基于SVAR 模型的壓力測試實證研究

汪 芮

（安徽農(nóng)業(yè)大學，安徽 合肥230036）

一、引言及文獻回顧

眾所周知，銀行業(yè)現(xiàn)在已經(jīng)成為了現(xiàn)代金融行業(yè)的核心。 Joseph A.schumpeter 就曾經(jīng)提出銀行發(fā)展對國家的收入水平是有相當大的促進作用。 從90 年初開始,各個國家的金融機構(gòu)就開始受到全球化和金融風險的影響,這對于銀行和投資者來說都是前所未有的挑戰(zhàn)。而信用風險是銀行破產(chǎn)的主要因素，這在世界銀行界也已經(jīng)取得了公認。 傳統(tǒng)的VAR 模型是在歷史經(jīng)驗數(shù)據(jù)基礎上建立起來的商業(yè)銀行風險評估模型，已經(jīng)不能滿足現(xiàn)代商業(yè)銀行的風險評估要求，壓力測試作為一種新的風險評估模型得到了廣大機構(gòu)的關(guān)注。

20 世紀90 年代初期， 一些大型的跨國商業(yè)銀行就開始進行壓力測試，而作為評估整個銀行體系風險的工具， 宏觀壓力測試的研究卻是近十來年才開始進行的。Froyland 和Larsen(2002)利用RIMINI 對銀行不良貸款在宏觀經(jīng)濟波動情境下進行了壓力測試。 Virolainen（2004）研究了宏觀經(jīng)濟信用風險的壓力測試，發(fā)現(xiàn)公司違約率與GDP 利率等因素之間有顯著關(guān)系，通過模型分析不同負面經(jīng)濟事件對銀行信用風險的影響來實施壓力測試。 Haldane (2007 )都針對各國特點，分析宏觀經(jīng)濟波動與銀行違約率之間的相關(guān)性，建立宏觀經(jīng)濟波動的信貸風險壓力測試框架。

國內(nèi)任宇航[1]，華曉龍[2]利用logit 模型，定量分析宏觀經(jīng)濟因素波動對中國銀行體系貸款違約率的影響。 施建軍等[3]構(gòu)建了宏觀經(jīng)濟變量和內(nèi)外部因素的信用風險評估模型，以及宏觀經(jīng)濟變量SVAR 模型，并通過這種兩部分模型進行信用風險壓力測試。 徐光林[4]利用線性壓力測試模型，分析了GDP 增長速度和CPI 同時發(fā)生不同程度惡化對我國銀行業(yè)資產(chǎn)規(guī)模增長速度的影響。 常婷婷等分析了商業(yè)銀行信用風險的宏觀經(jīng)濟壓力因素，建立了壓力指標體系并據(jù)此設計壓力情景，采用logit 回歸和向量自回歸構(gòu)成表面似無關(guān)方程組（SUR）構(gòu)建了壓力測試模型。

本文在借鑒國內(nèi)外經(jīng)驗的基礎上，結(jié)合我國國情，構(gòu)造基于結(jié)構(gòu)向量自回歸模型（SVAR）的壓力測試模型，對我國商業(yè)銀行開展宏觀壓力測試工作具有一定的現(xiàn)實意義。

二、商業(yè)銀行壓力測試指標選取及模型構(gòu)建

（一）指標選取

1.承壓指標的選取—不良貸款率

銀行的信用風險主要表現(xiàn)為客戶的違約和貸款的不良上。在傳統(tǒng)的壓力測試模型中，大多都是引用貸款的違約率作為商業(yè)銀行信用風險評價的自變量承壓指標。 但是考慮到我國的違約率數(shù)據(jù)收集困難， 本文對我國商業(yè)銀行信用風險的承壓指標選擇為商業(yè)銀行不良貸款率。

2.壓力指標的選取

商業(yè)銀行壓力測試的指標就是對銀行信貸違約風險有影響的經(jīng)濟因素。選取根據(jù)所參考的文獻、以及以前建立的壓力測試模型和數(shù)據(jù)的真實可得性， 本文考慮引入9 個經(jīng)濟指標作為解釋變量， 分別為名義GDP 增長率(LGDP)，一至三年期存款基準利率(YSR)、一至三年期貸款基準利率(YLR)，貨幣供應量（M2），匯率（HL），房地產(chǎn)景氣指數(shù)（FJQ），房地產(chǎn)價格指數(shù)(FJZS)，企業(yè)景氣指數(shù)(BCI)，居民消費價格指數(shù)（CPI）、基準利率(BSR)。

