国内某银行压力测试案例

中度
重度
20
经验交流及建议
1. 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
2
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
中度
重度
权重调整
PD1
GDP增长率
房价指数增长率
敏感性分析
PD2 PD3
情景分析
进出口总值增长率
18
情景分析
初 始 情 景
季度 GDP增长率 房价增长率 进出口总值增长率 Q-2 9 -0.9 17.85 Q-1 9 -0.9 17.85 Q 8.0 -3.2 5.9 Q+1 7.0 -5.5 -6.1 Q+2 6.0 -7.7 -18.0 Q+3 5.0 -10.0 -30.0
8
数据样本
拖欠比率（%） GDP增长率（%） 季度 0.29 -4.60 1998年2季度 0.44 -7.70 1998年3季度 0.77 -8.40 1998年4季度 1.05 -5.70 1999年1季度 1.15 -3.60 1999年2季度 1.12 -1.50 1999年3季度 1.15 2.50 1999年4季度 1.16 6.70 2000年1季度 1.20 3.00 2000年2季度 1.27 4.20 2000年3季度 1.31 2.40 2000年4季度 1.40 -0.30 2001年1季度 1.40 -0.70 2001年2季度 房价指数增长率（%） -34.59 -38.83 -38.24 -26.59 -17.49 -3.72 -4.76 -5.59 -12.04 -12.39 -11.65 -16.28 -9.75 贷款利率（%） 10.00 10.00 9.60 8.78 8.37 8.34 8.50 8.64 9.22 9.50 9.50 8.69 7.40 进出口总值增长率（%） -4.32 -12.87 -15.80 -11.84 -8.66 4.43 10.89 21.73 18.96 18.86 13.33 3.85 -4.05
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
1
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
• 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
17
情景分析
压力等级 轻度 压力情景 GDP增长率从9%跌至5% 房价增长率从-0.9%跌至-10% 进出口增长率从17.85%跌至-30% GDP增长率从9%跌至3% 房价增长率从-0.9%跌至-20% 进出口增长率从17.85%跌至-40% GDP增长率从9%跌至2% 房价增长率从-0.9%跌至-30% 进出口增长率从17.85%跌至-50%
13
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
14
敏感性分析
初始情景
季度 GDP增长率 Q-2 9 Q-1 9 Q 8 Q+1 7 Q+2 6 Q+3 5
PD(%) y ** ** ** **
PD_GROWTH(%)
逐期预测结果
####
压力情景
测试结果
15
敏感性分析
16
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)
• 目的
– 评估宏观经济极端条件对90天逾期率的影响
5
压力测试流程图
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
步骤1 单变量模型建模
香港地区数据
•房贷拖欠比率 (逾期90天余额占比)
国内宏观数据 招行逾期率数据 香港宏观数据 国内宏观数据 招行逾期率数据
10
单变量模型建模
房价指数增长率 房贷拖欠比率
1998年7月
2000年7月
2002年7月
2004年7月
2006年7月
房价影响的1期滞后
11
单变量模型建模
• 房价指数增长率模型
一期滞后
( Yt Yt 1 ) 0 * B * ( X1t X1t 1 )
自回归残差
1 at 1 0.76 * B
7
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
PD（%） y y ** ** ** ** **
PD_GROWTH(%)
####
压力情景
逐期预测结果 测试结果
19
情景分析
压力等级 轻度 压力情景 GDP增长率从9%跌至5% 房价增长率从-0.9%跌至-10% 进出口增长率从17.85%跌至-30% GDP增长率从9%跌至3% 房价增长率从-0.9%跌至-20% 进出口增长率从17.85%跌至-40% GDP增长率从9%跌至2% 房价增长率从-0.9%跌至-30% 进出口增长率从17.85%跌至-50%
银监会《稳健的压力测试实践和监管原则》
3
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
4
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。
9
单变量模型建模
• 传递函数模型 (Transfer Function Model)
X
传递函数
n
Y
yt 0 xt 1xt 1 2 xt 2 ... nt (B) xt nt
0 1B ... s B s ( B ) B b ( B) r 1 1B ... r B ( B)
1. 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 2. 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
2. 3. 4. 5.
21
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
22
平稳化差分
Yt Yt 1 0 * ( X1t 1 X1t 2 )
12
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)
步骤2 模型校正
步骤3 情景设计
步骤4 敏感性分析
GDP增长率
房价指数增长率 进出口总值增长率
步骤6 情景分析
步骤5 相关性分析
来自百度文库
房贷利率
6
主要假设
1. 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。 2. 单变量模型残差包含了模型外宏观因素的影响。 3. 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。