一、从监管驱动到管理驱动——精细化信用风险压力测试实践 

（一）监管压力测试要求回顾及常见做法

      1、监管信用风险压力测试要求回顾

      1997年亚洲金融危机之后，压力测试被作为一个管理工具引入风险管理过程之中，而其被列入监管工具层面是在市场风险受到密切关注后，2004年巴塞尔新资本协议（巴Ⅱ）正式发布，其中第二支柱涉及了压力测试要求，2009年，巴塞尔委员会发布《稳健的压力测试实践和监管原则》。

      2004年12月中国银监会发布《商业银行市场风险管理指引》，压力测试正式进入国内监管法规，2007年发布了《商业银行压力测试指引》作为压力测试的专项指引。2012年，随着《商业银行资本管理办法（试行）》的发布，对应巴塞尔协议要求的内评压力测试、ICAAP压力测试正式被列入更高级别的监管法规中。在此之后，一些专项风险管理监管细则陆续发布，从《商业银行并表管理与监管指引》到《银行业金融机构全面风险管理指引》等，都有对压力测试提出要求。

      2、监管信用风险压力测试常见做法

      就压力测试具体方法而言，银行内部对于“自上而下”“自下而上”的概念与监管机构之间存在一定的差别，监管机构的“自上而下”主要是指组织形式上由监管机构往下组织金融机构开展压力测试，而金融机构内部的“自上而下”是从方法论角度理解的，从总体或行业层面开展压力测试，传导到客户层面。技术框架上多会采用Wilson模型、多元回归，包括情景分析与敏感性分析。情景分析中的承压指标，多数是采取不良率，个别机构会使用违约率进行转换，最终压力传导至资本充足率上。模型敞口划分方面，对公贷款会进行单独的压力测试，零售贷款、信用卡透支、房地产专项也各有要求，有的银行也会对零售贷款、对公贷款、信用卡透支合并使用统一的宏观Wilson模型。测算口径以表内为主。

      目前压力测试实践存在的问题：一是模型细分不够，二是支持应用能力不足，三是模型解释力不足。有时为了在规定时间内满足监管的要求，参测机构会把完成任务放在第一位，容易忽视模型细分精度的问题。

（二）精细化信用风险压力测试实践

      1、精细化信用风险压力测试实践

      一是在细化压力测试模型的过程中，需要考虑选择哪些风险计量指标，一般来说，指标有不良率、违约率、逾期率、违约损失率、风险暴露等。二是最终考虑的目标是建立一个全敞口覆盖的压力测试模型体系，包括对公/零售信贷业务、标准化债权业务、非标债权/股质业务等，都能有细分的模型。三是在方法论上计划建立压力测试计量模型技术库，既涵盖宏观压力测试，又涉及财务传导模型，也关注重点行业专项压力测试，以及基于外部行业风险数据信用周期模型。四是在压力测试传导结果分析方案中，会考虑EL（预期损失）、NPL（不良贷款损失率）、RWA（风险加权资产）。

      2、自上而下压力测试模型构建

      对于自上而下的压力测试模型，主要采用Wilson和Merton两种方法，它们的宏观变量基本一样，并且采取相同的架构 。根据监管要求时间的不同，对模型划分进行了区别对待。例如监管压力测试模型中，民生银行对公业务建立了10个敞口的模型，对内部管理细分了21个敞口（对制造业与批发零售业进行细分）；房地产专项根据监管的要求设定了7个敞口，零售则是分了3个；标准的零售业务分有6个敞口；而金融市场业务中，信用债划分有3个敞口。在此划分基础上，采用不同的承压变量。基于对监管调整的考虑，需要不同的标签，比如不良率，由于每家银行判断的不同、监管的变化，这个标签需要动态追溯过去的数据。对应21个细分模型，结合表内、表内外合并口径的不同承压指标，总体上有超过200个模型，单一实施一次对公信贷表内、表外业务压力测试就有42个模型。

