陳宜成

(西華師范大學(xué) 商學(xué)院，四川 南充 637000)

基于宏觀(guān)壓力測(cè)試的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估

陳宜成

(西華師范大學(xué) 商學(xué)院，四川 南充 637000)

通過(guò)構(gòu)建宏觀(guān)壓力測(cè)試模型，研究宏觀(guān)經(jīng)濟(jì)波動(dòng)對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的影響。以不良貸款率作為評(píng)估商業(yè)銀行信用風(fēng)險(xiǎn)的指標(biāo)，根據(jù)Logit模型將商業(yè)不良貸款率轉(zhuǎn)換為中介指標(biāo)，然后將中介指標(biāo)與各宏觀(guān)經(jīng)濟(jì)變量進(jìn)行多元回歸分析以及對(duì)各宏觀(guān)經(jīng)濟(jì)變量進(jìn)行向量自回歸分析。研究結(jié)果表明：選定的宏觀(guān)經(jīng)濟(jì)變量對(duì)商業(yè)銀行不良貸款率都有顯著性的影響，同時(shí)，在設(shè)定的情景壓力下，商業(yè)銀行不良貸款率都有不同程度的增加。

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

隨著世界金融全球化進(jìn)程的加快、國(guó)際大型商業(yè)銀行跨國(guó)活動(dòng)的發(fā)展,新環(huán)境下商業(yè)銀行信用風(fēng)險(xiǎn)管理越來(lái)越突出,特別是2007年底美國(guó)次貸危機(jī)的爆發(fā),在這種嚴(yán)峻的形勢(shì)下，各國(guó)金融管理當(dāng)局更加重視銀行信用風(fēng)險(xiǎn)的管理，不斷開(kāi)發(fā)各種評(píng)估金融體系穩(wěn)健型的工具。商業(yè)銀行作為我國(guó)國(guó)民經(jīng)濟(jì)活動(dòng)的重要組成部分，其穩(wěn)健性關(guān)乎著國(guó)民經(jīng)濟(jì)發(fā)展的命脈，一旦商業(yè)銀行出現(xiàn)信用危機(jī)，將會(huì)對(duì)我國(guó)金融體系的穩(wěn)定性和經(jīng)濟(jì)的發(fā)展造成致命打擊。2013年7月20日，我國(guó)央行決定全面放開(kāi)金融機(jī)構(gòu)貸款利率的管制，這一決定進(jìn)一步推動(dòng)了我國(guó)利率化市場(chǎng)改革和加深各商業(yè)銀行之間的價(jià)格競(jìng)爭(zhēng)。而且，銀行之間的價(jià)格競(jìng)爭(zhēng)行為必將產(chǎn)生新的變化，并與其風(fēng)險(xiǎn)行為之間形成更為復(fù)雜的聯(lián)系[1]。因此，我們應(yīng)該高度重視商業(yè)銀行信用風(fēng)險(xiǎn)的問(wèn)題，做到未雨綢繆。

在各種風(fēng)險(xiǎn)管理方法中，壓力測(cè)試是近年來(lái)備受推崇的方法。巴塞爾銀行監(jiān)管委員會(huì)曾多次強(qiáng)調(diào)其重要性和必要性，在2009年5月正式發(fā)布的《穩(wěn)健的壓力測(cè)試和實(shí)踐和監(jiān)管原則》中再次強(qiáng)調(diào)壓力測(cè)試的獨(dú)立性，它成為驗(yàn)證和計(jì)量經(jīng)濟(jì)風(fēng)險(xiǎn)模型的重要工具的補(bǔ)充。根據(jù)國(guó)際貨幣基金組織和巴塞爾銀行全球金融系統(tǒng)委員會(huì)的定義，壓力測(cè)試是指利用一系列方法來(lái)評(píng)估金融體系承受罕見(jiàn)但是仍然可能的宏觀(guān)沖擊或重大金融事件沖擊的過(guò)程。Berkowitz[2]把壓力測(cè)試看作是關(guān)注“尾部”事件的一種特殊的風(fēng)險(xiǎn)模型。在微觀(guān)層面，壓力測(cè)試是可以作為VaR的補(bǔ)充，能夠評(píng)估某些小概率事件對(duì)銀行體系可能造成的影響,幫助金融監(jiān)管當(dāng)局更好地應(yīng)對(duì)金融機(jī)構(gòu)所面對(duì)的市場(chǎng)風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)；在宏觀(guān)層面，壓力測(cè)試將各種宏觀(guān)經(jīng)濟(jì)沖擊變量整合為一個(gè)宏觀(guān)因子，將宏觀(guān)波動(dòng)因素考慮到評(píng)估銀行信用風(fēng)險(xiǎn)的模型中，通過(guò)構(gòu)建壓力情境，預(yù)測(cè)和評(píng)估在特定的極端不利的市場(chǎng)條件下金融系體系承受風(fēng)險(xiǎn)和可持續(xù)發(fā)展的能力。2009年10月29日,銀監(jiān)會(huì)頒布的《商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)管理指引》明確要求商業(yè)銀行至少每一季度進(jìn)行一次常規(guī)壓力測(cè)試，銀行流動(dòng)性將常規(guī)化、定期化。同時(shí)還規(guī)定，在市場(chǎng)受到巨大沖擊等情況下，或在銀監(jiān)會(huì)的要求下，銀行“應(yīng)針對(duì)特定壓力情景進(jìn)行臨時(shí)性、專(zhuān)門(mén)性的壓力測(cè)試”。