（二）數(shù)據(jù)來源

1.貨幣供給量（M2）、基準利率(BSR)、匯率（HL）、一至三年期基準存、貸款率(YSR、YLR)、企業(yè)景氣指數(shù)（BCI）來源于中國人民銀行網(wǎng)站。其中，對于YLR、YSR，在某一年中出現(xiàn)多次調(diào)整的情況時，取其平均數(shù)為當年的存、貸款基準利率。

2.LGDP、CPI、FJZS、FJQ 這些變量的數(shù)據(jù)均來自國家統(tǒng)計局網(wǎng)站數(shù)據(jù)庫。

FJZ、FJQ 為月度數(shù)據(jù)， 取這些數(shù)據(jù)當年的月度平均數(shù)來代替當年數(shù)據(jù)。 其中FJQ 的值為了在建模過程中克服數(shù)據(jù)之間值跨度大影響實證，采用對數(shù)的形式（LN）進行換算。

以上指標樣本均選取2003 年——2012 年10 年的年度數(shù)據(jù)。

（三）模型構(gòu)建

由于要考慮到壓力測試中各變量之間的相互關(guān)系，本文在VAR 模型的基礎上引入SVAR （結(jié)構(gòu)向量自回歸）模型。

設yt 為k 階時間序列的列向量，B0 為變量間的同期影響，Γi 為k×k 階滯后項參數(shù)矩陣，μt 為k 階隨機誤差列向量，則k 個變量的p 階滯后SVAR 模型表示為：

將滯后算子引入，上式可以改寫成：B0（L）y1，E（u1u1'）=Ik,其中，B0（L）=B0-Γ1L2-L-ΓPLP

SVAR 模型中含有當期變量也就是解釋變量的內(nèi)生變量，該模型構(gòu)成了一個動態(tài)的變化系統(tǒng)。 該設計符合了本文壓力測試的要求，即當期經(jīng)濟變量遭受到風險因子沖擊時觀測其承受壓力的結(jié)果。因為SVAR 模型方程中并不全都是由外生變量組成，該模型進行最小二乘法回歸估計時并不能簡單得到無偏估計值。根據(jù)方程階條件和秩條件的識別，k 個變量的P 階遞歸SVAR 模型， 如果想要保證其參數(shù)估計的有效性，限制條件應該為k（k－1）/2。

VAR 和SVAR 模型的建立滯后階數(shù)是需要考慮的地方，主要判斷依據(jù)有以下方法：第一，根據(jù)經(jīng)濟理論的要求確定合理的滯后階數(shù)；第二，根據(jù)常見的LR 檢驗、AIC 檢驗以及SC 信息準則檢驗方法確定。

（四）模型的估計和分析

方程組的參數(shù)估計也是因子篩選的過程， 方程中的顯著因子和各因子的滯后期數(shù)都需要確定。

考慮到經(jīng)濟運行狀況通常具有時滯性， 本文將不良貸款率的一階滯后項作為整個模型的被解釋變量，將宏觀經(jīng)濟變量數(shù)據(jù)代入壓力測試回歸模型中進行參數(shù)估計以及檢驗，將沒有通過T 檢驗的變量一一剔除，最終確定了名義國內(nèi)生產(chǎn)總值累計增長率LGDP、 一至三年期基準貸款利率YLR、房地產(chǎn)景氣指數(shù)FJQ、居民價格消費指數(shù)CPI 對商業(yè)銀行不良貸款率有著顯著的相關(guān)性。得到壓力回歸測試模型：

根據(jù)平穩(wěn)性檢驗結(jié)果，以上變量中，YLR、LGDP、HL、FJQ 均是平穩(wěn)變量，直接進入SVAR 模型估計。建立以上變量的SVAR 模型，要確定方程的滯后階數(shù)，根據(jù)AIC,LR, FPE、SC、HQ 判定準則，最優(yōu)滯后階數(shù)為1 階，建立簡單一階滯后VAR 模型。 考慮到方程的穩(wěn)定性，對該方程進行AR 根檢驗，特征根全部在單位圓內(nèi)，該模型是穩(wěn)定的。 接著，要識別SVAR 模型，需對B 矩陣施加限定條件，B 矩陣具體表示:

三、商業(yè)銀行壓力測試實證分析

1. 壓力測試情景分析

本文從數(shù)據(jù)可得性選取了歷史情景法和因素分析法確定經(jīng)濟因子的情景沖擊變動。 從上面SVAR 模型的四個解釋變量中選取國內(nèi)生產(chǎn)總值增長率，和一至三年期貸款基準利率，用來建立壓力測試，確立當一至三年期貸款利率和國內(nèi)生產(chǎn)總值增長率發(fā)生極端且可能變動時，不良貸款率將會發(fā)生怎么樣的變化。 如下表所示LGDP 和YLR 變動情況：

