对商业银行信用风险压力测试实证研究

摘要：就目前我国的宏观经济来看，我国商业银行面临着信用风险、流动性风险等诸多风险的挑战。本文首先对压力测试方法进行了综述，以不良贷款率作为商业银行的风险评估指标，通过相关指数等风险驱动因子构建Logit模型，对我国的四大类银行进行宏观压力测试，从而得出宏观经济环境的变化对我国商业银行的信用风险是有影响的。

关键词：压力测试 商业银行 Logit模型

▲▲?一、引言

从我国国情来看，商业银行是我国国民经济的重要组成部分，但是从我国经济的宏观发展情况来看，持续攀升的房价，以及起伏不定的物价指数都不利于我国整体经济的长远发展，而这对整个金融行业的影响尤为明显，通过对商业银行的各项风险指标的监控分析，尤其是对于商业银行的信用风险的分析，将会提高银行业信用风险管理水平，加强应对未知风险的免疫力，减少风险成本，降低风险发生时的财务成本，从而有利于我国银行业的健康发展。

▲▲二、压力测试的方法

（一）选择风险因素

在选择风险因素的时候我们需要先确定承压对象，所谓的承压对象一般指的是模拟进行压力测试的对象，如业务/资产组合的风险属性。通过承压对象的选择，进一步将其具体化就是承压指标，承压指标是一种可量化可计算的承压对象，通过对承压指标的量化分析能使得压力测试结果更加具有可预测性。

风险因素也是压力因素，一般指引发承压对象极端波动的原因。例如对于商业银行信用风险压力测试，不良贷款率就是一个压力因素，不良贷款率的上升可能会给银行的信用风险带来巨大影响。压力指标是压力因素的具体化表现形式，是可计算可量化的具体指标，一般在选择压力因素的时候，通常是选择在常态情景下也具有现实意义的变量。

在选择承压对象和风险因素时一般需要同时满足这两个条件：一是能够很好的解释测试者所关心的问题，并且具有现实意义；二是承压对象应该与压力因素有可信的关联关系，也就是说，选择的压力测试应该是有效的，在压力情景测试时确实会有极端情景出现。

（二）建立压力测试模型

根据国家统计局的分类将商业银行分为国有商业银行，股份制商业银行，城市商业银行、农村商业银行和外资银行，本文主要是对前四类商业银行的信用风险进行压力测试。在选定压力测试对象、方法和风险因素以后，根据风险因素之间的相关性以及数据的可得性，选择适当的压力测试方法和模型，将反映商业银行信用的稳健与可靠的承压指标与所选择的风险因素结合起来，建立Y=αx1+βx2+γx3 +…+ε代表宏观经济指标（风险因子）对于承压指标的影响。

▲▲三、压力测试的过程

（一）建立模型

衡量商业银行的信用稳定性的宏观经济因素有很多，而对商业银行的信用风险测试的模型也有很多，本文以商业银行的不良贷款率作为考察商业银行信用风险的承压指标，用Logit模型将不良贷款利率通过离散模型转换为代表宏观经济的综合指标Y，然后将得到的各类商业银行的综合指标作为因变量与宏观经济变量建立自回归模型。

本文所采用的数据是2006-2012年我国四类商业银行以及宏观经济指标的季度数据，由于Logit模型是离散模型，其因变量的取值只能是0或者1，因此本文通过建立模型公式Y=ln（（1-NPLR）/NPLR）将不良贷款率转换为0或者1，通过在excel中操作，得到新的Y值，将Y<3.5赋值为0，Y>3.5赋值为1，Y=1表示发生不良贷款，Y=0表示未发生不良贷款，从而将不良贷款率转换为宏观经济综合指标。在Logit模型中解释变量为消费价格指数CPI、国房景气指数RECI以及固定支出投资价格指数PII，而四类商业银行分别以其中文字母，guoyou，gufen，chengshi，nongcun 表示。

Yj，t=ln（1-BLj，t）/ BLj，t t=1、2、3……， j=1， 2，3 （1）

Yguoyou =C+α1*X1+α2*X2+α3*X3+..+ε1，t （2-1）

Ygufen=C+β1*X1+β2*X2β3*X3+..+ε2，t （2-2）

Ychengshi =C+γ1*X1+γ2*X2+γ3γ*X3+…+ε3，t （2-3）

Ynongcun=C+δ1*X1+δ2*X2+δ3*X3+…+ε4，t （2-4）

（1）式中BL为银行t期的不良贷款率，通过Y将不良贷款率转换为宏观综合指标，其中j=1、2、3分别代表了国有商业银行、股份制商业银行、城市商业银行以及农村商业银行四类商业银行。由于四类商业银行的经营规模、经营效率、经营模式、以及盈利能力的不同，这也使其在面对信用风险是其的表现有所不同，因此通过分别建立压力测试方程。然后对宏观经济变量的自回归形态变化进行模型分析。

