宏观经济风险分析

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇宏观经济风险分析范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

宏观经济风险分析范文第1篇

关键词:不良贷款率 宏观经济变量 主成分分析

中图分类号:F830文献标识码:A

文章编号:1004-4914(2010)03-202-03

一、引言

对于银行来说,风险是与生俱来的,它不仅承担风险、管理风险,还将风险进行转化。在银行面临的各种风险中,信用风险是最重要的风险,而不良贷款率是衡量商业银行信用风险最直接的指标。普遍观点认为银行较高的不良贷款主要是由于金融机构自身经营方式存在的弊端和金融监管体制的不到位造成的。然而,2007年爆发的美国次贷危机,使美国经济发生了大幅波动,各大商业银行贷款的违约率直线上升,实体经济的恶化对商业银行体系产生了不利影响。回顾历史,1929年10月的美国,20世纪80年代的日本,以及1997年亚洲金融危机之后的韩国等都在经历了一个经济快速增长、资产价格快速上扬和信用快速扩张的阶段之后,金融体系却遭遇了一场全面危机。由此可以看出,宏观经济的波动会通过许多相关因素传递给金融体系,对商业银行信用风险具有极其巨大的影响。

本文主要研究宏观经济波动对我国商业银行的不良贷款存在哪些影响,对于经济可能发生的转变,我国商业银行需要吸取各国之经验教训,提前做好准备,控制信用风险,防患于未然。

二、关于不良贷款率的文献回顾及研究中存在的问题

(一)相关文献回顾

对于不良贷款,国内的许多学者对其成因都做了较为深入的研究。吴晓灵(1995)认为不良贷款产生的主要因素归于企业的过度负债,其因果关系实质上是一个问题的两个方面;林毅夫(1998)认为其重要成因之一是可贷资金投向了效益低的行业和企业,解决关键是调整优化产业结构;王瑞(2001)以法律的视角探寻症结之所在与产生的体制原因,指出应弥补债权保护的法律缺陷;施华强(2004)在双重软预算约束框架下分析不良贷款的内生性,指出应硬化银行软预算约束预期;刘青等(2007)用统计的手段实证银行高层的更替与其对不良贷款的处理方式具有显著的相关关系。

另外,也有部分学者研究了各种因素对不良贷款的影响。比如,李江等(2007)应用主因子分析对国有商业银行企业不良贷款的相关要素进行分析;蒋鑫(2008)研究了影响商业银行信用风险的宏观经济因素分析;谭燕芝、张运东(2009)基于中国、美国、日本部分银行的基础数据对这三个国家的信用风险水平与宏观经济变量进行了实证研究。本文的研究也是受到这些学者研究成果的启发,但在深入研究过程中发现由于我国原有的四大国有商业银行不良贷款曾进行过政策性剥离,如果仅仅基于官方公布的不良贷款数据进行分析,忽略国有商业银行不良贷款的政策性剥离,势必导致实证的结果出现偏差,为提高研究结果的精确度,本文将国有商业银行不良贷款的政策性剥离这一重要因素考虑进去,对国有商业银行的不良贷款率单独进行计算,以期得到更加准确的结果。

(二)我国商业银行不良贷款率研究中存在的问题

迄今为止,对我国商业银行不良贷款率的研究中存在几个比较突出的问题。一是多种口径混用。商业银行的不良贷款有不良贷款、呆坏账、不良债务等多种提法,由于概念的不同导致计算口径的不同,因而不良贷款率的估算差异较大。二是不良贷款认定标准的变化影响了数据的可比性。2000年之前,我国商业银行一直采用期限分类法(即通常所说的四级分类法),2000年之后陆续采用风险分类法(即通常所说的五级分类法),贷款分类标准的变化导致数据即使口径一致也不完全可比。三是对于国有商业银行的政策性剥离,影响了各行之间和剥离前后不良贷款数据的可比性。中央政府于2004年、2005年和2008年分别对四大国有商业银行的不良贷款进行了集中剥离。对同一家银行而言,政策性剥离影响了剥离前后数据的可比性;对不同的商业银行而言,政策性剥离的时间差异和剥离数额的差异也影响了各行之间数据的可比性。

其中,time表示2003-2009年季度;y代表官方网站公布的我国国有商业银行不良贷款率;y1表示剔除政策性剥离后我国国有商业银行实际不良贷款率;y2表示官方网站公布的我国股份制银行不良贷款率。

三、对我国商业银行不良贷款率的实证分析

(一)变量选择

不良贷款率的高低与生产、消费以及政策导向等因素有密切联系,因此本文选取y1(国有商业银行剔除政策性剥离后不良贷款率)、y2(股份制商业银行不良贷款率)为被解释变量,解释变量则分别选取GDP(国民生产总值)、invest(投资)、consum(消费)、CPI(居民消费物价指数)四个与生产、消费有关的变量,i(7天同业拆借利率)、rm2(M2增长率)两个与政策导向有关的变量,以及ru(失业率)。

本文收集的不良贷款余额数据来自中国银监会官方网站,因为国有商业银行在2003―2009年进行过不良贷款的政策性剥离,所以本文应用施华强《国有商业银行账面不良贷款、调整因素和严重程度》(2005)的统计方法,对国有商业银行不良贷款季度数据进行政策性不良贷款剥离的剔除,得到了剔除政策因素后的国有商业银行实际的不良贷款率。宏观经济指标基础数据来自于2003年―2009年中国经济统计年鉴和国家统计局官方网站,金融季度基础数据则来自于中国人民银行官方网站。所有应用于计量模型的数据均是在以上基础数据经过数学计算所得到的。

(二)描述性统计

图1为投资、消费以及GDP的曲线图,由该图可以看出这三个变量都是随着季节周期性变化的,这种变动要素往往掩盖了经济发展中的客观变化,因此,在做计量分析之前应先剔除其中的周期性变动要素。

通过进行季节分解(X11),可以得到如图二所示的剔除季节变化因素的投资、消费以及GDP平滑曲线图,该图客观反映了投资、消费以及GDP真实变动情况。

本文使用的计量软件是SPSS 17.0 for Windows,首先将所有数据进行描述性统计,如表2。其中,失业率标准差最小,其波动强度也最弱;投资标准差最大,说明在宏观环境稳定的情况下,投资的增长速度很快。国有商业银行与股份制银行比较来说,两者不良贷款率的波动程度近似,但国有商业银行的不良贷款率一直较高。

(三)相关性分析

为了证明不良贷款率是否与上面所选择的经济变量有直接关系,运用Pearson模型进行变量间的相关分析,分析结果见表3。

结果表明,两类商业银行的不良贷款率均与消费物价指数、GDP、投资及消费强负相关;贷款利率及失业率对不良贷款率没有显著性影响;M2增长率与国有商业银行不良贷款率负相关性较强,而对股份制商业银行影响不显著。

(四)主成分分析

从表3可以看出不仅不良贷款率与某些经济指标间有较强的相关关系,而且,一些经济指标间也存在较强的正相关关系,即模型存在多重共线性问题。为消除模型的多重共线性,即要求解释变量与被解释变量间相关系数的绝对值较大,同时各个解释变量间相关系数的绝对值较小,因此,采用主成分分析的方法,将七个解释变量通过提取主成分,达到数据缩减的目的,以剔除造成多重共线性的经济指标。

