有备无患：金融机构的整合压力测试

新浪金融曝光台：理财遇飞单，存款变保单，理赔遭遇霸王条款，怎么办？点击“我要投诉”！金融机构申请入驻，第一时间倾听用户声音。

　　文/俞勇

　　近期国内A股市场的大幅波动，我们可以通过压力测试来检验沪深股市能否打好这场“金融战”，并采取相应措施。

　　美国次贷危机引发全球金融危机，全球银行业均面临前所未有的挑战，西方发达国家先后启动了银行压力测试，从而拉开了一场全球金融监管改革的序幕。中国银监会尚福林主席在最近的全国银行业监管工作会议上指出，商业银行要着力防范各类风险，切实发挥压力测试作用，提高对风险的敏感性和前瞻性。

　　压力测试（stress testing）是指将整个金融机构或资产组合置于某一特定的（主观想象的）极端市场情况下，如假设利率骤升100个基本点、某一货币突然贬值10%、或股价暴跌10%等异常的市场变化，然后测试金融机构或资产组合在这些关键市场变量突变的压力下的表现状况，看是否能经受得起这种市场的突变。

　　压力测试能够帮助监管机构充分了解单家机构和金融体系的风险状况与风险抵御能力，比如近期国内A股市场的大幅波动，我们可以通过压力测试来检验沪深股市能否打好这场“金融战”，并采取相应措施。压力测试也能够帮助金融机构充分了解潜在风险因素与财务状况之间的关系，深入分析抵御风险的能力，形成供董事会和高级管理层参考的应对措施，预防极端事件可能带来的冲击。

　　下面就欧美金融界进行压力测试及应急融资计划的主要方法，整合压力测试，进行专项分析和介绍。

　　整合压力测试的步骤与框架

　　整合压力测试概览

　　根据金融机构以往的经验，整合压力测试包括6个主要工作步骤，即规划、情景、定量评估、定性评估、汇报和反馈。具体如下：

　　规划:规划中需要明确测试目标,确定测试的框架与方法。目标是制订方案、测算风险偏好中主要容忍度指标值，范围包括资本和流动性，严重程度上比正常值严重，可处于监管处罚/法定值之外。

　　情景:这一步需要收集测试数据，设计压力情景与假设条件。收集国内外宏观经济数据与相关业务与财务数据，设计压力测试的情景，对所需施压的情景做详细描述，分析业务与风险驱动因素，拟定传导机制与假设条件。

　　定量评估:该步骤需要构建压力测试模型，评估各情景下的影响。以经验结合专家判断方式筛选宏观指标；通过向量回归分析宏观经济要素的组合，进而带入各附属模型，并开发宏观因素回归模型（或需额外的主成分分析）。

　　定性评估:这一步任务是测算触发点、制订行动与缓释方案。将结果导入资本规划模板后分析触发点，尝试通过反向压力测试向风险偏好、资本应急计划、业务应急预案提供相关参数。

　　汇报:这一步骤需要汇总并报告测试结果，编写技术文档与方案。具体包括：汇总压力测试的结果，并向高管层和监管者进行汇报；整理压力测试过程数据，编写压力测试技术文档；协助方案中压力测试相关章节内容的撰写。

　　反馈:这一步是回顾测试结果，总结出下次测试的提升点。具体来说是通过回顾测试过程，分析压力测试在执行过程中的问题（如传导、模型参数与假设的合理性、系统的支持等），提出对未来压力测试与工作的优化建议。

　　整合压力测试的框架

　　由于流动性具有次生风险的属性，测试过程中需要考虑各重大风险对流动性的影响，并明确其向流动性压力测试的传导机制。图1-2描绘了各类风险向流动性风险的传导机制。

　　情景选择与宏观指标的处理

　　国际上，金融稳定理事会(FSB)对金融机构开展压力测试情景选择有4项要求：

　　（1）应使用适当数量的系统性压力情景与个体性压力情景，以评估其计划的稳健性及措施在一系列压力情况下的有效性。

　　这种评估包含对可能发生，并且会影响金融机构结构的关键场景进行多维度的分析，这些关键情景结合系统性与个体性的情况。这些情景应能传导至资本短缺和流动性压力的情况，并且需要足够严重，以帮助有效地建立触发机制、评估压力情景下的影响，以及分析恢复与缓释措施反应速度的快慢。另外，还必须认识到处置中任何的价值损失都是可能的，因为其他机构也很可能在系统性压力情景下寻求相似的处置操作。

