金融危機后系統性風險壓力測試的國際實踐及對中國的啟示

劉志洋

摘?要：2008年國際金融危機爆發后，世界各國對金融風險壓力的測試逐漸從基于微觀審慎監管的關注個體金融機構經營風險向基于宏觀審慎監管的關注金融體系系統性風險轉變，具體表現為壓力測試模型融合了償付能力風險和流動性風險。但系統性金融風險壓力測試模型主要采用的還是銀行業的微觀數據，反映出監管當局希望通過控制銀行業的經營行為來防止系統性金融風險的發生與傳染，是一個從微觀到宏觀的逐漸上升的監管思路與過程。應進一步明確系統性金融風險壓力測試是金融風險管理的工具之一，與其他風險管理工具是互為補充的，也具有其局限性;要基于中國國情完善壓力場景的設計，并借鑒最新研究成果設計有效的壓力測試模型，進而提高金融風險管理的有效性。

關鍵詞：壓力測試模型;系統性金融風險;宏觀審慎監管;微觀審慎監管;償付能力風險;流動性風險;壓力場景

中圖分類號：F830.2;F224.0文獻標志碼：A文章編號：1674-8131（2018）06-0057-08

一、引言

黨的十九大報告指出，必須健全金融監管體系，守住不發生系統性金融風險的底線。要防范系統性金融風險，需要基于中國國情和國際環境進行科學決策，進而需要準確評估和預測金融風險壓力。“壓力測試”最早產生于工程學領域，其后一些金融機構發現可以借鑒壓力測試的思想研究假設的沖擊如何影響其資產負債表以及資產價格。較早使用壓力測試的金融機構是摩根大通集團（JP Morgan），其開發的RiskMetrics系統所測度的VaR（Value at Risk）體現了壓力場景下資產價格的最大損失值。之后，巴塞爾委員會借鑒VaR的思想，在資本充足率計算和Basel II第二支柱中均體現了壓力測試的監管導向。

在2008年國際金融危機爆發前，金融風險壓力測試具有濃重的微觀審慎監管意味，其關注點主要在個體金融機構的倒閉風險上，關注壓力場景下金融機構是否健康穩健地經營。從微觀審慎來看，風險壓力測試的實踐往往假設“借款人信用質量惡化”或者“資產價格下跌”為外生因素，進而測試在這些外部沖擊場景下單家商業銀行資本充足率水平所承受的壓力，其測試結果往往較為簡單（Demekas，2015）[1]。在基于微觀審慎監管的風險壓力測試中，流動性風險常常與償付能力風險割裂開來，且缺乏宏觀經濟與商業銀行體系之間的反饋機制，一旦宏觀經濟對銀行體系的沖擊具有多期效應，則微觀審慎監管下的壓力測試無法刻畫這種持久的影響。

2008年國際金融危機的爆發表明單獨關注個體金融機構的倒閉風險無法保障金融體系的穩健運行。正如曾任國際清算銀行（BIS）總經理的Andrew Crockett所講，微觀審慎監管付出的很多，但收獲的很少。只要其功能能夠被其他金融機構取代，一家金融機構的倒閉通常不會對金融體系產生大的負面影響。因此，監管當局應關注金融體系受到沖擊后金融機構的集體行為，防止出現“個體最優但非整體最優”的“宏微觀悖論”，金融領域的壓力測試應更關注金融體系的系統性風險。

事實上，2008金融危機之后的金融風險壓力測試與之前存在顯著區別：第一，更加關注償付能力風險與流動性風險的傳染機制，更加重視在壓力測試模型中融合風險傳染的因素（Basel Committee on Banking Supervision，2013）[2];第二，更加關注金融機構對系統性金融風險的貢獻度，而不是金融機構本身的風險;第三，確定金融風險壓力測試應該具有宏觀審慎導向（International Monetary Fund，2012）[3];第四，關注金融機構的共同風險敞口、資產拋售行為的負外部性等共性問題，從而構建宏觀審慎導向的壓力測試模型（Bernanke，2013）[4]。當然，由于國情不同，各國實踐中所使用的系統性金融風險壓力測試模型也存在差異。有鑒于此，本文對國際金融危機后較為典型的宏觀審慎導向的金融風險壓力測試模型進行梳理和比較[5]，以期為我國系統性金融風險壓力測試實踐以及優化金融風險管理體系提供經驗借鑒和政策參考。

