李悅婷 徐天祥

【摘要】 壓力測試已經(jīng)被國外越來越廣泛的用于金融系統(tǒng)的風(fēng)險預(yù)測，而我國運(yùn)用這種方法的起步較晚，大多數(shù)研究集中在對房地產(chǎn)信貸的研究，本文將壓力測試的方法引入涉農(nóng)信貸中，對涉農(nóng)貸款違約風(fēng)險進(jìn)行風(fēng)險預(yù)測。

【關(guān)鍵詞】涉農(nóng)信貸信用風(fēng)險壓力測試

一、文獻(xiàn)綜述

世界銀行、國際清算銀行（BIS）、國際貨幣基金組織等國際金融組織的大力推動下，國外對壓力測試的研究較多，理論已經(jīng)取得了較多的成果，壓力測試已經(jīng)被很廣泛應(yīng)用于銀行全面風(fēng)險管理、金融體系風(fēng)險監(jiān)控、資源配置、單一業(yè)務(wù)產(chǎn)品效益評估等領(lǐng)域。國外壓力測試的實(shí)踐成果及理論，為我國銀行業(yè)對壓力測試的研究和運(yùn)用提供了寶貴的經(jīng)驗(yàn) 。

De Bandt和P Hartmann (2001)指出了每一個風(fēng)險因子中間都有相互聯(lián)系，并不是獨(dú)立影響測試結(jié)果的，這些因素的變動會造成“多米諾骨牌效應(yīng)”Drehmann M (2004)將宏觀經(jīng)濟(jì)因素引入到風(fēng)險計(jì)量的壓力測試模型中。Jim Wong，Ka-fai-Choi和Tom Fong(2006)以香港零售銀行頁為基礎(chǔ)，在模型中用到的變量有：香港地區(qū)生產(chǎn)總值，大陸生產(chǎn)總值，利率和房價指數(shù)。郭春松（2005）提出要進(jìn)行定時定點(diǎn)評估，使得壓力測試成為日常工作，他的文章中引用的宏觀指標(biāo)主要由：利率、匯率、流動性、信貸資產(chǎn)質(zhì)量等，根據(jù)發(fā)生過的歷史事件為假設(shè)情景，進(jìn)行了嚴(yán)重、中等、輕微三個程度的預(yù)測。高顯岳（2006）對我國四大行和另外五家上市銀行進(jìn)行了壓力測試：匯率、利率、流動性風(fēng)險。

二、理論概述

涉農(nóng)貸款，是指：農(nóng)戶貸款；農(nóng)村企業(yè)及各類組織貸款；城市企業(yè)及各類組織的涉農(nóng)貸款。

信用風(fēng)險可以分為廣義和狹義。廣義信用風(fēng)險指的是交易對象發(fā)生違約而引發(fā)損失的可能性，比如說資產(chǎn)業(yè)務(wù)中債務(wù)人不能按時還本付息而發(fā)生的資產(chǎn)質(zhì)量惡化；也可以是因?yàn)橥话l(fā)的集體性的提前取款而造成銀行擠兌等等。狹義的信用風(fēng)險專指銀行的信貸風(fēng)險，就是由于銀行客戶或者借款人的資產(chǎn)或信用質(zhì)量下降，而在還款期限內(nèi)不能夠履行合約還本付息，給金融機(jī)構(gòu)或者銀行帶來損失。

壓力測試，最初是IOSCO(International Organization of Securities Commissions，即國際證券監(jiān)管機(jī)構(gòu))對壓力測試做出了定義：壓力測試是指金融市場在極端的、突發(fā)的不利情形下，分析這種情況對資產(chǎn)組合和資產(chǎn)狀況造成的影響。在1999年IOSCO又具體指出：壓力測試是資產(chǎn)組合面臨極端情況時的量化和認(rèn)定；BIS(committee on the global financial system，即國際清算銀行-巴塞爾全球銀行金融系統(tǒng)委員會)，2000年定義壓力測試為：金融機(jī)構(gòu)衡量潛在但可能發(fā)生異常損失的模型。

三、實(shí)證分析

本章主要是壓力測試模型的建立過程，首先，確定風(fēng)險因子，主要通過對其他學(xué)者文獻(xiàn)的研究，參考先前其他學(xué)者被選做過風(fēng)險因子的宏觀因素，再結(jié)合宏觀實(shí)際情況，來選取本文將用到的風(fēng)險因子；之后，是數(shù)據(jù)的搜集和整理，在本文的寫作中，數(shù)據(jù)均來自實(shí)際銀行的調(diào)研，和中國幾個重要的官方統(tǒng)計(jì)網(wǎng)站得來。然后，統(tǒng)計(jì)模型的建立，主要通過文獻(xiàn)研究的方法，對官方壓力測試模型和通用測試模型進(jìn)行總結(jié)和規(guī)整，選擇出本文將要用到的計(jì)量模型，并通過統(tǒng)計(jì)軟件計(jì)算分析，得出壓力測試模型。

