田世康+++朱子珺

摘 要：本文以動(dòng)態(tài)理論模型對(duì)中國(guó)商業(yè)銀行體系信貸違約率做壓力測(cè)試。結(jié)果表明：中國(guó)商業(yè)銀行的違約率受貨幣供給量（M2）增速變化的影響較大，且兩者之間顯著負(fù)相關(guān)，這說(shuō)明對(duì)于中國(guó)商業(yè)銀行體系來(lái)講，貨幣供給量增速的變化對(duì)違約的影響大，甚至超過(guò)了貸款利率和實(shí)際GDP增長(zhǎng)率的影響；經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)性在模型中體現(xiàn)非常明顯，尤其是時(shí)滯效應(yīng)、反饋效應(yīng)、傳染效應(yīng)都在模型中有較為顯著地體現(xiàn)，而時(shí)滯效應(yīng)更是相當(dāng)明顯。

關(guān)鍵詞：商業(yè)銀行；壓力測(cè)試；信用風(fēng)險(xiǎn)

中圖分類(lèi)號(hào)：F830.5 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1674-0017-2014（2）-0051-05

一、引言

壓力測(cè)試應(yīng)用于金融風(fēng)險(xiǎn)管理領(lǐng)域最早始于20世紀(jì)90年代，現(xiàn)已被廣泛地應(yīng)用于金融風(fēng)險(xiǎn)管理的各個(gè)層面，既有微觀層面對(duì)單個(gè)資產(chǎn)或資產(chǎn)組合在極端市場(chǎng)條件下潛在損失的測(cè)試，又有宏觀層面對(duì)整個(gè)金融體系穩(wěn)定性的測(cè)試，是一項(xiàng)非常有效的風(fēng)險(xiǎn)測(cè)量工具。

但是傳統(tǒng)的壓力測(cè)試方法并不能真正滿(mǎn)足當(dāng)前風(fēng)險(xiǎn)管理對(duì)壓力測(cè)試的要求。一方面是壓力測(cè)試所構(gòu)建的壓力情景要么太溫和，不足以體現(xiàn)出極端事件的嚴(yán)重性，要么脫離現(xiàn)實(shí)，對(duì)現(xiàn)實(shí)的風(fēng)險(xiǎn)管理決策沒(méi)有參考價(jià)值；另一方面是傳統(tǒng)的壓力測(cè)試多使用靜態(tài)模型，無(wú)法反映經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)演化過(guò)程。這集中體現(xiàn)在三個(gè)方面：一是經(jīng)濟(jì)變量有著顯著的時(shí)滯效應(yīng)，一些影響并不能在事件發(fā)生的當(dāng)期就立刻全部體現(xiàn)出來(lái)，而是隨著時(shí)間的推移逐漸釋放出來(lái)；二是模型中的被解釋變量往往對(duì)解釋變量有著反饋效應(yīng)，即解釋變量（風(fēng)險(xiǎn)因子）的變化會(huì)導(dǎo)致被解釋變量發(fā)生變化，同時(shí)被解釋變量發(fā)生變化后又通過(guò)經(jīng)濟(jì)變量之間的相關(guān)性引起下一期甚至之后幾期解釋變量的變化，這個(gè)過(guò)程是動(dòng)態(tài)的，而不是靜態(tài)的；三是風(fēng)險(xiǎn)通過(guò)經(jīng)濟(jì)變量之間的相關(guān)性在經(jīng)濟(jì)系統(tǒng)內(nèi)部的傳染效應(yīng)，即當(dāng)一個(gè)風(fēng)險(xiǎn)因子受到外部沖擊而發(fā)生改變后，會(huì)隨著時(shí)間推移將這種變化動(dòng)態(tài)地傳遞給系統(tǒng)內(nèi)的其他變量，使得其他風(fēng)險(xiǎn)因子也隨之而發(fā)生變化，這種風(fēng)險(xiǎn)的蔓延和傳染往往會(huì)帶來(lái)比單一因子變化導(dǎo)致的風(fēng)險(xiǎn)大得多的破壞力，這也解釋了一些危機(jī)事件發(fā)生后會(huì)迅速演變?yōu)橐粓?chǎng)全面的金融危機(jī)。本文以中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)為例來(lái)探討上述幾個(gè)方面的問(wèn)題。

二、數(shù)據(jù)選取與分析

在對(duì)中國(guó)商業(yè)銀行進(jìn)行信用風(fēng)險(xiǎn)的壓力測(cè)試時(shí)，我們主要研究信貸違約率，選取的數(shù)據(jù)包括（均為季度數(shù)據(jù)）：（1）中國(guó)商業(yè)銀行的信貸違約率：以不良貸款率為指標(biāo)；（2）中國(guó)大陸地區(qū)實(shí)際GDP增長(zhǎng)率；（3）實(shí)際貸款利率；（4）貨幣供給量（M2）增速。