一、文獻(xiàn)綜述

自20世紀(jì)90年代以來(lái)，國(guó)外學(xué)者就開(kāi)始對(duì)宏觀(guān)壓力測(cè)試的理論和實(shí)證分析進(jìn)行深入的研究，并取得豐碩的成果。在宏觀(guān)壓力測(cè)試模型構(gòu)建方面及對(duì)后續(xù)模型不斷拓展和實(shí)證研究貢獻(xiàn)較大的是Wilson T C[3][4]和Merton R[5]兩位,Wilson用Logistic模型對(duì)工業(yè)部門(mén)的違約概率進(jìn)行轉(zhuǎn)換，將轉(zhuǎn)換得到的指標(biāo)與影響銀行穩(wěn)健型的宏觀(guān)經(jīng)濟(jì)變量進(jìn)行建模，通過(guò)模擬在宏觀(guān)經(jīng)濟(jì)沖擊下將來(lái)違約概率分布的路徑，進(jìn)而分析資產(chǎn)組合預(yù)期異常損失。而Merton的模型則加入了股價(jià)對(duì)宏觀(guān)要素的反映，將資產(chǎn)價(jià)格變動(dòng)整合進(jìn)違約概率模型中。Boss[6]以Wilson的模型為基礎(chǔ)設(shè)計(jì)出壓力測(cè)試的架構(gòu)，根據(jù)加總的企業(yè)違約概率估計(jì)宏觀(guān)經(jīng)濟(jì)信貸模型對(duì)澳大利亞銀行部門(mén)進(jìn)行壓力測(cè)試，發(fā)現(xiàn)工業(yè)產(chǎn)出值、通貨膨脹率、股票價(jià)格指數(shù)和油價(jià)是違約概率的決定性因素。Wong[7]等建立了香港零售銀行業(yè)信用風(fēng)險(xiǎn)的宏觀(guān)壓力測(cè)試的架構(gòu)，通過(guò)將違約率加入到宏觀(guān)經(jīng)濟(jì)因子的回歸方程中，以便考察銀行違約率升高對(duì)宏觀(guān)經(jīng)濟(jì)的反饋?zhàn)饔茫欢?，?shí)證表明這種反饋?zhàn)饔貌⒉荒芡ㄟ^(guò)數(shù)據(jù)表現(xiàn)出來(lái)。Esa[8]等認(rèn)為如果利用整個(gè)銀行業(yè)違約率作為因變量則會(huì)忽略貸款組合的行業(yè)差異性，所以采用CPV模型，即用每一行業(yè)的違約率分別進(jìn)行多元回歸，同時(shí)各殘差項(xiàng)相關(guān)，進(jìn)而能有效地考慮貸款行業(yè)組合的差異性及相關(guān)性。Schechtman[9]等通過(guò)采用分量回歸的方法對(duì)巴西銀行業(yè)的數(shù)據(jù)進(jìn)行了實(shí)證研究，但遺憾的是，作者未能給出變化線(xiàn)性關(guān)系的經(jīng)濟(jì)解釋。

