商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究

王天宇，楊 勇

(1.華中科技大學(xué) 經(jīng)濟(jì)學(xué)院，湖北 武漢 430074；2.鄭州銀行股份有限公司 董事會(huì)，河南 鄭州 450003；3.鄭州銀行股份有限公司 計(jì)財(cái)部，河南 鄭州 450003)

商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究

王天宇1,2，楊 勇3

(1.華中科技大學(xué) 經(jīng)濟(jì)學(xué)院，湖北 武漢 430074；2.鄭州銀行股份有限公司 董事會(huì)，河南 鄭州 450003；3.鄭州銀行股份有限公司 計(jì)財(cái)部，河南 鄭州 450003)

文章根據(jù)信貸組合觀點(diǎn)理論來(lái)構(gòu)建信用風(fēng)險(xiǎn)宏觀經(jīng)濟(jì)壓力測(cè)試模型系統(tǒng)，首先構(gòu)建了基于壓力傳導(dǎo)模型和壓力情景生成模型的壓力測(cè)試模型系統(tǒng)；其次通過(guò)相關(guān)性檢驗(yàn)、平穩(wěn)性檢驗(yàn)與“協(xié)整檢驗(yàn)”篩選出對(duì)商業(yè)銀行風(fēng)險(xiǎn)產(chǎn)生影響的宏觀經(jīng)濟(jì)變量；最后通過(guò)案例分析得出，該模型對(duì)于分析我國(guó)商業(yè)銀行在宏觀經(jīng)濟(jì)壓力下的信用風(fēng)險(xiǎn)具有一定的適用性。

信用風(fēng)險(xiǎn)；宏觀壓力測(cè)試；不良貸款率；蒙特卡洛模擬

王天宇，楊勇.商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究[J].商業(yè)經(jīng)濟(jì)與管理，2017(5)：70-76.

一、 引 言

隨著我國(guó)經(jīng)濟(jì)增速的下滑和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整,高能耗、高污染和過(guò)剩產(chǎn)能企業(yè)的經(jīng)營(yíng)環(huán)境不斷惡化,但近年來(lái)銀行信貸資產(chǎn)投放中有較大比例的資產(chǎn)配置到了這些“兩高一?！碑a(chǎn)業(yè)里，如果這些企業(yè)出現(xiàn)信用違約，銀行業(yè)將面臨較大的信用風(fēng)險(xiǎn)。銀監(jiān)會(huì)發(fā)布的數(shù)據(jù)顯示，截止2016年9月末，商業(yè)銀行不良貸款率為1.76%。這意味著從2011年四季度至今，商業(yè)銀行不良貸款率已經(jīng)連續(xù)20個(gè)季度上升。此外，從變化趨勢(shì)上看，絕大多數(shù)上市銀行關(guān)注類(lèi)貸款增速快于不良貸款增速，意味著銀行業(yè)未來(lái)一段時(shí)間仍將面臨信用風(fēng)險(xiǎn)考驗(yàn)。

在商業(yè)銀行風(fēng)險(xiǎn)管理中， VaR(Value at Risk)是一個(gè)常用的度量銀行承擔(dān)風(fēng)險(xiǎn)的指標(biāo)，但是VaR指標(biāo)在度量商業(yè)銀行風(fēng)險(xiǎn)時(shí)存在一些缺陷，首先是VaR對(duì)數(shù)據(jù)要求苛刻，適用于高頻數(shù)據(jù)。而對(duì)于商業(yè)銀行而言，流動(dòng)性較差的信貸類(lèi)資產(chǎn)是商業(yè)銀行的主要資產(chǎn)，其交易不活躍，市場(chǎng)價(jià)格不透明。其次，VaR適用于衡量市場(chǎng)風(fēng)險(xiǎn)，而對(duì)于流動(dòng)性風(fēng)險(xiǎn)、信用非風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)適用性較差[1]。最后，VaR對(duì)于正常市場(chǎng)情形下的市場(chǎng)風(fēng)險(xiǎn)測(cè)量相對(duì)可靠，而對(duì)于一些極端情況下的壓力情景(如經(jīng)濟(jì)崩潰)可靠性較差。因此，僅僅使用VaR方法去衡量商業(yè)銀行的風(fēng)險(xiǎn)會(huì)導(dǎo)致風(fēng)險(xiǎn)低估[2]，而壓力測(cè)試作為VaR方法的重要補(bǔ)充，可根據(jù)商業(yè)銀行的需要設(shè)計(jì)各種情景下的風(fēng)險(xiǎn)承受能力，評(píng)估在此情景下的損失,其目的在于通過(guò)壓力測(cè)試的開(kāi)展識(shí)別在危機(jī)情景下的風(fēng)險(xiǎn)和現(xiàn)有管理的薄弱環(huán)節(jié)，并提前采取必要管理措施進(jìn)行應(yīng)對(duì)，從而提高商業(yè)銀行應(yīng)對(duì)壓力事件的能力。