表1 轉换后的不良贷款率

四类银行通过logit模型转换结果

国有商业银行 股份制商业银行 城市商业银行 农村商业银行

C 22.99774 -2.38651 7.03962 -15.703962

RECI -0.14371 -0.14371 -0.238247 -0.07322

CPI 0.250633 -0.011639 0.148606 0.485255

PII -0.234922 0.192213 -0.024524 -0.261547

R2（Mcfadden） 0.286187 0.165859 0.26185 0.14418

LR statistic 10.73786 2.390007 8.772796 5.575916

prob（LR） 0.013231 0.495497 0.032469 0.134168

四类银行通过logit模型转换后得到新的宏观经济指标Y分别用等式表示为：

Yguoyou=22.99774-0.14371RECI+0.250633CPI-0.234922PII

Ygufen=-2.38651-0.14371RECI-0.011639CPI+0.192213PII

Ychengshi=7.03962-0.238247RECI+0.148606CPI-0.024524PII

Ynongcun=-15.703962-0.07322RECI+0.485255CPI-0.261547PII

a）指标的选择

在参考众多实证研究文献的指标选取以及对指标有效性的分析之后，本文以不良贷款率作为测试商业银行信用风险的承压指标，主要指的是贷款五级分类中的次级、可疑、损失类所占贷款总额的比例。不良贷款率是银行各种风险的综合体现，是评估商业银行风险管理水平以及风险管理能力的最直接有效的指标。而对于宏观经济指标的选取主要选择了与银行信用关系密切，并且对银行影响较大的几项指标：消费者价格指数（CPI）、固定资产投资价格指数（PII）以及国房景气指数（RECI）。固定资产投资价格指数反映了固定资产投资中的各类商品和取费项目价格变动趋势和变动幅度。因此，随着我国近年来房地产行业的欣欣向荣，以及居高不下的房价，考虑到繁荣背后的危机，防范于未然对于整个银行体系是很有必要的。

综合考虑了指标选取的可靠性与易取性以及统一性，本文统一选取了季度数据作为样本数据，并对月度消费者价格指数进行了季度调整。本文将样本的数据区间定为2006-2012年的季度数据，数据主要来源与中国人民银行网、国家统计局网站以及和讯网。

四类银行与宏观经济指标相关性分析

CHENGSHI GUOYOU NONGCUN GUFEN CPI PII RECI

CHENGSHI 1.000000 0.786245 0.588784 0.438529 0.317221 0.070428 -0.403245

DASHANG 0.786245 1.000000 0.748855 0.344791 0.206894 -0.344332 -0.490452

NONGCUN 0.588784 0.748855 1.000000 0.258199 0.198220 -0.001169 -0.169312

GUFEN 0.438529 0.344791 0.258199 1.000000 -0.026035 0.189303 -0.087125

CPI 0.317221 0.206894 0.198220 -0.026035 1.000000 -0.010510 -0.245442

PII 0.070428 -0.344332 -0.001169 0.189303 -0.010510 1.000000 0.375994

RECI -0.403245 -0.490452 -0.169312 -0.087125 -0.245442 0.375994 1.000000

表2 变量之间相关系数矩阵图

从图中看出，四类银行之间都呈现正相关，各类银行与CPI、PII指数的正相关性也较强，同时各宏观经济指标之间也存在着相关性，而从图中可以看出RECI指数与各类指标之间都呈现出负相关性。这表明四类银行与宏观经济指标之间存在线性相关性，可以通过回归模型来估计四类银行与宏观经济指标的相关性。

宏观经济变量自回归结果

解释变量 CPI RECI PII

constant -655.8552 -5.17E-11 -6.977242

CPI（-1） -0.19629 -4.99E-15 -0.018103

CPI（-2） -0.101446 1.20E-14 -0.026147

RECI（-1） -4.82837 1 0.259409

RECI（-2） 1.955765 -4.76E-13 -0.00499

PII（-1） 2.340554 1.28E-12 1.111714

PII（-2） -4.636237 -1.08E-12 -0.384949

R2 0.231812 1 0.90345

DW 2.08646 1.546426 2.094915

表3 宏观经济变量分布滞后模型估计与检验结果

由于R2的取值在0-1之间，由宏观经济变量的自回归结果可以看出，回归拟合效果不是很好，而從DW检验中也可以看出，在K=3，N=28时，DL=1.18，DU=1.65，由于DU

四类银行与宏观经济变量回归模型估计结果

国有控股银行 股份制商业银行 城市商业银行 农村商业银行

constant 8.39755 0.62426 2.874097 1.387797

CPI 0.002793 -0.000992 0.005004 0.004224

RECI -0.053417 -0.014821 -0.055913 -0.021163

PII -0.025816 0.018388 0.028956 0.007692

R 0.281438 0.070066 0.261713 0.057587

DW 0.208419 0.590254 0.149773 0.237366

F 3.133354 0.602757 2.835892 0.488846

prob（F） 0.044188 0.619543 0.059452 0.69328

由表中R2可以看出，四类商业银行与宏观经济指标的回归拟合优度效果不是很好，但从DW检验可以看出，在K=3，N=28时，DL=1.18，DU=1.65，由于DU

为了进一步分析各个宏观经济指标的变动对于四类商业银行Y值的影响是否存在差异，本文就四类商业银行与宏观经济的回归模型进行Wald检验，以便进一步说明，具体原假设如下：