我國(guó)國(guó)內(nèi)學(xué)者近年來(lái)也對(duì)壓力測(cè)試的相關(guān)理論和實(shí)證進(jìn)行了探索研究，但國(guó)內(nèi)關(guān)于壓力測(cè)試的研究還處于初步階段而且偏重于研究銀行體系的穩(wěn)定性的評(píng)估，并沒(méi)有涉及不確定性風(fēng)險(xiǎn)的能力評(píng)估。理論方面，楊鵬[10]整理了壓力測(cè)試的相關(guān)理論和技術(shù)方法，并對(duì)英國(guó)、美國(guó)和加拿大監(jiān)管當(dāng)局的壓力測(cè)試歸范進(jìn)行了詳細(xì)的介紹。孫連友[11]、高同裕和陳元富[12]等學(xué)者對(duì)宏觀(guān)壓力測(cè)試進(jìn)行了理論探討，但只是對(duì)國(guó)外文獻(xiàn)的整理或綜述，并未能進(jìn)一步的深入和發(fā)展，而且也沒(méi)有涉及對(duì)多種宏觀(guān)壓力測(cè)試模型的介紹和分析。實(shí)證方面，華曉龍[13]利用Logistic模型將不良貸款率轉(zhuǎn)換為宏觀(guān)綜合指標(biāo)，與宏觀(guān)經(jīng)濟(jì)因素進(jìn)行多元線(xiàn)性回歸，并在GDP大幅下降和CPI飆升的情景假設(shè)下進(jìn)行了宏觀(guān)壓力測(cè)試。馮佳、朱華彬[14]以我國(guó)A股市場(chǎng)上14家上市銀行為研究對(duì)象，利用壓力測(cè)試房?jī)r(jià)下跌時(shí)房地產(chǎn)貸款違約對(duì)銀行業(yè)凈利潤(rùn)的影響。譚曉紅[15]利用四類(lèi)銀行的貸款損失率，通過(guò)構(gòu)建房?jī)r(jià)下跌和物價(jià)上漲的極端條件，運(yùn)通蒙特卡洛模擬方法得到宏觀(guān)因素沖擊下四類(lèi)銀行的貸款損失分布，結(jié)果表明在設(shè)定的壓力情境下，四類(lèi)銀行的貸款損失率都有不同程度的上升。

本文利用國(guó)外比較成熟的壓力測(cè)試模型，結(jié)合我國(guó)當(dāng)前實(shí)際的宏觀(guān)經(jīng)濟(jì)形勢(shì)以及特殊金融體系，構(gòu)建了適合評(píng)估我國(guó)商業(yè)銀行體系信用風(fēng)險(xiǎn)的宏觀(guān)壓力測(cè)試模型，實(shí)證分析我國(guó)宏觀(guān)經(jīng)濟(jì)指標(biāo)對(duì)商業(yè)銀行不良貸款的影響，最后利用蒙特卡羅模擬方法，模擬我國(guó)商業(yè)銀行在不同壓力情景下不良貸款率的分布圖，定量地分析了商業(yè)銀行抗風(fēng)險(xiǎn)能力，使得研究結(jié)果更切合實(shí)際情況。

二、宏觀(guān)壓力測(cè)試模型構(gòu)建

考慮到我國(guó)主要商業(yè)銀行的不良貸款的數(shù)據(jù)從2004年才開(kāi)始正式公布,而其他宏觀(guān)經(jīng)濟(jì)變量的可得數(shù)據(jù)的事件跨度要遠(yuǎn)遠(yuǎn)大于不良貸款,我們?cè)诮梃b前人研究的基礎(chǔ)上建立更適合評(píng)估我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的宏觀(guān)壓力測(cè)試模型。在研究我國(guó)宏觀(guān)經(jīng)濟(jì)變量和不良貸款率之間相關(guān)關(guān)系前，首先需要利用Logit模型將不良貸款率轉(zhuǎn)化為宏觀(guān)綜合指標(biāo)。其次，考慮宏觀(guān)綜合指標(biāo)與宏觀(guān)經(jīng)濟(jì)因素之間的關(guān)系，同時(shí)還要考慮宏觀(guān)綜合指標(biāo)的某些滯后變量。最后，考慮宏觀(guān)經(jīng)濟(jì)因素與其他一些宏觀(guān)經(jīng)濟(jì)因素以及與宏觀(guān)綜合指標(biāo)某一些滯后變量之間的關(guān)系。所以，具體的宏觀(guān)壓力測(cè)試模型表達(dá)式如下：

(1)

Yt=b0+b1xt+…+b1+sx1-s+a1Yt-1+…akYt-k+vt

(2)

Xt=m0+m1xt-1+…+mpxt-p+a1Yt-1+aqyt-q+εt

(3)

