基于CPV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究

張志彬， 丁曉莉

(湖南科技大學(xué) 商學(xué)院， 湖南 湘潭 411201)

當(dāng)前，我國(guó)正處于向高質(zhì)量發(fā)展轉(zhuǎn)型的階段，經(jīng)濟(jì)增速放緩、房地產(chǎn)過(guò)熱誘發(fā)不良貸款隱患增加、地方政府債務(wù)違約風(fēng)險(xiǎn)提高、互聯(lián)網(wǎng)金融爆雷事件頻發(fā)等問(wèn)題，勢(shì)必會(huì)對(duì)我國(guó)金融系統(tǒng)的穩(wěn)定性形成嚴(yán)峻挑戰(zhàn)。謝太峰等認(rèn)為，商業(yè)銀行作為經(jīng)濟(jì)活動(dòng)的重要調(diào)節(jié)器，其穩(wěn)定運(yùn)營(yíng)是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的基礎(chǔ)[1]。2019年，包商銀行破產(chǎn)、錦州銀行和恒豐銀行債務(wù)重組，以及一些地方性商業(yè)銀行出現(xiàn)的擠兌事件，無(wú)不透露出我國(guó)商業(yè)銀行運(yùn)營(yíng)風(fēng)險(xiǎn)呈現(xiàn)逐漸增大的趨勢(shì)。商業(yè)銀行目前面臨的主要經(jīng)營(yíng)問(wèn)題是隱藏不良貸款所引發(fā)的債務(wù)人信用風(fēng)險(xiǎn)。當(dāng)宏觀經(jīng)濟(jì)形勢(shì)較為穩(wěn)定，商業(yè)銀行基于穩(wěn)健性經(jīng)營(yíng)的要求，一般會(huì)控制對(duì)高收益的過(guò)度追求。Mckinnon和Ronald認(rèn)為，經(jīng)濟(jì)增速趨緩，政府為了達(dá)到提振經(jīng)濟(jì)的目的，支持商業(yè)銀行向投資主體發(fā)放貸款，誘導(dǎo)其采取激進(jìn)的經(jīng)營(yíng)方式，從而引發(fā)的信用風(fēng)險(xiǎn)也會(huì)顯著增加[2]。

1996年，Jorion 建立的VAR模型是構(gòu)建信用風(fēng)險(xiǎn)壓力測(cè)試模型的基礎(chǔ)[3]。 2000年，Jeffrey設(shè)立并修正了期望違約概率模型[4]。2008年，F(xiàn)ong P W等應(yīng)用MVAR模型對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行了評(píng)估[5]。2009年，周四軍等開(kāi)始應(yīng)用死亡概率模型來(lái)測(cè)算商業(yè)銀行客戶違約率[6]。郭蓮麗等則采用定性和定量指標(biāo)相結(jié)合的方法對(duì)商業(yè)銀行的信用風(fēng)險(xiǎn)進(jìn)行測(cè)度[7]。顧海峰利用模糊評(píng)判法測(cè)度了信用平穩(wěn)情況下商業(yè)銀行的信用風(fēng)險(xiǎn)，之后又對(duì)信用突變情況下的信用風(fēng)險(xiǎn)進(jìn)行測(cè)算[8][9]。2020年，因子分析模型在測(cè)度商業(yè)銀行信用風(fēng)險(xiǎn)方面得到應(yīng)用[10]。在信用風(fēng)險(xiǎn)承壓指標(biāo)的選取方面，分別以信貸利差、銀行的不良貸款率、逾期貸款占比、股價(jià)波動(dòng)率和逾期違約率等作為信用風(fēng)險(xiǎn)承壓指標(biāo)，這些指標(biāo)都能較好地衡量商業(yè)銀行的信用風(fēng)險(xiǎn)[11][12]。當(dāng)因變量為商業(yè)銀行的不良貸款率，自變量為國(guó)內(nèi)生產(chǎn)總值或利率時(shí)，可以發(fā)現(xiàn)商業(yè)銀行的不良貸款率會(huì)受到宏觀經(jīng)濟(jì)指標(biāo)的顯著影響[13]。在對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行測(cè)度的過(guò)程中發(fā)現(xiàn)，我國(guó)商業(yè)銀行體系在改革開(kāi)放后有11年的不穩(wěn)定期，具有較大的金融風(fēng)險(xiǎn)[14]。經(jīng)濟(jì)增長(zhǎng)率、貨幣供應(yīng)量增長(zhǎng)率和消費(fèi)者價(jià)格指數(shù)會(huì)給商業(yè)銀行體系帶來(lái)負(fù)向沖擊效應(yīng)，貸款利率則會(huì)給商業(yè)銀行體系帶來(lái)正向沖擊效應(yīng)[15]。

