基于压力测试的商业银行信贷风险管理

2022-05-27张学峰叶晓青

嘉兴学院学报 2022年3期

张学峰，叶晓青

(1．嘉兴学院经济学院，浙江嘉兴314001;2．松阳农商银行，浙江丽水323400)

党的十九届五中全会提出，“十四五”时期经济社会发展要以推动高质量发展为主题，更加重视经济结构的优化和经济发展的质量。在新冠疫情延续、实体经济增速放缓和经济结构调整转型的交互作用下,外部环境的不确定性依然很大,经济存在下行压力,房地产等行业风险上升并向银行业传导。银保监会公布的《2021年商业银行主要监管指标情况表》显示，截至2021年末，我国商业银行尚有28 470亿元不良贷款和38 079亿元关注类贷款，不良贷款率达1.73 %，其中大型商业银行不良贷款率为1.37 %，股份制商业银行不良贷款率为1.37 %，城市商业银行不良贷款率为1.90 %，民营银行不良贷款率为1.26 %，农村商业银行不良贷款率为3.63 %，而外资银行不良贷款率仅为0.56 %，我国商业银行与外资银行存在明显差距。在此背景下，对我国商业银行信贷风险管理进行研究并降低不良贷款率显得尤为重要。

按照国际清算银行(BIS)和国际货币基金组织(IMF)的定义，压力测试指的是用于评定金融系统在罕见但可能发生的宏观经济冲击下针对其薄弱和脆弱点采取的一系列方法和技术；2014年，中国银监会印发的《商业银行压力测试指引》指出，压力测试是一种银行风险管理和监管分析工具，用于分析假定的、极端但有可能发生的不利情景对银行整体或资产组合的冲击程度，进而评估其对银行资产质量、盈利能力、资本水平和流动性产生的负面影响，该指引认为压力测试有助于监管部门或银行对单家银行、银行集团和银行体系的脆弱性做出评估判断以采取必要措施。[1-2]我国融资结构长期以间接融资为主，信贷资产在金融总资产中的占比超过70 %，研究商业银行信贷风险管理对有效防控金融风险和维护金融稳定显得尤为重要。

金融的不稳定性凸显了评估整体金融稳定以及采取有效预防措施的重要性。刘志洋梳理和分析了在金融危机后各国使用的系统性金融风险压力测试模型后发现，模型融合了偿付能力风险和流动性风险，同时表现出一个从微观到宏观逐渐上升的监管思路和过程，为我国相关实践和研究提出了经验借鉴和政策参考。[3]而邬玉婷[4]介绍和参考了日本的宏观压力测试的方法、案例，提出要选择对金融体系稳定性构成威胁较大的评估指标，加强部门间监管合作等政策建议。文献 [5-6]则通过详细描述压力测试的类型，分别为信用风险、市场风险、流动性风险和操作风险作压力测试，作出了模型创新。李伟[7]则根据我国目前面临的金融风险挑战，系统阐述了发达国家金融压力测试实践和我国金融风险压力测试现状，从而提出了改善压力测试的技术策略及提高压力测试的政策措施。

近年来，学者们对商业银行信贷风险的实证研究也在不断演变。文献[8]使用动态面板GMM(广义矩量法)观察宏观经济情景对土耳其银行业的影响。文献 [9]通过观察不同国家应用的不同信用风险压力测试方法，将信贷风险与一些宏观经济和微观经济变量联系起来建立模型，并以蒙特卡罗模拟法来估计在不利的宏观经济条件下的情况。文献[10]则使用GVAR模型产生不利宏观经济情景的方法来评估宏观经济冲击下银行业信贷组合的脆弱性，以此得出其对银行体系的影响。文献[11]通过选取6个行业的银行不良贷款率为研究重点，运用SUR模型进行了相关模型分析和压力测试。文献[12]则基于CPV模型，通过蒙特卡罗模拟法对商业银行信用风险进行宏观压力测试发现，当宏观经济受到冲击时，银行系统的稳定性将受到较大影响。文献[13]利用Logit模型将贷款损失率作为被解释变量，选取指标CPI、GDP和利率等宏观经济指标作为解释变量进行回归分析，预测当各自变量处于极端冲击下时，发现三种宏观经济因素均对贷款损失率有显著影响。

上述研究大都基于国外成熟的模型而进行的分析，其指标选取和压力测试系统还有待完善。鉴于此，本文结合我国目前经济发展的新态势，建立符合我国商业银行实际情况的模型进行压力测试分析，并就我国监管机构及商业银行信贷风险监控与管理提出建议。

