基于SVAR模型的商业银行信用风险压力测试研究

发布时间：2017-07-13 22:15

  本文关键词：基于SVAR模型的商业银行信用风险压力测试研究

  更多相关文章： 商业银行 SVAR模型 信用风险 压力测试

【摘要】：随着金融自由化、全球化和金融创新的发展,风险环境日益复杂,行业内的竞争日益激烈,银行面临着更大的信用风险。因此,如何及时有效地管理控制商业银行的信用风险是当前国际金融界极为关注的重要课题。尤其是2008年全球性金融危机的爆发,更引发了人们对商业银行信用风险管理模式及方法的思考。压力测试作为一种前瞻性风险评估工具,能够估计出极端宏观但客观存在的经济因素冲击下经济的损失,逐渐被国际银行业乃至整个金融业广泛运用,已经成为了重要风险管理手段。国内商业银行正面临着加速市场改革步伐和转型发展的挑战,各监管机构及银行自身也非常重视对各类风险的管理。因此,深入研究商业银行信用风险压力测试,对我国评估商业银行稳定性,预防和化解系统性金融风险,构建我国商业银行全面风险管理体系具有极大的现实意义。论文在深入分析商业银行信用风险和压力测试理论的基础上,比较了目前国际上普遍使用的四种商业银行信用风险压力测试方法,结合现阶段我国宏观经济形势和金融体系的特点,选择SVAR模型(结构向量自回归模型)来构建我国经济因素对商业银行信用风险影响的压力测试模型,对商业银行信用风险的度量指标进行实证分析。然后根据历史情景法、情景假设法设定压力测试情景,对名义GDP增长率和一至三年期贷款利率施加不同程度冲击作用,借助压力测试模型评估并预测出我国商业银行不良贷款率的变化情况。同时,测算出商业银行的整体贷款损失,并与其贷款损失准备金对比。实证结果表明,一至三年期流动资金贷款利率、名义国内生产总值增长率、居民消费价格指数与汇率对商业银行不良贷款率有着显著影响,其中一至三年期贷款利率、居民消费价格指数与商业银行不良贷款率之间成正向变动关系,名义国内生产总值增长率与商业银行不良贷款率之间成反向变动关系,符合客观经济情况。说明了SVAR模型在我国商业银行信用风险度量研究中具有有效性和适用性。当我国名义GDP增长率和一至三年期贷款利率受到冲击时,商业银行的不良贷款率将会随着名义GDP增长率的下降和一至三年期贷款利率的上升而显著上升,同时贷款减值准备金无法吸收不良贷款的损失。在此基础之上,从信用风险管理和压力测试运用两个方面针对我国商业银行机构提出相应建议,这些建设包括提高商业银行防御风险的能力,加强对银行资产风险的监管力度,建立健全压力测试相关制度规范、构建与我国国情相适应的信用风险宏观压力测试体系、确保信用风险压力测试的有效实施。
【关键词】：商业银行 SVAR模型 信用风险 压力测试
【学位授予单位】：安徽农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.2
【目录】：

• 摘要3-4
• Abstract4-9
• 1 绪论9-14
• 1.1 研究背景与意义9
• 1.2 国内外研究现状9-12
• 1.2.1 国外研究情况10-11
• 1.2.2 国内文献综述11-12
• 1.3 研究方法及基本框架12-13
• 1.3.1 研究方法12
• 1.3.2 基本框架12-13
• 1.4 创新与不足13-14
• 1.4.1 创新之处13
• 1.4.2 不足之处13-14
• 2 商业银行信用风险和压力测试理论14-20
• 2.1 商业银行信用风险理论14-16
• 2.1.1 商业银行信用风险的定义14
• 2.1.2 信用风险的特征14-15
• 2.1.3 信用风险的度量15-16
• 2.2 压力测试概述16-20
• 2.2.1 压力测试定义16-17
• 2.2.2 压力测试基本方法17-18
• 2.2.3 压力测试的主要步骤18-20
• 3 商业银行信用风险压力测试方法及选择20-26
• 3.1 信用风险压力测试模型介绍20-23
• 3.1.1 Credit Metrics(信用度量)模型20-21
• 3.1.2 信用风险附加度量模型(Credit Risk+模型)21
• 3.1.3 KMV模型21-22
• 3.1.4 Credit Portfolio View(信贷组合)模型22-23
• 3.2 信用风险压力测试模型比较23-26
• 3.2.1 Credit Metrics模型的优缺点分析23
• 3.2.2 Credit Risk+模型的优缺点分析23-24
• 3.2.3 KMV模型的优缺点分析24
• 3.2.4 Credit Portfolio View模型的优缺点分析24-26
• 4 商业银行信用风险压力测试实证分析26-40
• 4.1 SVAR模型的原理26-27
• 4.2 模型的参数估计27-35
• 4.2.1 变量选取和数据处理27-30
• 4.2.2 不良贷款率压力测试回归模型的参数估计30-32
• 4.2.3 压力测试SVAR模型参数估计32-35
• 4.3 压力测试情景设计35-37
• 4.3.1 一至三年期贷款利率情景分析35-36
• 4.3.2 国民生产总值增长率情景分析36-37
• 4.4 商业银行信用风险压力测试结果与分析37-40
• 5 结论与建议40-43
• 5.1 主要研究结论40
• 5.2 相关政策建议40-43
• 5.2.1 提升商业银行风险防御能力的相关建议41-42
• 5.2.2 关于压力测试的相关建议42-43
• 参考文献43-47
• 致谢47-48
• 作者简介48
• 在读期间发表的学术论文48

【参考文献】

中国期刊全文数据库 前9条

1 刘伟;苏剑;;“新常态”下的中国宏观调控[J];经济科学;2014年04期

2 张慧莲;汪红驹;;中国经济“新常态”[J];银行家;2014年06期

3 杨晓奇;吴栋;;基于向量误差修正模型的商业银行宏观压力测试模型研究[J];金融理论与实践;2010年08期

4 黄荣;何有世;王步祥;;商业银行信用风险度量模型研究[J];首都经济贸易大学学报;2009年05期

5 华晓龙;;基于宏观压力测试方法的商业银行体系信用风险评估[J];数量经济技术经济研究;2009年04期

6 章爱斌;;商业银行产品创新与中小企业融资[J];世界经济情况;2008年01期

7 任宇航;孙孝坤;程功;夏恩君;;信用风险压力测试方法与应用研究[J];统计与决策;2007年14期

8 王毅春,孙林岩;现代信用风险模型特征比较研究[J];当代经济科学;2004年02期

9 程鹏,吴冲锋,陈江;信用风险度量与我国商业银行信用风险管理[J];上海金融;2000年08期

中国博士学位论文全文数据库 前1条

1 张贵清;信用风险评级与商业银行信用风险管理[D];对外经济贸易大学;2005年

中国硕士学位论文全文数据库 前1条

1 崔萌;基于CPV模型和压力测试的我国商业银行信用风险研究[D];吉林大学;2013年

，

本文编号：538597