银行风险测试暗访论文（精选8篇）
银行风险测试暗访论文 篇1
摘要：压力测试是商业银行风险管理的一种新手段, 主要用于度量在极端情况下商业银行的承受能力, 美国次贷危机后, 该方法备受关注。本文分别从理论和实证两个方面对商业银行信用风险宏观压力测试进行了分析, 并在此基础上对我国商业银行信用风险宏观压力测试的相关问题进行了探讨和研究。
关键词：商业银行,信用风险,宏观经济,压力测试
美国次贷危机引发全球金融危机后, 作为商业银行风险管理的一个重要工具, 压力测试以其特有的危机预警能力被各国金融机构关注, 并在金融体系中被广泛应用。我国社会主义市场经济体制建立的时间并不长, 尤其是金融市场还有待完善, 因此, 结合我国的实际情况以及借鉴国外的经验教训, 加强我国商业银行信用风险宏观压力测试研究来进行信用风险管理, 有其重要的现实意义。
一、我国商业银行信用风险宏观压力测试的理论和实证分析
(一) 商业银行信用风险宏观压力测试的理论分析
国际证券监管机构组织 (IO SC O) 将压力测试定义为:假设市场在极端不利的情形下来分析对资产组合的影响效果。压力测试是一种将极端风险量化的风险管理手段, 面对频频发生的金融体系极端事件, 金融机构更加关注于发生可能极小的事件, 因为这类事件一旦发生将会产生极其恶劣的影响。对危机发生可能性的估计可以借助一下公式来表示:
式中, X表示宏观经济变量, Z表示其他相关因素, 二者的集合用来预测危机发生的可能性, 但是在金融体系中, 预测危机发生的可能性只是风险管理的一个方面, 同时还要评估金融系统在危机来临时的承受能力, 这时就需要压力测试。压力测试考虑的是宏观经济因素结构的改变情况, 其可信度程度比较高, 各国金融机构对此也给予了高度关注。目前在我国应用存在的问题是:压力测试中假设的“极端情况”并没有在我国商业银行等金融机构出现过。因此, 在应用时一定要考虑到压力测试方法的局限性和结果的可用性[1]。
(二) 商业银行信用风险宏观压力测试的实证分析
与国外商业银行相比, 我国商业银行信用风险存在着不良贷款总额数量大、信用风险集中程度高、期限错配正在加剧、风险管理体系不健全等问题, 对于信用风险宏观压力测试的研究, 有必要建立适合我国金融体系信用风险评估的压力测试模型, 该模型的构建主要考虑银行贷款违约率和宏观经济因素之间的非线性关系。在我国, 商业银行不良贷款率是评估银行体系信用风险的重要指标, 其变化能够反映出我国商业银行风险水平的变动情况。宏观经济因素主要包括基本经济情况 (国内生产总值、工业增加值、消费品零售额、固定资产投资额) 、金融情况 (贷款率、贷款规模、货币供应量) 以及价格变量和对外领域变量等, 这些是我国宏观经济的重要指标, 在我国宏观经济体系中占据着重要地位。根据这些变量, 可以对商业银行信用风险的具体情况进行情景设定, 测试的方法主要有敏感分析法和情景分析法, 其中, 情景分析法是通过分析风险因子之间的关联性, 来评估压力情境下商业银行的损失和承压能力[2]。
二、我国商业银行信用风险宏观压力测试相关问题探讨
(一) 我国商业银行信用风险宏观压力测试的制约因素
我国商业银行信用风险宏观压力测试存在四大问题, 首先是全面开展信用风险宏观压力测试的难度问题, 随着我国商业银行的不断发展, 信用风险压力测试已经不再局限在贷款领域, 而其范围的扩大势必会增加压力测试的难度;其次是宏观层面系统性压力测试模型问题, 我国金融机构缺乏一套适合自身情况的计量经济模型, 这势必会影响其今后的发展;再次是金融机构与金融系统衔接问题, 商业银行作为单个的金融机构要融入到全国统一的金融体系中, 系统级的压力测试又是一个值得探讨和研究的问题;最后是“第二轮效应”模型研究问题, 系统级压力测试需要考虑到风险的加总和风险的传播, 这方面的模型建构也将是一个值得探讨和研究的问题。目前, 我国商业银行信用风险宏观压力测试的研究和应用还处于探索阶段, 压力测试系统不完善、压力测试技术不成熟、压力测试认可度不高, 都制约了压力测试在我国商业银行信用风险宏观管理中的应用。
(二) 我国商业银行信用风险宏观压力测试的提高建议
金融危机后, 压力测试以其特有的对危机预警能力被各国金融机构关注, 并在金融体系中被广泛应用, 其在商业银行风险管理中的地位越来越突出, 但是由于我国对压力测试的研究较晚, 在应用过程中还存在着很多问题, 有鉴于此, 我国商业银行在借鉴国外银行已经成熟的压力测试模型的基础上, 应尽快形成一套符合自身情况的压力测试制度体系, 使自身压力测试流程走向制度化、规范化。与此同时, 商业银行还应加强风险宏观压力测试开展的有效性, 注重压力测试情景的合理性, 使压力测试结果成为风险管理的重要参考依据。此外, 监管机构应加大对压力测试技术的推广, 提高压力测试模型的应用水平, 更好地解释压力测试模型的经济意义, 为其运用到商业银行风险管理中做准备[3]。
三、结论
我国商业银行正在融入世界金融市场, 参与国际市场竞争, 其面临的风险越来越大, 为了提高风险管理水平, 扭转信用风险不利的形势, 我国商业银行有必要建立起全面的风险管理体系, 压力测试作为商业银行风险管理的一种新手段, 理应发挥其作用。
参考文献
[1]曹皓.我国商业银行信用风险压力测试的实证研究[D].西南财经大学, 2013.
[2]张蕾.我国商业银行信用风险宏观压力测试研究[D].东华大学, 2014.
[3]常婷婷, 乔忠, 李拓.基于SUR的商业银行信用风险宏观压力测试研究[J].统计与决策, 2011, 11 (6) :23-26.
