商業銀行信用風險壓力測試的宏觀因子測定

賈 飛，劉 澄

（北京科技大學 經濟管理學院，北京 100083）

商業銀行信用風險壓力測試的宏觀因子測定

賈 飛，劉 澄

（北京科技大學 經濟管理學院，北京 100083）

根據巴塞爾協議有關規定，商業銀行信用風險可劃分為預期損失、非預期損失和異常損失，其中異常損失只能通過壓力測試計量和緩釋。當前，我國商業銀行不良貸款和不良率創下階段性歷史新高的背景下，壓力測試在商業銀行信用風險管理中顯得尤為重要。本文重點研究了商業銀行信用風險壓力測試中的宏觀因子測定問題，包括基本思想、風險傳導機制、測定機制等。根據信貸資產的不同特質，劃分為公司銀行信貸資產和零售銀行信貸資產，分別考察宏觀因子的影響傳導機制。本文深化了信用風險壓力測試的研究和應用，提出了一個理論與實際相結合的信用風險壓力測試管理框架，具有一定的創新價值。

信用風險；壓力測試；宏觀因子

根據巴塞爾協議的有關規定，商業銀行信用風險可劃分為預期損失、非預期損失和異常損失，預期損失主要通過計提不良貸款損失準備進行緩釋，非預期損失主要通過資本進行緩釋，異常損失只能通過壓力測試進行計量。由此可見，壓力測試在商業銀行信用風險管理中的重要性，特別是當前我國商業銀行不良貸款和不良率又創下階段性歷史新高。作為傳統風險度量工具VAR模型的重要補充，壓力測試究竟有哪些優點，影響壓力測試的宏觀因子如何測定，在實際應用中是如何與VAR模型形成互補的，對這些問題的把握和研究都是在實踐中正確認識和運用壓力測試的重要基礎。

1　宏觀因子壓力測試模型設計

1.1建模的基本思想

基于宏觀因子的情景壓力測試是考察宏觀經濟下行對商業銀行信貸資產質量的不利影響。根據商業銀行信貸資產的不同特質，將其劃分為公司銀行信貸資產和零售銀行信貸資產，分別考察信用風險壓力測試中宏觀因子的影響傳導機制，綜合考察商業銀行整體信貸資產壓力測試中宏觀因子的測定。

影響公司銀行信貸資產壓力測試的宏觀因子：選取宏觀經濟因子作為壓力指標，選擇不良率和資本充足率作為承壓指標，營業收入作為風險驅動因素。通過建立三因素線性回歸模型，計算宏觀因子對各行業營業收入的綜合影響，再根據營業收入和其他財務報表科目的勾稽關系，建立壓力情景下的模擬報表與模擬評級，計算評級遷徙、PD變動、LGD變動和五級分類遷徙，最終得出不良率變動。壓力測試方法采取情景模擬法。

影響零售銀行信貸資產壓力測試的宏觀因子：考慮到商業銀行零售客戶的有關資產狀況難以獲取，且零售客戶的個人收入與宏觀經濟的相關性不像公司銀行客戶那樣緊密。為此，直接考慮宏觀因子與違約率的直接關系，不再通過其他中間介質。

1.2宏觀因子的風險傳導機制

情景構造的方法分為投資組合驅動方法和事件驅動方法兩種。然而，該兩種方法更適合于討論對壓力測試的情景設計與風險因子相互關系的分析。在投資組合驅動方法中，風險控制人員首先討論和定義持有的投資組合中可能面臨的主要威脅，并據此向后構造可能發生的壓力測試情景。而與之相反，事件驅動方法的情景構造是基于可能發生的罕見事件，從而討論這些事件將如何影響投資組合中相應的風險因子。這種情景構造方法多用于當風險管理者面對某一消息或特殊事件發生時。

在選取壓力情景與承壓項目后，需建立壓力因子與承壓項目之間的技術傳導模型，這也是壓力測試的核心，使壓力因子驅動巴塞爾協議中有關PD、LGD、EAD等參數的變動。

1.3宏觀因子壓力測試設計機制

商業銀行要根據自身情況制訂合理的壓力測試流程，主要步驟包括：選擇壓力測試方法；構建壓力測試情景；確定沖擊；選擇信用風險計量模型；界定被沖擊的資產；進行數值分析；風險加總。壓力測試的重點應放在單個流程中不同的方法選擇上。在實踐中并不需要按照嚴格的先后順序執行，可以根據實際需要進行修改或補充。

