基于宏觀壓力測試分析的銀行信用風險評估

施文俊　葉德磊

摘要：采用我國2002年至2014年宏觀經濟指標以及12家商業銀行的不良貸款率數據，運用假設情景法進行宏觀壓力測試，分析宏觀經濟波動對于中國商業銀行信用風險的影響。結果表明：國內生產總值增長率、消費者價格指數、生產者價格指數和廣義貨幣供應量對我國商業銀行信用風險影響顯著；通過構建兩種宏觀經濟極端情境——國內生產總值增長率和消費者價格指數出現大幅下降情況下，我國商業銀行體系的不良貸款率均出現大幅度提高。

關鍵詞：宏觀壓力測試；信用風險；不良貸款率；商業銀行

中圖分類號：F832.2 文獻標識碼 A

作者簡介：施文俊（1984-），男，上海人，華東師范大學經濟與管理學部博士研究生，研究方向：商業銀行信用風險；葉德磊（1962-），男，江西九江人，華東師范大學經濟與管理學部教授，博士生導師，研究方向：證券市場和金融投資。

一、引言

宏觀壓力測試是一種前瞻性的工具，可以預估可能會發生的宏觀經濟沖擊，幫助中央銀行和商業銀行更好地理解并提前判斷經濟沖擊對自身銀行體系所帶來的影響，從而更有針對性地做出風險評估，提高本國或本金融機構抵御外部宏觀經濟沖擊的能力。

壓力測試指必須有一個嚴格且綜合性的壓力測試程序。一般而言，壓力測試是用來衡量風險資產組合價值潛在的最大損失的方法，為銀行或其他金融機構中的風險管理部門的決策者提供有意義的參考。壓力測試的情景必須覆蓋一系列的因素，這些因素有可能會給銀行造成特別重大的損失。同時，壓力測試應具有定性和定量的特征，定量標準應該識別銀行所面臨的壓力情景，定性標準應側重于評估銀行吸收潛在巨大損失的資本能力。

宏觀壓力測試已成為金融機構風險管理的重要工具。金融機構使用宏觀壓力測試來測量金融危機等一系列的潛在脆弱性對于金融體系的影響，而這些脆弱性雖是異常但有可能會發生。宏觀壓力測試通常是金融機構內部模型的一種補充手段，風險價值（VaR）模型是這些內部模型的代表。標準的VaR模型已被認為在測量金融機構暴露于極端市場事件時的作用有限，例如：有些事件通常很難在計量模型里被測量到，但他們確實會在一個相對短暫的時間出現。巴塞爾II會議討論銀行內部模型的缺陷時，宏觀壓力測試已被放在一個重要的位置上。為了響應巴塞爾資本協議修正，如今發達國家要求金融機構年度財務報告加入壓力測試分析，使股東及其他社會大眾對該機構未來發展、前景及風險有更深層次的認識，以達到信息透明與公開化的原則。除了微觀層面，宏觀壓力測試在公共部門的宏觀審慎分析中起著重要的作用。近年以來，宏觀審慎分析，或金融穩定，無論是在中央銀行，監管當局、或是國際性組織和機構都得到了越來越多的重視。除了一系列的宏觀審慎指標的定期監測，我們有必要開發更多的定量工具，這樣可以更好地進行金融穩定性分析。

本文旨在通過宏觀壓力測試來研究極端情境下商業銀行的信用風險可能給銀行帶來的損失，由此可為監管當局和銀行管理層提供參考，一旦發生危機時，可以測試銀行系統的穩定性；商業銀行也可以加強風險管理能力，提高應對各種可能的風險沖擊的能力。

