银行信用风险压力测试模型构建与实证分析

《银行信用风险压力测试模型构建与实证分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Finance&TradeEconomics，N仉SI，2011银行信用风险压力测试：模型构建与实证分析。李荧政内容提要：压力灏l试是银行加强信用风除管理和蘸管部门实施宏缆审慎监营的宥惩工具，但是传统的压力测试模型的缺陷制约了我国提离压力测试水平。本文把传统的Logistic模型扩展为包禽宏观冲蠢鳗子的MF-Logistic模型，将英用于信用风险压力测试。实证结果燕示：基于MF-Logistic模型的信用风险难力测试能科学跑度量宏观冲击因子和微观风险因素对信用风险的影响，并鼠能直观地显示银行在不同压力情景下的资本竞足水乎，对于商业银行争银行谶管机构餐具有较高的实用铃值。关键词：压力测

2、试MF-Logistic模越宏观冲击霹子违约概率监管资本作者简介：李关政，招商银行博士后、湖南大学金融与统计学院博士，518067。审图分类号：F830．56文献标识码：A文章编号：1002--8102(2011)S1--0062--07宏观经济的波动对商业银行的稳健经营有着深刻影响。受此次网际金融危机及经济衰退的冲击，美国疲2009每共有140家银行倒闭，在2010年至少有143家银褥倒闭。囝莲力测试是锻行应对宏观经济冲击的熏要工具，假设银行处于各种极为不利的经营环境，能测试其在压力情景下要承担的潜在损失及资本充足水平。压力测试可以针对多种风险，对于我国商业银行来说信用风险压力测试

3、无疑楚最重要的内容。信用风险压力测试要以科学的风险计量模型作为基础。本文构建包含宏观冲击因子的MF—Logistic(MacroeconomicFactor-Logistic)模型，并运用我国上市公司的数据进行实证分析，测算出在不同黪宏观压力情景下镶行贷款酶违约概率程资本充足率。一、信用风险压力测试基本原理信用鬣险篷力溅试主要是通过设定各种不利酶宏鼹经济情景，根据情景假设下霹襞的宏麓净击因子变动情况来测算信贷资产的潜在损失。国际上较为典型的信用风险压力测试系统有欧洲中央银行开发的ECB系统、英格兰银行开发的GVAR模型(PiergiorgioAlessandri等，2009)、意大利

4、央行歼发的BOI’s季度模型(Fiori等，2008)等。由于各个国家泼及各个银行豹情嚣各异，还没有形成捆对统一的标准。噩力测试大体上可以两大步骤：一是情景假设；二是损失计量。情景假设熏要有两种方法：历史情景法和预测情景法。历史情景法就是根据历史上发生遘的最坏的宏鬣经济情景来设计速力情景；预测情景法则是根据对宏观经济变化趋势的分析来预测未来发生概率极小的宏观经济情景。损失计繁即是计量银行在压力情景下潜在的信用风险损失。损失计量酋先要构建一个压力测试模型，估计粥信用风险要素违约概率与宏观冲击因子之闻的数鼙关系，然后根据舔力情景所对应的宏观冲击因子来计算银行的潜穰损失。·基食项目：中国博

5、士后辩学摹众(编号：20100480781)．①数据来源：路遴社网站(http#l／on．reuters-corn／)．62舞于I窆缮睛2011年第s1期压力测试模型是计量损失的重要基础，模型所涵盏的宏观冲击因子也是进行情景假设的重要依据。因此压力测试模型对压力测试的科学性起到至关重要的作用。压力测试模型大多数是以Merton(1974)或者wilson(1997)的研究为基础。以Merton(1974)的期权理论为基础建立的结构化模型是假设违约概率取决于公司市场价值的波动，而公司市场价值波动又源自于宏观经济的冲击。Wilson(1997)提出的CPV模型直接对企业信用等级转移概率与

6、宏观经济因素之间的关系建模，采用Logistic函数来反映它们之间的非线性关系，从而模拟出在宏观经济波动冲击下的债务人违约概率。结构化模型需要较严格的市场假设，我国目前还不具备那样的条件；而CPV模型则相对直观，易于理解，在我国的适用性相对更强。但是CPV模型的缺陷在于忽略了影响信用风险的微观因素，尤其是企业的个体特征。本文针对CPV模型的这一缺陷进行拓展，构建MF—Logistic模型。二、信用风险压力测试的MF-Logistic模型构建为了构建科学的压力测试模型，需要把Wilson(1997)的建模思想与银行微观层面的信用风险度量技术结合起来。在银行信用风险评估的主流模型当中，L

7、ogistic模型采用和CPV模型一样的Logistic函数作为模型基础，它和Wilson(1997)的建模思想是基本一致的；同时又以财务指标作为重要的信用风险评估要素，因此可以把Logistic模型扩展成压力测试计量模型。圈1运用MF—Logistic模型进行信用风险压力测试的基本原理(一)基于MF—Logistic模型的信用风险压力测试基本原理运用Wilson的建模思想来改进Logistic模型，需要把宏观因子作为影响企业信用水平的重要冲击变量，因此本