楊 柳

（華中師范大學(xué) 經(jīng)濟(jì)學(xué)院，武漢430072）

0 引言

壓力測(cè)試是假設(shè)市場(chǎng)在最不利的情形時(shí)（極端情況），分析對(duì)資產(chǎn)組合的影響效果。宏觀壓力測(cè)試則是用于評(píng)價(jià)金融體系在“罕見但可能發(fā)生的”宏觀經(jīng)濟(jì)沖擊下的薄弱和脆弱點(diǎn)的一系列的方法和技術(shù)（國際清算銀行（BIS）和國際貨幣基金組織（IMF））。作為壓力測(cè)試方法在宏觀經(jīng)濟(jì)中的具體運(yùn)用，宏觀壓力測(cè)試可以提供極端事件對(duì)金融體系影響的前瞻性信息。隨著各國金融監(jiān)管當(dāng)局對(duì)系統(tǒng)性風(fēng)險(xiǎn)的日趨重視，宏觀壓力測(cè)試方法逐漸成為檢驗(yàn)一國銀行體系的脆弱性、維護(hù)金融穩(wěn)定的首選工具。本文將在W ilson、Boss和Virolainen研究框架的基礎(chǔ)上，結(jié)合武漢市經(jīng)濟(jì)金融運(yùn)行實(shí)際,構(gòu)建符合武漢市銀行體系特性的宏觀經(jīng)濟(jì)壓力測(cè)試模型，并通過假設(shè)情境法進(jìn)行宏觀壓力測(cè)試,定量評(píng)估宏觀經(jīng)濟(jì)變化對(duì)武漢市銀行體系信用風(fēng)險(xiǎn)的沖擊。

1 宏觀壓力測(cè)試基本模型的構(gòu)建

本文借鑒了 Wilson（1997），Boss（2002），和 Virolainen（2004）的模型。該模型基本原理是通過宏觀經(jīng)濟(jì)變量與信用風(fēng)險(xiǎn)指標(biāo)之間關(guān)系進(jìn)行壓力測(cè)試。Virolainen（2004）的模型假設(shè)信用風(fēng)險(xiǎn)指標(biāo)受到宏觀經(jīng)濟(jì)變量的影響，而宏觀經(jīng)濟(jì)變量本身為自回歸模型，因此模型可以反映信用風(fēng)險(xiǎn)指標(biāo)受到宏觀經(jīng)濟(jì)沖擊時(shí)的情況。該模型用數(shù)學(xué)方程可以表達(dá)如下：

其中，pt表示時(shí)間t時(shí)的信用風(fēng)險(xiǎn)指標(biāo);Yt為反映銀行體系信用風(fēng)險(xiǎn)和各宏觀經(jīng)濟(jì)變量關(guān)系的“中介指標(biāo)”;Xt表示宏觀經(jīng)濟(jì)變量。βi代表各個(gè)宏觀經(jīng)濟(jì)變量影響的方向和程度的參數(shù)，ri代表“中介指標(biāo)”影響的方向和程度的參數(shù)，這些參數(shù)可通過估計(jì)獲得。

式（1）用于將pt轉(zhuǎn)換到Y(jié)t，即有-∞＜Yt＜+∞ 。從式（1）可知pt和Yt正相關(guān)，即信用風(fēng)險(xiǎn)指標(biāo)值越大，Yt就越大。式（2）中明確表示了信用風(fēng)險(xiǎn)轉(zhuǎn)換指標(biāo)Yt及其滯后項(xiàng)與各宏觀經(jīng)濟(jì)變量現(xiàn)值及滯后項(xiàng)之間存在線性關(guān)系，其中，Xt為宏觀經(jīng)濟(jì)變量的一個(gè)M×1階向量；α為截距項(xiàng)；μt為隨機(jī)誤差項(xiàng)。公式系統(tǒng)的最后一部分是關(guān)于M個(gè)宏觀經(jīng)濟(jì)變量的變化描述。根據(jù)Wilson模型中關(guān)于宏觀經(jīng)濟(jì)變量的等式系統(tǒng)的定義，考慮到考慮各宏觀經(jīng)濟(jì)變量之間的相關(guān)性，本文采用了式（3)來描述各宏觀經(jīng)濟(jì)變量的時(shí)間序列模型：在這個(gè)模型中，宏觀經(jīng)濟(jì)變量值的變動(dòng)之間相互影響，互相倚賴，我們認(rèn)為此種有關(guān)的變化過程較切合宏觀經(jīng)濟(jì)現(xiàn)實(shí)。在這個(gè)模型中，假設(shè)μt和εt是序列不相關(guān)的，并且分別服從方差協(xié)方差為矩陣Σμ和Σε的正態(tài)分布。其中μt和εt相關(guān)的方差協(xié)方差矩陣為Σμ,ε。

