吳 婷 段明明
摘 要:本文借鑒國外已有的關于成熟的宏觀經濟因素對銀行信用風險的評估,考慮到我國宏觀經濟和金融體系的特點以及數據的可得性,建立關于我國宏觀經濟因素對銀行信用風險的模型,并進行實證分析和壓力測試。
關鍵詞:宏觀經濟;信用風險;商業銀行;壓力測試
中圖分類號:F830 文獻標識碼:A文章編號:1008-4428(2009)12-78-03
一、引言
自20世紀70年代末到21世紀初,全球有90多個國家先后爆發了112次系統性銀行危機。尤其是90年代以來頻頻爆發的金融危機——如1987年美國股市崩盤、1992年的英鎊危機、1994年的美國利率風暴及中南美洲比索風暴、1997年的亞洲金融危機、1998年的俄羅斯債務危機,特別是2007年春季始于美國的次貸危機最終演變為2008年的全球金融海嘯,它的波及范圍之廣,影響程度之大,史無前例。系統性銀行危機不僅使一國多年的經濟發展成果毀于一旦,還導致一國經濟政治的不穩定,對全球經濟也產生了很大的沖擊。
在金融全球化的趨勢下,隨著我國金融市場的完全開放,我國金融市場和國際金融市場的逐步接軌,是否擁有一個穩定而且富有競爭力的銀行體系對于我國而言顯得非常必要。對銀行體系進行穩定性的評估,尤其是對銀行體系面對的信用風險的評估,對防范和化解系統性金融風險,維護我國金融穩定和安全具有重要意義。
二、宏觀壓力測試方法流程及模型設定
(一) 方法流程
宏觀壓力測試是模擬“危機事件”來估計極端卻有可能的壓力情景下金融體系的波動。在宏觀壓力測試的框架中,其模型表示為:
(1)
在(1)中表示在模擬的壓力情景下評價金融體系的穩定性的指標的表現。在宏觀壓力測試模型中衡量金融部門波動性的最一般的辦法是資本的潛在損失率。Q(·)表示衡量金融系統波動性的風險矩陣,衡量違約情況的指標如貸款損失額主要通過模擬壓力情境下的點估計得到。
(二) 模型的設定
我們將在Wilson[7]-[8](1997,1997)、Boss[10](2002) 和Virolainen K.[4](2004)研究框架的基礎上建立適合我國銀行系統信用風險評估的宏觀壓力測試模型。
首先,我們借鑒國外研究成果中關于宏觀經濟因素和貸款違約率之間的非線性關系設定。我們通過IN函數將貸款違約率轉化為中介指標,以該指標作為因變量與宏觀經濟因素進行多元回歸分析,使得這一指標能夠很好的利用各宏觀經濟指標所提供的信息。在模型中宏觀經濟因素的選擇方面,參考國內外學者實證研究中模型的自變量,結合我國統計數據和披露特點等制約因素選取適合的宏觀經濟變量來構建模型。
(2)
(3)
(4)
PDt表t年度的貸款平均違約率,Yt是一個反映宏觀經濟狀況的中介指標(反映銀行體系違約概率和各宏觀經濟變量的中介指標),Xt代表各宏觀經濟變量。在利用歷史數據進行模型估計時,通過處理的違約概率值代入(2)就可以得到估計的綜合指標的估計值,將其代入(3)就可以估計出宏觀方程的系數,并以此估計出方程的作為進行宏觀壓力測試的基礎。而在執行壓力測試的時候,通過壓力情境的設定,用不同的方法得到的各相關經濟變量值代入估計出的(3)就可以得到情境壓力下的Yt,再通過(2)就估計出了壓力情境下的銀行系統的違約概率。
公式(2)就是對貸款違約率進行IN函數變換,PDt代表t年度的貸款平均違約率,Yt表示宏觀經濟狀況的中介指標。
公式(3)是反映各宏觀經濟變量與中介指標Yt的關系的方程,本文采用多元線性回歸的方法來模擬變量之間的關系。
公式(4)是反映各宏觀經濟變量的時間序列模型??紤]到各宏觀經濟因素采取的時間序列數據,可能存在變量的滯后性,因此對各經濟變量進行P階自回歸分析,剔除模型中的序列相關性。在這個模型中,假設和是序列不相關的,并且分別服從方差協方差矩陣為的正態分布,其中和相關的方差協方差矩陣為。
從(4)式可以看出,模型不僅考慮到了宏觀經濟變量值之間的相互影響,模型的設定考慮到了金融體系對宏觀經濟波動的回饋效應。將銀行的表現對經濟的反饋影響通過在宏觀因素的自回歸方程中引入綜合變量來實現。通過各行業綜合指標Yt前期值對各宏觀經濟變量的影響設定來反映現實世界中的金融與經濟發展的相互影響關系。
(三) 變量選取
1、解釋變量
根據國外的實證研究和我國銀行體系業務發展的特點,同時考慮到數據的可得性,我們模型的變量選取04年第二季度到09年第一季度的季度數據,同時我們模型的變量是整個經濟體系的,因此各宏觀經濟變量不采用各經濟部門的統計值,而是采用本國整體水平的統計值。宏觀數據來自中國資訊行數據庫和CCER數據庫。
