宏觀經濟變量與銀行信用風險的實證研究

【摘要】 文章基于2003年1季度至2009年2季度的數據，以不良貸款率作為評估商業銀行信用風險的指標，選取對銀行不良貸款率構成沖擊的宏觀經濟變量進行多元回歸，結果顯示，CPI、GDP增長率，進口額增長率，貸款利率及房價指數均顯著影響到銀行的信用風險水平。進而依據回歸結果在假設情景下對商業銀行的信用風險進行壓力測驗，得出了貸款利率R的大幅上升比GDP增長率的大幅降低對商業銀行體系信用風險的沖擊幅度更大的結論。

【關鍵詞】 商業銀行;信用風險;宏觀壓力測試

一、引言

隨著金融全球化進程加快、大型商業銀行跨國活動增加、信貸衍生產品迅猛發展，新形勢下商業銀行信用風險管理問題日益突出。特別是2007年底次貸危機的爆發，使得各國商業銀行的資產質量嚴重惡化，大量銀行紛紛破產，雖然我國的商業銀行因為種種政策性原因，在這次危機中損失較小，但隨著我國金融市場的進一步開放，我國商業銀行和國際金融市場的完全融合，將對我國商業銀行的信用風險管理水平提出挑戰。

目前，宏觀壓力測試由于能模擬潛在金融危機等極端事件對商業銀行體系穩定性的影響，已經引起了國際金融組織和各國政策當局廣泛的重視，并在實踐中得到迅速推廣。本文運用宏觀壓力測試法，結合我國商業銀行的特性，對商業銀行的信用風險水平及其影響因素進行分析，這對現階段我國商業銀行信用風險管理具有現實意義。

二、文獻綜述

宏觀壓力測試是用于評估一國金融體系在受到“異常但合理”宏觀經濟沖擊時的穩定程度，其通過情景設定或歷史事件，來衡量宏觀經濟沖擊對整個對整個金融體系的影響。自20世紀90年代末以來，國外對宏觀壓力測試的研究及其在實踐中的應用都已取得了豐碩的成果，其中最具代表性的是Wilson(1997a，1997b)用各工業部門違約概率與一系列宏觀經濟變量的敏感度直接建模，通過模擬將來違約概率分布的路徑，得到了資產組合的預期異常損失，進而模擬出在宏觀經濟波動沖擊下的違約概率值。Boss M(2002)和Virolainen (2004)利用Wilson提出的模型，根據加總的企業違約概率估計出宏觀經濟信貸模型來分析澳大利亞和芬蘭銀行部門的壓力情境。

而在國內對宏觀壓力測試的研究還尚在起步階段。在理論研究方面，徐明東、劉曉星(2008)通過對國際上流行的幾種宏觀壓力測試方法的比較，闡述了如何運用宏觀壓力測試方法去評估一國金融體系的穩定性。在模型研究和實證方面，任宇航、孫嘯坤等(2007)利用Logit回歸測試的方法，通過收集我國的宏觀經濟數據和金融機構的數據，對我國銀行業信用風險損失作出了合理估計。但國內的這些研究只是借鑒了壓力測試的思想，使用傳統的方法，通過模擬情境下宏觀經濟因素異動，由Logit模型最終得出穩定性指標期望值的點估計來評價銀行體系的穩定性。這種方法存在一定的缺陷:其不能有效地反映出宏觀變動沖擊對銀行體系的影響，不能具體看出壓力情境下哪些宏觀經濟變量對銀行信用風險的影響最大，這就有進一步研究的必要。

三、模型構建與實證研究

宏觀壓力測試是對微觀層面壓力測試的有益補充，它是將各宏觀經濟沖擊變量整合量化為一個宏觀因子，將宏觀波動因素整合到評估銀行信用風險的模型中，通過壓力情境的構建，預測在極端情形下宏觀經濟變動對銀行系統信用風險的影響。

(一)模型構建

本文在研究我國商業銀行信用風險水平與宏觀經濟變量的關系時借鑒了Wilson(1997a， 1997b)，Boss(2002)，and Virolainen(2004)所提出的模型。該模型主要包括:建立了一個信用風險水平和宏觀經濟變量間的聯立方程;用蒙特卡洛法模擬了違約損失的分布。

具體來說，假定商業銀行將貸款貸給了J個經濟部門，其中j部門在t時刻違約的概率為pj，t，在這里j=1，2，…，J，pj，t介于0和1之間，用它的Logit轉換值yj，t作為回歸值，即:

進而，設定yt=(y1，t，……，yj，t)*，yt為轉換指標。本文所采用的模型是基于M個宏觀經濟變量的現在值和滯后期的值所構成的一個線性方程:

yt=m+A1xt+…+A1+sxt-sη1yt-1+…+ηkyt-k+vt (2)