數(shù)據(jù)主要來(lái)源于中國(guó)證監(jiān)會(huì)的官方網(wǎng)站、中經(jīng)網(wǎng)數(shù)據(jù)庫(kù)、Bloomberg數(shù)據(jù)庫(kù)、EIU CountryData（全球宏觀經(jīng)濟(jì)指標(biāo)分析庫(kù)）等。上述數(shù)據(jù)中，信貸違約率（信用風(fēng)險(xiǎn)的指標(biāo)）是我們研究的對(duì)象，將作為因變量，而剩下的幾個(gè)則作為影響信貸違約率的風(fēng)險(xiǎn)因子，因?yàn)椋海?）實(shí)際GDP增長(zhǎng)率作為宏觀經(jīng)濟(jì)走勢(shì)的風(fēng)向標(biāo)，必然會(huì)影響到銀行的信貸違約率；（2）實(shí)際貸款利率作為信貸市場(chǎng)中衡量貸款成本的重要指標(biāo)之一，我們預(yù)期當(dāng)利率上升時(shí)，會(huì)加重貸款者支付利息的負(fù)擔(dān)，從而引起貸款違約率的上升，反之亦然；（3）貨幣供給量代表了貨幣政策的方向，直接影響到經(jīng)濟(jì)的各個(gè)方面，包括投資、利率、通貨膨脹率以及GDP增長(zhǎng)率等，因此對(duì)信貸違約率有著重要的影響。對(duì)中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行研究的難點(diǎn)在于數(shù)據(jù)積累的時(shí)間太短，而且經(jīng)過(guò)了國(guó)有商業(yè)銀行的改制上市，大量不良貸款被剝離，直接導(dǎo)致不良貸款率下降。這種政策因素使得不良貸款率缺乏可比性，因此也不能用來(lái)建立模型進(jìn)行壓力測(cè)試。因此，雖然我們獲取了從2004年第一季度到2012年第四季度的數(shù)據(jù)，但是只有2008年第四季度到2012年第四季度的數(shù)據(jù)可以使用，總共有17期。

從圖1到圖4分別是以上四個(gè)變量的時(shí)間序列圖。從圖中可以看到，中國(guó)商業(yè)銀行的不良貸款率在最近10年里持續(xù)下降，當(dāng)然這里面包含了政策性因素。實(shí)際GDP增長(zhǎng)率在2007到2008年受全球金融危機(jī)影響急劇下跌，之后出現(xiàn)了反彈。同時(shí)，實(shí)際貸款利率從2006年年中到2007年底一直下跌，之后又迅速攀升，這主要是由于通貨膨脹率的緣故。2006年到2007年通貨膨脹率迅速上升，然后急劇下跌，導(dǎo)致實(shí)際貸款利率向相反的方向變化。而貨幣供給量增速?gòu)?008年下半年到2009年年中急劇攀升，主要是為了應(yīng)對(duì)全球金融危機(jī)，中國(guó)政府為刺激經(jīng)濟(jì)實(shí)行擴(kuò)張的貨幣政策所致。

三、模型設(shè)定與估計(jì)

我們選用動(dòng)態(tài)模型，即綜合考慮經(jīng)濟(jì)系統(tǒng)的反饋效應(yīng)、時(shí)滯效應(yīng)和傳染效應(yīng)等。但是違約率是一個(gè)在區(qū)間變化的變量，如果直接將模型中的因變量設(shè)為違約率，則估計(jì)值容易落在區(qū)間之外，所以我們需要先對(duì)違約率（記為p）作變換：

p=■，p∈（0.1）

pt=■y■=A■+A■■x■+Φ■■y■+v■x■=B■+B■■x■+θ■■y■+ε■E■=v■ε■～N（0，∑），∑=∑■ ∑■∑■ ∑■

其中：x■和y■分別為第t期的風(fēng)險(xiǎn)因子向量和違約率變換值；E■為誤差向量，∑為誤差向量的方差-協(xié)方差矩陣，∑■和∑■為和的方差矩陣，∑■為v■和ε■的協(xié)方差矩陣。

為了估計(jì)上述模型，還需要合理地選擇和定義風(fēng)險(xiǎn)因子，即解釋變量x。我們選取的風(fēng)險(xiǎn)因子（解釋變量）為：中國(guó)實(shí)際GDP增長(zhǎng)率（gt）、實(shí)際貸款利率（r■）、貨幣供給量增速（gmt），其中下標(biāo)表示期數(shù)（以季度為單位）。滯后期我們選擇滯后兩期。雖然季度數(shù)據(jù)一般需要取到滯后四到五期（即一年后），但考慮到數(shù)據(jù)不是很多，如果取的滯后期數(shù)太多，將導(dǎo)致估計(jì)的系數(shù)不可靠，因此只取到兩期，不過(guò)這已經(jīng)可以揭示出經(jīng)濟(jì)變量的滯后效應(yīng)了。