（一）風(fēng)險因子的確定

已有的文獻(xiàn)學(xué)習(xí)和與涉農(nóng)貸款有關(guān)的因素，通過分別得線性回歸，最終確定了以下幾個風(fēng)險因子作為研究對象：

表1 變量的選取

（二）實(shí)證模型的構(gòu)建

本文借鑒的是Wilson（1997）、Boss（2003）、Virolainen（2004）的研究框架，使用了logit模型，將宏觀經(jīng)濟(jì)因素和貸款違約率之間非線性關(guān)系進(jìn)行設(shè)定，轉(zhuǎn)化為宏觀經(jīng)濟(jì)指標(biāo)Y，將Y指標(biāo)作為因變量與宏觀經(jīng)濟(jì)的各因素進(jìn)行多元線性回歸，可以更好的利用各種宏觀經(jīng)濟(jì)指標(biāo)所提供的信息。

模型建立如下：

yt=ln(t=1,2,…，N)

y=α+αx+…αx+βy+…+βy+μ

x=+x+…+x+ε,i=1,2,…，k

PDt代表第t個月份的平均違約率，Y是反應(yīng)涉農(nóng)貸款違約率和各經(jīng)濟(jì)變量關(guān)系的中介指標(biāo)，X分別代表各種經(jīng)濟(jì)變量。

（三）實(shí)證研究

1.風(fēng)險因子的回歸。

圖1 不良貸款率的走勢圖

圖中，不良貸款的走動趨勢明顯分為三個段，第一個段從2008年1月到9月，不良資產(chǎn)率較高，普遍處在18%以上，第二段從2008年10月到2009年6月，不良資產(chǎn)率在1%以下，該段為農(nóng)行上市之前長城資產(chǎn)管理公司進(jìn)行不良資產(chǎn)剝離；第三段是2009年7月到2011年12月，不良貸款率在6%以上，8%以下主要是因?yàn)橛诋?dāng)時“取消二級公路收費(fèi)政策”的原因，而二級公路屬于縣域貸款，是三農(nóng)貸款的范疇，因此就出現(xiàn)了不良貸款率又上升的現(xiàn)象。本文主要研究第三段2009年7月到2011年12月。

在本文的模型構(gòu)造中引入了因變量的滯后變量，因此在對模型做整體回歸之前要確定因變量的自回歸階數(shù)，將Yt的一階、二階、三階滯后值與Yt行多元線性回歸，利用eviews軟件對模型進(jìn)行參數(shù)估計(jì)，并將相關(guān)統(tǒng)計(jì)指標(biāo)的估計(jì)結(jié)果列表如下：

表2 因變量滯后階數(shù)選擇的統(tǒng)計(jì)量對照

從上表可以看出，Yt的一階變量中AIC以及SC的取值都小于在不滯后、二階和三階的取值，根據(jù)AIC和SC準(zhǔn)則，即取值越小越好的準(zhǔn)則，最后選定Yt的滯后階數(shù)為一階。

根據(jù)每個風(fēng)險因子的回歸結(jié)果，可以看出，變量N股票價格指數(shù)的回歸結(jié)果不明顯，因此將該變量排除。排除后，對其他風(fēng)險因子和Y(-1)再做一次整體線性回歸。

表3 變量X/Z/J/K/L/M/Y(-1)與綜合經(jīng)濟(jì)指標(biāo)Y的線性回歸

Y=37.279-0.445X+0.007Z+0.091J+0.135K+5.211L+ 4.249M+0.017Y(-1)

2.自回歸。

對被選入的風(fēng)險因子分別做自回歸，檢驗(yàn)確定對變量進(jìn)行自回歸的階數(shù)，結(jié)果如下。

表4 自變量階數(shù)檢驗(yàn)結(jié)果

分別得出了個解釋變量的自回歸模型，就可以建立壓力測試模型，模型如下：

Y=37.279-0.445X+0.007Z+0.091J+0.135K+5.211L+ 4.249M+0.017Y(-1)

X=8.277+0.821X(-1)-0.393X(-2)

Z=10.672+1.042Z(-1)+0.292Z(-2)-0.439Z(-3)

J=10.956+1.132J(-1)+0.175J(-2)-0.415J(-3)

K=16.893+0.836K(-1)

L=0.349+0.842L(-1)

M=0.879+0.833M(-1)