綜上所述，關(guān)于商業(yè)銀行信用風(fēng)險(xiǎn)的研究已取得一定理論成果，但對(duì)于如何基于CPV(Credit Portfolio View)模型，并利用最新的宏觀經(jīng)濟(jì)數(shù)據(jù)來(lái)對(duì)我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)進(jìn)行測(cè)度，并模擬受到不同宏觀壓力沖擊下信用風(fēng)險(xiǎn)的相應(yīng)變化情況，進(jìn)而對(duì)當(dāng)前我國(guó)商業(yè)銀行的抗風(fēng)險(xiǎn)能力進(jìn)行科學(xué)評(píng)估，尚存在深入研究的空間。

二、宏觀壓力測(cè)試模型構(gòu)建、變量選擇與數(shù)據(jù)說(shuō)明

(一)理論模型說(shuō)明

在壓力測(cè)試模型系統(tǒng)的構(gòu)建方面，可以分為壓力傳導(dǎo)模型和壓力情景生成模型兩個(gè)部分[16]。

(1)

yt=f(x1,x2,……xn,vt)

(2)

xt=k0+k1xt-1+……+kpxt-p+εt

(3)

(4)

其中，t代表時(shí)間，vt、εt為隨機(jī)擾動(dòng)項(xiàng)。

在方程(1)中，NPLt代表商業(yè)銀行在時(shí)期t的不良貸款率，使用logit回歸將信用風(fēng)險(xiǎn)指標(biāo)NPLt進(jìn)行非線性轉(zhuǎn)換，由0-1之間轉(zhuǎn)化成取值為-∞到+∞的中介變量yt，由式(1)可知，yt與NPLt成反比，yt越小，NPLt越大，即商業(yè)銀行的信用風(fēng)險(xiǎn)狀況越差。2011～2021年，我國(guó)y與NPL的關(guān)系(如圖1所示)，宏觀經(jīng)濟(jì)狀況和商業(yè)銀行不良貸款率呈負(fù)相關(guān)關(guān)系。

圖1 2011～2021年我國(guó)y與NPL的變化趨勢(shì)圖

方程(2)為風(fēng)險(xiǎn)傳導(dǎo)模型。該方程表示轉(zhuǎn)換后的中介變量yt與宏觀經(jīng)濟(jì)指標(biāo)x1,x2,……xn的因果關(guān)系，采用線性回歸方程進(jìn)行描述。其中，yt代表與時(shí)期t的宏觀經(jīng)濟(jì)狀況相關(guān)的一個(gè)綜合指標(biāo)，也是反映各宏觀經(jīng)濟(jì)指標(biāo)和商業(yè)銀行NPLt關(guān)系的一個(gè)“中介變量”，x1,x2,……xn表示與商業(yè)銀行NPLt相關(guān)的一組宏觀經(jīng)濟(jì)指標(biāo)。

方程(3)為壓力情景模型。該模型用于生成極端但合理的宏觀經(jīng)濟(jì)沖擊，引入VAR模型，研究各宏觀經(jīng)濟(jì)指標(biāo)之間的相互作用，反映一個(gè)宏觀經(jīng)濟(jì)指標(biāo)的變動(dòng)能夠通過(guò)傳導(dǎo)，從而對(duì)模型中的其余經(jīng)濟(jì)指標(biāo)產(chǎn)生影響。其中，x表示一系列宏觀經(jīng)濟(jì)變量，是一個(gè)包含t時(shí)期n個(gè)變量值的n×1維列向量。