按照商業銀行信貸資產的特征，測試范圍為整體信貸資產，劃分為公司銀行信貸資產、零售銀行信貸資產。

1.2.1公司銀行信貸資產

將壓力情景給定的GDP、M2和CPI值代入設計模型，測算出壓力情景下各行業的營業收入情況。將上市公司各行業營業收入的實際值與壓力情景下上市公司各行業營業收入的預測值進行對比，得出營業收入的變化情況。假設商業銀行各行業客戶收入的變化程度同該行業上市公司收入的變化程度相同，最終得出壓力情景測試下，商業銀行各行業客戶的營業收入變動情況。

以商業銀行客戶各行業年報數據作為壓力測試基期數據。根據前面的計算結果，測算壓力情景下商業銀行客戶各行業的營業收入水平。根據壓力情景下的收入水平，編制壓力情景下商業銀行客戶各行業平均的財務報表。其中，涉及的假設包括：應收票據、應收賬款、預付賬款、應付票據、應付賬款等和銷售收入同比例下降；企業一年內到期的非流動負債保持不變，企業長期負債的減少等于企業一年內到期的非流動負債；營業成本、稅金、銷售費用隨銷售收入同比例下降；財務費用隨短期借款同比例下降；用短期借款和貨幣資金調平報表。

計算壓力情景下行業PD值。我們將壓力情景下的財務報表數據代入公司信用評級的打分卡模型，即可計算出壓力情景下該行業客戶評級結果。獲取各行業客戶實際的評級遷徙矩陣；假設壓力情景下，商業銀行各行業客戶的評級遷徙矩陣依據其評級等級變動程度進行平移，且在平移過程中遷徙矩陣的形狀不發生變化，據此測算出壓力情景下各行業客戶的評級遷徙矩陣。根據壓力情境下各行業客戶的等級分布，測算出壓力情景下各行業的違約概率值（PD值）。

計算壓力情景下行業LGD值。選擇客戶PD變動、客戶負債率變動、抵押物價值變化和抵押物變現能力變動4個指標作為參數計算出在壓力情景下各行業的LGD值，客戶PD變動取自于前一步計算結果；客戶負債率變動取自壓力測試前后客戶財務報表負債率數據，用房屋成交量變化反映抵押物變現能力變化；假設壓力情景下房屋成交量變化同本壓力測試中房地產壓力測試部分；用房價變化反映抵押物價值變化，假設壓力情景下房價變化同本壓力測試中房地產壓力測試部分。

計算壓力情景下行業EL變化情況。將壓力情景下測算出來的行業PD值和行業LGD值相乘，得到壓力情景下行業的EL值，將其和基期行業的EL值進行比較，得出變化情況。

計算壓力情景下行業的5級分類結果。獲取商業銀行對公信貸資產5級分類遷徙矩陣的實際數據。假設在無壓力情境下，5級分類的遷徙情況保持不變。 假設壓力情景下，5級分類的遷徙矩陣會依據其EL的變化發生平移，且平移過程中形狀不發生變化。根據壓力測試下5級分類的遷徙情況以及基期信貸資產的5級分類分布，測算出壓力情景下各行業5級分類的結果。

1.2.2零售信貸資產

利用實施新資本協議過程中PD壓力測試成果，宏觀經濟因素與PD之間的傳導關系。通過歷史遷徙數據將PD的變化對應到不良貸款各級別的變化上。假設PD增幅即為不良率增幅且業務規模不變，得出各壓力情景下的不良率及新增不良額。根據商業銀行各分類級別貸款間的歷史遷徙率，將新增不良結果分配至各不良貸款級別中，得到最終的測試結果。信貸資產壓力測試采用時間序列模型對PD進行模擬預測。

2　公司貸款信用風險的宏觀因子測定

宏觀因子測定模型的核心思想是把有關經濟周期的宏觀因子識別出來，測定對我國商業銀行信用風險有顯著影響的宏觀經濟因子。

2.1基本假設及基礎框架設定

在現有理論的信用風險因素模型當中，Gordy（2003）的單因素模型以及麥肯錫公司提出的Credit Portfolio View（CPV）模型是基于宏觀經濟因子度量信用風險的代表模型。其中，單因素模型是設定單一的宏觀經濟因子，不能區分有關經濟周期的宏觀因子對商業銀行信用風險的不同影響，所以，不適合本文的分析。而CPV模型是基于一個開放的因子框架，可以用來測定多元的宏觀經濟因子。然而上述模型在國內商業銀行實踐中使用的相對較少，本文主要基于巴塞爾協議的有關內容以及國內商業銀行的壓力測試實踐，設計了MEF模型來測定宏觀因子對信用風險的影響程度。

