宏观经济数据影响下的信用风险压力测试研究.docx

宏观经济2010 年第 6 期宏观经济数据影响下的信用风险压力测试研究周源摘要：本文开展了宏观经济数据影响下的信用风险的压力测试。首先分析了影响信用风险相关的宏观数据与财务指标，比较了 Logit 模型和多元线性模型，提出了 GDP 产 出缺口、贷款利率、汇率等宏观经济指标及有关财务比率。其次在考察宏观经济指标变化 的基础上，设定了重度、特重压力指标。根据对江苏省金融数据的分析，本文认为在宏观经 济重度压力指标下，商业银行信用风险压力测试结果表明形势严峻，会出现亏损，将给商 业银行经营管理带来冲击和考验。关键词：银行业压力测试宏观经济信用风险中图分类号：F830文献标识码：A 文章编号：1009- 1246（2010）06- 0011- 04一、引言对于 2008 年以来 席卷全球的 金 融 危 机 ，人 们在归纳、反思其爆发的根源时，认为其中一条 原因就是：金融机构在发放房地产贷款时，只考 虑了当时经济繁荣情景下，贷款者的偿还能力， 认为平安无事就可以了；没有进一步研究在整个 经济周期中，如果经济出现萧条，贷款的信用风 险会如何。在这样的背景下，金融机构高估了贷 款者的偿还能力，发放了许多不应该 发放的贷款，最终引爆了次贷危机和金融危机。从现论层次分析，现在风险管理中经常使用 的 VaR（在险价值管理）方法中，一般都设定 99% 或 99.5的置信度下，会出现什么风险损失，而 置信度之外的极端情况，会出现什么样的风险， 往往就被忽略了。但是，对于金融机构来说，这样 的极端情况是必须考虑的，否则，压力情况一旦 出现，可能就会导致金融机构破产，破坏金融稳 定。在这种情况下，应该引入压力测试。本文将以江苏省银行业的数据为例，进行宏观经济数据 波动下，宏观经济数据变化对信用风险的压力测 试。具体分两步进行：一是分析影响信用风险相关的财务指标与宏观数据。二是在此基础上，通过特定敏感度下情景分析，进行压力测试。 二、文献回顾 本文研究宏观数据下的信用风险压力测试，相关的文献有两部分：（一）压力测试的文献压力测试是 评估在金融 变量可能发 生事 件 或变化时，对资产的潜在影响（Lopez，2005）。压力 测试可以分析在特定的压力情况下，金融资产发生的变化，从而为防范风险做好准备。尽管如此，压力测试的定义还是很模糊，对压力测试的关注 和学术文献也较少（Gloria，2003）。2000 年 G10 央 行对金融机构压力测试情况进行了调查，将 43 个银行的 293 种情景分成了 9 类主题，这是对压 力测试实际操作情况的一次较全面的调查分析。2009 年 5 月，美联储对美国 19 家主要银行开展 了压力测试，结果表明其中 10 家银行存在资金 缺口，总额共 746 亿美元。国内文献方面，有些文献对压力测试提出了 思路，进行了一般性的描述，但是实证文献较少。 实证文献方面，汪寿阳等（2002）构造了中国出口 的 AR(2)模型，通过压力情景和敏感性分析，认为11表 1 财务比率表 2 宏观数据变量表 3 贷款性质相关的其他变量2010 年第 6 期宏观经济中国出口可以承受的日元贬值幅度相当大。基于宏观数据的压力测试方面，徐明东等（2008）给出 了国际比较，但也仅限于对相关的方法进行了归 纳和定性介绍。（二）宏观数据影响下的信用风险评估文献Jacobson 等(2005)构建了宏观数据影响 下的 信用风险评估模型，他们的模型包括三类变量： 一是财务指标变量，包括：息税折旧摊销前利润 / 总资产，利息 / 利息 + 息税折旧摊销前利润，总负债 / 总资产，总负债 / 总销售收入，现金 / 总负债，存货 / 总销售收入；二是宏观数据变量，包括：总 产出缺口、通货膨胀率、名义利率、实际汇率；三 是虚拟变量，包括是否发放股息、是否有破产申 请、是否欠税款等。在此基础上，他们运用 VAR 模型考虑了宏观数据对信用风险的影响。国内关于宏 观数据影响 下的信用风 险文献 很少，以往的研究是对信用风险的各类 评估方 法。比如方洪全等（2004）以 297 笔贷款记录作为 样本数据，筛选出包括：保留盈余资 产等 5 个 财务指标作为分析变量，比较了线性判别模型、 Logit 模型在信用风险评估方面的准确性。本文将分析 宏观经济变 量波动对信 用风险 的影响，利用信贷数据进行宏观数据下的压力测 试，推进信用风险压力测试的有关实证研究。三、数据整理与分析本文在 Jacobson 等研究的基础上，对变量范 围进行了进一步的扩充。文中相应数 据计算由 Eviews、SQL Server 实 现。本文银行 贷 款 数 据 资 料、企业财务比率取值于中国人民银行数据库资 料，时间范 围从 1998 年 1 季 度 至 2007 年 4 季 度，包含期间江苏省银行业贷款数据资料。本文 对原始数据库进行了数据清洗与整理，可以得出相应的企业财务比率、贷款违约情况及基本性质等相关数据。