（1）消费者价格指数CPI：α1=β1=γ1=δ1

（2）国房景气指数RECI：α2=β2=γ2=δ2

（3）固定资产投资价格指数PII：α3=β3=γ3=δ3

模型解释变量的Wald检验结果

F值 概率

CPI：α1=β1=γ1=δ1 10.73062 0.0001

RECI：α2=β2=γ2=δ2 515.2517 0.0000

PII：α3=β3=γ3=δ3 698.4055 0.0000

从表中wald检验系数可以看出，宏观经济变量对四类银行的影响都具有显著性，但其表现却不尽一样，显然RECI和PII相对于CPI对于商业银行的影响更大一些。由于不同的银行对于房地产市场的进入程度不同以及房贷的风险管理控制水平的不同，因而房价变动对于各类银行的影响程度也不尽相同，但这也从侧面反映房价的变动是可以调控的，信用风险也是可以降低的。根据所选择的宏观经济指标对于商业银行的影响程度不同，本文的压力测试时采用RECI以及PII这两个宏观经济因素，来构成压力测试的情景因素。

（二）设定压力情景

本文采用了情景分析方法对商业银行信用风险进行压力测试，本文预测的重点在于，通过在预测的时间段内设定压力测试源，然后对宏观经济指标进行估值以及这些指标在压力情景下Y和违约率的估值。在压力测试来源确定以后，通过运用蒙特卡罗模拟其他宏观经济指标相应的估值，模拟出商业银行的不良贷款分布率，再与基准情景进行对比，从而分析出宏观经济对于商业银行稳健性的影响。

1、情景设置

纵观我国目前的经济形势與国家宏观政策调控方向，以及宏观经济对于商业银行的影响显著性的不同，本文选取了国房景气指数RECI以及固定资产投资价格指数PII作为情景指数，2013年-2014年两年共八个季度的指标来设置较坏情景和严重情景。以下两幅图表示的是在基准情景下，各宏观经济变量的走势。

2006-2014RECI、PII季度预测结果

2006-2012年我国PII、RECI走势图

（1）较坏情景：以2006-2012年的数据为基准预测，得出到2014年第四季RECI指数下跌了2%，固定资产价格指数下降了5%。

（2）危机情景：以2006-2012年的数据为基准预测，得出到2014年第四季RECI指数下跌了5%，固定资产价格指数下降了11%。

2、执行压力测试

通过前文运用区间预测得到了RECI以及PII的值，再以2012年第四季度的各指标值为基准情况，与危机情景，以及严重情景进行对比，得出结果如下表：

宏观压力测试结果

危机情景 严重情景 基准情景

RECI 132.283 135.802 95.59

RECI 139.403 142.34 100.3

从上表中可以看出，与基准情况相比较，在严重情景和危机情景下，各宏观经济指标都有大幅度的上升，说明宏观经济对我国商业银行信用风险有很大的影响。

▲▲四、小结

从我国四类商业银行与宏观经济指标的压力测试中可以看出，宏观经济指标的变化对于我国商业银行的信用风险有很大的影响，随着宏观经济指标的不断上升，商业银行的信用风险也就增大，因此，对于商业银行来说，应该在宏观经济指标不断变化的同时降低银行的不良贷款率，这样就能够减少商业银行的信用风险。通过实证研究可以发现，商业银行的信用稳定性有待加强，面对宏观经济变化的复杂性与多样性，商业银行抗风险冲击与抵御风险的能力有待加强。

参考文献：

[1]谭晓红，樊纲治.我国商业银行宏观压力测试研究-基于四类银行的SUR模型[J].投资研究2011（12）.3-16

[2]巴曙松，金玲玲，朱元倩.巴塞尔Ⅲ下市场风险资本框架的改革及中国商业银行的应用[J].金融发展研究.2012（1）.3-8

[3]王雯，陈晞，叶宇.我国银行业信用风险宏观压力测试的实证分析-基于SUR方法[J].金融与经济.2012（11）.27-30

[4]巴曙松，朱元倩.压力测试在银行风险管理中的应用[J].经济学家.2010（2）.70-79

[5]李关政.基于MF-Logistic模型的银行信用缝隙那压力测试[J].金融理论与实践.2012（1）.11-15

[6]汪颖.基于压力测试的我国商业银行信用风险实证研究[J].经济与管理科学辑.2011（S1）.145-511

【作者简介】郭鹏飞（1989-），女，山东临沂人，硕士研究生，研究方向为农村与区域发展。