基于SUR的商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究

常婷婷 ，喬 忠 ，李 拓

（1.中國(guó)農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院 北京 100083；2中國(guó)建設(shè)銀行 國(guó)際部 北京 100031）

基于SUR的商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究

常婷婷1，喬 忠1，李 拓2

（1.中國(guó)農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院 北京 100083；2中國(guó)建設(shè)銀行 國(guó)際部 北京 100031）

世界危機(jī)后，壓力測(cè)試作為風(fēng)險(xiǎn)管理的一種新手段，倍受關(guān)注。而信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究在全球范圍已成為具有挑戰(zhàn)性的課題之一。文章分析了商業(yè)銀行信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)壓力因素，建立了壓力指標(biāo)體系并據(jù)此假設(shè)計(jì)壓力情景；采用Logit回歸和向量自回歸構(gòu)成表面似無(wú)關(guān)方程組構(gòu)建了壓力測(cè)試模型。

商業(yè)銀行，壓力測(cè)試，宏觀經(jīng)濟(jì)，SUR方程組

近年來(lái)，金融創(chuàng)新不斷深化，金融機(jī)構(gòu)經(jīng)營(yíng)活動(dòng)日趨復(fù)雜，金融產(chǎn)品的風(fēng)險(xiǎn)特征也愈加模糊。2008年，由美國(guó)次貸引發(fā)的全球性金融危機(jī)深刻揭示出金融機(jī)構(gòu)在風(fēng)險(xiǎn)管理中的薄弱環(huán)節(jié)。信用風(fēng)險(xiǎn)是銀行業(yè)，乃至整個(gè)金融業(yè)的最主要的風(fēng)險(xiǎn)形式。巴塞爾銀行監(jiān)督委員會(huì)秘書處成員Svoronos（2002）指出，銀行面臨的風(fēng)險(xiǎn)中信用風(fēng)險(xiǎn)占比最高，約占60%。世界銀行對(duì)全球銀行危機(jī)研究表明，導(dǎo)致銀行破產(chǎn)的最常見(jiàn)原因就是信用風(fēng)險(xiǎn)。目前，我國(guó)經(jīng)濟(jì)雖有所回升，逐漸走向平穩(wěn)，但后危機(jī)時(shí)代的經(jīng)濟(jì)也有諸多“暗瘡”未能康復(fù)，加上利率自由化、人民幣匯率彈性增加等制度性因素的變化，銀行業(yè)面臨需要增加呆壞賬撥備、不良貸款比率上升的壓力，銀行信用風(fēng)險(xiǎn)明顯提高。因此，對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試的研究具有實(shí)意義。

1 宏觀壓力測(cè)試文獻(xiàn)回顧

國(guó)際清算銀行巴塞爾銀行全球金融系統(tǒng)委員會(huì)（BCDFS）（2000）則將壓力測(cè)試定義為金融機(jī)構(gòu)衡量潛在但可能（plausible）發(fā)生異常（exceptional）損失的模型[1]。 我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試是測(cè)算宏觀經(jīng)濟(jì)狀況對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的壓力大小，并通過(guò)建立模型和合理假設(shè)情景，計(jì)量“壓力”情景下信用風(fēng)險(xiǎn)的大小，并指導(dǎo)商業(yè)銀行計(jì)提損失撥備和風(fēng)險(xiǎn)管理工作。

壓力測(cè)試作為一種新的銀行風(fēng)險(xiǎn)管理方法，相關(guān)研究較少，主要集中在各國(guó)中央銀行研究部門和風(fēng)險(xiǎn)管理部門。澳大利亞銀行的Boss M（2002）、芬蘭銀行的Virolaimen K(2004)和 Marco M 等（2006）、香港零售銀行的 Jim Wong 等（2006）、英國(guó)Drehmann，Haldane（2007）都針對(duì)各國(guó)特點(diǎn)，分析宏觀經(jīng)濟(jì)波動(dòng)與銀行違約率之間的相關(guān)性，建立宏觀經(jīng)濟(jì)波動(dòng)的信貸風(fēng)險(xiǎn)壓力測(cè)試框架。

