張志彬， 丁曉莉

(湖南科技大學 商學院， 湖南 湘潭 411201)

當前，我國正處于向高質(zhì)量發(fā)展轉(zhuǎn)型的階段，經(jīng)濟增速放緩、房地產(chǎn)過熱誘發(fā)不良貸款隱患增加、地方政府債務(wù)違約風險提高、互聯(lián)網(wǎng)金融爆雷事件頻發(fā)等問題，勢必會對我國金融系統(tǒng)的穩(wěn)定性形成嚴峻挑戰(zhàn)。謝太峰等認為，商業(yè)銀行作為經(jīng)濟活動的重要調(diào)節(jié)器，其穩(wěn)定運營是實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的基礎(chǔ)[1]。2019年，包商銀行破產(chǎn)、錦州銀行和恒豐銀行債務(wù)重組，以及一些地方性商業(yè)銀行出現(xiàn)的擠兌事件，無不透露出我國商業(yè)銀行運營風險呈現(xiàn)逐漸增大的趨勢。商業(yè)銀行目前面臨的主要經(jīng)營問題是隱藏不良貸款所引發(fā)的債務(wù)人信用風險。當宏觀經(jīng)濟形勢較為穩(wěn)定，商業(yè)銀行基于穩(wěn)健性經(jīng)營的要求，一般會控制對高收益的過度追求。Mckinnon和Ronald認為，經(jīng)濟增速趨緩，政府為了達到提振經(jīng)濟的目的，支持商業(yè)銀行向投資主體發(fā)放貸款，誘導(dǎo)其采取激進的經(jīng)營方式，從而引發(fā)的信用風險也會顯著增加[2]。

1996年，Jorion 建立的VAR模型是構(gòu)建信用風險壓力測試模型的基礎(chǔ)[3]。 2000年，Jeffrey設(shè)立并修正了期望違約概率模型[4]。2008年，F(xiàn)ong P W等應(yīng)用MVAR模型對商業(yè)銀行信用風險進行了評估[5]。2009年，周四軍等開始應(yīng)用死亡概率模型來測算商業(yè)銀行客戶違約率[6]。郭蓮麗等則采用定性和定量指標相結(jié)合的方法對商業(yè)銀行的信用風險進行測度[7]。顧海峰利用模糊評判法測度了信用平穩(wěn)情況下商業(yè)銀行的信用風險，之后又對信用突變情況下的信用風險進行測算[8][9]。2020年，因子分析模型在測度商業(yè)銀行信用風險方面得到應(yīng)用[10]。在信用風險承壓指標的選取方面，分別以信貸利差、銀行的不良貸款率、逾期貸款占比、股價波動率和逾期違約率等作為信用風險承壓指標，這些指標都能較好地衡量商業(yè)銀行的信用風險[11][12]。當因變量為商業(yè)銀行的不良貸款率，自變量為國內(nèi)生產(chǎn)總值或利率時，可以發(fā)現(xiàn)商業(yè)銀行的不良貸款率會受到宏觀經(jīng)濟指標的顯著影響[13]。在對我國商業(yè)銀行信用風險進行測度的過程中發(fā)現(xiàn)，我國商業(yè)銀行體系在改革開放后有11年的不穩(wěn)定期，具有較大的金融風險[14]。經(jīng)濟增長率、貨幣供應(yīng)量增長率和消費者價格指數(shù)會給商業(yè)銀行體系帶來負向沖擊效應(yīng)，貸款利率則會給商業(yè)銀行體系帶來正向沖擊效應(yīng)[15]。

綜上所述，關(guān)于商業(yè)銀行信用風險的研究已取得一定理論成果，但對于如何基于CPV(Credit Portfolio View)模型，并利用最新的宏觀經(jīng)濟數(shù)據(jù)來對我國商業(yè)銀行的信用風險進行測度，并模擬受到不同宏觀壓力沖擊下信用風險的相應(yīng)變化情況，進而對當前我國商業(yè)銀行的抗風險能力進行科學評估，尚存在深入研究的空間。

