摘要：目前我国运用宏观压力测试工具评估银行体系稳健程度的工作正逐步推进。本文通过分析宏观经济运行及未来走势，设计了“极端且合理”的压力情景，并构建了宏观压力测试的线性实证分析模型，以评估银行业主要的风险指标在遭受宏观经济冲击时的抗压能力，揭示银行体系运行中存在的风险。
关键词：宏观压力测试 银行体系 信用风险 实证分析
一、引言
由2007年美国次贷危机引发的全球金融危机表明，金融市场一体化的格局已经形成，金融风险的传染效应和溢出效应日益强化，现代金融体系呈现出高度复杂性、结构性以及同构性的特征。在严峻形势下，各国金融管理当局不断研发评估金融体系稳健性的工具。巴塞尔银行监管委员会在2009年5月正式发布的《稳健的压力测试实践和监管原则》中强调了压力测试的独立地位，它应成为验证计量经济风险模型准确性的重要工具和内部资本充足评估程序（ICAAP）的组成部分。压力测试也是金融稳定评估规划（FSAP）中基金组织量化评估成员国金融风险的重要工具。此次国际金融危机背景下，主要国家加大了运用宏观压力测试评估金融体系稳健程度的力度。2009年2月，美联储等美国金融管理部门联合对19家美国银行控股公司（BHCs）的资本情况展开全面压力测试（SCAP），以期在经济发展形势不确定时，督促BHCs持有充足资本缓冲，降低银行体系可能遭受的不可预期影响，并确保对有承贷能力客户的信贷需求。2010年7月，欧洲银行业监管委员会（CEBS）公布了91家银行压力测试结果，目的在于揭示欧洲银行体系面对冲击的准备程度，在经济不佳以及欧洲主权债务出现危机的背景下，压力测试结果显示超九成银行达标，为稳定债权人信心，促进市场快速恢复发挥了积极作用。与此同时，国内开展压力测试理论研究和实证分析的进程也在快速推进，银监会于2007年12月发布了《商业银行压力测试指引》，督促商业银行加大开展压力测试的力度。但纵观国内压力测试的开展情况，总体呈现出“宏观压力测试少，微观压力测试多；自上而下的少，自下而上的多”等特征，表明宏观压力测试理论研究和实证分析有非常广阔的拓展空间。
二、研究设计
（一）压力测试的基本理论巴塞尔银行全球金融系统委员会和国际货币基金组织将压力测试定义为利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事件的过程。Berkowetz（1999）认为压力测试是关注于“尾部”事件的一类特殊风险模型。在微观领域，可以作为风险度量工具VaR的重要补充，帮助金融监管当局更好地监管个别金融机构的市场风险和信用风险；在宏观领域，可以通过研究银行间市场的传染效应、反馈效应以及信贷衍生品市场发展引起的风险问题来对金融系统稳健性做出评估。将压力测试方法引入实务领域加以运用是我国近年来才展开的内容，相关学者对此做出了积极探索。其中黄学元等（2006）提出了一个信用风险的宏观压力测试实证架构，利用其检测了香港银行体系受到宏观经济冲击时的抗压能力；徐明东、刘晓星（2008）详细分析比较了国内外主要宏观压力测试架构及方法；徐光林（2008）运用线性模型，重点测试了GDP增速等指标恶化时，我国银行业金融机构资产规模扩张的受影响程度。张志暹、边永平（2008）运用VAR模型和蒙特卡罗模拟分析，揭示了甘肃银行体系在面临经济冲击时所暴露出来的脆弱性及其承受冲击的能力。华晓龙（2009）通过多元线性回归分析，利用假设情景定量分析了宏观经济波动对中国银行体系贷款违约率的影响。本文在研读压力测试文献和宏观经济形势分析报告的基础上，尝试设计了“极端且合理”的宏观压力情景，并构建了一个自上而下的宏观压力测试实证分析模型，试图从数量关系上刻画在宏观压力情景下银行体系信用风险水平的变迁情况，具有一定的现实意义和政策实践性。