國(guó)內(nèi)相關(guān)研究處于啟蒙階段，郭春松（2005），黃璟（2004），楊鵬（2005），董天新和杜亞斌（2005）、鮮玫和黃秋麗（2006）、孫連友（2007）等對(duì)壓力測(cè)試進(jìn)行理論探討，但多數(shù)是國(guó)外文獻(xiàn)的綜述整理、分析，文獻(xiàn)內(nèi)容多為壓力測(cè)試的必要性、目的、作用、所用方法、國(guó)內(nèi)外的具體實(shí)踐等拼湊，未能有進(jìn)一步的發(fā)展創(chuàng)新。最近三年，一些壓力測(cè)試研究采用數(shù)量化方法，但僅有屈指可數(shù)的幾篇。而且數(shù)量方法的引入還并不成熟，存在這樣那樣的不足。如任宇航等[1]對(duì)銀行信用風(fēng)險(xiǎn)進(jìn)行壓力測(cè)試，提出了適合我國(guó)現(xiàn)狀的Logit回歸測(cè)試方法，并進(jìn)行了應(yīng)用研究。但該研究只是簡(jiǎn)單的回歸，忽視了自變量之間的復(fù)雜關(guān)系和各壓力因素的滯后影響，并且壓力情景只考慮了宏觀經(jīng)濟(jì)衰退的影響，對(duì)違約概率數(shù)據(jù)的處理，也沒(méi)有分不同的信用等級(jí)。徐光林[2]將銀行業(yè)金融機(jī)構(gòu)合計(jì)總資產(chǎn)季度同比增長(zhǎng)率作為因變量度量其資產(chǎn)規(guī)模受宏觀經(jīng)濟(jì)惡化影響的程度，分析將GDP的沖擊、CPI沖擊和R的變化作為自變量描述宏觀經(jīng)濟(jì)波動(dòng)，建立回歸方程，并假設(shè)情景得到測(cè)試結(jié)果。但該研究的宏觀經(jīng)濟(jì)變量顯然單調(diào)，不能全面反映宏觀經(jīng)濟(jì)整體信息，情景設(shè)計(jì)依賴于假設(shè)，過(guò)于主觀。吳婷和段明明（2009）研究了宏觀經(jīng)濟(jì)對(duì)銀行信用風(fēng)險(xiǎn)的影響，并進(jìn)行壓力測(cè)試，構(gòu)建VaR聯(lián)立方程組實(shí)證研究，得出各宏觀經(jīng)濟(jì)指標(biāo)和銀行信貸違約率的模型。華曉龍[3]采用Logit模型，把貸款違約率作為評(píng)價(jià)銀行系統(tǒng)信用風(fēng)險(xiǎn)的指標(biāo)，對(duì)因變量Y和宏觀經(jīng)濟(jì)因素各指標(biāo)進(jìn)行多元線性回歸，并考慮滯后期，建立VaR聯(lián)立方程組；通過(guò)簡(jiǎn)單自回歸預(yù)測(cè)設(shè)置情境，實(shí)施宏觀壓力測(cè)試,并分析宏觀經(jīng)濟(jì)因素指標(biāo)的波動(dòng)對(duì)我國(guó)銀行體系貸款違約率的影響。他的研究指標(biāo)選取較為合理，模型比較科學(xué)，數(shù)據(jù)處理適當(dāng)，是國(guó)內(nèi)該領(lǐng)域研究中較為領(lǐng)先的研究成果之一，對(duì)本研究有較大啟示和借鑒作用。

