商业银行信用分享压力测试报告

2011年12月 商业银行信用风险压力测试方法研究商业银行信用风险压力测试方法研究联合资信评估有限公司自上世纪90年代以来，压力测试技术不仅被商业银行用于评估自身承受极端宏观经济和金融市场波动冲击的能力，还被监管机构用于评估金融系统风险状况。

巴塞尔委员会一直将压力测试视为商业银行不可或缺的风险管理工具，在2009年5月公布的《稳健的压力测试实践和监管原则》中指出，“压力测试是一项非常重要的商业银行内部风险管理工具”。

中国银监会也于2007年末下发了《商业银行压力测试指引》，明确指出制定该指引的目的是“进一步提高商业银行风险管理能力，不断完善银监会监管技术和手段”。

信用风险压力测试是商业银行压力测试的重要组成部分，并在商业银行的风险管理中扮演着极其重要的角色。

国际货币基金组织、巴塞尔银行监管委员和中国银监会等机构都非常重视压力测试这一风险管理工具。

IMF将压力测试定义为“采用一系列方法来评估金融体系承受“罕见但是仍然可能”的宏观经济冲击或者重大金融事件的过程”。

中国银监会定义压力测试为“一种以定量分析为主的风险分析方法，通过测算银行在遇到假定的小概率事件等极端不利情况下可能发生的损失，分析这些损失对银行盈利能力和资本金带来的负面影响，进而对单家银行、银行集团和银行体系的脆弱性做出评估和判断，并采取必要措施。

”总而言之，压力测试的主要功能是度量“风险值的风险”。

一、信用风险压力测试概述信用风险压力测试的对象是银行资产组合或子组合的信用风险参数，如违约概率(Probability of Default, PD)、违约损失率(Loss Given Default, LGD)、风险暴露(Exposure At EAD)、预期损失(Expected Loss, EL)、经济资本(Economic Capital, EC)、不良贷款率(Bad Loan Ratio, BLR)等。

信用风险压力测试模型与信用风险计量模型既有联系又有区别。

信用风险计量模型是用于计算正常风险环境下资产组合、子组合或者单笔资产的风险参数。

信用风险压力测试模型的主要功能是计算压力情景下资产组合、子组合或者单笔资产的风险表现（如损失分布、覆盖预期损失所需的准备金和吸收非预期损失所需要的资本等）。

图1展示了信用风险计量模型和信用风险压力测试模型的关系。

信用风险压力测试方法可以分为自上而下方法和自下而上方法两种。

Array图1 压力测试的损失分布图二、自下而上的信用风险压力测试方法1、模型框架自下而上的信用风险压力测试方法的主要思路为：①建立银行资产组合或子组合中每个借款人的违约概率与宏观因子的因子模型；②输入压力情景下的宏观因子的数值；③计算每笔资产在压力情景下的违约概率；④给定每笔资产的违约损失率和违约风险暴露；⑤自下而上地汇总计算银行资产组合或子组合的损失或其他风险计量值。

模型的输出为银行资产组合或子组合的经济资本或者其他风险参数值，由此分析银行组合或子组合压力下的风险状况。

图2介绍了至下而上方法的基本思路。

2、实施步骤（1）同质资产分组风险分析人员将银行的每笔风险资产映射到某个资产分池中，资产分池中的资产都是同质资产，其借款人的违约情况受到相同的信用风险因子驱动，而且敏感性系数都相同。

这些资产的风险暴露和回收率也受到相同因素的影响。

一般而言，非零售资产分池和零售资产的分池方法存在较大的差异。

非零售资产的主要分池标准为：行业、地区、资产种类、资产规模等；对于零售敞口资产，分池方法较多，常见的零售资产分池技术以下几种：①基于申请评分卡和行为评分卡：以评分卡模型为基础，按照分数高低将风险暴露划分入不同的资产池；②决策树：利用决策树模型，通过递归的方法，将资产划归到不同的池中；③聚类分析：使用多元统计聚类方法和模糊聚类方法等，将具有类似特征的资产划归为同一资产池；④专家判断法：当数据不充分或其他条件不具备时，可以依靠专家经验进行资产池划分。

风险分析人员还需要对资产分池结果进行验证，包括异质性验证和同质性验证两方面的验证。

（2）信用风险因子的选取影响企业违约情况的特殊因子各不相同，是没有办法把握的；但是系统性风险因子则可以而且必须进行建模，一般而言，利用宏观经济指标(含国内宏观经济指标和国际经济指标)来表征系统性风险因子。

在进行信用风险因子选取之前，风险分析人员需要对数据进行适当的处理。

①对数据进行挖掘、清洗和修复(如有少量缺损)；②应剔除对资产的信用风险影响不够明显的指标，保留对模型被解释变量具有显著影响的变量，最简单的方法是相关性系数法和散点图法(如图3所示)等。