一、信贷风险压力测试的理论分析

(一)信贷风险相关理论

商业银行的信贷风险是商业银行在运营货币信用业务过程中，借款方因为各种不确定要素的影响而不能按时偿还贷款本息，导致银行实际收益与预期收益产生偏离，从而遭受资产损失的后果，信贷五级分类法中的次级、可疑和损失类信贷即为不良信贷。一般来说，根据风险产生来源的不同，信贷风险可划分为市场性风险和非市场性风险两类。其中，市场性风险主要来自借款人由于市场条件和生产技术等因素的变动而引起的风险。而非市场性风险又可分为自然风险和社会风险：由于自然因素使借款人蒙受经济损失而无法归还贷款本息的风险为自然风险；由借款人在社会上的行为而引起的信贷风险为社会风险。

1.信贷风险的管理结构

对于信贷风险，银行已基本有一套较为明晰的管理方法，如图1所示。该管理结构不仅能够提升商业银行的办事效率，还有助于提高商业银行对客户的信用判断能力，以便更有针对性地根据风险警戒的区别而采取不同的应对方法。

图1 信贷风险管理结构图

2.信贷风险的成因

(1)外部经济环境变化带来的影响。近年来，国际经贸摩擦不断，我国相关涉外企业的经营难度也在不断上升，其直接影响就是经济下行、外贸出口受阻，进而导致企业业绩下滑。此外，新冠疫情也让众多企业蒙受巨大损失，一些企业经营困难甚至破产。在外部经济环境恶化的背景下，作为支撑众多企业的金融力量，商业银行的信贷风险也有所上升。

(2)商业银行自身风险管理存在问题。部分商业银行自身缺乏健全的信贷管理机制，往往更关注贷前调查，而忽略了贷后管理。同时，金融行业竞争愈发激烈，一些商业银行为增加业绩而盲目放贷，对信贷风险的防范有所松懈，为债务人逃避债务提供了机会，信贷风险上升。

(3)金融监管不够全面。目前，我国相关金融立法还存在一定的漏洞，相关法律法规的欠缺使借款方缺乏约束，商业银行债权无法得到应有的法律保障，进而加大了商业银行的信贷风险。

(二)压力测试理论

1.压力测试的情景设计

压力测试情景设计大致可归纳为两大类——敏感度分析和情景分析。

(1)敏感度分析，又称单因素分析。该情景设计通过测量单个特定风险因子在假定变动情况下所产生的变化，判断其对银行风险暴露和银行承受风险能力的影响。需要注意的是，此分析所假定的变化程度应达到足够的波动幅度，以反映极其恶劣情况对银行产生的影响。这一情景设计的优点在于容易了解该风险因子在可能的极端变动中，每一变动对于资产组合的总影响效果及边际效果，缺点则只能是单因素变动，而在现实中无法达到如此理想的状态，即当某一风险因子变动时，其他相关因子也会有所波动，而非定量。

(2)情景分析，又称多因素分析。该情景分析是指测量多个风险因子同时发生变化时对银行风险暴露和银行承受风险能力产生的影响。这种分析方法属于多因素变动分析，即考虑到了不同风险因子之间的相关性，更符合现实的情境，也较有说服力，但其分析难度较大，较难精准预测。

2.商业银行压力测试流程

为防范金融风险，商业银行应建立完整的压力测试流程，如图2所示。在此流程下，商业银行能够有顺序、有规划地进行相关压力测试。

图2 商业银行压力测试流程图

二、实证分析

(一)模型获取

作为压力测试的载体无非两种类型：一种是非模型法，另一种是需要估计的数学模型。非模型法中各个变量、参数都是已知的，用列举法或将风险因子和需要测试的变量分别进行离散取值，做成表格的形式以便使用者可以直接查找套用。非模型法存在使用历史数据预测未来情况和变量较少等因素限制，在实际风险管理中不够精确，也不常用。宏观经济环境对商业银行的影响是通过多个指标相互联系、相互影响产生的综合效应，有必要采取一组相互关联的多个风险因子对相关指标进行压力测试。因此，在具体的商业银行信贷风险管理中更为可行的是采用模型法：选取一组宏观经济变量，运用统计方法对这些变量进行分析，建立宏观经济指标与测量指标的模型，从而进一步对测量指标影响宏观经济风险因子的效应进行研究。由于模型的各个变量、参数都是未知的，需要自己估计给定。国内外目前主要采用的计量模型有Wilson模型、Merton模型、KMV模型以及各商业银行和监管部门自行设计的计量经济学模型等。