式(2)中明確表示了各宏觀經濟變量與違約轉換指標yt之間的關系。其中，xt=(x1，t，x2，t…xm，t)表示宏觀經濟變量，其為M×1階向量;m為截距項，其為J×1階向量;A1……A1+s和η1……ηk為系數，它們分別為J×M階和J×J階矩陣;vt為隨機誤差項，其為J×1階向量。

同時為了考慮各宏觀經濟變量之間的相關性，根據Wilson模型中關于宏觀經濟變量的等式系統，本文采用了下列的描述:

xt=n+δ1xt-1+…+δpxt-p+μ1yt-1+…+μqyt-q+ξt (3)

其中，n為M×1階列向量，系數δ1，…δp和μ1，…μq分別為M×M和M×J階矩陣向量，隨機誤差項ξt為M×1階向量。

本文所考慮的模型在Wilson(1997a，1997b)，Boss (2002)和Virolainen(2004)基礎上，進行了兩點改進:一是考慮了宏觀經濟變量對商業銀行信用風險影響的時滯效應;二是模型的設定還考慮了商業銀行體系對宏觀經濟變量的回饋效應。考慮到我國商業銀行在國民經濟中所占有的重要地位，該模型更符合我國的實際情況，因而用其來研究我國商業銀行信用風險水平與宏觀經濟變量間的關系，具有很強的適用性。

(二)變量的選取與數據描述

為了建立商業銀行信用風險水平和宏觀經濟變量之間的實證關系，本文收集了2003年1季度到2009年2季度共26個季度的商業銀行不良貸款率和相關宏觀經濟數據，并通過參考國內外學者在研究宏觀壓力測試時的變量選擇，考慮我國商業銀行信用風險以及宏觀經濟發展的特點，對相關變量做了如下選擇。

1.被解釋變量

本文綜合考慮了我國商業銀行經營的特殊性和相關數據的可得性，選用了商業銀行體系的信用風險為被解釋變量，以不良貸款率為其衡量指標，即:商業銀行體系的不良貸款率越高，其信用風險水平就越高。我國商業銀行的不良貸款率的數據來源于中國銀監會網站和國研網的統計數據庫，其中，商業銀行的樣本包括了國有商業銀行、股份制商業銀行、城市商業銀行、農村商業銀行和外資銀行。根據《貸款質量評估指導原則》，中國的貸款按照五級分類法進行分類，不良貸款率=(次級+可疑+損失)/貸款總額。

2.解釋變量

在解釋變量方面，鑒于我國宏觀經濟的運行情況以及相關數據的獲取難度，選取了GDP增長率、CPI指數(用以表示通貨膨脹率)、廣義貨幣增長率M2、進口額同比增長率M、三至五年期貸款利率R、房地產價格指數RE、失業率U七個宏觀變量，數據來源于銳思數據庫和國泰安數據庫。

3.數據描述

從表1可以看出:(1)我國商業銀行的不良貸款率經過Logit模型轉換為yt后，其波動率仍然較大。(2)從選取的宏觀經濟變量來看，我國的宏觀經濟進入了高增長、低通脹、低失業、適度寬松貨幣政策的繁榮時期，但房價指數RE和進口額增長率M的波動較大。

(三)實證研究與結果分析

1.實證研究

根據上述的模型設定，首先對Pj，t運用Logit模型進行轉換，得到轉換指標yt，再將對商業銀行信用風險構成沖擊的各宏觀經濟變量及其yt的一階滯后變量(考慮到宏觀經濟沖擊的滯后性往往為一年)的數據代入，利用Eviews5.0與yt進行多元線性回歸，結果顯示:GDP增長率ZGDP、通貨膨脹率CPI、房價指數RE、貸款利率R、進口總額同比增長率M以及yt的一階滯后變量這六個變量顯著，而失業率U和廣義貨幣增長率M2不顯著，被剔除。然后再利用式(3)進行各宏觀經濟變量的自回歸。回歸結果如表2。

從表2可以看出:(1)在1%到10%的顯著性水平上，CPI指數、GDP增長率、進口額增長率M、貸款利率R以及房價指數RE均顯著影響到了我國商業銀行的信用風險水平，且信用風險的轉換指標受其滯后一期值的顯著影響;(2)各宏觀經濟變量均受到其滯后項的顯著影響，且除商品房銷售價格指數RE外其余宏觀經濟變量還受到了轉換指標滯后一期值的影響。