二、文獻綜述

20世紀80年代以來，針對各國出現的銀行危機和金融體系的不穩定，國外學者進行了大量研究，積累了豐富的理論和實證資料。通過實證分析發現，宏觀經濟因素對各國金融體系的不穩定性具有顯著作用。McKinnon（1994）認為當宏觀經濟處于正常運行狀態時，商業銀行出于穩健性經營的角度出發，不會片面刻意去追求收益而忽視風險的現象。只有當物價、匯率、利率等宏觀經濟變量波動變化較大，存在宏觀經濟運營不穩定的情況下，出于刺激經濟的需求，政府采取或明或暗的擔保措施，變相鼓勵商業銀行發放貸款，導致商業銀行采取激進的經營策略，從而產生風險。Froyland（2002）利用RIMINI將銀行的不良貸款率與宏觀經濟變量建立回歸方程，設定經濟變量，模擬經濟沖擊，對商業銀行開展壓力測試的實證研究。Pesola（2001）通過宏觀壓力測試，闡述宏觀經濟波動對于違約率的影響，由芬蘭的數據可得違約率與國內生產總值成負向關系，與利率成正比。Vlieghe（2001）將英國銀行貸款違約率作為被解釋變量，將國內生產總值、利率等宏觀經濟變量作為解釋變量進行多元回歸，得出宏觀經濟變量對于企業貸款違約率具有顯著影響。Virolainen（2004）利用Wilson提出的模型，建立了銀行信貸模型，揭示了加總的企業違約率和宏觀經濟波動之間的相關性。國內也有許多對于商業銀行體系穩定性評估的實證研究。陳華和伍志文（2004）運用1978-2000年間的數據對中國銀行體系脆弱性狀況進行量化分析，發現中國整個銀行體系在1978-2000年間有11年是不穩定的，存在較大的金融風險。田艷芬等（2011）運用實證分析方法研究宏觀經濟因素對于我國銀行體系脆弱性的影響，研究結果表明經濟發展水平、貨幣供給對銀行體系脆弱性具有負向沖擊效應，投資因素對于銀行體系脆弱性具有正向沖擊效應。

宏觀壓力測試理論與實踐方面的研究，也有諸多文獻涉及到，最具有代表性的是Wilson（1997a，1997b）和Merton（1974）提出的模型框架，為日后學者們不斷進行的模型拓展和實證研究奠定了基礎。Wilson（1997a，1997b）通過各類宏觀經濟因素與企業違約率構建信貸風險模型，通過該模型模擬違約概率分布，得到資產組合的預期異常損失，再模擬出宏觀經濟波動沖擊下的違約概率值。Merton（1974）在將一般宏觀經濟變量納入模型的基礎上，將商業銀行股票價格變動情況和商業銀行持有資產價格變化情況也納入銀行違約概率模型。國內外的學者運用上述模型框架進行了大量實證研究。Boss（2002）建立宏觀經濟風險模型，通過宏觀壓力情景設定的方式，估計了加總的企業違約率對于澳大利亞銀行業的影響。通過模型，可知工業產值、通脹率、股價、名義短期利率和原油價格對于企業違約率有顯著性。國內學者對于宏觀壓力測試的研究還處于起步期。華曉龍（2009）通過Logit模型將貸款違約率轉化為宏觀經濟綜合指標，使用假設情景法進行宏觀壓力測試，定量分析了宏觀經濟波動對于中國銀行體系違約率的影響。沈陽和馮望舒（2010）借鑒了Wilson所提出的壓力測試模型，以銀行不良貸款率為評估銀行信用風險的指標，得出了宏觀經濟變量與銀行信用風險的實證研究。巴曙光和朱元倩（2010）分別從壓力測試的定義、國際實踐規范、執行流程等角度對已有的文獻和監管部門的調查研究報告進行了總結，并在此基礎上歸納分析了壓力測試的優缺點，討論了壓力測試中的實際操作細節及對于數據缺乏的發展中國家如何有效地實施壓力測試。

各國銀行業的宏觀經濟審慎分析對宏觀壓力測試越來越重視，其主要目的是當發生系統性風險時，監管機構可以有效識別金融機構體系內所暴露出的結構性缺點和整體風險狀況。而國內對于銀行宏觀壓力測試的研究尚處于起步階段，現有研究多為對于國外研究文獻的綜述和整理，還未進一步深入研究。在模型研究方面，國內學者主要以借鑒國外學者對壓力測試的研究思路和宏觀壓力測試操作的指引流程為主，采用傳統方法模擬宏觀壓力情境，通過模型得出穩定性指標期望值的點估計來評價銀行體系穩定性。這類研究方法存在一定的缺陷，無法有效地反映宏觀經濟變量沖擊對于銀行體系的影響，更難以評估哪些宏觀經濟變量波動對商業銀行信貸違約率的沖擊效應更為顯著，從而不能得出宏觀壓力情境下銀行貸款違約率的概率分布。因此，本文運用宏觀壓力測試法，將宏觀經濟波動因素整合到商業銀行信用風險評估模型中，通過極端壓力情景的構建，實證研究商業銀行的信貸違約率與宏觀經濟變量之間的關系，這對于現階段我國商業銀行信用風險管理具有現實意義。