聯(lián)立方程(2)風(fēng)險(xiǎn)傳導(dǎo)模型和方程(3)壓力情景模型，得到一個(gè)從宏觀經(jīng)濟(jì)指標(biāo)到NPLt的模型系統(tǒng)，該系統(tǒng)有一個(gè)誤差向量和協(xié)方差矩陣，即方程(4)，其內(nèi)部方程間存在擾動(dòng)項(xiàng)的同期相關(guān)性,從而保證了壓力情景生成的合理性。其中，vt、εt均為(n+1)×1維的列向量。

(二)計(jì)量模型構(gòu)建與變量選擇

進(jìn)行宏觀壓力測(cè)試所要達(dá)到的目標(biāo)是測(cè)度宏觀經(jīng)濟(jì)指標(biāo)的變動(dòng)對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)狀況產(chǎn)生多大程度的影響?；赪ilson的CPV模型，選擇相關(guān)宏觀經(jīng)濟(jì)指標(biāo)和綜合經(jīng)濟(jì)指標(biāo)構(gòu)建如下風(fēng)險(xiǎn)傳導(dǎo)模型[17]，用以描述各宏觀經(jīng)濟(jì)指標(biāo)與yt的線性關(guān)系：

yt=α0+β1G_GDP+β2G_M2+β3CPI+β4ROE+εt

(5)

使用中國(guó)銀保監(jiān)會(huì)網(wǎng)站公布的不良貸款率作為商業(yè)銀行信用風(fēng)險(xiǎn)狀況的衡量指標(biāo)。中國(guó)銀保監(jiān)會(huì)網(wǎng)站公布的不良貸款率涵蓋了我國(guó)境內(nèi)各類商業(yè)銀行，能夠比較全面反映我國(guó)商業(yè)銀行體系的信用風(fēng)險(xiǎn)。選取的主要宏觀經(jīng)濟(jì)指標(biāo)如下。

(1)國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率(G_GDP) 它體現(xiàn)了國(guó)家的經(jīng)濟(jì)發(fā)展規(guī)模，直接影響商業(yè)銀行的經(jīng)營(yíng)表現(xiàn)。G_GDP越低，代表宏觀經(jīng)濟(jì)形勢(shì)相對(duì)不景氣，企業(yè)容易出現(xiàn)資金周轉(zhuǎn)困難、財(cái)務(wù)狀況惡化等問(wèn)題，沒(méi)有足夠的資金償還債務(wù)而引發(fā)債務(wù)違約。同時(shí)，當(dāng)經(jīng)濟(jì)處于低迷時(shí)期，企業(yè)的抵押物處置困難，或者出現(xiàn)抵押物價(jià)值無(wú)法完全覆蓋所需清償債務(wù)的金額，商業(yè)銀行的NPL由此上升。

(2)廣義貨幣供應(yīng)量增長(zhǎng)率(G_M2) 它是中央銀行貨幣政策的操作目標(biāo)，同時(shí)也是影響商業(yè)銀行經(jīng)營(yíng)狀況的一個(gè)重要因素。M2的增加，意味著國(guó)內(nèi)處于相對(duì)寬松的貨幣環(huán)境，實(shí)體經(jīng)濟(jì)流通資金的增加，企業(yè)獲取資金的成本下降，可獲得的融資信貸額增加，有利于其擴(kuò)大生產(chǎn)規(guī)模，從而降低企業(yè)違約的可能性，能夠間接降低商業(yè)銀行的NPL。