首先對商業銀行信貸資產的風險集中度和宏觀經濟因子提出假設如下。

商業銀行信貸資產足夠分散，單項資產在總資產中的份額很小，因此，債務人的特異風險可以在較大程度上分散掉，而債務人的違約概率主要受宏觀經濟因子影響。

貸款企業整個行業的營業收入受宏觀經濟因子的影響，并能有效傳導到商業銀行的信用風險。

宏觀因子對營業收入以及信用風險的影響具有滯后性，對第t期營業收入及信用風險，用t-1期宏觀因子進行測定。

在測定宏觀因子影響時，將商業銀行的貸款企業劃分為若干行業進行測算。

在此基礎上，MEF模型采用ln函數來描述行業收入和宏觀經濟因子之間的關系為：

式中：Yi，t—i行業在t期的營業收入的自然對數；

MEFA，t-1—宏觀因子A在t-1期的數據；

φ—待估計參數；

e—誤差項。

選擇行業營業收入的自然對數的主要原因是為了提高營業收入序列數據的平穩性，測定之前將收入數據進行了取自然對數處理。而來自其他系統性因子的“干擾”或者“噪聲”被包含在誤差項e中。

2.2宏觀因子的選擇

在建立了MEF模型之后，最重要的工作就是選擇宏觀經濟因子，選擇宏觀經濟因子必須既有理論依據的支持，同時又能反映實際情況。對于經濟周期因子，在借鑒CPV模型、單因素模型和GVAR模型以及其他相關模型的基礎上，根據數據的可得性，選擇了GDP增長率、通貨膨脹率和M2三個指標。

2.2.1GDP增長率（GDP Growth Rate）

GDP增長率是反映一國經濟增長和經濟周期狀況的最核心指標，在相關實證研究中也被普遍用作重要的宏觀經濟因子。從微觀企業的角度來看，GDP可以看作一國總體企業產出的增長率，而企業的產出直接影響著企業的經營收益，也就影響著企業的償債能力。

2.2.2通貨膨脹率（Inflation，INF）

通貨膨脹率代表著物價上漲水平。由于經濟繁榮往往伴隨著通貨膨脹，而經濟衰退常常也伴隨著通貨緊縮，所以通貨膨脹率也是經濟周期的一個重要指標。一般情況下，通貨膨脹會影響企業的經營成本和收益水平，進而影響企業的信用風險。反映通貨膨脹率的指數主要有CPI和PPI，因為PPI是衡量工業企業產品出廠價格變動趨勢和變動程度的指數，主要反映的是生產成本變化而沒能充分體現通貨膨脹對收益的影響，并且不能全面覆蓋農業和服務業。因此，本文選擇CPI指數作為通貨膨脹率指標。

2.2.3廣義貨幣（M2）

廣義貨幣是反映貨幣供應量的一個重要指標。隨著貨幣供應量的增加，有助于改善市場的資金供求關系，企業的資金成本會呈現下降趨勢，經濟活躍度也會不斷增加，這樣能夠帶來企業營業收入的增加，降低信用風險。國外的相關研究還發現，匯率等因素同樣對企業信用風險有重要影響，但是我國人民幣匯率波動并不具有周期性波動特征，所以本文暫不作考慮。

2.3宏觀因子顯著性測定

要測定的是宏觀經濟和行業的傳導機制，主要通過MEF模型計量出宏觀經濟因子變動對不同行業營業收入的影響。選擇的控制變量為GDP增長率、M2增長率和CPI，因變量采用各行業年營業收入的對數值。將GDP、M 2、CPI和各行業營業收入分別作了單因素、雙因素和三因素回歸，并選取解釋能力最強的回歸結果。

考慮到數據的可獲取性，用上市公司的營業收入作為宏觀因子對風險的傳導介質，并將上市公司營業收入劃分為九大類型，具體包括資產密集行業、輕工制造行業、批發零售業、交通運輸業、建筑業、房地產行業、基礎設施行業、投資行業以及服務業等。

檢驗結果詳見表1，結果顯示，三變量模型具有相對較好的解釋效果，9大行業的R方平均值為74%，且在每個行業檢驗結果相對穩定，最高的為建筑業（A5）78.61%，最低的資本密集行業（A1）67.93%。