银行风险测试暗访论文 篇2
一、填空题
1、银监会推出的四大监管新工具是：_资本充足率____、_拨备虑_____、_杠杆率_____、_流动性_____。
2、在银监会推出的四大监管新工具中，按照监管规划，“十二五”期间，我国银行业杠杆率监管标准确定为不低于____4%_____。
3、在巴塞尔III中杠杆率的计算公式为_____一级资本净额/表内外调整后资产_。
4、在巴塞尔III中净稳定融资比率的计算公式是_____可用的稳定资金/业务所需的稳定资金___________________。
5、在风险管理实践中，全面风险管理的提出是，2003年7月COSO委员会发布的___全面风险管理框架____________。
6、在COSO委员会提出的全面风险管理框架中，全面风险管理的四个目标分别是：战略、经营、报告和合规。
7、风险的本质是：_不确定性__________________。
8、在银行内部，___业务部门_________部门处于风险管理链条的事前环节。
9、信用风险的三种主要表现形式是：___单笔贷款的违约_________________、____由于信贷组和过于集中而导致的损失_、_____由于宏观经济波动而导致的损失______________________。10、11、操作风险是指由于失败的____系统_________、___流程__________、___人员__________及__外部事件________因素引起的风险。利率风险是指因受__利率________、_汇率________________、_____股票_________及__商品价格_________的变动而产生的损失。
12、商业银行全面风险管理架构的六条基本原则：__一致性____________、_____独立性________、____全面性___________、____权威性__________、_互通性________________、___分散与集中相统一___________________。13、14、15、____资本______________是抵补银行非预期损失的唯一途径。预期损失风险是依靠__准备金_________________抵御的。这种事先可以估知的资产损失率称为_____预期损失率_________________。
二、单选题
1、《中华人民共和国担保法》规定，下列单位可以作为保证人的有(D、)A、学校； B、医院； C、幼儿园； D、某钢铁公司；
2、《中华人民共和国担保法》规定，下列单位不能作为保证人的是（D）。A、具有偿债能力的法人； B、具有偿债能力的其他组织； C、具有偿债能力的公民； D、企业法人的分支机构；
3、《中华人民共和国担保法》规定，一般保证的保证人与债权人未约定保证期间的，保证期间为主债务履行期届满之日起（B）。A、3个月； B、6个月； C、12个月； D、24个月；
4、按照《中华人民共和国担保法》，可以抵押的财产有（C）。A、土地所有权；
B、所有权、使用权不明或有争议的财产；
C、抵押人所有的房屋和其他地上定着物； D、依法被查封、扣押、监管的财产；
5、以依法可以转让的股票出质的，应办理出质登记的机构是（C）。
A、公证部门； B、工商管理部门； C、证券登记机构； D、出质人上级管理机构；
6、同一财产的抵押权、留置权并存时，债权人受偿的顺序为（A）。
A、留置权人—抵押权人； B、抵押权人—留置权人； C、留置权人、抵押权人同时受偿；
7、订金的数额由当事人约定，但不得超过主合同标的额的百分之（A）。
A二十
B三十 C 四十
D五十
三、多选题
1、《中华人民共和国担保法》规定，担保活动应当遵循（ABCE）的原则。A、平等； B、自愿； C、公平； D、公正； E、诚实信用
2、《中华人民共和国担保法》规定，担保方式为（ABCD）。A、保证； B、抵押； C、质押； D、留置和定金；
3、《中华人民共和国担保法》规定，保证担保的范围包括（ABCD）。
A、主债权及利息； B、违约金；
C、损害赔偿金； D、实现债权的费用；
4、在(ABCD)等经济活动中，债权人需要以担保方式保障其债权实现的，可以依照本法规定设定担保。
A借贷
B买卖
C货物运输
D加工承揽
四、判断题
1、人提供担保时，可以要求债务人提供反担保。(对)
2、合同是主合同的从合同，主合同无效，担保合同一定无效。（错）
3、法人的分支机构、职能部门可以为保证人。（错）
4、人在保证合同中约定，债务人不能履行债务时，由保证人承担保证责任的，为连带保证。（错）
5、责任保证的债务人在主合同规定的债务履行期届满没有履行债务的，债权人可以要求债务人履行债务，也可以要求保证人在其保证范围内承担保证责任。（对）
6、人对保证方式没有约定或者约定不明确的，按照一般责任保证承担保证责任。（错）
7、人与债务人协议变更主合同的，应当取得保证人书面同意，未经保证人书面同意的，保证人不再承担保证责任。保证合同另有约定的，按照约定。（对）
五、简答题 1、1995年巴林银行因其新加坡分行的交易员里森违规操作而灰飞烟灭。最主要的原因是破坏了内部控制和风险管理哪几项原则？
答案：
1、授权控制原则
2、止损额度原则
3、职务分离原则
2、商业银行合规管理的定义？
答案：
商业银行应确保其经营活动与适用于银行业经营活动的法律、行政法规、部门规章及其他规范性文件、经营规则、自律性组织的行业准则、行为守则和职业操守相一致。
3、对小企业贷款开展“三品”、“三表”调查和检查的内容？
答案：
“三品”——企业高管人员的人品，企业生产的产品，企业贷款的抵押品。“三表”——水表，电表，报关表（或税单）。
4、为了敏锐地意识到经营风险的苗子，早作决策，采取有效措施，将风险消灭于萌芽状态。银行的管理者要经常思考，着重抓住哪五个“W”？
答案：
银行风险测试暗访论文 篇3
关键词：房地产信贷风险,压力测试,利润率
压力测试是一种以定量分析为主的风险分析方法。本文结合国内实际 (长沙某银行相关资料) , 系统全面地测试分析我国商业银行的房地产信贷风险压力并提出相关政策建议。
一、描述目标资产、业务组合, 确定承压对象和承压指标
以长沙市某银行为例, 取其2011年12 月31 日的贷款数据。首先, 如果房产项目只租不售, 或是政策性经济适用房、动拆迁房等, 虽然也是广义上的房地产开发, 但与一般项目的资金来源、资金回笼方式完全不同, 故取该银行住房开发贷款去除了报告日此类贷款后的数据, 最后确定的样本为恒大、保利、世纪金源、万科、万达、北辰实业、厂房集团、融科、运达、通用地产、香港新世界、宜居地产等12 家企业, 30 个项目, 涉及贷款合同金额为42 亿元。 截至2011 年12 月31 日, 贷款余额为38 亿元, 时点的不良贷款率为0。 承压对象是银行的资本充足率承压指标是一年后即2012 年12 月31 日房企的销售利润率和银行的不良贷款率。
二、分析压力因素, 确定压力指标
压力因素主要是项目销售价格的下降和基准利率的上调。
2011 年, 长沙市内六区商品房成交均价为7 535 元/平方米, 同比增长36%, 楼价再创新高。 上半年政策密集调控, “新国八条”、限贷、限购、限价加息接踵而来, 房地产下半年开始出现回落, 投资主体结构和市场供需关系发生改变, 四季度成交量出现大幅下滑, 价格增速放缓。年内央行三次加息, 5 年期贷款利率10 年来首破7%根据这一态势, 再结合长沙市居民逐渐提高的可支配收入水平, 综合考虑后选择房地产开发项目的销售价格和5 年期贷款利率作为压力指标。
三、数据来源与研究思路展示
数据主要来自银行内部数据, 主要来源有各信息系统如WIND资讯金融终端及每个项目的评估报告。 对每个项目, 为获得其将来的销售利润率需要详细分析其现金流出 (包括支出成本、费用等) , 以及现金流入 (包括股东投入、银行借款、销售收入) 。这些数据是逐个项目从信息系统和项目评估报告中获得, 本次压力测试采集了以下五张表的数据。
(一) 基本情况表 (见下页表1)
表1 反映了贷款组合最基本的要素信息如项目名称、贷款期限等。
(二) 项目评估表 (见下页表2)