(3)消費(fèi)者價(jià)格指數(shù)(CPI，ConsumerPriceIndex) 它是反映宏觀經(jīng)濟(jì)的重要指標(biāo)。從長(zhǎng)期來(lái)看，消費(fèi)者價(jià)格指數(shù)的持續(xù)增長(zhǎng)會(huì)導(dǎo)致居民實(shí)際收入下降，降低實(shí)際經(jīng)濟(jì)增長(zhǎng)率，使銀行的NPL增加。但是從短期來(lái)看，消費(fèi)者價(jià)格指數(shù)的溫和良性增長(zhǎng)表示經(jīng)濟(jì)穩(wěn)定向上，企業(yè)傾向于擴(kuò)大生產(chǎn)規(guī)模，有利于其增加營(yíng)業(yè)收益和改善運(yùn)營(yíng)狀況，從而有效降低商業(yè)銀行的NPL。

(4)美元兌人民幣的匯率(ROE，RateofExchange)ROE的變動(dòng)，會(huì)對(duì)進(jìn)出口貿(mào)易和對(duì)外投資產(chǎn)生重要影響。ROE上升，意味著人民幣相對(duì)美元貶值，雖然會(huì)促進(jìn)出口的增長(zhǎng)，但是進(jìn)口商品價(jià)格也會(huì)相對(duì)上升，會(huì)導(dǎo)致本國(guó)企業(yè)進(jìn)口商品和原材料的成本增加，降低企業(yè)的利潤(rùn)率，從而導(dǎo)致商業(yè)銀行的NPL上升。

G_GDP和ROE的數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站。G_M2、CPI的數(shù)據(jù)來(lái)自CSMAR(國(guó)泰安數(shù)據(jù)庫(kù))。實(shí)證分析所使用的數(shù)據(jù)為2011～2021年的季度數(shù)據(jù)，對(duì)于非季度數(shù)據(jù)采用幾何平均法進(jìn)行處理，轉(zhuǎn)換成季度數(shù)據(jù)。在對(duì)數(shù)據(jù)進(jìn)行選取時(shí)，由于同比增長(zhǎng)率數(shù)據(jù)與原始數(shù)據(jù)相比而言平穩(wěn)的可能性更大，所以，廣義貨幣供應(yīng)量和國(guó)內(nèi)生產(chǎn)總值均使用同比增長(zhǎng)率的形式。各變量的描述性統(tǒng)計(jì)分析結(jié)果，如表1所示。

表1 主要變量的描述性統(tǒng)計(jì)

三、數(shù)據(jù)檢驗(yàn)與參數(shù)估計(jì)

(一)平穩(wěn)性檢驗(yàn)和協(xié)整檢驗(yàn)

采用VAR模型構(gòu)建包含各宏觀經(jīng)濟(jì)指標(biāo)的壓力情景模型。在進(jìn)行VAR建模之前，為確保指標(biāo)為平穩(wěn)序列或者各指標(biāo)之間具有協(xié)整關(guān)系，先對(duì)各個(gè)宏觀經(jīng)濟(jì)指標(biāo)進(jìn)行平穩(wěn)性檢驗(yàn)。采用單位根檢驗(yàn)ADF檢驗(yàn)來(lái)檢查序列平穩(wěn)性，結(jié)果見(jiàn)表2。各宏觀經(jīng)濟(jì)指標(biāo)都是一階單整的，可以進(jìn)行協(xié)整檢驗(yàn)。

表2 ADF檢驗(yàn)結(jié)果

使用Johansen檢驗(yàn)判斷各指標(biāo)之間是否存在長(zhǎng)期的穩(wěn)定關(guān)系，檢驗(yàn)結(jié)果如表3所示。跡統(tǒng)計(jì)量檢驗(yàn)和最大特征值統(tǒng)計(jì)量檢驗(yàn)均表明各宏觀經(jīng)濟(jì)指標(biāo)之間存在1個(gè)協(xié)整關(guān)系。因此，指標(biāo)G_GDP、G_M2、CPI、ROE滿足VAR建模的條件。

表3 Johansen協(xié)整檢驗(yàn)結(jié)果

(二)模型形式確定

在建立 VAR 模型之前，確定模型最佳滯后期數(shù)十分關(guān)鍵,見(jiàn)表4。表4結(jié)果顯示，LR、FPE、AIC檢驗(yàn)準(zhǔn)則確定的最佳滯后期數(shù)皆為2階，SC、HQ檢驗(yàn)確定的最佳滯后期數(shù)為1階。因此，在建立VAR模型時(shí)確定的滯后期數(shù)為2。