二、嵌入流動性風險和償付能力風險的壓力測試模型

2008年國際金融危機后各國監管當局紛紛將宏觀審慎導向的金融風險壓力測試應用于監管模型中，比如識別金融周期、確定壓力場景、計算資本緩沖等，其核心在于同時嵌入流動性風險和償付能力風險。

1.加拿大中央銀行的壓力測試模型

加拿大中央銀行開發的自上而下的壓力測試模型MFRAF（Macro-Financial Risk Assessment Framework），不僅測試了國內主要商業銀行的償付能力風險，同時也考慮了融資流動性風險，并測試了雙邊風險敞口暴露導致的傳染風險。MFRAF的主要特色是考慮了銀行債權人的行為動機，研究了宏觀風險形成的微觀機制。MFRAF認為短期債權人如果擔心銀行的資產質量，則其繼續提供短期資金的動機就會減小，因而將商業銀行的流動性風險（如流動性資產比率、短期融資能力、金融資產市場流動性狀況等）納入模型。MFRAF主要包括三個相互獨立的模塊：第一個模塊關注宏觀經濟沖擊引起的商業銀行信用風險加大，第二個模塊在第一個模塊測試信用風險損失程度的基礎上將融資流動性風險引入模型在MFRAF中，λ=流動性資產+資產拋售折扣率×（非流動性資產—信用損失）到期債務，λ為商業銀行資產負債表流動性指標，既考慮了流動性風險，又考慮了信用風險（償付能力風險的主要類型）;當λ大于1時，商業銀行遭受擠兌的風險較低，相反則風險較高;當一家銀行發生擠兌時，拋售折扣率將會變大，從而更容易發生傳染風險。 ，第三個模塊刻畫第二個模塊導致的能夠通過市場傳導的傳染風險。

2.挪威中央銀行的壓力測試模型

挪威中央銀行開發的壓力測試模型認為銀行體系的系統性風險來源于企業部門的沖擊，商業銀行的撥備覆蓋率、不良貸款率和凈利潤與經濟產出密切相關，但其短期負債比率和長期負債比率基本保持不變。挪威中央銀行主要關注銀行的股票價格，但銀行股票價格并不是壓力測試模型的主要輸出變量。在金融體系壓力場景下，假設Norwegian合成指數降低30%，估計銀行的股票價格下跌幅度，進而得到“商業銀行股票價格”與“銀行實際ROE與歷史平均ROE（12%）之差”的相關性。假設初始時六家系統重要性商業銀行的信用評級都為投資級（其中四家以個人住房抵押貸款為主要收入來源，資本充足率較高;另外兩家以企業貸款為主，資本充足率呈下跌趨勢），在困境時期這六家商業銀行的股價下跌幅度為20%至50%，兩家銀行信用評級下跌至非投資級;當實際ROE為零時，假設銀行股票價格下跌50%;當股票價格下跌50%時，假設股票價格波動率增加一倍。壓力測試結果表明股票波動率與商業銀行違約概率密切相關。

3.美國監管當局的壓力測試模型

美國監管當局對七家大型銀行控股公司進行了系統性風險壓力測試，主要關注銀行股票價格下跌對其信用評級的影響。測試結果表明，當商業銀行股票價格下跌20%至84%時，這七家銀行才有可能降至非投資級;基于市場價格計算的隱含違約概率可以作為銀行降級的預測因素，但對初始評級的影響卻不大。比如，兩家銀行的初始評級類似，一家銀行可能股票價格下跌30%就會被降為非投資級，但另一家可能股票價格下降64%才被降為非投資級，其主要原因在于不同的商業銀行經營模式導致的損失預期并不相同。美國監管當局的壓力測試模型還表明，降級風險較高的銀行往往是短期融資比率較高的銀行，因此其系統性壓力測試模型還考慮了股票價格下跌對市場資金提供者提供滾動資金支持意愿的影響。

4.奧地利中央銀行的壓力測試模型

奧地利銀行體系償付能力壓力測試模型主要基于商業銀行資產負債表的數據，覆蓋了國內所有銀行的并表數據。其對流動性風險的測試主要通過考察商業銀行對抗困境的能力，需要解決數據可獲得性、參數不確定性等問題，并明確壓力場景下流動性風險和償付能力風險的相互傳導機制以及中央銀行的角色定位。奧地利中央銀行對流動性壓力的測試覆蓋了國內29家大銀行，目的是為了促使商業銀行將自身流動性風險所產生的負外部性內部化，避免中央銀行的最后貸款人角色帶來道德風險問題。