二、宏觀壓力測試模型構(gòu)建、變量選擇與數(shù)據(jù)說明

(一)理論模型說明

在壓力測試模型系統(tǒng)的構(gòu)建方面，可以分為壓力傳導(dǎo)模型和壓力情景生成模型兩個部分[16]。

(1)

yt=f(x1,x2,……xn,vt)

(2)

xt=k0+k1xt-1+……+kpxt-p+εt

(3)

(4)

其中，t代表時間，vt、εt為隨機擾動項。

在方程(1)中，NPLt代表商業(yè)銀行在時期t的不良貸款率，使用logit回歸將信用風險指標NPLt進行非線性轉(zhuǎn)換，由0-1之間轉(zhuǎn)化成取值為-∞到+∞的中介變量yt，由式(1)可知，yt與NPLt成反比，yt越小，NPLt越大，即商業(yè)銀行的信用風險狀況越差。2011～2021年，我國y與NPL的關(guān)系(如圖1所示)，宏觀經(jīng)濟狀況和商業(yè)銀行不良貸款率呈負相關(guān)關(guān)系。

圖1 2011～2021年我國y與NPL的變化趨勢圖

方程(2)為風險傳導(dǎo)模型。該方程表示轉(zhuǎn)換后的中介變量yt與宏觀經(jīng)濟指標x1,x2,……xn的因果關(guān)系，采用線性回歸方程進行描述。其中，yt代表與時期t的宏觀經(jīng)濟狀況相關(guān)的一個綜合指標，也是反映各宏觀經(jīng)濟指標和商業(yè)銀行NPLt關(guān)系的一個“中介變量”，x1,x2,……xn表示與商業(yè)銀行NPLt相關(guān)的一組宏觀經(jīng)濟指標。

方程(3)為壓力情景模型。該模型用于生成極端但合理的宏觀經(jīng)濟沖擊，引入VAR模型，研究各宏觀經(jīng)濟指標之間的相互作用，反映一個宏觀經(jīng)濟指標的變動能夠通過傳導(dǎo)，從而對模型中的其余經(jīng)濟指標產(chǎn)生影響。其中，x表示一系列宏觀經(jīng)濟變量，是一個包含t時期n個變量值的n×1維列向量。

聯(lián)立方程(2)風險傳導(dǎo)模型和方程(3)壓力情景模型，得到一個從宏觀經(jīng)濟指標到NPLt的模型系統(tǒng)，該系統(tǒng)有一個誤差向量和協(xié)方差矩陣，即方程(4)，其內(nèi)部方程間存在擾動項的同期相關(guān)性,從而保證了壓力情景生成的合理性。其中，vt、εt均為(n+1)×1維的列向量。

(二)計量模型構(gòu)建與變量選擇

進行宏觀壓力測試所要達到的目標是測度宏觀經(jīng)濟指標的變動對我國商業(yè)銀行信用風險狀況產(chǎn)生多大程度的影響?；赪ilson的CPV模型，選擇相關(guān)宏觀經(jīng)濟指標和綜合經(jīng)濟指標構(gòu)建如下風險傳導(dǎo)模型[17]，用以描述各宏觀經(jīng)濟指標與yt的線性關(guān)系：

yt=α0+β1G_GDP+β2G_M2+β3CPI+β4ROE+εt

(5)

使用中國銀保監(jiān)會網(wǎng)站公布的不良貸款率作為商業(yè)銀行信用風險狀況的衡量指標。中國銀保監(jiān)會網(wǎng)站公布的不良貸款率涵蓋了我國境內(nèi)各類商業(yè)銀行，能夠比較全面反映我國商業(yè)銀行體系的信用風險。選取的主要宏觀經(jīng)濟指標如下。

(1)國內(nèi)生產(chǎn)總值增長率(G_GDP) 它體現(xiàn)了國家的經(jīng)濟發(fā)展規(guī)模，直接影響商業(yè)銀行的經(jīng)營表現(xiàn)。G_GDP越低，代表宏觀經(jīng)濟形勢相對不景氣，企業(yè)容易出現(xiàn)資金周轉(zhuǎn)困難、財務(wù)狀況惡化等問題，沒有足夠的資金償還債務(wù)而引發(fā)債務(wù)違約。同時，當經(jīng)濟處于低迷時期，企業(yè)的抵押物處置困難，或者出現(xiàn)抵押物價值無法完全覆蓋所需清償債務(wù)的金額，商業(yè)銀行的NPL由此上升。

