在国际货币基金组织(International Monetary Fund,IMF)和世界银行(World Bank,WB)联合开展的金融部门评估规划(Financial Sector Assessment Programme,FSAP)框架下,压力测试已成为评估商业银行应对各类冲击能力的重要手段。从各国实践来看,压力测试在市场风险管理中的应用较多,由于数据和模型的限制,信用风险的压力测试尚处于探索阶段。关于信用风险压力测试的英文文献可分为两类:一类是关于压力测试基本原理和方法的研究,如新加坡货币监管局(2003)、Shaw(1997)、Kupiec(1999)、Kim(2000)等的研究,Marco Sorge(2004)对这类文献进行了较好的总结;另一类则侧重于压力测试的实证分析,大多是基于时间序列数据和面板数据(panel data)的简化压力测试模型分析,如Petr Kadeřábek等(2008)对个人贷款的违约概率进行了压力情景下的分析;Dietske Simons和Ferdinand Rolwes(2008)对荷兰银行业的公司借款进行了宏观压力测试。另有一些学者的研究相对深入,为解决线性假设和前人在数据处理上的不足提出了一些新的思路,如Michael C.S.Wong和Yat-fai Lam(2008)利用KMV模型的思想,提出了一个基于历史违约数据的压力测试模型,以期解决监管机构压力测试结果的定制问题;Mathias Drehmann(2005)利用改进的Merton模型,对英国银行业的公司贷款进行了宏观压力测试等。
国内学者也已对信用风险压力测试做了一些很有意义的研究和探索,如刘晓星(2009)和周子元(2009)对国外压力测试的研究与实践进行了较好的综述;陈阳、陈双杰(2009)选择房价与利率作为冲击变量,对我国房地产开发企业违约概率进行了压力测试研究,认为当房价下跌幅度超过15%时,房地产开发企业的违约概率开始急剧上升;孙彬、杨朝军和于静(2009)对Copula函数在压力测试中的应用进行了研究,为组合投资风险管理提供了一个新的思路;华晓龙(2009)利用LOGIT模型,对GDP大幅下降和CPI骤升情景下我国银行体系贷款违约率进行了压力测试;等等。
综上,笔者从以上研究成果中发现以下四个特点:一是压力测试的方法无定式,即无模型上的定式(统计方法和计量方式)和无测试主体的定式(主体可以是一个经济体、一个国家、一个行业或者一个企业);二是以定性分析和综述为主(尤其是国内的研究成果),定量分析中运用的数学模型相对简单(LOGIT模型居多),且很难规避假设条件过多导致的模型风险;三是情景设定的研究与压力测试的实证没有很好地结合起来,缺少有说服力的实证研究结论;四是以宏观经济数据对整个银行业进行宏观压力测试的研究居多,分部门、分区域的压力测试较少。
笔者认为,由于国民经济发展具有不平衡性,仅仅从整个宏观经济角度进行压力测试研究显然不能满足宏观监管和政策制定的要求,比如经济总体向好的时期,钢铁行业可能存在严重的产能过剩、房地产行业可能即将出现拐点,但黄金产业的发展前景可能看好。因此,对某一行业,特别是对重要行业进行分部类的压力测试研究显得相当重要。从关于房地产相关信用风险的压力测试研究来看,主要存在三个不足:一是通常只考虑波幅(如房地产价格下跌比例),而没有考虑波长,即价格在一定水平的持续时间;二是对风险产生的宏观因素和行为金融因素的分析较多,对房地产开发企业的资金流程、资产结构及财务特点的分析较少,研究思路和方法没有体现出房地产业自身的特点;三是对房地产价格和成交量的关注较多,考虑房地产相关成本(主要是建安成本和地价)进行压力测试的分析尚未发现。
目前,各商业银行的VAR测算模型的参数设定以正常时期房地产开发贷款的违约概率为基础,很难规避房地产行业繁荣时期的短视问题,没有对极端情况下(房价大幅下跌)面临的开发贷款信用风险进行测度,不能定量地反映房地产业周期性波动或者泡沫破裂对银行业甚至金融业的冲击。因此,基于可偿债货币资金的信用风险压力测试,是测算房地产行业客户授信的重要视角和路径之一。
对于违约标准的确定,不同学派有不同的标准,在经典的信用风险度量模型中,结构式模型(如Merton模型)一般假定当公司资产价值低于其债务价值时发生违约,而我国商业银行的一般实践中将借款人欠息时间、逾期时间或者财务、经营情况的突发性恶化作为违约标准。本章通过模拟主体现金流量的变化(Monte Carlo模拟法)判断其偿债能力,将货币资金余额低于“年度管理费用+半年银行利息”作为违约标准,即通过随机模拟的方法确定模拟主体未来现金流量的变化情况,以模拟主体的净货币资金余额低于一定的水平作为判断违约的标准。
另外,目前即使是发达国家,对商业银行违约损失率的研究也尚处在初级阶段,《巴塞尔新资本协议》依不同贷款类型对违约按一定比例进行估计,因此依据一般商业银行的数据储备来科学估计违约损失率是困难的,所以本章将违约概率作为压力测试的目标变量。