摘 要：近幾年進入經(jīng)濟增長“新常態(tài)”后，我國經(jīng)濟增長追求質與量的雙贏，經(jīng)濟增速的下滑伴隨著高質量“去杠桿”的壓力使得銀行業(yè)風險的進一步積累加劇。本文在梳理我國商業(yè)銀行信用風險生成機制的基礎上，運用蒙特卡羅模擬技術，剖析商業(yè)銀行在宏觀經(jīng)濟下滑和房地產(chǎn)價格下跌的壓力測試。

關鍵詞：信用風險;壓力測試;蒙特卡洛模擬

一、引言

2018年以來，世界經(jīng)濟格局的深度變化給中國金融體系帶來更多外部的不確定性，同時中國經(jīng)濟也面臨著供給側結構性改革的進一步深化，中國經(jīng)濟下行的壓力增大，再加上互聯(lián)網(wǎng)金融及消費金融公司在國內異軍突起，不斷瓦解商業(yè)銀行傳統(tǒng)業(yè)務，使得國內銀行業(yè)備受沖擊。銀行業(yè)的安全與穩(wěn)定關乎各國經(jīng)濟安全和金融市場的穩(wěn)定，加強銀行業(yè)風險的監(jiān)管勢在必行。兼具前瞻性及科學性的壓力測試成為商業(yè)銀行風險預警體系的關鍵要素，同時也成為銀行監(jiān)管機構和宏觀審慎監(jiān)管機構的核心工具。

二、相關文獻綜述

從理論方法的探究上講，早期學者是在與VaR體系做對比后，闡述壓力測試的基本概念、特征、程序、使用方法及其缺陷;或者是對國外先進機構在進行壓力測試的經(jīng)驗進行介紹。隨著理論的發(fā)展，后期學者們開始關注宏觀壓力測試建模技術的完善，如袁吉偉（2013）將信用風險宏觀壓力測試模型分為宏觀經(jīng)濟建模和信用風險建模兩個部分，分別介紹了建模技術方法和實證研究成果，為建模技術研究提供經(jīng)營總結。曹麟（2014）分別從國際銀行業(yè)的實踐、風險傳導及情景生成部分、風險計量過程三個部分，介紹了Credit Risk+、Credit Metrics和Credit Portfolio View等在國際銀行業(yè)宏觀壓力測試實踐中被廣泛使用的模型。

在實證關系探索方面，學者們研究的差異點主要集中在以下幾個方面：一是承壓指標的選擇，二是壓力傳導模型的構建，三是宏觀經(jīng)濟模型的選取，四是壓力情景的設計。

在信用風險承壓指標的選取上各學者采用的指標差異較大。部分學者出于統(tǒng)計計量口徑上的統(tǒng)一及信息需求者理解和使用上的考量，采用不良貸款率為承壓指標，如譚曉紅（2011）、蘇為華（2014）、王天宇和楊勇（2017）、張樂柱和黃文苑（2018）等。國際上也有學者采用違約概率來衡量信用風險，如Merton（1974）。相比利用歷史數(shù)據(jù)來衡量信用風險違約概率，Merton提出的違約概率的計算更具前瞻性，但是其以股價變動值為計算基礎要求必需為上市公司，而我國中小商業(yè)銀行的客戶中大部分為中小企業(yè)，無法獲取相關信息。

在宏觀經(jīng)濟模型的選擇方面，目前普遍使用是VaR模型，該模型在經(jīng)濟方程估計上的運用有較高的準確度，VaR模型將所有的變量視為內生變量，不帶任何先約束條件，避開了所有變量滯后值函數(shù)的建模問題，所以被學者們廣泛使用，如蘇為華和郭遠愛（2014）、施文俊和葉德磊（2016）等。部分學者認為VaR模型考慮了內生變量滯后項影響，卻沒有顯性考慮內生變量當期變化對其他變量的影響，所以發(fā)展了結構化向量自回歸模型SVAR，比如施建軍和周源（2011）、尹釗和譚暢（2015）。

在壓力傳導模型的構建上，主要模型有MF-Logistic模型、Merton-Vasicek模型、CPV模型等。Logistics模型是度量信用風險的傳統(tǒng)方法，對自變量做回歸預測來對某件事情發(fā)生的概率進行推測，主要用于解決因變量為虛擬變量的問題。在宏觀經(jīng)濟壓力測試用，對于違約變量的預測就被當作是一個虛擬變量問題來解決，如李關政（2011）。Merton-Vasicek模型是根據(jù)違約風險和宏觀風險計算資本計提要求時使用的經(jīng)典模型，如張巖和段楠（2015）。