      3、自下而上财务模型构建

      自下而上是财务传导模型是从客户财务报表出发进行压力测试。由于有些压力测试模型对应敞口的违约数据不够或没有，无法基于历史违约数据系列建立WILSON模型，最后开发了基于评级模型的财务压力测试模型，对划分行业敞口的财务报表进行分析并建立压力测试模型。财务指标包括销售收入增长率、销售成本增长率、销售与管理费用的增长率、负债利息的费用增长率等。对于评级模型来说，同样评AAA、AA，在不同年份所对应的违约率是不同的，评级符号代表的违约是有波动的。在建立财务模型以后，将其传导评分模版，如果发现它不是很敏感，则需要进一步通过增加行业周期调整因子进行评级调整，即将评级违约率波动做成与宏观有关的行业调整因子，两个因子合在一起，构造自下而上的财务模型。

      4、宏观情景设置框架与指标体系

      对于宏观情景，国内监管采用了5-7个宏观指标，将这些指标应用到细分行业模型会产生难以建立一个具有解释度、参数合理的模型的问题。因此在实践中，民生银行选择了将近80个宏观指标作为指标长清单来建立行业细分模型，并且为了解决监管所给指标过少，而本行采用指标多的问题，另建立了用于过渡的宏观传导模型，用宏观指标先传导至驱动因素指标，再由驱动因素指标传导至被驱动因素指标，最终建立一个分层模型，保证在只有GDP一个核心指标的情况下，也能推出50个宏观因子指标，然后将其中的二三十个指标应用到细分Wilson模型，并用到细分行业上。

（三）实施过程中的一些思考

      第一是多类型的压力测试能否统一？就银行实务操作而言，有内部资本充足率压力测试、监管压力测试、减值宏观前瞻模型、整体压力测试等多种类型的压力测试，能否统一用一套模型替代？但由于现实中建立模型目标不同，这种统一使用一套模型我们认为较难实现。以减值宏观前瞻模型为例，它分为好、中、差三个情景，对应发生概率较高的可以达到10%-30%，其旨在追求模型的稳定性和预测的无偏性，比起常规压力测试模型，减值前瞻模型更像是一个预测模型。因此在多数情况下，对模型结果弹性的要求不能太高，从而不会由于某些因素的变化，造成模型结果变化过大，模型挑选的方向是不一致的。对于监管压力测试、减值宏观前瞻预测模型等，通常选择逾期90天不良率作为承压指标，而做内部压力测试会选择不一样的目标，比如30天逾期率，受人为因素、管理措施影响较少，能比较好的通过模型预测它的发生率，在对应的管理措施落实以后，才会转化成90天不良率或是违约。如果目标不一致，整个用一个模型来实现比较难。

      第二是要建立适合银行自身压力测试应用目标的标签，并且保持历史数据的一致性，保持数据当前定义的口径，包括敞口、不良率、预期损失等。

      第三对于低违约敞口，可以借鉴外部数据建立模型。比如金融债、银行风险暴露，银行违约样本是很少的，如果基于建模银行内部评级的波动，由于多数银行建立内部评级的时间不够久，则建模需要的评级波动的历史时间序列会不足。使用外部数据首先要确定有数据做得出模型，可以替代，其次要判断运用外部数据来建立的模型是否适用于自身的风险暴露。

      第四是在财务预测模型方面，需要基础数据支撑，并使用自下而上、自上而下相结合的方法。如果单纯压内部评级的模板，由于评级模板大都是分档的，压力测试的边界要打开会有一定难度，压完评级以后，需要再把时点评级的波动考虑进去。

      第五是实施精细化压力测试的效率问题。由于模型较多，会导致选择困难，实施难度增大，实施周期也有所增长，需要银行根据自身的各种因素来进行调整。国外做一个CCAR压力测试可能上千人在做，而在国内，每家银行有10个人做就不错了。所以在做精细化压力测试模型时，可能会出现实施周期长，人力有限的问题，考虑效率问题在模型细分上就不能做太多。

      第六是压力测试结果可解释性的平衡问题。为支持行业政策而制定的压力测试，模型解释率需要足够高，并且需要做好常规的预测能力和极端情况下预测能力的平衡。因为要将压力测试结论提供给制定行业政策的人使用，在做行业预测模型时，应该偏向于选择发生概率比较高的情景，而不是说极端情景，所以要把预测能力的要求提升到更高的水平。  

      来源：2020（第十六届）中国金融风险经理年度总论坛NO.16：压力测试和模型风险管理－陈勇《从监管驱动到管理驱动——精细化信用风险压力测试实践》