基于宏觀壓力測(cè)試分析的銀行信用風(fēng)險(xiǎn)評(píng)估

施文俊　葉德磊

摘要：采用我國2002年至2014年宏觀經(jīng)濟(jì)指標(biāo)以及12家商業(yè)銀行的不良貸款率數(shù)據(jù)，運(yùn)用假設(shè)情景法進(jìn)行宏觀壓力測(cè)試，分析宏觀經(jīng)濟(jì)波動(dòng)對(duì)于中國商業(yè)銀行信用風(fēng)險(xiǎn)的影響。結(jié)果表明：國內(nèi)生產(chǎn)總值增長(zhǎng)率、消費(fèi)者價(jià)格指數(shù)、生產(chǎn)者價(jià)格指數(shù)和廣義貨幣供應(yīng)量對(duì)我國商業(yè)銀行信用風(fēng)險(xiǎn)影響顯著；通過構(gòu)建兩種宏觀經(jīng)濟(jì)極端情境——國內(nèi)生產(chǎn)總值增長(zhǎng)率和消費(fèi)者價(jià)格指數(shù)出現(xiàn)大幅下降情況下，我國商業(yè)銀行體系的不良貸款率均出現(xiàn)大幅度提高。

關(guān)鍵詞：宏觀壓力測(cè)試；信用風(fēng)險(xiǎn)；不良貸款率；商業(yè)銀行

中圖分類號(hào)：F832.2 文獻(xiàn)標(biāo)識(shí)碼 A

作者簡(jiǎn)介：施文?。?984-），男，上海人，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部博士研究生，研究方向：商業(yè)銀行信用風(fēng)險(xiǎn)；葉德磊（1962-），男，江西九江人，華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部教授，博士生導(dǎo)師，研究方向：證券市場(chǎng)和金融投資。

一、引言

宏觀壓力測(cè)試是一種前瞻性的工具，可以預(yù)估可能會(huì)發(fā)生的宏觀經(jīng)濟(jì)沖擊，幫助中央銀行和商業(yè)銀行更好地理解并提前判斷經(jīng)濟(jì)沖擊對(duì)自身銀行體系所帶來的影響，從而更有針對(duì)性地做出風(fēng)險(xiǎn)評(píng)估，提高本國或本金融機(jī)構(gòu)抵御外部宏觀經(jīng)濟(jì)沖擊的能力。

壓力測(cè)試指必須有一個(gè)嚴(yán)格且綜合性的壓力測(cè)試程序。一般而言，壓力測(cè)試是用來衡量風(fēng)險(xiǎn)資產(chǎn)組合價(jià)值潛在的最大損失的方法，為銀行或其他金融機(jī)構(gòu)中的風(fēng)險(xiǎn)管理部門的決策者提供有意義的參考。壓力測(cè)試的情景必須覆蓋一系列的因素，這些因素有可能會(huì)給銀行造成特別重大的損失。同時(shí)，壓力測(cè)試應(yīng)具有定性和定量的特征，定量標(biāo)準(zhǔn)應(yīng)該識(shí)別銀行所面臨的壓力情景，定性標(biāo)準(zhǔn)應(yīng)側(cè)重于評(píng)估銀行吸收潛在巨大損失的資本能力。

宏觀壓力測(cè)試已成為金融機(jī)構(gòu)風(fēng)險(xiǎn)管理的重要工具。金融機(jī)構(gòu)使用宏觀壓力測(cè)試來測(cè)量金融危機(jī)等一系列的潛在脆弱性對(duì)于金融體系的影響，而這些脆弱性雖是異常但有可能會(huì)發(fā)生。宏觀壓力測(cè)試通常是金融機(jī)構(gòu)內(nèi)部模型的一種補(bǔ)充手段，風(fēng)險(xiǎn)價(jià)值（VaR）模型是這些內(nèi)部模型的代表。標(biāo)準(zhǔn)的VaR模型已被認(rèn)為在測(cè)量金融機(jī)構(gòu)暴露于極端市場(chǎng)事件時(shí)的作用有限，例如：有些事件通常很難在計(jì)量模型里被測(cè)量到，但他們確實(shí)會(huì)在一個(gè)相對(duì)短暫的時(shí)間出現(xiàn)。巴塞爾II會(huì)議討論銀行內(nèi)部模型的缺陷時(shí)，宏觀壓力測(cè)試已被放在一個(gè)重要的位置上。為了響應(yīng)巴塞爾資本協(xié)議修正，如今發(fā)達(dá)國家要求金融機(jī)構(gòu)年度財(cái)務(wù)報(bào)告加入壓力測(cè)試分析，使股東及其他社會(huì)大眾對(duì)該機(jī)構(gòu)未來發(fā)展、前景及風(fēng)險(xiǎn)有更深層次的認(rèn)識(shí)，以達(dá)到信息透明與公開化的原則。除了微觀層面，宏觀壓力測(cè)試在公共部門的宏觀審慎分析中起著重要的作用。近年以來，宏觀審慎分析，或金融穩(wěn)定，無論是在中央銀行，監(jiān)管當(dāng)局、或是國際性組織和機(jī)構(gòu)都得到了越來越多的重視。除了一系列的宏觀審慎指標(biāo)的定期監(jiān)測(cè)，我們有必要開發(fā)更多的定量工具，這樣可以更好地進(jìn)行金融穩(wěn)定性分析。