（二）压力指标的选择 本文选取代表银行体系信用风险的不良贷款率（NPL）作为承压指标和被解释变量，选取具有重要影响的宏观经济变量作为压力指标和解释变量，通过构建多元线性回归模型反映解释变量（压力指标）和被解释变量（承压指标）之间的映射关系。实证模型设定如下：
NPLi，t=αi+βj， t+λx， t+Θy， t-1……+εi，t（1）
其中，αi代表常数项；j、x、y为表征压力指标的宏观经济变量，β、λ、Θ为模型回归系数。考虑到宏观压力指标（GDP同比增速，M2同比增速等）对银行体系资产质量存在滞后期影响。因此，模型中引入解释变量的时间滞后效应t-1；εi，t代表随机误差项。一般认为，为避免解释变量之间的同期相关性、保证模型处理的有效性，纳入模型的压力指标不宜过多，因此本文将对银行体系不良贷款率影响最为显著的3个主要宏观经济指标（这三个指标经过模型独立性检验和相关性检验以后筛选得到，筛选过程从略）纳入模型，包括：一是GDP同比增长率（GDP）。GDP是反映宏观经济运行景气程度的核心指标，理论及实践表明，GDP与商业银行不良贷款率有着显著的负相关关系。二是M2同比增长率（M2）。近年来，由外汇占款规模不断扩大引发的银行体系流动性过剩深刻影响着银行的经营行为和实体经济融资的可获得性，从而对投资、消费等实体经济活动产生明显的制约或强化效应，由此使得M2与实体经济的景气循环及发展形势有着紧密的关联性，并最终影响到银行体系的信贷资产质量。三是商品房销售价格平均增速（FJ）。房地产行业已成为我国的支柱产业，房地产贷款在银行业贷款中的占比近年来不断提高，以开发贷款为例，2009年银行信贷资金已占到房地产开发企业资金来源的34.48%。因此房地产贷款已成为影响我国银行体系稳健程度的重要因素，有必要关注以房价为主的宏观经济变量对银行体系信贷资产质量的影响。
（三）宏观压力情景的设计 为体现压力测试的主旨及意义，设计宏观压力情景应符合“极端且合理”的原则，这要求情景中既要体现引发金融风险的小概率事件，将测试目标定位于尾部风险，又要保证情景发生的可能性，使测试结果具有参考意义。由于平衡上述两方面的难度较大，因此压力测试诸多环节中，关于设计压力情景的讨论和争议总是最多的。在设计方法方面，成熟市场经济的金融管理当局或IMF等国际性金融组织一般运用宏观经济生成器（如一般均衡动态方程组）进行测试；普通实证分析或业界实务采取历史情景法或专家设计法（即假设情景法）较多；本文采用历史与假设结合的方法设计压力情景。根据当前我国宏观经济面临的内外部主要矛盾和主客观方面因素，本文对有可能产生大量银行坏账的极端宏观经济发展形势分析如下：实体经济方面，2009年以来，国际金融危机影响仍在持续。外部经济低迷使我国外贸出口行业继续萎缩，此外，节能减排压力也将成为牵制GDP增长的重要力量；货币政策及价格调整方面，美国、日本等主要发达国家为刺激本国经济，继续实施量化宽松货币政策，全球流动性泛滥在造成我国输入性通货膨胀的同时还引起严重的资产价格泡沫；政策措施方面，为防止流动性过剩带来的信贷猛增、通胀引起的“负利率”以及资产泡沫，央行将通过多种方式加大回收过剩流动性的力度，甚至采取加息等价格型货币政策工具。同时，迫于来自贸易逆差国的压力，人民币重启升值通道。此外，为保障民生，政府将会加大平抑房价的政策力度。在上述诸多因素的综合影响下，经济增长出现失速，加之2009年贷款增幅过高、地方政府融资平台贷款过大等影响银行业稳健运行的隐患尚未消除，银行体系信贷资产质量面临严峻考验。将上述宏观压力情景转换为GDP、M2和房价3个压力指标的冲击强度，需进一步分析3个指标时间序列数据的历史变迁情况，计算出分位数及其所代表的发生概率（表1）。参考上述压力指标历史数据的统计参数及其所反映的发生概率，结合当前宏观经济的运行情况，认为GDP、M2具有“极端且合理”的特征。对于房价平均增速，本文认为借鉴银监会于2010年初部署的压力测试冲击强度较为合理，即房价较2009年底下降10%、20%和30%。据此设计出量化的压力情景如（表2）。