表4显示了主成分的统计信息,得到了各主成分的贡献率及累计贡献率。第一主成分的特征值为4.204,它解释了7个原变量的总方差的60.051%;第二主成分的特征值为2.032>1,它解释了7个原变量的总方差的29.028%。前两个特征值的累计贡献率为89.079%,即前两个主成分包含了原有7个变量的89.079%的信息,所以取前两个主成分来代替原有的7个指标变量。图3为所有主成分的碎石图,从中也可看出前两个主成分的特征值均高于1,进一步说明应取前两个主成分。

(五)主成分回归分析

将提取出来的主成分与各解释变量运用主成分回归分析方法,得到以下成分得分系数矩阵,如表5。

由此可以构建一个各解释变量与主成分之间的线性方程组,假设提取出来的两个主成分分别为z1、z2,则构造的线性方程组如下:

z1=0.054i+0.068rm2-0.124ru+0.234GDP+0.228invest+0.233consum+0.232CPI

z2=-0.43i+0.385rm2+0.368ru+0.036GDP+0.115invest+0.081consum-0.047CPI(1)

通过方程组(1)可以看到,z1对于GDP、投资、消费及CPI指标显示出较强的关系,因此z1可以作为描述宏观经济发展趋势的变量,而z2对于M2、失业率显示出较强的相关关系,因此z2代表与国家政策导向相关的变量。

接下来再将这两个主成分z1、z2与被解释变量y1、y2进行线性回归,得到如下回归方程,其中Y^1、Y^2、分别是y1、y2的估计量。

Y^1=18.881-2.702z2Y^2=4.094-2.109z2(2)

最后,再将方程组(1)代入到(2)中去,就可得到如下线性方程组(3),该方程组说明7个解释变量与两个别解释变量之间的线性关系。

Y^=18.881+0.02265i-0.33466rm2+0.19079ru-0.64638GDP-0.66114invest-066132consum-0.60844CPI

Y^=4.094+0.02359i-0.22426rm2+0.18424ru-0.50107GDP-0.505invest-0.50841consum-047942CPI(3)

四、结论及建议

(一)实证分析结论

基于2003―2009年中国商业银行不良贷款季度数据,本文对影响银行不良贷款率的宏观经济因素进行了实证研究和两类所有制银行的比较,结果表明:1.我国商业银行的不良贷款率与GDP、投资、消费及CPI这些反映经济大环境的因素都存在较强的负相关关系,但相对来说,股份制商业银行的回归系数绝对值低于国有商业银行的回归系数绝对值,在经济快速增长,总体经济形势良好的情况下,银行的不良贷款率呈下降趋势;当经济处于衰退期时,不良贷款便会增加,不良贷款率也随之上升;2.与谭燕芝等人研究结果不同,本文在近几年季度数据的实证基础上得到不良贷款率与失业率呈正向关系,即失业率增加,不良贷款率也会随之增加,这一点国有商业银行与股份制商业银行的结果是一致的;3.对于M2增长率,国有商业银行与之有着更强的负相关关系。我国的货币投放在很大程度上受到政策的影响,当经济增速放缓,政府鉴于维持经济稳定的考虑,采用更加积极的货币政策,加大货币投放,来刺激经济,这也说明了国有商业银行是受到国家政策影响更为显著的。

(二)对策及建议

近年来,随着全球经济波动剧烈,我国商业银行所面临的信用风险也不断加剧,商业银行的不良贷款问题也成为国内一些学者关注的焦点。本文出于提高我国银行业不良贷款管理水平的目的,通过实证分析,提出以下政策建议:

第一,应对不良贷款的分类方法进行改进,精确地评价银行的信用风险状况。从表1可以看到,我国商业银行的不良贷款率基本上一直呈下降趋势,但随着银行不良贷款率的降低,特别是当不良贷款率低于5%时,现行的五级分类法区分不良贷款与正常贷款的能力也将随之降低,过粗的分类不能充分满足银行有效信贷管理的需要。目前,中国银行、工商银行等一些大、中型银行正在尝试在原有五级分类的基础上,将贷款细化为12级分类,更加细化和更加科学的不良贷款分类方法值得我们去探索。

第二,加大对宏观经济形势以及国家政策的研究。从我国商业银行不良贷款率与各经济变量之间关系方程可以看出,我国商业银行的不良贷款受宏观经济波动的影响较大,因此商业银行应密切关注反映宏观经济波动的指标,特别是那些能够提前反映宏观经济走势的指标,将会对商业银行下一步的信贷政策提供指引。

第三,进一步完善风险量化管理。商业银行在构建信用风险度量模型时,不仅要从受信企业各相关指标入手,更要将宏观经济波动因素考虑进去,最终要做到对信用风险的可量化与可控化。

第四,加快金融创新。我国商业银行业务的单调,受经济波动的影响极大,要不断进行金融创新探索出适应我国情况的新产品、新工具,以更好的适应经济的波动。

参考文献:

1.谢平.融资结构、不良资产与中国M2/GDP[J].经济研究,2007(2)

2.施华强.国有商业银行账面不良贷款,调整因素和严重程度1994-

2004[J].金融研究,2005(12)

3.蒋鑫.影响商业银行信用风险的宏观经济因素分析[J].财经研究,2008

4.李江,冯宗宪,万映红.国有商业银行企业不良贷款的主因子分析[J].数理统计与管理,2007(1)

5.谭燕芝,张运东.信用风险水平与宏观经济变量的实证研究――基于中国、美国、日本部分银行的比较分析[J].国际金融研究,2009(4)

6.Basel Committee on Banking Supervision.Sound Credit Risk Assess

ment and Valuation for Loans[M].Bank for International Settlements Press &Communications,2006

宏观经济风险分析范文第2篇

关键词：宏观经济波动；商业银行；信用风险；评价方法

在现代社会的发展过程中，金融行业将银行视为一部风险机器，银行不仅需要承担相应的管理风险、经营风险等，还需要适当的将各种风险融合在金融产品进行二次加工。银行进行风险管理的主要内容就是对信用风险进行管理，因此，信用风险也是现代商业银行中最重要的风险来源。和其他工商企业相比，商业银行比较明显的特征是“少本经营”，著名的金融市场学家彼得・S・罗斯曾经指出，所谓的少本经营指的是少量金额的贷款违约就容易导致商业银行出现资本不足的情况，最终使其难以弥补冲销损失，严重的将会面临破产或是倒闭的风险。根据世界银行对全球银行危机的调查来看，信用风险是现代社会导致银行破产的一项最重要原因。所以，设计科学合理的商业银行信用风险评价方式对进一步优化现代商业银行信用风险管理有着不可忽视的重要作用。