5.荷蘭銀行的壓力測試模型

荷蘭銀行（Netherlands Bank）開發的流動性壓力測試模型（Liquidity Stress-Tester，LST）是從上至下的系統性風險測試模型，使用的數據是商業銀行層面的數據。根據Basel III，LST運用蒙特卡洛方法模擬流動性緩沖、LCR和NSFR等壓力場景下商業銀行的流動性風險狀況，同時也考慮了中央銀行非常規貨幣政策的影響。LST主要測試商業銀行的資產流動性風險和融資流動性風險，并沒有刻意考察償付能力風險，但考慮了流動性風險導致的商業銀行股票價值降低的問題以及資產流動性風險對商業銀行信用風險的影響。在兩類風險的相互影響方面，LST模型一方面考慮了資產拋售導致金融資產價格下跌對商業銀行償付能力的影響，另一方面也考慮了擠兌風險對信貸供給的影響，且考慮了銀行惜貸產生惡性循環對償付能力的負面影響。同時LST模型還考慮了異質性聲譽風險導致銀行資產負債調整對銀行股票價值的影響。

6.墨西哥中央銀行的壓力測試模型

由于墨西哥中央銀行能夠得到國內商業銀行的具體運行數據，因此其壓力測試模型具有自下而上的特點。測算銀行體系的損失分布在墨西哥中央銀行的壓力測試模型中占有重要地位，其基本思路為：來自宏觀經濟的沖擊使銀行出現初始信用損失，并會導致一些銀行倒閉，且倒閉會傳染，因此需要在一定的假設下模擬銀行體系的損失分布。墨西哥中央銀行了解每一家商業銀行的風險敞口暴露，且墨西哥銀行體系規模較小，因此比較容易模擬出可能的損失分布。墨西哥中央銀行壓力測試模型通過宏觀經濟等共同的風險因子模擬市場風險和信用風險導致的損失（比如利率的上漲會使得資產價格下跌以及貸款組合違約率上升等），并使用結構化向量自回歸模型研究銀行體系損失與實體經濟之間的關系。盡管此方法存在局限性，但結構化向量自回歸模型能夠捕捉宏觀經濟沖擊對商業銀行信用風險和市場風險的短期影響，且中央銀行有足夠的數據測試此影響。

7.韓國中央銀行的SAMP模型

韓國中央銀行開發的SAMP（Systemic Risk Assessment Model for Macro-prudential Policy）模型可以測試銀行體系的各類風險，且可以評估系統性風險。SAMP不僅模擬宏觀經濟沖擊的第一輪影響，還可通過模擬銀行間傳染、資產拋售、信貸收縮和去杠桿化等進一步模擬第二輪影響。SAMP包含六大模塊：宏觀風險模塊、銀行盈利與損失模塊、違約傳染模塊、融資流動性風險傳染模塊、多期模塊和系統性風險度量模塊。在SAMP整體模型中比較有特色的是融資流動性風險模塊，其主要通過償付能力風險與流動性風險的交互作用以及銀行體系的關聯度來評估銀行體系的流動性風險。

8.歐洲中央銀行的壓力測試模型

歐洲中央銀行開發了自上而下的宏觀壓力測試模型來估計商業銀行的償付能力風險，該模型包括四個組成部分：宏觀金融壓力場景設計、壓力場景對商業銀行的影響分析、償付能力計算和傳染模型。在宏觀金融壓力場景設計方面，金融沖擊主要來自歷史分布的尾部極端數據，變量之間的相關性使用Copula模型估計;在此基礎上，分析這些壓力場景對商業銀行信用風險、市場風險以及損失吸收能力的影響;在明確這些影響的基礎上，假設商業銀行最大化經風險調整的收益，動態計算在壓力場景下的商業銀行償付能力;以上分析屬于第一輪影響，第二輪影響主要關注各種沖擊在銀行間的傳染和銀行與實體經濟之間的反饋，使用的模型包括基于風險敞口的銀行間市場傳染風險測試模型、基于會計數據的交叉傳染模型、基于市場數據的傳染模型以及DSGE模型等。