2 宏觀壓力測(cè)試的指標(biāo)選取及模型構(gòu)建

2.1 承壓因素和承壓指標(biāo)的選取

銀行的信用風(fēng)險(xiǎn)主要表現(xiàn)為客戶的違約和貸款的不良上。由于近年來(lái)不良貸款大幅剝離和貸款總額大量增加導(dǎo)致數(shù)據(jù)的稀釋和跳點(diǎn)，嚴(yán)重影響數(shù)據(jù)的可比性和連續(xù)性，造成許多方法無(wú)法應(yīng)用。選擇違約率作為承壓指標(biāo)，即壓力測(cè)試目標(biāo)資產(chǎn)（業(yè)務(wù)）組合的違約率（PD）。目標(biāo)資產(chǎn)是銀行總信貸資產(chǎn)，對(duì)應(yīng)承壓指標(biāo)及整體違約率。違約定義為逾期90天不還款的事件，違約率（PD）=本期內(nèi)違約客戶數(shù)/期初總客戶數(shù)。

2.2 壓力因素和壓力指標(biāo)的確定

商業(yè)銀行宏觀壓力測(cè)試的壓力因素就是宏觀經(jīng)濟(jì)的周期性波動(dòng)，壓力指標(biāo)就是能反映宏觀經(jīng)濟(jì)波動(dòng)的各指標(biāo)。在宏觀經(jīng)濟(jì)壓力測(cè)試研究中，各國(guó)采用的宏觀經(jīng)濟(jì)指標(biāo)不盡相同，表1列出了部分代表性國(guó)家宏觀壓力測(cè)試采用的宏觀壓力因素，主要有GDP增長(zhǎng)率、資產(chǎn)價(jià)格、消費(fèi)、投資、貨幣總量、貿(mào)易、市場(chǎng)利率和匯率、房地產(chǎn)等方面。本研究主要考慮選取的宏觀經(jīng)濟(jì)因素有國(guó)內(nèi)生產(chǎn)總值（GDP）、居民消費(fèi)物價(jià)指數(shù)（CPI）、社會(huì)消費(fèi)品零售總額(SR)、城鎮(zhèn)固定資產(chǎn)投資額（FI）、全國(guó)房屋銷售價(jià)格指數(shù)（HPI）、貨幣供給量（M2）、基準(zhǔn)利率(BIR)、匯率(ER)等等。鑒于香港金管局的研究，我們也將反應(yīng)房地產(chǎn)因素的全國(guó)七十個(gè)大中城市房?jī)r(jià)指數(shù)納入宏觀經(jīng)濟(jì)指標(biāo)體系中，原因如下：第一，我國(guó)銀行業(yè)房地產(chǎn)貸款業(yè)務(wù)發(fā)展迅速，在貸款中占有相當(dāng)比例。央行報(bào)告顯示：截至2010年3月末，主要金融機(jī)構(gòu)商業(yè)性房地產(chǎn)貸款余額為8.18萬(wàn)億元，同比增長(zhǎng)44.3%，房地產(chǎn)貸款余額占各項(xiàng)貸款余額的20.1%，比上年末高0.9個(gè)百分點(diǎn)。其次，美國(guó)的次貸危機(jī)說(shuō)明了房地產(chǎn)市場(chǎng)的崩潰對(duì)銀行體系穩(wěn)定性的沖擊力度是毀滅性的。這充分證明了壓力測(cè)試中房地產(chǎn)價(jià)格變量的重要性和必要性。

2.3 數(shù)據(jù)來(lái)源

考慮到一些計(jì)量方法對(duì)數(shù)據(jù)樣本量的要求，研究取各指標(biāo)的月度數(shù)據(jù)作為樣本原始數(shù)據(jù)。為去除價(jià)格因素和趨勢(shì)，并出于平穩(wěn)性的考慮，研究中盡量使用上述指標(biāo)的同比增長(zhǎng)率數(shù)值。