（一）企业财务比率分析根据贷款企 业的财务报 表计算得出 有关 财 务比率。财务指标的选取主要是侧重于偿债能力 比率，并且考虑了其他影响信用风险 的财务比 率。（二）宏观数据分析宏观数据的 时间范围与 上面一致，主 要 包 括：其中产出缺口 gdpgap 的计算，先 利用 X12季节调整计算出 gdp_tc 序列，再采用 HP 滤波方 法计算出潜 在产出 hptrend，根据 gdp_tc 与 hp trend 之差求出产出缺口。对于货币供应量数据， 以 1990 年物价指数为 100，将名义货币供应量除 以历年物价指数，计算出消除了价格变动影响的 实际货币供应量。对于贷款利率，分别考察名义 利率和实际利率，经过计算发现名义利率对模型 影响更显著，所以取名义利率。（四）贷款性质相关的其他变量 主要包括银行数据库中贷款的特征、企业相关信息虚拟变量等指标：四、实证模型及分析（一）宏观数据影响下的信用风险评估 对于本文中信贷数据库资料，分别采用两类12模型来评估其信用风险：1.Logit 模型Logit 模型是一种虚拟变量模型，定义为：将 在 pi 处作级数展开，计算得：当 xi 变化时，pi 可以取得 0、1 值。在本文中， 针对贷款是否违约，定义贷款违约为：df1，非违 约为：df0。对数据库资 料，针对样本 个体数据，估 计Logit 模型得：表 4 Logit 模型估计结果表 5 变量平稳性检验结果表 6 多元线性模型估计结果宏观经济2010 年第 6 期从统计结果看，单个变量 、变量总体显 著性都很好，但 McFadden R2 不够理想。以上模型已 经充分考虑了涉及信用风险的主要财务指标、企 业特征、经济周期变量，但是模型拟合效果仍 然 不佳，可见需要采取其他方法。2.多元线性模型 已有的研究表明，线性模型对于信用风险评估也能够取得较好的效果。本文按照季 度为周 期，计算出贷款违约率、财务指标的平均数，包括宏观数据。因本文涉及财务指标较多，所以采取逐步回归的方法。为防止伪回归，对时间序列变量需要检验其 平稳性，对以上变量进行 ADF 单位根检验：注：检验形式中的 C、T 和 K 分别代表设定的检验方程中含有截距、时间趋势以及方程的滞后阶数，N 代表不含 C 或 T；*、*、* 分别表示在 1%、5%、10%水平下显著； 表示一阶差分。经 检 验 ，df、ratio4、ratio13、loanrate 等 变 量 不 含单位根，为平稳序列；gdpgap、neer 等变量经过 一阶差分后，也为平稳序列。所以对相应变量可 以进行回归，经逐步回归检验，可以得到模型为：可以看到，该模型拟合效 果较好，变量 的显著性、方程的主要几项检验值都比较理想。通过 方程可以观察出：（1）财务比率对贷款违约率影响较大。流动 比 率 每 下 降 1 个 百 分 点 ， 贷 款 违 约 率 将 上 升13表 7 压力测试指标和结果2010 年第 6 期宏观经济0.0816 个百分点；利息费用 / 利息费用 + 息税前利润比率每上升 1 个百分点，贷款违约率将上升0.260 个百分点。（2）宏观经济指标对贷款违约率影响较大。在 经济周期处于下行的通道时，产出缺口变化率每 下降 1 个百分点，贷款违约率将上升 0.857 个百分 点；贷款利率每下降 1 个百分点，贷款违约率将上 升 0.0111 个百分点；名义有效汇率变化率每下降1 个百分点，贷款违约率将上升 0.00265 个百分 点。（二）压力指标与测试结果 在以上模型的基础上，可以进行压力测试。测试数据以数据库期末数据为基准。压 力 测 试 情 景 的 设 定 参 考 了 Rodriguez 等（2007）的方法。Rodriguez 等提出，可以有两种设 定压力情景的方法：一是最大变化值法，即将足 够长观察期内最大的数据变化作为压力指标；二 是最坏例子法，取历史数据的最差值作为压力指 标。我们这里采用最大变化值法。考察 10 年间这 些宏观数据的下行变化情况，以一年内最大的下 行变化值为依据，设定为重度压力指标；在此基 础上，以重度压力指标的 1.5 倍，设定特重压力指 标。根据以上模型可求得：率，则可以计算出，在重度压力下，江苏省银行业需要增提拨备 1356.09 亿元。而 2008 年底江苏省 银行业赢利 786.43 亿元，那么，在宏观经济重度 压力情景下，商业银行信用风险压力测试结果表 明形势严峻，银行业会出现亏损。五、结论本文研究了 江苏省银行 业受宏观经 济数 据 变化影响的信用风险压力测试。经过分析，本文 认为：（一）宏观经济数据、贷款企业的财务比率对 银行业信用风险影响较大在经济周期处于下行通道时，银行业信用风险、不良贷款率将明显上升。宏观经济数据主要 包括：GDP 产出缺口、贷款利率、有效汇率等因 素。