其中，Yt表示與t時(shí)期經(jīng)濟(jì)狀況有關(guān)的一個(gè)宏觀(guān)綜合指標(biāo)，也可以理解為反映t時(shí)期銀行業(yè)不良貸款率和各宏觀(guān)經(jīng)濟(jì)變量之間關(guān)系的中介指標(biāo)，PDt表示t時(shí)期不良貸款率，xt表示各宏觀(guān)經(jīng)濟(jì)變量，中介指標(biāo)就是由一些外生的宏觀(guān)經(jīng)濟(jì)變量來(lái)解釋?？紤]到宏觀(guān)經(jīng)濟(jì)變量的滯后影響，模型引入了其滯后項(xiàng)，同時(shí)也引入Yt的滯后項(xiàng)，以便更好地刻畫(huà)模型。公式(3)是關(guān)于各宏觀(guān)經(jīng)濟(jì)變量的時(shí)間序列模型，由于考慮到宏觀(guān)經(jīng)濟(jì)因素采取的時(shí)間序列數(shù)據(jù)，有可能存在變量的滯后性，于是對(duì)各宏觀(guān)經(jīng)濟(jì)變量進(jìn)行了2階自回歸分析,從公式中還可以看到模型不僅考慮了宏觀(guān)經(jīng)濟(jì)變量之間的相互作用，還考慮到商業(yè)銀行體系對(duì)宏觀(guān)經(jīng)濟(jì)活動(dòng)的回饋效應(yīng)。使得模型更加符合我國(guó)當(dāng)前的國(guó)情。在整個(gè)模型中，假設(shè)殘差序列vt和εt是序列不相關(guān)，并且分別服從方差,協(xié)方差矩陣Σv和Σε的正態(tài)分布。其中，vt和εt相關(guān)的方差協(xié)方差矩陣為Σ(v/ε)。

三、實(shí)證研究及分析

(一)指標(biāo)的選取及數(shù)據(jù)來(lái)源

我們采用商業(yè)銀行的不良貸款率(NPL)作為商業(yè)銀行貸款信用風(fēng)險(xiǎn)度量的指標(biāo)，不良貸款率主要指貸款5級(jí)分類(lèi)中的次級(jí)、可疑、損失類(lèi)所占貸款總額的比例。它是評(píng)估商業(yè)銀行信用風(fēng)險(xiǎn)管理水平以及風(fēng)險(xiǎn)管理能力最有效的指標(biāo)。同時(shí)，選取了對(duì)商業(yè)銀行不良貸款率影響較為顯著的5個(gè)宏觀(guān)經(jīng)濟(jì)指標(biāo)：國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率(RGDP)、廣義貨幣供應(yīng)量增長(zhǎng)率(GM2)、房地產(chǎn)平均銷(xiāo)售價(jià)格指數(shù)(HPI)、消費(fèi)者價(jià)格指數(shù)(CPI)、一年期流動(dòng)資產(chǎn)平均貸款利率(R)。

在考慮我國(guó)商業(yè)銀行經(jīng)營(yíng)的特殊性和相關(guān)數(shù)據(jù)可獲得性，我們選取從2007年第一季度到2013年第二季度的季度數(shù)據(jù)，而且，宏觀(guān)經(jīng)濟(jì)變量的數(shù)據(jù)不是采取各經(jīng)濟(jì)部門(mén)的統(tǒng)計(jì)值，而是我國(guó)整體水平的統(tǒng)計(jì)值。數(shù)據(jù)分別來(lái)自于中國(guó)人民銀行官網(wǎng)、《中國(guó)統(tǒng)計(jì)年鑒》、中經(jīng)網(wǎng)、國(guó)家統(tǒng)計(jì)局。

(二)模型估計(jì)

1.單位根檢驗(yàn)

由于我們采用的數(shù)據(jù)是時(shí)間序列數(shù)據(jù)，為了防止出現(xiàn)“偽回歸”現(xiàn)象，在進(jìn)行回歸分析前首先對(duì)各變量進(jìn)行單位根檢驗(yàn)，單位根檢驗(yàn)采用的是ADF檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表1。

表1 檢驗(yàn)結(jié)果

由表1我們可以發(fā)現(xiàn),原序列的所有變量在5%的顯著水平下均不顯著,說(shuō)明這些變量的原序列均不平穩(wěn),但是,這些變量經(jīng)過(guò)一階差分后,均通過(guò)模型檢驗(yàn),且所有變量均平穩(wěn)而且滿(mǎn)足同階單整的條件。因此,可以利用這些數(shù)據(jù)進(jìn)行向量自回歸模型和多元回歸模型。

