金融危机后系统性风险压力测试的国际实践及对中国的启示

刘志洋

摘 要：2008年国际金融危机爆发后，世界各国对金融风险压力的测试逐渐从基于微观审慎监管的关注个体金融机构经营风险向基于宏观审慎监管的关注金融体系系统性风险转变，具体表现为压力测试模型融合了偿付能力风险和流动性风险。但系统性金融风险压力测试模型主要采用的还是银行业的微观数据，反映出监管当局希望通过控制银行业的经营行为来防止系统性金融风险的发生与传染，是一个从微观到宏观的逐渐上升的监管思路与过程。应进一步明确系统性金融风险压力测试是金融风险管理的工具之一，与其他风险管理工具是互为补充的，也具有其局限性;要基于中国国情完善压力场景的设计，并借鉴最新研究成果设计有效的压力测试模型，进而提高金融风险管理的有效性。

关键词：压力测试模型;系统性金融风险;宏观审慎监管;微观审慎监管;偿付能力风险;流动性风险;压力场景

中图分类号：F830.2;F224.0文献标志码：A文章编号：1674-8131（2018）06-0057-08

一、引言

党的十九大报告指出，必须健全金融监管体系，守住不发生系统性金融风险的底线。要防范系统性金融风险，需要基于中国国情和国际环境进行科学决策，进而需要准确评估和预测金融风险压力。“压力测试”最早产生于工程学领域，其后一些金融机构发现可以借鉴压力测试的思想研究假设的冲击如何影响其资产负债表以及资产价格。较早使用压力测试的金融机构是摩根大通集团（JP Morgan），其开发的RiskMetrics系统所测度的VaR（Value at Risk）体现了压力场景下资产价格的最大损失值。之后，巴塞尔委员会借鉴VaR的思想，在资本充足率计算和Basel II第二支柱中均体现了压力测试的监管导向。

在2008年国际金融危机爆发前，金融风险压力测试具有浓重的微观审慎监管意味，其关注点主要在个体金融机构的倒闭风险上，关注压力场景下金融机构是否健康稳健地经营。从微观审慎来看，风险压力测试的实践往往假设“借款人信用质量恶化”或者“资产价格下跌”为外生因素，进而测试在这些外部冲击场景下单家商业银行资本充足率水平所承受的压力，其测试结果往往较为简单（Demekas，2015）[1]。在基于微观审慎监管的风险压力测试中，流动性风险常常与偿付能力风险割裂开来，且缺乏宏观经济与商业银行体系之间的反馈机制，一旦宏观经济对银行体系的冲击具有多期效应，则微观审慎监管下的压力测试无法刻画这种持久的影响。

2008年国际金融危机的爆发表明单独关注个体金融机构的倒闭风险无法保障金融体系的稳健运行。正如曾任国际清算银行（BIS）总经理的Andrew Crockett所讲，微观审慎监管付出的很多，但收获的很少。只要其功能能够被其他金融机构取代，一家金融机构的倒闭通常不会对金融体系产生大的负面影响。因此，监管当局应关注金融体系受到冲击后金融机构的集体行为，防止出现“个体最优但非整体最优”的“宏微观悖论”，金融领域的压力测试应更关注金融体系的系统性风险。

事实上，2008金融危机之后的金融风险压力测试与之前存在显著区别：第一，更加關注偿付能力风险与流动性风险的传染机制，更加重视在压力测试模型中融合风险传染的因素（Basel Committee on Banking Supervision，2013）[2];第二，更加关注金融机构对系统性金融风险的贡献度，而不是金融机构本身的风险;第三，确定金融风险压力测试应该具有宏观审慎导向（International Monetary Fund，2012）[3];第四，关注金融机构的共同风险敞口、资产抛售行为的负外部性等共性问题，从而构建宏观审慎导向的压力测试模型（Bernanke，2013）[4]。当然，由于国情不同，各国实践中所使用的系统性金融风险压力测试模型也存在差异。有鉴于此，本文对国际金融危机后较为典型的宏观审慎导向的金融风险压力测试模型进行梳理和比较[5]，以期为我国系统性金融风险压力测试实践以及优化金融风险管理体系提供经验借鉴和政策参考。