二、 國(guó)內(nèi)外有關(guān)信用風(fēng)險(xiǎn)壓力測(cè)試研究回顧

商業(yè)銀行壓力測(cè)試是指一種以定量分析為主的風(fēng)險(xiǎn)分析方法，通過(guò)分析假定的、極端但可能發(fā)生的負(fù)面情況，來(lái)測(cè)試和評(píng)估對(duì)商業(yè)銀行的資產(chǎn)質(zhì)量、盈利能力等方面的不良影響?，F(xiàn)有的關(guān)于壓力測(cè)試的國(guó)內(nèi)外研究中，主要是研究包括選擇合理的承壓指標(biāo)和風(fēng)險(xiǎn)因子以及壓力情景的設(shè)置等方面。

對(duì)于承壓指標(biāo)的研究方面，F(xiàn)oglia (2009)[3]指出壓力測(cè)試承壓指標(biāo)的選取可以根據(jù)壓力測(cè)試主體的測(cè)試目的和承壓主體特征來(lái)設(shè)計(jì)。若壓力測(cè)試的目的是針對(duì)銀行信用風(fēng)險(xiǎn)，那么承壓指標(biāo)可以是違約概率(PD)、不良貸款率(NPL)、違約損失率(LGD)等；若壓力測(cè)試的目的是銀行的市場(chǎng)風(fēng)險(xiǎn)，那么承壓指標(biāo)可以是頭寸缺口、久期、頭寸損失的VaR等；若壓力測(cè)試的目的是針對(duì)銀行的流動(dòng)性風(fēng)險(xiǎn)，那么可選取流動(dòng)性缺口率等作為承壓指標(biāo)。當(dāng)然，可選取的壓力測(cè)試承壓指標(biāo)遠(yuǎn)遠(yuǎn)不止上述所列舉的這些，在實(shí)際操作中，可根據(jù)不同的壓力測(cè)試目的選取不同的承壓指標(biāo)。

對(duì)于壓力情景的設(shè)計(jì)，2001年IMF 對(duì)28個(gè)金融部門(mén)的調(diào)查表明，壓力測(cè)試情景涵蓋的風(fēng)險(xiǎn)類(lèi)型包括市場(chǎng)風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、價(jià)格風(fēng)險(xiǎn)、商品價(jià)格風(fēng)險(xiǎn)、其他風(fēng)險(xiǎn)(如 GDP 下降)等。巴塞爾委員會(huì)于2010年發(fā)布的《巴塞爾協(xié)議Ⅲ》中指出壓力測(cè)試的情景包括信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、銀行賬戶利率風(fēng)險(xiǎn)和集中度風(fēng)險(xiǎn)。2014年12月我國(guó)銀監(jiān)會(huì)發(fā)布的《商業(yè)銀行壓力測(cè)試指引》指出壓力情景設(shè)計(jì)涵蓋的風(fēng)險(xiǎn)類(lèi)型應(yīng)主要包括信用風(fēng)險(xiǎn)(含集中度風(fēng)險(xiǎn)、國(guó)別風(fēng)險(xiǎn))、市場(chǎng)風(fēng)險(xiǎn)(含銀行賬戶利率風(fēng)險(xiǎn))、流動(dòng)性風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)和聲譽(yù)風(fēng)險(xiǎn)等，并考慮不同風(fēng)險(xiǎn)之間的相互影響。Shaw(1997)[4]提出了使用過(guò)去若干年發(fā)生的最大損失時(shí)的情景為壓力情景。Kupiec(1999)[5]提出構(gòu)造情景時(shí)應(yīng)該考慮不同風(fēng)險(xiǎn)因子的相關(guān)性。除采用歷史情景法、假設(shè)情景法設(shè)置壓力情景外，另外常用的生成壓力情景的方法是模型法。如Baboucek和Jancar(2005)[6]，Bunn等(2005)[7]，F(xiàn)ilosa (2008)[8]等均采用了基于VaR模型生成概率情景。