2 變量的選擇及其經(jīng)濟(jì)學(xué)解釋

本文選取武漢市9家商業(yè)銀行的不良貸款概率作為評(píng)估銀行信用風(fēng)險(xiǎn)的指標(biāo)，其中包括4家國有商業(yè)銀行和5家股份制商業(yè)銀行。根據(jù)各國的實(shí)證研究經(jīng)驗(yàn)和武漢市銀行體系業(yè)務(wù)發(fā)展特點(diǎn)，同時(shí)考慮到數(shù)據(jù)的可得性、宏觀經(jīng)濟(jì)統(tǒng)計(jì)特征以及經(jīng)濟(jì)沖擊發(fā)生的持續(xù)時(shí)間，課題組一共選取了3個(gè)核心指標(biāo)：武漢市國內(nèi)生產(chǎn)總值（GDP）、武漢市消費(fèi)物價(jià)指數(shù)（CPI）和全國貨幣供應(yīng)量（M2）；以及武漢市社會(huì)固定資產(chǎn)投資額、武漢市財(cái)政支出、武漢市進(jìn)出口、表示金融危機(jī)沖擊的虛擬變量、武漢市社會(huì)消費(fèi)品零售總額、全國銀行同業(yè)拆借利率6個(gè)或選指標(biāo)作為解釋變量。變量值選取2005年第4季度到2010年第3季度的季度數(shù)據(jù)。為從總體上更清晰地考察金融危機(jī)對(duì)武漢市商業(yè)銀行的影響，以2008年第三季度為分界點(diǎn)，設(shè)置1個(gè)虛擬變量t對(duì)金融危機(jī)發(fā)生前后武漢市商業(yè)銀行信用風(fēng)險(xiǎn)受到影響進(jìn)行定量分析。

3 模型估計(jì)及結(jié)果分析

為避免虛假回歸，本文對(duì)變量的時(shí)間序列進(jìn)行了平穩(wěn)化處理。平穩(wěn)性檢驗(yàn)得出的結(jié)果顯示9家銀行的不良貸款概率進(jìn)logit轉(zhuǎn)換后產(chǎn)生的部分Yt序列是不平穩(wěn)的，因此，我們選擇在設(shè)定模型時(shí)在解釋變量中加入了Yt滯后一期的值①以保證被解釋變量（此時(shí)的被解釋變量應(yīng)為y-c?y(-1)，其中y為變換后的logit值，c為回歸后得到的y(-1)的系數(shù)）是平穩(wěn)的。

3.1 模型估計(jì)

以Yt為被解釋變量，以武漢市國內(nèi)生產(chǎn)總值、武漢市消費(fèi)物價(jià)指數(shù)和全國貨幣供應(yīng)量，以及武漢市社會(huì)固定資產(chǎn)投資額、武漢市財(cái)政支出、武漢市進(jìn)出口、表示金融危機(jī)沖擊的虛擬變量、武漢市社會(huì)消費(fèi)品零售總額、全國銀行同業(yè)拆借利率9個(gè)指標(biāo)作為解釋變量建立計(jì)量模型，對(duì)模型進(jìn)行估計(jì)。根據(jù)回歸結(jié)果，我們選取了上述指標(biāo)的不同表示形式，如利用滯后值或增長率值代替原始指標(biāo)，使得方程顯著性和擬合度得到提高。估計(jì)結(jié)果見表1和表2。

3.2 結(jié)果分析

從表1、表2中可以看出，除個(gè)別指標(biāo)外，大部分宏觀經(jīng)濟(jì)變量的參數(shù)都是顯著的，而且從模型的可決系數(shù)來看，模型整體顯著，擬合效果較好。在1%到10%的顯著性水平上，CPI指數(shù)、GDP去季節(jié)后的真實(shí)增長率和M2增長率均顯著影響到了武漢市商業(yè)銀行的信用風(fēng)險(xiǎn)水平。由此我們得出結(jié)論：CPI和GDP以及貨幣供應(yīng)量的確是影響武漢市商業(yè)銀行穩(wěn)定性的重要因素。