三、模型構建與實證研究

宏觀壓力測試是對于微觀層面壓力測試的有益補充，是在一定的假設情景之下，將加總的宏觀經濟沖擊變量作為宏觀因子，研究其在不利的宏觀環境變化對于銀行信用風險體系所產生的影響程度。

（一）模型構建

Wilson（1997a，1997b）提出的信用風險模型非常清晰地闡述了宏觀經濟因素和違約率之間的關系，該模型框架在日后研究宏觀信貸風險的領域占有舉足輕重的地位。Virolainen（2004）借鑒了Wilson的研究，對違約率和宏觀經濟因素進行建模，通過Logit模型將貸款違約率轉化為中介指標Y，然后對宏觀經濟指標Y與宏觀經濟因素進行多元線性回歸分析；在情景假設條件下，通過將受沖擊下的宏觀經濟因素代入模型，得出壓力情境下的宏觀經濟指標Y，最后估計出違約率的值，由此便可得到資產組合的預期損失和非預期損失。

本文借鑒Wilson（1997a，1997b）發表在Risk雜志上論文中闡述的模型框架，將宏觀經濟因素與銀行貸款違約率通過中介指標Y進行關聯。模型中宏觀經濟因素變量的選擇將參考國外學者實證分析研究中的模型自變量，再結合中國經濟數據統計的特點和信息披露等制約因素進行選取，從中選擇適合本模型的自變量進行建模。

首先，部門j的違約率具有Logit函數形式：

（二）壓力傳導模型建設

壓力傳導模型建設是壓力測試流程中最為核心的部分。按照壓力傳導的機理，壓力傳導模型可分為自下而上和自上而下的兩類方法。所謂自下而上是指首先在局部和個體層面進行測試，然后將個體的測試結果匯總得出整體的結果。自上而下的測試是將所有測試對象組成一個整體，集中同時進行測試。兩種方法的優缺點是：自下而上的方法可以捕捉風險的集中問題以及風險傳染問題，但對于客戶明細數據的歷史長度要求較高，實際建模難度較大，成本較高，操作性不強；而自上而下的方法只要求整個金融機構宏觀層面的歷史數據，比較適合總行層面開展測試，成本也相對較低，特別是在中國銀行業的歷史數據長度較短的環境下，但這種方法的不足是在整體層面進行的風險測試可能會掩蓋個體的集中風險以及個體之間相互關聯的風險。

本文測試采用“自上而下”方法，其核心內容是信用風險傳導模型的建立，運用模型描述風險驅動因素與承壓對象之間的風險傳導和影響機制。壓力測試將傳導模型和壓力情景模型構建成一個模型系統，形成反映違約率與各宏觀經濟變量之間相互影響的動態關系。

整個宏觀壓力測試的流程推導如下：將銀行體系違約率的歷史數據代入式（2），通過處理可得到中介指標Y的估計值，再把Y的估計值代入式（3），估計出宏觀方程的系數（βj，0…βj，n），此方程便為宏觀壓力測試的基礎。通過對于情景的設定，將假定的各相關宏觀經濟變量值代入估計出的式（3），即可得到壓力情景下的Y值，記為Y′，再將Y′回代入式（2），可得壓力情景下的銀行違約率。上述流程便為本文采用的壓力傳導模型。

（三）變量的選取與數據描述

為了建立銀行信用風險與宏觀經濟變量之間的實證關系，在被解釋變量方面，選取了貸款違約率為評估銀行體系的信用風險指標，主要表現為貸款人在銀行申請貸款的違約風險，以不良貸款率為衡量指標，結合數據獲得的難易度，以平均的不良貸款率（不良貸款率=（次級+可疑+損失）/貸款總額）來表示貸款違約率。選取中國工商銀行、中國建設銀行、交通銀行、中國銀行、光大銀行、招商銀行、浦發銀行、民生銀行、華夏銀行、平安銀行、中信銀行和南京銀行在2002年至2014年的季度信貸數據作為樣本（數據來源于WIND數據庫），上述樣本選取的12家銀行包涵了國有商業銀行、股份制商業銀行和城市商業銀行，樣本選取范圍較為合理。