壓力情景設計方面，主要有兩種方法：傳統(tǒng)方法和模特卡羅模擬法。傳統(tǒng)方法進行壓力測試具體方法大致可分為敏感性分析和情景分析。國內多數(shù)學者采用情景分析來執(zhí)行壓力測試，通過設置不同的宏觀經(jīng)濟情形來分析對商業(yè)銀行造成的影響，如張能福和康翔（2013）、農(nóng)行壓力測試課題組（2011）、段月嬌（2015）等。蒙特卡羅模擬法在金融計量領域有著廣泛的應用，能夠有效解決歷史樣本不足的問題，適用于對資產(chǎn)風險價值的度量。在設置壓力情景下，蒙特卡羅模擬大量未來某期的違約數(shù)據(jù)，然后就受壓于基準情況得出違約率的估計頻率分布，但是由于技術復雜，只有少部分學者采用蒙特卡羅模擬法對壓力測試的風險傳導機制進行分析，如楊劍（2011）、蘇為華（2014）、王祥云（2016）;但是實證結果顯示蒙特卡羅模擬法得到的壓力情景更加具有現(xiàn)實意義。

本文仍然選用CPV模型對我國商業(yè)銀行的信用風險進行，在宏觀壓力情景生成方面選擇VaR模型，運用蒙特卡洛模擬違約數(shù)據(jù)。本文研究創(chuàng)新之處在于利用最新的數(shù)據(jù)，針對不同類型的銀行采用蒙特卡洛模擬技術進行壓力風險測。這既是對當前研究的有益補充，也具有很好的實踐意義。

三、構建信用風險宏觀壓力測試模型

1.模型構建

（1）壓力傳導模型的構建

本文在借鑒Wilson（1997）的研究基礎上設定貸款違約率與各宏觀經(jīng)濟變量存在非線性關系的假定，將不良貸款率（NPL）進行Logit轉化成中介指標Yt，然后將Yt與宏觀經(jīng)濟變量建立壓力傳導模型。壓力傳導模型的具體形式如下：

其中NPLt代表商業(yè)銀行的不良貸款率，反映其信用風險狀況;Yt表示與不良貸款率相對應的中介指標，X1、…......Xk代表與商業(yè)銀行不良貸款相關的宏觀經(jīng)濟變量。

（2）宏觀壓力情景生成模型的構建

在壓力情景生成方面，向量自回歸模型（VaR模型）因其具有較高的準確度是使用非常普遍的宏觀經(jīng)濟模型。

Xt表示宏觀經(jīng)濟變量，Zt表示與銀行相關的外生變量，p表示滯后階數(shù)，考慮到宏觀變量之間的相關性，采用聯(lián)立方程來建模。在實證方法上，考慮到聯(lián)立方程間的誤差項可能存在異方差和同期相關，本文采用似不相關回歸對各參數(shù)進行估計。

2.變量選擇與說明

本文宏觀經(jīng)濟指標的選取上秉著與商業(yè)銀行穩(wěn)健經(jīng)營的密切度的原則：（1）實際產(chǎn)出因素：包括國內生產(chǎn)總值增長率（GDP）和工業(yè)增加值（IRV）。GDP衡量的是整個宏觀經(jīng)濟的運行狀態(tài)，它影響整個社會經(jīng)濟各單位的還款能力。（2）資產(chǎn)價格因素：固定資產(chǎn)投資完成額（INFA）、房地產(chǎn)開發(fā)投資完成額（REDI）、國房景氣指數(shù)（RE）等四個變量;因近年來房地產(chǎn)貸款在商業(yè)銀行中貸款占比較高，房地產(chǎn)行業(yè)的景氣程度對房地產(chǎn)企業(yè)及住房貸款產(chǎn)生影響;（3）物價水平因素：居民消費者價格增長率（CPI）、工業(yè)產(chǎn)品出廠價格指數(shù)（PPI）等兩個指標，CPI、PPI衡量價格的穩(wěn)定性，物價的穩(wěn)定性直接關系到宏觀經(jīng)濟的穩(wěn)定性;（4）金融市場因素：金融市場的穩(wěn)定關乎金融資產(chǎn)持有者的還款能力及金融產(chǎn)品價格的穩(wěn)定性，故選取廣義貨幣供應量增長率（M2）、短期貸款利率（SL）等指標。（5）其他外生因素：選取美元匯率（DCR）、社會消費品零售總額增長率（RSCG）等變量，在后續(xù)的模型構建過程中，再根據(jù)變量時間序列的平穩(wěn)性及顯著性進行篩選。

3.樣本數(shù)據(jù)的選擇與來源

我國銀行NPL的季度數(shù)據(jù)是從2003年第四季度才開始公布，所以全部指標樣本選取均為2004年-2019年。為了保持變量之間頻度的一致，本文均采用季度數(shù)據(jù)，對月度數(shù)據(jù)通過幾何平均處理統(tǒng)一為季度數(shù)據(jù);所有數(shù)據(jù)均源于Wind數(shù)據(jù)庫。

4.模型估計與實證結果分析

（1）變量的穩(wěn)定性檢驗與“協(xié)整檢驗”

