商业银行信用风险全面压力测试实践

陈勇  中国民生银行总行风险管理部风险计量模型验证中心主任

 

本文分享了商业银行信用风险全面压力测试的一些实践，内容主要分为以下几个部分，第一部分是全面压力测试的监管要求，第二部分是信用风险的全面压力测试实践，第三部分是实践过程中的一些思考。

一、全面压力测试监管要求

商业银行应开展全面的压力测试，总体涵盖各类主要风险和表内外各个主要业务领域，充分考虑各项业务间的相互作用和反馈效应以及风险因子与承压指标间可能存在的非线性关系，有效整合各类风险的压力测试，反映银行及银行集团风险的整体情况。

商业银行应尽可能以定量方法来确定压力情景参数、风险因子相关性以及具体传导过程。

压力测试应在商业银行风险管理中发挥以下作用：

（一）前瞻性评估压力情景下风险暴露，识别定位业务的脆弱环节，改进对风险状况的理解，监测风险的变动。

（二）对基于历史数据的计量模型进行补充，识别和管理“尾部”风险，对模型假设进行评估。

（三）关注新产品和新业务带来的潜在风险。

（四）评估银行资产质量、盈利能力、资本水平、流动性和承受压力事件的能力，对银行设定风险偏好、制定资本和流动性规划提供依据。

（五）协助银行制定改进措施。

（六）支持银行内外部对风险偏好和改进措施的沟通交流。

压力测试结果应运用于商业银行的各项管理决策中，包括但不限于：制定战略性业务决策、编制经营规划、设定风险偏好、调整风险限额、开展内部资本充足率和流动性评估、实施风险改进措施以及应急计划等。

 

二、信用风险全面压力测试总体目标

（一）覆盖全面

对公信贷、零售贷款业务是商业银行的主体业务，商业银行通常用全行的不良率或违约率来做信用风险的压力测试。但除了信贷业务外，从风险敞口上来看，信用风险的压力测试还应覆盖到其他业务，比如标准化债券业务、非标债权/股权质押业务、主权/金融机构债权、重点行业专项压力测试等等，重点行业重点关注的是房地产行业的专项压力测试。除此之外，我们还增加了押品和LGD的压力测试。从信用风险的覆盖业务面来说，要求尽量全敞口覆盖。

（二）方法论全面

在方法论上，我们认为一个方法不能解决所有问题，因此我们在尝试开发一个压力测试计量模型技术库，以便多做一些方法论尝试。比如用Wilson和Merton两种框架来做宏观压力测试，增加了财务传导模型和迁移矩阵模型，还基于外部行业风险数据建立了信用周期模型。

有的行业或敞口没有违约样本。比如金融机构，如果把包商银行的违约案例放到140家左右的城商行中，那么城商行的违约率会接近1%，如果把恒丰这种接管情况认定为技术性违约，那么单看12家股份制银行的违约率也会相当高，因此它不适合作为压力测试模型的违约数据。对于一些低违约敞口，我们可以选择外部数据来建模。

从方法论上来说，我们尽量建立全面的方法论，因为不同的方法在技术上的着眼点不同，其产生的结果也会不同，如果不同方法作出的结果比较一致，那就是一个比较理想的结果了。

（三）影响分析全面

从影响分析上来说，我们希望结果的影响是多方面的。结合压力测试模型，我们做了比较全面的分析，比如预期损失的估计、不良贷款的影响分析、风险加权资产的分析、资本充足率的分析等。

（四）应用全面

在应用方面，我们希望能做到全面应用。主要体现在以下几个方面：政策制定、设定风险偏好、调整风险限额、内部资本充足评估、恢复计划和实施风险改进措施。

 

三、信用风险压力测试模型体系开发总体框架

整个开发框架分为四步：

第一步：宏观情景体系设计

1、构建丰富全面的情景指标体系，满足内部管理与监管压力测试的力度要求。监管在压力测试方面通常只有7到10个指标，银行在做一些细分行业时，这些指标的显著性可能并不高，因此需要建立更丰富全面的指标体系。

