基于CPV模型的商业银行信用风险宏观压力测试.doc

基于CPV模型的商业银行信用风险宏观压力测试
马菁菁 摘 要:近几年进入经济增长“新常态”后,我国经济增长追求质与量的双赢,经济增速的下滑伴随着高质量“去杠杆”的压力使得银行业风险的进一步积累加剧。本文在梳理我国商业银行信用风险新的数据,针对不同类型的银行采用蒙特卡洛模拟技术进行压力风险测。这既是对当前研究的有益补充,也具有很好的实践意义。
三、构建信用风险宏观压力测试模型

(1)压力传导模型的构建
本文在借鉴Wilson(1997)的研究基础上设定贷款违约率与各宏观经济变量存在非线性关系的假定,将不良贷款率(NPL)进行Logit转化成中介指标Yt,然后将Yt与宏观经济变量建立压力传导模型。压力传导模型的具体形式如下:
其中NPLt代表商业银行的不良贷款率,反映其信用风险状况;Yt表示与不良贷款率相对应的中介指标,X1、…......Xk代表与商业银行不良贷款相关的宏观经济变量。
(2)宏观压力情景生成模型的构建
在压力情景生成方面,向量自回归模型(VaR模型)因其具有较高的准确度是使用非常普遍的宏观经济模型。
Xt表示宏观经济变量,Zt表示与银行相关的外生变量,p表示滞后阶数,考虑到宏观变量之间的相关性,采用联立方程来建模。在实证方法上,考虑到联立方程间的误差项可能存在异方差和同期相关,本文采用似不相关回归对各参数进行估计。
本文宏观经济指标的选取上秉着与商业银行稳健经营的密切度的原则:(1)实际产出因素:包括国内生产总值增长率(GDP)和工业增加值(IRV)。GDP衡量的是整个宏观经济的运行状态,它影响整个社会经济各单位的还款能力。(2)资产价格因素:固定资产投资完成额(INFA)、房地产开发投资完成额(REDI)、国房景气指数(RE)等四个变量;因近年来房地产贷款在商业银行中贷款占比较高,房地产行业的景气程度对房地产企业及住房贷款产生影响;(3)物价水平因素:居民消费者价格增长率(CPI)、工业产品出厂价格指数(PPI)等两个指标,CPI、PPI衡量价格的稳定性,物价的稳定性直接关系到宏观经济的稳定性;(4)金融市场因素:金融市场的稳定关乎金融资产持有者的还款能力及金融产品价格的稳定性,故选取广义货币供应量增长率(M2)、短期贷款利率(SL)等指标。(5)其他外生因素:选取美元汇率(DCR)、社会消费品零售总额增长率(RSCG)等变量,在后续的模型构建过程中,再根据变量时间序列的平稳性及显著性进行筛选。

我国银行NPL的季度数据是从2003年第四季度才开始公布,所以全部指标样本选取均为2004年-2019年。为了保持变量之间频度的一致,本文均采用季度数据,对月度数据通过几何平均处理统一为季度数据;所有数据均源于Wind数据库。

(1)变量的稳定性检验与“协整检验”
本文选取ADF检验对所有变量的平稳性进行检验,检验结果如表一。检验结果表明,在5%的显著性水平下,变量的原始序列都是非平稳的;在对原序列进行一阶差分处理后,各宏观变量都是一阶单整序列。由此可进一步对相关变量进行协整分析。
利用johansen检验对