對(duì)于上述模型，可以用SUR（Seemingly Unrelated Regression）方法或者VAR（Vector Autoregression）方法進(jìn)行估計(jì)，這兩種方法都可以用來(lái)估計(jì)上述結(jié)構(gòu)化模型。但是為了更好地進(jìn)行蒙特卡羅模擬，我們采用SUR方法。SUR方法是由Zellner提出，其基本思想是估計(jì)系統(tǒng)的參數(shù)時(shí)考慮誤差方差的同期相關(guān)和異期不相關(guān)性，而普通最小二乘法則要求誤差方差同期和異期都不相關(guān)。但是模型在設(shè)定時(shí)就是考慮到了經(jīng)濟(jì)變量之間的相關(guān)性，而且也正是依靠這種相關(guān)性才能使得風(fēng)險(xiǎn)在系統(tǒng)內(nèi)傳播。所以我們采用SUR方法來(lái)估計(jì)我們的模型。對(duì)模型進(jìn)行估計(jì)，并剔除不顯著的項(xiàng)后，得到的估計(jì)結(jié)果如表1和表2所示。

從回歸的結(jié)果可以看出，模型以及各項(xiàng)系數(shù)都較顯著，而且系數(shù)的符號(hào)也符合預(yù)期。方程的回歸結(jié)果表明：（1）違約率與滯后兩期的GDP增長(zhǎng)率顯著負(fù)相關(guān)，這與經(jīng)濟(jì)現(xiàn)象比較相符。（2）違約率與前一期的貨幣供給量的增速顯著負(fù)相關(guān)，這說(shuō)明如果實(shí)施擴(kuò)張的貨幣政策以刺激經(jīng)濟(jì)，那么違約率就會(huì)下降，這與預(yù)期也非常吻合。（3）違約率與實(shí)際利率的變化量顯著負(fù)相關(guān)，這看起來(lái)有點(diǎn)微妙，但與穆迪公司的一份研究違約率和利率關(guān)系的研究報(bào)告結(jié)論非常相符，該報(bào)告的研究結(jié)論認(rèn)為違約率與實(shí)際利率顯著正相關(guān)，但是與利率的變化量卻是顯著負(fù)相關(guān)的。（4）違約率與其滯后兩期的值正相關(guān)，這說(shuō)明違約率同樣有時(shí)滯效應(yīng)。（5）違約率對(duì)貨幣供給量增速有顯著的反饋效應(yīng)，表現(xiàn)為貨幣供給量增速與上一期的違約率負(fù)相關(guān)，這可解釋為當(dāng)經(jīng)濟(jì)低迷違約率上升時(shí)，政府為了刺激經(jīng)濟(jì)而擴(kuò)大貨幣供給量。這些結(jié)論與我們的預(yù)期和經(jīng)濟(jì)理論都較吻合，而且估計(jì)系數(shù)和模型總體的顯著性都非常高，說(shuō)明模型的估計(jì)結(jié)果較好。

四、壓力測(cè)試

為進(jìn)行壓力測(cè)試，我們首先設(shè)計(jì)壓力情景。我們參照歷史數(shù)據(jù)的變化設(shè)計(jì)了輕度、中度、重度沖擊的情景。在選取的時(shí)候是以大約10%的概率作為分界線，然后選取小于10%、5%、1%的下分位數(shù)作為輕、中、重度沖擊。具體如表3所示。我們首先預(yù)測(cè)對(duì)單個(gè)因子施加不同程度的沖擊時(shí)，未來(lái)四個(gè)季度（即2013Q1-2013Q4，表4中分別對(duì)應(yīng)t1-t4）信貸違約率的期望值變化。具體的壓力測(cè)試結(jié)果如表4所示：

從表4可以清楚地看到，當(dāng)受到?jīng)_擊時(shí)，違約率均明顯上升，而且隨著沖擊力度的加大，上升幅度明顯增大。在三種不同程度的沖擊下，貨幣供給量增速和實(shí)際利率的變化量對(duì)違約率的影響較大，而GDP增長(zhǎng)率的變化對(duì)違約率的影響則比前兩者較小。

但是傳統(tǒng)的做法只是預(yù)測(cè)了因變量的期望值，這其實(shí)是假定了擾動(dòng)項(xiàng)為零。所以很大的可能是未來(lái)違約率的實(shí)際值遠(yuǎn)遠(yuǎn)偏離其均值。所以我們有必要得到其預(yù)測(cè)分布以看到這種偏離的程度到底有多大。而且分布相較于一個(gè)點(diǎn)包含的信息量是更為豐富的，也能為決策者提供更好的決策依據(jù)。我們對(duì)每種情景做了模擬，得到違約率在不同情景下未來(lái)幾期的分布圖。圖6到圖8分別是三個(gè)因子受到不同程度沖擊時(shí)，違約率在第4期和第8期的預(yù)測(cè)分布圖：