本文旨在通過宏觀壓力測(cè)試來研究極端情境下商業(yè)銀行的信用風(fēng)險(xiǎn)可能給銀行帶來的損失，由此可為監(jiān)管當(dāng)局和銀行管理層提供參考，一旦發(fā)生危機(jī)時(shí)，可以測(cè)試銀行系統(tǒng)的穩(wěn)定性；商業(yè)銀行也可以加強(qiáng)風(fēng)險(xiǎn)管理能力，提高應(yīng)對(duì)各種可能的風(fēng)險(xiǎn)沖擊的能力。

二、文獻(xiàn)綜述

20世紀(jì)80年代以來，針對(duì)各國出現(xiàn)的銀行危機(jī)和金融體系的不穩(wěn)定，國外學(xué)者進(jìn)行了大量研究，積累了豐富的理論和實(shí)證資料。通過實(shí)證分析發(fā)現(xiàn)，宏觀經(jīng)濟(jì)因素對(duì)各國金融體系的不穩(wěn)定性具有顯著作用。McKinnon（1994）認(rèn)為當(dāng)宏觀經(jīng)濟(jì)處于正常運(yùn)行狀態(tài)時(shí)，商業(yè)銀行出于穩(wěn)健性經(jīng)營(yíng)的角度出發(fā)，不會(huì)片面刻意去追求收益而忽視風(fēng)險(xiǎn)的現(xiàn)象。只有當(dāng)物價(jià)、匯率、利率等宏觀經(jīng)濟(jì)變量波動(dòng)變化較大，存在宏觀經(jīng)濟(jì)運(yùn)營(yíng)不穩(wěn)定的情況下，出于刺激經(jīng)濟(jì)的需求，政府采取或明或暗的擔(dān)保措施，變相鼓勵(lì)商業(yè)銀行發(fā)放貸款，導(dǎo)致商業(yè)銀行采取激進(jìn)的經(jīng)營(yíng)策略，從而產(chǎn)生風(fēng)險(xiǎn)。Froyland（2002）利用RIMINI將銀行的不良貸款率與宏觀經(jīng)濟(jì)變量建立回歸方程，設(shè)定經(jīng)濟(jì)變量，模擬經(jīng)濟(jì)沖擊，對(duì)商業(yè)銀行開展壓力測(cè)試的實(shí)證研究。Pesola（2001）通過宏觀壓力測(cè)試，闡述宏觀經(jīng)濟(jì)波動(dòng)對(duì)于違約率的影響，由芬蘭的數(shù)據(jù)可得違約率與國內(nèi)生產(chǎn)總值成負(fù)向關(guān)系，與利率成正比。Vlieghe（2001）將英國銀行貸款違約率作為被解釋變量，將國內(nèi)生產(chǎn)總值、利率等宏觀經(jīng)濟(jì)變量作為解釋變量進(jìn)行多元回歸，得出宏觀經(jīng)濟(jì)變量對(duì)于企業(yè)貸款違約率具有顯著影響。Virolainen（2004）利用Wilson提出的模型，建立了銀行信貸模型，揭示了加總的企業(yè)違約率和宏觀經(jīng)濟(jì)波動(dòng)之間的相關(guān)性。國內(nèi)也有許多對(duì)于商業(yè)銀行體系穩(wěn)定性評(píng)估的實(shí)證研究。陳華和伍志文（2004）運(yùn)用1978-2000年間的數(shù)據(jù)對(duì)中國銀行體系脆弱性狀況進(jìn)行量化分析，發(fā)現(xiàn)中國整個(gè)銀行體系在1978-2000年間有11年是不穩(wěn)定的，存在較大的金融風(fēng)險(xiǎn)。田艷芬等（2011）運(yùn)用實(shí)證分析方法研究宏觀經(jīng)濟(jì)因素對(duì)于我國銀行體系脆弱性的影響，研究結(jié)果表明經(jīng)濟(jì)發(fā)展水平、貨幣供給對(duì)銀行體系脆弱性具有負(fù)向沖擊效應(yīng)，投資因素對(duì)于銀行體系脆弱性具有正向沖擊效應(yīng)。