在解釋變量方面，選取少數幾個有關鍵作用的宏觀經濟變量使其更好地闡述壓力測試。綜合國外學者的研究以及我國實際情況，本文選取以下七個宏觀經濟變量作為解釋變量：GDP（國內生產總值增長率）、CPI（消費者價格指數）、M2（廣義貨幣供應量）、PPI（生產者價格指數）、LOANRATE（三-五年期貸款利率）、INVEST（固定資產投資價格指數）和HOUSE（商品房地產價格指數），變量值選取2002年至2014年的季度數據，數據來源WIND數據庫。

選擇國內生產總值增長率的原因是其作為每個生產部門利潤的代表，可以反映還貸能力。選擇貸款利率作為變量的原因是顯而易見的，因為利率水平的高低將直接影響企業的債務負擔水平。

（四）實證研究

根據前文中的模型設定，首先將違約率PD通過Logit模型變換為中介指標Y，再將2002-2014年的宏觀數據對上述模型進行多元回歸分析與模型估計，利用Eviews7.0，我們對中介指標Y與各宏觀經濟變量指標進行多元回歸和各宏觀經濟變量向量自回歸。據經驗宏觀經濟沖擊的滯后期往往為一年，因此本文引入中介指標Y的一階滯后變量。根據多元回歸方程的t檢驗值（5%的顯著性水平），房地產價格指數（HOUSE）、固定資產投資價格（INVEST）和三-五年期長期貸款利率（LOANRATE）對于中介指標Y并不顯著，因此剔除上述解釋變量。在剔除不顯著的變量后，剩余解釋變量指標國內生產總值增長率（GDP）、消費者價格指數（CPI）、生產者價格指數（PPI）以及廣義貨幣供應量（M2）這四個解釋變量對于中介指標Y非常顯著。在數據的平穩性處理方面，我們進行帶有時間趨勢和截距趨勢的ADF單位根檢驗，通過Johansen協整檢驗，得知中介指標Y與GDP、CPI、PPI和M2存在長期穩定的均衡關系，結果如表1。

由表1的結果，我們可以得出關于中介指標Y與各宏觀經濟變量的多元回歸結果。

（五）宏觀壓力情境的設定

選擇情境分析作為執行壓力測試的方法。針對模型所選取的宏觀經濟變量，設定壓力情境：國內生產總值增長率（GDP）和消費者價格指數（CPI）都大幅下跌。

假定經濟周期處于衰退期，國內生產總值增長率和消費者價格指數都呈現出大幅下跌，預示著整個社會的宏觀經濟較為蕭條。國內生產總值增長率的下降意味著企業平均盈利能力較差，不良貸款率也隨之上升；消費者價格指數下降加重了債務負擔，使借款人無力償還貸款，導致銀行出現大量不良資產。

根據歷史數據構建時間序列模型，對于銀行體系遇到極端情境進行預測，建立未來三期的簡單ARMA模型預測，作為參考基準情境。

1.國內生產總值增長率（GDP）的壓力情景設定。根據表1中模型關于GDP的自回歸方程：

GDP=0.73+0.7586GDPt-1+0.1689GDPt-2+0.1174Yt-1（5）

Y=0.2302+0.9536Yt-1（6）

由式（5）可預測在未來三期國內生產總值呈現下降趨勢。因此，可以設定未來三期國內生產總值增長率分別降至6%、4%、2%三種情境。

2.消費者價格指數（CPI）的壓力情境設定。根據表1中模型的估計結果，可得出CPI的自回歸方程為：

CPI=-2.839+0.974CPIt-1-0.417CPIt-2+1.363Yt-1-2.476D1（7）

將歷史數據代入式（7），得到CPI在未來三期內呈現通貨緊縮的趨勢。所以設定未來三期消費者價格指數（CPI）分別降至-1%、-3%、-5%。

3.壓力情境的設定。現壓力源為國內生產總值增長率（GDP），利用最小二乘法，將GDP與其他解釋變量CPI、PPI和M2逐一回歸，若GDP的系數顯著（t檢驗顯著），則表示GDP的解釋性良好，且GDP與解釋變量存在線性關系，然后根據壓力源GDP的取值代入回歸方程，可得各個解釋變量的取值（估計值），將所有估計值代入宏觀經濟方程得到Y值，通過Logit模型再轉換得到違約概率的點估計值。

