银行信用风险论文：宏微观综合下的银行系统信用风险研究

1、银行信用风险论文:宏微观综合下的银行系统信用风险研究基于A股14家上市银行的面板数据【摘要】本文以贷款违约率作为评估银行系统信用风险的指标，使用Logit模型将各家银行贷款违约率PD转化为中介指标丫，以丫作为因变量，引入宏微观结合层面上的多个因素，宏观上包括实际国内生产总值、消费者价格指数、货向供给量M2、名义流动贷款利率，微观层面则包括各银行的总资产、总资产收益率、净利润、风险资产比例等指标作为解释变量，以A股14家上市银行为样本，构建面板回归模型。从而评估宏微观综合下的银行系统信用风险。【关键词】贷款违约率信用风险随着我国金融工具的不断创新及资本市场的深化，对资产风险的管理已成为我国银行业

2、和监管部门关注的基础和核心，2004年6月，巴塞尔新资本协议的颁布更是为各国银行风险监管提出了新的要求，风险度量和控制在国内银行业受到高度关注。银行风险是指银行在经营中由于各种因素而招致经济损失的可能性，或者说是银行的资产和收入遭受损失的可能性.包括信用风险.非法拆借风险.非法集资风险和其他风险。其中信用风险指获得银行信用支持的债务人不能遵照合约按时足额偿还本金和利息的可能性.在商业银行业务多样化的今天，不仅涉及传统的信用风险仍然是商业银行的一项主要风险，而且，贴现，透支，信用证，同业拆放，证券包销等业务中涉及的信用风险也是商业银行面临的重要风险。银行信用风险的研究主要是在于银行信用风险压力测

3、试的研究。新资本协议的一个突出特点就是在组合层次上利用在险价值(VAR，valueatrisk)来衡量风险，VAR是在概率给定情况下，银行的资产组合价值在下一阶段最多可能损失多少，由于它能简单明了地表示风险的大小，在BASELII新资本框架中对市场风险、信用风险和操作风险的度量都采用了VAR的计量思想。然而，VAR不能解释一些小概率的而有可能对银行造成较大损失的事件，这些事件又往往能给银行带来致命危害，如1987年美国股市崩盘、1994年之美国利率风暴、1994年中南美洲披索风暴、1997年东南亚金融风暴、1998年俄罗斯政府违约事件，在这些情况下VaR模型便告失灵。为了弥补VAR的不足，巴塞

4、尔新资本协议明确指出银行必须建立良好的压力测试程序并定期进行压力测试，以反映各种经济环境改变的情景对信贷资产组合的不利影响，实施内部评级法的银行必须单独进行信用风险压力测试。风险压力测试一般为宏观层面上的一些变量如国内生产总值、消费者价格指数、Deventer(2005)通过线性回归分析对澳大利亚银行、日本三菱银行及韩国、美国的多家大型银行分析表明，宏观因素影响着信贷利差，从而意味着它影响银行信用风险。Bernhardsen(2005)建立了一个银行破产和不良贷款与宏观经济因素的模型，并且利用欧洲国家的面板数据进行了实证检验。然而银行的信用风险不仅来自于外部，由于银行本身的资产负债营利能力等都将影响其对贷款发放风险的评估与选择，从而对其内部因素也将影响银行的信用风险。本文将宏观与微观的因素相结合，对银行的信用风险进行评估。以贷款违约率作为评估银行系统信用风险的指标。一、模型的构建度量宏观经济对PD的冲击模型有很多，我们这里采用本文基于宏观经济因素和贷款违约率之间的非线性关系设定，使用Logit模型将各家银行贷款违约率PD转化为中介指标丫，Logistic回归，主要是这个模型能保证预测的PD在0-1之间，以丫作为因变量，引入宏微观结合层面上的多个因素，宏观上包括实际国内生产总值、消费者价格指数、货向供给量M2、名义流动贷款利率，微观层面则包括各银行