從以上三幅分布圖中可以看到，受到?jīng)_擊時(shí)分布右移，而且尾部變厚。另外，隨著時(shí)間的推移，分布持續(xù)不斷地右移，時(shí)滯效應(yīng)持續(xù)較長(zhǎng)時(shí)間。這說(shuō)明GDP、利率、貨幣供給量對(duì)違約率造成的影響是比較持久的。另外一個(gè)結(jié)論是，我們發(fā)現(xiàn)對(duì)于中國(guó)商業(yè)銀行體系來(lái)講，貨幣供給量對(duì)信貸違約率的影響是巨大而持久的。從分布圖可以看出，通過(guò)減少貨幣供給量而緊縮信貸對(duì)違約率的影響隨著時(shí)間推移逐漸釋放出來(lái)，到第8期時(shí)，違約率受到貨幣供給量增速降低的沖擊時(shí)預(yù)測(cè)分布向右偏移的幅度最大，尾巴很長(zhǎng)，這說(shuō)明相比其他情景，實(shí)行緊縮性的貨幣政策時(shí)違約率大幅增加的概率較大。

五、結(jié)論與不足

本文通過(guò)構(gòu)建動(dòng)態(tài)模型對(duì)中國(guó)商業(yè)銀行體系的信貸違約率進(jìn)行了壓力測(cè)試，結(jié)果比較滿(mǎn)意。通過(guò)這些分析，我們能夠得出以下兩個(gè)方面的結(jié)論：

第一，對(duì)于中國(guó)商業(yè)銀行體系來(lái)講，貨幣供給量增速的變化對(duì)違約率的影響是非常大的，甚至超過(guò)了貸款利率和實(shí)際GDP增長(zhǎng)率的影響。這主要是因?yàn)樵谥袊?guó)現(xiàn)階段還沒(méi)有完全實(shí)現(xiàn)利率市場(chǎng)化的金融環(huán)境下，貸款利率并不能充分反映資金的成本，而貨幣供給量的增長(zhǎng)速度對(duì)經(jīng)濟(jì)起著不可估量的影響，不僅可以通過(guò)寬松的信貸政策刺激宏觀經(jīng)濟(jì)的運(yùn)行，而且直接決定著貸款的規(guī)模，這就導(dǎo)致信貸政策的寬松還是緊縮成為影響貸款違約率的一個(gè)極其重要的變量。

第二，經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)性在模型中體現(xiàn)非常明顯，尤其是時(shí)滯效應(yīng)、反饋效應(yīng)、傳染效應(yīng)都在模型中有較為顯著的體現(xiàn)，而時(shí)滯效應(yīng)更是相當(dāng)明顯。這與傳統(tǒng)壓力測(cè)試方法有著本質(zhì)的區(qū)別，因此壓力測(cè)試不是僅看一個(gè)靜態(tài)的、孤立的結(jié)果，而是要看這種影響隨著時(shí)間的變化情況，一些沖擊對(duì)經(jīng)濟(jì)系統(tǒng)造成的影響不是即刻就能體現(xiàn)出來(lái)，而是隨著時(shí)間的推移逐漸釋放出來(lái)。此外，相對(duì)于傳統(tǒng)壓力測(cè)試只是預(yù)測(cè)因變量的均值，因變量在未來(lái)不同時(shí)期的預(yù)測(cè)分布顯然能夠?yàn)槲覀儙?lái)更多的信息，更加有助于做出風(fēng)險(xiǎn)管理決策。

但是因?yàn)槿狈Υ罅康摹⒖煽康臄?shù)據(jù)，所以文章結(jié)果還有許多方面的改進(jìn)。尤其是要深入研究中國(guó)商業(yè)銀行體系的信用風(fēng)險(xiǎn)，就必須對(duì)中國(guó)銀行業(yè)的實(shí)際問(wèn)題有深入地了解。比如，國(guó)有商業(yè)銀行先后進(jìn)行了股改上市，在這個(gè)過(guò)程中剝離了大量不良貸款，使得不良貸款率迅速下降。如果不清楚這一事實(shí)，而盲目用歷史數(shù)據(jù)估計(jì)模型，就會(huì)得出錯(cuò)誤的結(jié)果。

參考文獻(xiàn)

[1]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）：70-79。

[2]陳德勝，姚偉峰，馮宗憲.極端波動(dòng)情景中的壓力測(cè)試和極值理論方法研究[J].價(jià)值工程，2004，（7）：20-22。

[3]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。

[4]劉暢，茍于國(guó)，郭敏.美國(guó)大型商業(yè)銀行壓力測(cè)試框架解析[J].投資研究，2010，（4）：2-9。

[5]盛斌，石靜雅.厚尾事件度量和壓力測(cè)試在我國(guó)商業(yè)銀行的應(yīng)用研究[J].財(cái)經(jīng)問(wèn)題研究，2010，（2）：43-47。

The Credit Risk Stress Testing of Commercial Banks Based on Monte

Carlo Simulation

TIAN Shikang ZHU Zijun

（Zhangye Municipal Sub-branch PBC， Zhangye Gansu 734000）

Abstract：The paper makes a stress testing on the credit default probability of Chinas commercial banks by means of a dynamic model. The result shows that the default rate of commercial banks in China is greatly affected by the change of the growth rate of money supply （M2）， and that there is a significantly negative correlation， which indicates that for Chinas commercial bank system， the impact of the change of the money supply growth on the default is even greater than the impact of the loan interest rate and real GDP growth rate； Dynamics of economic system is very obvious in the model， especially the time lag effect， feedback effect， contagion effects reflected in the model are significant， and the time lag effect is more apparent.

