基于蒙特卡罗模拟商业银行信用风险压力测试.docVIP

基于蒙特卡罗模拟商业银行信用风险压力测试 　　摘 要：本文以动态理论模型对中国商业银行体系信贷违约率做压力测试。结果表明：中国商业银行的违约率受货币供给量（M2）增速变化的影响较大，且两者之间显著负相关，这说明对于中国商业银行体系来讲，货币供给量增速的变化对违约的影响大，甚至超过了贷款利率和实际GDP增长率的影响；经济系统的动态性在模型中体现非常明显，尤其是时滞效应、反馈效应、传染效应都在模型中有较为显著地体现，而时滞效应更是相当明显。 关键词：商业银行；压力测试；信用风险 中图分类号：F830.5 文献标识码：B 文章编号：1674-0017-2014（2）-0051-05 一、引言 压力测试应用于金融风险管理领域最早始于20世纪90年代，现已被广泛地应用于金融风险管理的各个层面，既有微观层面对单个资产或资产组合在极端市场条件下潜在损失的测试，又有宏观层面对整个金融体系稳定性的测试，是一项非常有效的风险测量工具。 但是传统的压力测试方法并不能真正满足当前风险管理对压力测试的要求。一方面是压力测试所构建的压力情景要么太温和，不足以体现出极端事件的严重性，要么脱离现实，对现实的风险管理决策没有参考价值；另一方面是传统的压力测试多使用静态模型，无法反映经济系统的动态演化过程。这集中体现在三个方面：一是经济变量有着显著的时滞效应，一些影响并不能在事件发生的当期就立刻全部体现出来，而是随着时间的推移逐渐释放出来；二是模型中的被解释变量往往对解释变量有着反馈效应，即解释变量（风险因子）的变化会导致被解释变量发生变化，同时被解释变量发生变化后又通过经济变量之间的相关性引起下一期甚至之后几期解释变量的变化，这个过程是动态的，而不是静态的；三是风险通过经济变量之间的相关性在经济系统内部的传染效应，即当一个风险因子受到外部冲击而发生改变后，会随着时间推移将这种变化动态地传递给系统内的其他变量，使得其他风险因子也随之而发生变化，这种风险的蔓延和传染往往会带来比单一因子变化导致的风险大得多的破坏力，这也解释了一些危机事件发生后会迅速演变为一场全面的金融危机。本文以中国商业银行信用风险为例来探讨上述几个方面的问题。 二、数据选取与分析 在对中国商业银行进行信用风险的压力测试时，我们主要研究信贷违约率，选取的数据包括（均为季度数据）：（1）中国商业银行的信贷违约率：以不良贷款率为指标；（2）中国大陆地区实际GDP增长率；（3）实际贷款利率；（4）货币供给量（M2）增速。 数据主要来源于中国证监会的官方网站、中经网数据库、Bloomberg数据库、EIU CountryData（全球宏观经济指标分析库）等。上述数据中，信贷违约率（信用风险的指标）是我们研究的对象，将作为因变量，而剩下的几个则作为影响信贷违约率的风险因子，因为：（1）实际GDP增长率作为宏观经济走势的风向标，必然会影响到银行的信贷违约率；（2）实际贷款利率作为信贷市场中衡量贷款成本的重要指标之一，我们预期当利率上升时，会加重贷款者支付利息的负担，从而引起贷款违约率的上升，反之亦然；（3）货币供给量代表了货币政策的方向，直接影响到经济的各个方面，包括投资、利率、通货膨胀率以及GDP增长率等，因此对信贷违约率有着重要的影响。对中国商业银行信用风险进行研究的难点在于数据积累的时间太短，而且经过了国有商业银行的改制上市，大量不良贷款被剥离，直接导致不良贷款率下降。这种政策因素使得不良贷款率缺乏可比性，因此也不能用来建立模型进行压力测试。因此，虽然我们获取了从2004年第一季度到2012年第四季度的数据，但是只有2008年第四季度到2012年第四季度的数据可以使用，总共有17期。 从图1到图4分别是以上四个变量的时间序列图。从图中可以看到，中国商业银行的不良贷款率在最近10年里持续下降，当然这里面包含了政策性因素。实际GDP增长率在2007到2008年受全球金融危机影响急剧下跌，之后出现了反弹。同时，实际贷款利率从2006年年中到2007年底一直下跌，之后又迅速攀升，这主要是由于通货膨胀率的缘故。2006年到2007年通货膨胀率迅速上升，然后急剧下跌，导致实际贷款利率向相反的方向变化。而货币供给量增速从2008年下半年到2009年年中急剧攀升，主要是为了应对全球金融危机，中国政府为刺激经济实行扩张的货币政策所致。 三、模型设定与估计 我们选用动态模型，即综合考虑经济系统的反馈效应、时滞效应和传染效应等。但是违约率是一个在区间变化的变量，如果直接将模型中的因变量设为违约率，则估计值容易落在区间之外，所以我们需要先对违约率（记为p）作变换： p=■，p∈（0.1） pt=■y■=A■+A■■x■+Φ■■y■+v■x■=B■+B