（1）國(guó)內(nèi)生產(chǎn)總值（GDP）同比增長(zhǎng)率公布周期為年度和季度，缺乏月度數(shù)據(jù)，在此用其季度同比增長(zhǎng)率數(shù)據(jù)近似替代該季度內(nèi)各月的數(shù)據(jù)；由于國(guó)家統(tǒng)計(jì)制度不要求每年對(duì)1月份的單獨(dú)上報(bào)，無(wú)法得到每年1月份的數(shù)據(jù)，所以本研究中每年1月份城鎮(zhèn)固定資產(chǎn)投資完成額的同比增長(zhǎng)率由2月份近似替代。另外，還有居民消費(fèi)物價(jià)指數(shù)（CPI），社會(huì)消費(fèi)品零售總額(SR)同比增長(zhǎng)率，全國(guó)房屋銷售價(jià)格指數(shù)（HP）均來(lái)源于國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù)；

表1 各國(guó)選取宏觀經(jīng)濟(jì)變量的對(duì)照表

（2）貨幣供給量（M2）、基準(zhǔn)利率(BSR)、匯率（L）來(lái)源于中國(guó)人民銀行網(wǎng)站。其中，基準(zhǔn)利率的調(diào)整并非從每個(gè)月份的1號(hào)開(kāi)始，而是從人民銀行下發(fā)文件當(dāng)天就調(diào)整，所以在調(diào)整當(dāng)月基準(zhǔn)利率要計(jì)算權(quán)重平均數(shù)，即

調(diào)整月度基準(zhǔn)利率=[調(diào)整前利率*調(diào)整日期天數(shù)+調(diào)整后利率*（30-調(diào)整前天數(shù)）]/30

（注：每月按30天統(tǒng)計(jì)計(jì)算；匯率選取1美元兌人民幣的月平均值。）

（3）歷史違約率（MPD），來(lái)源于我國(guó)某商業(yè)銀行內(nèi)部系統(tǒng)。

以上指標(biāo)樣本均選取2005年7月～2010年4月的月度數(shù)據(jù)。

2.4 模型構(gòu)建

實(shí)證分析中，Logit回歸是應(yīng)用最普遍的數(shù)量方法。任宇航等（2007）和華曉龍（2009）的研究中都用到了該方法。本文除了使用Logit回歸方程外，還建立自變量的自回歸方程，并聯(lián)立組成表面似無(wú)關(guān)方程組（SUR）。模型的一般形式如下：

方程（1）表示采用典型的logit轉(zhuǎn)換，將它轉(zhuǎn)化為從-∞到+∞上取值的時(shí)間序列。將轉(zhuǎn)換值yt作為pdt的代理變量?？梢?jiàn)，pdt和yt呈現(xiàn)正向關(guān)系，yt越高，違約率越高，信用風(fēng)險(xiǎn)狀況越差。方程 （2）是表示轉(zhuǎn)換后的pd與風(fēng)險(xiǎn)因子x1,x2,……,xn的關(guān)系，一般采用線性回歸方程；方程（3）表示宏觀經(jīng)濟(jì)壓力因子的自回歸，這是因?yàn)閺慕?jīng)濟(jì)意義上講，宏觀壓力因子的波動(dòng)對(duì)于商業(yè)銀行的違約率有滯后的影響；方程（4）表示方程間存在擾動(dòng)項(xiàng)的同期相關(guān)性，使單方程成為一個(gè)表面似無(wú)關(guān)方程組（SUR）。

2.5 模型的估計(jì)