通過對各綜合經(jīng)濟(jì)指標(biāo)的多元線性回歸和各個宏觀變量的自回歸模型中可以看得出：地區(qū)生產(chǎn)總值增長率、地區(qū)房價指數(shù)、農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)、農(nóng)村居民消費(fèi)物價指數(shù)、一年期存款基準(zhǔn)利率、一年期貸款基準(zhǔn)利率這些宏觀變量確實(shí)影響了樣本地區(qū)三農(nóng)貸款的不良貸款率，并且這些宏觀因素的自回歸效果也比較顯著，與此同時綜合經(jīng)濟(jì)指標(biāo)的一階滯后變量的影響效果也比較顯著。

3.相關(guān)性壓力測試分析。

相關(guān)性壓力測試運(yùn)用的主要方法是在進(jìn)行壓力測試時，將各宏觀變量之間的相關(guān)性考慮進(jìn)去，在假定的未來的某一情境中某個重要的宏觀變量發(fā)生了突然變化的情況下，根據(jù)宏觀變量之間的相關(guān)性來調(diào)節(jié)其他變量的變動情況，然后再整體估計(jì)壓力測試因變量的變化情況。

（1）情景一：地區(qū)生產(chǎn)總值增長率分別降至8%、6%、4%

表5 地區(qū)生產(chǎn)總值增長率壓力情景下各變量的估計(jì)結(jié)果

（2）情景二：房價指數(shù)分別升至110，120，130

表6 地區(qū)生產(chǎn)總值增長率壓力情景下各變量的估計(jì)結(jié)果

（3）情景三：農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)分別升至110，120，130

表7 農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)壓力情景下各變量的估計(jì)結(jié)果

（4）情景四：農(nóng)村居民消費(fèi)指數(shù)升至110，120，130

表8 農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)壓力情景下各變量的估計(jì)結(jié)果

（5）情景五：一年期存款基準(zhǔn)利率升至4%，6%，8%

表9 一年期貸款基準(zhǔn)利率壓力情景下各變量的估計(jì)結(jié)果

（6）情景六：一年期存款基準(zhǔn)利率升至4%，6%，8%

表10 一年期貸款利率壓力情景下各變量的估計(jì)結(jié)果

4.壓力測試結(jié)果。

本文首先構(gòu)建了農(nóng)業(yè)銀行三農(nóng)貸款信用風(fēng)險的宏觀壓力測試模型，然后設(shè)定了用于評價商業(yè)銀行體系抵御系統(tǒng)風(fēng)險的極端可能的壓力情境，通過假設(shè)宏觀經(jīng)濟(jì)變量的變動，利用之前得到的多元線性回歸模型，和logit變換方程和所示宏觀經(jīng)濟(jì)變量的估計(jì)值，就可以計(jì)算出壓力情境下農(nóng)行三農(nóng)貸款不良率的期望和估計(jì)值。結(jié)果如下：

表11 18種情景壓力測試結(jié)果

由表中可以看出，本文所假設(shè)的18種情景壓力下，由六種宏觀變量測試出的不良貸款率都是上升趨勢，這就說明地方生產(chǎn)總值增長率的突然下降、房價的、農(nóng)產(chǎn)品生產(chǎn)價格、農(nóng)村消費(fèi)者物價水平、一年期存款和一年期貸款基準(zhǔn)利率的突然上升都對涉農(nóng)不良貸款率產(chǎn)生了嚴(yán)重的影響使得農(nóng)行的涉農(nóng)貸款風(fēng)險增大。

從表中還可以看出，地方生產(chǎn)總值不良貸款率之間的估計(jì)值差距最大，說明地方生產(chǎn)總值增長率的突然下降對不良貸款率的影響最大，以變化程度為衡量標(biāo)準(zhǔn)可以看出，對不良貸款率影響最大的宏觀因素依次排序?yàn)椋旱胤缴a(chǎn)總總值增長率、一年期存款基準(zhǔn)利率、一年期貸款基準(zhǔn)利率、農(nóng)村居民消費(fèi)指數(shù)、農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)、房價指數(shù)。

參考文獻(xiàn)

[1]Wong J, Choi K F, Fong T.A framework for macro stress-testing the credit risofbanks in Hong Kong[J].Hong Kong Monetary AuthorityQuarterlyBulletin,2006(10):1-38.

[2]楊鵬.壓力測試及其在金融監(jiān)管中的應(yīng)用[J].上海金融，2005（1）.

[3]郭春松.商業(yè)銀行壓力測試研究[J].福建金融，2005（10）.

[4]高顯岳.壓力測試在我國商業(yè)銀行風(fēng)險管理中的應(yīng)用[D].西南財(cái)經(jīng)大學(xué)，2006.

作者簡介：李悅婷，云南財(cái)經(jīng)大學(xué)財(cái)政與經(jīng)濟(jì)學(xué)院，碩士研究生，研究方向：農(nóng)村金融；徐天祥，云南財(cái)經(jīng)大學(xué)財(cái)政與經(jīng)濟(jì)學(xué)院，副院長，教授，碩士生導(dǎo)師。