(2)廣義貨幣供應(yīng)量增長率(G_M2) 它是中央銀行貨幣政策的操作目標，同時也是影響商業(yè)銀行經(jīng)營狀況的一個重要因素。M2的增加，意味著國內(nèi)處于相對寬松的貨幣環(huán)境，實體經(jīng)濟流通資金的增加，企業(yè)獲取資金的成本下降，可獲得的融資信貸額增加，有利于其擴大生產(chǎn)規(guī)模，從而降低企業(yè)違約的可能性，能夠間接降低商業(yè)銀行的NPL。

(3)消費者價格指數(shù)(CPI，ConsumerPriceIndex) 它是反映宏觀經(jīng)濟的重要指標。從長期來看，消費者價格指數(shù)的持續(xù)增長會導(dǎo)致居民實際收入下降，降低實際經(jīng)濟增長率，使銀行的NPL增加。但是從短期來看，消費者價格指數(shù)的溫和良性增長表示經(jīng)濟穩(wěn)定向上，企業(yè)傾向于擴大生產(chǎn)規(guī)模，有利于其增加營業(yè)收益和改善運營狀況，從而有效降低商業(yè)銀行的NPL。

(4)美元兌人民幣的匯率(ROE，RateofExchange)ROE的變動，會對進出口貿(mào)易和對外投資產(chǎn)生重要影響。ROE上升，意味著人民幣相對美元貶值，雖然會促進出口的增長，但是進口商品價格也會相對上升，會導(dǎo)致本國企業(yè)進口商品和原材料的成本增加，降低企業(yè)的利潤率，從而導(dǎo)致商業(yè)銀行的NPL上升。

G_GDP和ROE的數(shù)據(jù)來自國家統(tǒng)計局網(wǎng)站。G_M2、CPI的數(shù)據(jù)來自CSMAR(國泰安數(shù)據(jù)庫)。實證分析所使用的數(shù)據(jù)為2011～2021年的季度數(shù)據(jù)，對于非季度數(shù)據(jù)采用幾何平均法進行處理，轉(zhuǎn)換成季度數(shù)據(jù)。在對數(shù)據(jù)進行選取時，由于同比增長率數(shù)據(jù)與原始數(shù)據(jù)相比而言平穩(wěn)的可能性更大，所以，廣義貨幣供應(yīng)量和國內(nèi)生產(chǎn)總值均使用同比增長率的形式。各變量的描述性統(tǒng)計分析結(jié)果，如表1所示。

表1 主要變量的描述性統(tǒng)計

三、數(shù)據(jù)檢驗與參數(shù)估計

(一)平穩(wěn)性檢驗和協(xié)整檢驗

采用VAR模型構(gòu)建包含各宏觀經(jīng)濟指標的壓力情景模型。在進行VAR建模之前，為確保指標為平穩(wěn)序列或者各指標之間具有協(xié)整關(guān)系，先對各個宏觀經(jīng)濟指標進行平穩(wěn)性檢驗。采用單位根檢驗ADF檢驗來檢查序列平穩(wěn)性，結(jié)果見表2。各宏觀經(jīng)濟指標都是一階單整的，可以進行協(xié)整檢驗。

表2 ADF檢驗結(jié)果

使用Johansen檢驗判斷各指標之間是否存在長期的穩(wěn)定關(guān)系，檢驗結(jié)果如表3所示。跡統(tǒng)計量檢驗和最大特征值統(tǒng)計量檢驗均表明各宏觀經(jīng)濟指標之間存在1個協(xié)整關(guān)系。因此，指標G_GDP、G_M2、CPI、ROE滿足VAR建模的條件。

表3 Johansen協(xié)整檢驗結(jié)果

(二)模型形式確定

在建立 VAR 模型之前，確定模型最佳滯后期數(shù)十分關(guān)鍵,見表4。表4結(jié)果顯示，LR、FPE、AIC檢驗準則確定的最佳滯后期數(shù)皆為2階，SC、HQ檢驗確定的最佳滯后期數(shù)為1階。因此，在建立VAR模型時確定的滯后期數(shù)為2。