表4 滯后階數(shù)檢驗(yàn)結(jié)果

(三)模型參數(shù)估計(jì)

從前文的分析中可得，信用風(fēng)險(xiǎn)傳導(dǎo)模型(2)中確定的指標(biāo)為G_GDP、G_M2、CPI、ROE；壓力情景模型(3)確定的最佳滯后期數(shù)為2。將方程(2)與方程(3)聯(lián)立構(gòu)建方程模型系統(tǒng)，使用似無(wú)關(guān)回歸方法(SeeminglyUnrelatedRegression，SUR)對(duì)各方程的參數(shù)進(jìn)行估計(jì)。方程(2)與方程(3)的SUR估計(jì)結(jié)果如表5所示。

表5 SUR估計(jì)結(jié)果

分析結(jié)果顯示：在1%的顯著性水平上，G_GDP、G_M2、CPI、ROE對(duì)我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)水平均存在顯著效應(yīng)，除ROE對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)為顯著負(fù)效應(yīng)外，其余宏觀經(jīng)濟(jì)指標(biāo)均反映為顯著正效應(yīng)。G_GDP、G_M2、CPI、ROE與其滯后一期之間都存在顯著的正向關(guān)系。

從表5的回歸分析結(jié)果可以看出，宏觀經(jīng)濟(jì)指標(biāo)G_GDP、G_M2、CPI的系數(shù)為正，ROE系數(shù)為負(fù)。這意味著當(dāng)GDP處于較高增長(zhǎng)率的情況下，整個(gè)宏觀經(jīng)濟(jì)環(huán)境形勢(shì)向好，企業(yè)的經(jīng)營(yíng)狀況處于相對(duì)健康的狀況，還貸能力較強(qiáng)，使得NPL相對(duì)下降。M2代表著我國(guó)貨幣政策的實(shí)施情況，當(dāng)G_M2處于上升狀態(tài)時(shí)，說(shuō)明我國(guó)實(shí)施較為寬松的貨幣政策，從短期來(lái)看有利于刺激企業(yè)增加投資，提高企業(yè)盈利能力，從而降低NPL；CPI溫和上升，從短期來(lái)看有利于提高居民的名義收入，發(fā)揮通貨膨脹的產(chǎn)出效應(yīng)，降低NPL；匯率的變動(dòng)對(duì)企業(yè)的影響有利有弊，隨著ROE的增大，人民幣貶值，對(duì)于從國(guó)外進(jìn)口原材料的企業(yè)而言，會(huì)導(dǎo)致生產(chǎn)成本上漲，如果企業(yè)的生產(chǎn)成本大于其營(yíng)業(yè)利潤(rùn)，就會(huì)導(dǎo)致企業(yè)存在違約的風(fēng)險(xiǎn)，帶動(dòng)NPL上升。整體而言，上述SUR的實(shí)證結(jié)果與經(jīng)濟(jì)意義上的預(yù)期相一致。

四、壓力情景模擬及風(fēng)險(xiǎn)評(píng)估

為了對(duì)商業(yè)銀行在不同壓力情景下的抗壓能力進(jìn)行檢驗(yàn)，利用前文所設(shè)計(jì)的宏觀經(jīng)濟(jì)壓力測(cè)試模型體系對(duì)不同的宏觀經(jīng)濟(jì)沖擊情形進(jìn)行模擬。選取的宏觀經(jīng)濟(jì)指標(biāo)為G_GDP。假定G_GDP發(fā)生了較大幅度的下降，這表明國(guó)內(nèi)的整體經(jīng)濟(jì)形勢(shì)嚴(yán)峻，企業(yè)的經(jīng)營(yíng)利潤(rùn)面臨下降的危險(xiǎn)，企業(yè)有更大的概率無(wú)法按時(shí)償還貸款，商業(yè)銀行的信用風(fēng)險(xiǎn)也隨之提高。而且，G_GDP作為一個(gè)最重要的宏觀經(jīng)濟(jì)指標(biāo)，其變化會(huì)對(duì)其余的宏觀經(jīng)濟(jì)指標(biāo)產(chǎn)生影響。將不同壓力沖擊下G_GDP及受其影響的其余宏觀經(jīng)濟(jì)指標(biāo)的數(shù)值代入壓力情景模型，可以得到不同程度的宏觀經(jīng)濟(jì)沖擊對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)產(chǎn)生什么樣的影響，從而能夠評(píng)估商業(yè)銀行在面臨不利宏觀經(jīng)濟(jì)沖擊時(shí)抵御風(fēng)險(xiǎn)的能力。