隨著我國(guó)利率市場(chǎng)化的推進(jìn)，我國(guó)商業(yè)銀行越來(lái)越重視壓力測(cè)試，學(xué)術(shù)界的相關(guān)研究也是方興未艾。在壓力情景設(shè)置方面，Wang和Hui(2009)[9]在銀行流動(dòng)性風(fēng)險(xiǎn)的壓力測(cè)試中考慮了市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、違約風(fēng)險(xiǎn)之間的傳導(dǎo)機(jī)制問(wèn)題，建立了較為全面的流動(dòng)性風(fēng)險(xiǎn)壓力測(cè)試模型。郜利明(2009)[10]認(rèn)為不同行業(yè)的行業(yè)周期不同，應(yīng)該對(duì)不同行業(yè)建立不同經(jīng)濟(jì)周期下的壓力測(cè)試模型。周源(2010)[11]基于10年宏觀經(jīng)濟(jì)數(shù)據(jù)最差情況構(gòu)建了重度壓力和特重度壓力兩種受壓情形。曹麟(2014)[12]在考慮宏觀經(jīng)濟(jì)變量相關(guān)性的基礎(chǔ)上建立了VaR模擬情景； 呂江林(2015)[13]基于CGE模型建立了房地產(chǎn)價(jià)格下跌情景下的商業(yè)銀行壓力測(cè)試模型；高揚(yáng)、王林(2016)[14]基于Z-Shift轉(zhuǎn)換矩陣原理建立了商業(yè)銀行信用風(fēng)險(xiǎn)壓力測(cè)試模型。

本文在梳理了以上研究成果后發(fā)現(xiàn)，現(xiàn)有研究還有進(jìn)一步改進(jìn)的空間，例如在對(duì)宏觀壓力測(cè)試結(jié)果進(jìn)行估計(jì)時(shí)，現(xiàn)有的處理方法是直接把傳導(dǎo)模型中隨機(jī)擾動(dòng)項(xiàng)處理為0，本文基于風(fēng)險(xiǎn)傳導(dǎo)的原理，對(duì)已有的壓力測(cè)試模型進(jìn)行了改進(jìn)，通過(guò)VaR模型生成壓力情景并運(yùn)用蒙特卡羅模擬方法進(jìn)行壓力路徑模擬的思路，使得壓力情景更貼近實(shí)際情況。

三、 構(gòu)建信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型

(一) 模型構(gòu)建

信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型系統(tǒng)由信用風(fēng)險(xiǎn)傳導(dǎo)模型和壓力情景生成模型組成。本文在壓力測(cè)試模型系統(tǒng)的構(gòu)建方面，將壓力測(cè)試模型系統(tǒng)分為壓力傳導(dǎo)模型和壓力情景生成模型兩個(gè)部分[15]。

1.信用風(fēng)險(xiǎn)壓力傳導(dǎo)模型的構(gòu)建。本文首先將不良貸款率(NPL)經(jīng)Logit非線性轉(zhuǎn)換成中介指標(biāo)Y，Y的經(jīng)濟(jì)含義為正常貸款向不良貸款轉(zhuǎn)化速度，然后再將Y與宏觀經(jīng)濟(jì)變量之間進(jìn)行多元線性回歸以建立壓力傳導(dǎo)模型。壓力傳導(dǎo)模型的具體形式可表述如下：

(1)

Yt=α0+α1X1,t+…+αkXk,t+β1Yt-1+…+βYt-m+υt

(2)

其中，NPL代表商業(yè)銀行的不良貸款率，而Yt則表示與不良貸款率相對(duì)應(yīng)的中介指標(biāo)。X1,…,Xk表示與商業(yè)銀行不良貸款相關(guān)的一組宏觀經(jīng)濟(jì)變量，同時(shí)考慮到宏觀經(jīng)濟(jì)沖擊的時(shí)滯效應(yīng)，模型中還引入了Yt的滯后項(xiàng)。υt表示相互獨(dú)立且服從正態(tài)分布的隨機(jī)擾動(dòng)項(xiàng)，即vt:i.i.d服從N(0,σ2)。

