我國債券資產的壓力測試

熊 熊，蘭 云

（天津大學管理與經濟學部，天津300072）

自20世紀70年代布雷頓森林體系崩潰以來，金融自由化和全球化迅速發展，金融體系面臨的風險日趨增加，金融危機的發生也越來越頻繁。具體來說，20世紀70年代末，拉美債務危機爆發，引發西方國家銀行倒閉風潮；20世紀80年代后期美國平均兩天內就會有一家銀行倒閉；20世紀90年代，從日本經濟陷入低迷到墨西哥金融危機、俄羅斯金融危機、亞洲金融危機和阿根廷金融危機等相繼爆發，這都顯示出金融體系風險的常態化。而2007美國爆發的次貸危機不僅顛覆了美國本土的金融格局，也殃及了大量北歐國家，使曾經的“北歐天堂”不復存在。在2009年，全球經濟呈現復蘇的萌芽時，希臘、迪拜又相繼爆發主權債務危機。種種事實說明，金融風險已呈現常態化趨勢，因此風險管理顯得尤為重要。

談及金融風險管理，傳統的VaR模型假定風險因子服從正態分布或對數正態分布，風險因子收益的變化具有“平穩”的特征，排除了發生跳躍和其他極端情況的可能性，進而度量在一定置信水平和一定持有期內，某一金融工具或其組合在未來資產價格波動下所面臨的最大損失額。因此，VaR模型適用于一個“正態市場”，或者說是正常市場環境，而當金融市場激烈動蕩的時候，VaR模型就無能為力了，這也在2007年的次貸危機中得到了證實。

此外，從我國金融市場的情況來看，壓力測試出現在我國的金融舞臺最早可以追溯到中國銀監會為了響應IMF和世界銀行于1999年5月聯合推出的“金融部門評估規劃（FSAP）”，并于2003年9月開始組織對各商業銀行的評估工作。此外，中國銀監會于2007年制定了《商業銀行壓力測試指引》旨在提高商業銀行的風險管理能力，該指引于2014年進一步修正。除此之外，壓力測試在其他領域應用并不廣泛，實踐并不充分。隨著2015年我國加入世界貿易組織的保護期屆滿，面臨的全球金融風險更加嚴峻，各種無法用VaR模型解決的問題將會無法避免。因此，對我國金融市場尤其是債券市場進行壓力測試是十分有必要的。

Dunbar和Irving（1998）指出壓力測試主要有三種分析方法：歷史情景分析法、結構化情景分析法和根據機構本身特性的情景分析法[1]。BIS（2000）則認為，可分為敏感性分析法、歷史情景分析法、虛擬情景分析法、最大損失分析法與極值理論分析法等[2]。Kupeic（2002）依據傳統VaR模型的架構，以Delta正態法為基礎進行壓力測試，將VaR與壓力測試構建在同一分析架構中，但其分析架構在理論上忽略了多數資產收益率的實際分布常具有厚尾現象的特性[3]。Embrechts、Mon eil（1997）等一些研究極值理論在風險管理應用的學者，也陸續推導出了可以同時估計出壓力情景下的資產組合損失及其發生概率的方法[4]。國外就壓力測試的定量方法可分為兩類：一類是事先假定分布的方法，包括利用模型估計分布的變異數；另一類是利用蒙特卡羅模擬的方法。

就壓力測試的具體操作程序而言，一套完整的壓力測試往往包括風險因素識別、情景構建、場景分析和模型選取。Pesaran、Schuermann、Treutler和Weiner（2006）最早采用了VAR模型生成概率情景來對銀行系統進行壓力測試，并采用沖擊響應函數來探究宏觀經濟變量的沖擊[5]。Thomas Breue（r2009）提出采用風險因子的馬氏距離來界定壓力情景發生的概率。這種方法的優勢是可以讓決策者在極端情景的可能性和嚴峻性之間做權衡[6]。在模型選取方面，比較有亮點的是Van den End、Hoeberichts、Tabbae（2006）在奧地利的 SRM 多元 t-copula的基礎上提出了另一種新的方法。該方法考慮了宏觀經濟變量同時變化的情況和他們之間的互相作用，解決了壓力測試不能很好地解決相關性的問題[7]。Ricardo Schechtman等（2012）對巴西銀行系統的房地產貸款進行壓力測試，在Wilson模型基礎上加入了分位數回歸，有利于估計資產規模的厚尾特征[8]。此外，Vazquez et a1（．2012）首次嘗試開拓了新的研究方法，采用VaR模型對風險因子進行建模并識別變量間關系。