二、嵌入流动性风险和偿付能力风险的压力测试模型

2008年国际金融危机后各国监管当局纷纷将宏观审慎导向的金融风险压力测试应用于监管模型中，比如识别金融周期、确定压力场景、计算资本缓冲等，其核心在于同时嵌入流动性风险和偿付能力风险。

1.加拿大中央银行的压力测试模型

加拿大中央银行开发的自上而下的压力测试模型MFRAF（Macro-Financial Risk Assessment Framework），不仅测试了国内主要商业银行的偿付能力风险，同时也考虑了融资流动性风险，并测试了双边风险敞口暴露导致的传染风险。MFRAF的主要特色是考虑了银行债权人的行为动机，研究了宏观风险形成的微观机制。MFRAF认为短期债权人如果担心银行的资产质量，则其继续提供短期资金的动机就会减小，因而将商业银行的流动性风险（如流动性资产比率、短期融资能力、金融资产市场流动性状况等）纳入模型。MFRAF主要包括三个相互独立的模块：第一个模块关注宏观经济冲击引起的商业银行信用风险加大，第二个模块在第一个模块测试信用风险损失程度的基础上将融资流动性风险引入模型在MFRAF中，λ=流动性资产+资产抛售折扣率×（非流动性资产—信用损失）到期债务，λ为商业银行资产负债表流动性指标，既考虑了流动性风险，又考虑了信用风险（偿付能力风险的主要类型）;当λ大于1时，商业银行遭受挤兑的风险较低，相反则风险较高;当一家银行发生挤兑时，抛售折扣率将会变大，从而更容易发生传染风险。 ，第三个模块刻画第二个模块导致的能够通过市场传导的传染风险。

2.挪威中央银行的压力测试模型

挪威中央银行开发的压力测试模型认为银行体系的系统性风险来源于企业部门的冲击，商业银行的拨备覆盖率、不良贷款率和净利润与经济产出密切相关，但其短期负债比率和长期负债比率基本保持不变。挪威中央银行主要关注银行的股票价格，但银行股票价格并不是压力测试模型的主要输出变量。在金融体系压力场景下，假设Norwegian合成指数降低30%，估计银行的股票价格下跌幅度，进而得到“商业银行股票价格”与“银行实际ROE与历史平均ROE（12%）之差”的相关性。假设初始时六家系统重要性商业银行的信用评级都为投资级（其中四家以个人住房抵押贷款为主要收入来源，资本充足率较高;另外两家以企业贷款为主，资本充足率呈下跌趋势），在困境时期这六家商业银行的股价下跌幅度为20%至50%，两家银行信用评级下跌至非投资级;当实际ROE为零时，假设银行股票价格下跌50%;当股票价格下跌50%时，假设股票价格波动率增加一倍。压力测试结果表明股票波动率与商业银行违约概率密切相关。

3.美国监管当局的压力测试模型

美国监管当局对七家大型银行控股公司进行了系统性风险压力测试，主要关注银行股票价格下跌对其信用评级的影响。测试结果表明，当商业银行股票价格下跌20%至84%时，这七家银行才有可能降至非投资级;基于市场价格计算的隐含违约概率可以作为银行降级的预测因素，但对初始评级的影响却不大。比如，两家银行的初始评级类似，一家银行可能股票价格下跌30%就会被降为非投资级，但另一家可能股票价格下降64%才被降为非投资级，其主要原因在于不同的商业银行经营模式导致的损失预期并不相同。美国监管当局的压力测试模型还表明，降级风险较高的银行往往是短期融资比率较高的银行，因此其系统性压力测试模型还考虑了股票价格下跌对市场资金提供者提供滚动资金支持意愿的影响。

4.奥地利中央银行的压力测试模型

奥地利银行体系偿付能力压力测试模型主要基于商业银行资产负债表的数据，覆盖了国内所有银行的并表数据。其对流动性风险的测试主要通过考察商业银行对抗困境的能力，需要解决数据可获得性、参数不确定性等问题，并明确压力场景下流动性风险和偿付能力风险的相互传导机制以及中央银行的角色定位。奥地利中央银行对流动性压力的测试覆盖了国内29家大银行，目的是为了促使商业银行将自身流动性风险所产生的负外部性内部化，避免中央银行的最后贷款人角色带来道德风险问题。

