1、1基于宏观压力测试的我国商业银行信用风险研究【摘 要】 本文在 Wilson 模型的基础上，研究了宏观经济变量对我国商业银行信用风险的影响，以商业银行的不良贷款率作为因变量，以宏观经济因子作为变量，发现 M2、GDP、BCI、SIDEX、R 对商业银行体系的不良贷款率具有显著性影响。 【关键词】 信用风险； Wilson 模型；宏观压力测试 一、背景及意义 金融是现代经济的核心，商业银行又是现代金融体系的支柱，金融体系的稳定关乎整个国民经济体系及社会体系的稳定，金融体系的发展关乎经济社会的发展。随着我国加入 WTO，我国的银行业也逐步对外放开，在参与国际竞争的同时，必须要加强对风险的管理，传统
2、的风险价值（VAR）及其他一些信用风险管理的方法己经不能满足全面控制风险的需要，压力测试作为一种能度量极端情形的风险的方法正逐步成为应用的主流。 传统的风险价值（VAR）是在一定的置信区间，风险可能造成的最大损失，但传统的 VAR 无法估计置信区间意外的小概率事件给商业银行造成的损失，往往这些小概率事件会给整个银行体系带来致命的危害。而宏观压力测试是一种前瞻性的风险管理工具，可用于测算“异常但可能”宏观经济冲击对银行体系稳定性的影响，可以帮助中央银行和监管机构识别银行体系的薄弱环节，有助于各方理解银行业与宏观经济之间的联2系，同时提高中央银行和金融机构的风险评估能力。2009 年 4 月底，美
3、国对 19 家资产规模在 1000 亿美元以上的大银行进行“压力测试” ，虽然测试结果好于预期，部分消除了针对银行业不确定性，但仍未解决美国银行业面临的根本问题。2012 年 3 月份，美联储公布新一轮银行压力测试的结果，在 19 家有系统重要性的大银行中，15 家通过，4 家不及格。尽管通过了压力测试，却依然面临很多压力和风险。4 月 10 日美联储理事塔鲁洛表示，美联储将对由美联储进行的年度银行压力测试进行调整。二、文献综述 国外开展压力测试研究比较早，已经形成了比较完备的信用风险测评体系，更是把压力测试科学的应用于商业银行的风险管理中。 BossM（2002）在 Wilson 模型的基础
4、上，建立了澳大利亚银行不良贷款率与宏观经济因子之间的关系模型，并严格按照模型对银行部门进行压力测试研究，研究结果表明、股票指数、工业产值、名义短期利率、通货膨胀率和油价都是违约概率的决定因素；HoggarthG（2003）与DrehmannM，LoganA（2004）将 Monte Carlo 模拟应用到商业银行压力测试中，并严格按照 FSAP 的框架进行；Virolainen（2004，2006）在Wi1son 模型的基础上，对芬兰的银行体系实施了相关的宏观压力测试，研究结果表明芬兰国内的经济波动与该国国内的商行系统的相关信用风险两者有着比较强的联动性； 在国内，由于我国引入压力测试时间还比
5、较短，因此信用风险度量研究正处于学习、发展阶段。熊波（2006） 、任宇航（2007）等通过构建3多元 Logistic 模型，研究宏观经济变量与商业银行不良贷款率之间的关系，并根据结果进行模拟压力测试，结果显示 GDP 增长率、消费者价格指数 CPI 和一年期贷款基准利率 R 对我国商业银行的不良贷款率具有显著性影响；彭建刚（2008）根据 Credit Risk+模型，研究我国商业银行信用风险的行业相关性，并根据我国的实际情况得出了建设性的结果；程掸娟、邹海波（2009）根据 CPV 模型，结合我国实际，对 CPV 模型进行修正，并引入滞后变量，研究宏观经济因子与商业银行不良贷款率之间的关
6、系，得出了修正后的 CPV 模型在测度我国商业银行贷款违约率方面具有很强适用性的结论。 三、压力测试模型 Wilson 模型又称 CPV 模型或麦肯锡模型，是 Wilson 和 Thomas.C 在麦肯锡进行项目开发时，创造了 Wilson 模型，它主要反映贷款违约率与宏观经济变量之间的关系，确定情景变量后，通过模拟宏观经济变量对系统的冲击，计算出贷款违约率，Wilson 模型的公式为： 代表 t 年度的贷款平均违约率，则表示银行体系违约概率和各宏观经济变量关系的“综合指标” ，用来反映银行体系贷款违约率与各宏观经济变量的关系，它与贷款平均违约率是一一对应的，从（1）易知，与负相关，即违约率（
7、不良贷款率）越低，综合指标越大。 四、实证分析 由于我国的情况比较特殊，我国与 2004 年才开始对商业银行的不良贷款率进行统计，并且从 21 世纪初就相继成立了四大资产管理公司开始着手对国有商业银行的不良资产进行剥离，为股改铺路，因此造成了我4国商业银行体系不良贷款率的大幅波动。为了研究的科学性和结论的准确性，剔除了一些非连贯性、不可比性的数据，选取 2008 年第四季度到2012 年第四季度的不良贷款率进行研究。 在解释变量的选取方面，立足我国商业银行的基本情况，结合国内已有的研究成果，选择合适的宏观经济因子作为解释变量。本文选取名义的货币供给增速 M2、PMI、GDP 增速、房屋价格指数
8、 HIDEX、企业景气指数 BCI、股票价格指数和一年期贷款基准利率 R 作为解释变量。 由于时间序列数据时月度或季度的观测值，常常会出现循环性的变动，这样的数据会对研究结果造成重大影响。因此，在进行研究之前，要对数据进行“季节性调整” 。 五、结论与建议 压力测试已经成为全球最为流行的具有前瞻性的风险管理工具，能够预测“异常但可能”的宏观经济冲击对商业银行体系稳定性的影响，找到薄弱环节，提高商业银行应对风险的能力。具体要从以下几个方面进行： 首先，建立健全压力测试的科学体系。政府加大投入和监管力度，把压力测试纳入常规的风险管理监管体系。 其次，不断完善压力测试基础条件。不断加大对专业人才的培养力度，针对我国现阶段压力测试相关阶段风险管理数据的缺乏，要完善数据库管理，并不断开发适合我国商业银行的信用风险评估模型。 最后，提高银行体系压力测试的透明度，并不断推进压力测试在银行风险管理和战略决策中的实际应用。 5（作者单位：合肥工业大学经济学院）
