摘 要：近幾年進(jìn)入經(jīng)濟(jì)增長(zhǎng)“新常態(tài)”后，我國(guó)經(jīng)濟(jì)增長(zhǎng)追求質(zhì)與量的雙贏，經(jīng)濟(jì)增速的下滑伴隨著高質(zhì)量“去杠桿”的壓力使得銀行業(yè)風(fēng)險(xiǎn)的進(jìn)一步積累加劇。本文在梳理我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)生成機(jī)制的基礎(chǔ)上，運(yùn)用蒙特卡羅模擬技術(shù)，剖析商業(yè)銀行在宏觀經(jīng)濟(jì)下滑和房地產(chǎn)價(jià)格下跌的壓力測(cè)試。

關(guān)鍵詞：信用風(fēng)險(xiǎn);壓力測(cè)試;蒙特卡洛模擬

一、引言

2018年以來(lái)，世界經(jīng)濟(jì)格局的深度變化給中國(guó)金融體系帶來(lái)更多外部的不確定性，同時(shí)中國(guó)經(jīng)濟(jì)也面臨著供給側(cè)結(jié)構(gòu)性改革的進(jìn)一步深化，中國(guó)經(jīng)濟(jì)下行的壓力增大，再加上互聯(lián)網(wǎng)金融及消費(fèi)金融公司在國(guó)內(nèi)異軍突起，不斷瓦解商業(yè)銀行傳統(tǒng)業(yè)務(wù)，使得國(guó)內(nèi)銀行業(yè)備受沖擊。銀行業(yè)的安全與穩(wěn)定關(guān)乎各國(guó)經(jīng)濟(jì)安全和金融市場(chǎng)的穩(wěn)定，加強(qiáng)銀行業(yè)風(fēng)險(xiǎn)的監(jiān)管勢(shì)在必行。兼具前瞻性及科學(xué)性的壓力測(cè)試成為商業(yè)銀行風(fēng)險(xiǎn)預(yù)警體系的關(guān)鍵要素，同時(shí)也成為銀行監(jiān)管機(jī)構(gòu)和宏觀審慎監(jiān)管機(jī)構(gòu)的核心工具。

二、相關(guān)文獻(xiàn)綜述

從理論方法的探究上講，早期學(xué)者是在與VaR體系做對(duì)比后，闡述壓力測(cè)試的基本概念、特征、程序、使用方法及其缺陷;或者是對(duì)國(guó)外先進(jìn)機(jī)構(gòu)在進(jìn)行壓力測(cè)試的經(jīng)驗(yàn)進(jìn)行介紹。隨著理論的發(fā)展，后期學(xué)者們開(kāi)始關(guān)注宏觀壓力測(cè)試建模技術(shù)的完善，如袁吉偉（2013）將信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型分為宏觀經(jīng)濟(jì)建模和信用風(fēng)險(xiǎn)建模兩個(gè)部分，分別介紹了建模技術(shù)方法和實(shí)證研究成果，為建模技術(shù)研究提供經(jīng)營(yíng)總結(jié)。曹麟（2014）分別從國(guó)際銀行業(yè)的實(shí)踐、風(fēng)險(xiǎn)傳導(dǎo)及情景生成部分、風(fēng)險(xiǎn)計(jì)量過(guò)程三個(gè)部分，介紹了Credit Risk+、Credit Metrics和Credit Portfolio View等在國(guó)際銀行業(yè)宏觀壓力測(cè)試實(shí)踐中被廣泛使用的模型。

在實(shí)證關(guān)系探索方面，學(xué)者們研究的差異點(diǎn)主要集中在以下幾個(gè)方面：一是承壓指標(biāo)的選擇，二是壓力傳導(dǎo)模型的構(gòu)建，三是宏觀經(jīng)濟(jì)模型的選取，四是壓力情景的設(shè)計(jì)。

