压力测试在我国商业银行体系信用风险管理中的应用研究

发布时间：2020-04-12 17:38

【摘要】：2008年发生的波及全球的美国次贷危机引发专家、学者和管理当局对传统风险管理技术的思考,也让人们开始关注“极端但可能发生的事件”对金融系统的影响。同时,随着国际金融市场的逐步开放,以及我国商业银行业务规模的扩大,商业银行也面临着日益严重的信用风险威胁。对商业银行信用风险的有效管理不仅仅是银行业界亟待解决的问题,也是学术界必须加以研究的重要方向。而压力测试以其不同于传统Var (Value at risk)方法的度量风险的视角,为信用风险管理提供了一个合理的研究方向,对我国商业银行的信用风险管理具有非常深远的意义。本文对压力测试理论、方法和应用进行了系统的归纳和总结,并在此基础上对我国商业银行系统信用风险管理进行了基于压力测试的实证研究。文章借鉴国外学者的先进做法,并结合中国国情,在国内的研究中首次地将基于VAR方法的新宏观压力测试模型引入我国商业银行信用风险管理中。通过脉冲响应和方差分析,衡量宏观经济因素对我国银行系统贷款违约率的影响,合理的得出国内生产总值的增长率是模型各内生变量中对违约率影响最为显著的一个因素,同时基于向量自回归(VAR)模型和GDP增长率的历史分布,考虑到变量间的交互影响,进行压力情景设置,最终得出在我国GDP增长率突然放缓(6%以下)时,我国银行系统信用风险明显增加,银行体系抗宏观经济风险的冲击是有限的,银行体系的金融稳定性需要加强的结论。在最后,本文分析了压力测试在我国商业银行信用风险管理中应用的局限性,提出研究展望。
【图文】：

违约率,中国银行业,货款,商业银行

在银行的整体贷款违约率PD的基础上，使用模型(4一2)的Logit转换将贷款违约率转化为综合指标yit作为模型变量建立VAR模型。经处理的违约率值PD和违约综合指标值Yit结果如图4一1所示。索穿岁岁一岁岁穿穿穿穿穿少穿穿少岁户户穿岁穿穿穿岁少穿_家之矛违约率Pl)(%)违约综合指标Y图4一 12002一2010年中国主要商业银行季度逾期货款率走势从图中可以看出，，2002年一2010年中国银行业整体的贷款违约率在逐年下降，其中2004年是个小的拐点，这是因为2004年国家曾向四大国有商业银行注入巨资以冲减其巨额不良资产，为股份制改革铺路。而贷款违约率经过Logit模型转化得到的yit值发展趋势与违约率走势基本相同。4.2.3实证检验和结果1、实证检验本文使用在上一节所解释的各变量建立VAR模型，在进行动态回归模型拟合时，必须先对序列进行平稳性检验。因为本文使用的数据是时间序列数据，使用时间序列数据进行估计，其首要条件是要求其必须是平稳时间序列，即生成变量时间序列数据的随机过程的特征不因为时间的变化而变化。如果时间序列不平稳

序列,静态模拟,动态模拟

20D32D042005ZDD6200720口 820092D10 2003200420肠 20062007加0公 20092010{一丫(Seena:、o飞)一Y(日aoe，、ne)!;一丫、赢，n。，)一丫(“、n。图4一2静态模拟结果图4一3动态模拟结果如图4一2、图4一3所示，分别对违约率的综合指标Y进行了样本期内2003一2010年的静态模拟和动态模拟，两者的区别在于:前者利用序列滞后期的实际观测值计算下一期预测值，最多只能预测超出样本期一期的未来值;而后者是利用各序列每期预测值而非实际观测值进行迭代计算，可以对超出样本期的未来值进行预测。从模拟曲线可以观察到:无论是静态模拟还是动态模拟，模拟效果都较好。4、脉冲响应和方差分解为了衡量VAR模型中的内生变量GDPR、CPI、R工、RS的变动对违约综合指标Y的影响，对模型进行脉冲响应和方差分解分析。下面分别给GDPR、CPI、砒、RS一个正的标准差冲击(一个脉冲)，采用
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F832.33;F224

【引证文献】