(一)壓力測(cè)試初始沖擊情景的設(shè)計(jì)

受全球經(jīng)濟(jì)增長(zhǎng)趨緩和新冠肺炎疫情的沖擊，2020年我國(guó)國(guó)內(nèi)經(jīng)濟(jì)增速放緩，由此帶來(lái)商業(yè)銀行信用風(fēng)險(xiǎn)的上升。本研究選取GDP增速下滑這一宏觀壓力指標(biāo)作為壓力沖擊因子。在測(cè)試過(guò)程中，為了更加準(zhǔn)確評(píng)估我國(guó)商業(yè)銀行面對(duì)宏觀經(jīng)濟(jì)形勢(shì)變化的抗壓能力，設(shè)定了輕度壓力、中度壓力和極端壓力等3種壓力情景，并測(cè)算對(duì)商業(yè)銀行NPL的影響。壓力沖擊強(qiáng)度參考中國(guó)人民銀行發(fā)布的《2020年中國(guó)金融穩(wěn)定報(bào)告》，壓力測(cè)試初始沖擊情景如表6。

表6 壓力測(cè)試GDP同比增速

在對(duì)宏觀經(jīng)濟(jì)指標(biāo)進(jìn)行賦值時(shí)，利用對(duì)傳統(tǒng)方法的修正[18]，將G_GDP作為解釋變量，其余宏觀經(jīng)濟(jì)指標(biāo)作為被解釋變量，并逐步加入滯后項(xiàng)，發(fā)現(xiàn)G_GDP對(duì)于G_M2、CPI和ROE具有較強(qiáng)的解釋力，由此確定的回歸模型如下所示：

G_M2=9.601 3+0.264 3G_GDP(-2)

(6)

CPI=102.542 0-0.157 8G_GDP+0.133 4G_GDP(-2)

(7)

ROE=6.873 8-0.029 9G_GDP-0.023 2G_GDP(-1)

(8)

方程(6)(7)(8)反映了各宏觀經(jīng)濟(jì)指標(biāo)與壓力沖擊因子G_GDP的線性關(guān)系，也是對(duì)方程(3)壓力情景模型的估計(jì)。根據(jù)其以及G_GDP的自回歸模型，能夠?qū)υ贕DP增速下滑壓力情境下所對(duì)應(yīng)的其余宏觀經(jīng)濟(jì)指標(biāo)的值進(jìn)行合理的估計(jì)。不同壓力情景下其余宏觀經(jīng)濟(jì)指標(biāo)估計(jì)結(jié)果見(jiàn)表7。

表7 其余宏觀經(jīng)濟(jì)指標(biāo)的取值

由表5得出的風(fēng)險(xiǎn)傳導(dǎo)模型的多元回歸方程如下所示：

yt=-1.862 7+0.015 5G_GDP+0.036 0G_M2+0.084 0CPI-0.466 0ROE

(9)