宏觀壓力測(cè)試?yán)碚撆c實(shí)踐方面的研究，也有諸多文獻(xiàn)涉及到，最具有代表性的是Wilson（1997a，1997b）和Merton（1974）提出的模型框架，為日后學(xué)者們不斷進(jìn)行的模型拓展和實(shí)證研究奠定了基礎(chǔ)。Wilson（1997a，1997b）通過各類宏觀經(jīng)濟(jì)因素與企業(yè)違約率構(gòu)建信貸風(fēng)險(xiǎn)模型，通過該模型模擬違約概率分布，得到資產(chǎn)組合的預(yù)期異常損失，再模擬出宏觀經(jīng)濟(jì)波動(dòng)沖擊下的違約概率值。Merton（1974）在將一般宏觀經(jīng)濟(jì)變量納入模型的基礎(chǔ)上，將商業(yè)銀行股票價(jià)格變動(dòng)情況和商業(yè)銀行持有資產(chǎn)價(jià)格變化情況也納入銀行違約概率模型。國內(nèi)外的學(xué)者運(yùn)用上述模型框架進(jìn)行了大量實(shí)證研究。Boss（2002）建立宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)模型，通過宏觀壓力情景設(shè)定的方式，估計(jì)了加總的企業(yè)違約率對(duì)于澳大利亞銀行業(yè)的影響。通過模型，可知工業(yè)產(chǎn)值、通脹率、股價(jià)、名義短期利率和原油價(jià)格對(duì)于企業(yè)違約率有顯著性。國內(nèi)學(xué)者對(duì)于宏觀壓力測(cè)試的研究還處于起步期。華曉龍（2009）通過Logit模型將貸款違約率轉(zhuǎn)化為宏觀經(jīng)濟(jì)綜合指標(biāo)，使用假設(shè)情景法進(jìn)行宏觀壓力測(cè)試，定量分析了宏觀經(jīng)濟(jì)波動(dòng)對(duì)于中國銀行體系違約率的影響。沈陽和馮望舒（2010）借鑒了Wilson所提出的壓力測(cè)試模型，以銀行不良貸款率為評(píng)估銀行信用風(fēng)險(xiǎn)的指標(biāo)，得出了宏觀經(jīng)濟(jì)變量與銀行信用風(fēng)險(xiǎn)的實(shí)證研究。巴曙光和朱元倩（2010）分別從壓力測(cè)試的定義、國際實(shí)踐規(guī)范、執(zhí)行流程等角度對(duì)已有的文獻(xiàn)和監(jiān)管部門的調(diào)查研究報(bào)告進(jìn)行了總結(jié)，并在此基礎(chǔ)上歸納分析了壓力測(cè)試的優(yōu)缺點(diǎn)，討論了壓力測(cè)試中的實(shí)際操作細(xì)節(jié)及對(duì)于數(shù)據(jù)缺乏的發(fā)展中國家如何有效地實(shí)施壓力測(cè)試。

各國銀行業(yè)的宏觀經(jīng)濟(jì)審慎分析對(duì)宏觀壓力測(cè)試越來越重視，其主要目的是當(dāng)發(fā)生系統(tǒng)性風(fēng)險(xiǎn)時(shí)，監(jiān)管機(jī)構(gòu)可以有效識(shí)別金融機(jī)構(gòu)體系內(nèi)所暴露出的結(jié)構(gòu)性缺點(diǎn)和整體風(fēng)險(xiǎn)狀況。而國內(nèi)對(duì)于銀行宏觀壓力測(cè)試的研究尚處于起步階段，現(xiàn)有研究多為對(duì)于國外研究文獻(xiàn)的綜述和整理，還未進(jìn)一步深入研究。在模型研究方面，國內(nèi)學(xué)者主要以借鑒國外學(xué)者對(duì)壓力測(cè)試的研究思路和宏觀壓力測(cè)試操作的指引流程為主，采用傳統(tǒng)方法模擬宏觀壓力情境，通過模型得出穩(wěn)定性指標(biāo)期望值的點(diǎn)估計(jì)來評(píng)價(jià)銀行體系穩(wěn)定性。這類研究方法存在一定的缺陷，無法有效地反映宏觀經(jīng)濟(jì)變量沖擊對(duì)于銀行體系的影響，更難以評(píng)估哪些宏觀經(jīng)濟(jì)變量波動(dòng)對(duì)商業(yè)銀行信貸違約率的沖擊效應(yīng)更為顯著，從而不能得出宏觀壓力情境下銀行貸款違約率的概率分布。因此，本文運(yùn)用宏觀壓力測(cè)試法，將宏觀經(jīng)濟(jì)波動(dòng)因素整合到商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型中，通過極端壓力情景的構(gòu)建，實(shí)證研究商業(yè)銀行的信貸違約率與宏觀經(jīng)濟(jì)變量之間的關(guān)系，這對(duì)于現(xiàn)階段我國商業(yè)銀行信用風(fēng)險(xiǎn)管理具有現(xiàn)實(shí)意義。