在信用風(fēng)險(xiǎn)承壓指標(biāo)的選取上各學(xué)者采用的指標(biāo)差異較大。部分學(xué)者出于統(tǒng)計(jì)計(jì)量口徑上的統(tǒng)一及信息需求者理解和使用上的考量，采用不良貸款率為承壓指標(biāo)，如譚曉紅（2011）、蘇為華（2014）、王天宇和楊勇（2017）、張樂(lè)柱和黃文苑（2018）等。國(guó)際上也有學(xué)者采用違約概率來(lái)衡量信用風(fēng)險(xiǎn)，如Merton（1974）。相比利用歷史數(shù)據(jù)來(lái)衡量信用風(fēng)險(xiǎn)違約概率，Merton提出的違約概率的計(jì)算更具前瞻性，但是其以股價(jià)變動(dòng)值為計(jì)算基礎(chǔ)要求必需為上市公司，而我國(guó)中小商業(yè)銀行的客戶中大部分為中小企業(yè)，無(wú)法獲取相關(guān)信息。

在宏觀經(jīng)濟(jì)模型的選擇方面，目前普遍使用是VaR模型，該模型在經(jīng)濟(jì)方程估計(jì)上的運(yùn)用有較高的準(zhǔn)確度，VaR模型將所有的變量視為內(nèi)生變量，不帶任何先約束條件，避開(kāi)了所有變量滯后值函數(shù)的建模問(wèn)題，所以被學(xué)者們廣泛使用，如蘇為華和郭遠(yuǎn)愛(ài)（2014）、施文俊和葉德磊（2016）等。部分學(xué)者認(rèn)為VaR模型考慮了內(nèi)生變量滯后項(xiàng)影響，卻沒(méi)有顯性考慮內(nèi)生變量當(dāng)期變化對(duì)其他變量的影響，所以發(fā)展了結(jié)構(gòu)化向量自回歸模型SVAR，比如施建軍和周源（2011）、尹釗和譚暢（2015）。

在壓力傳導(dǎo)模型的構(gòu)建上，主要模型有MF-Logistic模型、Merton-Vasicek模型、CPV模型等。Logistics模型是度量信用風(fēng)險(xiǎn)的傳統(tǒng)方法，對(duì)自變量做回歸預(yù)測(cè)來(lái)對(duì)某件事情發(fā)生的概率進(jìn)行推測(cè)，主要用于解決因變量為虛擬變量的問(wèn)題。在宏觀經(jīng)濟(jì)壓力測(cè)試用，對(duì)于違約變量的預(yù)測(cè)就被當(dāng)作是一個(gè)虛擬變量問(wèn)題來(lái)解決，如李關(guān)政（2011）。Merton-Vasicek模型是根據(jù)違約風(fēng)險(xiǎn)和宏觀風(fēng)險(xiǎn)計(jì)算資本計(jì)提要求時(shí)使用的經(jīng)典模型，如張巖和段楠（2015）。

壓力情景設(shè)計(jì)方面，主要有兩種方法：傳統(tǒng)方法和模特卡羅模擬法。傳統(tǒng)方法進(jìn)行壓力測(cè)試具體方法大致可分為敏感性分析和情景分析。國(guó)內(nèi)多數(shù)學(xué)者采用情景分析來(lái)執(zhí)行壓力測(cè)試，通過(guò)設(shè)置不同的宏觀經(jīng)濟(jì)情形來(lái)分析對(duì)商業(yè)銀行造成的影響，如張能福和康翔（2013）、農(nóng)行壓力測(cè)試課題組（2011）、段月嬌（2015）等。蒙特卡羅模擬法在金融計(jì)量領(lǐng)域有著廣泛的應(yīng)用，能夠有效解決歷史樣本不足的問(wèn)題，適用于對(duì)資產(chǎn)風(fēng)險(xiǎn)價(jià)值的度量。在設(shè)置壓力情景下，蒙特卡羅模擬大量未來(lái)某期的違約數(shù)據(jù)，然后就受壓于基準(zhǔn)情況得出違約率的估計(jì)頻率分布，但是由于技術(shù)復(fù)雜，只有少部分學(xué)者采用蒙特卡羅模擬法對(duì)壓力測(cè)試的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制進(jìn)行分析，如楊劍（2011）、蘇為華（2014）、王祥云（2016）;但是實(shí)證結(jié)果顯示蒙特卡羅模擬法得到的壓力情景更加具有現(xiàn)實(shí)意義。