方程(9)反映了各宏觀經(jīng)濟(jì)指標(biāo)與綜合指標(biāo)yt的線性關(guān)系，將表7各宏觀經(jīng)濟(jì)指標(biāo)的估計(jì)結(jié)果代入方程(9)，可以得出不同壓力情景下綜合指標(biāo)yt的結(jié)果，再通過(guò)logit轉(zhuǎn)化獲得NPLt的結(jié)果(見(jiàn)表8)。假定我國(guó)經(jīng)濟(jì)處于低迷狀態(tài)，CPI、G_M2以及ROE等宏觀情景指標(biāo)在G_GDP受到不同強(qiáng)度的沖擊時(shí)，會(huì)相應(yīng)發(fā)生變化，導(dǎo)致中介變量綜合經(jīng)濟(jì)指標(biāo)發(fā)生變化，最終致使商業(yè)銀行的NPL也會(huì)發(fā)生與其相反方向的變化。在商業(yè)銀行面臨輕度、中度和極端三種不同的壓力沖擊時(shí)，其NPL呈現(xiàn)不同程度的上升。受到極端沖擊時(shí)，商業(yè)銀行NPL的上升幅度大于受到中度沖擊時(shí)的上升幅度。這是因?yàn)榻?jīng)濟(jì)衰退是一個(gè)逐步演變的過(guò)程，當(dāng)其衰退程度不斷加深時(shí)，對(duì)商業(yè)銀行NPL的沖擊會(huì)逐步深化。

表8 宏觀壓力測(cè)試結(jié)果

(二)宏觀壓力測(cè)試風(fēng)險(xiǎn)評(píng)估結(jié)果

為了厘清商業(yè)銀行在受到不同宏觀經(jīng)濟(jì)壓力沖擊下的承壓能力，對(duì)其進(jìn)行宏觀壓力測(cè)試。落實(shí)到商業(yè)銀行的日常活動(dòng)，就需要對(duì)其提取的貸款損失準(zhǔn)備是否能夠抵御受到不同宏觀壓力沖擊造成的信用風(fēng)險(xiǎn)水平進(jìn)行分析。

固定期間(T)內(nèi)，變量EAD表示商業(yè)銀行信用風(fēng)險(xiǎn)暴露狀況，變量PD表示商業(yè)銀行的貸款違約概率，變量LGD表示違約發(fā)生后的損失率，根據(jù)這三方面來(lái)衡量商業(yè)銀行的信用風(fēng)險(xiǎn)水平。按照巴塞爾新協(xié)議框架，T期間內(nèi)的信用風(fēng)險(xiǎn)水平可由ELT=PDr×LGDr×EADr公式測(cè)量。

EAD和LGD設(shè)置為兩定值，其中EAD使用商業(yè)銀行T期間內(nèi)的貸款總額進(jìn)行衡量，LGD使用巴塞爾新協(xié)議關(guān)于銀行的規(guī)定，取值為45%，假設(shè)貸款違約概率PD為商業(yè)銀行的不良貸款率。截至2021年第二季度末，我國(guó)商業(yè)銀行為法人客戶所提供的貸款總額達(dá)1 590 000億元，貸款損失準(zhǔn)備達(dá)54 000億元。對(duì)于不同的宏觀經(jīng)濟(jì)壓力沖擊，可以得出壓力測(cè)試風(fēng)險(xiǎn)評(píng)估結(jié)果(見(jiàn)表9)。

表9 不同壓力情境下的風(fēng)險(xiǎn)評(píng)估結(jié)果

面對(duì)不同的三種宏觀壓力情景，商業(yè)銀行所計(jì)提的整體貸款損失準(zhǔn)備可以抵御在受到輕度、中度和極端壓力的沖擊時(shí)，導(dǎo)致的不良貸款率上升而帶來(lái)的信用風(fēng)險(xiǎn)損失。也就是說(shuō)，我國(guó)商業(yè)銀行能夠通過(guò)提取貸款損失準(zhǔn)備來(lái)應(yīng)對(duì)在客戶出現(xiàn)違約情形下的預(yù)期損失。