5.荷兰银行的压力测试模型

荷兰银行（Netherlands Bank）开发的流动性压力测试模型（Liquidity Stress-Tester，LST）是从上至下的系统性风险测试模型，使用的数据是商业银行层面的数据。根据Basel III，LST运用蒙特卡洛方法模拟流动性缓冲、LCR和NSFR等压力场景下商业银行的流动性风险状况，同时也考虑了中央銀行非常规货币政策的影响。LST主要测试商业银行的资产流动性风险和融资流动性风险，并没有刻意考察偿付能力风险，但考虑了流动性风险导致的商业银行股票价值降低的问题以及资产流动性风险对商业银行信用风险的影响。在两类风险的相互影响方面，LST模型一方面考虑了资产抛售导致金融资产价格下跌对商业银行偿付能力的影响，另一方面也考虑了挤兑风险对信贷供给的影响，且考虑了银行惜贷产生恶性循环对偿付能力的负面影响。同时LST模型还考虑了异质性声誉风险导致银行资产负债调整对银行股票价值的影响。

6.墨西哥中央银行的压力测试模型

由于墨西哥中央银行能够得到国内商业银行的具体运行数据，因此其压力测试模型具有自下而上的特点。测算银行体系的损失分布在墨西哥中央银行的压力测试模型中占有重要地位，其基本思路为：来自宏观经济的冲击使银行出现初始信用损失，并会导致一些银行倒闭，且倒闭会传染，因此需要在一定的假设下模拟银行体系的损失分布。墨西哥中央银行了解每一家商业银行的风险敞口暴露，且墨西哥银行体系规模较小，因此比较容易模拟出可能的损失分布。墨西哥中央银行压力测试模型通过宏观经济等共同的风险因子模拟市场风险和信用风险导致的损失（比如利率的上涨会使得资产价格下跌以及贷款组合违约率上升等），并使用结构化向量自回归模型研究银行体系损失与实体经济之间的关系。尽管此方法存在局限性，但结构化向量自回归模型能够捕捉宏观经济冲击对商业银行信用风险和市场风险的短期影响，且中央银行有足够的数据测试此影响。

7.韩国中央银行的SAMP模型

韩国中央银行开发的SAMP（Systemic Risk Assessment Model for Macro-prudential Policy）模型可以测试银行体系的各类风险，且可以评估系统性风险。SAMP不仅模拟宏观经济冲击的第一轮影响，还可通过模拟银行间传染、资产抛售、信贷收缩和去杠杆化等进一步模拟第二轮影响。SAMP包含六大模块：宏观风险模块、银行盈利与损失模块、违约传染模块、融资流动性风险传染模块、多期模块和系统性风险度量模块。在SAMP整体模型中比较有特色的是融资流动性风险模块，其主要通过偿付能力风险与流动性风险的交互作用以及银行体系的关联度来评估银行体系的流动性风险。

8.欧洲中央银行的压力测试模型

欧洲中央银行开发了自上而下的宏观压力测试模型来估计商业银行的偿付能力风险，该模型包括四个组成部分：宏观金融压力场景设计、压力场景对商业银行的影响分析、偿付能力计算和传染模型。在宏观金融压力场景设计方面，金融冲击主要来自历史分布的尾部极端数据，变量之间的相关性使用Copula模型估计;在此基础上，分析这些压力场景对商业银行信用风险、市场风险以及损失吸收能力的影响;在明确这些影响的基础上，假设商业银行最大化经风险调整的收益，动态计算在压力场景下的商业银行偿付能力;以上分析属于第一轮影响，第二轮影响主要关注各种冲击在银行间的传染和银行与实体经济之间的反馈，使用的模型包括基于风险敞口的银行间市场传染风险测试模型、基于会计数据的交叉传染模型、基于市场数据的传染模型以及DSGE模型等。

