1、中国商业银行体系信用风险评估浅论摘要：宏观压力测试，作为压力测试方法在宏观经济分析中的具体运用，可以提供极端事件对金融体系影响的前瞻性信息。随着各国金融监管当局对系统性风险的日趋重视，宏观压力测试方法逐渐成为检验一国银行体系的脆弱性、维护金融稳定的首选工具。本文主要研究宏观压力测试在银行信用风险评估中的应用，并在已有的模型成果的对比分析基础上，建立适用于我国的宏观压力测试模型并以此进行实证分析。本文以贷款违约率作为评估银行系统信用风险的指标，选取对银行信贷违约风险构成冲击的宏观经济变量，通过多元线性回归模型将其整合成为一个综合性指标。研究结果发现：名义国内生产总值（NGDP）和通货膨胀率指标（
2、CPI）对银行体系的贷款表现冲击力较强。在此基础上构建了两种宏观经济极端情境，在关于 NGDP 大幅下降和 CPI 骤升的压力情境设定下，银行体系的贷款违约率都出现了不同程度的大幅度提高。尤其在关于通货膨胀率的情境设定下，贷款违约率的增幅高于其在 NGDP 下降情境下的增幅。 关键词：商业银行；信用风险；宏观压力测试 一、引 言 自 20 世纪 70 年代末到 21 世纪初，全球有 93 个国家先后爆发了 112次系统性银行危机。尤其 90 年代以来频频爆发的金融危机如 1987年美国股市崩盘、1994 年美国利率风暴及中南美洲比索风暴、1997 年亚洲金融危机、1998 年俄罗斯政府违约事件
3、，特别是 2007 年春季开始的次贷危机最终演变为 2008 年的全球金融风暴，波及范围之广，影响程度之大，史无前例。它们不仅使一国多年的经济发展成果毁于一旦，还危机到一国的经济稳定，对全球经济也产生了强大的冲击。 1 收稿日期：2008-07-05 项目资助：本文受到西安交通大学“985 工程”二期资助（项目编号：07200701） ，国家社会科学基金（08DJY156）资助。 作者简介： 李江（1962-） ，湖南省湘潭市人，金融学博士，西安交通大学经济与金融学院副教授， 硕士研究生导师，研究方向：金融风险管理；刘丽平（1982-）,女，河北省承德市人，西安交通大学经济与金融学院硕士研究生
4、，研究方向：财务预警。 金融系统的宏观压力测试是一类前瞻性分析的工具，用于模拟“异常但合理” 宏观经济冲击对金融体系稳定性的影响，可以帮助中央银行识别金融体系的薄弱环节，有助于各方理解金融部门与宏观经济之间的联系，同时提高中央银行和金融机构的风险评估能力。因此，受到各国金融监管当局的重视，逐渐成为检验一国银行体系的脆弱性，维护金融稳定的首选工具。在金融全球化的趋势下，随着我国金融市场的完全开放，我国金融业和国际金融市场的逐步融合，是否拥有一个稳定和富有竞争力的银行体系对于中国而言显得非常迫切。对银行体系进行稳定性评估，尤其是对银行体系面对的信用风险 进行宏观层面的压力测试，对防范和化解系统性金
5、融风险，维护中国金融稳定和安全具有重要意义。 下面研究宏观压力测试在银行信用风险评估中的应用，通过对国外已有的成熟模型理论成果分析比较的基础上，根据我国的宏观经济及金融发展特点，经济、金融数据统计及披露特点，模型的数据需求深度广度要求，建立适用于我国的模型并以此进行实证分析。 二、文献综述 （一）宏观经济因素对银行信贷违约风险的影响 McKinnon R2认为，宏观经济稳定时，银行经营行为非常保守，不会出现不顾风险单方面追求效益的现象。但在实际汇率波动、通货膨胀出现等宏观经济不稳定的情况下，政府或明或暗的存款担保，导致银行会产生以高利率对高风险项目贷款的风险行为。Donald van Deve
6、nter3通过线性回归分析，确定了宏观因素对银行股价变动的解释在统计上是显着的。 对 20 世纪 80 年代以来各国银行不稳定尤其是银行危机现象, 国际组织和国内外学者进行了大量研究, 积累了十分丰富的实证资料。尤其是来自美国、英国、澳大利亚、芬兰的许多国外学者, 在对 20 世纪80、90 年代全球银行不稳定事件的实证分析中发现, 宏观经济因素波动在各国银行不稳定中扮演着重要角色。Tom Bernhardsen4-5建立起银行破产与不良贷款和宏观经济因素的关系模型，并且利用欧洲国家的面板数据进行了实证检验。Erlenmaier U6和 Gersbach H7利用挪威中央银行的宏观经济模型 R