表2 反映了项目原始的成本费用构成, 该部分信息是银行风险经理严格按照评估报告所写, 特别是表中预测销售价格由于是审批和办理抵押的关键信息, 所以在项目评估阶段一般比较保守, 该值一般取得比较低。
(三) 资金投入进展表
对每个项目需要获得其资金来源的信息, 以确定资金来源构成进而确定资金成本。如下页表3 所示。通过表3 可以清晰地反映预算总投资和实际总投资的执行情况, 以及总投资中贷款占的比重。
(四) 销售进展表
在分析了项目的成本和费用后就应该进一步分析项目将来产生的经营性现金流入。 下页表4 反映了项目的销售进展情况, 包括已销售面积、已销售价格以及剩余销售面积。 已销售面积和剩余销售面积之和应与评估表中项目建筑面积一致。 最后是在售同类房产目前均价, 反映的是未进行预售项目的同类房产的参照价格。
(五) 财务报表
上述四张表大体上反映的是该项目一段时期内的发生数, 为流量信息为更精确地反映企业在压力时点的存量状况, 还应知道企业在压力时点的财务报表。 如下页表5 所示。
通过资产负债表可以比较企业自筹资金的到位情况, 核算科目、企业销售收入等项目是否合理, 以及企业的贷款金额是否已全部到位等。
压力测试的准确性与数据质量的好坏密切相关。 由于压力测试的数据来源较多, 来自不同的系统, 所以本次测试采用多张表的方式采集数据, 每张表的数据都来自同一系统以保证数据的连贯和合理性, 也便于测试人员发现明显的数据差错和逻辑错误。 考虑到数量较少, 而且项目之间差异较大, 不太适合统计模型, 所以决定采用自下而上的财务模型法, 即利用财务模型测算每个项目在压力下从2011年01 月01 日到贷款到期日之间产生的现金流出和现金流入, 以此判断是否有足够的现金流量归还贷款。
四、压力测试情景设计过程与结果
压力测试情景一: 分别假设项目的基准销售价格在2011 年12 月31日的基础上分别下降10%、20%、25%三种情况。 而在确定压力下的销售价格是在以下三种价格中取最小, 分别是: (1) 若项目已经有预售价格, 则记该价格为P预售; (2) 若项目有详尽地域同类同质项目的销售价格, 则记该价格为P同类; (3) 从项目评估报告中取得该项目的评估价格为P评估。 假设压力情景为房价下跌10%, 则压力价格为:P压力=min (90%×P预售, 90%×P同类, P评估) ①
在此, 评估价格没有乘以90%是因为, 根据实际情况银行贷款的评估报告是在实际发放贷款之前, 即2010年就完成了, 而彼时长沙地区的房价相较2 年后而言比较低, 可直接作为压力价格。
压力测试情景二: 考虑最不利的情景, 假设项目的基准销售价格在2011 年12 月31 日的基础上下降25%后, 同时5 年期贷款利率分别上涨0.25 和0.5 个百分点, 在此情况下, 不但企业的销售收入将下降, 同时财务费用和资金成本也将增加。
五、压力测试模型构建
在确定了压力P之后, 则可以根据项目在销售价格下产生的现金流量来计算项目的盈亏, 具体过程如下:
1.确定压力价格。 如上过程。
2.计算压力价格下的分项收入。
分项收入I=已销售收入+剩余销售收入=已销售面积×P预售+剩余销售面积×P压力②
3.计算项目总收入。
∑I (n) =I (1) +I (2) +I (3) ...I (n) ③
4.计算项目的预征税后收入。
∑I (税) =项目总收入× (1-R) ④
R为税率。
5.计算项目静态成本。
C (静) =目前实际投入资金+完成项目还需投入资金⑤
6.计算项目融资成本。
C (融) =已投入银行贷款利息费用+再需投入银行贷款的利息费用=已投入银行贷款× (项目竣工日期-贷款起始日) ×r+仍需投入银行贷款× (项目竣工日期-2011 年12 月31 日) ×r/2⑥
r为5 年期的贷款利率。
7.计算项目动态成本。
C (动) =C (静) +C (融) ⑦
8.计算项目利润。
Y=∑I (税) -C (动) ⑧
上式结果:Y>0, 表明在压力价格下, 项目的销售收入足以覆盖全部成本和融资费用, 贷款安全性较好。Y<0, 表明在压力价格下, 项目的销售收入不足以覆盖全部成本和融资费用, 贷款存在安全隐患。
9.计算其他压力情景下的项目盈亏。将压力下的销售价格分别换成下跌20%和25%, 重复上述步骤2至8, 分别计算即可。
10.计算在5年期贷款利率上升时的项目盈亏。考虑最不利的情景, 房价下跌25%, 贷款利率分别上涨0.25和0.5 个百分点, 即将步骤6 的r分别加上0.25%和0.5%即可再计算项目利润。
注:表中数据均为示例性数据, 下同。
单位:万元
六、压力测试模型运算结果分析
根据以上过程, 逐个计算所有的30 个项目, 汇总后, 仅考虑销售价格下降因素可以得到表6 结果。 结果表明, 在销售价格分别下降10%、20%和25%的情况下, 可能亏损的项目个数分别为1 个、3 个和4 个, 可能形成的不良贷款分别为3 亿元、5.8 亿元和7.2亿元, 可能造成的损失分别为2 亿元、2.8 亿元和4.2 亿元。 在25%压力价格下并考虑贷款利率的上调, 可以得到表7 结果。 结果表明, 在销售价格下降25%的情况下, 5 年期贷款利率分别上调0.25 和0.5 个百分点, 则可能亏损的项目数分别为2 个和6 个, 可能形成的不良贷款额分别为14 亿元和23亿元, 可能由此造成的损失为6.5 亿元和9.7 亿元。
现在开始分析该银行的资产状况。在上述各压力情景下, 银行的不良贷款会相应增加, 于是就需要相应地提高贷款损失准备金, 从而减少资本和风险加权资产, 资本充足率也会相应减少。
假设该银行的贷款资产状况如表8 所示。
再由表6和表7的数据, 在假设房价下跌10%的情形下, 涉及的贷款合同余额为300 000 000元, 即假设现有的优质贷款D2中的300变为不良贷款 (NPLs) 。假设对新增的不良贷款需要25%的贷款损失准备金, 需要增加75 000 000元, 使得银行的资本减少为6 391 200 (D14-75) 。详细结果如表9所示。
从以上数据可以看出, 冲击前的银行资本充足率为7.9%, 符合《巴塞尔协议3》对6%的核心资本充足率要求。 冲击之后的资本充足率变为0.67%, 远低于监管要求, 可以看出, 在房价下跌10%的压力情景下, 银行资产面临较大的风险。
七、相关政策和建议
根据本次压力测试结果, 一定程度上反映了房地产开发企业的利润率主要与以下因素有关:
( 一) 与房地产的成本尤其是土地成本有关
该银行贷款项目主要是全国性的大公司如万科、保利、恒大等, 与本地区房地产通过出让方式得到较为便宜的地价不同, 这些公司主要通过拍卖或购买项目拿地, 故土地成本即所谓的地根相对较高。这也决定了这些开发企业必须快进快出, 及时回笼资金去购买新地, 所以往往首先降价的便是这些公司。
(二) 与贷款的资金成本有关
一般而言, 房地产开发商都倾向于用最少的钱做最多的项目, 利用银行资金的财务杠杆以赚取更多的利益。而这正是银行房地产开发贷款的风险所在。对银行而言, 永远是希望开发商能用更多的自筹资金, 以确保银行贷款的安全。银行一般采用如下措施来确定开发商自筹资金的实际到位情况: (1) 贷款前由开发商做出承诺, 保证在归还贷款前不减少所有者权益, 不进行分红, 如果项目投资超预算, 由股东自行筹资完成项目建设。 (2) 贷款发放后, 及时监控企业的财务报表, 严防开发商抽逃资金。 (3) 对不同信用等级和资产状况的客户给予不同的贷款条件, 底线是自筹资金的到位率不得低于90%。
单位:万元
单位:万元
单位:百万元
单位:百万元
注:将对风险加权资产和资本的影响设置为100%, 意味着, 增加的贷款损失准备金要全部从风险加权资产和资本中扣除, 也可以根据资产本身的特点调整这一参数。
银行风险测试暗访论文 篇4
为进一步深入分析各成员行社流动性风险状况和流动性风险抵御能力，提高各成员行社流动性风险管理能力，预防极端事件可能对银行的冲击，维护银行体系安全稳健运行。根据《商业银行压力测试指引》、《商业银行资本管理办法》、《商业银行流动性风险管理办法（试行）》等有关监管要求，制作本工具，现将工具使用说明如下：