综合文献观点和理论分析，本文采用多元回归模型，将相关风险要素运行值载入模型，得到最终的压力测试结果，进而预判金融机构存在的潜在风险和脆弱环节。

(二)模型构建

本文借鉴文献[14]建立的模型并在文献[15]的启发下，引入各指标的滞后变量进行回归估计。选用不良贷款率作为被解释变量，在选择相应的变量指标时也考虑到滞后效应，确定将国内生产总值增速、居民消费价格指数、广义货币供应增长率以及滞后一期的不良贷款率作为解释变量，建立一个适合我国经济运行特点的模型,同时，考虑各个解释变量及其滞后项之间建立方程组进行后续压力测试的需要，构建模型如下：

NPLt=m+A1GGDPt+A2CPIt+A3GM2t+A4NPLt-1+vt

(1)

GGDPt=a1GGDPt-1+b1GGDPt-2+c1CPIt-1+d1CPIt-2+e1GM2t-1+f1GM2t-2+εt1

(2)

CPIt=a2GGDPt-1+b2GGDPt-2+c2CPIt-1+d2CPIt-2+e2GM2t-1+f2GM2t-2+εt2

(3)

GM2t=a3GGDPt-1+b3GGDPt-2+c3CPIt-1+d3CPIt-2+e3GM2t-1+f3GM2t-2+εt3

(4)

其中公式(1)中，NPLt表示t期商业银行的不良贷款率，GGDPt表示t期的国内生产总值增速，CPIt表示t期的居民消费价格指数，GM2t表示t期的广义货币供应增长率，NPLt-1表示t-1期的不良贷款率，m表示截距，vt表示干扰项；公式(2)、公式(3)和公式(4)中，GGDPt-1表示滞后一期的国内生产总值增速，GGDPt-2表示滞后两期的国内生产总值增速，CPIt-1表示滞后一期的居民消费价格指数，CPIt-2表示滞后两期的居民消费价格指数，GM2t-1表示滞后一期的广义货币供应增长率，GM2t-2表示滞后两期的广义货币供应增长率，a、b、c、d、e、f分别为对应变量的系数，εt表示干扰项。

(三)指标选取

本文采用商业银行的不良贷款率(NPL)作为商业银行信贷风险度量的指标，不良贷款率主要指贷款5级分类中的次级、可疑、损失类所占贷款总额的比重，它是评估商业银行风险管理能力最有效的指标。同时，选取对商业银行不良贷款率影响较为显著的国内生产总值增速 (GGDP)、广义货币供应增长量(GM2)、居民消费价格指数 (CPI) 3个宏观经济指标进行分析。

考虑我国商业银行经营的特殊性及数据可得性，选取从2005年二季度至2020年四季度的季度数据。数据来自于中国人民银行官网、《中国统计年鉴》和中经网数据库。

(四)回归分析结果

1.相关检验结果

为了衡量样本回归线对样本观测值的拟合程度，判断解释变量是否对被解释变量的影响呈显著性，进行拟合优度检验、F检验、t检验，结果如表1和表2所示。

表1 公式(1)检验结果

表2 公式(1)各项系数及t值

由检验结果可知，调整后的R2为0.954，表明不良贷款率变化的95.4 %可由国内生产总值增速、居民消费价格指数和广义货币供应增长率的变化来解释，拟合优度较好。而公式(1)检验结果中，F值为325.752，远远大于在显著性水平为0.05情况下F值2.531，也判定出模型总体上的线性关系显著成立。此外，在95 %的置信度下，该模型t检验的临界值为2.002，而国内生产总值增速的t值的绝对值为2.502，广义货币供应增长率的t值的绝对值为2.485，居民消费价格指数的t值为2.701，滞后一期不良贷款率的t值为31.149，均大于该临界值，则表明了模型的线性关系显著成立。

为检验国内生产总值增速和国内生产总值增速滞后一期、国内生产总值增速滞后两期、居民消费价格指数滞后一期、居民消费价格指数滞后两期、广义货币供应增长率滞后一期和广义货币供应增长率滞后两期的关系是否能够成立，对公式(2)进行了相关检验，结果如表3和表4所示。

表3 公式(2)检验结果

表4 公式(2)系数表

由检验结果可知，调整后的R2为0.769，表明国内生产总值增速变化的76.9 %可由国内生产总值增速滞后一期、国内生产总值增速滞后两期、居民消费价格指数滞后一期、居民消费价格指数滞后两期、广义货币供应增长率滞后一期和广义货币供应增长率滞后两期的变化来解释，且拟合优度较好。而公式(2)检验结果中F值为86.632，远远大于在显著性水平为0.05情况下的F值2.531，也判定出模型总体上的线性关系显著成立。