影响明显的变量影响不够明显的变量图3 散点图判断变量是否明显影响信用风险（3）建立借款人违约模型违约模型的建模思路：风险分析人员寻找某个中间变量来表征企业的违约情况，建立该中间变量与风险因子之间的因果关系模型。

当然，对表征企业违约情况的这个中间变量是有严格的要求：该变量是服从已知分布函数(通常为标准正态分布)的随机变量，企业的违约概率是中间变量违约阀值对应的分布函数值(如图5所示)，比如KMV 模型采用违约距离DD 、奥格违约模型采用信用价值指数CWI 来表征企业违约情况。

一般来说，违约模型是一个面板数据计量模型：εβα++=∑=Kk ijk k ij x Y 1(1)估计违约模型(1)的参数，并检验模型及模型参数的显著性。

（4）输入压力情景，计算受压情况下的损失风险分析人员设定压力情景，常见的压力情景设定方法有历史情景法、专家情景法和随机情景法三种设定方法。

将压力情景转换成为风险因子的数值，并代入到公式(1)中，计算压力情景下的中间变量值，计算每个客户的违约概率，结合每笔资产的风险暴露和回收率，并计算出在该情景下的资产组合的损失。

图4违约概率压力测试示意图三、自上而下的信用风险压力测试方法自上而下的信用风险压力测试方法将银行资产组合或者子组合视作“黑匣子”，不必研究资产组合中各借款人的特征，直接寻找信用风险指标与宏观经济变量之间的关系。

图5 自上而下方法流程图自上而下的信用风险压力测试方法相对简单，易于建模，便于操作，但是该方法只停留在银行资产组合的宏观层面上，忽视了资产组合的特征，在进行银行全面风险评价时，存在较大的缺陷，经常被用于专项压力测试。

该方法的典型代表就是宏观经¾违约概率 ¾ 违约损失率 ¾ 风险暴露 ¾ 预期损失 ¾ 非预期损失 ¾ 不良率济压力测试模型，该模型框架是基于麦肯锡公司的信用风险模型基础之上的，在金融机构或组织中应用较为广泛。

本文以宏观经济压力测试为例介绍自上而下的信用风险压力测试方法。

1、宏观经济压力测试模型宏观经济压力测试模型主要来源于Wilson 和Thomas C.于1997年在Risk 杂志上发表的论文，随后该方法被各大国际金融机构和组织广泛应用，如香港金管局、芬兰银行、英格兰银行等。

其主要理论框架是Logistic 回归模型：)1ln(,,,t j tj t j P P y −= (2)t nk k t k mk k t k t x y y εβγα+++=∑∑=−=−01(3)其中，),,,(,,2,1′=t l t t t y y y y L ，10,≤≤t j P 是资产组合的信用风险指标，可以是：违约概率、违约损失率、不良率、拖欠率、以及其他需要进行压力测试的变量。

k t x −和k β分别为宏观经济指标向量和其对t y 的敏感性系数。

2、宏观经济压力测试实施步骤宏观经济压力测试的实施步骤与自上而下的信用风险压力测试步骤大体相同。

相对于自上而下的信用风险压力测试，宏观经济压力测试较为简单。

（1）风险因子的选取风险因子的选取方法类似于自上而下的信用风险压力测试的第(2)步，笔者不再累述。

需要注意的是，一般不需要将变量处理成标准正态分布。

（2）建立Logitic 模型风险分析人员收集银行待测资产组合的目标风险指标值，并将其对数化(如公式(2)所示)；再利用最小二乘法、扩展的最小二乘法或者其他方法估计(3)的参数；检验模型及模型参数的显著性。

（3）输入压力情景，计算受压情况下的损失压力情景设定方法与自上而下的信用风险压力测试方法相同。

将logitic 模型变为：∑∑=−=−++=nk kk mk k k x y y 01ˆˆˆβγα yyee P +=1输入压力情景下的风险因子数值，计算y 的值，即可得到目标风险参数P ，图6举例说明了单因子logitic 回归模型的压力测试方法。

图6单因子logitic 模型示例四、总结我国银行业界开展压力测试的研究相对较晚，只有少数几家国内商业银行较早地开展了信用风险的压力测试。

银监会《商业银行压力测试指引》要求，国有商业银行和股份制银行最迟应于2008年底前，城市商业银行和其他商业银行最迟应于2009年底前按照该指引要求开展压力测试工作。

目前各家商业银行基本上都已开展了信用风险压力测试工作。

商业银行科学地进行信用风险的压力测试工作，对于提高商业银行的风险管理水平有重大的意义，信用风险压力测试能够进一步完善信用风险管理框架，为授信政策的制定、资本配置和风险绩效评价等提供技术支持。

信用风险压力测试结果可以帮助商业银行董事会和高管层了解各类小概率不利事件对银行信用风险状况的影响，进而敦促决策层采取相应的预防措施加以应对，起到风险防范的作用。

∑∑=−=−++=nk kk m k k k x y y 01ˆˆˆβγαyye e P +=1。