2.估計(jì)模型

將2008—2013年的季度數(shù)據(jù)(名義數(shù)據(jù)和實(shí)際數(shù)據(jù))代入到上述式(2)中，然后通過(guò)計(jì)量軟件eviews6.0對(duì)在中介指標(biāo)y和各宏觀(guān)經(jīng)濟(jì)變量進(jìn)行多元回歸分析，由于考慮到中介指標(biāo)y不僅會(huì)受各宏觀(guān)經(jīng)濟(jì)變量的影響，也會(huì)受到自身滯后項(xiàng)的影響，所以模型(2)中引入了y的滯后項(xiàng)。通過(guò)對(duì)模型估計(jì)結(jié)果的實(shí)證分析發(fā)現(xiàn)在引入名義變量作為解釋變量的模型是最佳的模型，而且根據(jù)AIC和SC準(zhǔn)則的判斷標(biāo)準(zhǔn)確定y的最優(yōu)滯后項(xiàng)為一階滯后項(xiàng)。則最終回歸結(jié)果見(jiàn)表2。

由表2可以得到：不良貸款容易受其滯后一

表2 中介指標(biāo)與各宏觀(guān)經(jīng)濟(jì)變量回歸結(jié)果

階變量的影響，且與其滯后一項(xiàng)呈正相關(guān)，這符合實(shí)際宏觀(guān)經(jīng)濟(jì)情況，也顯示出宏觀(guān)經(jīng)濟(jì)波動(dòng)對(duì)銀行體系的影響較長(zhǎng)遠(yuǎn)。由于我們通過(guò)Logit模型對(duì)不良貸款進(jìn)行了轉(zhuǎn)換，得到的中介指標(biāo)與不良貸款率是呈反向變動(dòng)的，所以，當(dāng)國(guó)內(nèi)生產(chǎn)總值迅速增長(zhǎng)時(shí)，則不良貸款率將會(huì)降低，當(dāng)消費(fèi)價(jià)格指數(shù)大幅度上升時(shí)，國(guó)內(nèi)出現(xiàn)通貨膨脹，經(jīng)濟(jì)處于萎縮階段，則不良貸款率就會(huì)上升，房地產(chǎn)銷(xiāo)售價(jià)格大幅度下跌時(shí)，大量資金就會(huì)涌入房地產(chǎn)市場(chǎng)，產(chǎn)生泡沫經(jīng)濟(jì)，則會(huì)使不良貸款率上升，此外，當(dāng)廣義貨幣供應(yīng)量和貸款利率增加也會(huì)有利于不良貸款率的下降。并且所有宏觀(guān)經(jīng)濟(jì)變量前的系數(shù)均符合經(jīng)濟(jì)學(xué)意義，中介指標(biāo)和各宏觀(guān)經(jīng)濟(jì)變量均存在一定的相關(guān)關(guān)系，且比較顯著，這進(jìn)一步表明宏觀(guān)經(jīng)濟(jì)變量的確是影響我國(guó)商業(yè)銀行體系違約率的重要因素。

下面我們對(duì)各宏觀(guān)經(jīng)濟(jì)變量進(jìn)行自回歸分析，在分析之前，根據(jù)自回歸分析中“滯后準(zhǔn)則”確立各宏觀(guān)經(jīng)濟(jì)變量的滯后階數(shù)為2階，其回歸結(jié)果見(jiàn)表3。

表3 各宏觀(guān)經(jīng)濟(jì)變量的自回歸結(jié)果

由表3可以發(fā)現(xiàn)，模型擬合度較好，這說(shuō)明此模型有較強(qiáng)的解釋能力，同時(shí)，銀行不良貸款率也受到各宏觀(guān)經(jīng)濟(jì)變量滯后期的影響，這點(diǎn)符合我國(guó)當(dāng)前的基本情況。這一影響主要體現(xiàn)在房地產(chǎn)銷(xiāo)售價(jià)格和一年期流動(dòng)資產(chǎn)貸款利率上，同時(shí)，不良貸款率受各宏觀(guān)經(jīng)濟(jì)變量滯后一期影響較滯后二期顯著，這些說(shuō)明了宏觀(guān)經(jīng)濟(jì)沖擊對(duì)銀行的不良貸款的影響存在時(shí)滯效應(yīng)。