三、典型系統性金融風險壓力測試模型比較

從本質上來講，在微觀審慎監管視角下，針對單個金融機構的風險壓力測試是局部均衡分析導向，而宏觀審慎監管視角下的風險壓力測試則具有一般均衡分析導向。2008年爆發的國際金融危機反映出微觀審慎監管無法保障金融體系的穩定，對具有一般均衡分析導向的宏觀審慎監管視角下的風險壓力測試的發展具有重要的推動作用。對系統性金融風險的反思主要集中于商業銀行應對沖擊的集體行為模式，監管當局應該重視宏觀經濟的沖擊如何影響銀行體系的整體穩定，應該將流動性風險等傳染性風險納入系統性風險的分析模型中。然而，需要指出的是，從宏觀審慎監管視角設定壓力場景也不宜過度使用一般均衡分析。比如，在一般均衡分析框架下，壓力場景包括當金融體系出現危機時政府或者監管當局的救助，而一旦壓力測試場景考慮了銀行對監管當局和政府救助行為的反應，則結果很有可能是銀行預期政府會救助而更加沒有審慎性，導致無法預判真正的風險。因此，宏觀審慎監管視角下的系統性金融風險壓力測試應逐漸從局部均衡分析向一般均衡分析過渡，但要權衡“過渡”的程度。

從各國實施宏觀審慎監管的實踐過程來看，在系統性金融風險測試和保證金融體系穩定方面，宏觀審慎監管出現了微觀化的實施特征。加拿大中央銀行、挪威中央銀行和美國監管當局開發的模型都主要使用金融市場數據，即根據商業銀行的股票數據來測試銀行體系風險。這些模型的整體結論表明，基于金融市場數據對銀行體系的風險評估比監管指標所體現的銀行業風險要高（見表1）。

對幾種較為典型的嵌入償付能力風險和流動性風險的系統性金融風險壓力測試模型進行比較（見表2），可以看出，雖然宏觀審慎監管針對的是系統性風險，是一個整體和宏觀的概念，但系統性風險壓力測試模型主要使用的是銀行業的微觀數據。這也反映出監管當局希望通過控制銀行業的經營行為來防止系統性金融風險的發生與傳染，是一個從微觀到宏觀的逐漸上升的監管思路與過程。

四、中國系統性金融風險壓力測試的實踐與改進

國內學者對中國的系統性金融風險壓力測試進行了大量的研究，主要集中于構建金融風險壓力指數，其目的是為了監測系統性金融風險，這也與中國尚未爆發系統性金融風險有關。賴娟和呂江林（2010）構建的金融壓力指數顯示，2008年10月中國金融體系的風險壓力最大[6];陳守東和王妍（2011）使用MS-VAR模型構建金融壓力指數，并檢驗其與工業合成一致指數的動態關系[7];劉曉星和方磊（2012）利用CDF-信用加總權重法構建包括銀行、股票、外匯、保險四大市場的金融壓力指數測度模型[8];劉瑞興（2015）對各種類型的壓力指數進行了標準化處理，研究金融壓力對實體經濟的沖擊[9];張晶和高晴（2015）結合當前中國金融體系的特征設計了金融壓力指數，并對其宏觀效應展開研究[10];陶玲和朱迎（2016）將系統性金融風險分為內部因素和外部因素，提出了包含7個維度的系統性金融風險綜合指數[11];張勇等（2017）運用復合式系統壓力指標方法，通過設置時變權重從縱向和橫向維度構建金融壓力指數[12];徐國祥和李波（2017）選取2007年1月4日至2015年9月30日銀行、股票、債券和外匯市場相關指標的日度數據，采用因子分析法構建金融壓力日度指數[13]。

為了有效評估金融體系的系統性風險，中國金融監管當局在2012年對17家系統重要性銀行進行了壓力測試，具體包括信用風險場景壓力測試、信用風險敏感性壓力測試、銀行賬戶利率風險壓力測試、交易賬戶利率風險壓力測試、匯率風險壓力測試、流動性壓力測試等。之后，中國金融監管當局對前28家大型商業銀行壓力測試的結果顯示，中國銀行業能夠經受GDP增速降至4%的沖擊。為了守住不爆發系統性金融風險的底線，中國人民銀行將差別準備金動態調整和合意貸款管理機制升級為“宏觀審慎評估體系”（Macro Prudential Assessment），重點考察資本和杠桿情況、資產負債情況、流動性、定價行為、資產質量、外債風險、信貸政策執行等七大方面。