三、典型系统性金融风险压力测试模型比较

从本质上来讲，在微观审慎监管视角下，针对单个金融机构的风险压力测试是局部均衡分析导向，而宏观审慎监管视角下的风险压力测试则具有一般均衡分析导向。2008年爆发的国际金融危机反映出微观审慎监管无法保障金融体系的稳定，对具有一般均衡分析导向的宏观审慎监管视角下的风险压力测试的发展具有重要的推动作用。对系统性金融风险的反思主要集中于商业银行应对冲击的集体行为模式，监管当局应该重视宏观经济的冲击如何影响银行体系的整体稳定，应该将流动性风险等传染性风险纳入系统性风险的分析模型中。然而，需要指出的是，从宏观审慎监管视角设定压力场景也不宜过度使用一般均衡分析。比如，在一般均衡分析框架下，压力场景包括当金融体系出现危机时政府或者监管当局的救助，而一旦压力测试场景考虑了银行对监管当局和政府救助行为的反应，则结果很有可能是银行预期政府会救助而更加没有审慎性，导致无法预判真正的风险。因此，宏观审慎监管视角下的系统性金融风险压力测试应逐渐从局部均衡分析向一般均衡分析过渡，但要权衡“过渡”的程度。

从各国实施宏观审慎监管的实践过程来看，在系统性金融风险测试和保证金融体系稳定方面，宏观审慎监管出现了微观化的实施特征。加拿大中央银行、挪威中央银行和美国监管当局开发的模型都主要使用金融市场数据，即根据商业银行的股票数据来测试银行体系风险。这些模型的整体结论表明，基于金融市场数据对银行体系的风险评估比监管指标所体现的银行业风险要高（见表1）。

对几种较为典型的嵌入偿付能力风险和流动性风险的系统性金融风险压力测试模型进行比较（见表2），可以看出，虽然宏观审慎监管针对的是系统性风险，是一个整体和宏观的概念，但系统性风险压力测试模型主要使用的是银行业的微观数据。这也反映出监管当局希望通过控制银行业的经营行为来防止系统性金融风险的发生与传染，是一个从微观到宏观的逐渐上升的监管思路与过程。

四、中国系统性金融风险压力测试的实践与改进

国内学者对中国的系统性金融风险压力测试进行了大量的研究，主要集中于构建金融风险压力指数，其目的是为了监测系统性金融风险，这也与中国尚未爆发系统性金融风险有关。赖娟和吕江林（2010）构建的金融压力指数显示，2008年10月中国金融体系的风险压力最大[6];陈守东和王妍（2011）使用MS-VAR模型构建金融压力指数，并检验其与工业合成一致指数的动态关系[7];刘晓星和方磊（2012）利用CDF-信用加总权重法构建包括银行、股票、外汇、保险四大市场的金融压力指数测度模型[8];刘瑞兴（2015）对各种类型的压力指数进行了标准化处理，研究金融压力对实体经济的冲击[9];张晶和高晴（2015）结合当前中国金融体系的特征设计了金融压力指数，并对其宏观效应展开研究[10];陶玲和朱迎（2016）将系统性金融风险分为内部因素和外部因素，提出了包含7个维度的系统性金融风险综合指数[11];张勇等（2017）运用复合式系统压力指标方法，通过设置时变权重从纵向和横向维度构建金融压力指数[12];徐国祥和李波（2017）选取2007年1月4日至2015年9月30日银行、股票、债券和外汇市场相关指标的日度数据，采用因子分析法构建金融压力日度指数[13]。

为了有效评估金融体系的系统性风险，中国金融监管当局在2012年对17家系统重要性银行进行了压力测试，具体包括信用风险场景压力测试、信用风险敏感性压力测试、银行账户利率风险压力测试、交易账户利率风险压力测试、汇率风险压力测试、流动性压力测试等。之后，中国金融监管当局对前28家大型商业银行压力测试的结果显示，中国银行业能够经受GDP增速降至4%的冲击。为了守住不爆发系统性金融风险的底线，中国人民银行将差别准备金动态调整和合意贷款管理机制升级为“宏观审慎评估体系”（Macro Prudential Assessment），重点考察资本和杠杆情况、资产负债情况、流动性、定价行为、资产质量、外债风险、信贷政策执行等七大方面。