一、研究综述

Beaver（1966）对公司破产和信用风险分析展开了更具开创性的分析，使得企业信用风险评价方式的研究工作得到了飞速的发展，在传统的商业银行中，对信用风险进行度量的方式一般包含：专家判断、判别模型和神经网络模型。为了将我国商业银行面对的贷款违约率不容易进行数学变换的问题予以解决，因此将判别模型逐步引进到我国商业银行的信用风险度量环节中。在对国内外相关的金融类和经济类的文献研究中来说，对于一个企业是否造成违约情况的判别模型，通常包含Logistic模型、贝叶斯判别分析模型和Probit模型等参数模型和神经网络等非参数模型。文中所研究的商业银行信用风险就是企业是否会出现违约的风险，由于Logistic模型是现代判别模型中的重点方式，并且其也被广泛地应用在商业银行信用风险中进行度量或是评价，因此，本文就将进一步对Logistic模型进行研究，通过适当的方法改进，增加对宏观经济影响的波动因素，构建起宏观经济下的商业银行信用风险Logistic模型分析结构。

二、商业银行信用风险的评价指标体系

要想建立起全新的Logistic模型分析结构，首先应该构建起商业银行的信用风险评估指标系统。商业银行信用风险主要指的是信贷风险，Svoronos（2002）的研究中曾明确提出，在银行的发展过程中面临的各种风险，信用风险是最为重要的一个风险因素，占所有风险的一半以上，而其他风险分别所占的比例则比较小，其中操作风险和市场风险分别占30%和5%。所以，商业银行中信用风险作为一种客观存在的主要风险形式，会受到借款人的行为因素和宏观经济环境中不确定因素的影响。针对这种情况，本文就将对商业银行信用风险的影响因素进行论述，概括为两个方面：借款人（个人或企业）因素、宏观经济因素。一般情况下，借款人的信用程度还包括企业的信用程度和信用意愿，对借款人可信程度的评定主要从企业素质和经营状况、经济效益、发展前景等几个环节入手。而宏观经济因素的商业银行信用风险则主要来源于商业银行进行贷款活动过程中，对现阶段发展情况和对未来时期的总体宏观经济环境分析，比如国家和政府宏观调控政策、经济发展程度、通货膨胀和通货紧缩的可能性等。华晓龙（2009）通过建立起宏观压力的测试模型对我国商业银行信用风险进行评估，认为GDP、通货膨胀或紧缩是现在影响我国银行发展体系稳定的一项重要原因。

三、商业银行信用风险的评价方式

自上个世纪80年代开始，Logistic回归分析法逐渐代替了传统的判别分析方式，并成为了度量企业违约风险的一种主要方法。传统判别分析法假设企业破产或是经营失效的概率需要遵循二项分布，这种假设方式对于企业经营风险的度量方式相对简陋，但是Logistic回归分析法将这项假设方式进行优化，从而服从了Logistic的分布。自90年代以后，现代社会的信息化发展逐步得到完善，使得数据挖掘技术在商业银行中的应用也更加完善，并在商业银行信用风险度量中逐步得到了发展。通过大量的文献研究和实践证明，Logistic模型对数据的拟合效果十分明显，且预测能力较强。在1977年，Martin在二十五个财务指标中选取了总资产、净利润率等八个基本财务比率指标进行分析，使用Logistic模型分别预测了公司破产和其违约的概率，并且通过和Z-Score模型、ZETA模型的最终预测结果进行比较，发现Logistic的预测结果仍然是最佳的。

但是，笔者根据多年的研究和分析结果发现，这种模型方式还存在一个较为明显的缺陷，就是在公司破产和违约风险判别过程中只选用了借款企业的财务指标，没有对宏观经济因素进行考察，因此Logistic模型在对违约概率进行计算的过程中缺少精确度。针对这种情况，应该及时对需要考察的因素进行修订，保证经过修订后考察的影响因素更为全面、精准，对辅助商业银行更科学、准确的预测和掌握企业违约风险有着十分重要的帮助作用。

结束语

在宏观经济因素的Logistic模型下，其比传统的模型更具备高风险判别能力，这种模型方式不仅能客观地对我国宏观经济波动变化进行反映，同时还能及时判断出企业违约概率的影响。因此只有加强对宏观经济的监测，我国商业银行才能更好、更科学地对信用风险进行度量或评价，从而在宏观经济影响下，对我国行业银行发展起到更大的帮助作用。

参考文献：

[1]王侠.宏观经济波动视角下商业银行信用风险评价方法研究[J].商场现代化，2015（03）：196-197.

[2]刘子龙.商业银行中小企业客户信用风险评价体系构建研究[J].魅力中国，2010（31）：112-113.

宏观经济风险分析范文第3篇

【关键词】 商业银行;信用风险;宏观压力测试

一、引言

随着金融全球化进程加快、大型商业银行跨国活动增加、信贷衍生产品迅猛发展,新形势下商业银行信用风险管理问题日益突出。特别是2007年底次贷危机的爆发,使得各国商业银行的资产质量严重恶化,大量银行纷纷破产,虽然我国的商业银行因为种种政策性原因,在这次危机中损失较小,但随着我国金融市场的进一步开放,我国商业银行和国际金融市场的完全融合,将对我国商业银行的信用风险管理水平提出挑战。

目前,宏观压力测试由于能模拟潜在金融危机等极端事件对商业银行体系稳定性的影响,已经引起了国际金融组织和各国政策当局广泛的重视,并在实践中得到迅速推广。本文运用宏观压力测试法,结合我国商业银行的特性,对商业银行的信用风险水平及其影响因素进行分析,这对现阶段我国商业银行信用风险管理具有现实意义。

二、文献综述

宏观压力测试是用于评估一国金融体系在受到“异常但合理”宏观经济冲击时的稳定程度,其通过情景设定或历史事件,来衡量宏观经济冲击对整个对整个金融体系的影响。自20世纪90年代末以来,国外对宏观压力测试的研究及其在实践中的应用都已取得了丰硕的成果,其中最具代表性的是Wilson(1997a,1997b)用各工业部门违约概率与一系列宏观经济变量的敏感度直接建模,通过模拟将来违约概率分布的路径,得到了资产组合的预期异常损失,进而模拟出在宏观经济波动冲击下的违约概率值。Boss M(2002)和Virolainen (2004)利用Wilson提出的模型,根据加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚和芬兰银行部门的压力情境。

而在国内对宏观压力测试的研究还尚在起步阶段。在理论研究方面,徐明东、刘晓星(2008)通过对国际上流行的几种宏观压力测试方法的比较,阐述了如何运用宏观压力测试方法去评估一国金融体系的稳定性。在模型研究和实证方面,任宇航、孙啸坤等(2007)利用Logit回归测试的方法,通过收集我国的宏观经济数据和金融机构的数据,对我国银行业信用风险损失作出了合理估计。但国内的这些研究只是借鉴了压力测试的思想,使用传统的方法,通过模拟情境下宏观经济因素异动,由Logit模型最终得出稳定性指标期望值的点估计来评价银行体系的稳定性。这种方法存在一定的缺陷:其不能有效地反映出宏观变动冲击对银行体系的影响,不能具体看出压力情境下哪些宏观经济变量对银行信用风险的影响最大,这就有进一步研究的必要。