2. 壓力情景生成模型的構(gòu)建。本文為了研究各個(gè)宏觀經(jīng)濟(jì)變量之間的相互影響，使用VaR模型作為本次宏觀壓力測(cè)試的壓力情景生成器。在該模型的設(shè)定下，某一宏觀經(jīng)濟(jì)壓力因素的變化可以通過(guò)模型的傳導(dǎo)，進(jìn)而對(duì)其他的宏觀經(jīng)濟(jì)因素產(chǎn)生影響。壓力情景生成的VaR模型可表述如下：

Xt=Φ1Xt-1+Φ2Xt-2+…+ΦpXt-p+HZt+εt

(3)

其中，Xt表示包含k個(gè)宏觀經(jīng)濟(jì)變量的一個(gè)k×1維列向量，Zt表示包含d個(gè)與銀行相關(guān)的一個(gè)d×1維外生變量列向量，P是滯后的階數(shù)，Φ1，Φ2，…,Φp和H分別表示k×k維和k×d維系數(shù)矩陣，εt則是k×1維擾動(dòng)誤差向量。

由于宏觀經(jīng)濟(jì)變量之間具有復(fù)雜的管理，變量之間既有相關(guān)性也互為因果性，因此本文采用聯(lián)立方程的方式建立模型。聯(lián)立方程求解的關(guān)鍵是聯(lián)立方程是可識(shí)別的，并且不存在過(guò)度識(shí)別的問(wèn)題，本文通過(guò)結(jié)構(gòu)型秩條件判斷法對(duì)聯(lián)立方程進(jìn)行判斷，經(jīng)判斷(1)、(2)、(3)聯(lián)立方程是可識(shí)別的，便可相應(yīng)得到從宏觀經(jīng)濟(jì)變量到承壓指標(biāo)不良貸款率之間的宏觀壓力測(cè)試系統(tǒng)模型。在上述壓力測(cè)試模型中，有一個(gè)(k+1)×1維的多元正態(tài)分布的誤差向量，定義為E；一個(gè)(k+1)×(k+1)維的方差協(xié)方差矩陣∑，定義為：

(4)

本文通過(guò)構(gòu)建聯(lián)立方程的方式建立一個(gè)信用傳導(dǎo)模型和壓力情景生成模型，以反映宏觀經(jīng)濟(jì)變量與信用違約概率的動(dòng)態(tài)關(guān)系。在參數(shù)估計(jì)上，本文采用似無(wú)關(guān)回歸方法(Seemingly Unrelated Regression, SUR)。

(二) 變量選取與說(shuō)明

本文壓力測(cè)試的主要目的是為了分析宏觀經(jīng)濟(jì)變化對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)狀況的影響，選用不良貸款率指標(biāo)作為衡量其信用風(fēng)險(xiǎn)狀況的指標(biāo)。在壓力因素的選取上，通過(guò)定性分析與定量分析相結(jié)合的方式選取宏觀經(jīng)濟(jì)變量。定性方式是主要通過(guò)專(zhuān)家評(píng)價(jià)和參考國(guó)內(nèi)外央行的操作實(shí)踐選取相關(guān)指標(biāo)，定量的方法是指通過(guò)相關(guān)性分析及格蘭杰因果檢驗(yàn)通過(guò)統(tǒng)計(jì)檢驗(yàn)選擇相關(guān)指標(biāo)，最終本文初步選取經(jīng)濟(jì)增長(zhǎng)率(GDP)、企業(yè)景氣指數(shù)(BCI)、生產(chǎn)者價(jià)格指數(shù)(PPI)、廣義貨幣增長(zhǎng)率(M2)、貸款利率(LR)作為對(duì)商業(yè)銀行風(fēng)險(xiǎn)產(chǎn)生影響的宏觀經(jīng)濟(jì)變量。為了檢驗(yàn)?zāi)Ｐ偷倪m用性，選取一家香港主板上市的鄭州銀行作為案例分析。

為了保持變量之間頻度的一致性，本文所有變量均采用月度數(shù)據(jù)，而對(duì)于季度數(shù)據(jù)采用差值處理變成月度數(shù)據(jù)。所有數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)提供，變量的時(shí)間跨度為2007年一季度至2016年二季度。