方程組的參數(shù)估計(jì)也是因子篩選的過(guò)程，方程（2）中的顯著因子和方程（3）中各因子的滯后期數(shù)都需要確定。吳婷，段明明（2009）的研究中回歸結(jié)果顯示在其選定的宏觀經(jīng)濟(jì)因素中滯后期最長(zhǎng)為兩個(gè)季度（6個(gè)月）。據(jù)此，本研究選取各壓力因子xi滯后六期開(kāi)始對(duì)y進(jìn)行單方程回歸。模型的結(jié)果，調(diào)整的R平方為負(fù)值，F(xiàn)檢驗(yàn)和t檢驗(yàn)都不能通過(guò)，所有因子均不顯著。于是依次減少滯后期進(jìn)行回歸，得到滯后期為3時(shí)，調(diào)整的R平方最大，F(xiàn)檢驗(yàn)通過(guò)，t檢驗(yàn)存在顯著指標(biāo)。因此，確定滯后期為3期最為適宜。在回歸的過(guò)程中，發(fā)現(xiàn)CPI、M2、BSR及其滯后值始終不顯著，剔除這三個(gè)因子。再將GDP、SR、FI、HPI和L及其滯后三期值對(duì)y作回歸，使得方程調(diào)整R平方增大為0.443，P小于0.01的顯著因子為GDP（-1）、SR（-3）、FI（-1）、L（-3）。 這完全符合經(jīng)濟(jì)意義：GDP是宏觀經(jīng)濟(jì)的綜合指標(biāo)，最能反映宏觀經(jīng)濟(jì)狀況，它滯后一期影響商業(yè)銀行的違約率；社會(huì)消費(fèi)品零售總額（SR）反映了需求，它滯后三期影響商業(yè)銀行違約率；城鎮(zhèn)固定資產(chǎn)投資額（FI）反映了投資方面，它滯后一期影響違約率；匯率（L）是反映國(guó)際貿(mào)易的因子，它滯后三期影響違約率。需求、投資和對(duì)外貿(mào)易構(gòu)成拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的 “三駕馬車”。用Spss檢驗(yàn) GDP（-1）、SR（-3）、FI（-1）、L（-3）的容忍度和方差膨脹因子VIF。容忍度均大于0.1，且方差膨脹因子都小于5，說(shuō)明它們之間不存在多重共線性。

至此確定方程（2）中的顯著因子為 GDP、SR、FI、L，方程（3）中各因子的滯后期數(shù)為3，聯(lián)立方程組。

可粗略判斷各個(gè)方程組都是過(guò)度識(shí)別的。用Eviews估計(jì)上述方程組，發(fā)現(xiàn)GDP、SR和L都不太顯著，但由于GDP是最能反映宏觀經(jīng)濟(jì)的指標(biāo)，不能刪除，因此刪除SR、L以及它們對(duì)應(yīng)的自回歸方程；對(duì)于GDP自回歸方程中GDP滯后2期和滯后3期不顯著，因此刪除；在FI自回歸方程中FI滯后2期和滯后3期也不顯著；因此刪除。最終，方程組變?yōu)椋?/p>

表2 SUR模型參數(shù)估計(jì)結(jié)果表

此次估計(jì)結(jié)果如表2所示。可以看到：第一，方程中除了GDP同比增長(zhǎng)率的系數(shù)例外，其他系數(shù)的統(tǒng)計(jì)量|t|＞2，p＜0.01，通過(guò)變量顯著性檢驗(yàn)。而GDP同比增長(zhǎng)率由于在月度數(shù)據(jù)的獲取時(shí)采用季度數(shù)據(jù)近似，數(shù)據(jù)的實(shí)際成分受到破壞，其參數(shù)估計(jì)結(jié)果不能通過(guò)顯著性檢驗(yàn)，并不代表GDP同比增長(zhǎng)率對(duì)于商業(yè)銀行違約率影響不大。從經(jīng)濟(jì)理論上分析，GDP同比增長(zhǎng)率對(duì)違約率的影響應(yīng)該是巨大的，所以模型仍然將保留GDP增長(zhǎng)率。第二，同比增長(zhǎng)率數(shù)據(jù)某種意義上類似差分?jǐn)?shù)據(jù)，對(duì)于各個(gè)模型的R平方和調(diào)整的R平方值較小，實(shí)屬正常。

