基于宏观压力测试的银行体系信用风险评估研究
时间：2021-02-24 20:00:08 来源：雅意学习网 本文已影响 人 
摘要：目前我国运用宏观压力测试工具评估银行体系稳健程度的工作正逐步推进。本文通过分析宏观经济运行及未来走势，设计了“极端且合理”的压力情景，并构建了宏观压力测试的线性实证分析模型，以评估银行业主要的风险指标在遭受宏观经济冲击时的抗压能力，揭示银行体系运行中存在的风险。
关键词：宏观压力测试 银行体系 信用风险 实证分析
一、引言
由2007年美国次贷危机引发的全球金融危机表明，金融市场一体化的格局已经形成，金融风险的传染效应和溢出效应日益强化，现代金融体系呈现出高度复杂性、结构性以及同构性的特征。在严峻形势下，各国金融管理当局不断研发评估金融体系稳健性的工具。巴塞尔银行监管委员会在2009年5月正式发布的《稳健的压力测试实践和监管原则》中强调了压力测试的独立地位，它应成为验证计量经济风险模型准确性的重要工具和内部资本充足评估程序（ICAAP）的组成部分。压力测试也是金融稳定评估规划（FSAP）中基金组织量化评估成员国金融风险的重要工具。此次国际金融危机背景下，主要国家加大了运用宏观压力测试评估金融体系稳健程度的力度。2009年2月，美联储等美国金融管理部门联合对19家美国银行控股公司（BHCs）的资本情况展开全面压力测试（SCAP），以期在经济发展形势不确定时，督促BHCs持有充足资本缓冲，降低银行体系可能遭受的不可预期影响，并确保对有承贷能力客户的信贷需求。2010年7月，欧洲银行业监管委员会（CEBS）公布了91家银行压力测试结果，目的在于揭示欧洲银行体系面对冲击的准备程度，在经济不佳以及欧洲主权债务出现危机的背景下，压力测试结果显示超九成银行达标，为稳定债权人信心，促进市场快速恢复发挥了积极作用。与此同时，国内开展压力测试理论研究和实证分析的进程也在快速推进，银监会于2007年12月发布了《商业银行压力测试指引》，督促商业银行加大开展压力测试的力度。但纵观国内压力测试的开展情况，总体呈现出“宏观压力测试少，微观压力测试多；自上而下的少，自下而上的多”等特征，表明宏观压力测试理论研究和实证分析有非常广阔的拓展空间。
二、研究设计
（一）压力测试的基本理论巴塞尔银行全球金融系统委员会和国际货币基金组织将压力测试定义为利用一系列方法来评估金融体系承受罕见但是仍然可能的宏观经济冲击或者重大事件的过程。Berkowetz（1999）认为压力测试是关注于“尾部”事件的一类特殊风险模型。在微观领域，可以作为风险度量工具VaR的重要补充，帮助金融监管当局更好地监管个别金融机构的市场风险和信用风险；在宏观领域，可以通过研究银行间市场的传染效应、反馈效应以及信贷衍生品市场发展引起的风险问题来对金融系统稳健性做出评估。将压力测试方法引入实务领域加以运用是我国近年来才展开的内容，相关学者对此做出了积极探索。其中黄学元等（2006）提出了一个信用风险的宏观压力测试实证架构，利用其检测了香港银行体系受到宏观经济冲击时的抗压能力；徐明东、刘晓星（2008）详细分析比较了国内外主要宏观压力测试架构及方法；徐光林（2008）运用线性模型，重点测试了GDP增速等指标恶化时，我国银行业金融机构资产规模扩张的受影响程度。张志暹、边永平（2008）运用VAR模型和蒙特卡罗模拟分析，揭示了甘肃银行体系在面临经济冲击时所暴露出来的脆弱性及其承受冲击的能力。华晓龙（2009）通过多元线性回归分析，利用假设情景定量分析了宏观经济波动对中国银行体系贷款违约率的影响。本文在研读压力测试文献和宏观经济形势分析报告的基础上，尝试设计了“极端且合理”的宏观压力情景，并构建了一个自上而下的宏观压力测试实证分析模型，试图从数量关系上刻画在宏观压力情景下银行体系信用风险水平的变迁情况，具有一定的现实意义和政策实践性。
