基于压力测试对商业银行信用风险的研究

目录

一、引言    3

二、压力测试的介绍和一般程序    3

1.压力测试的定义    3

2.一般步骤    4

3.进行压力测试的方法    4

三、Logistic方法介绍    4

1.宏观经济指标的选择    4

2. 宏观经济指标对PD的Logit 回归    5

3. logit 回归模型的建立    5

四、回归分析模型建立及结果分析    6

1.假设压力情景事件    6

2. spss回归    7

3.回归结果分析    7

五、三种压力情境下的违约概率测度    8

1.年度违约率的计算    8

2.不同冲击的银行违约率    8

3.商业银行应对损失的情况    8

六、结论    8

参考文献    9

基于压力测试对我国商业银行信用风险研究

摘要：压力测试旨在用来测量某些小概率事件对银行经营或其所拥有的投资组合造成的影响，本文选取了我国商业银行的一些金融数据，运用Logistic回归的方法对商业银行承受的最大风险进行了研究。

关键词：压力测试  Logistic回归  信用风险

一、引言

压力测试是猪金融机构用以衡量一些例外但有可能发生的事件的潜在损失的方法。我们开展压力测试的历史并不长，早期主要用于市场风险管理，随着时间的推移，业界也逐渐的用来补充信用风险模型的不足。

巴塞尔新资本协议的颁布为各国银行风险提出了新的要求，风险度量和控制在国内银行业受到高度关注。新资本协议的一个突出特点就是在组合层次上利用在险价值（VAR，value at risk）来衡量风险，VAR是在概率既定情况下，银行的资产组合价值在下一阶段最多可能随时多少。然而VAR不能解释一些小概率的而有可能对银行造成较大损失的事件，这些事件可能对银行带来致命危害，如1987年美国股市崩盘、1997年东南亚金融风暴、1998年俄罗斯违约事件、2008年美国金融危机，在这些情况下VAR模型便告失灵。为了弥补VAR的不足，巴塞尔新资本协议明确指出银行必须建立良好的压力测试程序并定期进行压力，以反映各种经济环境改变的情景对信贷组合的不利影响。

二、压力测试的介绍和一般程序

1.压力测试的定义

压力测试能够帮助商业银行充分了解潜在风险因素与银行财务状况之间的关系，深入分析银行抵御风险的能力，形成供董事会和高级管理层讨论并决定实施的应对措施，预防极端事件可能对银行带来的冲击。对于日常管理中广泛应用各类风险计量模型的银行，压力测试应成为模型方法的重要补充。压力测试也能够帮助银监会充分了解单家银行和银行业体系的风险状况和风险抵御能力。

本文重点研究信用风险压力测试的方法，也就是度量不利情景下信用风险因子变动对银行资本带来的影响，并判断银行资本能否覆盖相应损失。

2.一般步骤

    一次压力测试一般来讲有六个步骤(1.确认资料的完整性、正确性及实时；2.压力情景的建立；3.定义各风险因子；4.选择、执行压力测试方法；5.依新压力测试情景进行资产组合的评估；6.压力测试结果的解释分析；）其中压力情景事件是指一些可能对银行资产质量、盈利及资本充足率等产生重要影响的不利条件，它往往有金融机构通过分析历史上的不利事件产生，或有相关专家根据假设产生，如本国经济衰退、主要经济体经济衰退（GDP、CPI等的变化）等。风险因子是对资产组合未来的收益产生影响的变量。我国银行业常见的风险因子为违约概率（probability default, PD)、违约损失率（loss given default，LGD）、违约风险暴露（exposure at default，EAD）及到期日（maturity，M）四个主要风险因子。

3.进行压力测试的方法

   （1）敏感性测试方法。敏感性测试旨在测量单个重要风险因素或少数几项关系密切的因素由于假设变动对银行风险暴露和银行承受风险能力的影响。（2）情景测试方法情景测试是假设分析多个风险因素同时发生变化以及某些极端不利事件发生对银行风险暴露和银行承受风险能力的影响。