本工具共计7张表分别为假设情景表、流动性期限缺口表、支付能力测算统计表、支付能力测算汇总表、支付缺口率汇总表、支付缺口分布状况表、指标值汇总表。
本说明所提到期末数指上期期末数。
期数按次日测算数、2日至7日测算数、8至30日测算数、31日至60日测算数、61至90日测算数等为期数划分。
本工具默认各期到期贷款均能按期收回（如若未收回贷款收回项应为负数），贷款收回项指未到期贷款、已逾期、不良贷款等。
新增信贷资金投放指本期发放贷款数（含收回再发放贷款）。
考虑实际工作中到期存款可能存在未支取部分，当期到期存款如若未支取部分放入补充数据表中各项存款增加项内
测试顺序
《农村合作金融机构流动性期限缺口统计表》→《压力测试参数表》→《补充数据表》→《农村合作金融机构支付能力测算统计表》（查看《数据校验结果表》）→《江西省农村合作金融机构支付能力测算汇总表》→《江西省农村合作金融机构支付缺口率汇总表》→《江西省农村合作金融机构支付缺口分布状况表》→《江西省农村合作金融机构指标值汇总表》。
一、附件2流动性期限缺口表：
G21流动性期限缺口统计表演化而来，相关测算数据在此表中录入。
二、附件3支付能力测算统计表：
通过对假设情景设置轻度、中度、重度三种压力参数。该附表3-2压力参数表、补充数据表为手工输入参数、数据，各成员行社可根据实际情况对压力参数表、补充数据表进行修改、增加、删除（注：压力参数表中预测其他资金来源项目中轻度、中度、重度为数值递减或递增）
该附表3-1表格中性期限缺口表中相关值
颜色区域自动取附件2流动
该附表3-1表格中3-2补充数据表中相关值。
颜色区域自动取本表中附表
该附表3-1表格中I、支付能力（I=A-E）、K.支付缺口率(K=I/E)、累计支付能力、累计支付缺口率、存贷比、超额备付率、流动性比例等指标值已设置好计算公式。
支付能力：本期偿债资金来源总计-本期应付债务构成+活期存款沉淀数（根据各成员行社实际活期存款沉淀率计算得
出）
活期存款沉淀数：因根据相关报表统计口径活期存款数均放入次日数，但由于实际情况活期存款数也不会在次日全部取出，因此设置活期存款沉淀数这一指标，为次日测试数*活期存款沉淀率。
活期存款沉淀率：可依据历年活期存款日均余额/各项存款日均余额数或参照各商业银行活期存款沉淀率等得出
支付缺口率：支付能力/本期应付债务构成
累计支付能力：上N期支付能力缺口+本期支付能力
累计支付缺口率：累计支付能力/（上N期应付债务构成+本期应付债务构成）
存贷比：（各项贷款期末数-上N期各项到期贷款-本期各项到期贷款-贷款收回（本项指未到期贷款收回）+新增信贷资金投放）/（各项存款上期期末数-活期存款未沉淀数-上N期各项存款应付数-各期存款大量减少+各存款大量增加）超额备付率：（现金+超额准备金存款+存放同业款项期末数+各期存入超额存款准备金+各期上调同业存放款项-各期中央银行借款（包括支农再贷款）-各期调回超额准备金存款-各期调回存放同业款项（含系统内））/（各项存款期末数-各期存放同业款项-各期存款大量减少-各期各项存款增加）
流动性比例：（现金+超额准备金+本期偿债资金来源总计）/本期应付债务构成（注：此项在次日测试数计算时现金、超额准备金已包含在本期偿债资金来源总计中）
三、附件4-1支付能力测算汇总表中支付能力取附件3支付能力测算统计表附表3-1中I、支付能力项。
四、附件4-2支付缺口率汇总表中支付缺口率取附件3支付能力测算统计表K、支付缺口率项。
五、附件4-3支付缺口分布状况表各相关项根据附件3支付能力测算统计表统计得出。
银行风险测试暗访论文 篇5
关键词：内部欺诈,压力测试,损失模型
引 言
在商业银行风险管理领域,压力测试是一种较新的方法。该方法通过以定量分析为主的风险分析,测算银行在遇到假定的小概率事件等极端不利情况冲击下可能发生的损失,同时分析这些损失对银行的盈利能力和资本金带来的负面影响,进而对商业银行的脆弱性做出评估和判断,并采
取必要的缓释措施。压力测试根据风险类型,可分为信用风险压力测试、市场风险压力测试、流动性风险压力测试和操作风险压力测试几种。
近年来国内外发生多起商业银行内部欺诈事件,有的对银行声誉产生了巨大影响,有的甚至直接导致了商业银行的破产,使得商业银行内部欺诈风险引起了广泛的关注(见表1、表2)。
可以看出,在国内外商业银行经营过程中,内部欺诈事件所造成的损失是十分惊人的,而我国银行业由于薄弱的外部监管和内部控制,内部欺诈事件也具有自身的特点,如多为职务犯罪、监守自盗等。大量事实表明内部欺诈事件已成为我国银行系统的重大风险源,其治理问题已经成为关注的焦点。
国外学者对商业银行内部欺诈风险的研究,主要是将其纳入对商业银行操作风险的研究这一整体之中,主要集中在商业银行操作风险的计量和损失模型的选择方面,有代表性的如Elena Medova(2000)讨论了极值理论在金融机构操作风险中的拟合程度,并提出了度量过程中存在的一些问题及相应的解决方法。Jason Perry等(2005)在定义了声誉损失后,研究发现上市公司如果涉及内部欺诈事件,其市价下跌的比例超过了内部欺诈损失比例的2倍。对于内部欺诈风险的认定,目前国内外均采取巴塞尔协议Ⅱ中按照事件类型编制的三级分类目录对其进行的界定。
近年来国内学者从多个角度对商业银行内部欺诈风险进行了研究。张文(2006)以博弈论为基础,对影响内部欺诈型操作风险的各种因素进行了理论分析,认为内部欺诈行为越难被发现,欺诈就越猖獗,检查者付出的成本也越高;内部激励惩罚在一定程度下才有效,而外部惩罚能够有效减少欺诈行为。詹元瑞,刘睿(2007)运用极值理论中的POT模型估计内部欺诈风险强度和频率,并运用随机模拟抽样方法MCMC对小样本条件下的POT模型进行估计,估计出了内部欺诈风险的风险资本,并认为内部欺诈风险已成为我国商业银行的一项重大风险源,亟待治理。谢平,路磊(2005)从法律、监管、职业操守、公司治理等方面进行多重考量,关注转型时期的金融制度对内部欺诈事件的影响,认为金融腐败和内部欺诈风险的治理与防范需要从多方面进行。
从以上的分析可以看出,国内外学者对于内部欺诈风险的研究取得了一定进展,无论是在定性研究还是在定量研究方面都作出了一定贡献。但是,对于商业银行运行中存在的风险,不能单纯的定性分析或机械的度量var值,而是将更多的研究放在预警和管理上。尤其是内部欺诈风险,具有低频高损的特征,甚至某些极端情况下还会导致商业银行的破产。商业银行压力测试主要探索压力情景下商业银行运营中的薄弱环节,为其日常经营和监管提出指导或预警。运用压力测试的方法测量我国商业银行内部欺诈风险的损失频率和损失额度,对内部欺诈风险进行损失预警、损失准备和损失缓释是一种减小此类低频高损事件破坏力的尝试。因此本文以压力测试理论为基础,拟解决如下问题:(1)总结损失数据不足情况下,我国商业银行内部欺诈数据的搜集过程;(2)探索适合国情的内部欺诈风险压力测试流程,为商业银行操作风险管理和内部欺诈治理提供参考;(3)针对内部欺诈压力测试在商业银行中的推广,提出政策建议。
1 内部欺诈事件的识别与损失数据收集
1.1 内部欺诈事件的识别
内部欺诈事件的识别是进行内部欺诈风险压力测试的起点,是对内部欺诈风险事件确认、过滤和排序的过程。中国银监会将操作风险事件分为7类,其中对内部欺诈事件的定义为:“指故意骗取、盗用财产或违反监管规章、法律或公司政策导致的损失事件,此类事件至少涉及内部一方,但不包括歧视及差别待遇事件。”同时,在内部欺诈事件下还分类编制了二级和三级目录。目前,国际通行的对内部欺诈事件的识别,是按照《巴塞尔新资本协议》中划分的分类目录为标准,具体见表3:
注:本表参考了巴塞尔协议Ⅱ中的按事件类型分类的目录
1.2 内部欺诈损失的数据特征
1.2.1 低频高损
各国商业银行近年来的实践表明,内部欺诈损失具有明显的低频高损特征,即发生的概率和频率相对较低,但是损失额度很大。对于单个商业银行而言此类事件发生很少,损失数据十分稀少;但是此类风险一旦爆发,破坏性就很大,不但会造成高额的单向性损失,而且对商业银行的声誉形成影响,严重的还会导致银行破产。
1.2.2 存在“高——低——高——低”的周期性