4.壓力情境中各宏觀經濟因素變量值。在GDP大幅下降的壓力情境下，GDP對于CPI、PPI、M2有較強的解釋能力，根據t統計檢驗值和模型的擬合優度等檢驗值，通過解釋變量的增加與剔除對模型進行反復調試，從中選出最適合模型的解釋變量。最終確定宏觀經濟變量對于GDP的回歸模型如下：

CPI=-7.621+0.6486GDPt-2+0.9752Yt-1（8）

PPI=-11.572+1.347GDP（9）

M2=17.3733+0.8179GDP-3.1712Yt-1（10）

利用式（8）-（10）對GDP相應取值下的CPI、PPI和M2的值進行估計。壓力情境下各宏觀經濟變量的估計結果如表2。

在CPI大幅下降的壓力情境設定下，運用最小二乘法估計，通過估計發現CPI對GDP、PPI、M2都有較強的解釋能力，根據CPI的系數統計性顯著性的檢驗，最終確定的其他宏觀經濟變量關于CPI的回歸模型如下：

GDP=12.87+0.383CPI-1.014Yt-1 （11）

PPI=5.654+1.814CPI-0.772CPIt-2-1.672Yt-1（12）

M2=19.174-0.786CPI（13）

利用式（11）至式（13）對CPI相應取值下的GDP、PPI和M2的值進行估計。壓力情境下各宏觀經濟變量的估計結果如表3。

5.宏觀壓力測試的執行及結果分析。本文將歷史數據代入多元線性回歸方程作為宏觀壓力測試的信貸模型，然后構建銀行體系抵御風險的極端情境，通過宏觀經濟變量的沖擊，利用多元線性回歸方程和Logit模型就可以算出壓力情境下的違約概率的點估計。由表1的回歸結果可得到式（14）：

Y=0.0934+0.0235GDP+0.0413CPI-0.012PPI+0.0097M2+0.8308Yt-1（14）

將表2和表3中的各組值分別代入估計出的多元線性回歸模型式（14）中，壓力測試結果如表4所示。

由表4可知，在經濟周期處于衰退的情況下，兩種壓力情境導致中國銀行體系的信貸風險明顯增加，從模型估計出的違約率都有著不同幅度的增長。由表4中宏觀壓力測試執行結果可知，在同等波動幅度下，國內生產總值增長率（GDP）比消費者價格指數（CPI）對銀行系統貸款違約率的影響更大。這充分說明在經濟下行的壓力情境下，宏觀經濟變量波動對于銀行體系信貸違約率的沖擊效應非常顯著。

四、結論與建議

以上實證顯示，宏觀經濟運行狀況對于銀行信用風險具有顯著影響，從模型可知國內生產總值增長率（GDP）、消費者價格指數（CPI）、生產者價格指數（PPI）和廣義貨幣供應量（M2）對銀行信用風險的影響較為顯著。在經濟周期處于衰退期，構建國內生產總值增長率（GDP）和消費者價格指數（CPI）大幅下降的壓力情景，可以得出國內生產總值增長率（GDP）對于銀行不良貸款率的影響最大。

隨著中國金融市場的不斷對外開放，我國商業銀行業所面臨的風險將更為巨大，因此需要盡快建立符合中國實際情況的商業銀行風險防范體系。按照巴塞爾銀行監管委員會的相關建議規范，我國應進一步推動中國商業銀行自覺運用壓力測試的方法來防范自身的風險，并制定相關的規章制度。在本次壓力測試中，宏觀經濟變動對商業銀行違約率影響的程度非常大。這表明，當宏觀經濟處于下行時，銀行應結合對未來經濟走勢的預期判斷提出應對措施，包括：調整總體信貸資產質量目標、調整信貸投放的增長規劃、改善資本結構、提高資本充足率和調整經濟資本置信區間等。通過分析我們可以看到中國的銀行體系穩定性還有待進一步加強，在面臨假設的宏觀經濟沖擊時，化解風險的能力尚顯不足。我國銀行業應吸取過往經驗教訓，防患于未然，提高自身的風險意識，降低銀行不良貸款率。

