銀行體系宏觀壓力測試的評估模型與實證

楊 柳

（華中師范大學 經濟學院，武漢430072）

0 引言

壓力測試是假設市場在最不利的情形時（極端情況），分析對資產組合的影響效果。宏觀壓力測試則是用于評價金融體系在“罕見但可能發生的”宏觀經濟沖擊下的薄弱和脆弱點的一系列的方法和技術（國際清算銀行（BIS）和國際貨幣基金組織（IMF））。作為壓力測試方法在宏觀經濟中的具體運用，宏觀壓力測試可以提供極端事件對金融體系影響的前瞻性信息。隨著各國金融監管當局對系統性風險的日趨重視，宏觀壓力測試方法逐漸成為檢驗一國銀行體系的脆弱性、維護金融穩定的首選工具。本文將在W ilson、Boss和Virolainen研究框架的基礎上，結合武漢市經濟金融運行實際,構建符合武漢市銀行體系特性的宏觀經濟壓力測試模型，并通過假設情境法進行宏觀壓力測試,定量評估宏觀經濟變化對武漢市銀行體系信用風險的沖擊。

1 宏觀壓力測試基本模型的構建

本文借鑒了 Wilson（1997），Boss（2002），和 Virolainen（2004）的模型。該模型基本原理是通過宏觀經濟變量與信用風險指標之間關系進行壓力測試。Virolainen（2004）的模型假設信用風險指標受到宏觀經濟變量的影響，而宏觀經濟變量本身為自回歸模型，因此模型可以反映信用風險指標受到宏觀經濟沖擊時的情況。該模型用數學方程可以表達如下：

其中，pt表示時間t時的信用風險指標;Yt為反映銀行體系信用風險和各宏觀經濟變量關系的“中介指標”;Xt表示宏觀經濟變量。βi代表各個宏觀經濟變量影響的方向和程度的參數，ri代表“中介指標”影響的方向和程度的參數，這些參數可通過估計獲得。

式（1）用于將pt轉換到Yt，即有-∞＜Yt＜+∞ 。從式（1）可知pt和Yt正相關，即信用風險指標值越大，Yt就越大。式（2）中明確表示了信用風險轉換指標Yt及其滯后項與各宏觀經濟變量現值及滯后項之間存在線性關系，其中，Xt為宏觀經濟變量的一個M×1階向量；α為截距項；μt為隨機誤差項。公式系統的最后一部分是關于M個宏觀經濟變量的變化描述。根據Wilson模型中關于宏觀經濟變量的等式系統的定義，考慮到考慮各宏觀經濟變量之間的相關性，本文采用了式（3)來描述各宏觀經濟變量的時間序列模型：在這個模型中，宏觀經濟變量值的變動之間相互影響，互相倚賴，我們認為此種有關的變化過程較切合宏觀經濟現實。在這個模型中，假設μt和εt是序列不相關的，并且分別服從方差協方差為矩陣Σμ和Σε的正態分布。其中μt和εt相關的方差協方差矩陣為Σμ,ε。

2 變量的選擇及其經濟學解釋

本文選取武漢市9家商業銀行的不良貸款概率作為評估銀行信用風險的指標，其中包括4家國有商業銀行和5家股份制商業銀行。根據各國的實證研究經驗和武漢市銀行體系業務發展特點，同時考慮到數據的可得性、宏觀經濟統計特征以及經濟沖擊發生的持續時間，課題組一共選取了3個核心指標：武漢市國內生產總值（GDP）、武漢市消費物價指數（CPI）和全國貨幣供應量（M2）；以及武漢市社會固定資產投資額、武漢市財政支出、武漢市進出口、表示金融危機沖擊的虛擬變量、武漢市社會消費品零售總額、全國銀行同業拆借利率6個或選指標作為解釋變量。變量值選取2005年第4季度到2010年第3季度的季度數據。為從總體上更清晰地考察金融危機對武漢市商業銀行的影響，以2008年第三季度為分界點，設置1個虛擬變量t對金融危機發生前后武漢市商業銀行信用風險受到影響進行定量分析。