7、IMINI 对总体审慎指标的趋势与发展进行预测，并且建立了评估贷款违约率的宏观信贷方程。Froyland E 和Larsen K8利用 RIMINI 对银行不良贷款在宏观经济波动情境下进行了压力测试。Pesola J9分析了银行系统危机对宏观经济因素波动的敏感性，并利用芬兰的数据通过建立模型对两者之间的关系进行定量分析。Virolainen K10对芬兰金融风险的实证评估，建立了宏观信贷模型并进行宏观压力测试，揭示了芬兰银行系统贷款违约风险与宏观经济波动的相关性。 国内对于银行体系的稳定评估的实证研究，包括陈华，伍志文11运用 19782000 年间的数据对我国银行体系脆弱性状况进行了量化分析
8、。结果发现,中国整个银行体系在 19782000 年之间有 11 年是不稳定的,尤其是在 1992 年和 1998 年前后更为突出,银行体系出现了不稳健的征兆,存在较大的金融风险。 （二）宏观压力测试理论和实践 在执行宏观压力测试使用的宏观信贷模型的研究领域，有两个学者的模型框架占据举足轻重的地位，并为日后的学者不断的进行模型的拓展研究和实证应用奠定了良好的基础。他们是 Wilson T C12-13和 Merton R14 。Wilson 对各工业部门违约概率对一系列宏观经济变量的敏感度直接建模。模型的思想是对违约概率和宏观因素的关系进行建模，模拟将来违约概率分布的路径，就可以得到资产组合的
9、预期异常损失，进而模拟出在宏观经济波动冲击下的违约概率值。相比较而言，Merton模型则多加入了股价对宏观要素的反映，将资产价格变动整合进违约概率评估模型。因此，前一种模型更直观，计算量较小；而后一种方法对数据的广度和深度的要求以及计算量要求都很高，其中有些市场数据也许是信贷风险的噪音指标。 世界各地的学者，运用上述模型框架进行了大量的实证研究。Vlieghe G15对英国银行体系累加的企业违约概率进行建模估计，发现 GDP、实际利率和真实工资水平具有较显着的解释能力。Bunn P,Cunningham A 和 Drehmann M16曾使用 probit 模型来测算英国企业部门的贷款违约风险
10、。Boss M17针对加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚银行部门的压力情境，结论说明工业产值，通货膨胀率，股票指数，名义短期利率和油价都是违约概率的决定因素。Marco M 、Sorge、KimmoVirolainen18利用 Wilson 模型框架对芬兰银行系统的信贷违约概率进行了宏观压力测试分析。结果证明在压力情境下，违约概率（PD, portability of default）的蒙特卡罗模拟分布明显异于常态分布，其 Var 值远高于基期的测算值。Jim Wong,Ka-fai Choi 和 Tom Fong19建立了香港零售银行面对宏观经济波动的信贷风险宏观压力测试
11、框架。模型框架中引入的宏观经济变量包括：国内生产总值（GDP） ，利率（HIBOR） ，房地产价格（RE）和大陆的GDP。同时用宏观压力测试评估了香港银行体系的贷款资产和住房抵押贷款风险暴露。压力情境的设定模拟了亚洲金融危机时发生的宏观经济波动，并分别引入了测试模型。结果表明在置信水平 90%时，在所有压力情境下有些银行仍然能够盈利。这意味着目前银行系统的信用风险较稳和。当 VaR 取 99%的置信水平这一极端情况时，一些银行出现了巨额损失，但这类事件发生的概率极低。 Hoggarth G 和 Whitley J20与 Drehmann M Hoggarth， G Logan A， Zecch
