金融系统压力测试方法及其应用分类

PAGE1压力测试方法及其应用分类准确而有效地评估这种极端事件发生时机构的损失以及在此基础上采取相应的防范措施，已经成为金融风险管理体系至关重要的环节。压力测试作为一种衡量承受巨额潜在损失能力的方法业已受到越来越广泛的认可和应用。一、压力测试的技术分类近几年来，随着压力测试在各国金融机构风险管理中的推广和运用，这一工具已发展涵盖了多种方法技术，如已被普遍应用的情景分析和灵敏度分析，还有尚待推广的蒙特卡罗分析和最大损失优化法等。目前理论界对压力测试的技术分类并无统一的框架。根据构造情景的不同，将压力测试方法分为：情景分析和系统化压力测试。其中，情景分析是针对某一种特殊市场情景下资产组合损失的评估，包括历史情景分析和主观情景分析等方法；系统化压力测试是针对一系列不同市场情景或情景组合下的资产组合价值变化的评估，包括灵敏度分析、蒙特卡罗分析和最大损失优化法等方法。（一）情景分析情景分析通过设立和使用可能的未来经济情景来度量这些特殊市场情景下资产组合的损益情况。进行情景分析包括情景构造和情景评估两个步骤。情景构造是情景分析的基础，目的在于产生金融市场的某些极端情景。这些极端情景包括资产价值极端损失的情景、市场因子波动性和相关性的极端情景等。情景评估是指完成极端市场情景构造以后，评估该极端情景的发生对资产组合价值变化的影响和后果。常用的情景分析方法包括历史情景分析和主观情景分析。（1）历史情景分析历史情景分析是以历史上某一极端事件为基准，模拟、构造一个未来极端市场情景（包括资产组合的最大损失、市场因子的最大波动、市场因子相关性的极端情形等），并对此极端情景下资产组合的损失情况进行评估。其中，历史极端事件包括极端金融市场事件及引发了金融市场大幅震荡的政治、经济事件和自然灾害等。基于历史极端事件进行情景分析，通常的方法是观察在特定历史事件发生时期市场风险因素在某一天或者某一阶段的历史变化将导致机构目前拥有的资产组合价值的变化。这项技术有两个优点：其一是测试结果的可信度高，因为市场风险因素结构的改变是历史事实而不是主观的假定；其二，测试结果易于理解。当然，通过历史数据构造压力情景依赖于“历史会重演”的假设。在基于历史事件构造极端情景时，应该注意，不同金融市场的最大价值下跌幅度存在很大的不同，同一市场上前后两次最大价值下跌幅度也存在巨大不同。因此，只能将历史极端事件作为构造未来极端情景的一个基准，而不能完全用其替代。（2）主观情景分析主观情景分析是通过风险管理者主观构造未来可能发生的极端事件，并对此极端情景下资产组合的损失情况进行评估。其中，假定情景使用某种可预知的发生概率极小的压力事件作为基准。由于这样的压力事件从未发生过，因此必须利用历史经验来创造这些假定的情景。比较历史极端事件而言，假定情景更接近机构当前的风险特性，并能让风险管理者给予未来风险而非历史事件更多的关注。但是，由于这种技术需要相当多的主观判断，故在实践操作中需要大量的资源（尤其是人力资本）投入。实际上，大多数金融机构都将主观情景分析方法结合历史情景进行，如用过去的市场波动数据作为参考但是又不必然与某一特定历史危机事件相联系的假定情景，对历史情节的使用，能够帮助风险管理者校准价值变化的幅度和其它难以设定的参数，两种技术相结合也在客观性和可操作性之间寻求到了平衡点。（3）情景分析的评价情景分析的主要优点在于指出了资产组合面临的潜在最大损失，具体而言表现在以下三点：首先，情景分析评估了大规模市场运动的影响。例如，在价值变化较小的条件下设计的对期权头寸的Delta对冲通常很有效。当市场价值出现大幅变动时，这种对冲策略往往失效，会使组合管理者面临巨大的风险暴露。而采用情景分析，可以较好地探测大规模市场运动对资产风险暴露的影响，还可以评估大规模市场运动下市场流动性的急剧下降对资产头寸和交易策略的影响等。其次，情景分析评估了市场波动性变化和相关性的影响。波动性估计通常建立在历史数据基础上，许多情况下并没有反映市场的真实情况。给予这种预测，有时会导致远大于期望的损失。因此，基于历史数据的预测方法无法预测汇率的突变性风险。同样，基于历史数据的相关性估计方法，无法预测相关性的突然大幅变动，而资产组合的风险依赖这种相关性，并且相关性的突然变化往往使组合面临更大的风险暴露。情景分析通过构造极端情景，分析这些情景下资产组合的变化，从而弥补了这些缺陷。