表4 滯后階數(shù)檢驗結(jié)果

(三)模型參數(shù)估計

從前文的分析中可得，信用風險傳導(dǎo)模型(2)中確定的指標為G_GDP、G_M2、CPI、ROE；壓力情景模型(3)確定的最佳滯后期數(shù)為2。將方程(2)與方程(3)聯(lián)立構(gòu)建方程模型系統(tǒng)，使用似無關(guān)回歸方法(SeeminglyUnrelatedRegression，SUR)對各方程的參數(shù)進行估計。方程(2)與方程(3)的SUR估計結(jié)果如表5所示。

表5 SUR估計結(jié)果

分析結(jié)果顯示：在1%的顯著性水平上，G_GDP、G_M2、CPI、ROE對我國商業(yè)銀行的信用風險水平均存在顯著效應(yīng)，除ROE對商業(yè)銀行信用風險為顯著負效應(yīng)外，其余宏觀經(jīng)濟指標均反映為顯著正效應(yīng)。G_GDP、G_M2、CPI、ROE與其滯后一期之間都存在顯著的正向關(guān)系。

從表5的回歸分析結(jié)果可以看出，宏觀經(jīng)濟指標G_GDP、G_M2、CPI的系數(shù)為正，ROE系數(shù)為負。這意味著當GDP處于較高增長率的情況下，整個宏觀經(jīng)濟環(huán)境形勢向好，企業(yè)的經(jīng)營狀況處于相對健康的狀況，還貸能力較強，使得NPL相對下降。M2代表著我國貨幣政策的實施情況，當G_M2處于上升狀態(tài)時，說明我國實施較為寬松的貨幣政策，從短期來看有利于刺激企業(yè)增加投資，提高企業(yè)盈利能力，從而降低NPL；CPI溫和上升，從短期來看有利于提高居民的名義收入，發(fā)揮通貨膨脹的產(chǎn)出效應(yīng)，降低NPL；匯率的變動對企業(yè)的影響有利有弊，隨著ROE的增大，人民幣貶值，對于從國外進口原材料的企業(yè)而言，會導(dǎo)致生產(chǎn)成本上漲，如果企業(yè)的生產(chǎn)成本大于其營業(yè)利潤，就會導(dǎo)致企業(yè)存在違約的風險，帶動NPL上升。整體而言，上述SUR的實證結(jié)果與經(jīng)濟意義上的預(yù)期相一致。

四、壓力情景模擬及風險評估

為了對商業(yè)銀行在不同壓力情景下的抗壓能力進行檢驗，利用前文所設(shè)計的宏觀經(jīng)濟壓力測試模型體系對不同的宏觀經(jīng)濟沖擊情形進行模擬。選取的宏觀經(jīng)濟指標為G_GDP。假定G_GDP發(fā)生了較大幅度的下降，這表明國內(nèi)的整體經(jīng)濟形勢嚴峻，企業(yè)的經(jīng)營利潤面臨下降的危險，企業(yè)有更大的概率無法按時償還貸款，商業(yè)銀行的信用風險也隨之提高。而且，G_GDP作為一個最重要的宏觀經(jīng)濟指標，其變化會對其余的宏觀經(jīng)濟指標產(chǎn)生影響。將不同壓力沖擊下G_GDP及受其影響的其余宏觀經(jīng)濟指標的數(shù)值代入壓力情景模型，可以得到不同程度的宏觀經(jīng)濟沖擊對商業(yè)銀行信用風險產(chǎn)生什么樣的影響，從而能夠評估商業(yè)銀行在面臨不利宏觀經(jīng)濟沖擊時抵御風險的能力。

(一)壓力測試初始沖擊情景的設(shè)計

受全球經(jīng)濟增長趨緩和新冠肺炎疫情的沖擊，2020年我國國內(nèi)經(jīng)濟增速放緩，由此帶來商業(yè)銀行信用風險的上升。本研究選取GDP增速下滑這一宏觀壓力指標作為壓力沖擊因子。在測試過程中，為了更加準確評估我國商業(yè)銀行面對宏觀經(jīng)濟形勢變化的抗壓能力，設(shè)定了輕度壓力、中度壓力和極端壓力等3種壓力情景，并測算對商業(yè)銀行NPL的影響。壓力沖擊強度參考中國人民銀行發(fā)布的《2020年中國金融穩(wěn)定報告》，壓力測試初始沖擊情景如表6。