（1）在回歸方程中，變量GDP的系數(shù)全部為負(fù)值，反映了GDP增長對(duì)武漢市銀行信用風(fēng)險(xiǎn)有顯著降低作用。GDP增長預(yù)示著整個(gè)社會(huì)的宏觀經(jīng)濟(jì)比較景氣，經(jīng)濟(jì)處于上升繁榮期，企業(yè)平均盈利能力較好，不良貸款率也將隨之下降。變量CPI和M2的系數(shù)有正有負(fù)，大部分是顯著的，反映了CPI和M2對(duì)銀行不良貸款率有顯著影響，但是影響方向因銀行個(gè)體情況而定。總體而言，樣本內(nèi)有6家商業(yè)銀行信用風(fēng)險(xiǎn)和CPI呈現(xiàn)負(fù)相關(guān)關(guān)系，其中4家為股份制銀行，占股份制銀行總數(shù)80%。樣本內(nèi)有6家商業(yè)銀行信用風(fēng)險(xiǎn)與M2增長率呈負(fù)相關(guān)關(guān)系，其中3家為國有股份制銀行，占國有股份制銀行總數(shù)的75%。這反映了在國家積極的貨幣政策和適度通貨膨脹環(huán)境下，武漢市大部分銀行信用風(fēng)險(xiǎn)呈下降趨勢(shì)，其中，國有股份制銀行信用風(fēng)險(xiǎn)狀況受貨幣政策影響更為顯著，而股份制銀行信用風(fēng)險(xiǎn)狀況對(duì)通貨膨脹的變動(dòng)更加敏感。

表1 國有股份制銀行模型估計(jì)結(jié)果

表2 股份制商業(yè)銀行模型估計(jì)結(jié)果

（2）回歸結(jié)果顯示，有7家商業(yè)銀行滯后不良貸款率的系數(shù)是正數(shù)而且顯著，因此存在正數(shù)的不良貸款率的自相關(guān)值，這說明信用風(fēng)險(xiǎn)的轉(zhuǎn)換指標(biāo)受其滯后值的顯著影響，顯示宏觀經(jīng)濟(jì)沖擊可對(duì)武漢市商業(yè)銀行不良貸款率產(chǎn)生較為長遠(yuǎn)的影響。

（3）樣本內(nèi)6家商業(yè)銀行不良貸款率受到投資增長率顯著影響，且5家為正相關(guān)關(guān)系。表明武漢市一定程度上存在“投資過度”問題。固定資產(chǎn)投資的迅猛增長增大了經(jīng)濟(jì)運(yùn)行潛在風(fēng)險(xiǎn)，由此造成的產(chǎn)能過剩、企業(yè)生產(chǎn)經(jīng)營經(jīng)營困難會(huì)使銀行呆壞賬增加，金融風(fēng)險(xiǎn)加大。

（4）回歸結(jié)果顯示，有5家武漢市商業(yè)銀行的信用風(fēng)險(xiǎn)明顯受到金融危機(jī)影響，4家銀行不良貸款率受到外貿(mào)的影響，且與進(jìn)出口總額呈現(xiàn)負(fù)相關(guān)關(guān)系，與進(jìn)口總額呈現(xiàn)正相關(guān)關(guān)系。由于武漢的經(jīng)濟(jì)類型屬于“內(nèi)生型”，外向度比重僅有18%，因此在國際金融危機(jī)沖擊銀行業(yè)所受到的直接影響有限，但仍不容忽視。而進(jìn)出口總額的上升意味著對(duì)外貿(mào)易活躍程度的上升，會(huì)促進(jìn)武漢市經(jīng)濟(jì)增長和企業(yè)發(fā)展，進(jìn)而降低銀行的信用風(fēng)險(xiǎn)。