相較于國外的研究，國內對壓力測試的研究起步較晚。尤其是在2007年以前，大多數學者如郭春松（2005）、黃（2004）、楊鵬（2005）、董天新和杜亞斌（2005）、陳德勝和姚偉峰及馮宗憲（2004）、蔣祥林和王春峰（2005）等先后圍繞壓力測試的必要性、目的作用、所用方法、國內外的具體實踐進行了理論上的探討[9～14]。在實證方面，以汪壽陽、張靜（2002）的研究比較有代表性，他們利用壓力測試的方法分析日元貶值對我國2002年出口造成的影響[15]。在2007年以后，學者們更多地圍繞壓力測試的具體操作程序展開研究，而且結合商業銀行信用風險的研究占了大部分。其中，唐文江等（2009）對壓力測試情景設置進行了探討，分析了情景設置的方法，并對情景設置中如何建立宏觀經濟因子之間的聯系、風險因子的傳導機制以及情景設置如何與風險管理文化結合、應對突發事件等問題進行了探討[16]。巴曙松、朱元倩（2010）總結了國際上對壓力測試的實踐規范與方法，著力研究了事件沖擊到承壓變量之間的傳導機制和缺乏數據情況下的宏觀壓力測試[17]。徐明東、劉曉星（2008）深入研究了宏觀壓力測試的理論模型和執行宏觀壓力測試的主要步驟、方法，并對宏觀壓力測試的主要難題如銀行之間的相互影響與反饋效應等進行了研究[18]。同時，他們也對目前主要的宏觀壓力測試系統，包括FSAP系統、奧地利央行的SRM系統以及英格蘭銀行的TD系統，進行了比較研究。楊曉奇（2010）選取不良貸款率為指標評估銀行體系穩定性[19]，在Wilson（1997）的研究框架下，使用蒙特卡洛模擬和誤差校正模型進行宏觀壓力測試，評估銀行體系在GDP增長率為7%、6%和5%的情景下銀行體系的穩定性。

早期的壓力測試主要集中在壓力測試的執行框架、操作流程上，近期的壓力測試則從情景的設置、模型的選取、壓力測試的執行、影響測度等多個角度出發，對壓力測試進行了較為深入的研究。目前的研究呈現以下幾個特征：首先，對宏觀經濟體系的壓力測試研究主要由監管部門領導，對其重點關注的問題是如何兼顧壓力情景的嚴峻性和概率特征，有很多研究對這些問題進行探討，可惜效果不盡如人意。

一、理論基礎

（一）壓力測試

壓力測試這一概念最早由國際證券事務監察委員會組織（IOSCO）于1995年提出，當時被定義為：“假設市場在最不利的情形下，如利率突然急升或股市突然重挫時，對資產組合的影響效果。”而后，1999年這一定義被擴展為：“將資產組合面臨的嚴峻但有可能發生的極端風險加以認定并進行量化。”此外，2000年國際清算銀行巴塞爾銀行全球金融系統委員會（BIS committee on the global finanical system，BCGFS），將其定義為一種金融機構用以衡量那些潛在但可能發生的異常損失的模型。就我國而言，銀監會將壓力測試視為：“將整個金融機構或資產組合置于某一特定的主觀想象的極端市場情況，對該金融機構或資產組合在這些關鍵市場變量突變的壓力下的表現狀況進行測試，看其是否能經受得起這種市場的突變。”綜合國內外對壓力測試的定義，本文將壓力測試理解成一種衡量在極端市場情況下所導致的潛在損失的方法。

作為金融風險管理的方法之一，壓力測試的主要目的在于評估單個債券基金或是商業銀行等金融機構在市場發生嚴峻性的危機事件時所面臨的主要風險以及評估在極端不利條件下金融機構體系的穩健性，也就是通過預設某些宏觀經濟指標發生劇烈震蕩時，對債券市場或是銀行體系穩健性的影響。壓力測試的方法可以運用在優化并檢驗經濟資本配置是否合理、評估金融機構業務風險大小、測量異常但是有可能發生的極端事件對資產組合的影響以及評估金融機構的風險承受特性。

就壓力測試的作用而言，主要分成兩個方面。第一，對商業銀行、債券基金等金融機構來說，壓力測試有助于其更完善地評估其抵御風險的能力，增進對本身風險狀況的了解，有利其監測有關風險狀況的變化，使它的管理層能夠將其現在所承受的風險。此外，針對歷史數據“失真”的情況，彌補對主要以歷史數據及假設為基礎的風險評估方法以評估蒙受損失的大小。第二，針對金融機構的監管當局，運用壓力測試的方法可以使其對所監管的金融機構在未來可能承受的風險和所能夠承受的風險強度有一個宏觀的把握并預測在不利的經營條件下風險發生的可能性，對風險的規避有重要的意義。