總體來看，中國在系統性金融風險壓力測試中還存在一些問題：第一，過于樂觀看待壓力測試的結果。商業銀行通過了壓力測試，并不意味著銀行業不會爆發系統性金融風險，不會在系統性金融風險中出現損失。壓力測試是金融風險管理的一種工具，也會存在局限性，對壓力測試的結果要有客觀的認識。第二，壓力測試的場景設計存在局限性。從中國壓力測試的場景設計來看，其核心思想均在Basel協議的框架之內，沒有涵蓋更為廣闊的宏觀經濟金融運行狀況。比如，沒有關注房地產市場、股票市場等資產價格的波動給銀行體系帶來的影響以及金融創新給銀行體系帶來的沖擊等場景。第三，模型設計上需要進一步完善。中國人民銀行的宏觀審慎評估主要應用的方法仍舊以指標法為主，而以Basel III為核心的宏觀審慎監管指引文獻已經將償付能力監管和流動性監管納入系統性風險管理模型中。中國金融監管當局應盡快與國際接軌，開發更加精細和高級的系統性金融風險壓力測試模型。

2008年國際金融危機后，各國金融監管當局在金融風險壓力測試方面需要也正致力于將微觀審慎導向轉變為宏觀審慎導向，從關注個體金融機構經營風險轉變為關注金融體系整體的系統性風險。正如Andrew Crockett所講，應該將“微觀審慎與宏觀審慎聯姻”。然而，“聯姻過程”困難重重，比如風險匯總、各金融機構的行為特征、各個主體應對沖擊的反饋行為等，甚至計算能力，都面臨嚴峻的考驗。對于中國金融監管當局來講，尤其應注意以下幾點：

第一，明確壓力測試的作用。系統性金融風險壓力測試主要是用來監測和管理金融體系系統性風險，是金融風險管理的工具之一，具有風險管理工具的共性特征，不是萬能的，監管當局或者市場參與者不應對壓力測試結果報以過高的期望。在美國和歐洲，公眾對Dodd-Frank法案和歐洲銀行管理局（European Banking Authority）的壓力測試具有極高的期望，進行了大量的對銀行倒閉場景的壓力測試。然而，國際貨幣基金組織指出，不論覆蓋的風險因子如何廣泛、分析模型如何精練、壓力場景如何精確、金融監管當局如何與公眾交流，總有無法想象的風險存在，風險壓力測試總會出現失誤，其結果要么悲觀，要么樂觀;況且，總會存在不完整的數據、低估沖擊程度等;因此，每個人應該將風險壓力測試的結果在一個更大的背景下來理解。對于“更大的背景”的理解，英格蘭中央銀行（Bank of England，2013）認為，風險壓力測試是其向議會履行義務的工具、完成公眾賦予其保證金融體系穩定的使命的工具[14]。因此，對于系統性金融風險壓力測試的結果的理解要謹慎，要明確其與其他風險管理工具是互為補充的，是有局限性的。

第二，完善壓力場景的設計。金融體系能夠承受一種壓力場景并不意味著能夠經受其他類型沖擊的考驗，因此金融監管當局應從多維視角設計壓力場景。美國和歐盟等往往將壓力場景限制在一種或者兩種可能（其主要原因是考慮壓力測試的實施成本）;同時，在場景種類選擇上，美國基于Dodd-Frank法案往往假設沖擊來自宏觀經濟，僅僅關注宏觀經濟的沖擊會如何影響銀行體系的穩健。但是，2008年金融危機導致的全球經濟增長放緩表明來自金融體系的沖擊會反作用于實體經濟。Alfaro和Drehmann（2009）對于30個國家43次銀行業危機的研究表明，只有一半的銀行業危機是由宏觀經濟引起的，其中70%以上的銀行業危機無法基于過去的場景設計（來自于宏觀經濟的沖擊）來正確估計其損失的嚴重程度[15]。多場景的壓力測試能夠防止商業銀行與金融監管當局的相互博弈（Game the Test），防止商業銀行投機取巧地通過某一個場景下的壓力測試;此外，壓力場景的設計還應該考慮金融全球化導致的國家間風險傳染，要強化各國的金融監管合作[14]。因此，金融監管當局應全方位了解各個風險因子的運動軌跡，而不是僅僅局限于宏觀經濟運行的壓力場景，設計出符合中國國情的金融風險壓力測試場景。