本文仍然選用CPV模型對(duì)我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)進(jìn)行，在宏觀壓力情景生成方面選擇VaR模型，運(yùn)用蒙特卡洛模擬違約數(shù)據(jù)。本文研究創(chuàng)新之處在于利用最新的數(shù)據(jù)，針對(duì)不同類型的銀行采用蒙特卡洛模擬技術(shù)進(jìn)行壓力風(fēng)險(xiǎn)測(cè)。這既是對(duì)當(dāng)前研究的有益補(bǔ)充，也具有很好的實(shí)踐意義。

三、構(gòu)建信用風(fēng)險(xiǎn)宏觀壓力測(cè)試模型

1.模型構(gòu)建

（1）壓力傳導(dǎo)模型的構(gòu)建

本文在借鑒Wilson（1997）的研究基礎(chǔ)上設(shè)定貸款違約率與各宏觀經(jīng)濟(jì)變量存在非線性關(guān)系的假定，將不良貸款率（NPL）進(jìn)行Logit轉(zhuǎn)化成中介指標(biāo)Yt，然后將Yt與宏觀經(jīng)濟(jì)變量建立壓力傳導(dǎo)模型。壓力傳導(dǎo)模型的具體形式如下：

其中NPLt代表商業(yè)銀行的不良貸款率，反映其信用風(fēng)險(xiǎn)狀況;Yt表示與不良貸款率相對(duì)應(yīng)的中介指標(biāo)，X1、…......Xk代表與商業(yè)銀行不良貸款相關(guān)的宏觀經(jīng)濟(jì)變量。

（2）宏觀壓力情景生成模型的構(gòu)建

在壓力情景生成方面，向量自回歸模型（VaR模型）因其具有較高的準(zhǔn)確度是使用非常普遍的宏觀經(jīng)濟(jì)模型。

Xt表示宏觀經(jīng)濟(jì)變量，Zt表示與銀行相關(guān)的外生變量，p表示滯后階數(shù)，考慮到宏觀變量之間的相關(guān)性，采用聯(lián)立方程來(lái)建模。在實(shí)證方法上，考慮到聯(lián)立方程間的誤差項(xiàng)可能存在異方差和同期相關(guān)，本文采用似不相關(guān)回歸對(duì)各參數(shù)進(jìn)行估計(jì)。

2.變量選擇與說(shuō)明

本文宏觀經(jīng)濟(jì)指標(biāo)的選取上秉著與商業(yè)銀行穩(wěn)健經(jīng)營(yíng)的密切度的原則：（1）實(shí)際產(chǎn)出因素：包括國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）和工業(yè)增加值（IRV）。GDP衡量的是整個(gè)宏觀經(jīng)濟(jì)的運(yùn)行狀態(tài)，它影響整個(gè)社會(huì)經(jīng)濟(jì)各單位的還款能力。（2）資產(chǎn)價(jià)格因素：固定資產(chǎn)投資完成額（INFA）、房地產(chǎn)開(kāi)發(fā)投資完成額（REDI）、國(guó)房景氣指數(shù)（RE）等四個(gè)變量;因近年來(lái)房地產(chǎn)貸款在商業(yè)銀行中貸款占比較高，房地產(chǎn)行業(yè)的景氣程度對(duì)房地產(chǎn)企業(yè)及住房貸款產(chǎn)生影響;（3）物價(jià)水平因素：居民消費(fèi)者價(jià)格增長(zhǎng)率（CPI）、工業(yè)產(chǎn)品出廠價(jià)格指數(shù)（PPI）等兩個(gè)指標(biāo)，CPI、PPI衡量?jī)r(jià)格的穩(wěn)定性，物價(jià)的穩(wěn)定性直接關(guān)系到宏觀經(jīng)濟(jì)的穩(wěn)定性;（4）金融市場(chǎng)因素：金融市場(chǎng)的穩(wěn)定關(guān)乎金融資產(chǎn)持有者的還款能力及金融產(chǎn)品價(jià)格的穩(wěn)定性，故選取廣義貨幣供應(yīng)量增長(zhǎng)率（M2）、短期貸款利率（SL）等指標(biāo)。（5）其他外生因素：選取美元匯率（DCR）、社會(huì)消費(fèi)品零售總額增長(zhǎng)率（RSCG）等變量，在后續(xù)的模型構(gòu)建過(guò)程中，再根據(jù)變量時(shí)間序列的平穩(wěn)性及顯著性進(jìn)行篩選。