总体来看，中国在系统性金融风险压力测试中还存在一些问题：第一，过于乐观看待压力测试的结果。商业银行通过了压力测试，并不意味着银行业不会爆发系统性金融风险，不会在系统性金融风险中出现损失。压力测试是金融风险管理的一种工具，也会存在局限性，对压力测试的结果要有客观的认识。第二，压力测试的场景设计存在局限性。从中国压力测试的场景设计来看，其核心思想均在Basel协议的框架之内，没有涵盖更为广阔的宏观经济金融运行状况。比如，没有关注房地产市场、股票市场等资产价格的波动给银行体系带来的影响以及金融创新给银行体系带来的冲击等场景。第三，模型设计上需要进一步完善。中国人民银行的宏观审慎评估主要应用的方法仍旧以指标法为主，而以Basel III为核心的宏观审慎监管指引文献已经将偿付能力监管和流动性监管纳入系统性风险管理模型中。中国金融监管当局应尽快与国际接轨，开发更加精细和高级的系统性金融风险压力测试模型。

2008年国际金融危机后，各国金融监管当局在金融风险压力测试方面需要也正致力于将微观审慎导向转变为宏观审慎导向，从关注个体金融机构经营风险转变为关注金融体系整体的系统性风险。正如Andrew Crockett所讲，应该将“微观审慎与宏观审慎联姻”。然而，“联姻过程”困难重重，比如风险汇总、各金融机构的行为特征、各个主体应对冲击的反馈行为等，甚至计算能力，都面临严峻的考验。对于中国金融监管当局来讲，尤其应注意以下几点：

第一，明确压力测试的作用。系统性金融风险压力测试主要是用来监测和管理金融體系系统性风险，是金融风险管理的工具之一，具有风险管理工具的共性特征，不是万能的，监管当局或者市场参与者不应对压力测试结果报以过高的期望。在美国和欧洲，公众对Dodd-Frank法案和欧洲银行管理局（European Banking Authority）的压力测试具有极高的期望，进行了大量的对银行倒闭场景的压力测试。然而，国际货币基金组织指出，不论覆盖的风险因子如何广泛、分析模型如何精练、压力场景如何精确、金融监管当局如何与公众交流，总有无法想象的风险存在，风险压力测试总会出现失误，其结果要么悲观，要么乐观;况且，总会存在不完整的数据、低估冲击程度等;因此，每个人应该将风险压力测试的结果在一个更大的背景下来理解。对于“更大的背景”的理解，英格兰中央银行（Bank of England，2013）认为，风险压力测试是其向议会履行义务的工具、完成公众赋予其保证金融体系稳定的使命的工具[14]。因此，对于系统性金融风险压力测试的结果的理解要谨慎，要明确其与其他风险管理工具是互为补充的，是有局限性的。

第二，完善压力场景的设计。金融体系能够承受一种压力场景并不意味着能够经受其他类型冲击的考验，因此金融监管当局应从多维视角设计压力场景。美国和欧盟等往往将压力场景限制在一种或者两种可能（其主要原因是考虑压力测试的实施成本）;同时，在场景种类选择上，美国基于Dodd-Frank法案往往假设冲击来自宏观经济，仅仅关注宏观经济的冲击会如何影响银行体系的稳健。但是，2008年金融危机导致的全球经济增长放缓表明来自金融体系的冲击会反作用于实体经济。Alfaro和Drehmann（2009）对于30个国家43次银行业危机的研究表明，只有一半的银行业危机是由宏观经济引起的，其中70%以上的银行业危机无法基于过去的场景设计（来自于宏观经济的冲击）来正确估计其损失的严重程度[15]。多场景的压力测试能够防止商业银行与金融监管当局的相互博弈（Game the Test），防止商业银行投机取巧地通过某一个场景下的压力测试;此外，压力场景的设计还应该考虑金融全球化导致的国家间风险传染，要强化各国的金融监管合作[14]。因此，金融监管当局应全方位了解各个风险因子的运动轨迹，而不是仅仅局限于宏观经济运行的压力场景，设计出符合中国国情的金融风险压力测试场景。

