招商银行住房按揭贷款信用风险压力测试.pptVIP

主要内容 压力测试框架 压力测试流程及方法 经验交流与展望 压力测试的定义 压力测试的定义 压力测试是指利用一系列方法来评估金融体系承受“罕见但是仍然可能”(extreme but plausible)的宏观经济冲击或者重大金融事件的过程 压力测试的监管要求 新资本协议对压力测试的要求 识别经济状况的可能事件(如经济或行业衰退、市场风险事件、极端的流动性状况)和未来变化对银行的贷款敞口和逾期损失的不利影响　 评估银行抵御这种变化的能力 中国银监会要求银行建立压力测试框架以更有效地提高资本管理水平，从而能够抵御经济周期所有阶段的风险 本文设定的框架限于零售产品的信用风险 压力测试的意义 压力测试的运用和风险治理的一体化 压力测试结果应作为一系列决策的依据，特别是（但不局限于）作为制定风险偏好和设定风险敞口限额的依据 在制定和讨论长期经营规划时，压力测试结果也应作为评估战略决策的依据 压力测试应纳入资本和流动性管理规划中 银行应开展压力测试，以便促进风险识别和控制，弥补其他风险管理工具的不足，改善资本和流动性管理，加强内部与外部的沟通与交流 银监会《稳健的压力测试实践和监管原则》 压力测试的类型 敏感性分析：单变量分析 情景分析 ：多变量分析 历史情景： 依赖于过去经历的重大事件 较明确具体而较少使用判断 不一定切合银行当前的风险状况 未必能体现承担风险的前瞻性 假设情景 尚未发生的重大的市场事件 更切合公司当前的风险情况 需投入大量人力及需做出大量判断 必须得到管理层及业务层面的支持 压力测试的严重程度 监管机构具体指引：轻度、中度、严重 英国金融管理局“25年一次的衰退”的模拟情景 压力测试对象及目的 对象 招商银行住房按揭贷款90天逾期率 根据现有的数据状况，无法直接评估压力事件对PD的冲击。但是我行房贷90天逾期率数据比较完备，故将其作为压力测试模型校准和应用的基础。 目的 评估宏观经济极端条件对90天逾期率的影响 压力测试流程图 主要假设 宏观因素对房贷逾期存在显著影响，并且这种影响机制具有一般性。根据香港地区数据建模，模型的形式可以推广到国内。 单变量模型残差包含了模型外宏观因素的影响。 宏观因素的变化是渐变而不是突变。在情景设计阶段，要考虑增长率的平滑。 单变量模型建模 香港地区数据说明 观测期：1998年2季度至2007年4季度 观测频率：季度数据，共39期 指标 Y： 房贷拖欠比率(逾期90天余额占比) X1：GPD增长率 X2: 房价指数增长率 X3: 进出口总值增长率 X4: 房贷利率 因变量Y与自变量X1——X4分别建模 数据样本 单变量模型建模 传递函数模型 (Transfer Function Model) 单变量模型建模 单变量模型建模 房价指数增长率模型 模型校正 方法 利用国内有限的数据调整模型参数以提高拟合优度，由此得到适用于招行的预测模型 校正数据 全国GDP增长率(07-08季度数据） 深圳地区房价指数(07-08季度数据) 贷款利率 全国进出口增长率(06-08月度数据) 压力参数设计 定义轻度、中度和重度 GDP增长率从9%下降至5%, 3%, 2% 房价指数增长率从-0.9%下降至-10%,-20%,-30% 进出口总值增长率从17.85%下降至-30%,-40%,-50% 房贷利率从5.94%上升54,108,162个基点 敏感性分析 敏感性分析 相关性分析 动态模型 Y~X1+X2+X3+X4 自回归残差模型 Y~X1+X2+X3+X4+err(t-1) 主成分分析 将多个宏观指标综合成一两个最具代表性的指标 情景分析 情景分析 情景分析 经验交流及建议 国内宏观经济数据样本少、更新慢，利用统计模型进行压力测试，只能借助外部数据 统计模型只是压力测试的参照基础，要提高模型的表现，必须基于业务经验并结合宏观经济条件对其做适当的调整 国内进出口统计数据质量较好并且更新较快，能够及时反映宏观经济的变化 希望银监会能够借鉴FSAP在压力测试方面的经验，提供具体的指导意见 面向LGD的压力测试，希望能有更多的交流平台 展望 下一步 积累数据，寻找更多有预测力的宏观指标 将压力测试扩展到对银行损益表的影响，对资本充足率的影响 * * 招商银行住房按揭贷款 信用风险压力测试 步骤4 敏感性分析 GDP增长率 进出口总值增长率 房价指数增长率 房贷利率 香港地区数据-宏观经济变量 GDP增长率 房价指数增长率 进出口总值增长率 房贷利率 香港地区数据 房贷拖欠比率 (逾期90天余额占比) 步骤1 单变量模型建模 步骤2