(三) 模型估計(jì)與實(shí)證結(jié)果分析

1. 變量的平穩(wěn)性檢驗(yàn)與“協(xié)整檢驗(yàn)”?？紤]到變量均為時(shí)間序列變量及為了避免出現(xiàn)“偽回歸”現(xiàn)象，首先必須對(duì)變量的平穩(wěn)性及變量之間是否存在“偽回歸”現(xiàn)象進(jìn)行檢驗(yàn)。本文使用“ADF單位根檢驗(yàn)法”和“JJ協(xié)整檢驗(yàn)法”來(lái)分別檢驗(yàn)序列的平穩(wěn)性及變量之間是否存在“偽回歸”。

經(jīng)檢驗(yàn)發(fā)現(xiàn)所有變量的一階差分序列都是平穩(wěn)的，并且中介指標(biāo)Y和各宏觀經(jīng)濟(jì)變量之間存在“協(xié)整關(guān)系”。因而，可以直接使用上述變量的原序列建立回歸方程。具體結(jié)果見(jiàn)表1、表2所示。

表1 變量平穩(wěn)性檢驗(yàn)結(jié)果

表2 變量的JJ協(xié)整檢驗(yàn)結(jié)果

2. 模型變量的篩選與形式確定。由于擬采用VaR模型的方法建立壓力情景生成模型。為此，建模前必須確定VaR模型的最佳滯后階數(shù)。根據(jù)AIC和SC準(zhǔn)則，得出建立VaR模型的最佳滯后階數(shù)為二階。在模型變量的篩選上，本文采用逐步回歸分析的方法來(lái)篩選出對(duì)不良貸款率有良好解釋能力的宏觀經(jīng)濟(jì)變量。最終發(fā)現(xiàn)經(jīng)濟(jì)增長(zhǎng)率、生產(chǎn)者價(jià)格指數(shù)、廣義貨幣供應(yīng)量增長(zhǎng)率、貸款利率及中介指標(biāo)Y的一階滯后項(xiàng)這幾個(gè)宏觀經(jīng)濟(jì)變量對(duì)不良貸款率有顯著的影響。

表3 信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型系統(tǒng)估計(jì)結(jié)果

注：***，**，*分別表明在0.01，0.05，0.1顯著性水平下顯著。

3. 信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型系統(tǒng)的估計(jì)。由于各自變量之間存在相互影響的動(dòng)態(tài)特征，整個(gè)信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型被構(gòu)建為一個(gè)反映相互關(guān)系的系統(tǒng)。在整個(gè)信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型系統(tǒng)參數(shù)估計(jì)方面，采用表面無(wú)關(guān)回歸(SUR)的方法進(jìn)行估計(jì)，所有的參數(shù)是同時(shí)生成的。模型系統(tǒng)相關(guān)參數(shù)的估計(jì)結(jié)果見(jiàn)表3所示。

根據(jù)上述實(shí)證分析結(jié)果可知，經(jīng)濟(jì)增長(zhǎng)率、生產(chǎn)者價(jià)格指數(shù)、廣義貨幣供應(yīng)量增長(zhǎng)率及貸款利率是影響我國(guó)銀行體系信用風(fēng)險(xiǎn)狀況的顯著宏觀經(jīng)濟(jì)因素，且信用風(fēng)險(xiǎn)的傳導(dǎo)存在一定的滯后性。因而，以不良貸款率作為反映我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)狀況的指標(biāo)去構(gòu)建壓力測(cè)試模式，具備一定的合理性。

四、 宏觀壓力因素沖擊對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)影響分析

為了檢驗(yàn)商業(yè)銀行在壓力情景下的抗壓能力，文本通過(guò)上述設(shè)計(jì)的宏觀經(jīng)濟(jì)壓力測(cè)試模型體系，模擬不同的宏觀經(jīng)濟(jì)沖擊情形，并采用Monte Carlo隨機(jī)模擬技術(shù)便可得到不同宏觀經(jīng)濟(jì)沖擊對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)可能帶來(lái)的影響，進(jìn)而評(píng)估銀行在遭遇不利宏觀經(jīng)濟(jì)沖擊時(shí)抵御風(fēng)險(xiǎn)的能力。