3 模型估計及結果分析

為避免虛假回歸，本文對變量的時間序列進行了平穩化處理。平穩性檢驗得出的結果顯示9家銀行的不良貸款概率進logit轉換后產生的部分Yt序列是不平穩的，因此，我們選擇在設定模型時在解釋變量中加入了Yt滯后一期的值①以保證被解釋變量（此時的被解釋變量應為y-c?y(-1)，其中y為變換后的logit值，c為回歸后得到的y(-1)的系數）是平穩的。

3.1 模型估計

以Yt為被解釋變量，以武漢市國內生產總值、武漢市消費物價指數和全國貨幣供應量，以及武漢市社會固定資產投資額、武漢市財政支出、武漢市進出口、表示金融危機沖擊的虛擬變量、武漢市社會消費品零售總額、全國銀行同業拆借利率9個指標作為解釋變量建立計量模型，對模型進行估計。根據回歸結果，我們選取了上述指標的不同表示形式，如利用滯后值或增長率值代替原始指標，使得方程顯著性和擬合度得到提高。估計結果見表1和表2。

3.2 結果分析

從表1、表2中可以看出，除個別指標外，大部分宏觀經濟變量的參數都是顯著的，而且從模型的可決系數來看，模型整體顯著，擬合效果較好。在1%到10%的顯著性水平上，CPI指數、GDP去季節后的真實增長率和M2增長率均顯著影響到了武漢市商業銀行的信用風險水平。由此我們得出結論：CPI和GDP以及貨幣供應量的確是影響武漢市商業銀行穩定性的重要因素。

（1）在回歸方程中，變量GDP的系數全部為負值，反映了GDP增長對武漢市銀行信用風險有顯著降低作用。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。變量CPI和M2的系數有正有負，大部分是顯著的，反映了CPI和M2對銀行不良貸款率有顯著影響，但是影響方向因銀行個體情況而定。總體而言，樣本內有6家商業銀行信用風險和CPI呈現負相關關系，其中4家為股份制銀行，占股份制銀行總數80%。樣本內有6家商業銀行信用風險與M2增長率呈負相關關系，其中3家為國有股份制銀行，占國有股份制銀行總數的75%。這反映了在國家積極的貨幣政策和適度通貨膨脹環境下，武漢市大部分銀行信用風險呈下降趨勢，其中，國有股份制銀行信用風險狀況受貨幣政策影響更為顯著，而股份制銀行信用風險狀況對通貨膨脹的變動更加敏感。

表1 國有股份制銀行模型估計結果

表2 股份制商業銀行模型估計結果

（2）回歸結果顯示，有7家商業銀行滯后不良貸款率的系數是正數而且顯著，因此存在正數的不良貸款率的自相關值，這說明信用風險的轉換指標受其滯后值的顯著影響，顯示宏觀經濟沖擊可對武漢市商業銀行不良貸款率產生較為長遠的影響。

（3）樣本內6家商業銀行不良貸款率受到投資增長率顯著影響，且5家為正相關關系。表明武漢市一定程度上存在“投資過度”問題。固定資產投資的迅猛增長增大了經濟運行潛在風險，由此造成的產能過剩、企業生產經營經營困難會使銀行呆壞賬增加，金融風險加大。

（4）回歸結果顯示，有5家武漢市商業銀行的信用風險明顯受到金融危機影響，4家銀行不良貸款率受到外貿的影響，且與進出口總額呈現負相關關系，與進口總額呈現正相關關系。由于武漢的經濟類型屬于“內生型”，外向度比重僅有18%，因此在國際金融危機沖擊銀行業所受到的直接影響有限，但仍不容忽視。而進出口總額的上升意味著對外貿易活躍程度的上升，會促進武漢市經濟增長和企業發展，進而降低銀行的信用風險。

（5）樣本內僅有3家商業銀行不良貸款率受到消費增長率影響，且呈負相關關系。政府支出對絕大多數商業銀行信用風險影響不明顯。需注意的是，僅有1家商業銀行信用狀況與利率變動呈現相關關系，且其系數符號不符合經濟學意義。這一定程度上反映了經濟運行中的現實情形，即貨幣政策的利率傳導渠道阻塞，企業和銀行對于利率調整的反應不夠敏感。