(三)情景壓力分析

我們采用情景分析方法對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行宏觀(guān)壓力測(cè)試。首先在預(yù)測(cè)時(shí)間段內(nèi)設(shè)定壓力測(cè)試源,然后對(duì)宏觀(guān)經(jīng)濟(jì)變量進(jìn)行估值以及這些宏觀(guān)經(jīng)濟(jì)變量在情景壓力下的中介指標(biāo)yt和不良貸款率的估計(jì)值,最后運(yùn)用蒙特卡洛模擬其他宏觀(guān)經(jīng)濟(jì)變量相應(yīng)的估計(jì)值，并最終求得我國(guó)商業(yè)銀行不良貸款率，進(jìn)而分析宏觀(guān)經(jīng)濟(jì)變量對(duì)我國(guó)商業(yè)銀行體系信用風(fēng)險(xiǎn)的影響。

在過(guò)去的30多年，我國(guó)經(jīng)濟(jì)保持較高的增長(zhǎng)速度，國(guó)內(nèi)經(jīng)濟(jì)形勢(shì)向好。但是2007年底由于受到美國(guó)金融危機(jī)的沖擊，我國(guó)經(jīng)濟(jì)開(kāi)始處于低迷時(shí)期，根據(jù)2013年第二季度公布的數(shù)據(jù)，我國(guó)GDP增長(zhǎng)率僅為7.6%，而且到目前我們還沒(méi)有看見(jiàn)經(jīng)濟(jì)開(kāi)始復(fù)蘇的跡象。同時(shí)，政府對(duì)我國(guó)過(guò)高房?jī)r(jià)的調(diào)控日趨縮緊，甚至出臺(tái)了“限購(gòu)”的政策，由此可見(jiàn)在未來(lái)的時(shí)間內(nèi)房?jī)r(jià)可能出現(xiàn)漲幅下緩，甚至出現(xiàn)房?jī)r(jià)下跌的情形。此外我國(guó)當(dāng)前的消費(fèi)物價(jià)水平由于受到國(guó)內(nèi)外多因素的推動(dòng)一直處于持續(xù)上升狀態(tài)，政府出臺(tái)的調(diào)控政策在短期內(nèi)也沒(méi)有達(dá)到預(yù)期的效果，由于國(guó)內(nèi)資源供應(yīng)短缺問(wèn)題以及相關(guān)價(jià)格體制的展開(kāi)，我國(guó)消費(fèi)物價(jià)指數(shù)可能會(huì)呈現(xiàn)繼續(xù)上漲的趨勢(shì)。

根據(jù)我國(guó)當(dāng)前的宏觀(guān)經(jīng)濟(jì)形勢(shì)和宏觀(guān)政策調(diào)控的方向，我們以2012年第一季度為基期，模擬從2012年第二季度到2013年第一季度共4個(gè)季度覆蓋一年期的未來(lái)路徑，設(shè)置了3種壓力情景：(1)GDP增速放緩；(2)CPI指數(shù)上漲；(3)房產(chǎn)銷(xiāo)售價(jià)格下降。同時(shí)，設(shè)置了較壞情景和嚴(yán)重情景2種情景。具體情況見(jiàn)表4。

表4 GDP、CPI、HPI在不同壓力情景下的設(shè)定

根據(jù)表4中GDP、CPI和HPI在不同情景壓力下的數(shù)據(jù)，我們通過(guò)構(gòu)建VAR模型，利用蒙特卡洛模擬方法求得其他宏觀(guān)經(jīng)濟(jì)變量的預(yù)測(cè)值，然后對(duì)中介指標(biāo)進(jìn)行估計(jì)，并通過(guò)Logit模型轉(zhuǎn)換最終得到不良貸款率。因此，我們得到最后的壓力測(cè)試結(jié)果如圖1所示。

由圖1我們可以發(fā)現(xiàn)，隨著我國(guó)GDP增長(zhǎng)率不斷下降、CPI指數(shù)的持續(xù)上漲和房地產(chǎn)銷(xiāo)售價(jià)格HPI的大幅下跌，我國(guó)商業(yè)銀行的不良貸款率是持續(xù)不斷上升，在較壞情景下，我國(guó)商業(yè)貸款率從2012年第二季度的1.37%上漲到2013年第一季度的6.31%，在嚴(yán)重情景下，不良貸款率從1.54%上漲到7.82%。同時(shí)，我們還可以看到，在兩種情景下，不良貸款率在一開(kāi)始上升的幅度較小，但是在后面上升的幅度明顯增大，這可能是隨著時(shí)間的推移，國(guó)內(nèi)宏觀(guān)經(jīng)濟(jì)出現(xiàn)嚴(yán)重扭曲以及人們對(duì)經(jīng)濟(jì)增長(zhǎng)失去信心，而且在房地產(chǎn)行業(yè)出現(xiàn)了嚴(yán)重泡沫，從而導(dǎo)致商業(yè)銀行不良貸款率的增加。由此可見(jiàn)，經(jīng)濟(jì)衰退、通貨膨脹的加重以及房地產(chǎn)價(jià)格的下降對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的增加有著明顯的影響。