雖然壓力測試工具存在一定的局限性，但是壓力測試作為一個全新的風險測量工具，對于在商業銀行風險管理中的應用和研究都將起到重要的作用，并有助于跟進一步深刻了解風險管理的實質，有效管理商業銀行風險資產，防范和控制各類風險。

參考文獻：

[1] 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.

[2] 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）：88-91.

[3] 劉曉星.風險價值、壓力測試與金融系統穩定性評估[J].財經問題研究，2009（9）：57-65.

[4] 賈海濤，邱長溶.宏觀因素對貸款企業違約率影響的實證分析[J].現代管理科學，2009（2）：67-72.

[5] 潘敏，張依茹.宏觀經濟波動下銀行風險承擔水平研究[J].財貿經濟，2012（10）：57-65.

[6] 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，2012（2）：70-79.

[7] 田艷芬，邵志高，陳守東.宏觀經濟因素對銀行體系脆弱性影響的實證分析[J].金融發展研究，2011（4）：26-30.

[8] 楊柳.銀行體系宏觀壓力測試的評估模型與實證[J].統計與決策，2011（19）： 139-142.

[9] 周源，施建軍.金融機構房地產貸款的壓力測試：以江蘇省為例[J].上海金融，2009（7）：73-75.

[10]陳華，伍志文.銀行體系脆弱性：理論及基于中國的實證分析[J]. 數量經濟技術經濟研究，2004（9）：120-135.

[11]陳宜成.基于宏觀壓力測試的我國商業銀行信用風險評估[J].哈爾濱商業大學學報：社會科學版，2014（4）：3-10.

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

[13]Froyland，Espen.How Vulnerable are Financial Institutions to Macroeconomic Changes： An Analysis based on Stress Testing[J]. Economic Bulletin，2002，73（3）：127-169.

[14]Kupiec，Paul.Stress Testing in a Value at Risk Framework[J]. Journal of Derivatives，1998，6（1）：7-24.

[15]Mckinnon，Ronald.Financial growth and macroeconomic dtability in China，1978～1992：implications for Russia and other transitional economies[J]. Journal of Comparative Economics，1994，17（2）：438-469.

[16]Merton，Robert.On the Pricing of Corporate Debt： the Risk Structure of Interest Rates[J].Journal of Finance，1974，29（7）：449-470.

[17]Pesola，Jarmo.The role of macroeconomic shocks in banking crises[J]. Bank of Finland Discussion paper 6，2000.

[18]Virolainen，Kimmo. Macro Stress-testing with a Macroeconomic Credit Risk Model for Finland[J]. Bank of Finland，2004，18（1）：1-66.

[19]Vlieghe，Gertjan. Indicators of Fragility in the UK Corporate Sector[M].Bank of England Working Paper 146，2001.

[20]Wilson，Thomas. Portfolio Credit Risk I[J].Risk，1997，9（10）：111-170.

[21]Wilson，Thomas. Portfolio Credit Risk II[J].Risk，1997，10（10）：56-61.

Abstract：Adopting the data of China′s macroeconomic indicators from 2002 to 2014 and non-performing loan ratio of 12 commercial banks， the paper uses the method of scenario for macro stress-testing to empirically analyze the impact of macroeconomic fluctuations on credit risk of China′s commercial bank. The research shows that gross domestic product growth rate， consumer price index， producer price index and broad money supply have significant effects on the credit risk of commercial bank； by constructing two macroeconomic extreme situation-gross domestic product growth rate and consumer price index showing a sharp decline， respectively， system of our country commercial bank′s non-performing loan ratio is improved to a great extent.

Key words：macro stress-testing； credit risk； non-performing loan ratio； commercial bank

（責任編輯：嚴元）