3.樣本數(shù)據(jù)的選擇與來(lái)源

我國(guó)銀行NPL的季度數(shù)據(jù)是從2003年第四季度才開(kāi)始公布，所以全部指標(biāo)樣本選取均為2004年-2019年。為了保持變量之間頻度的一致，本文均采用季度數(shù)據(jù)，對(duì)月度數(shù)據(jù)通過(guò)幾何平均處理統(tǒng)一為季度數(shù)據(jù);所有數(shù)據(jù)均源于Wind數(shù)據(jù)庫(kù)。

4.模型估計(jì)與實(shí)證結(jié)果分析

（1）變量的穩(wěn)定性檢驗(yàn)與“協(xié)整檢驗(yàn)”

本文選取ADF檢驗(yàn)對(duì)所有變量的平穩(wěn)性進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表一。檢驗(yàn)結(jié)果表明，在5%的顯著性水平下，變量的原始序列都是非平穩(wěn)的;在對(duì)原序列進(jìn)行一階差分處理后，各宏觀變量都是一階單整序列。由此可進(jìn)一步對(duì)相關(guān)變量進(jìn)行協(xié)整分析。

利用johansen檢驗(yàn)對(duì)上述變量進(jìn)行協(xié)整檢驗(yàn)，經(jīng)檢驗(yàn)發(fā)現(xiàn)各宏觀經(jīng)濟(jì)變量之間存在三階協(xié)整關(guān)系，變量INFA、REDI、CPI、DCR、SL、M2、IRV之間滿足建立VaR模型的條件。

（2）模型變量的篩選與形式的確立

根據(jù)FPE和QIC檢驗(yàn)準(zhǔn)則判斷VaR模型最佳滯后階數(shù)為2，AIC準(zhǔn)則判斷出來(lái)的最佳滯后階數(shù)為4，BIC準(zhǔn)則判斷出來(lái)的最佳滯后階數(shù)為1，考慮到如果方程中含有過(guò)多待估變量可能影響參數(shù)估計(jì)的有效性，綜合考量R2及方程的穩(wěn)定性，本文在建立VAR模型時(shí)最終選擇最佳滯后階數(shù)為2階。在模型變量的篩選上，考慮各變量顯著性和擬合情況，最終選取有顯著影響的INFA、REDI、CPI、DCR、SL、M2、IRV七個(gè)變量。

（3）模型估計(jì)與結(jié)果解釋

由于各自變量之間存在相互影響的動(dòng)態(tài)結(jié)果特征，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)反映相關(guān)關(guān)系的系統(tǒng)，將模型（2）和模型（3）聯(lián)立方程組，構(gòu)建聯(lián)立方程模型系統(tǒng)，考慮到聯(lián)立方程間的誤差項(xiàng)可能存在異方差和同期相關(guān)，采用似無(wú)相關(guān)回歸方法（SUR），對(duì)模型進(jìn)行估計(jì)，SUR的兩階段估計(jì)過(guò)程，可以消除自相關(guān)問(wèn)題，實(shí)現(xiàn)估計(jì)量的一致性且漸近有效。對(duì)模型進(jìn)行估計(jì)，剔除不顯著項(xiàng)后，得到的估計(jì)結(jié)果如表3。