(一) 壓力測(cè)試初始沖擊情景的設(shè)計(jì)及蒙特卡洛模擬結(jié)果分析

1. 壓力情景的設(shè)置。隨著我國(guó)供給側(cè)改革的推進(jìn)，經(jīng)濟(jì)增速呈放緩趨勢(shì)。本文壓力情景選取經(jīng)濟(jì)增速下滑這一宏觀壓力指標(biāo)作為壓力沖擊因子，測(cè)試在輕度壓力、中度壓力和重度壓力三種壓力情景下的商業(yè)銀行不良貨款率變化，來(lái)檢驗(yàn)我國(guó)商業(yè)銀行在經(jīng)濟(jì)下滑情景下的信貸資產(chǎn)抗壓能力。壓力沖擊強(qiáng)度參考中國(guó)人民銀行發(fā)布的《2016年中國(guó)金融穩(wěn)定報(bào)告》壓力測(cè)試初始沖擊情景如表4所示。

表4 壓力測(cè)試初始沖擊情景的設(shè)計(jì)

注：數(shù)據(jù)來(lái)源根據(jù)2016年中國(guó)人民銀行發(fā)布的《中國(guó)金融穩(wěn)定報(bào)告》。

2. 蒙特卡洛模擬結(jié)果分析。本文以2015年第四季度的宏觀經(jīng)濟(jì)數(shù)據(jù)為基準(zhǔn)情景，針對(duì)經(jīng)濟(jì)增速下滑這一壓力因子對(duì)商業(yè)銀行(以鄭州銀行為例)不良貸款率可能產(chǎn)生的影響進(jìn)行了蒙特卡洛模擬。分別模擬了不同沖擊情形下所對(duì)應(yīng)的不良貸款率變動(dòng)情況，以預(yù)測(cè)經(jīng)濟(jì)增速下滑這一不利沖擊對(duì)商業(yè)銀行不良貸款率可能產(chǎn)生的影響。經(jīng)濟(jì)增速下滑不同程度對(duì)鄭州銀行不良貸款率帶來(lái)沖擊的蒙特卡洛模擬結(jié)果見(jiàn)圖1、圖2所示。

圖1 GGDP基準(zhǔn)情景及輕度壓力情景所對(duì)應(yīng)的不良貸款率的模擬分布圖

圖2 GGDP中度壓力情景及重度壓力情景下不良貸款率的模擬分布圖注：圖1、圖2是根據(jù)10000次Monte Carlo模擬的結(jié)果繪制而成。

不同的壓力情形對(duì)應(yīng)的不良貸款率取值基準(zhǔn)情形1.43%輕度沖擊2.11%中度沖擊2.69%重度沖擊5.21%

由圖1、圖2可以看出，隨著我國(guó)經(jīng)濟(jì)增速的下滑，鄭州銀行不良貸款率的模擬頻數(shù)分布圖有向右側(cè)移動(dòng)的趨勢(shì)，并且整個(gè)頻數(shù)分布圖取值也越來(lái)越分散，這說(shuō)明出現(xiàn)較高不良貸款率數(shù)值的頻率大大增加了，銀行所面臨的信用風(fēng)險(xiǎn)水平正逐漸變大。尤其是在經(jīng)濟(jì)下滑特別嚴(yán)重的時(shí)候，如文中所提及的重度壓力沖擊情形下，不良貸款率的模擬頻數(shù)分布圖表現(xiàn)出一定的拖尾現(xiàn)象，這說(shuō)明在面臨極端壓力沖擊情形下，商業(yè)銀行所面臨的潛在損失呈現(xiàn)加速惡化的趨勢(shì)。表5給出的是基準(zhǔn)情景及不同壓力沖擊強(qiáng)度情景下所對(duì)應(yīng)的不良貸款率的均值。

(二) 壓力沖擊情景下商業(yè)銀行承壓能力分析

壓力測(cè)試的目的是判斷在壓力沖擊發(fā)生時(shí)，銀行是否具備足夠的能力抵御這種沖擊。根據(jù)巴塞爾新資本協(xié)議，銀行信用風(fēng)險(xiǎn)損失可通過(guò)以下公式計(jì)算獲得：

EL=NPL×LGD×EAD

(5)

其中：EL表示貸款預(yù)期損失額;NPL代表不良貸款率;LGD代表違約損失率;EAD代表銀行風(fēng)險(xiǎn)暴露。

表6 不同壓力沖擊情形下所對(duì)應(yīng)的預(yù)期損失 單位：億元

注：當(dāng)前該銀行的貸款撥備額為26.73億元。

本文以2015年四季度某商業(yè)銀行貸款數(shù)據(jù)作為計(jì)算的依據(jù)，對(duì)于貸款發(fā)生違約情形，其所對(duì)應(yīng)的違約損失率數(shù)值，本文統(tǒng)一采用 《巴塞爾新資本協(xié)議II》 中所規(guī)定的取LGD=45%。則不同經(jīng)濟(jì)壓力沖擊情景下所對(duì)應(yīng)的預(yù)期損失見(jiàn)表6所示。