三、模型構(gòu)建與實(shí)證研究

宏觀壓力測(cè)試是對(duì)于微觀層面壓力測(cè)試的有益補(bǔ)充，是在一定的假設(shè)情景之下，將加總的宏觀經(jīng)濟(jì)沖擊變量作為宏觀因子，研究其在不利的宏觀環(huán)境變化對(duì)于銀行信用風(fēng)險(xiǎn)體系所產(chǎn)生的影響程度。

（一）模型構(gòu)建

Wilson（1997a，1997b）提出的信用風(fēng)險(xiǎn)模型非常清晰地闡述了宏觀經(jīng)濟(jì)因素和違約率之間的關(guān)系，該模型框架在日后研究宏觀信貸風(fēng)險(xiǎn)的領(lǐng)域占有舉足輕重的地位。Virolainen（2004）借鑒了Wilson的研究，對(duì)違約率和宏觀經(jīng)濟(jì)因素進(jìn)行建模，通過Logit模型將貸款違約率轉(zhuǎn)化為中介指標(biāo)Y，然后對(duì)宏觀經(jīng)濟(jì)指標(biāo)Y與宏觀經(jīng)濟(jì)因素進(jìn)行多元線性回歸分析；在情景假設(shè)條件下，通過將受沖擊下的宏觀經(jīng)濟(jì)因素代入模型，得出壓力情境下的宏觀經(jīng)濟(jì)指標(biāo)Y，最后估計(jì)出違約率的值，由此便可得到資產(chǎn)組合的預(yù)期損失和非預(yù)期損失。

本文借鑒Wilson（1997a，1997b）發(fā)表在Risk雜志上論文中闡述的模型框架，將宏觀經(jīng)濟(jì)因素與銀行貸款違約率通過中介指標(biāo)Y進(jìn)行關(guān)聯(lián)。模型中宏觀經(jīng)濟(jì)因素變量的選擇將參考國外學(xué)者實(shí)證分析研究中的模型自變量，再結(jié)合中國經(jīng)濟(jì)數(shù)據(jù)統(tǒng)計(jì)的特點(diǎn)和信息披露等制約因素進(jìn)行選取，從中選擇適合本模型的自變量進(jìn)行建模。

首先，部門j的違約率具有Logit函數(shù)形式：

（二）壓力傳導(dǎo)模型建設(shè)

壓力傳導(dǎo)模型建設(shè)是壓力測(cè)試流程中最為核心的部分。按照壓力傳導(dǎo)的機(jī)理，壓力傳導(dǎo)模型可分為自下而上和自上而下的兩類方法。所謂自下而上是指首先在局部和個(gè)體層面進(jìn)行測(cè)試，然后將個(gè)體的測(cè)試結(jié)果匯總得出整體的結(jié)果。自上而下的測(cè)試是將所有測(cè)試對(duì)象組成一個(gè)整體，集中同時(shí)進(jìn)行測(cè)試。兩種方法的優(yōu)缺點(diǎn)是：自下而上的方法可以捕捉風(fēng)險(xiǎn)的集中問題以及風(fēng)險(xiǎn)傳染問題，但對(duì)于客戶明細(xì)數(shù)據(jù)的歷史長(zhǎng)度要求較高，實(shí)際建模難度較大，成本較高，操作性不強(qiáng)；而自上而下的方法只要求整個(gè)金融機(jī)構(gòu)宏觀層面的歷史數(shù)據(jù)，比較適合總行層面開展測(cè)試，成本也相對(duì)較低，特別是在中國銀行業(yè)的歷史數(shù)據(jù)長(zhǎng)度較短的環(huán)境下，但這種方法的不足是在整體層面進(jìn)行的風(fēng)險(xiǎn)測(cè)試可能會(huì)掩蓋個(gè)體的集中風(fēng)險(xiǎn)以及個(gè)體之間相互關(guān)聯(lián)的風(fēng)險(xiǎn)。

本文測(cè)試采用“自上而下”方法，其核心內(nèi)容是信用風(fēng)險(xiǎn)傳導(dǎo)模型的建立，運(yùn)用模型描述風(fēng)險(xiǎn)驅(qū)動(dòng)因素與承壓對(duì)象之間的風(fēng)險(xiǎn)傳導(dǎo)和影響機(jī)制。壓力測(cè)試將傳導(dǎo)模型和壓力情景模型構(gòu)建成一個(gè)模型系統(tǒng)，形成反映違約率與各宏觀經(jīng)濟(jì)變量之間相互影響的動(dòng)態(tài)關(guān)系。