三、实证分析
（一）描述性统计 近年来，由于商业银行内在风险管理水平的提高、外部经营环境的优化等多种原因，17家银行的汇总不良贷款率数据呈现出明显的下滑趋势（图1）。图中显示出不良贷款率的时间序列数据呈现出较强的单边下滑趋势，以2005年3季度末为分界点，之前呈现快速的下降趋势，第4季度小幅上升， 4季度末又重启下降通道，但趋势明显放缓。由于整体趋势的存在，一定程度上掩盖了宏观经济变量的影响。因此在认为整体趋势是由银行经营内外部条件趋好的前提下，以分段线性函数拟合不同阶段不良贷款率趋势线的结果如（图2）。为保证实证结果更加拟合现实状况，首先需要对趋势项进行剔除，处理方法为不良贷款率减去趋势（NPLM= NPL�yi），最后得到的是能够反映宏观经济对不良贷款率影响的波动情况。由于波动的绝对数值较小，且假设在具有足够长时间序列的情况下承压指标（NPLM）和压力指标（GDP等）服从标准正态分布，为了获得更好的拟合结果，进一步将其标准正态化，方法为：（X-期望）/标准差。
（二）回归分析运用标准化处理之后的承压指标与压力指标，运用最小二乘法（OLS）建立线性回归模型。考虑到GDP、M2和房价影响信贷资产质量的滞后效应，在回归时对3个压力指标均加入1-4期的滞后项。在保证宏观经济对不良率影响的意义与主观判断一致的前提下，剔除不显著的回归结果，系数估计见（表3）。总体看，模型的拟合度较高，且一般检验效果较好。3个压力指标中，滞后4期的GDP、当期M2的回归结果显著，对于不良贷款率变化的解释度较高。而商品房销售价格平均增速对于不良贷款率的解释相对较弱，但该指标的滞后效应非常明显，滞后3期的显著性明显增强，且标准误差值达到最低。三个指标的回归结果都符合一般的经济学意义，即滞后4期的GDP、当期M2和滞后3期的房地产销售价格平均增速与不良贷款率呈现负相关关系。进一步分析模型回归结果可知，3个压力指标中，M2对不良贷款率的影响最为显著，其次为GDP，房价对银行体系信贷资产质量变迁的解释力相对较小。运用线性回归模型的拟合结果，建立如下方程实施压力测试：
NPLM=-0.253*GDP-0.362*M2-0.095*房价（-3）-1.33
（-1.99） （-2.11） （-1.59）
将宏观压力情景代入上述方程，得到的压力测试结果如（表4）。
四、结论与建议
（一）结论 本文仍然存在诸多有待改进的方面，一是实证分析数据仍然较短，虽然理论上作为承压指标的宏观经济变量服从标准正态分布，但收集的建模数据较短不支持此假设，影响了模型估计效果，此外有关数据的时间序列还未经历一个完整的经济周期，一定程度上也影响了拟合效果。二是本文采用经典线性回归模型，尽管估计效果较好，但仍不能很好地反映现实中复杂的经济关系。基于上述几方面问题，应对压力测试结果持一定的审慎态度，在此前提下，本文实证结果分析如下：首先，压力指标对不良贷款率的影响程度各不相同。通过估计系数判断，M2对不良贷款率的影响最大，GDP次之，房地产销售价格平均增速的影响最小。从以下几个方面对此进行解释：一是流动性的充裕程度与GDP、房价存在密切关系，间接影响信贷资产质量；二是由于主动（金融危机以来实施的积极货币政策）和被动（外汇占款）增加的M2深刻影响着银行经营决策的审慎性，一定程度上直接影响着信贷资产质量。