2、合理性调整。情景设计过程使用科学的统计模型分析指标关系并预测压力情景，模型结果通过经济意义分析进行合理性调整。

第二步：压力测试数据收集及清洗

1、数据收集。收集压力测试模型使用的各个维度数据；

2、数据清洗。按照标准，对各类数据情景进行清洗，创建建模数据集；

3、数据分析。深度分析各类资产组合底层贷款的不同分布和风险特征。

第三步：压力测试传导模型开发与风险参数预测（多种模型开发方法论）

1、资产组合模型。根据零售或对公单个资产组合建模，并提供资产组合层面预测；

2、单一客户模型：基于最细颗粒度的单一客户建模，可提供单一客户的预测。

第四步：模型表现评估（全方位模型实施自验证）

包括样本内测试、预测准确度测试、稳定性测试、多重共线性测试、自相关性测试、敏感性测试。

（一）宏观情景设置框架与指标体系

1、设置框架

情景设置为压力测试的源头步骤，为后续风险参数的承压提供一定情景。主要关注宏观经济形势对信用风险参数的影响，指标可进一步分为：宏观经济指标和金融市场指标。

情景设置过程整体体现了传导的本质，由核心指标表征情景设置结果的基调。为了保证传导的合理性，将剩余指标进一步细分为驱动因素和被驱动因素，驱动因素和核心指标一起驱动其他指标，如图1所示。

图1 宏观情景的核心指标

核心指标为GDP同比增长率，其他共包含79个指标。

指标分类：五大类，即经济政策类型、货币政策类型、财政政策类型、国际形势类型、行业明细类型（细分行业含6个：房地产业、制造业、批发零售业、交通运输业、建筑业、金融保险业）。

指标体系示例如图2所示：

图2 宏观情景指标体系

2、压力强度及核心指标

（1）压力强度：依据行内内部管理需求以及监管压力测试实施的一般性要求，压力强度定义为：轻度、中度、重度和极重。

（2）核心指标情景设置：做监管压力测试以监管建议值为主，做内部压力时，我们也会考虑人行和银保监会压力测试的情景来设置压力测试指标。

3、压力测试指标

压力测试指标取决于压力测试的目标，可选择使用的指标很多，主要包括不良率、违约率、逾期率、违约损失率、风险暴露、拨备提取率、核销率、评级迁移率、风险加权资产等。

4、信用风险压力测试模型划分

在模型划分上，一般按业务条线或者板块进行划分，比如对公业务按细分行业进行划分，我们划分了21个行业敞口；房地产专项业务中，对公、零售业务我们分别划分了7个、3个敞口；金融市场业务方面，我们主要在信用债方面基于内、外部数据做了两套模型，按国内信用债市场本身的违约率，我们建了制造业、非制造业两个敞口的压力测试模型，同时引入外部数据，另行构建了一套制造业、非制造业和金融机构三个敞口的压力测试模型。资产证券化是今年新加入的压力测试方向，早期我们也没有找到很合适的资产证券化的压力测试框架，今年我们参照巴Ш标准法的资产证券化风险加权资产计量框架来做的资产证券化压力测试。

依据行业管理需求与压力测试模型实施的有效性，将压力测试体系涉及的模型的划分如图3所示：

图3 压力测试划分体系

5、自上而下财务模型构建

我们构建了财务传导模型，通过从宏观情景传导压力到公司的经营成效，引起财务报表的变动，再计算财务报表指标，对应到内评财务模型得分，转换到客户评级，然后通过行业周期系数调整客户评级的PD，最终形成压力测试的结果。

在财务模型上，根据内评模型的敞口划分了15个模型，选择有充足财务报表信息的敞口，对利润表销售收入增长率、销货成本收入增长率、销售与管理费用增长率、负债利息费用率增长率建立多元回归财务模型。