整個(gè)宏觀壓力測(cè)試的流程推導(dǎo)如下：將銀行體系違約率的歷史數(shù)據(jù)代入式（2），通過處理可得到中介指標(biāo)Y的估計(jì)值，再把Y的估計(jì)值代入式（3），估計(jì)出宏觀方程的系數(shù)（βj，0…βj，n），此方程便為宏觀壓力測(cè)試的基礎(chǔ)。通過對(duì)于情景的設(shè)定，將假定的各相關(guān)宏觀經(jīng)濟(jì)變量值代入估計(jì)出的式（3），即可得到壓力情景下的Y值，記為Y′，再將Y′回代入式（2），可得壓力情景下的銀行違約率。上述流程便為本文采用的壓力傳導(dǎo)模型。

（三）變量的選取與數(shù)據(jù)描述

為了建立銀行信用風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)變量之間的實(shí)證關(guān)系，在被解釋變量方面，選取了貸款違約率為評(píng)估銀行體系的信用風(fēng)險(xiǎn)指標(biāo)，主要表現(xiàn)為貸款人在銀行申請(qǐng)貸款的違約風(fēng)險(xiǎn)，以不良貸款率為衡量指標(biāo)，結(jié)合數(shù)據(jù)獲得的難易度，以平均的不良貸款率（不良貸款率=（次級(jí)+可疑+損失）/貸款總額）來表示貸款違約率。選取中國工商銀行、中國建設(shè)銀行、交通銀行、中國銀行、光大銀行、招商銀行、浦發(fā)銀行、民生銀行、華夏銀行、平安銀行、中信銀行和南京銀行在2002年至2014年的季度信貸數(shù)據(jù)作為樣本（數(shù)據(jù)來源于WIND數(shù)據(jù)庫），上述樣本選取的12家銀行包涵了國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行，樣本選取范圍較為合理。

在解釋變量方面，選取少數(shù)幾個(gè)有關(guān)鍵作用的宏觀經(jīng)濟(jì)變量使其更好地闡述壓力測(cè)試。綜合國外學(xué)者的研究以及我國實(shí)際情況，本文選取以下七個(gè)宏觀經(jīng)濟(jì)變量作為解釋變量：GDP（國內(nèi)生產(chǎn)總值增長(zhǎng)率）、CPI（消費(fèi)者價(jià)格指數(shù)）、M2（廣義貨幣供應(yīng)量）、PPI（生產(chǎn)者價(jià)格指數(shù)）、LOANRATE（三-五年期貸款利率）、INVEST（固定資產(chǎn)投資價(jià)格指數(shù)）和HOUSE（商品房地產(chǎn)價(jià)格指數(shù)），變量值選取2002年至2014年的季度數(shù)據(jù)，數(shù)據(jù)來源WIND數(shù)據(jù)庫。

選擇國內(nèi)生產(chǎn)總值增長(zhǎng)率的原因是其作為每個(gè)生產(chǎn)部門利潤(rùn)的代表，可以反映還貸能力。選擇貸款利率作為變量的原因是顯而易見的，因?yàn)槔仕降母叩蛯⒅苯佑绊懫髽I(yè)的債務(wù)負(fù)擔(dān)水平。

（四）實(shí)證研究

根據(jù)前文中的模型設(shè)定，首先將違約率PD通過Logit模型變換為中介指標(biāo)Y，再將2002-2014年的宏觀數(shù)據(jù)對(duì)上述模型進(jìn)行多元回歸分析與模型估計(jì)，利用Eviews7.0，我們對(duì)中介指標(biāo)Y與各宏觀經(jīng)濟(jì)變量指標(biāo)進(jìn)行多元回歸和各宏觀經(jīng)濟(jì)變量向量自回歸。據(jù)經(jīng)驗(yàn)宏觀經(jīng)濟(jì)沖擊的滯后期往往為一年，因此本文引入中介指標(biāo)Y的一階滯后變量。根據(jù)多元回歸方程的t檢驗(yàn)值（5%的顯著性水平），房地產(chǎn)價(jià)格指數(shù)（HOUSE）、固定資產(chǎn)投資價(jià)格（INVEST）和三-五年期長(zhǎng)期貸款利率（LOANRATE）對(duì)于中介指標(biāo)Y并不顯著，因此剔除上述解釋變量。在剔除不顯著的變量后，剩余解釋變量指標(biāo)國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）、消費(fèi)者價(jià)格指數(shù)（CPI）、生產(chǎn)者價(jià)格指數(shù)（PPI）以及廣義貨幣供應(yīng)量（M2）這四個(gè)解釋變量對(duì)于中介指標(biāo)Y非常顯著。在數(shù)據(jù)的平穩(wěn)性處理方面，我們進(jìn)行帶有時(shí)間趨勢(shì)和截距趨勢(shì)的ADF單位根檢驗(yàn)，通過Johansen協(xié)整檢驗(yàn)，得知中介指標(biāo)Y與GDP、CPI、PPI和M2存在長(zhǎng)期穩(wěn)定的均衡關(guān)系，結(jié)果如表1。