　　（2）应对最有可能导致其业务模式无法运作或失败的情景进行识别、评估与定期更新，应该制订一系列可操作的方案，并能够在各种系统性与个体性的情景下灵活地运用。

　　（3）应该将系统性压力情景与针对特定风险状况的更具体的宏观风险因素相结合，从而能够估算或量化可能带来的影响，如对损益表、资产负债表、资本充足率、一级资本/一级普通股本、经济资本与主要业务线的影响。

　　（4）反向压力测试可作为制订计划压力情景的有用尝试，它可以识别出导致金融机构业务模式无法运作的情景。

　　反向压力测试的关键组成部分包括脆弱性分析以及用定量和定性的方法识别与描述业务模式无法运作的情景。但反向压力测试是基于“违约”或处置的情景，这意味着业务模式已经失败及措施已然失效。然而，计划的情景应该只是“接近违约”，正如计划的目的是描述当金融机构在严重压力情景下如何进行操作，以确保和恢复财务与生存能力。

　　同时，在选择资本和流动性压力测试情景时需要深入理解宏观因子的传导路径和对象。图2-1 演示了中国货币和财政政策的传导机制。

　　在对宏观经济数据时间序列的观察的基础上，我们按照时效性、替代性、适用性为原则可剔除一些指标/指标组合。

　　通过比较PMI/GDP/CPI在2005年至2014年间的季度末值，来观察这3个指标的联动关系。相较于GDP与CPI而言，PMI确实可以作为一种领先指标，并在特别是在预测经济上下行方面都有效。2008年底开始，受金融危机的影响，PMI的突然下降带动了GDP和CPI的一路下行，政府出台4万亿救市计划，PMI迅速上升并带动GDP和CPI上行。

　　通过比较M1与M2在1996年至2014年间的月末增长率，我们不难观察出M1与M2具有很高的正相关性（56.7%，即M1与M2的变动方向基本一致），且M2的增速通常会高于M1的增速；设置情景时，这两个指标存在一定替代关系。在增速方面，在1999年中至2001年、2006年至2007年底和2009年底至2010年中，M1的增速在较长时间快于M2增速，说明当时经济扩张较快，活期存款之外的其他类型资产收益较高；更多的人会把定期存款和储蓄存款提出进行投资或购买股票，大量的资金表现为可随时支付的形式。

　　再看失业率。中国失业率在2002年第三季度至2014年第一季度末始终徘徊在4.1%上下，特别是2009年第一季度的失业率仅为4.3%，与经济形式较好的2006年至2007年间4%的失业率相差无几。究其原因，根源在于官方失业率只覆盖了就业人口的一半，只统计了城镇人口，而没有统计外出务工人员。虽然通常意义上失业率是非常重要的指标，但目前不建议考虑此指标。

　　比较不同的方法，向量自回归模型（Vector Autoregression model, VAR）能够同时处理多个相关经济指标并容易操作，是整合压力测试情景设置中使用的主要定量模型。

　　受限于国内宏观经济数据的可获得性以及对经济运行状况的反映情况，情景设置通常采用定量和定性相结合的方法。

　　压力测试通常有简单统计分析法、联立方程模型法、向量自回归模型和向量误差修正模型等。基于上表分析，向量自回归模型（Vector Autoregression model, VAR）是上述方法中优点突出且对宏观经济模拟程度足够精确并最符合金融机构压力测试工作实际情况的模型。

　　通过向量自回归模型（VAR）来构建宏观指标之间的数理关系。配合VAR模型的构建，还需应用蒙特卡罗模拟，产生极端白噪声而对模型进行冲击，得到极端情况下宏观经济因素的取值。

　　VAR是2011年度诺贝尔经济学奖获得者C.A.西姆斯（Christopher A. Sims）教授于实证研究提出的用来确定不同程度的经济冲击给其他变量所带来影响的模型，是基于数据的统计性质建立的模型。VAR把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。

　　VAR模型构造的方法克服了传统的简单统计模型或单变量自回归模型的缺陷，弥补了传统模型的局限性——VAR模式的一个核心优势是“让数据自己说话”。

　　（俞勇，恒丰银行首席风险官、中国人民大学兼职教授，清华大学深圳研究生院校外导师，先后在美国摩根大通银行、美国运通公司等从事新资本协议、战略规划、风险管理、金融衍生品交易与定价模型、金融信息安全等工作，曾任于平安银行风险管理部兼新资本协议办公室总经理、中国银行业监督管理委员会监管，参与起草《商业银行资本充足率管理办法》等中国银行业监管法规文件，具有全面的国际银行先进风险管理工作经验和国内银行风险管理工作经验。著有《货币、银行与经济》、《银行全面风险管理与资本管理》、Asset Returns and Demographic Effects、Quality Choice Simulation and Implication Based on Individual Conjoint Analysis 等。本文刊载于《当代金融家》杂志2015年第10期）