Keywords： commercial bank； stress testing； credit risk

責(zé)任編輯、校對(duì)：張德進(jìn)

從回歸的結(jié)果可以看出，模型以及各項(xiàng)系數(shù)都較顯著，而且系數(shù)的符號(hào)也符合預(yù)期。方程的回歸結(jié)果表明：（1）違約率與滯后兩期的GDP增長(zhǎng)率顯著負(fù)相關(guān)，這與經(jīng)濟(jì)現(xiàn)象比較相符。（2）違約率與前一期的貨幣供給量的增速顯著負(fù)相關(guān)，這說(shuō)明如果實(shí)施擴(kuò)張的貨幣政策以刺激經(jīng)濟(jì)，那么違約率就會(huì)下降，這與預(yù)期也非常吻合。（3）違約率與實(shí)際利率的變化量顯著負(fù)相關(guān)，這看起來(lái)有點(diǎn)微妙，但與穆迪公司的一份研究違約率和利率關(guān)系的研究報(bào)告結(jié)論非常相符，該報(bào)告的研究結(jié)論認(rèn)為違約率與實(shí)際利率顯著正相關(guān)，但是與利率的變化量卻是顯著負(fù)相關(guān)的。（4）違約率與其滯后兩期的值正相關(guān)，這說(shuō)明違約率同樣有時(shí)滯效應(yīng)。（5）違約率對(duì)貨幣供給量增速有顯著的反饋效應(yīng)，表現(xiàn)為貨幣供給量增速與上一期的違約率負(fù)相關(guān)，這可解釋為當(dāng)經(jīng)濟(jì)低迷違約率上升時(shí)，政府為了刺激經(jīng)濟(jì)而擴(kuò)大貨幣供給量。這些結(jié)論與我們的預(yù)期和經(jīng)濟(jì)理論都較吻合，而且估計(jì)系數(shù)和模型總體的顯著性都非常高，說(shuō)明模型的估計(jì)結(jié)果較好。

四、壓力測(cè)試

為進(jìn)行壓力測(cè)試，我們首先設(shè)計(jì)壓力情景。我們參照歷史數(shù)據(jù)的變化設(shè)計(jì)了輕度、中度、重度沖擊的情景。在選取的時(shí)候是以大約10%的概率作為分界線，然后選取小于10%、5%、1%的下分位數(shù)作為輕、中、重度沖擊。具體如表3所示。我們首先預(yù)測(cè)對(duì)單個(gè)因子施加不同程度的沖擊時(shí)，未來(lái)四個(gè)季度（即2013Q1-2013Q4，表4中分別對(duì)應(yīng)t1-t4）信貸違約率的期望值變化。具體的壓力測(cè)試結(jié)果如表4所示：

從表4可以清楚地看到，當(dāng)受到?jīng)_擊時(shí)，違約率均明顯上升，而且隨著沖擊力度的加大，上升幅度明顯增大。在三種不同程度的沖擊下，貨幣供給量增速和實(shí)際利率的變化量對(duì)違約率的影響較大，而GDP增長(zhǎng)率的變化對(duì)違約率的影響則比前兩者較小。

但是傳統(tǒng)的做法只是預(yù)測(cè)了因變量的期望值，這其實(shí)是假定了擾動(dòng)項(xiàng)為零。所以很大的可能是未來(lái)違約率的實(shí)際值遠(yuǎn)遠(yuǎn)偏離其均值。所以我們有必要得到其預(yù)測(cè)分布以看到這種偏離的程度到底有多大。而且分布相較于一個(gè)點(diǎn)包含的信息量是更為豐富的，也能為決策者提供更好的決策依據(jù)。我們對(duì)每種情景做了模擬，得到違約率在不同情景下未來(lái)幾期的分布圖。圖6到圖8分別是三個(gè)因子受到不同程度沖擊時(shí)，違約率在第4期和第8期的預(yù)測(cè)分布圖：