本文選取ADF檢驗對所有變量的平穩(wěn)性進行檢驗，檢驗結果如表一。檢驗結果表明，在5%的顯著性水平下，變量的原始序列都是非平穩(wěn)的;在對原序列進行一階差分處理后，各宏觀變量都是一階單整序列。由此可進一步對相關變量進行協(xié)整分析。

利用johansen檢驗對上述變量進行協(xié)整檢驗，經(jīng)檢驗發(fā)現(xiàn)各宏觀經(jīng)濟變量之間存在三階協(xié)整關系，變量INFA、REDI、CPI、DCR、SL、M2、IRV之間滿足建立VaR模型的條件。

（2）模型變量的篩選與形式的確立

根據(jù)FPE和QIC檢驗準則判斷VaR模型最佳滯后階數(shù)為2，AIC準則判斷出來的最佳滯后階數(shù)為4，BIC準則判斷出來的最佳滯后階數(shù)為1，考慮到如果方程中含有過多待估變量可能影響參數(shù)估計的有效性，綜合考量R2及方程的穩(wěn)定性，本文在建立VAR模型時最終選擇最佳滯后階數(shù)為2階。在模型變量的篩選上，考慮各變量顯著性和擬合情況，最終選取有顯著影響的INFA、REDI、CPI、DCR、SL、M2、IRV七個變量。

（3）模型估計與結果解釋

由于各自變量之間存在相互影響的動態(tài)結果特征，整個信用風險宏觀壓力測試模型被構建為一個反映相關關系的系統(tǒng)，將模型（2）和模型（3）聯(lián)立方程組，構建聯(lián)立方程模型系統(tǒng)，考慮到聯(lián)立方程間的誤差項可能存在異方差和同期相關，采用似無相關回歸方法（SUR），對模型進行估計，SUR的兩階段估計過程，可以消除自相關問題，實現(xiàn)估計量的一致性且漸近有效。對模型進行估計，剔除不顯著項后，得到的估計結果如表3。

從表4的回歸結果可以看出，模型以及各變量系數(shù)均較顯著，且系數(shù)的符號與預期相符。其中工業(yè)增加值（IRV）、固定資產(chǎn)投資完成額（INFA）、房地產(chǎn)開發(fā)完成額（REDI）的回歸系數(shù)為負，說明隨著工業(yè)增加值、固定資產(chǎn)投資、房地產(chǎn)開發(fā)完成額、短期貸款利率（SL）的增加，不良貸款率會降低;居民消費者價格增長率（CPI）、廣義貨幣供應量增長率（M2）、美元匯率（DCR）在模型中的回歸系數(shù)為正，說明商業(yè)銀行的不良貸款率會隨著居民消費者價格、廣義貨幣供應量增長率、短期貸款利率、美元匯率的增長而上升。

四、宏觀壓力因素沖擊對商業(yè)銀行信用風險影響分析

為了檢驗商業(yè)銀行在宏觀經(jīng)濟下行情況下的抗壓能力，根據(jù)上文的信用風險壓力測試的模型，運用蒙特卡洛隨機模擬技術模擬在不同的宏觀經(jīng)濟沖擊情形下，不良貸款率的估計頻率分布。隨著近幾年“去杠桿”、“控風險”、“一帶一路”等宏觀政策背景下，經(jīng)濟增速明顯放緩，本文壓力情景選擇INFA、REDI增速下滑及CPI陡然上升作為壓力沖擊因子，測試在輕度、中度、重度三種壓力情形下商業(yè)銀行不良貸款率變化，來檢驗我國商業(yè)銀行抗壓能力。經(jīng)濟下滑不同程度給商業(yè)銀行不良貸款率帶來沖擊的蒙特卡洛模擬結果如下表：

從上表中可以看出，與輕度壓力相比，在嚴重情況下我國商業(yè)銀行的不良貸款率上升幅度較大，說明我國商業(yè)銀行信用風險受宏觀經(jīng)濟沖擊的后果較嚴重。

五、研究結論

本文通過構建宏觀壓力測試的似不相關模型對國內商業(yè)銀行面臨的信用風險進行宏觀壓力測試，得出的結論如下：商業(yè)銀行的不良貸款率會隨著工業(yè)增加值、固定資產(chǎn)投資、房地產(chǎn)開發(fā)完成額、短期貸款利率的增加而降低;會隨著居民消費者價格指數(shù)、廣義貨幣供應量增長率、短期貸款利率、美元匯率的增長而上升。國內商業(yè)銀行目前抗風險能力有限，銀行系統(tǒng)的穩(wěn)定性受到宏觀經(jīng)濟的沖擊影響較大。

參考文獻：

[1]袁吉偉.信用風險宏觀壓力測試建模技術分析[J].金融教學與研究，2013（5）.

[2]丁建臣，龐小鳳，孟大偉.商業(yè)銀行壓力測試：國際實踐與政策建議[J].上海金融，2013（7）.

作者簡介：馬菁菁（1988.05- ），女，漢族，湖北襄陽市人，碩士，講師，研究方向：風險管理