從表4的回歸結(jié)果可以看出，模型以及各變量系數(shù)均較顯著，且系數(shù)的符號(hào)與預(yù)期相符。其中工業(yè)增加值（IRV）、固定資產(chǎn)投資完成額（INFA）、房地產(chǎn)開(kāi)發(fā)完成額（REDI）的回歸系數(shù)為負(fù)，說(shuō)明隨著工業(yè)增加值、固定資產(chǎn)投資、房地產(chǎn)開(kāi)發(fā)完成額、短期貸款利率（SL）的增加，不良貸款率會(huì)降低;居民消費(fèi)者價(jià)格增長(zhǎng)率（CPI）、廣義貨幣供應(yīng)量增長(zhǎng)率（M2）、美元匯率（DCR）在模型中的回歸系數(shù)為正，說(shuō)明商業(yè)銀行的不良貸款率會(huì)隨著居民消費(fèi)者價(jià)格、廣義貨幣供應(yīng)量增長(zhǎng)率、短期貸款利率、美元匯率的增長(zhǎng)而上升。

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)銀行在宏觀經(jīng)濟(jì)下行情況下的抗壓能力，根據(jù)上文的信用風(fēng)險(xiǎn)壓力測(cè)試的模型，運(yùn)用蒙特卡洛隨機(jī)模擬技術(shù)模擬在不同的宏觀經(jīng)濟(jì)沖擊情形下，不良貸款率的估計(jì)頻率分布。隨著近幾年“去杠桿”、“控風(fēng)險(xiǎn)”、“一帶一路”等宏觀政策背景下，經(jīng)濟(jì)增速明顯放緩，本文壓力情景選擇INFA、REDI增速下滑及CPI陡然上升作為壓力沖擊因子，測(cè)試在輕度、中度、重度三種壓力情形下商業(yè)銀行不良貸款率變化，來(lái)檢驗(yàn)我國(guó)商業(yè)銀行抗壓能力。經(jīng)濟(jì)下滑不同程度給商業(yè)銀行不良貸款率帶來(lái)沖擊的蒙特卡洛模擬結(jié)果如下表：

從上表中可以看出，與輕度壓力相比，在嚴(yán)重情況下我國(guó)商業(yè)銀行的不良貸款率上升幅度較大，說(shuō)明我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)受宏觀經(jīng)濟(jì)沖擊的后果較嚴(yán)重。

五、研究結(jié)論

本文通過(guò)構(gòu)建宏觀壓力測(cè)試的似不相關(guān)模型對(duì)國(guó)內(nèi)商業(yè)銀行面臨的信用風(fēng)險(xiǎn)進(jìn)行宏觀壓力測(cè)試，得出的結(jié)論如下：商業(yè)銀行的不良貸款率會(huì)隨著工業(yè)增加值、固定資產(chǎn)投資、房地產(chǎn)開(kāi)發(fā)完成額、短期貸款利率的增加而降低;會(huì)隨著居民消費(fèi)者價(jià)格指數(shù)、廣義貨幣供應(yīng)量增長(zhǎng)率、短期貸款利率、美元匯率的增長(zhǎng)而上升。國(guó)內(nèi)商業(yè)銀行目前抗風(fēng)險(xiǎn)能力有限，銀行系統(tǒng)的穩(wěn)定性受到宏觀經(jīng)濟(jì)的沖擊影響較大。

參考文獻(xiàn)：

[1]袁吉偉.信用風(fēng)險(xiǎn)宏觀壓力測(cè)試建模技術(shù)分析[J].金融教學(xué)與研究，2013（5）.

[2]丁建臣，龐小鳳，孟大偉.商業(yè)銀行壓力測(cè)試：國(guó)際實(shí)踐與政策建議[J].上海金融，2013（7）.

作者簡(jiǎn)介：馬菁菁（1988.05- ），女，漢族，湖北襄陽(yáng)市人，碩士，講師，研究方向：風(fēng)險(xiǎn)管理