一般而言，商業(yè)銀行通常用所提取的貸款撥備額來(lái)管理貸款違約發(fā)生時(shí)的預(yù)期損失。表6給出了不同壓力情景下，貸款違約一旦發(fā)生，該商業(yè)銀行可能面臨的預(yù)期損失額。通過(guò)對(duì)比該商業(yè)銀行所提取的貸款撥備額與預(yù)期損失之間的關(guān)系可以發(fā)現(xiàn)，該商業(yè)銀行整體抵御風(fēng)險(xiǎn)的能力較強(qiáng)，即使在重度壓力沖擊情形下，仍然有足夠的貸款撥備額來(lái)覆蓋違約帶來(lái)的損失。

五、 結(jié)論與建議

本文根據(jù)信貸組合觀點(diǎn)理論構(gòu)建了信用風(fēng)險(xiǎn)宏觀經(jīng)濟(jì)壓力測(cè)試模型系統(tǒng)，研究了宏觀經(jīng)濟(jì)因子對(duì)我國(guó)商業(yè)銀行不良貸款率的影響，并通過(guò)案例分析得出在不同壓力情景下商業(yè)銀行的不良貸款率變化及抗壓能力，所得結(jié)論如下：第一，經(jīng)濟(jì)增長(zhǎng)率、生產(chǎn)者價(jià)格指數(shù)、廣義貨幣供應(yīng)量增長(zhǎng)率及貸款利率是影響我國(guó)銀行體系信用風(fēng)險(xiǎn)狀況的顯著宏觀經(jīng)濟(jì)因素，且信用風(fēng)險(xiǎn)的傳導(dǎo)存在一定的滯后；第二，通過(guò)Monte Carlo隨機(jī)模擬技術(shù)分析了經(jīng)濟(jì)增速下滑情景下，商業(yè)銀行不良貸款率的模擬頻數(shù)分布有向右側(cè)移動(dòng)的趨勢(shì)，即隨著經(jīng)濟(jì)增速下滑，商業(yè)銀行的不良貸款率增加；第三，在重度壓力沖擊情形下，不良貸款率的模擬頻數(shù)分布圖表現(xiàn)出一定的拖尾現(xiàn)象，即不良貸款呈加速惡化趨勢(shì)；第四，通過(guò)商業(yè)銀行承壓能力分析得出，整體來(lái)看我國(guó)商業(yè)銀行在遭遇不利宏觀經(jīng)濟(jì)沖擊時(shí)抵御風(fēng)險(xiǎn)的能力較強(qiáng)，有足夠的貸款撥備額來(lái)彌補(bǔ)因信用風(fēng)險(xiǎn)惡化所帶來(lái)的損失。

通過(guò)以上的分析說(shuō)明，當(dāng)我國(guó)宏觀經(jīng)濟(jì)出現(xiàn)下滑時(shí)會(huì)給商業(yè)銀行造成信用風(fēng)險(xiǎn)的增加。隨著國(guó)內(nèi)宏觀經(jīng)濟(jì)的不斷尋底，商業(yè)銀行未來(lái)一段時(shí)間仍將面臨巨大的信用風(fēng)險(xiǎn)考驗(yàn)。從壓力情景下不良貸款率模擬分布圖顯示，信用風(fēng)險(xiǎn)損失變量的分布表現(xiàn)出一定的非對(duì)稱(chēng)性，隨著經(jīng)濟(jì)增速下滑程度的增加，這種非對(duì)稱(chēng)性表現(xiàn)得更加明顯。所以從全面風(fēng)險(xiǎn)管理的視角看，我國(guó)商業(yè)銀行必須對(duì)這些小概率事件做好全面的防范工作，避免極端事件給銀行帶來(lái)不利的影響。為此，商業(yè)銀行應(yīng)定期開(kāi)展宏觀經(jīng)濟(jì)因子壓力測(cè)試，建立多元化的不良貸款清收化解方案，嘗試不良資產(chǎn)證券化等金融工具轉(zhuǎn)出不良貸款等。

綜上所述，本文建立的信用風(fēng)險(xiǎn)宏觀經(jīng)濟(jì)壓力測(cè)試模型系統(tǒng)具有一定的適用性，對(duì)研究宏觀經(jīng)濟(jì)因素對(duì)我國(guó)商業(yè)銀行不良貸款率的影響具有一定的指導(dǎo)意義。

[1]周毓萍,胡江芳.淺論Var與商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)管理[J].科技與產(chǎn)業(yè)，2005(12):28-30.