圖1 商業(yè)銀行在不同情景下不良貸款率分布圖

四、結(jié)論與建議

我們利用國(guó)外已經(jīng)相當(dāng)成熟的壓力測(cè)試模型，結(jié)合我國(guó)當(dāng)前實(shí)際的宏觀(guān)經(jīng)濟(jì)狀形勢(shì)，建立適合于我國(guó)商業(yè)銀行的宏觀(guān)壓力測(cè)試模型。以銀行不良貸款率作為評(píng)價(jià)商業(yè)銀行體系信用風(fēng)險(xiǎn)的指標(biāo)，利用Logit方程將不良貸款率轉(zhuǎn)換為中介指標(biāo)，再將中介指標(biāo)和各宏觀(guān)經(jīng)濟(jì)變量進(jìn)行多元回歸分析，然后對(duì)各宏觀(guān)經(jīng)濟(jì)變量進(jìn)行向量自回歸分析，最后在此基礎(chǔ)上，利用情景分析和蒙特卡洛模擬方法進(jìn)行宏觀(guān)壓力測(cè)試。通過(guò)實(shí)證研究發(fā)現(xiàn)：名義國(guó)內(nèi)生產(chǎn)總值GDP、消費(fèi)物價(jià)指數(shù)CPI、廣義貨幣供應(yīng)量GM2、房地產(chǎn)銷(xiāo)售價(jià)格HPI和一年期流動(dòng)資產(chǎn)貸款利率R對(duì)商業(yè)銀行不良貸款率均有顯著影響，其中，國(guó)內(nèi)生產(chǎn)總值對(duì)不良貸款率的影響最大，廣義貨幣供應(yīng)量的影響最小。同時(shí)，不良貸款容易受到其滯后項(xiàng)的影響以及各宏觀(guān)經(jīng)濟(jì)變量對(duì)不良貸款率也存在時(shí)滯效應(yīng)。情景壓力測(cè)試分析表明，在GDP增速放緩、CPI指數(shù)上漲以及房地產(chǎn)銷(xiāo)售價(jià)格HPI下跌的情景壓力下，都會(huì)導(dǎo)致商業(yè)銀行不良貸款率出現(xiàn)不同幅度

的提高，并隨著宏觀(guān)經(jīng)濟(jì)壓力的不斷增大，商業(yè)銀行體系的信用風(fēng)險(xiǎn)持續(xù)增加。

通過(guò)以上實(shí)證研究分析發(fā)現(xiàn)，我國(guó)商業(yè)銀行體系的穩(wěn)健性還有待進(jìn)一步加強(qiáng)，在面臨各種宏觀(guān)經(jīng)濟(jì)沖擊的時(shí)候，其化解風(fēng)險(xiǎn)的能力還不是很強(qiáng)。對(duì)此，筆者提出幾點(diǎn)建議：

(1)我國(guó)商業(yè)銀行應(yīng)該密切關(guān)注國(guó)內(nèi)宏觀(guān)經(jīng)濟(jì)指標(biāo)及其發(fā)展趨勢(shì)，加大對(duì)國(guó)家宏觀(guān)政策的研究。特別是關(guān)注那些能夠反映宏觀(guān)經(jīng)濟(jì)走勢(shì)的指標(biāo)，在此基礎(chǔ)上，商業(yè)銀行可以采取一定程度的逆周期措施，來(lái)確保信貸資產(chǎn)的質(zhì)量。

(2)商業(yè)銀行應(yīng)建立健全的社會(huì)范圍的征信體系。商業(yè)銀行應(yīng)該建立包含授信企業(yè)和個(gè)人的歷史信用數(shù)據(jù)、企業(yè)效益和還款意愿在內(nèi)的一系列數(shù)據(jù)，借鑒過(guò)去的經(jīng)驗(yàn)，將授信企業(yè)和個(gè)人借款后一階段的經(jīng)濟(jì)波動(dòng)影響全部考慮進(jìn)去，以此來(lái)降低貸款的信用風(fēng)險(xiǎn)[16]。