三、模型构建与实证研究

宏观压力测试是对微观层面压力测试的有益补充,它是将各宏观经济冲击变量整合量化为一个宏观因子,将宏观波动因素整合到评估银行信用风险的模型中,通过压力情境的构建,预测在极端情形下宏观经济变动对银行系统信用风险的影响。

(一)模型构建

本文在研究我国商业银行信用风险水平与宏观经济变量的关系时借鉴了Wilson(1997a, 1997b),Boss(2002),and Virolainen(2004)所提出的模型。该模型主要包括:建立了一个信用风险水平和宏观经济变量间的联立方程;用蒙特卡洛法模拟了违约损失的分布。

具体来说,假定商业银行将贷款贷给了J个经济部门,其中j部门在t时刻违约的概率为pj,t,在这里j=1,2,…,J,pj,t介于0和1之间,用它的Logit转换值yj,t作为回归值,即:

进而,设定yt=(y1,t,……,yj,t)*,yt为转换指标。本文所采用的模型是基于M个宏观经济变量的现在值和滞后期的值所构成的一个线性方程:

yt=m+A1xt+…+A1+sxt-sη1yt-1+…+ηkyt-k+vt (2)

式(2)中明确表示了各宏观经济变量与违约转换指标yt之间的关系。其中,xt=(x1,t,x2,t…xm,t)表示宏观经济变量,其为M×1阶向量;m为截距项,其为J×1阶向量;A1……A1+s和η1……ηk为系数,它们分别为J×M阶和J×J阶矩阵;vt为随机误差项,其为J×1阶向量。

同时为了考虑各宏观经济变量之间的相关性,根据Wilson模型中关于宏观经济变量的等式系统,本文采用了下列的描述:

xt=n+δ1xt-1+…+δpxt-p+μ1yt-1+…+μqyt-q+ξt (3)

其中,n为M×1阶列向量,系数δ1,…δp和μ1,…μq分别为M×M和M×J阶矩阵向量,随机误差项ξt为M×1阶向量。

本文所考虑的模型在Wilson(1997a,1997b),Boss (2002)和Virolainen(2004)基础上,进行了两点改进:一是考虑了宏观经济变量对商业银行信用风险影响的时滞效应;二是模型的设定还考虑了商业银行体系对宏观经济变量的回馈效应。考虑到我国商业银行在国民经济中所占有的重要地位,该模型更符合我国的实际情况,因而用其来研究我国商业银行信用风险水平与宏观经济变量间的关系,具有很强的适用性。

(二)变量的选取与数据描述

为了建立商业银行信用风险水平和宏观经济变量之间的实证关系,本文收集了2003年1季度到2009年2季度共26个季度的商业银行不良贷款率和相关宏观经济数据,并通过参考国内外学者在研究宏观压力测试时的变量选择,考虑我国商业银行信用风险以及宏观经济发展的特点,对相关变量做了如下选择。

1.被解释变量

本文综合考虑了我国商业银行经营的特殊性和相关数据的可得性,选用了商业银行体系的信用风险为被解释变量,以不良贷款率为其衡量指标,即:商业银行体系的不良贷款率越高,其信用风险水平就越高。我国商业银行的不良贷款率的数据来源于中国银监会网站和国研网的统计数据库,其中,商业银行的样本包括了国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外资银行。根据《贷款质量评估指导原则》,中国的贷款按照五级分类法进行分类,不良贷款率=(次级+可疑+损失)/贷款总额。

2.解释变量

在解释变量方面,鉴于我国宏观经济的运行情况以及相关数据的获取难度,选取了GDP增长率、CPI指数(用以表示通货膨胀率)、广义货币增长率M2、进口额同比增长率M、三至五年期贷款利率R、房地产价格指数RE、失业率U七个宏观变量,数据来源于锐思数据库和国泰安数据库。

3.数据描述

从表1可以看出:(1)我国商业银行的不良贷款率经过Logit模型转换为yt后,其波动率仍然较大。(2)从选取的宏观经济变量来看,我国的宏观经济进入了高增长、低通胀、低失业、适度宽松货币政策的繁荣时期,但房价指数RE和进口额增长率M的波动较大。

(三)实证研究与结果分析

1.实证研究

根据上述的模型设定,首先对Pj,t运用Logit模型进行转换,得到转换指标yt,再将对商业银行信用风险构成冲击的各宏观经济变量及其yt的一阶滞后变量(考虑到宏观经济冲击的滞后性往往为一年)的数据代入,利用Eviews5.0与yt进行多元线性回归,结果显示:GDP增长率ZGDP、通货膨胀率CPI、房价指数RE、贷款利率R、进口总额同比增长率M以及yt的一阶滞后变量这六个变量显著,而失业率U和广义货币增长率M2不显著,被剔除。然后再利用式(3)进行各宏观经济变量的自回归。回归结果如表2。

从表2可以看出:(1)在1%到10%的显著性水平上,CPI指数、GDP增长率、进口额增长率M、贷款利率R以及房价指数RE均显著影响到了我国商业银行的信用风险水平,且信用风险的转换指标受其滞后一期值的显著影响;(2)各宏观经济变量均受到其滞后项的显著影响,且除商品房销售价格指数RE外其余宏观经济变量还受到了转换指标滞后一期值的影响。

2.结果分析

从上述模型中,可以看出在宏观经济变量中贷款利率R对转换指标的影响最大,R的上升代表企业的融资成本增加,为了按期还本付息,企业就必须拿出更多的利润交给银行,如果融资成本大于企业盈利能力,那企业就有违约的冲动,使得商业银行的信用风险加大。而CPI对银行信用风险的影响与R则恰恰相反,其上升预示着国家在实行宽松的货币政策,使得企业融资成本降低,企业的盈利大幅上升,减少银行的信用风险。GDP增长预示着整个社会的宏观经济比较景气,经济处于上升繁荣期,企业平均盈利能力较好,不良贷款率也将随之下降。进口总额增长率M上升,对我国的出口企业造成负面影响,致使其业绩下降,进而会增加银行的信用风险。房地产销售价格指数的上升,会使得大量的资金涌入房地产市场,产生泡沫经济,鉴于目前我国房屋贷款在银行贷款中的比重,将会使银行的不良贷款率显著提高,进而增大银行的信用风险。同时,也可以发现转换指标的滞后一期对当期影响显著。显然,模型的回归结果符合经济学上的解释。

四、宏观压力情景的设定及其风险分析

压力测试主要是通过情境设定,根据情境假设下可能的风险因子变动情形,重新评估金融商品或投资组合的价值。通常重新评估的方式不会有太大的差异,但是情境设定的方式却有很多种选择。情境分析是目前应用的主流,即利用一组风险因子定义为某种情境,分析在个别情境下的压力损失。情境分析的事件设计方法有两种:历史情境分析和假设情境分析。整个程序通常分为两大步:一是情境设定;二是重新评估。