一般来说,当商业银行采取新的记账系统,加强监管或提高员工待遇和福利水平时,内部欺诈事件的频率会随之减少,损失随之下降;但是经过一段时间的低发后,随着业务的扩张、监管盲区的暴露等因素作用,内部欺诈损失又会随之上升。例如2005年以来,大型国有商业银行治理结构的变化,电子记账系统的应用以及监管的加强,内部欺诈损失有所降低,但是近一两年来随着商业银行业务的扩张,内部欺诈损失又有增高的趋势。
1.2.3 存在厚尾性
从今年以来国内外学者的研究上看,由于内部欺诈事件出现极端值的概率较大,因此损失数据均呈现出一定的厚尾性,即其较正态分布的尾部要厚,峰处要尖。因此对于搜集到的数据来说,我们有必要对其是否厚尾进行判断。
1.3 内部欺诈损失数据收集
由于内部欺诈风险具有典型的低频高损特征,对于单个商业银行来说即使能够使用同一标准收集一定期限(至少3年)的损失数据,其数量通常也不能满足计量要求。因此,巴塞尔委员会规定运用高级计量法来评估此类风险时需要共同使用内部损失数据和借鉴外部损失数据。
对于操作损失数据的收集,国外大型跨国银行所作努力较多,已经建立起了行业数据库和专门的商业数据库,而我国目前尚未建立起完善的操作风险损失数据收集制度。对于内部欺诈损失数据的收集和发布,商业银行更有“家丑不可外扬”的倾向,因此在我国收集商业银行内部欺诈的损失数据,难度有以下两方面:(1)商业银行自身操作损失数据收集制度不健全,内部数据收集不全面;(2)无法让其他商业银行真实披露发生的内部欺诈损失,难以获得作为补充的外部损失数据。目前国内学者对内部欺诈损失的研究,也都是基于媒体公开报道而整理获得的小样本数据。
针对目前我国内部欺诈数据收集的现状,可以通过3个步骤来部分解决数据不足的问题:
1.3.1 整理现有的内部损失数据
进行内部欺诈风险压力测试的银行首先应整理自身积累的内部损失数据,可通过按照一定标准的长期收集实现。
1.3.2 借鉴有意义的外部数据
即在商业银行内部数据的基础上,一方面与其他商业银行互通有无,获得其他商业银行积累的损失数据,主要通过商业银行间的内部交流实现。另一方面,扩大样本的搜索范围,通过媒体的公开报道、法院案例以及监管机构和行业协会披露的相关信息,对样本数据进行补充。其实质是扩充外部数据,尽最大努力进行损失数据收集。
1.3.3 内外部损失数据,并运用自助法(bootstrap)对损失金额的统计量进行估计,以提高估计的可靠性。
自助法是通过计算机对原始数据进行模拟,重复抽样后,将小样本问题转化为大样本问题,以模仿未知分布,是一种对小样本进行统计推断并提高推断的方法。可以通过自助法估计出样本均值、标准差、中位数、偏度、峰度等统计量。
在目前情况下,通过以上3个步骤可以适度解决内部、外部数据不足的问题,算是权宜之计,同时估计出样本均值、标准差等统计量,为后面的压力测试做准备。但这种不依赖于大量、真实、长时间序列的损失数据收集方法,其合格性也存在一定的质疑,因此改进数据收集也是未来努力的方向。
2 基于损失分布法的内部欺诈风险压力测试
2.1 基本流程
内部欺诈风险压力测试是指在特定的时间段(未来1年)内,假设属于内部欺诈风险的小概率事件发生,对该冲击引起的银行资产或声誉等重大损失用定量为主的风险分析方法进行预测评估。其主要可以解释如下问题:
内部欺诈压力测试主要使用方法有历史情景分析法和损失分布法,两者都是测试极端不利情景给银行带来的超额非预期损失,或由此引起的对监管资本的影响。其中损失分布法主要运用现有的分布损失模型,通过随机模拟产生压力因素在受到冲击后的条件分布,对于目前我国商业银行存在的有一定发生频率但非极端的内部欺诈风险而言较为适用。
基于损失分布法的内部欺诈风险压力测试流程主要有5步:
2.1.1 确定承压对象和承压指标
针对具体的内部欺诈风险而言,承压对象可以是不同的业务条线或直接按照风险事件类型划分的内部欺诈事件。从具体应用的角度看,直接将承压对象设定为按事件类型划分的内部欺诈事件即可。承压指标即是可能发生的内部欺诈事件对应的损失金额、风险价值(VaR)或监管资本。鉴于内部欺诈风险压力测试的重点是银行的非预期损失,通常可将承压指标确定为损失金额,即内部欺诈事件带来的损失大小。
2.1.2 设置压力因素和压力指标
内部欺诈风险压力测试的压力因素应与其风险事件类型相一致,即为“内部欺诈事件”,即银行可能会因该因素的发生而导致损失。压力指标可以确定为欺诈发生频率、涉及的金额或直接损失金额。
2.1.3 设计压力情景
运用损失分布法进行的内部欺诈风险压力情景设计,可利用现有的操作风险监管资本计量的损失分布模型,通过随机模拟产生压力因素在受到冲击后的条件分布。对压力因素的冲击,实质就是针对该因素假设极端内部欺诈事件发生,将原始损失数据的改变转化为模型参数的改变。可以在数据收集过程中用自助法(bootstrap)计算出的年平均损失频率、平均每次损失额度、标准差为基础,假设压力因素受到冲击,即在设计的压力情景下,内部欺诈损失频率比年平均频率还高出1倍;或损失金额比年平均损失额度高出1倍;或两者均高于历史最高频率和额度等极端情况发生,改变模型参数,最后表现在对损失频率、损失额度或风险价值(VaR)的影响上。压力情景可以假设为像巴林银行倒闭案中的交易员未经授权交易发生,或我国商业银行发生频率较高的内部职工“监守自盗”、内外勾结骗贷等(见表4)。
2.1.4 压力测试模型构建与运行
(1)确定建模的规则与参数,中国银监会对监管资本要求使用99.9%的置信水平和1年的观察期。(2)对收集的数据进行质量检验,包括事件个数的一致性、损失分布的平滑性等。(3)建立内部欺诈损失模型和损失频率模型,计算出内部欺诈损失强度、损失频率,还可进行蒙特卡洛模拟。(4)进行检验,在这一过程中,选择与数据特征相适应的损失模型至关重要。这一步也是损失分布法进行内部欺诈风险压力测试流程中的关键。
2.1.5 分析测试结果
根据前面的模型运行结果,对比损失额度、监管资本和实施风险管理的成本等,提出进一步提高内部欺诈风险防控能力的措施。具体可以包括:加强风险的识别与评估、风险的监测与报告、风险的缓释、资本的准备等等。
2.2 损失模型选择
下面重点分析上述流程的第四步中相关模型的选择问题。由于目前尚未得到广泛认可的损失分布模型,因此基于损失分布法的内部欺诈压力测试结果的有效性与模型的选择联系密切。由于内部欺诈损失数据不足,数据收集不全面,会带来估计误差,因此减小估计误差便是模型选择的关键。
2.2.1 损失额度分布模型
内部欺诈损失数据一般都具有明显的厚尾特征,而国内外学者对操作风险和内部欺诈风险进行度量的研究中证明,广义Pareto分布与极值理论的POT模型能够较好的处理损失数据的尾部,对损失额度进行有效估计。因此,我们选择广义Pareto分布与极值理论的POT模型对损失额度进行估计,广义Pareto分布的函数为:
其中:ε为形状参数,β是分布的尺度参数,β>0。当≥0时,y≥0;当ε≤0时,0≤y≤-β/ε。当ε≥0时广义Pareto分布有厚尾性。
极值理论的POT模型是对观察值中所有超过某一较大阈值(threshold)的数据建模,有效地使用了有限的极端观察值,因此通常被认为在实践中是最有用的F(x)。设Fu(y)为操作风险损失的分布函数,u为阈值,z-u表示超额数,定义超额分布函数为:Fu(y)=P(X-y≤yX≻u),0≤y≤x0-u。
其中:x0≤∞是F的右端点,超额分布函数表示损失超过阈值的概率。由Pickhands定理可知,超额分布函数可以用广义Pareto分布近似,由GPD分布的参数ζ,β可得F(z)的尾部估计为:
2.2.2 损失频率分布模型
一般损失频率服从Poisson分布、二项分布、负二项分布等。内部欺诈损失具有低频高损的特点,因此估计具有一定困难,实际业务中的标准做法是将损失频率假设为服从参数为λ的Poisson分布,其分布函数为:
Pk=e-kλk/k!,k=1,2,3…
概率生成函数为:
PN(z)=eλ(z-1)
其中参数λ是在特定时期内(如1年)已经发生的内部欺诈损失事件的频率。在压力测试过程中,可根据历史损失数据,设计压力情景,假定λ的值,采用计算机模拟技术在EXCEL软件中得到该分布下损失次数的具体分布,即模拟出某个损失次数相对应的发生概率。