這完全符合經(jīng)濟(jì)意義，其經(jīng)濟(jì)解釋為：首先，GDP同比增長(zhǎng)率與上一期同比增長(zhǎng)率關(guān)系密切，其決定系數(shù)為0.9983。這很大程度上是由于月度數(shù)據(jù)的近似造成的，但也符合經(jīng)濟(jì)學(xué)含義；其次，F(xiàn)I同比增長(zhǎng)率與上一期值存在正向關(guān)系，上一期的固定資產(chǎn)投資額與當(dāng)期固定資產(chǎn)投資額存在正向關(guān)聯(lián)，這可以解釋為一段時(shí)間內(nèi)的投資政策是相對(duì)穩(wěn)定的；再次，由于商業(yè)銀行違約率與y是同向關(guān)系，GDP同比增長(zhǎng)率、FI同比增長(zhǎng)率與y的增減方向相同，也與違約率的方向一致，即GDP同比增長(zhǎng)率、FI同比增長(zhǎng)率與違約率均呈現(xiàn)反向關(guān)系。也就是說(shuō)，當(dāng)GDP同比增長(zhǎng)率增加時(shí)，違約率會(huì)下降，說(shuō)明在經(jīng)濟(jì)增長(zhǎng)越來(lái)越快的情景下，商業(yè)銀行的債務(wù)人更愿意償還銀行貸款，反之亦然。固定資產(chǎn)投資對(duì)經(jīng)濟(jì)有很強(qiáng)的拉動(dòng)作用，當(dāng)固定資產(chǎn)投資額增長(zhǎng)變快時(shí)，經(jīng)濟(jì)增長(zhǎng)會(huì)隨之活躍起來(lái)，使宏觀經(jīng)濟(jì)狀況整體相對(duì)繁榮，商業(yè)銀行違約率下降。最后，當(dāng)GDP增長(zhǎng)率與FI增長(zhǎng)率呈反方向變化時(shí)，違約率的情況要看哪個(gè)方向影響更為嚴(yán)重。從以上得到的模型來(lái)看，F(xiàn)I增長(zhǎng)率的系數(shù)較大，表明對(duì)y和違約率的影響較GDP增長(zhǎng)率大一些。然而，當(dāng)經(jīng)濟(jì)增長(zhǎng)速度強(qiáng)烈放緩時(shí)，一般我國(guó)政府就會(huì)增加固定資產(chǎn)投資拉動(dòng)經(jīng)濟(jì)，這將會(huì)對(duì)違約率維持穩(wěn)定水平有一定作用。

3 宏觀壓力測(cè)試的情景分析及結(jié)論

從歷史數(shù)據(jù)來(lái)分析，我國(guó)GDP增長(zhǎng)在2009年1季度達(dá)到1993年以來(lái)的歷史最低點(diǎn)6.1%，2009年2季度為次低點(diǎn)7.1%，而其最高值為1993年1季度的15.1%。均值為12.25%。城鎮(zhèn)固定資產(chǎn)投資額的增長(zhǎng)率2004年2月市最低點(diǎn)，達(dá)到0.6975，次高點(diǎn)是 2004年3月的 0.4836，最低是出現(xiàn)在2006年10月0.1617，平均值為29.74%，中位數(shù)為27.44%。

將GDP增長(zhǎng)率的假設(shè)情景設(shè)置為重度2%、中度4%、輕度6%、微度8%。將2004年1月以后的GDP增長(zhǎng)率和FI增長(zhǎng)率組成一個(gè)數(shù)據(jù)群，計(jì)算它們的均值、方差、協(xié)方差和相關(guān)系數(shù)矩陣。

這也說(shuō)明當(dāng)期GDP增長(zhǎng)率和FI增長(zhǎng)率的歷史數(shù)據(jù)之間呈負(fù)相關(guān)關(guān)系，有一定的相關(guān)性，但相關(guān)性不大。歷史數(shù)據(jù)特征顯示，一般在GDP增長(zhǎng)率下降的時(shí)期，我國(guó)政府會(huì)有一定的投資增長(zhǎng)拉動(dòng)，所以我國(guó)歷史上并沒(méi)有“極端”情景可以借鑒。這種“極端”情景是指GDP增長(zhǎng)率較低時(shí)，F(xiàn)I增長(zhǎng)率也很低。以下將“極端”情景和歷史中的“危機(jī)”情景都列為壓力測(cè)試情景。