在结构上加了信用周期的调整，引进了外部数据，划分成10个行业敞口，将这些行业的外部评级的变化波动作为整个行业周期的代表，将整个行业的评级变化与财务指标影响内部评级的变化相结合做了一个模型，以便反映出整个评级的压力测试情况下的变化。

6、迁移矩阵模型

关于迁移矩阵，穆迪、标普等公司会公布他们过去若干年的数据，可以看到，同样的评级在不同的年份，评级的违约率是有变化的，评级迁移在不同年份也不同，评级本身会受宏观因素影响，所以我们将历史平均评级迁移矩阵和各期评级迁移矩阵的差异使用参数进行了量化，然后建立起宏观情景和转移矩阵的联系，相当于做了一个平移的因子，假设评级分布不变，在不同的情景下，评级的分布会发生左右偏移，当然这个偏移并不能完全代表它的风险状况，但是我们认为它能说明一部分情况。

7、主权风险暴露

选取了23个有风险敞口的国家作为风险等级为低、较低、中的代表国家，进行建模。建模的宏观经济指标参考穆迪主权评级打分卡中涉及的宏观经济指标再进行相应简化，建立Wilson模型。

8、房地产押品

房地产押品专项压力测试通过模拟不同压力情景中房价和土地价格不同程度的下降，测算压力情景下房地产押品的违约损失率（LGD）以及不同类别房地产押品的LTV分布变动情况，从而对某些类别的房地产押品开展积极的应对措施，或者提前预警某些贷款的押品风险。

9、建立违约率到不良率的传导方案

如果使用时点不良率直接作为承压指标，在压力测试时间窗口较长的情况下，比如预测未来三年，往往时点不良率压力测试结果在压力测试期间将出现骤降（骤降主要由于压力测试的宏观经济情景往往在最差情况发生后出现较大程度的复苏，结果显示不良率在压力下变得很好），而银行对不良的消化往往需要时间，不良率还有滞后效应，压力测试结果往往与业务实际不符。而使用违约率/新增不良率作为承压指标，根据时点不良率与期间违约率/新增不良率的关系，传导出压力情景下的不良率，一方面能够规避上述缺陷，另一方面银行可根据自身情况调节传导系数，相对灵活且贴近业务。

 

四、实施过程中的一些思考

最后讨论的是关于多目标信用风险压力测试模型的统一，压力测试标签与应用目标一致，引入外部数据可行性，财务模型预测效率，实施时间效率，结果可解释性的要求等问题的一些思考。

压力测试很难用一个目标或一个模型来解决所有的问题，应该根据压力测试的不同目标，采用不同的数据和不同的模型来做，要保证压力测试标签和应用目标一致。

关于外部数据的可行性方面，其实也要看外部数据和本行数据的关联，在低违约敞口的压力测试模型建立上，是可以引用外部数据来建模。对于中小公司，我们可以看行业的实际数据，行内还可以加调整因子，比如说大企业如果去年的PD上升了1倍，那么小企业可能是1.5倍，微型企业可能是2倍或者3倍，外部数据提供的评级波动体现在对这些指标的调整上。

关于财务模型的预测效果，我们认为纯财务的影响因子影响力度相对较小，还应该加入宏观因子的调整，比如信用风险周期的一些调整，以便更全面地反映风险状况。

模型拆分越多，实施效率越低。如果行里数据系统支持力度较高，我们建议做细分模型的建模。只有细分到不同的业务板块，模型结果的后续应用才可以达到比较好的效果。

在结果可解释性方面，作为一个分析框架，我们会基于实务的考虑看它的影响程度，压力测试模型参数的统计检验并不是最重要的，重要的是结果可解释。

（责任编辑：丁可涵）

来源：TGES2021高级研讨会：风险分析、量化和压力测试高级研讨会（8月）