由表1的結(jié)果，我們可以得出關(guān)于中介指標(biāo)Y與各宏觀經(jīng)濟(jì)變量的多元回歸結(jié)果。

（五）宏觀壓力情境的設(shè)定

選擇情境分析作為執(zhí)行壓力測(cè)試的方法。針對(duì)模型所選取的宏觀經(jīng)濟(jì)變量，設(shè)定壓力情境：國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）和消費(fèi)者價(jià)格指數(shù)（CPI）都大幅下跌。

假定經(jīng)濟(jì)周期處于衰退期，國內(nèi)生產(chǎn)總值增長(zhǎng)率和消費(fèi)者價(jià)格指數(shù)都呈現(xiàn)出大幅下跌，預(yù)示著整個(gè)社會(huì)的宏觀經(jīng)濟(jì)較為蕭條。國內(nèi)生產(chǎn)總值增長(zhǎng)率的下降意味著企業(yè)平均盈利能力較差，不良貸款率也隨之上升；消費(fèi)者價(jià)格指數(shù)下降加重了債務(wù)負(fù)擔(dān)，使借款人無力償還貸款，導(dǎo)致銀行出現(xiàn)大量不良資產(chǎn)。

根據(jù)歷史數(shù)據(jù)構(gòu)建時(shí)間序列模型，對(duì)于銀行體系遇到極端情境進(jìn)行預(yù)測(cè)，建立未來三期的簡(jiǎn)單ARMA模型預(yù)測(cè)，作為參考基準(zhǔn)情境。

1.國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）的壓力情景設(shè)定。根據(jù)表1中模型關(guān)于GDP的自回歸方程：

GDP=0.73+0.7586GDPt-1+0.1689GDPt-2+0.1174Yt-1（5）

Y=0.2302+0.9536Yt-1（6）

由式（5）可預(yù)測(cè)在未來三期國內(nèi)生產(chǎn)總值呈現(xiàn)下降趨勢(shì)。因此，可以設(shè)定未來三期國內(nèi)生產(chǎn)總值增長(zhǎng)率分別降至6%、4%、2%三種情境。

2.消費(fèi)者價(jià)格指數(shù)（CPI）的壓力情境設(shè)定。根據(jù)表1中模型的估計(jì)結(jié)果，可得出CPI的自回歸方程為：

CPI=-2.839+0.974CPIt-1-0.417CPIt-2+1.363Yt-1-2.476D1（7）

將歷史數(shù)據(jù)代入式（7），得到CPI在未來三期內(nèi)呈現(xiàn)通貨緊縮的趨勢(shì)。所以設(shè)定未來三期消費(fèi)者價(jià)格指數(shù)（CPI）分別降至-1%、-3%、-5%。

3.壓力情境的設(shè)定。現(xiàn)壓力源為國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP），利用最小二乘法，將GDP與其他解釋變量CPI、PPI和M2逐一回歸，若GDP的系數(shù)顯著（t檢驗(yàn)顯著），則表示GDP的解釋性良好，且GDP與解釋變量存在線性關(guān)系，然后根據(jù)壓力源GDP的取值代入回歸方程，可得各個(gè)解釋變量的取值（估計(jì)值），將所有估計(jì)值代入宏觀經(jīng)濟(jì)方程得到Y(jié)值，通過Logit模型再轉(zhuǎn)換得到違約概率的點(diǎn)估計(jì)值。

4.壓力情境中各宏觀經(jīng)濟(jì)因素變量值。在GDP大幅下降的壓力情境下，GDP對(duì)于CPI、PPI、M2有較強(qiáng)的解釋能力，根據(jù)t統(tǒng)計(jì)檢驗(yàn)值和模型的擬合優(yōu)度等檢驗(yàn)值，通過解釋變量的增加與剔除對(duì)模型進(jìn)行反復(fù)調(diào)試，從中選出最適合模型的解釋變量。最終確定宏觀經(jīng)濟(jì)變量對(duì)于GDP的回歸模型如下：

CPI=-7.621+0.6486GDPt-2+0.9752Yt-1（8）

PPI=-11.572+1.347GDP（9）

M2=17.3733+0.8179GDP-3.1712Yt-1（10）

利用式（8）-（10）對(duì)GDP相應(yīng)取值下的CPI、PPI和M2的值進(jìn)行估計(jì)。壓力情境下各宏觀經(jīng)濟(jì)變量的估計(jì)結(jié)果如表2。

在CPI大幅下降的壓力情境設(shè)定下，運(yùn)用最小二乘法估計(jì)，通過估計(jì)發(fā)現(xiàn)CPI對(duì)GDP、PPI、M2都有較強(qiáng)的解釋能力，根據(jù)CPI的系數(shù)統(tǒng)計(jì)性顯著性的檢驗(yàn)，最終確定的其他宏觀經(jīng)濟(jì)變量關(guān)于CPI的回歸模型如下：