资产组合的评估市值评估这些不利的情况下银行的损失大小、盈利能力变化等，以衡量银行的稳健性和安全性。问题的关键是确定这些不利的情况下的情景参数（GDP、贷款额度增加、贷款利率上升、CPI的不断升高、失业率上升、房价下跌、股指下跌等）和风险因子（PD、LGD、EAD、M等）之间的联系，以及风险因子对资产组合价值损失等的影响关系。

三、Logistic方法介绍

关于风险因子对资产组合价值损失的关系，可以通过EL=PD*LGD*EAD为基础计算，其中EL（expected loss）为预期的损失，为简化分析，本文LGD参考BASEL的有关要求统一取45%（银行和国家的无抵押的高级债权，LGD=45%；银行和国家的无抵押的次级债权，LGD=75%），EAD取贷款余额作为近似，将研究重点放在宏观经济状况对违约损失率PD的冲击方面。

1.宏观经济指标的选择

选取可以表现宏观经济的指标有：国民生产总值、通货膨胀与紧缩、投资指标、消费、金融、财政指标等。其中投资指标包括：固定资产投资额；消费指标包括：社会消费品零售总额、城乡居民储蓄存款余额；金融指标包括：利率、汇率、货币供应量、金融机构存贷款余额、金融资产总量；财政指标主要有：财政收入、财政支出。

宏观经济景气分析是一种经济周期分析方法，它主要是指通过分析一些主要宏观经济指标的变动，研究经济周期变化的客观规律性，预测经济波动的趋势及其影响，为企业经营和宏观经济提供决策依据。经济波动分为繁荣、衰退、萧条、复苏四个阶段，它的变化是有一定规律性的，而且必然会通过一定的经济指标的变化反映出来。这些指标称为敏感性指标，通常按周期循环的时间性区分为三类，即领先指标、一致同步指标与滞后指标。 

领先性指标主要有：轻工业总产值、一次能源生产总量、钢产量、铁矿石产量、10种有色金属产量、国内工业品纯购进、国内钢材库存、国内水泥库存、新开工项目数、基建贷款、海关出口额、经贸部出口成交额、狭义货币M1、工业贷款、工资和对个人其他支出、农产品采购支出、现金支出、商品销售收入等；

同步指标主要有：工业总产值、全民工业总产值、预算内工业企业销售收入、社会商品零售额、国内商品纯购进、国内商品纯销售、海关进口额、货币流通量、广义货币M2、银行现金收入等

滞后指标主要有：全民固定资产投资、商业贷款、财政收支、零售物价总指数、消费品价格指数、集市贸易价格指数等；

综合上面的考虑我们选择最能反映宏观经济的几个指标：GDP（国民生产总值，领先性指标）、固定资产投资（投资指标，滞后性指标）、贷款额度（金融指标，滞后性指标）、货币供应量（金融指标，同步性指标）、CPI（通货膨胀与紧缩指标，滞后指标）、贷款利率（金融指标）。

2. 宏观经济指标对PD的Logit 回归

度量宏观经济对PD的模型和方法有很多，本文选择了logit回归，主要是这个模型保证预测的PD在0-1之间，虽然PD在0-1之间不好度量，我们可以把它巧妙的转化为，这样就可以把它的取值范围（range）控制在实数的范围内了。下面将用图来表示：

上图中横坐标表示的是 ，纵坐标表示的是PD，从上面的图明显可以看出在PD=0.5时出现了拐点，在两个尾部比较厚，其中PD在模型中也称为机会比率（odd ratio）。

3. logit 回归模型的建立

国内外很多研究结果这些宏观经济指标包括GDP、失业率、通货膨胀率、股票指数、利率变化等。用数学公式可以表达如下：

其中表示时间t时的违约率；表示宏观经济的各个变量在时间t时的指标；为常数项，代表各个宏观经济变量影响的方向和程度的参数。这些参数可以通过回归或极大似然估计获得：

2006年--2010年的各个宏观经济指标具体值

	2006	2007	2008	2009	2010
GDP(亿元)	216134.33	265810.31	314045.43	340902.81	397983.15
固定资产投资(百万）	91.808	81.108	88.8	109.945	123.568
贷款额度（百万）	2337.513	2754.493	31.652	4797.408	5537.765
货币供应量(百万)	387,133.809	455,069.1	530,566.702	671,781.069	809,946.078
CPI	1.50%	4.80%	5.90%	-0.70%	3.38%
贷款利率（一年）	6.12%	7.47%	5.13%	5.13%	5.81%