（5）樣本內(nèi)僅有3家商業(yè)銀行不良貸款率受到消費(fèi)增長率影響，且呈負(fù)相關(guān)關(guān)系。政府支出對(duì)絕大多數(shù)商業(yè)銀行信用風(fēng)險(xiǎn)影響不明顯。需注意的是，僅有1家商業(yè)銀行信用狀況與利率變動(dòng)呈現(xiàn)相關(guān)關(guān)系，且其系數(shù)符號(hào)不符合經(jīng)濟(jì)學(xué)意義。這一定程度上反映了經(jīng)濟(jì)運(yùn)行中的現(xiàn)實(shí)情形，即貨幣政策的利率傳導(dǎo)渠道阻塞，企業(yè)和銀行對(duì)于利率調(diào)整的反應(yīng)不夠敏感。

4 壓力情景設(shè)計(jì)與壓力測(cè)試

4.1 GDP壓力情景設(shè)計(jì)

由于當(dāng)前的國際金融危機(jī)和中國的經(jīng)濟(jì)運(yùn)行具有歷史突變性，課題組對(duì)壓力情景的設(shè)計(jì)在參照歷史情景的同時(shí)，主要引入專家法對(duì)宏觀因素變量未來可能發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，得出各種壓力情景的演化概率。同時(shí)考慮不同變量壓力情景間的相互關(guān)聯(lián)性，進(jìn)行系統(tǒng)情景設(shè)計(jì)。

課題組請(qǐng)20位相關(guān)專家分別針對(duì)宏觀因素變量未來可能的發(fā)展趨勢(shì)進(jìn)行選擇，每位專家可以選擇一個(gè)變化點(diǎn)，也可以選擇一個(gè)連續(xù)變化區(qū)間（最大不能超過4個(gè)變化點(diǎn)）。若專家選擇一個(gè)變化點(diǎn)，則在該變化點(diǎn)計(jì)1票；若選擇一個(gè)變化區(qū)間，則該區(qū)間內(nèi)所有變化點(diǎn)均計(jì)1票，經(jīng)過統(tǒng)計(jì)，可以得到宏觀因素變量每個(gè)變化點(diǎn)相應(yīng)的專家投票數(shù)。用每個(gè)變化點(diǎn)專家投票數(shù)除以該因素專家總投票數(shù)，即得到了該因素變化的未來趨勢(shì)和相應(yīng)演化概率。針對(duì)武漢GDP未來可能的變化趨勢(shì)，20位專家共投出48票，最終確定相關(guān)GDP壓力情景及其演化概率見表3所示。

表3 GDP壓力情景

4.2 宏觀壓力情景設(shè)計(jì)

取得壓力情境的關(guān)鍵在于，在預(yù)測(cè)時(shí)間段內(nèi)設(shè)定了產(chǎn)生壓力事件的源變量后其他宏觀經(jīng)濟(jì)變量的估值問題。這主要是考慮一個(gè)宏觀因素的異動(dòng)對(duì)其他宏觀經(jīng)濟(jì)變量造成的沖擊。根據(jù)式（3）描述的宏觀經(jīng)濟(jì)系統(tǒng)，本文采取的方法如下：首先，通過相似情境歷史數(shù)據(jù)(宏觀經(jīng)濟(jì)受到?jīng)_擊時(shí))，利用最小二乘法，以GDP的增長率為解釋變量分別對(duì)其他宏觀經(jīng)濟(jì)變量進(jìn)行逐一回歸分析，如果GDP的系數(shù)統(tǒng)計(jì)性顯著(t檢驗(yàn)顯著)，說明GDP解釋性良好，它與該宏觀經(jīng)濟(jì)變量存在線性關(guān)系。然后將設(shè)定的壓力情境下GDP增長率帶入估計(jì)出的方程，從而得到作為被解釋變量的宏觀經(jīng)濟(jì)變量的估計(jì)值。依次得到各宏觀經(jīng)濟(jì)變量在假設(shè)壓力情境下的估計(jì)值后，再代入多元線性回歸方程就得到Y(jié)t，再通過Logit模型，得到不良貸款率的點(diǎn)估計(jì)值。如果GDP的系數(shù)統(tǒng)計(jì)性不顯著，說明GDP與該宏觀經(jīng)濟(jì)變量不存在線性關(guān)系。那么對(duì)其他各宏觀經(jīng)濟(jì)變量進(jìn)行自回歸(即通過對(duì)各變量各自獨(dú)立的時(shí)間序列模型預(yù)測(cè)出未來趨勢(shì))，從而得到設(shè)定壓力情境的發(fā)生時(shí)其他宏觀經(jīng)濟(jì)變量的預(yù)測(cè)值，類似人為設(shè)定其他宏觀經(jīng)濟(jì)變量值。這時(shí)將所有的宏觀經(jīng)濟(jì)變量代入求出Yt，然后求不良貸款率的估計(jì)值即可。