從操作方法來看，壓力測試大體可以分為兩種類型：情景測試和敏感性測試。情景分析會涉及多個因子的變動，測試的過程也相對復雜，主要應用于流動性風險、信用風險以及操作風險以及宏觀壓力測試。根據選取的情景不同又可以細分為歷史情景法和假定情景法兩種。敏感性測試主要應用于單個風險因子的變動，常用于市場風險的壓力測試。

（二）我國上市公司債

新的《公司法》對公司債券的定義是：“指公司依照法定程序發行、約定在一定期限內還本付息的有價證券。”公司債券是公司外部融資的一種重要手段，是企業融資的重要來源，同時也是金融市場上的重要金融工具之一。作為私人公司或公眾公司舉借債務時使用的工具，公司債由發行人根據發行契約發行，為債券持有人的債權憑證，由發行人承擔還本付息的義務。公司債期限可短至幾天或長達百年，發行人在債券契約中必須說明資金用途、財務狀況。另外，公司債還具有不免稅、有固定發行面值、在交易所上市等特征。此外，公司債券的發行通常由評信機構給予信用評定。目前，我國上市流通的公司債評級分為 AAA、AA+、AA、AA-、A+和 A 六類。

二、公司債的壓力測試

（一）數據來源及處理

本文對公司債的壓力測試采取敏感性測試的方法，對市場風險進行管理，即研究市場利率大幅變動對公司債價格的影響。本文采用公司債的到期收益率代表價格。由于目前我國上市的公司債有 AAA、AA+、AA、AA-、A+和 A 六種評級，只選取單一種類不具有代表性。此外，公司債的期限往往不等，期限也會對收益率造成影響。所以，為了兼顧研究的全面性與效率性，本文選取AAA、AA和A+三類公司債的數據，并將每種類別的3年、5年、7年的收益率進行平均，得到債券到期收益率（ytm）數據。數據以日為頻率，期限為2014年12月10日至2016年5月5日共342個數據。本文采用隔夜的上海銀行間同業拆借利率（shiboro/n）來代表市場利率。與之對應，選取shiboro/n（s）2014年12月10日至2016年5月5日共342個數據。本文中所有數據均來自Wind數據庫，本文模型的實現通過經濟計量分析軟件——Eviews6.0實現。

（二）VaR模型設定

向量自回歸模型（VaR模型）是一種非結構化的多方程模型，它不以經濟理論為基礎，而是讓數據本身來確定模型的動態結構，常用于預測相互聯系的時間序列系統以及分析隨機擾動對變量系統的動態影響。在模型的每一個方程中，內生變量對模型的全部內生變量的滯后值進行回歸，從而估計全部內生變量的動態關系，回避了結構化模型的要求。本文通過建立關于公司債收益率（ytm）和市場利率（shibor）的VaR模型，讓數據本身來確定模型的動態結構。

VaR模型的表達式如下：

式中，yt是m維內生變量向量，xt為d維外生變量向量，A1…Ap和B1…Br是待估計的參數矩陣，內生變量和外生變量分別由p和r階滯后期；εt是隨機擾動項，同期之間可以相關，但不能有自相關，不能與模型右邊的變量相關。

三、基于VaR模型的A+類公司債壓力測試實證分析

（一）ADF根檢驗

單位根檢驗（Unit Root Test）主要用來判定時間序列的平穩性。如果一個時間序列的均值或協方差函數隨時間變化而改變，則這個序列就是不平穩的時間序列。如果該時間序列經過一階差分后變為平穩序列，則稱該序列為一階單整序列，記作（I1）；如果是經過d次差分后才平穩，則稱為d階單整序列，記作（Id）。在進行VaR模型的估計之前，需要對時間序列進行平整性檢驗，否則很可能出現“偽回歸”的現象，影響結果。

在對時間序列進行單位根檢驗之前，首先要判斷其大體趨勢，以便選擇合適的ADF模型。

首先，利用Eviews畫出兩個序列的趨勢圖。這里對ytm和s序列均采取了對數化處理，不影響后續估計與檢驗結果。分別命名 log（ytm）和 log（s）為 ytm1和 s1。

圖1 ytm1和s1的序列趨勢圖

由圖1可以看到，兩個序列含有截距項但并沒有明顯的趨勢，故采取含截距無趨勢模型對兩個序列分別進行ADF單位根檢驗。

由表1可以看出，A+級公司債收益率序列和隔夜拆借利率都不是平穩序列，因此不能直接對原序列構建VaR模型。但同時我們可以看到，ytm1和s1的一階差分序列是平穩的，所以應該對其進行協整檢驗，以判斷是否可以對原序列構建修正的VaR模型。

表1 ADF檢驗結果

（二）協整檢驗

根據協整理論，如果非平穩變量序列之間的線性組合有不隨時間變化的性質或具有平穩性特征，即說明這些非平穩變量之間具有長期穩定的均衡關系。通過前述分析，采用有截距項、但序列沒有確定性趨勢項的Johansen協整檢驗方法進行檢驗。