我们选取了GDP、固定资产投资、贷款额度、货币供应量、CPI及贷款利率最近5年的一系列的宏观数据。

	07比06	08比07	09比08	10比09
GDP	22.98%	18.15%	8.55%	16.74%
固定资产投资	-11.65%	9.60%	23.68%	12.39%
贷款额度	17.84%	15.80%	50.41%	15.43%
货币供应量	17.55%	16.59%	26.62%	20.57%
CPI	220.00%	22.92%	-111.86%	-582.86%
贷款利率	22.06%	-31.33%	0.00%	13.26%

上表是者6个表示宏观经济的年度同比增长率的数据，通过上面的数据我们选出了比较稳定的指标，这样得出的结果比较有代表性，消除了部分偶然因素的影响。GDP、M2、LR这三个指标GDP是综合的反映宏观经济的指标，M2与LR都是属于金融指标，宏观经济的变化对金融方面的影响是最直接也是最灵敏的。

四、回归分析模型建立及结果分析

1.假设压力情景事件

我们考察国内外相关经济衰退数据，采用假设情景事件的方法简历假设情景如下表：

假设压力情景事件
受压项目	压力情景
	温和	中度	严重
GDP	-10%	-20%	-30%
固定资产投资	-10%	-20%	-30%
贷款额度	10%	15%	20%
货币供应量	-10%	-20%	-30%
CPI	5%	10%	15%
贷款利率	-10%	-20%	-30%

通过对PD进行logistic转换，我们采用线性回归，结果显示，在回归的过程中我们选出了三个具有显著水平的宏观经济指标：GDP、贷款利率、货币供应量。

2. spss回归

利用上面的数据，用spss17进行analysis---logit回归可得到下面的结果：

根据上面的数据分析，输出结果可得：

3.回归结果分析

从模型中我们可以看出，利率对违约损失率的影响最大。利率上升，代表偿还贷款的成本增加，企业必须拿出更多的利润偿还银行作为利息。如果融资成本大于企业的盈利能力，企业就有违约的冲动。

PD与宏观经济指标的敏感性分析
自变量的变动	PD随之变动百分比
GDP增加1%	-4.%
贷款利率向上变动1%	15%
货币供应量增加1%	-3.10%

贷款每上升1%，客户的违约率将会增加15%，GDP增长预示着宏观经济的景气，企业的平均盈利增加，客户的违约率随之下降。GDP上升1%，客户的违约率随之下降4.%。货币供应量增加预示着货币扩张，可贷资金增加，客户违约率下降，M2上升1%，客户的违约率随之下降3.1%。

五、三种压力情境下的违约概率测度

1.年度违约率的计算

根据前面的假设压力情景，我们可以预测各个压力情景下的违约概率。由于一个突发事件不会只持续一个周期，或者是一年，假设某突发事件造成影响使经济衰退持续n个季度，每个季度的违约概率PD（1），PD（2），···，PD（n）。则年度的违约概率为：

考虑银行的信用风险管理通常以年度数据为基准，我们取n=4，分别计算年度违约率。

2.不同冲击的银行违约率

不同压力冲击下的银行违约率
项目	Dec-08	温和冲击	中度冲击	严重冲击
GDP	53056.67	47751.00	42975.90	38678.31
LR	7.13%	7.84%	8.63%	9.49%
M2	31404.54	282.09	25437.68	223.91
季度违约率		1.69430596E-05	0.00031573154476	0.111474851
年度违约率		6.7772358383E-05	0.0012629261791	0.445959406