3 结 语
通过以上对商业银行内部欺诈损失数据的收集和压力测试流程的研究表明:(1)目前我国商业银行尚未建立起操作风险损失数据的收集制度,因此商业银行要进行内部欺诈风险压力测试,在采纳巴塞尔委员会建议的根据内部损失数据并结合外部银行损失数据的同时,还要通过公开报道搜集整理损失数据,同时对数据进行数学处理,使之符合统计要求。(2)在进行基于损失分布法的内部欺诈风险压力测试过程中,损失分布模型的选择至关重要,对损失额度和损失频率的估计要根据数据特征选择分布函数,不能一概而论。
目前压力测试仍是个较新的领域,尤其是操作风险领域,其相关理论与技术方法还将随着风险管理的实践不断发展与更新。因此在探索适合中国商业银行具体特征的压力测试方法以促进我国商业银行风险管理能力的全面提升方面,还需做很多工作。针对具体的内部欺诈风险压力测试而言,仍有以下几个方面值得重视:
3.1 建立标准统一的操作损失数据收集制度
操作风险管理重在过程而非计量,因此对于商业银行操作损失数据的收集应该建立起统一标准的信息收集制度。针对具体的内部欺诈损失数据收集而言,仅依靠少量的内部、外部数据和媒体曝光数据还远远不够。面对未来的内部欺诈风险管理,更需要的是真实、直接、长时间序列的数据。目前,国外商业银行在这方面已经走在前列,其建立起的行业数据库和专门的商业数据库,经验值得借鉴。具体到我国来说,由于内部欺诈事件给银行带来的损失不仅包括金额损失,还包括声誉损失等,而后者往往更具破坏性,因此商业银行在发生此类事件后更有选择隐瞒的倾向。如何让银行真实披露自己遭受的和面临的内部欺诈损失,同时各商业银行间进行数据分享,以提高风险管理水平,未来还需要从制度设计上下功夫。
3.2 重视操作风险压力测试,尤其是针对内部欺诈风险的压力测试
在目前的商业银行管理中,信用风险和市场风险已经形成了较为成熟的风险管理技术。对操作风险来说,虽然已将其作为银行的三大风险之一,然而目前仍无普遍认可的计量标准和公开的数据库。从国内外商业银行经营中发生的一系列重大问题看,都与操作风险有关,对于信用风险和市场风险而言,风险与报酬存在的一一映射关系,并不一定适用于操作风险。而且具体到我国而言,操作损失中的内部欺诈损失所占比例最大,内部欺诈风险已成为我国商业银行重大的风险源,其损失占操作损失的比例高达68%;还有学者实证得出我国商业银行平均内部欺诈资本应占到操作风险的24.36%;同时,有学者通过极值理论的pot模型计量出,在中国银监会规定的99.9%置信水平下,商业银行每年被迫为内部欺诈风险准备的经济资本高达150亿元。可见,重视操作风险管理,尤其是其中的内部欺诈风险管理意义重大。从目前国内外商业银行的压力测试的实践上看,压力测试的重点多集中在信用风险和市场风险上,针对操作风险的压力测试少之又少。其中有数据收集方面的困难,因为国内目前针对操作风险的损失数据的收集存在缺陷;也有模型设计方面的困难,因为目前尚未得到广泛认可的损失分布法模型。而具体到针对内部欺诈风险的单因素压力测试,国内外甚至尚未见到报道。所以,针对操作风险的压力测试,尤其是对内部欺诈风险的单因素压力测试,是我国商业银行未来努力的方向。
3.3 以压力测试为基础,关注商业银行的内部欺诈治理问题
目前,我国商业银行总体治理水平与国际先进银行相比还有差距,操作风险管理水平较低,内部欺诈损失占操作损失比重大。从上文的介绍中可以看出,针对商业银行内部欺诈风险进行的压力测试,可以估计出未来可能出现的极端冲击造成的损失额度、损失频率和风险价值(VaR)等,并根据测试结果对风险进行评估、监测和缓释,但这并不意味着整个压力测试过程的结束。以压力测试为基础,将测试的结果应用于内部欺诈风险的管理和治理才是实践的关键。治理问题不仅包括设立应急方案、进行业务外包、再保险、增加监管资本准备等风险缓释措施,还包括更加合理的制度设计和内部控制、更加严格的问责与检查、以及提高从业人员的职业操守等,以期从根本上降低此类事件发生的频率。这是一项复杂而巨大的工程,不是简单的内部欺诈压力测试流程所能涵盖的,而是压力测试结果的再应用。
对于商业银行内部欺诈问题的研究,国内学者涉及不多,最主要的原因还是数据采集困难,无法真实、科学的衡量损失大小。从压力测试的角度去研究此问题,也是笔者的一个探索,其中还有诸多不足,最主要的是没有进行实证研究,只是将大体框架与流程予以总结介绍。对于商业银行内部欺诈问题,后续仍有深入研究下去的必要。
参考文献
[1].盛斌,石静雅.厚尾事件度量和压力测试在我国商业银行的应用研究[J].财经问题研究,2010,(2)
[2].巴曙松,朱元倩.压力测试在银行风险管理中的应用[J].经济学家,2010,(2)
[3].上海银行流动性压力测试课题组.商业银行流动性压力测试应用于实证分析[J].上海金融,2008,(11)
[4].詹原瑞,刘睿.中国商业银行内部欺诈风险实证研究[J].金融研究,2007,(12)
[5].张文.商业银行内部欺诈操作风险研究:基于博弈论的分析[J].南方金融,2006,(8)
[6].潘建国,王惠.基于非直接损失性的商业银行操作风险度量研究[J].金融论坛,2009,(1)
[7].刘明彦.商业银行操作风险管理[M].北京:中国经济出版社,2008
[8].黄志凌.商业银行压力测试[M].北京,中国金融出版社,2010
[9].Basle Committee on Banking Supervision,“The Quanti-tative Impact Study for Operational Risk:Overview of IndividualLoss Data and Lessons Learned”January 2002,www.bis.org
银行风险测试暗访论文 篇6
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Va R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:
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
注:数据来源:根据WIND数据库提供的原始数据利用EVIEWS5.0计算所得。为增强计算统计参数的准确性, GDP同比增速为1990年第4季度-2010年第1季度数据, M2同比增速为1992年第1季度-2010年第1季度数据, 房价平均增速为2001年第3季度-2010年第2季度数据
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。
注:数据来源为WIND数据库, 数据统计口径为“商业银行”, 包括大型商业银行, 股份制商业银行, 城市商业银行、农村商业银行和外资银行。2009年末, 17家银行不良贷款占商业银行不良贷款总额的85.38%, 一定程度上具有银行体系的代表性
(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:
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、方栢荣：《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。
银行风险测试暗访论文 篇7
关键词：宏观经济,信用风险,商业银行,压力测试
一、引言
自20世纪70年代末到21世纪初, 全球有90多个国家先后爆发了112次系统性银行危机。尤其是90年代以来频频爆发的金融危机——如1987年美国股市崩盘、1992年的英镑危机、1994年的美国利率风暴及中南美洲比索风暴、1997年的亚洲金融危机、1998年的俄罗斯债务危机, 特别是2007年春季始于美国的次贷危机最终演变为2008年的全球金融海啸, 它的波及范围之广, 影响程度之大, 史无前例。系统性银行危机不仅使一国多年的经济发展成果毁于一旦, 还导致一国经济政治的不稳定, 对全球经济也产生了很大的冲击。