第三，有效开发符合中国国情的压力测试模型。系统性金融风险压力的测试，不仅观念上需要从微观向宏观转变，其方法也应改变。不能仅仅依靠基于资产负债表数据的计量模型，因为此类模型往往是针对个体金融机构开发的，且其数据精度和可得性都无法满足系统性风险压力测试的要求。其实，压力测试模型非常丰富，如何将不同的压力测试方法和结果进行综合是金融监管当局需要考虑的问题。基于资产负债数据的压力测试模型往往与定期的金融稳定报告有关，而基于金融市场数据的压力测试模型往往能够提供频率更高的测试结果。从西方国家的实践经验来看，监管当局通常将基于金融市场数据的压力测试模型与基于资产负债数据的压力测试模型结合起来使用。同时，还要权衡各模型的基本假设以及潜在的矛盾。微观审慎监管视角下基于新古典经济学建立的压力测试模型具有局限性，还应考虑市场参与者的行为特征，如市场参与者异质且有限理性、金融机构之间的风险传染、金融机构在不同时期具有不同行为特征等。为解决传统模型的局限性，Bookstaber（2012）提出了自主行动者模型（Agent-based model，ABM）[16]，欧盟基于ABM建立了CRISIS（Complexity Research Initiative for Systemic Instabilities）模型。总之，系统性金融风险压力测试模型以其复杂性给金融监管当局带来了巨大的挑战，金融监管当局应借鉴最新的学术研究成果，设计有效的、符合国情的系统性风险压力测试模型，以提高金融风险管理的有效性。

参考文献：

[1] DEMEKAS D G. Designing effective macro-prudential stress tests： Progress so far and the way forward[R]. IMF Working Paper No.46，2015.

[2] BASEL COMMITTEE ON BANKING SUPERVISION. Liquidity stress testing： A survey of theory， empirics and current industry and supervisory practices[R]. BIS Working Paper No.24，2013.

[3] INTERNATIONAL M0NETARY FUND. Macro-financial stress testing：Principles and practices[R]. IMF Policy Paper，2012.

[4] BEMANKE B S. Stress testing banks：What have we learned？[C]//Maintaining financial stability：Holding a tiger by the tail. A financial markets conference sponsored by the Federal Reserve Bank of Atlanta. Washington DC：Federal Reserve，2013.

[5] BASEL COMMITTEE ON BANKING SUPERVISION. Making supervisory stress tests more macro-prudential： Considering liquidity and solvency interactions and systemic Risk[R].BIS working papers No.29，2015.

[6] 赖娟，吕江林.基于金融压力指数的金融系统性风险的测度[J].统计与决策，2010（19）：128-131.

[7] 陈守東，王妍.金融压力指数与工业一致合成指数的动态关联研究[J].财经问题研究，2011（10）：39-46.

[8] 刘晓星，方磊.金融压力指数构建及其有效性检验——基于中国数据的实证分析[J].管理工程学报，2012（3）：1-6.

[9] 刘瑞兴.金融压力对中国实体经济冲击研究[J].数量经济技术经济研究， 2015（6）：147-160.

[10]张晶，高晴.中国金融系统压力指数的设计及其应用[J].数量经济技术经济研究，2015（11）：41-57.

[11]陶玲，朱迎.系统性金融风险的监测和度量——基于中国金融体系的研究[J].金融研究，2016（6）：18-36.

[12]张勇，彭礼杰，莫嘉浩.中国金融压力的度量及其宏观经济的非线性效应[J].统计研究，2017，34（1）：67-79.

[13]徐国祥，李波.中国金融压力指数的构建及动态传导效应研究[J].统计研究，2017，34（4）：59-71.

[14]BANK OF ENGLAND. A framework for stress testing the UK banking system[R].Bank of England Discussion Paper， October，2013.

[15]ALFARO R，DREHMANN M. Macro stress tests and crises：What can we learn？[R]. BIS Quarterly Review，2009.

[16]BOOKSTABER R. Using agent-based models for analyzing threats to financial stability[R]. Office of Financial Research Working Paper No.0003，2012.