(一)情境设定

分析上述模型的回归结果,可以发现贷款利率R对银行信用风险的影响最大,而GDP增长率则是判定一国经济发展最重要的指标,同时考虑到大多数危机的冲击期会持续四个季度,因而假定2009年2季度为基期,模拟从2009年3季度到2010年2季度共4个时间点涵盖了一年期的未来路径。本文设定了两个压力情境:一是GDP指数突然大幅下降的情境。假定我国GDP季度增长率自2009年2季度起在未来的4个季度里每季度均会同比下降一个百分点。二是贷款利率R大幅上升的情境。设定我国的贷款利率自2009年2季度起在未来的4个季度里,每季度均会同比上升一个百分点。为了便于计算,假定这两个冲击是相互独立的,即当一个宏观解释变量受到冲击,其它解释变量仍然保持不变。

(二)重新评估

设定情景下的冲击结果如表3。

从表3中可以看出,在设定的两种压力情境下,我国商业银行的信用风险水平明显增加,其不良贷款率显著提高。同时,还可以发现,贷款利率R的大幅升高比GDP增长率的降低对商业银行体系信用风险的冲击幅度更大,这也充分说明了货币政策在调控宏观经济中的重要性及其对商业银行的显著影响。

为了更清晰地表现两种压力情境下银行体系信用风险的变化,将上述结果绘在图1中。

图1中P1代表了GDP增长率突然下降情境下的我国商业银行体系的不良贷款率,P2代表了贷款利率R上升时我国商业银行体系的不良贷款率。从图1中可以清楚地看到P2一直在P1的上方,即贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大。

五、结论

本文采用我国2003年1季度到2009年2季度的宏观经济数据和商业银行的不良贷款率数据,基于Wilson (1997a, 1997b),Boss(2002)及Virolainen(2004)所提出的模型,通过Eviews5.0软件建立了商业银行信用风险转换指标 与各宏观经济变量及转换指标滞后一阶的回归方程,结果表明GDP增长率、通货膨胀率、房价指数、贷款利率、进口总额同比增长率对我国商业银行的信用风险影响显著。进而利用得出的回归方程,依据假设情景对我国商业银行的信用风险进行了压力测验,在宏观压力测试的情境分析中,得出了贷款利率R的大幅上升比GDP增长率的大幅降低对商业银行体系信用风险的冲击幅度更大的结论。

鉴于本文的研究结论,可以看出宏观经济变量和商业银行信用风险之间有着密切的联系,在本轮的次贷危机中我国的商业银行虽没有受到大的冲击,但应该吸取欧美大银行在这次危机中的教训,防患于未然,提高自身的风险意识,继续降低银行的不良贷款率。另外,政府在遇到宏观经济问题时,货币政策起着至关重要的作用。一国货币当局在面对危机时,应该审时度势,制定正确的货币政策,确保经济的快速增长。

【参考文献】

[1] Wilson T C. Portfolio credit risk I [ J ]. Risk, 1997, 9(10) : 111 - 170.

[2] Wilson T C. Portfolio credit risk II [ J ]. Risk, 1997, 10(10) : 56 - 61.

[3] BossM. A Macroeconomic credit risk model for Stress Testing the Austrian credit portfolio [ J ]. Financial Stability Report, 2002(4): 64 - 82.

宏观经济风险分析范文第4篇

一场席卷东南亚甚至波及全球的东南亚金融危机使人们真正体会到了金融风险。稍微了解近西方金融的人就会知道，金融风险是随着现代金融制度的形成相伴而生的，金融风险的大小并不取决于人们对它的认识程度。70年代以来，随着世界宏观波动的增大以及西方各国相继放宽金融监管体制，金融机构面对的变数增大，风险随之大幅度提高了。而过去的十年正是现代金融体制构建，金融业快速发展的时期。这段时期，人们更多关注的是金融行业的高利润率，股市的出现也仅仅让人们意识到证券业的风险，银行业一直被人们看作是稳定高收益的行业。显然，人们对银行业的风险认识不足，的银行财务分析体系就可以反映出这点。从普遍的情况来看，我国银行财务分析实践中比较重视对财务收益的分析，分析体系、技术也较为成熟，但缺乏对风险的分析。这是有一定的历史原因的。

在计划体制下，银行的资金是按国家确定的计划分配的，单一银行体制下，银行一度成为财政部门的和出纳，此时是以单纯的资金计划管理为核心的，无需考虑收益；改革开放后，多家产权较为明晰、具有真正性质的股份制商业银行相继建立，国有独资银行也开始了商业化进程，对商业银行的探索使银行业更加注重吸收资金的成本和资金运用的收益性。追求股东权益最大化的企业目标促使银行在进行资金计划管理的同时也要注重财务计划的实施；随着金融体制改革的深化和金融市场风险的日益显现，银行业普遍推行与国际惯例接轨的资产负债比例管理，资产负债比例管理的核心就是风险管理。因此，商业银行对资金营运计划的分析从最早的单纯对信贷资金计划执行情况的分析，发展到以盈利为出发点对信贷资金计划和财务计划执行情况的分析，最终发展的方向是以盈利为出发点、以风险分析为核心的资产负债比例管理综合分析，真正体现商业银行流动性、盈利性、安全性目标。

商业银行财务分析的发展方向是风险收益分析，这是与商业银行财务管理由收益管理向风险管理方向演变相适应的。现代商业银行财务管理作为资产负债比例管理体系中的重要组成部分，应该是以风险收益管理为核心的风险管理，这是由于：

1．风险收益是财务管理的基本观念。商业银行的财务管理必须首先树立风险收益观念，以风险管理为核心内容。

2．是稳健经营的要求。银行是高负债的企业，本身财务风险很高，决定了银行业是高风险的行业。同时，银行是经营货币资金的特殊行业，经济发展中的风险会向银行集中，经济危机往往伴随着银行危机。在金融风险环境中，为确保稳健经营，商业银行的财务管理必须以风险管理为内涵。

3．是银行自身生存发展、开展集约化经营的要求。在前几年我国银行业快速扩展时期，各家银行普遍实行粗放式经营战略，传统银行发展思路是，以高投入为代价获取市场份额，在利率差较为稳定，未采取谨慎性会计原则的情况下，规模的扩张能体现出账面收益的增加；但同时由于我国银行业缺乏对风险的认识，忽略了风险管理，缺少对经营行为的风险约束，也积累下了无穷的风险，目前已严重抑制了健康发展。海南发展银行和多家非银行金融机构的倒闭已经对中国的银行业敲响了警钟。因此，由粗放式经营向集约化经营首先就要开展风险管理。

4．是推行资产负债比例管理、与国际管理接轨、参与国际竞争的要求。80年代以来，至东南亚金融危机发生之前，西方国家已有多家银行因忽视风险控制而倒闭，教训惨痛。巴塞尔协议已经把风险性原则上升到第一位。因而，推行资产负债比例管理就是要推行风险管理，提高银行运营对风险的承受能力。随着我国金融市场的开放，不仅银行业竞争加剧，风险也日益增加；同时，银行业的国际化促使我国银行要面临国际金融市场的风险环境。这些都迫切要求商业银行财务管理向风险管理转变。