2.結果分析

從上述模型中，可以看出在宏觀經濟變量中貸款利率R對轉換指標的影響最大，R的上升代表企業的融資成本增加，為了按期還本付息，企業就必須拿出更多的利潤交給銀行，如果融資成本大于企業盈利能力，那企業就有違約的沖動，使得商業銀行的信用風險加大。而CPI對銀行信用風險的影響與R則恰恰相反，其上升預示著國家在實行寬松的貨幣政策，使得企業融資成本降低，企業的盈利大幅上升，減少銀行的信用風險。GDP增長預示著整個社會的宏觀經濟比較景氣，經濟處于上升繁榮期，企業平均盈利能力較好，不良貸款率也將隨之下降。進口總額增長率M上升，對我國的出口企業造成負面影響，致使其業績下降，進而會增加銀行的信用風險。房地產銷售價格指數的上升，會使得大量的資金涌入房地產市場，產生泡沫經濟，鑒于目前我國房屋貸款在銀行貸款中的比重，將會使銀行的不良貸款率顯著提高，進而增大銀行的信用風險。同時，也可以發現轉換指標的滯后一期對當期影響顯著。顯然，模型的回歸結果符合經濟學上的解釋。

四、宏觀壓力情景的設定及其風險分析

壓力測試主要是通過情境設定，根據情境假設下可能的風險因子變動情形，重新評估金融商品或投資組合的價值。通常重新評估的方式不會有太大的差異，但是情境設定的方式卻有很多種選擇。情境分析是目前應用的主流，即利用一組風險因子定義為某種情境，分析在個別情境下的壓力損失。情境分析的事件設計方法有兩種:歷史情境分析和假設情境分析。整個程序通常分為兩大步:一是情境設定;二是重新評估。

(一)情境設定

分析上述模型的回歸結果，可以發現貸款利率R對銀行信用風險的影響最大，而GDP增長率則是判定一國經濟發展最重要的指標，同時考慮到大多數危機的沖擊期會持續四個季度，因而假定2009年2季度為基期，模擬從2009年3季度到2010年2季度共4個時間點涵蓋了一年期的未來路徑。本文設定了兩個壓力情境:一是GDP指數突然大幅下降的情境。假定我國GDP季度增長率自2009年2季度起在未來的4個季度里每季度均會同比下降一個百分點。二是貸款利率R大幅上升的情境。設定我國的貸款利率自2009年2季度起在未來的4個季度里，每季度均會同比上升一個百分點。為了便于計算，假定這兩個沖擊是相互獨立的，即當一個宏觀解釋變量受到沖擊，其它解釋變量仍然保持不變。

(二)重新評估

設定情景下的沖擊結果如表3。

從表3中可以看出，在設定的兩種壓力情境下，我國商業銀行的信用風險水平明顯增加，其不良貸款率顯著提高。同時，還可以發現，貸款利率R的大幅升高比GDP增長率的降低對商業銀行體系信用風險的沖擊幅度更大，這也充分說明了貨幣政策在調控宏觀經濟中的重要性及其對商業銀行的顯著影響。

為了更清晰地表現兩種壓力情境下銀行體系信用風險的變化，將上述結果繪在圖1中。

圖1中P1代表了GDP增長率突然下降情境下的我國商業銀行體系的不良貸款率，P2代表了貸款利率R上升時我國商業銀行體系的不良貸款率。從圖1中可以清楚地看到P2一直在P1的上方，即貸款利率R的大幅上升比GDP增長率的大幅降低對商業銀行體系信用風險的沖擊幅度更大。

五、結論

本文采用我國2003年1季度到2009年2季度的宏觀經濟數據和商業銀行的不良貸款率數據，基于Wilson (1997a， 1997b)，Boss(2002)及Virolainen(2004)所提出的模型，通過Eviews5.0軟件建立了商業銀行信用風險轉換指標 與各宏觀經濟變量及轉換指標滯后一階的回歸方程，結果表明GDP增長率、通貨膨脹率、房價指數、貸款利率、進口總額同比增長率對我國商業銀行的信用風險影響顯著。進而利用得出的回歸方程，依據假設情景對我國商業銀行的信用風險進行了壓力測驗，在宏觀壓力測試的情境分析中，得出了貸款利率R的大幅上升比GDP增長率的大幅降低對商業銀行體系信用風險的沖擊幅度更大的結論。

鑒于本文的研究結論，可以看出宏觀經濟變量和商業銀行信用風險之間有著密切的聯系，在本輪的次貸危機中我國的商業銀行雖沒有受到大的沖擊，但應該吸取歐美大銀行在這次危機中的教訓，防患于未然，提高自身的風險意識，繼續降低銀行的不良貸款率。另外，政府在遇到宏觀經濟問題時，貨幣政策起著至關重要的作用。一國貨幣當局在面對危機時，應該審時度勢，制定正確的貨幣政策，確保經濟的快速增長。●

【參考文獻】

[1] Wilson T C. Portfolio credit risk I [ J ]. Risk， 1997， 9(10) : 111 - 170.

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

[3] BossM. A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio [ J ]. Financial Stability Report， 2002(4): 64 - 82.

[4] 熊波. 中國銀行體系穩定性評估—指標分析與壓力測試[D]. 成都:西南財經大學，2006.

[5] 華曉龍. 基于宏觀壓力測試方法的商業銀行體系信用風險評估[J].數量經濟技術經濟研究，2009(4):117-128.