLA 的认定非常严格，分为一级和二级资产，二级资产还有 15% 的 haircut。你算的时候，千万别把「能变现」和「优质流动性」划等号。
关键点：
- HQLA 必须是无障碍、可随时变现的资产。现金、国债、央票是首选。
- 净现金流出 = 预计现金流出 - 预计现金流入（上限为流出的 75%）。
- 压力情景是监管设定的，不是你自己拍脑袋的。比如零售存款流失率 3%、批发融资流失率 25% 等等。
我的小技巧： 算 LCR 时，我习惯把 HQLA 按「变现速度」排个序。第一梯队是现金和超额准备金，第二梯队是国债，第三梯队才是高等级信用债。这样一旦压力来临，你知道先动哪块资产。
4.2 净稳定资金比率（NSFR）—— 一年的定心丸
LCR 看的是短期（30 天），NSFR 看的是长期（1 年）。它问的是：你的长期资产，有没有足够的稳定资金来支撑？
公式：
NSFR = 可用稳定资金（ASF） / 所需稳定资金（RSF）监管要求 ≥ 100%。
你想想看，如果一家银行用短期批发资金去放长期贷款，LCR 可能没问题（因为 30 天内不一定会出事），但 NSFR 一定会亮红灯。这就是为什么 NSFR 能补 LCR 的盲区。
我记得有一次做同业分析， 发现某家机构的 LCR 高达 150%，但 NSFR 只有 85%。一查，原来他们大量依赖同业拆借（短期资金）来配置长久期债券。短期看流动性很充裕，但长期看，资金期限错配严重。这种机构，一旦市场风吹草动，很容易出问题。
ASF 和 RSF 的权重：
| 项目 | 权重 | 说明 |
|---|---|---|
| 资本、期限≥1年的负债 | 100% | 最稳定的资金来源 |
| 期限 6-12 个月的批发融资 | 50% | 有一定稳定性 |
| 期限＜6 个月的批发融资 | 0% | 视为不稳定 |
| 现金、国债等 | 0% RSF | 不需要稳定资金支持 |
| 住房抵押贷款 | 65% RSF | 需要较多稳定资金 |
注意： NSFR 的 RSF 计算中，有些资产虽然流动性好，但监管要求你「假设它不能轻易变现」，所以 RSF 权重并不低。比如某些高等级债券，RSF 权重可能是 50% 甚至更高。别想当然。
4.3 存贷比（LDR）—— 老派但管用
存贷比是个老指标了，公式简单粗暴：
存贷比 = 贷款总额 / 存款总额监管红线以前是 75%（后来取消了硬性要求，但依然是重要参考）。
为什么说它老派但管用？因为存贷比直接反映了银行最核心的商业模式：吸收存款，发放贷款。 如果存贷比过高（比如超过 100%），说明贷款全靠借来的钱撑着，存款根本不够用。一旦存款流失，立马出问题。
我见过最极端的案例， 是一家小贷公司转型的村镇银行，存贷比一度冲到 120%。他们觉得反正有同业拆借兜底，没事。结果 2019 年包商银行事件后，同业市场冻结，他们一夜之间拿不到钱，差点出事。存贷比这个老指标，关键时刻能救命。
三个指标的关系：
- LCR：短期（30 天）的「现金够不够」
- NSFR：长期（1 年）的「资金稳不稳」
- 存贷比：最基础的「存款能不能覆盖贷款」
三者结合，基本能勾勒出一家机构的流动性全貌。
4.4 知识体系图：静态流动性比率法
下面这张图，是我自己梳理的。你一看就明白这几个指标怎么串起来的。
实战建议： 我每次做流动性评估，都会把这三个指标放在一张表里。LCR 低于 120% 的，我会重点关注；NSFR 低于 105% 的，我会追问资金来源；存贷比超过 90% 的，我会检查存款稳定性。三个指标一起看，比单独看任何一个都靠谱。
好了，静态比率法就讲到这里。这几个指标不难，但真正用好，需要你对资产和负债的「质量」有深刻理解。别光套公式，多想想数字背后的业务逻辑。