商业银行财务管理向风险管理模式的转型，重要的一步就是财务分析的重点由收益分析向风险收益分析的转变。这是由于财务分析是站在财务管理的角度发现银行经营中存在的、分析原因、提出解决问题方案的重要环节。其目的是对银行历史和现实经营状况和工作实绩作出全面衡量和评价，为制定经营方向和发展战略决策提供直接的依据，因而是财务管理发挥为经营决策服务的具体体现。商业银行财务管理向风险管理模式的转型首先要从财务分析开始。

商业银行股东权益最大化的目标直接表现为追求银行价值最优化，由于宏观经济波动和市场环境的变化，各种不同类型的风险使银行管理者必须在极其不确定的状况下实现银行价值最优化目标，因此，需要对收益和风险进行平衡分析和选择，这就是风险收益财务分析。

国内银行业在借鉴西方银行管理模式建立自己的资产负债比例管理指标体系时，都考虑了风险控制指标，但由于缺乏对银行风险的深刻认识，并没有因此实现真正的风险管理。开展风险管理，必须首先针对风险控制指标，实施风险分析，只有对银行目前面临的风险程度作出评价，才能采取相应的风险管理策略。可见，风险分析是认清风险、量化风险、反馈风险信息和实施风险控制的首要环节。财务分析作为资产负债比例管理分析体系中的重要部分，也必然向风险分析转变。二、商业银行面临的几类风险及与收益的关系：

银行风险是指一切与银行业务有关的不确定性及因此给银行带来损失的可能性。一般而言，商业银行可能面临四大类风险：

1．环境风险。商业银行所处的宏观环境、经济政策、法规所决定的风险。例如，我国银行法的出台和监管政策变化已经促使银行业相应的作出变革。央行的货币政策的调整也会到银行的经营策略。

2．管理风险。由于管理人员素质与能力因素决定的风险。近年来，银行业中违规经营、大案要案所引起的一系列风险在很大程度上阻碍我国商业银行的健康。

3．交付风险。由于银行提供金融服务所导致的风险。

例如，由于化手段滞后或金融创新所带来的风险。

4．金融风险。银行业面临的金融风险是指在资产负债管理中存在的风险。如，流动风险、信贷风险、利率风险和资本风险。

在银行的经营过程中，银行收益与所面临的某些风险存在相互交替的关系。一般来看，环境风险属于不可控制风险，与银行收益之间不存在交替关系，环境风险的增加并不能促使银行收益的上升，相反却构成银行收益增长的限制因素。而金融风险与银行收益存在正向相关关系。当金融风险增加时，银行收益也随之增长，并对收益实现和未来收益预期有一定影响。交付风险与银行收益之间也存在一定的替代关系。而为提高银行收益能力，管理风险应严格加以控制。

三、商业银行财务中风险分析

银行财务分析中的风险分析，侧重对风险收益的分析，即对风险和收益的交替关系进行分析，以获得在承担较低风险的情况下的较高的收益。对风险和收益交替关系的分析实际就是商业银行财务分析的特征，为与传统财务分析相区别、突出风险分析，我们暂且称现代商业银行财务分析为“风险财务分析”。在股东权益最大化的目标下，风险财务分析是股份制商业银行的资产负债管理、风险管理的核心工作。风险财务分析为信贷资金计划分析提供收益导向，为信贷计划和资金管理提供决策依据。

金融风险是银行在资产负债管理中面对的风险，是风险财务分析主要分析对象。不同阶段，风险财务分析侧重点不同，在经济发展平稳、利率管制严格的时期，人们可能会更关心信贷风险；而在利率频繁波动、利率市场化时期，人们会更多地关注利率风险；而流动风险、资本风险直接关系到银行的生存，一直为人们所关心。各种金融风险之间存在着一定相关度，这综合体现在银行资产负债结构上。为便于操作，建议在开展风险财务分析时可以从资产负债结构分析和利率分析入手：

1、资产负债结构风险分析。主要是通过分析资产负债结构(资产负债对应结构和自身结构)、资产质量，分析资产风险度和资本杠杆来分析流动风险、信贷风险、资本风险。

流动性对商业银行至关重要，是银行的生命线，银行的流动性也涉及到整个金融体系乃至整个经济体系对流动性的需求的保证。而流动性与盈利性是流动性风险管理首要解决的矛盾，银行持有高流动性资产，流动性风险会降低，但同时也降低了银行收益；反之，高资产收益而低流动性会使银行面临过大的流动性风险。风险财务分析首先应对资产负债结构进行风险分析，分析的内容是对流动性和收益性相互关系的分析，资产负债结构不仅是流动性也是收益性的决定因素，最佳资产负债结构应是在流动性和收益性求得最佳平衡的结构。

资产风险分析的一个侧重点是对资产质量的分析。资产质量的好坏是信贷风险的直接体现。信贷风险也称违约风险，是指借款人不能按约偿还贷款的可能性。因此，是商业银行的传统风险，至今仍是银行的主要风险。西方国家许多银行的倒闭从表面上看是因为流动性危机，但其实质是资产中存在巨额呆坏账所致。资产中的有问题贷款不仅会导致流动性危机，而且因占用信贷资产规模，在资产负债比例限制下，直接导致了资产收益能力的下降。

资产风险分析中另一个重要分析是对资产风险度的衡量。巴塞尔协议建立于银行资本规定及其与资产风险的联系。银行资本充足的标准是以银行资产风险为基础的，对银行资本风险的管理取决于风险资产确定。在全球经济频繁波动的今天，维持一定的资本充足率已成为各国银行界的首要关心的问题。与资本充足度紧密相关的是资本的杠杆作用，由于银行是高负债企业，有着比一般企业更高的资本杠杆度，因此，银行资本收益率高于一般企业。但杠杆作用对银行风险和收益交替效应的放大作用，决定了这种高杠杆度不是无节制的，过高杠杆度会引起高财务风险，同时降低了资本充足率，最终危及到安全性和收益性。适度的资本杠杆与银行价值最优化的平衡是风险分析中的一个重要方面。

可见，财务分析中对资产负债结构风险分析与计划、信贷部门分析的侧重点不同。财务分析更侧重于寻求银行资产价值最优化即在收益最大化和风险最小化之间寻求平衡，从而能为资金计划管理提供风险盈利的可靠依据。

2．利率风险分析。利率风险是银行的基本风险之一，因而，西方银行业曾一度认为资产负债管理就是对利率风险的管理，当然，目前来看这种观念未免失之偏颇。而过去，我国银行业并不重视对利率风险的管理，原因是我国利率没有真正市场化，也较少利率政策，在严格利率管制下，存在稳定的高利差，只要扩张规模，即可获得可观的收益增长。但近年来经济形势发生了很大变化，利率政策成为调节经济常用手段。而利率市场化成为金融市场化改革的内容。由于过去缺乏对利率风险的认识，在最近几次利率调整中，银行业普遍缺乏应变、调整能力。可见，利率风险分析是目前财务风险分析中的重点。

银行利率风险主要是由两大方面决定的：一是银行自身资产负债结构和数量；一是外部宏观经济形势与经济政策。因此，对利率风险的分析一方面要及时了解国家宏观经济环境的变化，另一方面是根据自身的资产负债结构情况分析利率波动下所产生的利率风险。