GDP=12.87+0.383CPI-1.014Yt-1 （11）

PPI=5.654+1.814CPI-0.772CPIt-2-1.672Yt-1（12）

M2=19.174-0.786CPI（13）

利用式（11）至式（13）對(duì)CPI相應(yīng)取值下的GDP、PPI和M2的值進(jìn)行估計(jì)。壓力情境下各宏觀經(jīng)濟(jì)變量的估計(jì)結(jié)果如表3。

5.宏觀壓力測(cè)試的執(zhí)行及結(jié)果分析。本文將歷史數(shù)據(jù)代入多元線性回歸方程作為宏觀壓力測(cè)試的信貸模型，然后構(gòu)建銀行體系抵御風(fēng)險(xiǎn)的極端情境，通過宏觀經(jīng)濟(jì)變量的沖擊，利用多元線性回歸方程和Logit模型就可以算出壓力情境下的違約概率的點(diǎn)估計(jì)。由表1的回歸結(jié)果可得到式（14）：

Y=0.0934+0.0235GDP+0.0413CPI-0.012PPI+0.0097M2+0.8308Yt-1（14）

將表2和表3中的各組值分別代入估計(jì)出的多元線性回歸模型式（14）中，壓力測(cè)試結(jié)果如表4所示。

由表4可知，在經(jīng)濟(jì)周期處于衰退的情況下，兩種壓力情境導(dǎo)致中國銀行體系的信貸風(fēng)險(xiǎn)明顯增加，從模型估計(jì)出的違約率都有著不同幅度的增長(zhǎng)。由表4中宏觀壓力測(cè)試執(zhí)行結(jié)果可知，在同等波動(dòng)幅度下，國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）比消費(fèi)者價(jià)格指數(shù)（CPI）對(duì)銀行系統(tǒng)貸款違約率的影響更大。這充分說明在經(jīng)濟(jì)下行的壓力情境下，宏觀經(jīng)濟(jì)變量波動(dòng)對(duì)于銀行體系信貸違約率的沖擊效應(yīng)非常顯著。

四、結(jié)論與建議

以上實(shí)證顯示，宏觀經(jīng)濟(jì)運(yùn)行狀況對(duì)于銀行信用風(fēng)險(xiǎn)具有顯著影響，從模型可知國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）、消費(fèi)者價(jià)格指數(shù)（CPI）、生產(chǎn)者價(jià)格指數(shù)（PPI）和廣義貨幣供應(yīng)量（M2）對(duì)銀行信用風(fēng)險(xiǎn)的影響較為顯著。在經(jīng)濟(jì)周期處于衰退期，構(gòu)建國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）和消費(fèi)者價(jià)格指數(shù)（CPI）大幅下降的壓力情景，可以得出國內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）對(duì)于銀行不良貸款率的影響最大。

隨著中國金融市場(chǎng)的不斷對(duì)外開放，我國商業(yè)銀行業(yè)所面臨的風(fēng)險(xiǎn)將更為巨大，因此需要盡快建立符合中國實(shí)際情況的商業(yè)銀行風(fēng)險(xiǎn)防范體系。按照巴塞爾銀行監(jiān)管委員會(huì)的相關(guān)建議規(guī)范，我國應(yīng)進(jìn)一步推動(dòng)中國商業(yè)銀行自覺運(yùn)用壓力測(cè)試的方法來防范自身的風(fēng)險(xiǎn)，并制定相關(guān)的規(guī)章制度。在本次壓力測(cè)試中，宏觀經(jīng)濟(jì)變動(dòng)對(duì)商業(yè)銀行違約率影響的程度非常大。這表明，當(dāng)宏觀經(jīng)濟(jì)處于下行時(shí)，銀行應(yīng)結(jié)合對(duì)未來經(jīng)濟(jì)走勢(shì)的預(yù)期判斷提出應(yīng)對(duì)措施，包括：調(diào)整總體信貸資產(chǎn)質(zhì)量目標(biāo)、調(diào)整信貸投放的增長(zhǎng)規(guī)劃、改善資本結(jié)構(gòu)、提高資本充足率和調(diào)整經(jīng)濟(jì)資本置信區(qū)間等。通過分析我們可以看到中國的銀行體系穩(wěn)定性還有待進(jìn)一步加強(qiáng)，在面臨假設(shè)的宏觀經(jīng)濟(jì)沖擊時(shí)，化解風(fēng)險(xiǎn)的能力尚顯不足。我國銀行業(yè)應(yīng)吸取過往經(jīng)驗(yàn)教訓(xùn)，防患于未然，提高自身的風(fēng)險(xiǎn)意識(shí)，降低銀行不良貸款率。

雖然壓力測(cè)試工具存在一定的局限性，但是壓力測(cè)試作為一個(gè)全新的風(fēng)險(xiǎn)測(cè)量工具，對(duì)于在商業(yè)銀行風(fēng)險(xiǎn)管理中的應(yīng)用和研究都將起到重要的作用，并有助于跟進(jìn)一步深刻了解風(fēng)險(xiǎn)管理的實(shí)質(zhì)，有效管理商業(yè)銀行風(fēng)險(xiǎn)資產(chǎn)，防范和控制各類風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1] 華曉龍.基于宏觀壓力測(cè)試方法的商業(yè)銀行體系信用風(fēng)險(xiǎn)評(píng)估[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009（4）：117-128.