表6 壓力測試GDP同比增速

在對宏觀經(jīng)濟指標進行賦值時，利用對傳統(tǒng)方法的修正[18]，將G_GDP作為解釋變量，其余宏觀經(jīng)濟指標作為被解釋變量，并逐步加入滯后項，發(fā)現(xiàn)G_GDP對于G_M2、CPI和ROE具有較強的解釋力，由此確定的回歸模型如下所示：

G_M2=9.601 3+0.264 3G_GDP(-2)

(6)

CPI=102.542 0-0.157 8G_GDP+0.133 4G_GDP(-2)

(7)

ROE=6.873 8-0.029 9G_GDP-0.023 2G_GDP(-1)

(8)

方程(6)(7)(8)反映了各宏觀經(jīng)濟指標與壓力沖擊因子G_GDP的線性關(guān)系，也是對方程(3)壓力情景模型的估計。根據(jù)其以及G_GDP的自回歸模型，能夠?qū)υ贕DP增速下滑壓力情境下所對應(yīng)的其余宏觀經(jīng)濟指標的值進行合理的估計。不同壓力情景下其余宏觀經(jīng)濟指標估計結(jié)果見表7。

表7 其余宏觀經(jīng)濟指標的取值

由表5得出的風險傳導(dǎo)模型的多元回歸方程如下所示：

yt=-1.862 7+0.015 5G_GDP+0.036 0G_M2+0.084 0CPI-0.466 0ROE

(9)

方程(9)反映了各宏觀經(jīng)濟指標與綜合指標yt的線性關(guān)系，將表7各宏觀經(jīng)濟指標的估計結(jié)果代入方程(9)，可以得出不同壓力情景下綜合指標yt的結(jié)果，再通過logit轉(zhuǎn)化獲得NPLt的結(jié)果(見表8)。假定我國經(jīng)濟處于低迷狀態(tài)，CPI、G_M2以及ROE等宏觀情景指標在G_GDP受到不同強度的沖擊時，會相應(yīng)發(fā)生變化，導(dǎo)致中介變量綜合經(jīng)濟指標發(fā)生變化，最終致使商業(yè)銀行的NPL也會發(fā)生與其相反方向的變化。在商業(yè)銀行面臨輕度、中度和極端三種不同的壓力沖擊時，其NPL呈現(xiàn)不同程度的上升。受到極端沖擊時，商業(yè)銀行NPL的上升幅度大于受到中度沖擊時的上升幅度。這是因為經(jīng)濟衰退是一個逐步演變的過程，當其衰退程度不斷加深時，對商業(yè)銀行NPL的沖擊會逐步深化。

表8 宏觀壓力測試結(jié)果

(二)宏觀壓力測試風險評估結(jié)果

為了厘清商業(yè)銀行在受到不同宏觀經(jīng)濟壓力沖擊下的承壓能力，對其進行宏觀壓力測試。落實到商業(yè)銀行的日?；顒樱托枰獙ζ涮崛〉馁J款損失準備是否能夠抵御受到不同宏觀壓力沖擊造成的信用風險水平進行分析。

固定期間(T)內(nèi)，變量EAD表示商業(yè)銀行信用風險暴露狀況，變量PD表示商業(yè)銀行的貸款違約概率，變量LGD表示違約發(fā)生后的損失率，根據(jù)這三方面來衡量商業(yè)銀行的信用風險水平。按照巴塞爾新協(xié)議框架，T期間內(nèi)的信用風險水平可由ELT=PDr×LGDr×EADr公式測量。

EAD和LGD設(shè)置為兩定值，其中EAD使用商業(yè)銀行T期間內(nèi)的貸款總額進行衡量，LGD使用巴塞爾新協(xié)議關(guān)于銀行的規(guī)定，取值為45%，假設(shè)貸款違約概率PD為商業(yè)銀行的不良貸款率。截至2021年第二季度末，我國商業(yè)銀行為法人客戶所提供的貸款總額達1 590 000億元，貸款損失準備達54 000億元。對于不同的宏觀經(jīng)濟壓力沖擊，可以得出壓力測試風險評估結(jié)果(見表9)。