在金融全球化的趋势下, 随着我国金融市场的完全开放, 我国金融市场和国际金融市场的逐步接轨, 是否拥有一个稳定而且富有竞争力的银行体系对于我国而言显得非常必要。对银行体系进行稳定性的评估, 尤其是对银行体系面对的信用风险的评估, 对防范和化解系统性金融风险, 维护我国金融稳定和安全具有重要意义。
二、宏观压力测试方法流程及模型设定
(一) 方法流程
宏观压力测试是模拟“危机事件”来估计极端却有可能的压力情景下金融体系的波动。在宏观压力测试的框架中, 其模型表示为:
在 (1) 中表示在模拟的压力情景下评价金融体系的稳定性的指标的表现。在宏观压力测试模型中衡量金融部门波动性的最一般的办法是资本的潜在损失率。Q (·) 表示衡量金融系统波动性的风险矩阵, 衡量违约情况的指标如贷款损失额主要通过模拟压力情境下的点估计得到。
(二) 模型的设定
我们将在Wilson[7,8]1997, 1997) 、Boss[10] (2002) 和Virolainen K.[4] (2004) 研究框架的基础上建立适合我国银行系统信用风险评估的宏观压力测试模型。
首先, 我们借鉴国外研究成果中关于宏观经济因素和贷款违约率之间的非线性关系设定。我们通过IN函数将贷款违约率转化为中介指标, 以该指标作为因变量与宏观经济因素进行多元回归分析, 使得这一指标能够很好的利用各宏观经济指标所提供的信息。在模型中宏观经济因素的选择方面, 参考国内外学者实证研究中模型的自变量, 结合我国统计数据和披露特点等制约因素选取适合的宏观经济变量来构建模型。
PDt表t年度的贷款平均违约率, Yt是一个反映宏观经济状况的中介指标 (反映银行体系违约概率和各宏观经济变量的中介指标) , Xt代表各宏观经济变量。在利用历史数据进行模型估计时, 通过处理的违约概率值代入 (2) 就可以得到估计的综合指标的估计值, 将其代入 (3) 就可以估计出宏观方程的系数, 并以此估计出方程的作为进行宏观压力测试的基础。而在执行压力测试的时候, 通过压力情境的设定, 用不同的方法得到的各相关经济变量值代入估计出的 (3) 就可以得到情境压力下的Yt, 再通过 (2) 就估计出了压力情境下的银行系统的违约概率。
公式 (2) 就是对贷款违约率进行IN函数变换, PDt代表t年度的贷款平均违约率, Yt表示宏观经济状况的中介指标。
公式 (3) 是反映各宏观经济变量与中介指标Yt的关系的方程, 本文采用多元线性回归的方法来模拟变量之间的关系。
公式 (4) 是反映各宏观经济变量的时间序列模型。考虑到各宏观经济因素采取的时间序列数据, 可能存在变量的滞后性, 因此对各经济变量进行P阶自回归分析, 剔除模型中的序列相关性。在这个模型中, 假设 和 是序列不相关的, 并且分别服从方差协方差矩阵为 的正态分布, 其中 和相关的方差协方差矩阵为。 。
从 (4) 式可以看出, 模型不仅考虑到了宏观经济变量值之间的相互影响, 模型的设定考虑到了金融体系对宏观经济波动的回馈效应。将银行的表现对经济的反馈影响通过在宏观因素的自回归方程中引入综合变量来实现。通过各行业综合指标Yt前期值对各宏观经济变量的影响设定来反映现实世界中的金融与经济发展的相互影响关系。
(三) 变量选取
1、解释变量
根据国外的实证研究和我国银行体系业务发展的特点, 同时考虑到数据的可得性, 我们模型的变量选取04年第二季度到09年第一季度的季度数据, 同时我们模型的变量是整个经济体系的, 因此各宏观经济变量不采用各经济部门的统计值, 而是采用本国整体水平的统计值。宏观数据来自中国资讯行数据库和CCER数据库。
我们选取五个宏观经济变量作为解释变量:
RGDP—国内生产总值增长率
CPI—居民消费价格指数
Lr—一年期贷款基准利率 (折算为季度数据)
Cun—一年期存款基准利率 (折算为季度数据)
M0—货币供给增速
2、被解释变量
我们选取违约概率作为评估信用风险的指标, 银行系统的信用风险主要表现为贷款资产的违约率。Virolainen K.[4] (2004) 对芬兰银行系统的违约概率进行的宏观压力测试分析中, 对违约概率指标采取如下方式赋值:在研究时期内, 某行业的破产机构数量与总的机构数量的比率为银行体系面对的违约概率。
四、实证结果
(一) 模型估计
我们代入2004年第二季度到09年第一季度的数据进行回归, 我们首先从滞后3期开始回归, 发现RGDP、CPI、Lr、Cun、M0都不显著, 于是减少滞后期, 在减少滞后期的过程中, 我们发现Cun的显著性始终不高, 而其他变量的开始逐步显著, 于是我们提出Cun这个变量, 对其他宏观经济变量保留。
由回归结果我们可以发现:
(1) 不良贷款率受CPI和滞后一期的CPI、贷款基准利率和滞后一期的贷款基准利率、滞后一期的不良贷款率的影响, 而且其系数也基本与经济理论相符合。比如CPI和滞后一期的CPI、当期的贷款基准利率越高, Y越低, 经过IN变换以后, PD越高, 所以符合经济理论。而实证显示, 滞后一期的贷款利率P和滞后一期的中介指标则与PD成反比。
(2) 宏观经变量之间的关系。我们发现宏观经济变量存在明显的时滞效应, 这也与以前的实证研究相吻合。对于GDP增长率来说, 滞后一期的贷款利率和滞后一期的M0增长率都与其正相关, 这也与经济理论相符合, 而滞后一期的中介指标、滞后一期和滞后两期的RGDP、滞后一期的CPI都与当期的RGDP负相关, 还需要进一步的验证。
而货币供给增速与滞后一期、滞后两期的RGDP、滞后一期的CPI都负相关, 这也与经济理论相符合, 因为前期RGDP、CPI越高, 通货膨胀压力越大, 政府必须控制, 所以必须控制货币供给增速;而货币供给增速与上一期的贷款利率、货币供给增速正相关;与上一期中介指标负相关。
(二) 宏观压力情境的设定及其结果
我们选取压力测试方法为情境分析。
针对我们所选取的宏观经济变量, 我们设定两种压力情境:一种是GDP增长放缓的情境;一种是CPI上升到较高水平。对于各种压力情境下, 反映压力的宏观经济变量的波动幅度, 我们通过以往的历史相似情境数据或历史经验直接进行认为的设定。
可见, 在设定的两种压力的情况下, 我国的银行体系的信贷风险明显增加, 从模型预测出的贷款违约率都有增加。随着国内生产总值增速的大幅降低, 贷款违约率上升;随着CPI物价指数的增加, 贷款违约率也在增加。
五、结论及政策建议
我们在借鉴外国模型的基础上, 建立了适合于我国经济环境的模型。我们首先借鉴了国外研究成果中关于宏观经济因素和贷款违约率之间的非线性假定。在此基础上使用IN函数将贷款违约率转化为中介指标Y, 以Y为因变量与宏观经济变量进行回归。在模型中, 受到数据的制约, 我们选取不良贷款率作为商业银行信用风险的指标, 选取RGDP、贷款基准利率、CPI、货币供给增速等作为宏观经济变量。同时, 也可以用已经估计出来的方程对商业银行信用风险进行压力测试。
结果显示:宏观经济变量中的CPI和滞后一期的CPI、贷款基准利率和滞后一期的贷款基准利率、滞后一期的不良贷款率对当期的不良贷款率有影响;而宏观经济变量之间存在明显的时滞效应。最后在进行压力测试的时候, 我们发现随着国内生产总值增速的大幅降低, 贷款违约率上升;随着CPI物价指数的增加, 贷款违约率也在增加。
参考文献
[1]McKinnon R.Financial growth and macroeconomic stability in China.1978—1992:implicationsforRussia and other transitional economics[J].Journal of Comparative Economics, 1994, 17 (2) :438--469
[2]Bernhardsen T.The relationship between interest rate differentials and macroeconomics variables:a panel data study for European countries[J].Journal of International Money and Finance, 2000, 18 (2) , 289—308
[3]高秀娟.我国银行体系稳定性研究[J].河北经贸大学学报, 2002, (05) :47—53.
