基于宏观压力测试我国商业银行信用风险探究.docxVIP

基于宏观压力测试我国商业银行信用风险 探究 【摘要】本文在Wilson模型的基础上，研究了宏 观经济变量对我国商业银行信用风险的影响，以商业银行的 不良贷款率作为因变量，以宏观经济因子作为变量，发现M2、 GDP、BCI. SIDEX、R对商业银行体系的不良贷款率具有显著 性影响。 【关键词】信用风险；Wilson模型；宏观压力测试 一、背景及意义 金融是现代经济的核心，商业银行又是现代金融体系的 支柱，金融体系的稳定关乎整个国民经济体系及社会体系的 稳定，金融体系的发展关乎经济社会的发展。随着我国加入 WT0,我国的银行业也逐步对外放开，在参与国际竞争的同 时，必须要加强对风险的管理，传统的风险价值(VAR)及 其他一些信用风险管理的方法己经不能满足全面控制风险 的需要，压力测试作为一种能度量极端情形的风险的方法正 逐步成为应用的主流。 传统的风险价值(VAR)是在一定的置信区间，风险可 能造成的最大损失，但传统的VAR无法估计置信区间意外的 小概率事件给商业银行造成的损失，往往这些小概率事件会 给整个银行体系带来致命的危害。而宏观压力测试是一种前 瞻性的风险管理工具，可用于测算“异常但可能”宏观经济 冲击对银行体系稳定性的影响，可以帮助中央银行和监管机 构识别银行体系的薄弱环节，有助于各方理解银行业与宏观 经济之间的联系，同时提高中央银行和金融机构的风险评估 能力。2009年4月底，美国对19家资产规模在1000亿美元 以上的大银行进行“压力测试”，虽然测试结果好于预期， 部分消除了针对银行业不确定性，但仍未解决美国银行业面 临的根本问题。2012年3月份，美联储公布新一轮银行压力 测试的结果，在19家有系统重要性的大银行中，15家通过, 4家不及格。尽管通过了压力测试，却依然面临很多压力和 风险。4月10日美联储理事塔鲁洛表示，美联储将对由美联 储进行的年度银行压力测试进行调整。 二、文献综述 国外开展压力测试研究比较早，已经形成了比较完备的 信用风险测评体系，更是把压力测试科学的应用于商业银行 的风险管理中。 BossM (2002)在Wilson模型的基础上，建立了澳大利 亚银行不良贷款率与宏观经济因子之间的关系模型，并严格 按照模型对银行部门进行压力测试研究，研究结果表明、股 票指数、工业产值、名义短期利率、通货膨胀率和油价都是 违约概率的决定因素；HoggarthG (2003)与DrehmannM, LoganA (2004)将Monte Carlo模拟应用到商业银行压力测 试中，并严格按照FSAP的框架进行；Virolainen (2004, 2006)在W订son模型的基础上，对芬兰的银行体系实施了 相关的宏观压力测试，研究结果表明芬兰国内的经济波动与 该国国内的商行系统的相关信用风险两者有着比较强的联 动性； 在国内，由于我国引入压力测试时间还比较短，因此信 用风险度量研究正处于学习、发展阶段。熊波(2006)、任 宇航(2007)等通过构建多元Logistic模型，研究宏观经 济变量与商业银行不良贷款率之间的关系，并根据结果进行 模拟压力测试，结果显示GDP增长率、消费者价格指数CPI 和一年期贷款基准利率R对我国商业银行的不良贷款率具有 显著性影响；彭建刚(2008)根据Credit Risk+模型，研究 我国商业银行信用风险的行业相关性，并根据我国的实际情 况得出了建设性的结果；程揮娟、邹海波(2009)根据CPV 模型，结合我国实际，对CPV模型进行修正，并引入滞后变 量，研究宏观经济因子与商业银行不良贷款率之间的关系， 得出了修正后的CPV模型在测度我国商业银行贷款违约率方 面具有很强适用性的结论。 三、压力测试模型 Wilson模型又称CPV模型或麦肯锡模型，是Wilson和 Thomas. C在麦肯锡进行项目开发时，创造了 Wilson模型， 它主要反映贷款违约率与宏观经济变量之间的关系，确定情 景变量后，通过模拟宏观经济变量对系统的冲击，计算出贷 款违约率，Wilson模型的公式为： 代表t年度的贷款平均违约率，则表示银行体系违约概 率和各宏观经济变量关系的“综合指标”，用来反映银行体 系贷款违约率与各宏观经济变量的关系，它与贷款平均违约 率是一一对应的，从（1）易知，与负相关，即违约率（不 良贷款率）越低，综合指标越大。 四、实证分析 由于我国的情况比较特殊，我国与2004年才开始对商 业银行的不良贷款率进行统计，并且从21世纪初就相继成 立了四大资产管理公司开始着手对国有商业银行的不良资 产进行剥离，为股改铺路，因此造成了我国商业银行体系不 良贷款率的大幅波动。为了研究的科学性和结论的准确性， 剔除了一些非连贯性、不可比性的数据，选取2008年第四 季度到2012年第四季度的不良贷款