表1 用于實證分析的壓力測試情景

2、商業(yè)銀行信用風險壓力測試結(jié)果

將2011 年第四季度的各項指標值作為基期值，根據(jù)壓力測試情景設計及宏觀經(jīng)濟變量之間存在的相關(guān)性，可以得到壓力測試結(jié)果，如下表所示:

表2 變量LGDP 相關(guān)壓力測試結(jié)果

表3 變量YLR 相關(guān)壓力測試結(jié)果

根據(jù)上面所得到在三種不同沖擊下LGDP 和YLR的變動所引起的變量之間相互變動的值代入式(1)，得到商業(yè)銀行不良貸款率的壓力測試結(jié)果，如下表所示:

表4 壓力測試結(jié)果

通過實證可以發(fā)現(xiàn)國內(nèi)生產(chǎn)總值增長率LGDP 受到輕度沖擊時 （降至6.2）， 不良貸款率上升為4.77%，當LGDP 受到中度沖擊時（降至5.51%），不良貸款率上升為5.015%，當LGDP 受到重度沖擊時（降至4.82%），不良貸款率上升為5.26%。 當一至三年期貸款基準利率受到輕度沖擊時（上升至6.96%），不良貸款率上升為4.65%，當受到中度沖擊時 （升至7.56%）， 不良貸款率上升至5.95%，當受到重度沖擊時（上升至8.16%），不良貸款率上升至5.27%。

四、結(jié)論及建議

作為VAR 風險測度方法中的補充工具， 壓力測試是現(xiàn)代商業(yè)銀行風險管理的有效工具。 對于宏觀“壓力”的評估和壓力情景下?lián)p失的預測是商業(yè)銀行有效規(guī)避風險， 提高風險管理水平的必要途徑。 本文根據(jù)經(jīng)濟變量之間存在的相關(guān)性及我國壓力測試政策環(huán)境為基礎，建立SVAR 模型進行宏觀壓力測試， 分析宏觀經(jīng)濟因素波動對中國銀行體系不良貸款率的影響。結(jié)果發(fā)現(xiàn):宏觀經(jīng)濟變量中，名義國內(nèi)生產(chǎn)總值增長率，一至三年期基準貸款利率、房地產(chǎn)景氣指數(shù)、匯率和滯后一期的不良貸款率對商業(yè)銀行的影響顯著，而宏觀經(jīng)濟變量之間也存在著時滯效應。 在名義國內(nèi)生產(chǎn)總值增長率下降和貸款基準率驟升的壓力情境設定下，商業(yè)銀行不良貸款率都出現(xiàn)了不同程度的大幅度提高。

本文通過壓力測試回歸模型判斷各因子對被解釋變量的影響程度篩選指標，并且通過VAR(向量自回歸)和SVAR（結(jié)構(gòu)向量自回歸）在一定程度上改進了相關(guān)研究對各風險因子之間相關(guān)性的研究不足，揭示了我國銀行信用風險的影響因素，對商業(yè)銀行壓力測試的模型選擇和方法應用有重要的啟示作用。

［1］任宇航,孫孝坤,程功,夏恩君.信用風險壓力測試方法與應用研究[J]. 統(tǒng)計與決策. 2007(14)

［2］華曉龍.基于宏現(xiàn)壓力測試方法的商業(yè)銀行體系信用風險評估[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2009(04)

［3］施建軍,周源. 基于內(nèi)外部因素的銀行信用風險壓力測試研究[J]. 中央財經(jīng)大學學報.2011(10)

［4］徐光林.我國銀行業(yè)金融機構(gòu)資產(chǎn)規(guī)模的宏觀壓力測試[J]. 新金融. 2008(11)

［5］ 常婷婷,喬忠,李拓.基于SUR 的商業(yè)銀行信用風險宏觀壓力測試研究[J]. 統(tǒng)計與決策. 2011(11)

［6］周源.宏觀經(jīng)濟數(shù)據(jù)影響下的信用風險壓力測試研究[J].金融縱橫. 2010(06)

［7］楊鵬.壓力測試及其在金融監(jiān)管中的應用[J]. 上海金融.2005(01)

［8］ 周子元. 商業(yè)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(08)

［9］Andrew Haldane, Simon Hall, Silvia Pezzini.A new approach to assessing risks to financial stability [R].Bank of EnglandFinancial Stability Paper, No.2, 2007.