本文在實(shí)際GDP增長率分別下降2%、5%、10%的情境作為被解釋變量，以實(shí)際GDP增長率作為解釋變量分別進(jìn)行最小二乘估計(jì)。在模型的估計(jì)過程中，適當(dāng)引入各宏觀因素的滯后變量。根據(jù)t統(tǒng)計(jì)檢驗(yàn)值和模型擬合優(yōu)度等檢驗(yàn)值，選定各模型中的最合適解釋變量。經(jīng)實(shí)證發(fā)現(xiàn)實(shí)際GDP增長率對(duì)CPI增長率、固定資產(chǎn)投資增長率、消費(fèi)增長率和出口增長率都有較強(qiáng)的解釋能力，最終確定其他宏觀變量關(guān)于實(shí)際GDP增長率回歸模型如下∶

CPI增長率的回歸結(jié)果：

消費(fèi)增長率的回歸結(jié)果：

固定資產(chǎn)投資增長率的回歸結(jié)果：

出口增長率的回歸結(jié)果：

在前文預(yù)測(cè)得到的數(shù)據(jù)的基礎(chǔ)上，利用上面四個(gè)方程對(duì)實(shí)際GDP增長率相應(yīng)取值下的CPI增長率、固定資產(chǎn)投資增長率、消費(fèi)增長率和出口增長率的值進(jìn)行估計(jì)。并對(duì)其他各宏觀經(jīng)濟(jì)變量進(jìn)行自回歸，得到設(shè)定壓力情境各宏觀經(jīng)濟(jì)變量的估計(jì)結(jié)果如表4和表5所示：

4.3 宏觀壓力測(cè)試的執(zhí)行及其結(jié)果分析

通過構(gòu)建用于評(píng)價(jià)銀行體系抵御系統(tǒng)性風(fēng)險(xiǎn)的極端情境，利用前面得到的多元線性回歸方程和Logit模型課題組測(cè)算出壓力情境下的不良貸款率期望值的點(diǎn)估計(jì)。壓力測(cè)試結(jié)果如表6、表7所示。

從表中可以看出，在課題組設(shè)定的壓力情境下，武漢市的銀行體系的信貸風(fēng)險(xiǎn)明顯增加，樣本內(nèi)有6家商業(yè)銀行的不良貸款概率高于2008年以來該行的不良貸款概率平均水平。隨著國民生產(chǎn)總值增速的大幅降低，有超過半數(shù)的商業(yè)銀行貸款不良貸款率不斷增大，這充分說明在壓力情境下，宏觀經(jīng)濟(jì)變量對(duì)武漢市銀行系統(tǒng)信貸不良貸款率的沖擊效應(yīng)非常顯著。

表4 宏觀經(jīng)濟(jì)變量估計(jì)結(jié)果（增長率）

表5 宏觀經(jīng)濟(jì)變量估計(jì)結(jié)果（差分）

值得注意的是，4家國有股份制商業(yè)銀行中的3家在受壓情況下并未出現(xiàn)明顯的信用風(fēng)險(xiǎn)上升，反映武漢市國有股份制商業(yè)銀行目前的信用風(fēng)險(xiǎn)水平較為溫和。但是5家股份制商業(yè)銀行卻有4家都出現(xiàn)了因宏觀經(jīng)濟(jì)沖擊導(dǎo)致的不良貸款率上升，幅度最高的可達(dá)2008年以來不良貸款率平均水平的3倍。這顯示出經(jīng)濟(jì)周期對(duì)國有股份制商業(yè)銀行的影響有限，國有股份制商業(yè)銀行的信用風(fēng)險(xiǎn)更多地受到政策面的影響，而宏觀經(jīng)濟(jì)變動(dòng)對(duì)股份制商業(yè)銀行的經(jīng)營狀況沖擊更為劇烈。經(jīng)濟(jì)增長乏力造成的工業(yè)企業(yè)利潤增幅下降會(huì)引起信用風(fēng)險(xiǎn)在中小股份制銀行內(nèi)的聚集，從而影響銀行體系的穩(wěn)定，必須要提起關(guān)注。