最后，情景分析还可以弥补风险管理系统的一些其它弱点。情景分析过程可以使机构的风险管理者和高层充分考虑不利情景的影响，检查其风险策略的缺陷，评估偶然性事件的危害。情景分析也有一些方法缺陷。最大的问题在于分析效果很大程度上依赖于有效情景的构造和选择。而有效情景的构造是相当困难的：其一，不可能将所有的极端市场情景都考虑进取，从而产生了情景分析的片面性；其二，历史事件不可能重演，故未来市场情景在具体表现形式和程度上不可能与构造的情景完全相同。因此，有效情景的构造和选择需要良好的判断和丰富的技巧经验。此外，在情景分析中还存在一些其它技术问题。例如，对于多变量和复杂情况而言，由于很难构造有效的情景，这种方法就很难对未来变化做出估计。又如，在考虑不同市场因子间的相关性时，由于风险管理者往往假定所有的相关性都是以不利的方式变化，从而忽略了价值间的无套利假定，故情景分析就显得过于简单而不够全面。再如，情景压力测试只是指出了特定情景产生的损失大小，而不能给出不同情景实际发生的可能性。（二）系统化压力测试（SystematicStressTesting）系统化压力测试的主要思想是，利用不同资产、不同程度的大幅波动构造一系列的极端情景，在此基础上评估这些极端情景对资产组合价值的影响，从而产生一系列的压力测试结果集合。这一方法与情景分析的最大区别在于，它鉴别了所有能够导致巨大损失的主要场景，而不像情景分析只检验少数情景的影响。系统化压力测试的一个运用实例是市场价值波动中的“跨坐策略”（Straddle）。在跨坐策略下，最大损失并不是出现在市场价值波动最激烈的情形。这就意味着，如果仅考虑市场价值的极端波动情况，并不能完全反映出资产价值组合的最大可能损失。例如，对于某个包含期权的利率资产组合（其价值变动矩阵见下表），由于组合对利率的Gamma风险为正，即如果利率出现较大幅度的波动（无论正负），组合的价值都会增加，故最大损失就发生在利率波动浮动较小的情况下。表1－1包含期权的利率资产组合的系统化压力测试矩阵波动性乘子利率的平行变化-2-1-0.5-0.100.10.51240.61.14543534-119-102-102-188-22037-1300.81.14844778-60-48-52-145-200-10-1650.91.150456100-33-24-29-125-189-12-1641.01.153466122-80-6-103-1732-1511.11.157478144182518-77-15132-1261.21.162490167465245-46-11980-901.41.1745222221311811437-2522321系统化压力测试需要解决两个核心问题：其一是确定压力测试的风险类型，即根据不同资产组合的风险特性确定测试是针对何种风险，如Delta风险、Gamma风险或Vega风险；其二是选择价值波动的水平，即根据当前市场情况和主观经验判断，考察分析每一个市场因子在特定期间的历史情况，确定该市场因子的历史最大波动和近期的最大波动。下面介绍几种典型的系统化压力测试方法。（1）灵敏度分析（SensitivityAnalysis）灵敏度分析的主要思想是，推动市场因子（如利率、汇率、股票指数和商品价值等）沿不利的方向变化一个单位量，计算资产组合市场价值的变化。灵敏度分析的计算一般分为三个步骤：首先，推动因子变化，并计算因子变化后资产组合的价值。对于第m(m=1,…，M)个市场因子，在其他因子不变的条件下，推动该因子增加α倍标准差，市场因子（Sm,Sm0表示该市场因子变化前后的大小，表示第m个市场因子变化的波动性），计算资产组合价值Pm+。类似地再计算Pm－；其次，确定所有因子向最不利方向变化的情景。对于M个市场因子中的每一个因子，如果Pm+>Pm－，则该因子的不利变化为，否则就为。依次得出组合中各资产的最不利情景矩阵；最后，求出资产组合的最大损失。也就是最不利情景下的组合价值与当前组合价值之差，即。灵敏度分析的优势在于：其一，便于计算机程序化的运算；其二，不受一般Var方法的线性正态假定条件的限制；其三，在特定假设条件下，还可以得出事件发生的概率。例如，对于单一的正态分布变量，通过使用市场因子变化α倍可以得出事件及其发生的概率；对于多个市场因子，也可以在多维正态分布下同样计算相应事件发生的概率。