4 壓力情景設計與壓力測試

4.1 GDP壓力情景設計

由于當前的國際金融危機和中國的經濟運行具有歷史突變性，課題組對壓力情景的設計在參照歷史情景的同時，主要引入專家法對宏觀因素變量未來可能發展趨勢進行預測，得出各種壓力情景的演化概率。同時考慮不同變量壓力情景間的相互關聯性，進行系統情景設計。

課題組請20位相關專家分別針對宏觀因素變量未來可能的發展趨勢進行選擇，每位專家可以選擇一個變化點，也可以選擇一個連續變化區間（最大不能超過4個變化點）。若專家選擇一個變化點，則在該變化點計1票；若選擇一個變化區間，則該區間內所有變化點均計1票，經過統計，可以得到宏觀因素變量每個變化點相應的專家投票數。用每個變化點專家投票數除以該因素專家總投票數，即得到了該因素變化的未來趨勢和相應演化概率。針對武漢GDP未來可能的變化趨勢，20位專家共投出48票，最終確定相關GDP壓力情景及其演化概率見表3所示。

表3 GDP壓力情景

4.2 宏觀壓力情景設計

取得壓力情境的關鍵在于，在預測時間段內設定了產生壓力事件的源變量后其他宏觀經濟變量的估值問題。這主要是考慮一個宏觀因素的異動對其他宏觀經濟變量造成的沖擊。根據式（3）描述的宏觀經濟系統，本文采取的方法如下：首先，通過相似情境歷史數據(宏觀經濟受到沖擊時)，利用最小二乘法，以GDP的增長率為解釋變量分別對其他宏觀經濟變量進行逐一回歸分析，如果GDP的系數統計性顯著(t檢驗顯著)，說明GDP解釋性良好，它與該宏觀經濟變量存在線性關系。然后將設定的壓力情境下GDP增長率帶入估計出的方程，從而得到作為被解釋變量的宏觀經濟變量的估計值。依次得到各宏觀經濟變量在假設壓力情境下的估計值后，再代入多元線性回歸方程就得到Yt，再通過Logit模型，得到不良貸款率的點估計值。如果GDP的系數統計性不顯著，說明GDP與該宏觀經濟變量不存在線性關系。那么對其他各宏觀經濟變量進行自回歸(即通過對各變量各自獨立的時間序列模型預測出未來趨勢)，從而得到設定壓力情境的發生時其他宏觀經濟變量的預測值，類似人為設定其他宏觀經濟變量值。這時將所有的宏觀經濟變量代入求出Yt，然后求不良貸款率的估計值即可。

本文在實際GDP增長率分別下降2%、5%、10%的情境作為被解釋變量，以實際GDP增長率作為解釋變量分別進行最小二乘估計。在模型的估計過程中，適當引入各宏觀因素的滯后變量。根據t統計檢驗值和模型擬合優度等檢驗值，選定各模型中的最合適解釋變量。經實證發現實際GDP增長率對CPI增長率、固定資產投資增長率、消費增長率和出口增長率都有較強的解釋能力，最終確定其他宏觀變量關于實際GDP增長率回歸模型如下∶

CPI增長率的回歸結果：

消費增長率的回歸結果：

固定資產投資增長率的回歸結果：

出口增長率的回歸結果：

在前文預測得到的數據的基礎上，利用上面四個方程對實際GDP增長率相應取值下的CPI增長率、固定資產投資增長率、消費增長率和出口增長率的值進行估計。并對其他各宏觀經濟變量進行自回歸，得到設定壓力情境各宏觀經濟變量的估計結果如表4和表5所示：

4.3 宏觀壓力測試的執行及其結果分析

通過構建用于評價銀行體系抵御系統性風險的極端情境，利用前面得到的多元線性回歸方程和Logit模型課題組測算出壓力情境下的不良貸款率期望值的點估計。壓力測試結果如表6、表7所示。

從表中可以看出，在課題組設定的壓力情境下，武漢市的銀行體系的信貸風險明顯增加，樣本內有6家商業銀行的不良貸款概率高于2008年以來該行的不良貸款概率平均水平。隨著國民生產總值增速的大幅降低，有超過半數的商業銀行貸款不良貸款率不斷增大，這充分說明在壓力情境下，宏觀經濟變量對武漢市銀行系統信貸不良貸款率的沖擊效應非常顯著。