在经济周期处于下行的通道时，产出缺口变 化 率 每 下 降 1 个 百 分 点 ， 贷 款 违 约 率 将 上 升0.857 个百分点；贷款利率每下降 1 个百分点，贷 款违约率将上升 0.0111 个百分点；名义有效汇率 变化率每下降 1 个百分点，贷款违 约率将上升0.00265 个百分点。财务比率主要包括：流动性比率等偿债能力 指标、利息保障倍数等财务比率。流动比率每下 降 1 个百分点，贷款违约率将上升 0.0816 个百分 点；利息费用 / 利息费用 + 息税前利润比率每上升 1 个百分点，贷款违约率将上升 0.260 个百分点。（二）在设定的重度压力情景下，商业银行信 用风险压力测试结果表明形势严峻在重度压力情景下，贷款违约率将上升 12.89 个百分点，其上升幅度很大。在宏观经济重度压力 下，违约贷款上升 3490.75 亿元，江苏省银行业据 此需要增提拨备 1356.09 亿元，银行业会出现亏 损，将给商业银行经营管理带来冲击和考验。现在考察重度压力下的情景。以期末数据为基准，则贷款违约率从 3.19%上升 12.89 个百分 点，达到 16.08%，2008 年底江苏省银行业各项贷 款 27081.06 亿 元 ， 则 违 约 贷 款 上 升 3490.75 亿 元。根据当时不良贷款的构成结构及拨备提取比参考文献：1方洪全,曾勇.银行信用风险评估方法实证研究及比较分析J.金融研究,2004, (1). 2人民银行南京分行课题组.江苏省金融支持企业节能减排研究从信贷支持角度分析J.金融纵横, 2009,(11).3汪寿阳,张静,王振全.日元贬值对中国出口的影响压力测试分析J.中外管理导报.2002, (7). 4香港金融管理局.监管政策手册 - 压力测试 EB/OL.hk/hkma/chi/bank/spm/attach/IC- 5- Ch.（下转第 18 页）pdf.142010 年第 6 期宏观经济研发，从而增强交易市场的深度和广度，提高“价格发现”能力。（三）我国的排放交易体系要与国际统一标准 相符合，同时设置开放联接机制，与世界其他交易 系统，尤其是欧盟 ETS 进行无缝对接。我国建立的 排放交易体系不仅仅是针对国内各企业机构间进 行排放权交易的平台，更要主动地与世界其他交易系统，尤其是欧盟 ETS 进行无缝对接，这样通过壮大自身交易体系的成交量和成交额，去吸引更 多国外机构和投资者参与到本国的 交易市场中 来，我国才能够真正的在国际排放权交易市场中 占据主动，掌握定价权，从而为在未来更为严峻的 国际气候变化问题谈判上获得 话语权奠定 坚实 的基础。参考文献：1A.Denny Ellerman，Paul L.Joskow. The European Unions Emissions Trading System in perspectiveOL. ，2008.2Karan Capoor，Philippe Ambrosi. State And Trends Of The Carbon Market 2009OL. http:/wbcarbon finance. crg，2009.3European Commission. Emissions trading: Commission adopts amendment decision on the Slovak NationalAllocation Plan for 2008 to 2012Z. Commission press release IP/07/1869，2007- 12- 07.4Stavins, Robert N. A U.S. Cap- and- Trade System to Address Global Climate Change Z. Brookings Institu-tion Discussion Paper 2007- 13 (October 2007)，2007. 5潘家华.欧盟的污染物排放贸易实践及其启示J.研究快讯，2006，（28）. 6李布.善用“无形之手”从欧盟经验看我国碳排放交易体系建设OL.国务院发展研究中心信息网，2009.作者简介：曹华磊，男，就读于合肥学院经济系金融学专业。（特约编审：吉祖来，责任编辑：张秋龙）（上接第 14 页）5徐明东,刘晓星.金融系统稳定性评估：基于宏观压力测试方法的国际比较J.国际金融研究,2008, (2). 6Fender, Ingo, and Gibson, Michael S.,and Mosser, Patricia C. An International Survey of Stress Tests R.current issues in economics and finance,federal reserve bank of New York, 2001, (10).7Gloria, Gonzlez Rivera.Val