3.商业银行应对损失的情况

信用风险通过EL=PD*LGD*EAD计算得到，其中LGD假设45%，EAD近似为贷款的数额。我们选择某银行的2008年的数据，贷款总额为316.52亿元，准备金为10.68亿元，所有者权益为4939.01亿元。下面我们看准备金是否能够覆盖压力冲击，如果不能，所有者权益（资本金）是否能够覆盖压力冲击。

不同压力情境下的损失比较
项目	情景1（温和冲击）	情景2（中等冲击）	情景3（严重冲击）
PD（年度）	0.01%	0.13%	44.59%
损失	1	19	00
损失占贷款%	0.0031%	0.06%	20.10%
损失与准备金差异	10	-8	-63
损失占资本金%	0.02%	0.038%	129.58%
准备金能否覆盖损失	能	不能	不能
资本金能否覆盖损失	能	能	不能

由上表可知，在温和的冲击准备金能够覆盖其损失，但是在中度冲击就只有依靠资本金来覆盖损失，但是在严重冲击下资本金也不能够覆盖其损失，银行在这种情况下就会面临破产风险。

六、结论

本文假设了对违约损失率的计算函数，根据假设情景对银行的信用风险进行测量，结果仅供参考。另外，本文中的压力测试只是对经济衰退的情况下，对信用等级也没有考虑。因为很多的突发事件是不可测的，也是没有规律的，提前的做好准备进行按期的压力测试是很有必要的。银行应密切监测风险因子的变化，及时改进风险管理和程序，为中长期财务预测、资本规划提供科学的决策依据。

参考文献

[1]中国银行业监督管理委员会.巴塞尔新资本协议：统一资本计量和资本标准的国际协议：修订框架[M].北京：中国金融出版社,2004

[2]孙连友.商业银行信用风险压力测试[J].南宁:广西金融研究,2007(11):19-22.

[3]任宇航.信用风险压力测试方法与应用研究[J].武昌:统计与决策,2007(7):101-103.

[4]周子无.商业银行信用风险压力测试的方法和实践[J].郑州:金融理论与实践,2009(8):68-70.

[5]巴曙松，朱元倩. 压力测试在银行风险管理中的应用[J]. 成都：经济学家，2010（2）：70-80. 

[6]徐光林. 我国银行业金融机构资产规模的宏观压力测试[J]. 上海：新金融，2008（11）：21-25.

[7] 郜利明. 经济的周期性与压力测试中假定性压力情景的设定[J]. 杭州：金融管理与研究,2009（2）：21-23. 

[8]徐明东，刘晓星. 金融系统稳定性评估：基于宏观压力测试方法的国际比较[J]. 北京：国际金融研究，2008（2）：39-46.

[9]吴婷，段明明.宏观经济因素与商业银行信用风险--压力测试与实证研究[J].2009:12-78-03

[10]杨鹏.压力测试及其在金融监管中的应用[J].上海金融,2005,(1):27-30.

[11]Mark Swinburne. The IMF's experience with macro stress-testing [R].Conference Report on Stress-testing and Financial Crisis Simulation Exercises, July, 2007. 

[12]Micheal K. Ong. Internal Credit Risk Models: Capital Allocation and Performance Measurement [M]. N.Y: Risk Books,2000

[13]Bank for International Settlements Committee on the Global Financial System. Stress-testing by Large Financial Institutions: Current Practice and Aggregation[S]. Consultative Document, Basle, Switzerland, 2000. 

[14]Shaw, J., Beyond VAR and Stress -testing, KPMG/Risk Publications[R], 1997. 

[15]Kupiec, Paul, Stress-testing in a value at risk framework [J]. Journal of Derivatives.1999. 

[16]Some Issues in Using PROC LOGISTIC for Binary Logistic Regressionby David C. Schlotzhauer, courtesy of SAS).

[17]Martin Cihak.Stress Testing:A Review of key concepts[R].CNB International Research and Policy Note,2004.

[18]李娜,李敏. 压力测试在风险管理中的应用[J].技术经济与管理研究,2006,(4):66-67.

[19]董天新,杜亚斌,压力测试及其在金融风险管理中的应用[J].海南金融.2005,(8):36-40