從以上三幅分布圖中可以看到，受到?jīng)_擊時(shí)分布右移，而且尾部變厚。另外，隨著時(shí)間的推移，分布持續(xù)不斷地右移，時(shí)滯效應(yīng)持續(xù)較長(zhǎng)時(shí)間。這說(shuō)明GDP、利率、貨幣供給量對(duì)違約率造成的影響是比較持久的。另外一個(gè)結(jié)論是，我們發(fā)現(xiàn)對(duì)于中國(guó)商業(yè)銀行體系來(lái)講，貨幣供給量對(duì)信貸違約率的影響是巨大而持久的。從分布圖可以看出，通過(guò)減少貨幣供給量而緊縮信貸對(duì)違約率的影響隨著時(shí)間推移逐漸釋放出來(lái)，到第8期時(shí)，違約率受到貨幣供給量增速降低的沖擊時(shí)預(yù)測(cè)分布向右偏移的幅度最大，尾巴很長(zhǎng)，這說(shuō)明相比其他情景，實(shí)行緊縮性的貨幣政策時(shí)違約率大幅增加的概率較大。

五、結(jié)論與不足

本文通過(guò)構(gòu)建動(dòng)態(tài)模型對(duì)中國(guó)商業(yè)銀行體系的信貸違約率進(jìn)行了壓力測(cè)試，結(jié)果比較滿(mǎn)意。通過(guò)這些分析，我們能夠得出以下兩個(gè)方面的結(jié)論：

第一，對(duì)于中國(guó)商業(yè)銀行體系來(lái)講，貨幣供給量增速的變化對(duì)違約率的影響是非常大的，甚至超過(guò)了貸款利率和實(shí)際GDP增長(zhǎng)率的影響。這主要是因?yàn)樵谥袊?guó)現(xiàn)階段還沒(méi)有完全實(shí)現(xiàn)利率市場(chǎng)化的金融環(huán)境下，貸款利率并不能充分反映資金的成本，而貨幣供給量的增長(zhǎng)速度對(duì)經(jīng)濟(jì)起著不可估量的影響，不僅可以通過(guò)寬松的信貸政策刺激宏觀經(jīng)濟(jì)的運(yùn)行，而且直接決定著貸款的規(guī)模，這就導(dǎo)致信貸政策的寬松還是緊縮成為影響貸款違約率的一個(gè)極其重要的變量。

第二，經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)性在模型中體現(xiàn)非常明顯，尤其是時(shí)滯效應(yīng)、反饋效應(yīng)、傳染效應(yīng)都在模型中有較為顯著的體現(xiàn)，而時(shí)滯效應(yīng)更是相當(dāng)明顯。這與傳統(tǒng)壓力測(cè)試方法有著本質(zhì)的區(qū)別，因此壓力測(cè)試不是僅看一個(gè)靜態(tài)的、孤立的結(jié)果，而是要看這種影響隨著時(shí)間的變化情況，一些沖擊對(duì)經(jīng)濟(jì)系統(tǒng)造成的影響不是即刻就能體現(xiàn)出來(lái)，而是隨著時(shí)間的推移逐漸釋放出來(lái)。此外，相對(duì)于傳統(tǒng)壓力測(cè)試只是預(yù)測(cè)因變量的均值，因變量在未來(lái)不同時(shí)期的預(yù)測(cè)分布顯然能夠?yàn)槲覀儙?lái)更多的信息，更加有助于做出風(fēng)險(xiǎn)管理決策。

但是因?yàn)槿狈Υ罅康?、可靠的?shù)據(jù)，所以文章結(jié)果還有許多方面的改進(jìn)。尤其是要深入研究中國(guó)商業(yè)銀行體系的信用風(fēng)險(xiǎn)，就必須對(duì)中國(guó)銀行業(yè)的實(shí)際問(wèn)題有深入地了解。比如，國(guó)有商業(yè)銀行先后進(jìn)行了股改上市，在這個(gè)過(guò)程中剝離了大量不良貸款，使得不良貸款率迅速下降。如果不清楚這一事實(shí)，而盲目用歷史數(shù)據(jù)估計(jì)模型，就會(huì)得出錯(cuò)誤的結(jié)果。

參考文獻(xiàn)

[1]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）：70-79。

[2]陳德勝，姚偉峰，馮宗憲.極端波動(dòng)情景中的壓力測(cè)試和極值理論方法研究[J].價(jià)值工程，2004，（7）：20-22。

[3]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。

[4]劉暢，茍于國(guó)，郭敏.美國(guó)大型商業(yè)銀行壓力測(cè)試框架解析[J].投資研究，2010，（4）：2-9。

[5]盛斌，石靜雅.厚尾事件度量和壓力測(cè)試在我國(guó)商業(yè)銀行的應(yīng)用研究[J].財(cái)經(jīng)問(wèn)題研究，2010，（2）：43-47。

The Credit Risk Stress Testing of Commercial Banks Based on Monte

Carlo Simulation

TIAN Shikang ZHU Zijun

（Zhangye Municipal Sub-branch PBC， Zhangye Gansu 734000）

Abstract：The paper makes a stress testing on the credit default probability of Chinas commercial banks by means of a dynamic model. The result shows that the default rate of commercial banks in China is greatly affected by the change of the growth rate of money supply （M2）， and that there is a significantly negative correlation， which indicates that for Chinas commercial bank system， the impact of the change of the money supply growth on the default is even greater than the impact of the loan interest rate and real GDP growth rate； Dynamics of economic system is very obvious in the model， especially the time lag effect， feedback effect， contagion effects reflected in the model are significant， and the time lag effect is more apparent.