12、ino L21在他们的研究中引入了英国在 FSAP 框架指引下宏观压力测试的执行结果和方法，在压力情境的设定方面采用在险价值框架下的蒙特卡罗模拟法。Jones M T, Hilbers P 和 Slack G22-23提供了宏观压力测试的更一般的非线性的方法。Worrell D24-25 讨论了一个将早期预警系统，金融健全性指标和宏观压力测试整合的方法。 一些学者研究将信用风险和市场风险整合测量，例如 Allen L 和 Saunders A26尝试将宏观经济因素整合进信用风险的测量模型。而最近的一些文献如 Pain D、Vesala J27和 Gropp 等人28-29则是引用 Wilson
13、 的宏观信用模型分析了宏观要素对银行的债务人的信用质量的影响。而 Wilson 的模型的一个替代选择则是 Merton 的公司层面的结构模型. Gray D、Merton 和 Bodie30将这一框架扩展至研究主权违约风险。Derviz A 和 Kadlcakova N 31将商业周期的影响整合进一个具有结构模型和简化模型特征的复合模型。Drehmann M、Manning M32和 Pesaran M H 等33在利用 Merton 模型框架的宏观压力测试中研究了违约概率和宏观经济变量的非线性关系。Benito A,Whitley J 和 Young G 34将基于衡量违约概率的 Merto
14、n 模型融入针对模拟个别企业违约的 probit 模型。他们发现 Merton 模型方法比仅仅依靠企业的财务数据的模型效果更优。 还有一些文献使用不良贷款，贷款损失额或者复合指标与宏观经济因素整合成矩阵向量来测算金融体系的稳定性。Hanschel E 和 Monnin P35针对瑞士银行系统构建了一个复合压力指标，该指标综合了金融不稳定的市场指标和银行资产负债表上的衍生变形指标。Kalirai H 和 SchEicher M36针对对澳大利亚银行体系累加的贷款损失，通过涉及广泛的宏观经济变量的模型进行了时间序列的回归估计。这些宏观经济变量包括国内生产总值、工业产值缺口、消费者价格指数、货币供给
15、增速、利息率、股票市场指数、汇率、出口额和油价。 （三）国内外研究述评 目前国外开展的关于银行稳定性评估的实证研究十分丰富，其中挪威和芬兰中央银行的研究对金融系统的评估最具综合性。稳定性评估的目的在于，对银行体系的健全状况和抵御系统性金融危机的能力进行定量和定性的客观评价。为此采用了金融稳健指标分析（Financial Sound Indi cators)和压力测试的方法，对宏观经济环境中例外但有可能发生的冲击（Shock）情境进行模拟，来量度和评估银行体系在遇到冲击甚至遇到金融危机时，保持稳定（即银行保持基本运营不会发生突变）的能力。 而国内对于银行体系的稳定评估的实证研究都偏重于评价银行体
16、系的稳定性，对在抵御不确定性风险的能力评估并未涉及。目前我国关于宏观压力测试的研究才刚刚涉及，孙连友37 ，高同裕、陈元富38等学者对宏观压力测试进行了理论上的探讨，但多为国外文献的整理或综述，未能进一步的发展和深入。尤其在模型研究方面，仅仅停留在介绍早期国外学者的模型框架和较为成熟的各国宏观压力测试手册指引中的操作流程。其内容多为宏观压力测试的必要性、目的作用、所用方法、国内外的具体实践等，未能有很系统和深入的介绍，而对多种宏观压力测试模型的介绍和分析尚无涉及。 在实证方面，熊波39通过建立宏观经济因素的多元 Logit 回归分析，并对结果进行假设情境的压力测试分析。得出的结论是， 国内生产
17、总值和通货膨胀率这样的宏观经济变量的确是影响中国银行体系稳定性的重要因素。但是该文只是借鉴了压力测试的思想，使用传统的方法，通过模拟情境下宏观经济因素异动，由 Logit 模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法不能有效地反映出宏观变动冲击对银行体系的影响，不能看出压力情境下银行面临的最主要的信用风险的分布状况，即贷款违约率的概率分布。 三、宏观压力测试方法流程及模型设定 （一）方法流程 宏观压力测试是模拟“危机事件”来估计极端却可能的压力情境下金融体系的波动。在宏观压力测试的框架中，其模型表示为： Q(t+1 t+1X=f(Xt,Zt) （1） 在（1）中 表示在