表1　宏觀因子影響程度

3　零售貸款信用風險的宏觀因子測定

3.1宏觀因子的選擇（表2）

表2　壓力測試中宏觀因子的選擇

M2同比增長率與PD成正相關關系，在實際情況中，M2同比增長率變大的時候，無論是流通中的現金，還是個人以及企業存款都在變多，債務人整體的償債能力變強，違約率也相對下降，所以，該指標與PD的正相關關系與經濟意義相反，故不引入PD時間序列預測的數量模型中，但考慮到在經濟環境下M2極端情況對PD仍有相對影響，在PD預測模型后通過該指標對PD預測值進行修正。

3.2宏觀因子對違約率影響的測算過程

建模數據：2009Q1—2013Q4的季度數據，共計20個樣本。

因變量：季度PD=季度新增違約人數/總人數，數據來源于國內某股份制商業銀行的內部數據庫。

自變量：收集了GDP類、價格指數類、收入報酬類、金融類等宏觀變量；數據主要來源于Wind數據庫和人民銀行網站。

研究了國內宏觀經濟變量，涵蓋了代表經濟增長、金融指標的主要變量，最終發現CPI（居民消費價格指數）與GDP同比增長率對PD較為敏感。

CPI與PD的相關系數為-0.81，具有明顯的負相關關系；GDP 與PD的相關系數為-0.88，也具有明顯的負相關關系，從二者趨勢圖上也可以明顯看到。

綜合考慮宏觀經濟變量與PD的相關系數和經濟含義的解釋度，初步選出GDP同比增長率、CPI同比增長率共2個宏觀經濟變量為參考風險變量。

從變量間的相關系數看出，GDP同比增長率與CPI同比增長率有明顯的相關性，不適合共同構建模型，由于GDP對因變量影響更為顯著，且滯后階大于CPI，可以認為GDP增速可以覆蓋CPI增速對因變量的影響，所以模型僅接受GDP同比增長率作為自變量。

用時間序列方法建立違約率與宏觀因素的模型，同時，對GDP同比增長率做數據變換以平衡數量級，得到結果如表3。

表3　宏觀因子的違約率檢驗結果

3.3測算結果的運用

根據壓力情景的設計，代入PD和宏觀變量的計量模型，計算出通過數量模型得到的PD。據此對PD數量預測結果進行修正。最終得出不同情景下的PD預測值及PD上升幅度，基于宏觀因子的不良貸款的壓力測試。

4　結　論

基于宏觀因子的情景壓力測試是考察宏觀經濟下行對商業銀行信貸資產質量的不利影響。根據商業銀行信貸資產的不同特質，將其劃分為公司銀行信貸資產和零售銀行信貸資產，分別考察信用風險壓力測試中宏觀因子的影響傳導機制。

本文研究結果顯示，經濟增長率（GDP）、貨幣供應量（M2）增速對信用風險的影響較為顯著。為應對可能的沖擊，商業銀行要堅持穩健的風險理念，一是平衡業務結構，分散風險，降低經濟周期波動對銀行的影響；二是優化盈利結構，把業務發展重點調整到資本消耗低的業務上來，把資源配置到經濟資本占用少、風險敞口小的業務上來；三是保持合理的信貸杠桿率和存貸比率，不能因追求業務規模而過度擴張資產杠桿。在達標過渡期內，商業銀行要積極啟動次級債與資本長期工具的發行以補充資本金。

主要參考文獻

［1］李江，劉麗平.中國商業銀行體系信用風險評估——基于宏觀壓力測試的研究［J］.當代經濟科學，2008，30（6）：66-73.

［2］曹道勝，何明升.商業銀行信用風險模型的比較及其借鑒［J］.金融研究，2006，5（9）：90-98.

10.3969/j.issn.1673 - 0194.2015.06.104

F830.5；F832.4

A

1673-0194（2015）06-0159-03

2015-02-27

國家自然科學基金項目（71272160）；中央高校基本科研業務費專項資金資助項目（FRF-BR-13-030A）。

賈飛（1983-），男，河南泌陽人，中國注冊稅務師，北京科技大學經濟管理學院博士研究生，主要研究方向：商業銀行風險管理；劉澄（1967-），男，遼寧遼陽人，北京科技大學經濟管理學院教授，博士生導師，主要研究方向：金融工程。