由于我国银行业资金运用渠道狭窄，资产结构简单、利润来源单一，利差收入占利润的绝对比重，利率风险的分析与控制就尤为重要了。

传统的利率风险分析是对利率敏感性资产和利率敏感性负债差额风险的分析(缺口分析)，用于衡量银行利差收入对利率波动的敏感程度。这种分析首先要对资产负债的利率期限结构和对称性进行深入分析，这对目前银行业来讲是难以解决的问题。现行的账务体系和统计报表在设计的当初，并没有考虑这种需求。如果不能准确了解到资产负债利率期限匹配结构，就无法确定一段时期的差额风险，更谈不上对利率走势预测和利率敏感性资产负债差额的调整。因此，开展利率风险分析，首先要对目前的会计账务和统计体系进行改革，以客户管理代替账户管理，借助机数据库技术建立每个客户和每笔业务的会计、统计档案。利率风险分析还包括在利率波动情况下，因收息资产和付息负债利率变动幅度差异而引起的基差风险和客户对利率期限重新选择的选择权风险。

另外，开展外汇业务的银行除了面临前述几类风险还会面临汇率风险。这种风险来源于汇率的波动。汇率和相关国家的经济发展和稳定密切相关。央行的干预对汇率的波动也产生很大的影响，利率的变动也会影响汇率的变化。这取决于本国的货币政策和外汇监管制度。在金融全球一体化和银行业务国际化的潮流下，银行面临的汇率风险将越来越引起人们的关注。

全面的风险财务分析还应对表外业务进行风险收益分析。四、对风险财务的几点考虑：

1．与信贷资金计划分析的协调关系：

我国银行业的资产负债比例管理体系尚在探索之中，各家银行相应的组织结构也有所差异。在资产负债比例管理分析体系中，风险财务分析应以风险收益为基本观念，信贷、资金管理计划分析结论，侧重于对风险与收益的交替关系的分析，反过来为信贷资金计划分析提供风险收益的依据。

2．必须借助机、手段：

在计算机网络，借助手工进行风险财务分析已经不大现实了，银行业务数据的繁杂性和系统性要求利用计算机、网络等先进手段。以利率风险分析为例，要准确了解银行的资产负债利率期限结构及变动，必须利用计算机详细记录每个客户和每笔业务，构建大型的数据库(甚至数据仓库)，在此基础上利用分析工具进行数据的采集、索引、分析。对于一个大型银行，有众多的分支机构和上万的客户，业务记录随时间推移更是成倍增长，不借助计算机、网络技术和先进的算法而依靠手工来完成分析工作，恐怕连上的可能性都不存在。

3．分析要不断创新：

财务分析从收益分析向风险收益分析转变，对动态分析提出迫切需要。财务分析常用方法是财务比率分析，是与收益分析阶段相适应的静态分析法，不能满足对风险动态分析与预测要求，应向现金流量分析过渡。传统风险分析方法也基本是静态分析法，无法满足对风险预警的要求，也要向动态分析方法过渡。如对利率敏感性资产负债差额分析没有考虑到外部利率条件和内部资产负债结构连续变动，具有很大的局限性，因此，西方银行业提出持续期动态分析方法。

风险分析的另一方向是借助数量学的方法，建立数学模型，计算机开发先进算法，进行量化分析，对客户进行细分化，提高风险分析的针对性，实现从事后分析向事中控制、事前预测的前瞻性方法转变。

4．要不断地关注国外风险管理理论与实践的最新发展，并建立完善银行特色的风险管理分析体系：

国外银行界随着风险管理实践的广泛开展对风险管理的在不断的深化，风险管理理论在不断丰富。例如，1997年初巴塞尔委员会了《利率风险管理原则》(征求意见稿)，提出了利率风险管理的基本原则，体现了国际银行界对利率风险管理研究的最新成果；1997年下半年又推出了《有效银行监管的核心原则》，从银行监管的角度对银行风险管理提出了更全面、更高的要求。这些研究成果对我国银行业的风险管理也具有现实指导借鉴意义。我国银行业应该大胆借鉴外国成熟的研究成果，加快风险管理和风险分析工作的进程并不断提高工作水平，在此基础上形成我国银行风险管理、分析体系。

5．对财务分析人员素质的要求：

宏观经济风险分析范文第5篇

【关键词】信用风险 亲周期性 简化模型 结构模型

商业银行在信贷活动中带有明显的亲周期性,所谓亲周期性,简单的讲,就是商业银行会通过信贷活动推动经济周期的形成和加剧经济的周期性波动。具体表现为:在宏观经济处于萧条时期,信用违约会显著增加,相反经济处于繁荣时,信贷质量则会明显改善,因而银行信用也呈现萧条时收缩,繁荣时扩张的特点。信用风险的亲周期性问题已成为BaselⅡ的核心问题,引起了许多学者和专家高度重视。同时,我国商业银行的信贷活动也明显带有亲周期性,如1992年、1993年经济高涨时商业银行过度信贷,1998年经济低迷时商业银行普遍惜贷,导致了大量不良资产出现,也降低了经济运行的稳定性。因此,要增强金融体系和宏观经济的稳定性,就必须从信用风险管理的角度入手,将能够测量到的不稳定因素纳入到信用风险计量模型中。

一、传统的信用风险评估模型

信用风险是指债务人不能偿还债务的风险,即违约风险。传统的信用风险模型按照建模的方法分类,可以分为结构模型(structural credit models)和简化模型(reduced form credit models)。结构模型基于Black-scholes的期权定价模型,而简化模型借用了保险精算的思想。

1、结构模型

结构模型是由Merton(1974)和Galai、Masali(1976)基于期权理论提出来的。假设某企业风险资产为V,股本为S,债务面值(包括应收利息)为F,债务市值为B,到期日为T。该模型在假设市场无摩擦、无交易成本和税收,无风险利率为常数,公司价值等于股权价值加债务价值的基础上,还需要满足以下几点:第一,公司价值变化服从du=vtdt+vtdzt的几何布朗运动。vt表示t时刻公司价值,表示公司期望收益率,表示公司价值波动率。第二,公司具有简单的资本结构,只发行一种普通公司债券,没有其他负债,且该债券为零息债券,面值为F,期限为T。债券到期前,公司不发行新的债券,不支付股利,不进行股票回购。第三,严格遵守绝对优先原则。只有债券持有人得到完全偿付后,股东才能获得正支付。因此,债券到期日的价值DT=min(VT,F)。

债券到期时,如果VT≤F,则股权和债券的收益分别为0和VT,如果VT>F,则股权和债券的收益分别为VT-F和F。因此,债权人需要持有一个卖出期权才能得到无风险支付F。此卖出期权到期时具有支付max[F-VT,0]。利用无套利原则,则信贷风险的价值等于以企业资产为标的物V的卖出期权,执行价格等于债务的面值F,到期日为T。如果无风险利率为r,则均衡状态时满足:

B0+P0=Fe-rT(1)

采用Black-Scholes期权定价模型,则该卖出期权的价值为:

P0=-N(-d1)V0+Fe-rTN(-d2)(2)