18、模拟的压力情境下评价金融体系的稳定性的指标的表现。在宏观压力测试模型中衡量金融部门波动性的最一般的方法是资本的潜在损失率。Q()表示衡量金融系统波动性的风险矩阵，衡量违约情况的指标例如贷款损失额主要通过模拟压力情境下的点估计得到。在这种情况中，该条件概率值表示的风险矩阵较容易计算。而在险价值方法中，在任何给定的压力情境下，资产组合的损失应产生概率分布，而不是前一种方法中的点估计值。框架中 f()表示损失方程，该方程模拟了宏观经济冲击对金融体系中加总的资产组合的影响关系。该方程可包含风险暴露，违约概率，相关性，回馈效应，以及宏观经济变量变动与系统层面金融稳定性表现的相互关系。 压力测试的执行方式
19、主要是通过情境设定，根据情境假设下可能的风险因子变动情形重新评估金融商品或投资组合的价值，整个程序通常分为两大步：一是情境设定；二是重新评估。通常重新评估的方式不会有太大的差异，但是情境设定的方式却有很多种选择。情境分析（Scenario Analysis）是目前应用的主流。即利用一组风险因子定义为某种情境，分析在个别情境下的压力损失，因此此类方法称为情境分析，情境分析的事件设计方法有两种：历史情境分析（Historical Scenario）和假设性情境分析（Hypothetical Scenario） 。其他方法还有敏感度分析（Sensitive Analysis）和极值理论法（Extre
20、me Value Theory, EVT） 。 本文根据信用风险压力测试的相关文献以及世界银行和国际货币基金组织联合开发的 FSAP（financial Sector ass ess ment programme)的手册，将压力测试的执行程序见图 1 所示。图 1 压力测试流程图 （二）模型的设定 本文将在 Wilson、Boss 和 Virolainen 研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。首先借鉴国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。在此基础上使用 Logit 方程将贷款违约率转化为宏观综合指标，以指标作为因变量与宏观经济因素进行多
21、元线性回归分析，使得这一指标能够很好地利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面，参考国内外学者实证研究中模型的自变量，结合我国数据统计和披露特点等制约因素选取适合的宏观经济变量来构建模型。 yt=ln1-PDtPDt （t=1, 2, N） （2） yt=0+1Xt+1+mX1-m+1yt-1+ny1-n+t （3） Xt=0+1Xt-1+pX1-p+1yt-1+qyt-q+t （4） PDt 代表 t 年度的贷款的平均违约率，Y 是一个反映宏观经济状况的综合性指标，也可以将它理解为是反映银行体系违约概率和各宏观经济变量的关系的“中介指标” ，X 代表宏观经济变量。在利用
22、历史数据进行模型估计时，通过处理的违约概率值代入（2）就可以得到估计的综合指标的估计值。将其带入（3）就可以估计出宏观方程的系数，并以此估计出的方程作为进行宏观压力测试的基础。而在执行压力测试的时候，通过压力情境的设定，用不同方法得到的各相关宏观经济变量值代入估计出的（3）就可以得到压力情境下的 Y，再通过（2）就估计出了压力情境下的银行系统的违约概率。 公式（2）就是对贷款违约率进行Logit 回归分析，PDt 表示 t 年度的贷款的平均违约率，yt 表示一系列宏观经济变量的综合指标。 公式（3）是反映各宏观经济变量与综合性指标 yt 的关系的方程，本文采用多元线性回归的方法来模拟变量之间的关系。其中Xt=(x1,t,x2,txl,t) 是 L1 阶列向量，代表 L 个宏观经济因素构成的列向量；t 是方程的随机扰动项。截距 0 是一个 L1 阶列