5 結(jié)論及研究限制分析

根據(jù)武漢市商業(yè)銀行的整體貸款及住房抵押貸款宏觀壓力測(cè)試的結(jié)果，可以發(fā)現(xiàn)武漢市股份制銀行比國有股份制商業(yè)銀行在宏觀沖擊的環(huán)境下面臨更大的壓力。而國有股份制商業(yè)銀行的信用風(fēng)險(xiǎn)水平整體較為穩(wěn)定。但需要注意的是由于本文的研究存在以下的局限性，因此對(duì)武漢市國有股份制商業(yè)銀行當(dāng)前存在的信用風(fēng)險(xiǎn)反應(yīng)尚不夠全面。

（1）宏觀壓力情景設(shè)計(jì)上的局限?？紤]到考慮各宏觀經(jīng)濟(jì)變量之間的相關(guān)性，本文采用了式(3)來描述各宏觀經(jīng)濟(jì)變量的時(shí)間序列模型，并且根據(jù)武漢市歷史經(jīng)濟(jì)數(shù)據(jù)對(duì)其參數(shù)進(jìn)行了估計(jì)。根據(jù)該時(shí)間序列模型模擬出的宏觀情景具有典型的經(jīng)濟(jì)周期下行特征：即GDP增長率下降的同時(shí)伴隨投資和消費(fèi)的雙重下降。但該宏觀壓力情景設(shè)計(jì)與當(dāng)前我國的宏觀經(jīng)濟(jì)實(shí)際情況有一定差距。

表6 GDP壓力情景測(cè)試結(jié)果（y值）

表7 GDP壓力情景測(cè)試結(jié)果（不良貸款率）

（2）風(fēng)險(xiǎn)指標(biāo)選取上的局限。本文選取不良貸款比率作為商業(yè)銀行信用風(fēng)險(xiǎn)的衡量指標(biāo)，也具有一定局限性。不良貸款比率的穩(wěn)定或降低，一方面表明銀行總體的資產(chǎn)質(zhì)量保持了相對(duì)穩(wěn)定，風(fēng)險(xiǎn)管理水平取得了持續(xù)的提升，一方面也可以是資產(chǎn)基數(shù)大幅增加的結(jié)果。尤其結(jié)合國有股份制商業(yè)銀行2009年以來信貸量的快速增長情況，這一指標(biāo)的局限性也就更為顯著。

（3）樣本容量的限制。囿于數(shù)據(jù)的可得性，本文使用的歷史數(shù)據(jù)只有20個(gè)季的數(shù)據(jù)，時(shí)間長度不足，模型的有效性必須持續(xù)追蹤改善。

[1] Barnhill,Maxwell.Modeling Correlated Market and Credit Risk in Fixed Income Portfolios[J].Journal of Banking and Finance，2002,26.

[2] Boss,M.A Macroeconomic Credit Risk Model for Stress Testing the Austrian Credit Portfolio[J].Financial Stability Review,2005,7.

[3] Virolainen,K.Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland[C].Bank of Finland Discussion Issue Paper,2004.

[4] Wilson,T.Portfolio Credit Risk(I)[J].Risk,1997,（9）.

[5] 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,2010,(2).

[6] 龔雪瑾,楊嘯.淺析金融危機(jī)傳導(dǎo)對(duì)湖北的影響[J].現(xiàn)代商業(yè),2010,(15).

[7] 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）.

[8] 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）.

[9] 陶崢.金融危機(jī)對(duì)銀行業(yè)流動(dòng)性管理的影響[J].金融經(jīng)濟(jì),2009,(8).

[10] 熊波.中國銀行體系穩(wěn)定性評(píng)估—指標(biāo)分析與壓力測(cè)試[D]成都∶西南財(cái)經(jīng)大學(xué),2006.

[11] 許傳華.武漢城市金融創(chuàng)新∶問題分析與對(duì)策研究[J].科技創(chuàng)業(yè)月刊,2010,（2）.

[12] 楊再平.后危機(jī)時(shí)代中國銀行業(yè)安全性問題思考[J].財(cái)經(jīng)界,2010,(2).

[13] 周子元.商業(yè)銀行信用風(fēng)險(xiǎn)壓力測(cè)試的方法和實(shí)踐[J].金融理論與實(shí)踐,2009,(8).