五、余 論

通過(guò)借鑒Wilson的CPV模型對(duì)我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)狀況進(jìn)行宏觀經(jīng)濟(jì)壓力測(cè)試。結(jié)果表明：國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率、廣義貨幣供應(yīng)量增長(zhǎng)率、消費(fèi)者價(jià)格指數(shù)和美元兌人民幣匯率等宏觀經(jīng)濟(jì)指標(biāo)會(huì)對(duì)商業(yè)銀行的不良貸款率產(chǎn)生顯著的影響。其中，美元兌人民幣匯率對(duì)商業(yè)銀行的不良貸款率產(chǎn)生正向效應(yīng)，其余指標(biāo)與不良貸款率之間存在著負(fù)向效應(yīng)，該結(jié)論與經(jīng)濟(jì)現(xiàn)實(shí)相一致。通過(guò)設(shè)計(jì)不同宏觀壓力情景沖擊，將國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率作為主要發(fā)生波動(dòng)的宏觀經(jīng)濟(jì)指標(biāo)，國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率作為一個(gè)關(guān)鍵的宏觀經(jīng)濟(jì)指標(biāo)會(huì)對(duì)其余經(jīng)濟(jì)指標(biāo)產(chǎn)生極其重要的影響，把受其影響的各宏觀經(jīng)濟(jì)指標(biāo)的結(jié)果代入原先估計(jì)的多元回歸方程中，就能預(yù)測(cè)出商業(yè)銀行不良貸款率在受到不同沖擊下的變化情況。結(jié)果顯示：無(wú)論受到何種程度的壓力沖擊，不良貸款率都會(huì)產(chǎn)生上升的趨勢(shì)，特別是發(fā)生極端壓力沖擊時(shí)，其上升幅度更為明顯。

從分析結(jié)果可以看出，我國(guó)商業(yè)銀行體系整體來(lái)說(shuō)比較穩(wěn)定，商業(yè)銀行目前所計(jì)提的貸款損失準(zhǔn)備能夠抵御不同壓力沖擊時(shí)帶來(lái)的風(fēng)險(xiǎn)損失。但本研究只針對(duì)全國(guó)所有商業(yè)銀行整體而言，部分中小銀行抵御風(fēng)險(xiǎn)的能力較弱。“極端但可能”發(fā)生的不利宏觀經(jīng)濟(jì)沖擊會(huì)導(dǎo)致我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)狀況出現(xiàn)明顯惡化，給商業(yè)銀行安全性經(jīng)營(yíng)原則的實(shí)現(xiàn)造成極大的隱患，從而使得我國(guó)商業(yè)銀行不良貸款率也隨之提高。因此，為了及時(shí)應(yīng)對(duì)風(fēng)險(xiǎn)變化，商業(yè)銀行應(yīng)按時(shí)完成各種類型的壓力測(cè)試，對(duì)于可能存在的風(fēng)險(xiǎn)提前做好預(yù)警工作，以保證我國(guó)商業(yè)銀行體系能夠維持平穩(wěn)健康經(jīng)營(yíng)的態(tài)勢(shì)。雖然壓力沖擊是不確定性事件，一旦發(fā)生卻會(huì)對(duì)銀行的穩(wěn)健經(jīng)營(yíng)產(chǎn)生極大的危害。商業(yè)銀行應(yīng)保持規(guī)范經(jīng)營(yíng)，通過(guò)批量定向轉(zhuǎn)讓不良資產(chǎn)、推動(dòng)不良資產(chǎn)證券化以及自主核銷符合規(guī)定的不良資產(chǎn)等方式拓寬不良資產(chǎn)處置渠道，維持經(jīng)營(yíng)穩(wěn)定性。同時(shí)，要做好不良貸款可能大幅反彈的應(yīng)對(duì)準(zhǔn)備。由于國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率、貨幣供應(yīng)量增長(zhǎng)率、消費(fèi)者價(jià)格指數(shù)和美元兌人民幣匯率都會(huì)對(duì)不良貸款率產(chǎn)生較明顯的影響，商業(yè)銀行在進(jìn)行風(fēng)險(xiǎn)評(píng)估時(shí)，應(yīng)時(shí)刻關(guān)注這些宏觀經(jīng)濟(jì)指標(biāo)的變化，及時(shí)對(duì)貸款損失準(zhǔn)備做出調(diào)整，提高抵御風(fēng)險(xiǎn)沖擊的能力。