表9 不同壓力情境下的風險評估結(jié)果

面對不同的三種宏觀壓力情景，商業(yè)銀行所計提的整體貸款損失準備可以抵御在受到輕度、中度和極端壓力的沖擊時，導(dǎo)致的不良貸款率上升而帶來的信用風險損失。也就是說，我國商業(yè)銀行能夠通過提取貸款損失準備來應(yīng)對在客戶出現(xiàn)違約情形下的預(yù)期損失。

五、余 論

通過借鑒Wilson的CPV模型對我國商業(yè)銀行的信用風險狀況進行宏觀經(jīng)濟壓力測試。結(jié)果表明：國內(nèi)生產(chǎn)總值增長率、廣義貨幣供應(yīng)量增長率、消費者價格指數(shù)和美元兌人民幣匯率等宏觀經(jīng)濟指標會對商業(yè)銀行的不良貸款率產(chǎn)生顯著的影響。其中，美元兌人民幣匯率對商業(yè)銀行的不良貸款率產(chǎn)生正向效應(yīng)，其余指標與不良貸款率之間存在著負向效應(yīng)，該結(jié)論與經(jīng)濟現(xiàn)實相一致。通過設(shè)計不同宏觀壓力情景沖擊，將國內(nèi)生產(chǎn)總值增長率作為主要發(fā)生波動的宏觀經(jīng)濟指標，國內(nèi)生產(chǎn)總值增長率作為一個關(guān)鍵的宏觀經(jīng)濟指標會對其余經(jīng)濟指標產(chǎn)生極其重要的影響，把受其影響的各宏觀經(jīng)濟指標的結(jié)果代入原先估計的多元回歸方程中，就能預(yù)測出商業(yè)銀行不良貸款率在受到不同沖擊下的變化情況。結(jié)果顯示：無論受到何種程度的壓力沖擊，不良貸款率都會產(chǎn)生上升的趨勢，特別是發(fā)生極端壓力沖擊時，其上升幅度更為明顯。

從分析結(jié)果可以看出，我國商業(yè)銀行體系整體來說比較穩(wěn)定，商業(yè)銀行目前所計提的貸款損失準備能夠抵御不同壓力沖擊時帶來的風險損失。但本研究只針對全國所有商業(yè)銀行整體而言，部分中小銀行抵御風險的能力較弱?！皹O端但可能”發(fā)生的不利宏觀經(jīng)濟沖擊會導(dǎo)致我國商業(yè)銀行的信用風險狀況出現(xiàn)明顯惡化，給商業(yè)銀行安全性經(jīng)營原則的實現(xiàn)造成極大的隱患，從而使得我國商業(yè)銀行不良貸款率也隨之提高。因此，為了及時應(yīng)對風險變化，商業(yè)銀行應(yīng)按時完成各種類型的壓力測試，對于可能存在的風險提前做好預(yù)警工作，以保證我國商業(yè)銀行體系能夠維持平穩(wěn)健康經(jīng)營的態(tài)勢。雖然壓力沖擊是不確定性事件，一旦發(fā)生卻會對銀行的穩(wěn)健經(jīng)營產(chǎn)生極大的危害。商業(yè)銀行應(yīng)保持規(guī)范經(jīng)營，通過批量定向轉(zhuǎn)讓不良資產(chǎn)、推動不良資產(chǎn)證券化以及自主核銷符合規(guī)定的不良資產(chǎn)等方式拓寬不良資產(chǎn)處置渠道，維持經(jīng)營穩(wěn)定性。同時，要做好不良貸款可能大幅反彈的應(yīng)對準備。由于國內(nèi)生產(chǎn)總值增長率、貨幣供應(yīng)量增長率、消費者價格指數(shù)和美元兌人民幣匯率都會對不良貸款率產(chǎn)生較明顯的影響，商業(yè)銀行在進行風險評估時，應(yīng)時刻關(guān)注這些宏觀經(jīng)濟指標的變化，及時對貸款損失準備做出調(diào)整，提高抵御風險沖擊的能力。