（二）压力指标的选择 本文选取代表银行体系信用风险的不良贷款率（NPL）作为承压指标和被解释变量，选取具有重要影响的宏观经济变量作为压力指标和解释变量，通过构建多元线性回归模型反映解释变量（压力指标）和被解释变量（承压指标）之间的映射关系。实证模型设定如下：
NPLi，t=αi+βj， t+λx， t+Θy， t-1……+εi，t（1）
其中，αi代表常数项；j、x、y为表征压力指标的宏观经济变量，β、λ、Θ为模型回归系数。考虑到宏观压力指标（GDP同比增速，M2同比增速等）对银行体系资产质量存在滞后期影响。因此，模型中引入解释变量的时间滞后效应t-1；εi，t代表随机误差项。一般认为，为避免解释变量之间的同期相关性、保证模型处理的有效性，纳入模型的压力指标不宜过多，因此本文将对银行体系不良贷款率影响最为显著的3个主要宏观经济指标（这三个指标经过模型独立性检验和相关性检验以后筛选得到，筛选过程从略）纳入模型，包括：一是GDP同比增长率（GDP）。GDP是反映宏观经济运行景气程度的核心指标，理论及实践表明，GDP与商业银行不良贷款率有着显著的负相关关系。二是M2同比增长率（M2）。近年来，由外汇占款规模不断扩大引发的银行体系流动性过剩深刻影响着银行的经营行为和实体经济融资的可获得性，从而对投资、消费等实体经济活动产生明显的制约或强化效应，由此使得M2与实体经济的景气循环及发展形势有着紧密的关联性，并最终影响到银行体系的信贷资产质量。三是商品房销售价格平均增速（FJ）。房地产行业已成为我国的支柱产业，房地产贷款在银行业贷款中的占比近年来不断提高，以开发贷款为例，2009年银行信贷资金已占到房地产开发企业资金来源的34.48%。因此房地产贷款已成为影响我国银行体系稳健程度的重要因素，有必要关注以房价为主的宏观经济变量对银行体系信贷资产质量的影响。
（三）宏观压力情景的设计 为体现压力测试的主旨及意义，设计宏观压力情景应符合“极端且合理”的原则，这要求情景中既要体现引发金融风险的小概率事件，将测试目标定位于尾部风险，又要保证情景发生的可能性，使测试结果具有参考意义。由于平衡上述两方面的难度较大，因此压力测试诸多环节中，关于设计压力情景的讨论和争议总是最多的。在设计方法方面，成熟市场经济的金融管理当局或IMF等国际性金融组织一般运用宏观经济生成器（如一般均衡动态方程组）进行测试；普通实证分析或业界实务采取历史情景法或专家设计法（即假设情景法）较多；本文采用历史与假设结合的方法设计压力情景。根据当前我国宏观经济面临的内外部主要矛盾和主客观方面因素，本文对有可能产生大量银行坏账的极端宏观经济发展形势分析如下：实体经济方面，2009年以来，国际金融危机影响仍在持续。外部经济低迷使我国外贸出口行业继续萎缩，此外，节能减排压力也将成为牵制GDP增长的重要力量；货币政策及价格调整方面，美国、日本等主要发达国家为刺激本国经济，继续实施量化宽松货币政策，全球流动性泛滥在造成我国输入性通货膨胀的同时还引起严重的资产价格泡沫；政策措施方面，为防止流动性过剩带来的信贷猛增、通胀引起的“负利率”以及资产泡沫，央行将通过多种方式加大回收过剩流动性的力度，甚至采取加息等价格型货币政策工具。同时，迫于来自贸易逆差国的压力，人民币重启升值通道。此外，为保障民生，政府将会加大平抑房价的政策力度。在上述诸多因素的综合影响下，经济增长出现失速，加之2009年贷款增幅过高、地方政府融资平台贷款过大等影响银行业稳健运行的隐患尚未消除，银行体系信贷资产质量面临严峻考验。将上述宏观压力情景转换为GDP、M2和房价3个压力指标的冲击强度，需进一步分析3个指标时间序列数据的历史变迁情况，计算出分位数及其所代表的发生概率（表1）。参考上述压力指标历史数据的统计参数及其所反映的发生概率，结合当前宏观经济的运行情况，认为GDP、M2具有“极端且合理”的特征。对于房价平均增速，本文认为借鉴银监会于2010年初部署的压力测试冲击强度较为合理，即房价较2009年底下降10%、20%和30%。据此设计出量化的压力情景如（表2）。