灵敏度分析存在三方面的问题：第一，灵敏度分析中关于最大损失发生在市场因子处于极端值的假设条件往往不成立。第二，由于灵敏度分析假定市场因子间的独立性，而忽略了因子联合分布的某些属性，故对于很多因子组合的复杂情况是不适宜的；第三，因为灵敏度分析是以金融资产价值和市场因子呈线性关系的灵敏度计算为基础，故对于许多具有非线性关系的金融资产组合，该方法仅是一种线性近似。（2）蒙特卡罗分析（MonteCarloScenario）蒙特卡罗分析也是通过确定市场因子的变化范围来估计资产组合的价值变动。但与灵敏度分析不同的是，该方法通过固定步长搜索来解决金融资产价值和市场因子间呈非线性关系的问题。基于蒙特卡罗模拟的压力测试分为以下三个步骤：首先，情景产生。选择市场因子变化的随机过程和分布，估计其中相应的参数，模拟市场因子的变化路径，建立市场因子未来变化的情景；其次，组合估值。对于市场因子的每个情景，利用定价公式或其它方法计算资产组合的价值及其变化；最后，求出组合的最大损失，即最不利情景下的组合价值与当前组合价值之差。蒙特卡罗分析能解决非线性关系的金融资产组合问题，但其需要估计市场因子变化的相关参数，计算量较大，不便于操作，故在国内运用不是很广泛。（3）最大损失优化法（MaximumLossOptimization）最大损失优化法通过建立最大损失函数来寻找市场因子在中间值和极端值下资产组合的损失，从而解决灵敏度分析方法的第一个缺陷。该方法关键在于建立最大损失函数（ML）。其中，ML定义为：在给定市场因子的置信域上，一定持有期内资产组合发生的最大损失。用公式表示为：(1－1)ML的构建主要包括市场因子识别、置信域构造和损失确定三个部分：1．市场因子（w）市场因子是损益函数的基本参数，包括股指、商品（现货和远期）价格、汇率、利率和市场因子的余期波动等。2．置信域（）置信域是根据市场因子的联合密度函数ft(w)确定的一个区域，其概率为α。即。3．损失确定针对市场因子空间上的每一点，重新定价组合的价值。假定在市场因子w1，…，wM下的损益函数v(w)具有可加性，那么(1－2)最大损失优化法考察了市场因子的相关性，同时也能处理因子间非线性的情况，故具有很好的特性。但由于该方法涉及最大损益函数的构造，置信域的模拟通常需要假定正态分布，因此计算量较大，同时对数据的稳定性也提出了更高的要求。二、压力测试的应用分类压力测试作为一种评估极端事件的方法，有着多层次的应用。首先，最普遍的应用就是评估单个金融机构的极端风险，称为“公司级”压力试验；其次，压力测试还可以用来评估多个金融机构乃至整个金融系统的稳定性，称为“系统级”压力测试。（一）公司级压力测试采用压力测试对单个金融机构进行风险评估时，由于不同机构面对的风险不同，所以首先要根据自身的具体情况确定风险的类型，初步判断该类风险对自身资产有何种形式的威胁；然后在此基础上确定采用何种压力测试方法最为合适，再据此评估潜在损失。（二）系统级压力测试相对于公司级压力测试的微观视角，系统级压力测试着眼于宏观层面。由于风险的溢出和传染是系统性风险发生时最为典型的特征，因此系统级压力测试目的就是确定那些会破坏整个金融系统稳定性的跨机构的风险。在实施过程中，系统级压力测试包含五个必须的步骤：（1）确定主要的风险来源。金融系统的运行和外围的宏观经济运行密不可分，因此，为了确定主要的潜在冲击，就需要有充分的宏观经济运行背景知识和相关信息。这些信息涵盖政府部门以及实际部门，如经常帐户赤字、官方储备、财政状况、负债率、通货膨胀压力等。除这些结构性指标以外，IMF还发展了一系列金融稳定性指标（FSIs），也可以用来作为判断金融系统风险来源的重要参照。（2）构造情景。一旦主要的风险来源被确定，就可以构造特定的情景进行风险评估。和公司级压力测试中的情景分析不同，系统级压力测试的情景分析依赖于宏观经济模型，因为它要考察金融系统和宏观经济运行之间的相互作用，并据此评估金融系统的潜在风险。至于情景本身的构造方法，与公司级压力测试相同。（3）资产负债表执行（balancesheetimplementation）。考察特定情景下宏观经济运行对金融机构资产负债表的影响。分析这种影响的方法有两类：一是“自下而上（bottomup）”方法；一是“自上而下（topdown）”方法。前者通过加总单个微观组合数据获得