[4]陈华、伍志文银行体系脆弱性:理论及基于中国的实证分析[J].数量经济技术研究, 2004, (09) :34—51.
银行风险测试暗访论文 篇8
按照银监会的计划, 我国银行业新的监管指标和监管模式将在2011年中逐步启用和开展。流动性风险监管方面, 2011年10月银监会公布了《商业银行流动性风险管理办法 (试行) 》 (征求意见稿) , 引入流动性覆盖率和净稳定融资比率指标。这对我国银行业的流动性风险管理方式又将带来怎样的变化。本文侧重讨论新的监管框架下对流动性风险压力测试技术的讨论。
二、国内外对压力测试的研究及我国银行业对新监管方面研究
因为国外研究压力测试很早, 并且也已在各金融机构实践了多年, 所以文献较多。文献对于压力测试的方法有不尽相同的区分, 如Dunbar及Irving (1998) 认为应分为:历史情景分析法、结构化历史情景分析法、及根据机构本身特性之情景分析法。Risk Metrics (1999) 认为应分类为:历史情景分析法、虚拟情景分析法、预期情景分析法以及依资产组合特性之压力测试。而国际上较为认可的是, BIS (2000) 认为可分为:敏感性分析法、历史情景分析法、虚拟情景分析法、最大损失分析法与极值理论分析法等。
国内关于压力测试的起步较晚。理论方面, 郭春松 (2005) , 黄! (2004) , 杨鹏 (2005) , 董天新、杜亚斌 (2005) 等学者通过对国外文献的整理、综述, 对压力测试进行了理论上的探讨, 包括压力测试的必要性、目的方法、国内外的具体操作等。国内有关实证分析的文献有汪寿阳、张静 (2002) 利用压力测试的方法分析日元贬值对我国大陆2002年出口造成的影响。万晓芳 (2011) 对银监会新监管指标进行了详细的介绍, 指出其局限性, 并做了实证研究和相关的政策建议。马卓然, 刘仁慧 (2011) 对巴塞尔协议Ⅲ的主要变化以及银监会新的监管指标做了介绍, 并且对国有五大行的相应指标进行了对比研究。巴曙松 (2011) 对拨备率的引入提出自己的看法。
三、流动性风险压力测试的方法设计
通常对流动性风险的管理可以分为三种类型:在正常市场波动下的日常处置、在紧急状况下的应急处置、在极端或特定情况下的预防管理。较之前两种管理, 第三种重视事前的预测和防范, 更符合流动性风险管理的特点, 而压力测试正是预防管理的重要方法。
目前主流压力测试的方法包括敏感性分析和情景分析。前者通过测量一个宏观风险因子或少数几个密切关系的因子及其假设冲击程度, 计算对监管指标的影响, 后者通过分析情景发生的可能性和情景的覆盖范围, 评估在风险因子遭受轻、中、重度冲击下, 组合价值的变动。
为构建压力测试模型, 首先需要选取能够充分解释流动性的指标作为因变量。本文按照《商业银行流动性风险管理办法 (试行) 》第三十五条规定, 流动性风险监管指标的最低标准包含四个指标:流动性覆盖率、净稳定资金比例、存贷比和流动性比例, 因变量的选取至少是其中一个。其后选取自变量, 方法是考虑和因变量之间的线性相关关系, 按照其符合统计意义 (如T检验等) 筛选出系数较大的因变量作为备选影响因子。针对影响因子的选取应当非常谨慎, 本文根据国内外实证文献并结合《商业银行流动性风险管理办法 (试行) 》中对压力测试情景选取的建议, 需要考虑银行内部的比如存贷期限结构、资产组合方式和规模等制约, 同时考虑宏观政策面的存款准备金率, 利率变动情况, 综上提出可选取变量:存贷比、同业拆解利率, 存贷利差、存款准备金率、股票价格变动。
较之现多数银行采用的适合短期的流动性缺口检测方法, 多元回归的方法更适合长期的模型建立和进行压力测试的反馈。本文采用VAR模型进行回归分析。具体方法是, 根据前面选取的4个影响变量与流动性覆盖率或净稳定融资比例进行VAR和脉冲响应分析, 从而可以模拟得出动态情况下影响因子对流动性检测指标的影响。在进行回归分析时可考虑如下VAR模型:
其中是因变量, 是自变量, p是滞后阶数, 是样本个数, 是残差。此后, 还可以对5个影响变量依次用滞后期分析单个自变量脉冲响应, 即可以得到各自不同的流动性影响因子的敏感性分析。最后根据《商业银行流动性风险管理办法 (试行) 》中建议的流动性资产价值的侵蚀、零售存款的大量流失、银行支付结算系统突然崩溃等十四个情景作出轻、中、重度的区分后, 由历史、虚拟、极值等方法等计算在该情景下同时5个自变量变化值, 带入回归模型得到监管指标的变化情况, 若监管指标低于监管标准, 就说明某冲击下压力测试发现存在流动性风险隐患。
四、流动性风险压力测试的政策建议
2011年10月, 银监会提交国务院《商业银行流动性风险管理办法 (试行) 》 (征求意见稿) 预示着借鉴巴塞尔新资本协议和巴塞尔协议Ⅲ的, 愈发严格、精准和全面的新监管指标和监管模式正拉开序幕。在技术层面, 建立有效的流动性风险识别、计量、监测和控制是完善流动风险管理体系的重要一环。压力测试作为一个重要手段应当得到董事会和管理层的积极重视, 并应当将压力测试的结果用于风险管理和经营决策。
尽管受到历史积累数据和技术方法限制, 商业银行流动性风险的压力测试的研究需要继续不断深化, 不仅要借鉴国外的先进方法而且要注重根据我国现阶段金融市场的特色辨证地吸收。这对在当今宏观大环境下对提高商业银行风险管控水平, 保证商业银行正常运作, 维持金融市场稳定具有举足轻重的重要意义
参考文献
[1]中国银监会.商业银行压力测试指引, 2007.
[2]中国银监会.商业银行流动性风险管理办法 (试行) (征求意见稿) , 2011.
[3]刘畅.中国商业银行有效压力测试框架的构建:后危机时代的再思考.中国经济问题, 2010 (1) .
[4]巴曙松.压力测试在银行风险管理中的应用.经济学家, 2010 (2) .
【银行风险测试暗访论文】推荐阅读：
银行押品管理风险及防范措施课后测试08-22
银行机构风险类型论文07-12
中央银行风险管理论文08-05
银行风险利率市场化论文09-10
商业银行风险控制分析论文10-10
银行风险及金融监管分析论文06-26
银行风险管理的重要性论文06-27
银行道德风险05-10
电子银行风险05-18