[2]花擁軍.極值理論及其在滬深股市風(fēng)險(xiǎn)度量中的應(yīng)用研究[M].北京：科學(xué)出版社，2011：3-4.

[3]FOGLIA A.Stress testing credit risk:a survey of authorities’ approaches[J].International Journal of Central Banking,2009,5(3):9-45.

[4]SHAW J.Beyond VaR and stress-testing[R].Orlik:KPMG/Risk Publications,1997.

[5]KUPIEC P.Stress-testing in a value at risk framework[J].The Journal of Derivatives.1998,6(1):7-24.

[6]BABOUCEK I,JANCAR M.Effects of macroeconomic shock to the quality of the aggregate loan portfolio[R].Czech:Czech National Bank Working Paper,2005:1-62.

[7]BUNN P,CUNNINGHAM A,DREHMANN M.Stress testing as a tool for accessing systemic risk[J].Bank of England Financial Stability Review,2005(6):116-126.

[8]FILOSA R.Stress testing of the stability of the italian banking system:A VAR approach[J].The IUP Journal of Monetary Economics,2008,8(4):18-62.

[9]WONG T C,HUI C H.A liquidity risk stress-testing framework with interaction between market and credit risks[J].Social Science Electronic Publishing,2009(6):1-28.

[10]郜利明.經(jīng)濟(jì)的周期性與壓力測(cè)試中假定性壓力情景的設(shè)定[J].金融管理與研究,2009(2)：21-23.

[11]周源.宏觀經(jīng)濟(jì)數(shù)據(jù)影響下的信用風(fēng)險(xiǎn)壓力測(cè)試研究[J].金融縱橫，2010(6)：11-14.

[12]曹麟.銀行業(yè)信用風(fēng)險(xiǎn)宏觀壓力測(cè)試方法研究[J].武漢金融，2014(2)：55-59.

[13]呂江林.基于CGE模型的我國(guó)商業(yè)銀行房?jī)r(jià)下跌壓力測(cè)試研究[J].當(dāng)代財(cái)經(jīng)，2015(4):43-59.

[14]高揚(yáng),王林.基于Z轉(zhuǎn)換矩陣的商業(yè)銀行信用風(fēng)險(xiǎn)壓力測(cè)試?yán)碚撆c實(shí)證研究析[J].投資研究,2016(1):151-158.

[15]蘇為華，郭遠(yuǎn)愛(ài).我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究——基于改進(jìn)的Credit Portfolio View模型[J].南方金融，2014(8)：7-14.

Research on the Credit Risk of Commercial Bank with Macro-Stress Testing Method

WANG Tian-yu1,2, YANG Yong3

(1.SchoolofEconomics,HuazhongUniversityofScienceandTechnology,Wuhan430074,China; 2.BoardofDirectors,
BankofZhengzhou,Zhengzhou450003,China; 3.FinanceDepartment,BankofZhengzhou,Zhengzhou450003,China)

The researchers construct a macro stress testing model system for China’s commercial bank credit risk based on the credit portfolio theory. Firstly, this paper constructs a pressure test model system based on pressure conduction model and pressure scenario generation model. Then the macroeconomic variables that affect the risks of commercial banks are selected through the correlation test, the smoothness test and the co-integration test. Finally, a case analysis proves that the model is applicable in the analysis of credit risk in China’s commercial banks under macroeconomic pressure.

credit risk; macro-stress testing; non-performing loan ratio; Montel Carlo Simulation

(責(zé)任編輯 畢開(kāi)鳳)

2016-12-12

王天宇，男，董事長(zhǎng)，高級(jí)經(jīng)濟(jì)師，博士研究生，主要從事金融市場(chǎng)研究；楊勇，男，銀行職員，經(jīng)濟(jì)學(xué)博士，主要從事金融統(tǒng)計(jì)、綜合評(píng)價(jià)研究。

F830.33

A

1000-2154(2017)05-0070-07

10.14134/j.cnki.cn33-1336/f.2017.05.007