表3給出了16種情景下的商業(yè)銀行違約率。從中可以看出，當(dāng)FI增長(zhǎng)率水平不變時(shí)，違約率（PD）隨GDP增長(zhǎng)率的上升而有所下降。而GDP增長(zhǎng)率在同一水平下，F(xiàn)I增長(zhǎng)率增大時(shí)，違約率下降。其中，情景（1）表示經(jīng)濟(jì)增長(zhǎng)緩慢時(shí)，政府財(cái)政資金也嚴(yán)重不足，F(xiàn)I零增長(zhǎng)，這是非常極端的情況，該情景下違約率大幅上升；情景（2）表示表示經(jīng)濟(jì)增長(zhǎng)緩慢時(shí)，無(wú)法保證FI增長(zhǎng)率，F(xiàn)I增長(zhǎng)率僅僅處于較低水平，取FI增長(zhǎng)率歷史數(shù)據(jù)中的最低水平16.17%，此時(shí)違約率有明顯上升；情景（3）表示表示經(jīng)濟(jì)增長(zhǎng)緩慢時(shí)，政府不能及時(shí)提高FI增長(zhǎng)率，F(xiàn)I增長(zhǎng)率依然保持一般水平。取FI增長(zhǎng)率歷史數(shù)據(jù)中的中位數(shù)27.44%，這種情況違約率上升不多，特別是GDP增長(zhǎng)率為8%的情景，已接近商業(yè)銀行的歷史中水平；情景（4）表示經(jīng)濟(jì)增長(zhǎng)緩慢時(shí)，當(dāng)GDP增長(zhǎng)率取到較低水平時(shí)，F(xiàn)I增長(zhǎng)率取較高水平。

通過(guò)計(jì)算得到的FI增長(zhǎng)率的極值約為30%，代入求得違約率。這種情況和我國(guó)的實(shí)際情況相符，即當(dāng)GDP增長(zhǎng)率很低時(shí)，政府會(huì)加大FI投資，穩(wěn)定經(jīng)濟(jì)形勢(shì)，使商業(yè)銀行的違約率的上升趨勢(shì)得到緩解，保持相對(duì)平穩(wěn)的水平。

表3 宏觀壓力測(cè)試情景設(shè)計(jì)及違約率（單位：%）

4 結(jié)論及建議

壓力測(cè)試是風(fēng)險(xiǎn)管理的新手段，是對(duì)VAR方法的補(bǔ)充。宏觀經(jīng)濟(jì)對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的影響是商業(yè)銀行所關(guān)注的。對(duì)于宏觀“壓力”的測(cè)算和壓力情景下?lián)p失的預(yù)測(cè)是商業(yè)銀行有效規(guī)避風(fēng)險(xiǎn)，提高風(fēng)險(xiǎn)管理水平的必要途徑。本文力求科學(xué)合理的運(yùn)用Logit回歸方程和向量自回歸方程構(gòu)成表面似無(wú)關(guān)方程組，建立模型并假設(shè)壓力情景，測(cè)算壓力影響下的違約率。便于商業(yè)銀行合理計(jì)提損失撥備，防范風(fēng)險(xiǎn)的前提下，最大化有效利用資本。本研究得到以下結(jié)論：首先，商業(yè)銀行的違約率與城鎮(zhèn)固定資產(chǎn)投資增長(zhǎng)率有很強(qiáng)的相關(guān)性，表示政府投資額增長(zhǎng)對(duì)商業(yè)銀行違約率影響很大，它們呈反向關(guān)系，既違約率隨政府投資額的增加而減少，反之亦然；其次，政府投資額增長(zhǎng)率對(duì)于前一期值有依賴性，即政府投資額增長(zhǎng)率對(duì)商業(yè)銀行的違約率有滯后一期的滯后作用，商業(yè)銀行違約率不僅與本期政府投資額增長(zhǎng)率有關(guān)，更大程度上與上一期數(shù)值有關(guān)；再次，國(guó)民經(jīng)濟(jì)增長(zhǎng)率對(duì)商業(yè)銀行的違約率有影響，但影響力小于政府投資額增長(zhǎng)率的影響力，違約率隨國(guó)民經(jīng)濟(jì)增長(zhǎng)率的上升而下降；最后，國(guó)民經(jīng)濟(jì)增長(zhǎng)率也存在一定的慣性。因此，商業(yè)銀行要加強(qiáng)壓力測(cè)試研究，提高風(fēng)險(xiǎn)預(yù)測(cè)和防范水平，關(guān)注政府投資方面和國(guó)民經(jīng)濟(jì)增長(zhǎng)率方面等宏觀經(jīng)濟(jì)變量，并定期開(kāi)展壓力測(cè)試工作，確保我國(guó)商業(yè)銀行穩(wěn)健發(fā)展。