(3)銀監(jiān)會(huì)應(yīng)建立和完善金融機(jī)構(gòu)風(fēng)險(xiǎn)預(yù)警體系，及時(shí)分析由宏觀(guān)經(jīng)濟(jì)波動(dòng)沖擊給商業(yè)銀行所帶來(lái)的信用風(fēng)險(xiǎn)的發(fā)生機(jī)制和傳導(dǎo)機(jī)制，加強(qiáng)對(duì)商業(yè)銀行的風(fēng)險(xiǎn)提示。此外，監(jiān)管部門(mén)應(yīng)及時(shí)出臺(tái)指導(dǎo)性建議和改進(jìn)性的措施，督促商業(yè)銀行針對(duì)宏觀(guān)壓力測(cè)試的結(jié)果自覺(jué)查缺補(bǔ)漏，重新定位適合于本行實(shí)際情況的發(fā)展戰(zhàn)略，完善其治理結(jié)構(gòu)，確保其穩(wěn)定而健康地運(yùn)行。

[1]張宗益，吳恒宇，等.商業(yè)銀行價(jià)格競(jìng)爭(zhēng)與風(fēng)險(xiǎn)行為關(guān)系——基于貸款利率市場(chǎng)化的經(jīng)驗(yàn)研究[J].金融研究，2012，(7):1-14.

[2]Berkowitz J.A coherent framework for Stress Testing [J].Working Paper of Federal Reserve Board: FEDS,1999，(29):1-48.

[3]Wilson T C.Portfolio credit risk [J].Risk.1997,9(10):111-117.

[4]Wilson T C.Portfolio credit risk [J].Risk.1997,10(10):56-61.

[5]Merton R.On the pricing of corporate debt the risk structure of interest rates [J].Inance.1974,29(7):449-470.

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

[7]Wong J，Choi K F，F(xiàn)ong T.A Framework for Macro Stress

Testing the Credit Risk of Banks in Hong Kong [J].Hong Kong Monetary Authority Quarterly Bulletin.2006，(10):1-38.

[8]Jokivuolle E,Virolaine K,Vahamaa O.Macro-model-based stress testing of Basel capital requirements [D].Bank of Finland Research Discussion Papers.2008.

[9]Schechtman R，Gaglianone W P.Macro Stress Testing of Credit Risk Focused on the Tails [D].Central Bank of Brazil Working Paper.2011-45.

[10]楊 鵬.壓力測(cè)試及其在金融監(jiān)管中的作用[J].上海金融，2005，(1):27-30.

[11]孫連友.金融體系壓力測(cè)試——概念與方法[J].濟(jì)南金融，2006，(2):43-50.

[12]高同裕，陳元富.宏觀(guān)壓力測(cè)試及其在我國(guó)應(yīng)用面臨的問(wèn)題[J].南方金融，2006，(2):8-10.

[13]華曉龍.基于宏觀(guān)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.

[14]馮 佳，朱華彬.商業(yè)銀行房地產(chǎn)貸款壓力測(cè)試分析[J].五邑大學(xué)學(xué)報(bào)，2009，(11):22-26.

[15]譚曉紅，樊綱治.我商業(yè)銀行宏觀(guān)壓力測(cè)試研究——基于四類(lèi)銀行的SUR模型[J].投資研究，2011，(12)：3-16.

[16]聞麗英.商業(yè)銀行委托理財(cái)?shù)姆娠L(fēng)險(xiǎn)與防范[J].西安財(cái)經(jīng)學(xué)院學(xué)報(bào),2012,(6):95-98.

[責(zé)任編輯：鄒學(xué)慧]

AnAseessmentontheCreditRiskforChinaCommercialBankBasedonMacroStress-Testing

CHEN Yi-cheng

(China West Normal University,Business College,Nanchong 637000,China)

We research the impact of macro economic fluctuation on credit risk of commercial banks by the macro stress test model.We choose Non-performing loans in commercial bank as the measurement of credit risk.Use Logit equation transferring it into an intermediate indicator which could reflect the default probability of banking system.And then establish linear regression model with kinds of macroeconomic variables and the each vector autoregression analysis with macroeconomic variables.At last.We get the distribution of Non-performing Loans rate under macroeconomic stocks through scenario analysis and Monte Carlo stimulation method.The results show that these macroeconomic have significant impacts on the Non-performing Loans of commercial banks.Meanwhile the Non-performing Loans of commercial have increased with different extents under the given scenario pressure.

macro stress-testing; credit risk; non-performing loans rate；commercial bank

2013-12-15

F832.33

：A

：1671-7112(2014)04-0010-08