基于宏观压力测试我国商业银行信用风险评估.docVIP

基于宏观压力测试我国商业银行信用风险评估 　　摘 要 ：通过构建宏观压力测试模型，研究宏观经济波动对商业银行信用风险的影响。以不良贷款率作为评估商业银行信用风险的指标，根据Logit模型将商业不良贷款率转换为中介指标，然后将中介指标与各宏观经济变量进行多元回归分析以及对各宏观经济变量进行向量自回归分析。研究结果表明：选定的宏观经济变量对商业银行不良贷款率都有显著性的影响，同时，在设定的情景压力下，商业银行不良贷款率都有不同程度的增加。 　　关键词：宏观压力测试；信用风险；不良贷款率；商业银行 　　中图分类号：F832.33 文献标识码：A 文章编号：1671-9255（2014）03-0050-05 　　随着世界金融全球化进程的加快、国际大型商业银行跨国活动的加深，新环境下商业银行信用风险的管理越来越突出，特别是2007年底美国次贷危机的爆发，在这种严峻的形势下，各国金融管理当局更加重视银行信用风险的管理，不断开发各种评估金融体系稳健性的工具。商业银行作为我国国民经济活动的重要组成部分，其稳健性关乎我国国民经济发展的命脉，一旦商业银行出现信用危机，将会对我国金融体系的稳定性和经济的发展造成致命打击。2013年7月20日，央行决定全面放开金融机构贷款利率的管制，这一决定将会进一步推动我国利率化市场改革和加深各商业银行之间的价格竞争。而且，银行之间的价格竞争行为必将产生新的变化，并与其风险行为之间形成更为复杂的联系。[1]因此，我们应该高度重视商业银行信用风险的问题，做到未雨绸缪。 　　本文利用国外比较成熟的压力测试模型，结合我国当前实际的宏观经济形势以及特殊金融体系，构建了适合评估我国商业银行体系信用风险的宏观压力测试模型，实证分析我国宏观经济指标对商业银行不良贷款的影响，最后利用目前比较前沿的蒙特卡罗模拟方法，定量的分析了商业银行在不同压力情景下抗风险能力，使得研究结果更切合实际情况。 　　一、宏观压力测试模型构建 　　考虑到我国主要商业银行的不良贷款的数据从2004年才开始正式公布，而其他宏观经济变量的可得数据的事件跨度要远远大于不良贷款，在借鉴前人研究的基础上建立更适合评估我国商业银行信用风险的宏观压力测试模型。在研究我国宏观经济变量和不良贷款率之间相关关系前，首先需要利用logit模型将不良贷款率转化为宏观综合指标。其次，考虑宏观综合指标与宏观经济因素之间的关系，同时还要考虑宏观综合指标的某些滞后变量。最后。考虑宏观经济因素与其他一些宏观经济因素以及与宏观综合指标某一些滞后变量之间的关系。 　　二、实证研究及分析 　　（一）指标的选取及数据来源 　　采用商业银行的不良贷款率（NPL）作为商业银行贷款信用风险度量的指标，不良贷款率主要指贷款5级分类中的次级、可疑、损失类所占贷款总额的比例。它是评估商业银行信用风险管理水平以及风险管理能力最有效的指标。同时，选取了对商业银行不良贷款率影响较为显著的5个宏观经济指标：国内生产总值增长率（RGDP）、广义货币供应量增长率（GM2）、房地产平均销售价格指数（HPI）、消费者价格指数（CPI）、一年期流动资产平均贷款利率（R）。 　　在考虑我国商业银行经营的特殊性和相关数据可获得性，选取从2007年第一季度到2013年第二季度的季度数据，而且，宏观经济变量的数据不是采取各经济部门的统计值，而是我国整体水平的统计值。数据分别来自于中国人民银行官网、《中国统计年鉴》、中经网、国家统计局。 　　（二）模型估计 　　1.单位根检验 　　由表3可以发现，模型拟合度较好，这说明此模型又较强的解释能力，同时，银行不良贷款率也受到各宏观经济变量滞后期的影响，这点符合我国当前的基本情况。这一影响主要体现在房地产销售价格和一年期流动资产贷款利率上，同时，不良贷款率受各宏观经济变量滞后一期影响较滞后二期显著，这些说明了宏观经济冲击对银行的不良贷款的影响存在时滞效应。 　　（三）情景压力分析 　　采用情景分析方法对我国商业银行信用风险进行宏观压力测试。首先在预测时间段内设定压力测试源，然后对宏观经济变量进行估值以及这些宏观经济变量在情景压力下的中介指标yt和不良贷款率的估计值，最后运用蒙特卡洛模拟其他宏观经济变量相应的估计值，并最终求得我国商业银行不良贷款率，进而分析宏观经济变量对我国商业银行体系信用风险的影响。 　　在过去的30多年，我国经济保持较高的增长速度，国内经济形势一片明朗。但是在2007年底受到美国金融危机的冲击以及2013年我国经济面临转型的问题，我国经济开始处于低迷时期，根据2013年第二季度公布的数据，我国GDP增长率仅为7.6%，而且到目前还没有看见经济开始复苏的迹象。同时，政府对我国过高房价的调控日趋缩紧，甚至出台了“限购”的政策，由此可见在未来的时