表4 宏觀經濟變量估計結果（增長率）

表5 宏觀經濟變量估計結果（差分）

值得注意的是，4家國有股份制商業銀行中的3家在受壓情況下并未出現明顯的信用風險上升，反映武漢市國有股份制商業銀行目前的信用風險水平較為溫和。但是5家股份制商業銀行卻有4家都出現了因宏觀經濟沖擊導致的不良貸款率上升，幅度最高的可達2008年以來不良貸款率平均水平的3倍。這顯示出經濟周期對國有股份制商業銀行的影響有限，國有股份制商業銀行的信用風險更多地受到政策面的影響，而宏觀經濟變動對股份制商業銀行的經營狀況沖擊更為劇烈。經濟增長乏力造成的工業企業利潤增幅下降會引起信用風險在中小股份制銀行內的聚集，從而影響銀行體系的穩定，必須要提起關注。

5 結論及研究限制分析

根據武漢市商業銀行的整體貸款及住房抵押貸款宏觀壓力測試的結果，可以發現武漢市股份制銀行比國有股份制商業銀行在宏觀沖擊的環境下面臨更大的壓力。而國有股份制商業銀行的信用風險水平整體較為穩定。但需要注意的是由于本文的研究存在以下的局限性，因此對武漢市國有股份制商業銀行當前存在的信用風險反應尚不夠全面。

（1）宏觀壓力情景設計上的局限。考慮到考慮各宏觀經濟變量之間的相關性，本文采用了式(3)來描述各宏觀經濟變量的時間序列模型，并且根據武漢市歷史經濟數據對其參數進行了估計。根據該時間序列模型模擬出的宏觀情景具有典型的經濟周期下行特征：即GDP增長率下降的同時伴隨投資和消費的雙重下降。但該宏觀壓力情景設計與當前我國的宏觀經濟實際情況有一定差距。

表6 GDP壓力情景測試結果（y值）

表7 GDP壓力情景測試結果（不良貸款率）

（2）風險指標選取上的局限。本文選取不良貸款比率作為商業銀行信用風險的衡量指標，也具有一定局限性。不良貸款比率的穩定或降低，一方面表明銀行總體的資產質量保持了相對穩定，風險管理水平取得了持續的提升，一方面也可以是資產基數大幅增加的結果。尤其結合國有股份制商業銀行2009年以來信貸量的快速增長情況，這一指標的局限性也就更為顯著。

（3）樣本容量的限制。囿于數據的可得性，本文使用的歷史數據只有20個季的數據，時間長度不足，模型的有效性必須持續追蹤改善。

[1] Barnhill,Maxwell.Modeling Correlated Market and Credit Risk in Fixed Income Portfolios[J].Journal of Banking and Finance，2002,26.

[2] Boss,M.A Macroeconomic Credit Risk Model for Stress Testing the Austrian Credit Portfolio[J].Financial Stability Review,2005,7.

[3] Virolainen,K.Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland[C].Bank of Finland Discussion Issue Paper,2004.

[4] Wilson,T.Portfolio Credit Risk(I)[J].Risk,1997,（9）.

[5] 巴曙松,朱元倩.壓力測試在銀行風險管理中的應用[J].經濟學家,2010,(2).

[6] 龔雪瑾,楊嘯.淺析金融危機傳導對湖北的影響[J].現代商業,2010,(15).

[7] 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）.

[8] 沈陽,馮望舒.宏觀經濟變量與銀行信用風險的實證研究[J].會計之友,2010,(8）.

[9] 陶崢.金融危機對銀行業流動性管理的影響[J].金融經濟,2009,(8).

[10] 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.

[11] 許傳華.武漢城市金融創新∶問題分析與對策研究[J].科技創業月刊,2010,（2）.

[12] 楊再平.后危機時代中國銀行業安全性問題思考[J].財經界,2010,(2).

[13] 周子元.商業銀行信用風險壓力測試的方法和實踐[J].金融理論與實踐,2009,(8).