[1]任宇航，孫孝坤，程功，夏恩君.信用風(fēng)險(xiǎn)壓力測(cè)試方法與應(yīng)用研究[J].統(tǒng)計(jì)與決策,2007，(7).

[2]徐光林.我國(guó)銀行業(yè)金融機(jī)構(gòu)資產(chǎn)規(guī)模的宏觀壓力測(cè)試[J].新金融.2008，(11).

[3]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).

[4]徐明東，劉曉星.金融系統(tǒng)穩(wěn)定性評(píng)估：基于宏觀壓力測(cè)試方法的國(guó)際比較[J].國(guó)際金融研究,2008，(2).

[5]楊鵬.壓力測(cè)試及其在金融監(jiān)管中的應(yīng)用[J].上海金融,2005，(1).

[6]劉衛(wèi)江.中國(guó)銀行體系脆弱性問(wèn)題的實(shí)證研究[J].管理世界,2002，（7）.

[7]Central Bank of Egypt.Stress Testing Best Practice&Management Implications for Egyptian Banks[EB/OL].http://www.ebi.gov.eg/pub.htm，2007.

[8]Yongtae Kim，Sandeep Nabar.Bankruptcy Probability Changes and the Differential Informativeness of Bond Upgrades and Downgrades[J].Journal of Banking&Finance,2007,（12）.

[9]Michelle A.Danis,Anthony Pennington-Cross.The Delinquency of Subprime Mortgages[J].Journal of Economics and Business,2008 ，（1～2）.

[10]Michael Chak-sham Wong,Yat-fai Lam.Macro Stress Tests and History-based Stressed PD:the Case of HongKong[J].Journal of Financial Regulation and Compliance,2008，（3）.

[11]ThomasBreuer,Martin Jandacka,KlausRheinberger,Martin Summer.Macro Stress and Worst Case Anaysis of Loan Portfolios[C].Oesterreichische Nationalbank Working Paper,2008.

[12]Esa Jokivuolle-Kimmo,Virolainen-Oskari Vahamaa.Macro-Model-Baesd Stress Testing of Basel II Capital Requirements[J].Bank of Finland Research Discussion Paper,2008,(17).

[13]Daniel Rosch Harald Scheule.Stress Testing Credit Risk Paramenters-An Application to Retail Loan Portfolios[J].Journal of Risk Model Validation,2007，(1).

[14]Bank of Spain.Approaches to Stress Testing Credit Risk:Expe-Rience Gained on Spanish FSAP[Z].Bank of Spain,2006.

F832.2

A

1002－6487（2011）11－0023-04

中國(guó)農(nóng)業(yè)大學(xué)研究生科研創(chuàng)新專項(xiàng)基金資助項(xiàng)目（15050206）

常婷婷（1982-），女，河北唐山人，博士，研究方向：風(fēng)險(xiǎn)控制。

（責(zé)任編輯/亦 民）