第三，有效開發符合中國國情的壓力測試模型。系統性金融風險壓力的測試，不僅觀念上需要從微觀向宏觀轉變，其方法也應改變。不能僅僅依靠基于資產負債表數據的計量模型，因為此類模型往往是針對個體金融機構開發的，且其數據精度和可得性都無法滿足系統性風險壓力測試的要求。其實，壓力測試模型非常豐富，如何將不同的壓力測試方法和結果進行綜合是金融監管當局需要考慮的問題。基于資產負債數據的壓力測試模型往往與定期的金融穩定報告有關，而基于金融市場數據的壓力測試模型往往能夠提供頻率更高的測試結果。從西方國家的實踐經驗來看，監管當局通常將基于金融市場數據的壓力測試模型與基于資產負債數據的壓力測試模型結合起來使用。同時，還要權衡各模型的基本假設以及潛在的矛盾。微觀審慎監管視角下基于新古典經濟學建立的壓力測試模型具有局限性，還應考慮市場參與者的行為特征，如市場參與者異質且有限理性、金融機構之間的風險傳染、金融機構在不同時期具有不同行為特征等。為解決傳統模型的局限性，Bookstaber（2012）提出了自主行動者模型（Agent-based model，ABM）[16]，歐盟基于ABM建立了CRISIS（Complexity Research Initiative for Systemic Instabilities）模型。總之，系統性金融風險壓力測試模型以其復雜性給金融監管當局帶來了巨大的挑戰，金融監管當局應借鑒最新的學術研究成果，設計有效的、符合國情的系統性風險壓力測試模型，以提高金融風險管理的有效性。

參考文獻：

[1]?DEMEKAS D G. Designing effective macro-prudential stress tests： Progress so far and the way forward[R]. IMF Working Paper No.46，2015.

[2]?BASEL COMMITTEE ON BANKING SUPERVISION. Liquidity stress testing： A survey of theory， empirics and current industry and supervisory practices[R]. BIS Working Paper No.24，2013.

[3]?INTERNATIONAL M0NETARY FUND. Macro-financial stress testing：Principles and practices[R]. IMF Policy Paper，2012.

[4]?BEMANKE B S. Stress testing banks：What have we learned？[C]//Maintaining financial stability：Holding a tiger by the tail. A financial markets conference sponsored by the Federal Reserve Bank of Atlanta. Washington DC：Federal Reserve，2013.

[5]?BASEL COMMITTEE ON BANKING SUPERVISION. Making supervisory stress tests more macro-prudential： Considering liquidity and solvency interactions and systemic Risk[R].BIS working papers No.29，2015.

[6]?賴娟，呂江林.基于金融壓力指數的金融系統性風險的測度[J].統計與決策，2010（19）：128-131.

[7]?陳守東，王妍.金融壓力指數與工業一致合成指數的動態關聯研究[J].財經問題研究，2011（10）：39-46.

[8]?劉曉星，方磊.金融壓力指數構建及其有效性檢驗——基于中國數據的實證分析[J].管理工程學報，2012（3）：1-6.

[9]?劉瑞興.金融壓力對中國實體經濟沖擊研究[J].數量經濟技術經濟研究， 2015（6）：147-160.

[10]張晶，高晴.中國金融系統壓力指數的設計及其應用[J].數量經濟技術經濟研究，2015（11）：41-57.

[11]陶玲，朱迎.系統性金融風險的監測和度量——基于中國金融體系的研究[J].金融研究，2016（6）：18-36.

[12]張勇，彭禮杰，莫嘉浩.中國金融壓力的度量及其宏觀經濟的非線性效應[J].統計研究，2017，34（1）：67-79.

[13]徐國祥，李波.中國金融壓力指數的構建及動態傳導效應研究[J].統計研究，2017，34（4）：59-71.

[14]BANK OF ENGLAND. A framework for stress testing the UK banking system[R].Bank of England Discussion Paper， October，2013.

[15]ALFARO R，DREHMANN M. Macro stress tests and crises：What can we learn？[R]. BIS Quarterly Review，2009.

[16]BOOKSTABER R. Using agent-based models for analyzing threats to financial stability[R]. Office of Financial Research Working Paper No.0003，2012.