同理，对于公式(3)的相关检验如表5和表6所示。

表5 公式(3)检验结果

表6 公式(3)系数表

由检验结果可知，调整后的R2为0.821，表明居民消费价格指数变化的 82.1%可由国内生产总值增速滞后一期、国内生产总值增速滞后两期、居民消费价格指数滞后一期、居民消费价格指数滞后两期、广义货币供应增长率滞后一期和广义货币供应增长率滞后两期的变化来解释，说明拟合优度较好。而公式(3)的检验结果中F值为91.127，远远大于在显著性水平为0.05情况下的F值2.531，也判定出模型总体上的线性关系显著成立。

公式(4)的相关检验如表7和表8所示。

表7 公式(4)检验结果

表8 公式(4)系数表

由检验结果可知，调整后的R2为0.718，表明广义货币供应增长率变化的 71.8%可由国内生产总值增速滞后一期、国内生产总值增速滞后两期、居民消费价格指数滞后一期、居民消费价格指数滞后两期、广义货币供应增长率滞后一期和广义货币供应增长率滞后两期的变化来解释，说明拟合优度较好。而公式(4)检验结果中F值为52.571，远远大于在显著性水平为0.05情况下的F值2.531，也判定出模型总体上的线性关系显著成立。

2.确定回归模型

以上各项检验表明，该模型的构建是合理且有必要性的，最终确立的模型为：

NPLt=-0.031GGDPt+0.051CPIt-4.541GM2t+

0.827NPLt-1-2.331

(5)

GGDPt=-0.768GGDPt-1-0.118GGDPt-2+0.256CPIt-1-0.022CPIt-2-

1.775GM2t-1+2.937GM2t-2-21.253

(6)

CPIt=-0.003GGDPt-1+0.999CPIt-1-0.278CPIt-2-0.009GM2t-1+

0.006GM2t-2+28.644

(7)

GM2t=0.084GGDPt-1+0.092GGDPt-2-0.318CPIt-1+0.441CPIt-2+

0.482GM2t-1+0.091GM2t-2-11.157

(8)

公式(5)的结果表明，国内生产总值增速的系数为-0.031，当国内生产总值增速加大时，不良贷款率随之降低。国内生产总值增速加快时，人们所生产的最终价值有所增加，也间接反映出个人及企业的收入有所提高，拥有更多可自由支配或还贷的资金，从而降低了商业银行的不良贷款率。而消费价格指数的系数为0.051，表明当消费价格指数上升时，不良贷款率也按照其比例增加，当消费价格指数增加时，商品价格相对提高，从而使人们日常消费支出有所增加，其还贷能力也就有所下降，最终使得不良贷款率有所上升。同时，广义货币供应增长率的系数为-4.541，表明当广义货币供应增长率每增加一个单位，不良贷款率减少4.541个单位。广义货币量的增加也就是流通中的货币有所增加，一方面带动了企业的资产流动性的提高，给予了企业增加投资和生产能力的机会，从而提高其还贷能力；另一方面，商业银行持有的流通中的现金也得到增加，并因此增加融资和贷款规模，从而使不良贷款率得到一定程度的稀释。除此之外，滞后一期不良贷款率的系数为0.827，表明当滞后一期的不良贷款率增加时，当期的不良贷款率也是增加的。

公式(6)表明，国内生产总值增速与国内生产总值增速滞后一期、国内生产总值增速滞后两期、居民消费价格指数滞后两期和广义货币供应增长率滞后一期呈反比关系，与居民消费价格指数滞后一期、广义货币供应增长率滞后两期呈正比关系。公式(7)表明，居民消费价格指数与国内生产总值增速滞后一期、居民消费价格指数滞后两期和广义货币供应增长率滞后一期呈反比关系，与居民消费价格指数滞后一期、广义货币供应增长率滞后两期呈正比关系。公式(8)表明，广义货币供应增长率与国内生产总值增速滞后一期、国内生产总值增速滞后两期、广义货币供应增长率滞后一期和广义货币供应增长率滞后两期呈正比关系，与居民消费价格指数滞后一期和居民消费价格指数滞后两期呈反比关系。

(五)压力测试结果分析

本文设定广义货币供应量不会产生极端的情况，主要的压力测试是预测当国内生产总值增速及居民消费价格指数处于极端情况时对商业银行信贷风险产生的影响。

1.设定压力情景

受新冠疫情冲击，2020年第一季度我国国内生产总值增速为-25.68 %，设定的极端压力情形为我国国内生产总值增速为-30.00 %。我国居民消费价格指数走势如图3所示，2008年第二季度时，我国居民消费价格指数达到最高点107.77，因此设定当我国居民消费价格指数达110.00时，分析商业银行不良贷款率将处的状态。