Keywords： commercial bank； stress testing； credit risk

責(zé)任編輯、校對(duì)：張德進(jìn)

從回歸的結(jié)果可以看出，模型以及各項(xiàng)系數(shù)都較顯著，而且系數(shù)的符號(hào)也符合預(yù)期。方程的回歸結(jié)果表明：（1）違約率與滯后兩期的GDP增長(zhǎng)率顯著負(fù)相關(guān)，這與經(jīng)濟(jì)現(xiàn)象比較相符。（2）違約率與前一期的貨幣供給量的增速顯著負(fù)相關(guān)，這說(shuō)明如果實(shí)施擴(kuò)張的貨幣政策以刺激經(jīng)濟(jì)，那么違約率就會(huì)下降，這與預(yù)期也非常吻合。（3）違約率與實(shí)際利率的變化量顯著負(fù)相關(guān)，這看起來(lái)有點(diǎn)微妙，但與穆迪公司的一份研究違約率和利率關(guān)系的研究報(bào)告結(jié)論非常相符，該報(bào)告的研究結(jié)論認(rèn)為違約率與實(shí)際利率顯著正相關(guān)，但是與利率的變化量卻是顯著負(fù)相關(guān)的。（4）違約率與其滯后兩期的值正相關(guān)，這說(shuō)明違約率同樣有時(shí)滯效應(yīng)。（5）違約率對(duì)貨幣供給量增速有顯著的反饋效應(yīng)，表現(xiàn)為貨幣供給量增速與上一期的違約率負(fù)相關(guān)，這可解釋為當(dāng)經(jīng)濟(jì)低迷違約率上升時(shí)，政府為了刺激經(jīng)濟(jì)而擴(kuò)大貨幣供給量。這些結(jié)論與我們的預(yù)期和經(jīng)濟(jì)理論都較吻合，而且估計(jì)系數(shù)和模型總體的顯著性都非常高，說(shuō)明模型的估計(jì)結(jié)果較好。

四、壓力測(cè)試

為進(jìn)行壓力測(cè)試，我們首先設(shè)計(jì)壓力情景。我們參照歷史數(shù)據(jù)的變化設(shè)計(jì)了輕度、中度、重度沖擊的情景。在選取的時(shí)候是以大約10%的概率作為分界線，然后選取小于10%、5%、1%的下分位數(shù)作為輕、中、重度沖擊。具體如表3所示。我們首先預(yù)測(cè)對(duì)單個(gè)因子施加不同程度的沖擊時(shí)，未來(lái)四個(gè)季度（即2013Q1-2013Q4，表4中分別對(duì)應(yīng)t1-t4）信貸違約率的期望值變化。具體的壓力測(cè)試結(jié)果如表4所示：

從表4可以清楚地看到，當(dāng)受到?jīng)_擊時(shí)，違約率均明顯上升，而且隨著沖擊力度的加大，上升幅度明顯增大。在三種不同程度的沖擊下，貨幣供給量增速和實(shí)際利率的變化量對(duì)違約率的影響較大，而GDP增長(zhǎng)率的變化對(duì)違約率的影響則比前兩者較小。

但是傳統(tǒng)的做法只是預(yù)測(cè)了因變量的期望值，這其實(shí)是假定了擾動(dòng)項(xiàng)為零。所以很大的可能是未來(lái)違約率的實(shí)際值遠(yuǎn)遠(yuǎn)偏離其均值。所以我們有必要得到其預(yù)測(cè)分布以看到這種偏離的程度到底有多大。而且分布相較于一個(gè)點(diǎn)包含的信息量是更為豐富的，也能為決策者提供更好的決策依據(jù)。我們對(duì)每種情景做了模擬，得到違約率在不同情景下未來(lái)幾期的分布圖。圖6到圖8分別是三個(gè)因子受到不同程度沖擊時(shí)，違約率在第4期和第8期的預(yù)測(cè)分布圖：

從以上三幅分布圖中可以看到，受到?jīng)_擊時(shí)分布右移，而且尾部變厚。另外，隨著時(shí)間的推移，分布持續(xù)不斷地右移，時(shí)滯效應(yīng)持續(xù)較長(zhǎng)時(shí)間。這說(shuō)明GDP、利率、貨幣供給量對(duì)違約率造成的影響是比較持久的。另外一個(gè)結(jié)論是，我們發(fā)現(xiàn)對(duì)于中國(guó)商業(yè)銀行體系來(lái)講，貨幣供給量對(duì)信貸違約率的影響是巨大而持久的。從分布圖可以看出，通過(guò)減少貨幣供給量而緊縮信貸對(duì)違約率的影響隨著時(shí)間推移逐漸釋放出來(lái)，到第8期時(shí)，違約率受到貨幣供給量增速降低的沖擊時(shí)預(yù)測(cè)分布向右偏移的幅度最大，尾巴很長(zhǎng)，這說(shuō)明相比其他情景，實(shí)行緊縮性的貨幣政策時(shí)違約率大幅增加的概率較大。