其中,P0是基于V的卖出期权的价值;N(g)是累积的标准单位正态分布;是企业资产的波动率,即标准差;d1、d2 分别为:

d=

d=d-

假设该公司发行折现债券,根据公式(1)和(2),其到期收益率yr则为:

y==(3)

零息公司债券到期收益率与同期无风险利率之差,即信贷利差CS(Credit Spread)为:

CS=yr-r=-1n[N(d)+N(d)](4)

其中,是企业财务杠杆比率LR的倒数,即LR=。

以上公式表明,信贷利差是企业财务结构、资产波动性及债务到期日的函数。由于信贷利差本身反映了信用风险定价,因此,信用违约风险也取决于这三方面的因素。

在结构模型中,当资产的市场价值低于债务面值时,违约将会发生。所以,在信用期限内违约概率依赖于资产的市场价值与债务面值之间的距离,即违约距离DD(Distance to Default)。

假定企业资产在期初市场价值为V0,期末为VT,违约点对应的资产价值为v,则企业的违约概率可以表示为:PD=prob(VT≤v)。

在Black-Scholes期权定价模型中,风险资产价值的波动被假定服从一个几何布朗运动过程:=dt+dz,其中,Vt表示t时期资产价值,资产回报呈即时正态分布;为常数漂移项,代表资产回报均值;为常数的资产回报波动率;z代表一个维纳过程。根据假设,对所有时间t,该风险资产的价值分布呈对数正态分布,即:Vt=V0exp[(-)t+Zt]。

假设投资者是风险中性的,对所有债券的预期回报是无风险利率,将换成r,则企业的违约概率可以表示为:

PD=prob(VT≤v)=prob(1nV0+(r-)T+ZT≤v)

=prob[ZT≤-]=N(-d)

其中,N(g)是一个标准累积正态分布,且:

d==

=

其中,V0e表示企业资产在期末的预期值,v代表违约点对应的资产市值,因而分子可以理解为期末企业资产市值到违约点的距离,分母是经过时间平方根调整后的资产回报波动性。相应地,d也就是标准化后的违约距离。

2、简化模型

简化模型(reduced form model)又称密度模型,与结构模型的违约由其资产过程决定不同,简化模型的违约是由一种给定的变量决定的。

假设N(t)为一个计数过程,用来表示违约数目,其密度为t,则N(t)的第一个跳跃就是违约的时间1,即1=inf{t∈R+│N(t)>0}。如果已知违约时间h,h∈R,则:

Nt=I(5)

如果t=为一个常数,则Nt为一个泊松过程,且

P{Nt-Ns=n}=(t-s)nnexp(-(t-s))(6)

假设无风险利率为rt,则货币市场账户的价值过程为:

=exp(rds)(7)

记为在[t,T]上发生违约的概率,则S(t,T)=1-P(t,T)为生存概率,则:

S(t,T)=P{>T│>t}=E{exp(-ds)│F}(8)

我们考虑一个T时刻到期,面值为1的无违约风险的零息票债券的价格可表示为:

p(t,T)=EQ(T,T)│F=E{exp(rds)│F}(9)

利用(8)和(9)我们就可以考虑一个可违约零息债券的价格。假设在时间≤T违约后,回收率为R,则此时可违约债券的价格Q(t,T)应该有两部分组成:一是没有违约,到期后本金可以按面值收回;另外一种情况是,发生违约,仅能按照违约回收率收回部分本金。假设债券面值为M,则Q(t,T)可以由下式给出:

Q(t,T)-EQ(T,T)│F-E≥t│F=ER│F

(10)

二、信用风险与宏观经济周期的关系

对于信用风险与经济周期的关系,有很多不尽相同的观点,但根据经济周期是否能预测,可以粗略分为两种典型情况。在第一种假设中,经济周期是可以粗略预测的。持这种观点的代表人物是Andrew Crocket。他们把宏观经济周期性波动变化看做是一个正弦曲线,因此,繁荣之后很可能是随之而来的衰退,衰退之后则会转为复苏。在这种假设之下,一个前瞻性的信用评级体系则应该是当经济繁荣时,考虑到衰退很快将会到来,就增加所评估的信用风险;而当经济衰退时考虑到经济最终将会转为复苏,就减小所评估的信用风险。第二种假设以Borio&Lowe(2001)为代表人物则认为,虽然宏观经济的波动呈现出了周期性的扩张和收缩的特征,但这种周期性变化特征太不规则了,根本无法事先作出预测。在这种假设下,一个前瞻性的评级体系则应该是当经济繁荣时,考虑到这种繁荣将得以延续,就减小所评估的信用风险;而当经济衰退时,考虑到衰退也将得以持续,相应也就增加所评估的信用风险。

然而,实践中无论是商业银行还是监管者都并没有走向这两种极端情形。因为经济预测的表现实在太差强人意了,经济现在的表现往往被认为是未来经济表现的最好指示器。所以,这就导致了商业银行体系并没有给予经济预测足够的重视,而是很大程度的依赖于当前宏观经济状态和公司的财务状况。评级期限通常为一年,是当前国内、国外绝大多数商业银行评级体系表现出的取向。所以,采用这些评级体系将会认为经济扩张时期信用风险是较低的,商业银行倾向增加信用投放;经济衰退时期则认为信用风险增加了,商业银行紧缩信用。商业银行的这种周期性的借贷行为具有亲经济周期的特点,最终可能加剧经济的周期性波动。

三、评价与展望

近年来,越来越多的银行开始重视运用风险计量技术来进行风险管理,很多基于VaR(Value-at-Risk)的模型被运用到了商业银行信用风险计量领域中,这些模型包括穆迪公司的KMV、J P摩根的CreditMet rics、瑞士信贷第一信贷波士顿的Cred2itRisk+和麦肯锡的Credit PortfolioView等。尽管各种各样的模型具有不同的结构,但在处理宏观经济周期性波动方面,大多数模型采用“外推”(Ex2t rapolate)的方法,也就是说,如果当前的经济状态是好的,意味着未来也是向好的,如果当前的经济状态是坏的,意味着未来将会变坏。具体来说,这些模型的评级周期是1年,违约率或信贷质量的变化只是评级周期机械地延伸的结果,并没有充分考虑宏观经济周期性波动的影响。

尽管在过去的几十年中,商业银行信用风险评估技术取得了长足进步,并且国家监管力度加强,但是仍然存在着众多问题,最明显的就是商业银行不仅要计量某一个“时点”上商业银行的信用风险。更要随时关注风险岁宏观经济周期波动如何变化。这对商业银行和监管者都非常重要,因为如果错误的估计了风险随宏观经济波动的风险,在扩张时期低估了风险而在衰退时期高估了风险,信用扩张和信用萎缩都会过度反应,这将最终放大经济的周期性波动,从而威胁到金融体系的稳定性。

【参考文献】

[1] 赵信先:银行内部模型与监管模型[M].上海人民出版社,2004.

[2] Merton、Robert C:Theory of Rational Option Pricing [J].Bell Journal of Economics and Management Science,1973(4).

[3] Philip Lowe:Credit Risk Measurement and Procyclicality[R].BIS Working Paper,2002(116).