表2 JJ協整檢驗輸出結果

由JJ檢驗結果可以看出，變量ytm1和s1之間有1個協整關系存在。

根據檢驗結果最下方的部分可以得到協整方程（如表3所示）。

表3 協整方程

協整方程為：

log（ytm）=0.08log（s）

s.e.=（0.046）

（三）向量誤差修正模型的構建

向量誤差修正（VEC）模型是帶有協整約束的向量自回歸（VaR）模型。只有變量間存在協整關系時才可以構建VEC模型，其多用于具有協整關系的非平穩時間序列建模。由之前的結果，我們可以對ytm1和s1變量序列構建VEC模型。主要從以下幾方面進行。

1.最佳滯后期的確定。首先，由根據AIC和SC信息準則確定最佳滯后期。由表4可知，依AIC和SC最小的原則，本模型的滯后期為三期。

表4 最佳滯后階數的確定

2.AR根穩定性檢驗。為了模型的有效性和穩定性，進行 AR特征根的檢驗，檢驗結果（如圖2所示）。

圖2 AR根檢驗圖

根據本文圖2可知，該模型的AR根模的倒數均在單位圓內，因此本文建立的VaR模型是穩定的，可以進一步做脈沖響應分析。

3.脈沖響應分析。脈沖響應分析是用來描述一個內生變量對由誤差項所帶來的沖擊的反應，即在隨機誤差項上施加一個標準差大小的沖擊后，對內生變量的當期值和未來值所產生的影響程度。為了研究債券收益率與市場利率之間的動態關系，本文通過脈沖響應分析來看加入市場利率沖擊后債券收益率的走勢，脈沖響應（如圖3所示）。

圖3 ytm1和s1各自殘差的一個標準偏差沖擊的脈沖響應

圖6中實線表示受到沖擊的變量的走勢，虛線范圍表示脈沖的正負兩個標準誤差偏離帶。由圖可知，當給市場利率一個正向的沖擊，收益率會帶來同向的沖擊，且在5期（日）后影響達到峰值，后來逐漸趨緩。

4.格蘭杰（Granger）因果分析。Granger在 1969年提出Granger因果檢驗法，主要來分析變量之間的因果關系，判斷一個變量的變化是否是另一個變量變化的原因。通過Granger因果檢驗可以判斷出變量y能在多大程度上被變量x的過去值所解釋，即加入x的滯后期是否提高了解釋力度。如果x與y的相關系數在統計上是顯著的，則說明“y是xGranger引起的”。如果變量y受到x的滯后期影響，則x與y之間的Granger因果關系成立。本模型的格蘭杰檢驗結果（如表5所示）。

表5 格蘭杰因果檢驗結果

由表5可知，在5%顯著水平下，s1能Granger引起變量ytm1，而 ytm1不能 Granger引起變量 s1。

5.A+級債券收益率與shibor的回歸結果（見表6）。由表6所示的模型參數估計結果可得到回歸方程：

表6 模型回歸結果

log（ytm）=-0.003+0.231 log（ytm（-1））+0.185 log（ytm（-2））-0.01log（ytm（-3））-0.017log（s（-1））-0.028log（s（-2））-0.012 log（s（-3））

s.e.=（0.00026）（0.05416）（0.05389）（0.05164）（0.01297）（0.01450）（0.1321）

t=[-1.38868][4.26984][3.44232][-0.19255][-1.32003][-1.95804][-0.93899]

由模型可知，收益率受自身一階和二階滯后期正向影響，受市場利率滯后期負向影響。

（四）結論

由協整檢驗方程結果，對于A+債券而言，當市場利率增加1%。A+級公司債收益率會增加1.083%所以，若出現極端情況，利率上升100個基點，A+級公司債券收益率會上升108.3個基點，即1.083%；利率上升200個基點，A+級公司債券收益率會上升216.6個基點，即2.166%；利率上升400個基點，A+級公司債券收益率會上升433.2個基點，即4.332%。

表7

四、結語

首先，對于不同信用評級分類的公司債券，其收益率價格和市場利率變動呈同向變動，即當市場利率上升，不同評級的公司債收益率均會上升，給公司債券持有者帶來損失。

其次，對于不同信用評級的公司債券，對市場利率極端變化的敏感性不同。從本文的實證結果，A+級債券表現的最為敏感，當市場利率上升100個基點時，其收益率會上升108.3個基點，AA級債券收益率上升105.7個基點，AAA級債券收益率會上升101.1個基點。

最后，通過對shibor數據大幅變動的分析，得出對本文中市場利率變動影響最大的宏觀經濟因素是寬松的貨幣政策。