五、結(jié)論與不足

本文通過(guò)構(gòu)建動(dòng)態(tài)模型對(duì)中國(guó)商業(yè)銀行體系的信貸違約率進(jìn)行了壓力測(cè)試，結(jié)果比較滿(mǎn)意。通過(guò)這些分析，我們能夠得出以下兩個(gè)方面的結(jié)論：

第一，對(duì)于中國(guó)商業(yè)銀行體系來(lái)講，貨幣供給量增速的變化對(duì)違約率的影響是非常大的，甚至超過(guò)了貸款利率和實(shí)際GDP增長(zhǎng)率的影響。這主要是因?yàn)樵谥袊?guó)現(xiàn)階段還沒(méi)有完全實(shí)現(xiàn)利率市場(chǎng)化的金融環(huán)境下，貸款利率并不能充分反映資金的成本，而貨幣供給量的增長(zhǎng)速度對(duì)經(jīng)濟(jì)起著不可估量的影響，不僅可以通過(guò)寬松的信貸政策刺激宏觀經(jīng)濟(jì)的運(yùn)行，而且直接決定著貸款的規(guī)模，這就導(dǎo)致信貸政策的寬松還是緊縮成為影響貸款違約率的一個(gè)極其重要的變量。

第二，經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)性在模型中體現(xiàn)非常明顯，尤其是時(shí)滯效應(yīng)、反饋效應(yīng)、傳染效應(yīng)都在模型中有較為顯著的體現(xiàn)，而時(shí)滯效應(yīng)更是相當(dāng)明顯。這與傳統(tǒng)壓力測(cè)試方法有著本質(zhì)的區(qū)別，因此壓力測(cè)試不是僅看一個(gè)靜態(tài)的、孤立的結(jié)果，而是要看這種影響隨著時(shí)間的變化情況，一些沖擊對(duì)經(jīng)濟(jì)系統(tǒng)造成的影響不是即刻就能體現(xiàn)出來(lái)，而是隨著時(shí)間的推移逐漸釋放出來(lái)。此外，相對(duì)于傳統(tǒng)壓力測(cè)試只是預(yù)測(cè)因變量的均值，因變量在未來(lái)不同時(shí)期的預(yù)測(cè)分布顯然能夠?yàn)槲覀儙?lái)更多的信息，更加有助于做出風(fēng)險(xiǎn)管理決策。

但是因?yàn)槿狈Υ罅康摹⒖煽康臄?shù)據(jù)，所以文章結(jié)果還有許多方面的改進(jìn)。尤其是要深入研究中國(guó)商業(yè)銀行體系的信用風(fēng)險(xiǎn)，就必須對(duì)中國(guó)銀行業(yè)的實(shí)際問(wèn)題有深入地了解。比如，國(guó)有商業(yè)銀行先后進(jìn)行了股改上市，在這個(gè)過(guò)程中剝離了大量不良貸款，使得不良貸款率迅速下降。如果不清楚這一事實(shí)，而盲目用歷史數(shù)據(jù)估計(jì)模型，就會(huì)得出錯(cuò)誤的結(jié)果。

參考文獻(xiàn)

[1]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）：70-79。

[2]陳德勝，姚偉峰，馮宗憲.極端波動(dòng)情景中的壓力測(cè)試和極值理論方法研究[J].價(jià)值工程，2004，（7）：20-22。

[3]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。

[4]劉暢，茍于國(guó)，郭敏.美國(guó)大型商業(yè)銀行壓力測(cè)試框架解析[J].投資研究，2010，（4）：2-9。

[5]盛斌，石靜雅.厚尾事件度量和壓力測(cè)試在我國(guó)商業(yè)銀行的應(yīng)用研究[J].財(cái)經(jīng)問(wèn)題研究，2010，（2）：43-47。

The Credit Risk Stress Testing of Commercial Banks Based on Monte

Carlo Simulation

TIAN Shikang ZHU Zijun

（Zhangye Municipal Sub-branch PBC， Zhangye Gansu 734000）

Abstract：The paper makes a stress testing on the credit default probability of Chinas commercial banks by means of a dynamic model. The result shows that the default rate of commercial banks in China is greatly affected by the change of the growth rate of money supply （M2）， and that there is a significantly negative correlation， which indicates that for Chinas commercial bank system， the impact of the change of the money supply growth on the default is even greater than the impact of the loan interest rate and real GDP growth rate； Dynamics of economic system is very obvious in the model， especially the time lag effect， feedback effect， contagion effects reflected in the model are significant， and the time lag effect is more apparent.

Keywords： commercial bank； stress testing； credit risk

責(zé)任編輯、校對(duì)：張德進(jìn)