[2] 沈陽，馮望舒.宏觀經(jīng)濟(jì)變量與銀行信用風(fēng)險(xiǎn)的實(shí)證研究[J].會(huì)計(jì)之友，2010（8）：88-91.

[3] 劉曉星.風(fēng)險(xiǎn)價(jià)值、壓力測(cè)試與金融系統(tǒng)穩(wěn)定性評(píng)估[J].財(cái)經(jīng)問題研究，2009（9）：57-65.

[4] 賈海濤，邱長(zhǎng)溶.宏觀因素對(duì)貸款企業(yè)違約率影響的實(shí)證分析[J].現(xiàn)代管理科學(xué)，2009（2）：67-72.

[5] 潘敏，張依茹.宏觀經(jīng)濟(jì)波動(dòng)下銀行風(fēng)險(xiǎn)承擔(dān)水平研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2012（10）：57-65.

[6] 巴曙松，朱元倩.壓力測(cè)試在銀行風(fēng)險(xiǎn)管理中的應(yīng)用[J].經(jīng)濟(jì)學(xué)家，2012（2）：70-79.

[7] 田艷芬，邵志高，陳守東.宏觀經(jīng)濟(jì)因素對(duì)銀行體系脆弱性影響的實(shí)證分析[J].金融發(fā)展研究，2011（4）：26-30.

[8] 楊柳.銀行體系宏觀壓力測(cè)試的評(píng)估模型與實(shí)證[J].統(tǒng)計(jì)與決策，2011（19）： 139-142.

[9] 周源，施建軍.金融機(jī)構(gòu)房地產(chǎn)貸款的壓力測(cè)試：以江蘇省為例[J].上海金融，2009（7）：73-75.

[10]陳華，伍志文.銀行體系脆弱性：理論及基于中國的實(shí)證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2004（9）：120-135.

[11]陳宜成.基于宏觀壓力測(cè)試的我國商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2014（4）：3-10.

[12]Boss， Michael.A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio[J]. Financial Stability Report，2002（4）：64-82.

[13]Froyland，Espen.How Vulnerable are Financial Institutions to Macroeconomic Changes： An Analysis based on Stress Testing[J]. Economic Bulletin，2002，73（3）：127-169.

[14]Kupiec，Paul.Stress Testing in a Value at Risk Framework[J]. Journal of Derivatives，1998，6（1）：7-24.

[15]Mckinnon，Ronald.Financial growth and macroeconomic dtability in China，1978～1992：implications for Russia and other transitional economies[J]. Journal of Comparative Economics，1994，17（2）：438-469.

[16]Merton，Robert.On the Pricing of Corporate Debt： the Risk Structure of Interest Rates[J].Journal of Finance，1974，29（7）：449-470.

[17]Pesola，Jarmo.The role of macroeconomic shocks in banking crises[J]. Bank of Finland Discussion paper 6，2000.

[18]Virolainen，Kimmo. Macro Stress-testing with a Macroeconomic Credit Risk Model for Finland[J]. Bank of Finland，2004，18（1）：1-66.

[19]Vlieghe，Gertjan. Indicators of Fragility in the UK Corporate Sector[M].Bank of England Working Paper 146，2001.

[20]Wilson，Thomas. Portfolio Credit Risk I[J].Risk，1997，9（10）：111-170.

[21]Wilson，Thomas. Portfolio Credit Risk II[J].Risk，1997，10（10）：56-61.

Abstract：Adopting the data of China′s macroeconomic indicators from 2002 to 2014 and non-performing loan ratio of 12 commercial banks， the paper uses the method of scenario for macro stress-testing to empirically analyze the impact of macroeconomic fluctuations on credit risk of China′s commercial bank. The research shows that gross domestic product growth rate， consumer price index， producer price index and broad money supply have significant effects on the credit risk of commercial bank； by constructing two macroeconomic extreme situation-gross domestic product growth rate and consumer price index showing a sharp decline， respectively， system of our country commercial bank′s non-performing loan ratio is improved to a great extent.

Key words：macro stress-testing； credit risk； non-performing loan ratio； commercial bank

（責(zé)任編輯：嚴(yán)元）