其次，宏观压力测试结果显示，重度冲击下的不良贷款率达到6.05%，低于自2003年以来不良贷款率的平均值，一方面表明近年来银行体系不良贷款率的下滑主要源于商业银行风险管理水平和经营审慎性的提高，宏观经济循环对于银行信贷资产质量的影响程度相对次之；另一方面假设压力情景下形成的信用风险损失对银行体系的影响相对有限。最后，压力指标对不良贷款率的滞后影响各不相同。其中M2、GDP的影响是当期的，房地产销售价格平均增速的影响滞后三期。这一结果说明M2、GDP的先验关系尚不明朗。凯恩斯理论认为货币当局通过控制M2影响GDP，但由于近年来我国M2处于被动超发局面、金融危机产生的救市效应等其他因素影响，M2与GDP对信贷资产质量的影响未符合预期。而房地产市场波动产生的财富效应首先影响人们的心理因素，继而影响开发商的投资决策，随后影响钢铁、水泥等上游行业的生产与库存，因此对银行信贷资产质量的传导时滞较长。
（二）建议 实践和理论证明，银行信贷资产质量的变化是由多方面因素造成的。结合压力测试的实证分析结论，提出以下建议： 一是商业银行应密切关注宏观经济形势及其发展趋势，在此基础上，采取一定程度的逆周期经营策略，例如在M2大幅增长以及经济增速较快时，应能把握信贷投放节奏、强化放贷的审慎原则、提高贷款审批标准，以此确保信贷资产质量。此外，应前瞻性的根据经济形势把握好宏观调控政策的调整节奏与力度，提前制定和调整本行的信贷政策。如在房地产价格快速增长时，应能及时控制对房地产行业及其密切联系的上下游行业的信贷投放力度。二是央行作为管理流动性的政策主体，虽然不直接制定和实施银行监管措施，但应运用相关法定职责参与银行体系资产质量的控制。宏观上应确保货币政策的连续性和稳定性，加大对过剩流动性的回收力度，维持资产价格以及宏观经济的持续稳定增长，为商业银行提供稳健有序的金融运行环境；微观上应加大差别存款准备金率、定向票据、窗口指导等政策的实施力度，加强对银行体系的结构化调控，确保金融机构贷款的合理有序增长。三是银监会应探索建立和完善金融机构风险预警体系，关注在信贷高速增长、宏观调控政策调整以及经济形势突变之后银行的集中度风险、行业信贷风险等重要的风险源头，及时分析风险的发生机制和传导机制，加强对银行的风险提示。此外，除了组织商业银行开展微观压力测试以外，还应常态化开展宏观压力测试，从宏观审慎管理的角度及时评估和揭示银行业运行中存在的薄弱环节和脆弱性，以增强出台和调整监管政策的实效性和针对性。
参考文献：
［1］黄学元、蔡家辉、方�荣：《检测香港银行信贷风险的宏观压力测试架构》，《香港金融管理局季报》2006年第12期。
［2］徐明东、刘晓星：《金融系统稳定性评估：基于宏观压力测试方法的国际比较》，《国际金融研究》2008年第2期。
［3］孙连友：《金融体系压力测试：概念与方法》，《济南金融》2006年第2期。
［4］高同裕、陈元富：《宏观压力测试及其在我国面临的问题》，《南方金融》2006年第7期。
［5］张志暹、边永平：《宏观压力测试在区域金融稳定评估中的应用研究――基于甘肃实证》，《金融研究》（增刊）2008年。
［6］华晓龙：《基于宏观压力测试方法的商业银行体系信用风险评估》，《数量经济技术经济研究》2009年第4期。
［7］郜利明：《经济的周期性与压力测试中假定性压力情景的设定》，《金融管理与探索，金融管理与研究》2009年第2期。
［8］李宗怡、李玉海：《我国银行同业拆借市场“传染”风险的实证研究》，《财贸研究》2005年第6期。
［9］Berkowitz Jeremy. A Coherent Framework for Stress-Testing.FEDS Working Paper，1999.
（编辑虹云）