我們選取五個宏觀經濟變量作為解釋變量:
RGDP—國內生產總值增長率
CPI—居民消費價格指數
Lr— 一年期貸款基準利率(折算為季度數據)
Cun— 一年期存款基準利率(折算為季度數據)
M0 — 貨幣供給增速
2、被解釋變量
我們選取違約概率作為評估信用風險的指標,銀行系統的信用風險主要表現為貸款資產的違約率。Virolainen K. [4] (2004) 對芬蘭銀行系統的違約概率進行的宏觀壓力測試分析中,對違約概率指標采取如下方式賦值:在研究時期內,某行業的破產機構數量與總的機構數量的比率為銀行體系面對的違約概率。
四、實證結果
(一)模型估計
我們代入2004年第二季度到09年第一季度的數據進行回歸,我們首先從滯后3期開始回歸,發現RGDP、 CPI、 Lr、Cun、M0 都不顯著,于是減少滯后期,在減少滯后期的過程中,我們發現Cun的顯著性始終不高,而其他變量的開始逐步顯著,于是我們提出Cun這個變量,對其他宏觀經濟變量保留。
由回歸結果我們可以發現:
(1)不良貸款率受CPI和滯后一期的CPI、貸款基準利率和滯后一期的貸款基準利率、滯后一期的不良貸款率的影響,而且其系數也基本與經濟理論相符合。比如CPI和滯后一期的CPI、當期的貸款基準利率越高,Y越低,經過IN變換以后,PD越高,所以符合經濟理論。而實證顯示,滯后一期的貸款利率P和滯后一期的中介指標則與PD成反比。
(2)宏觀經變量之間的關系。我們發現宏觀經濟變量存在明顯的時滯效應,這也與以前的實證研究相吻合。對于GDP增長率來說,滯后一期的貸款利率和滯后一期的M0增長率都與其正相關,這也與經濟理論相符合,而滯后一期的中介指標、滯后一期和滯后兩期的RGDP、滯后一期的CPI都與當期的RGDP負相關,還需要進一步的驗證。
而貨幣供給增速與滯后一期、滯后兩期的RGDP、滯后一期的CPI都負相關,這也與經濟理論相符合,因為前期RGDP、CPI越高,通貨膨脹壓力越大,政府必須控制,所以必須控制貨幣供給增速;而貨幣供給增速與上一期的貸款利率、貨幣供給增速正相關;與上一期中介指標負相關。
(二)宏觀壓力情境的設定及其結果
我們選取壓力測試方法為情境分析。
針對我們所選取的宏觀經濟變量,我們設定兩種壓力情境:一種是GDP增長放緩的情境;一種是CPI上升到較高水平。對于各種壓力情境下,反映壓力的宏觀經濟變量的波動幅度,我們通過以往的歷史相似情境數據或歷史經驗直接進行認為的設定。
表2 宏觀壓力測試執行結果
可見,在設定的兩種壓力的情況下,我國的銀行體系的信貸風險明顯增加,從模型預測出的貸款違約率都有增加。隨著國內生產總值增速的大幅降低,貸款違約率上升;隨著CPI物價指數的增加,貸款違約率也在增加。
五、結論及政策建議
我們在借鑒外國模型的基礎上,建立了適合于我國經濟環境的模型。我們首先借鑒了國外研究成果中關于宏觀經濟因素和貸款違約率之間的非線性假定。在此基礎上使用IN函數將貸款違約率轉化為中介指標Y,以Y為因變量與宏觀經濟變量進行回歸。在模型中,受到數據的制約,我們選取不良貸款率作為商業銀行信用風險的指標,選取RGDP、貸款基準利率、CPI、貨幣供給增速等作為宏觀經濟變量。同時,也可以用已經估計出來的方程對商業銀行信用風險進行壓力測試。
結果顯示:宏觀經濟變量中的CPI和滯后一期的CPI、貸款基準利率和滯后一期的貸款基準利率、滯后一期的不良貸款率對當期的不良貸款率有影響;而宏觀經濟變量之間存在明顯的時滯效應。最后在進行壓力測試的時候,我們發現隨著國內生產總值增速的大幅降低,貸款違約率上升;隨著CPI物價指數的增加,貸款違約率也在增加。
參考文獻:
[1]McKinnon R. Financial growth and macroeconomic stability in China.1978—1992: implications forRussia and other (下轉第101頁)(上接第79頁)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. 我國銀行體系穩定性研究 [J]. 河北經貿大學學報,2002,(05):47—53.
[4]陳華、伍志文 銀行體系脆弱性:理論及基于中國的實證分析 [J].數量經濟技術研究,2004,(09) :34—51.
[5] 孫連友. 金融體系壓力測試—-概念與方法 [J]. 濟南金融,2006,(02):43—50.
作者簡介:
吳婷,南京大學經濟學院;
段明明,南開大學經濟學院。