时间：2023-06-08 10:58:08
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇金融情景分析，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词:信用风险;压力测试;风险管理
中图分类号:F83
文献标识码:A
文章编号:1672-3198(2010)15-0033-02
1 引言
2007年美国次贷危机爆发以来,全球范围内金融机构的巨额损失不断涌现,次贷危机波及之广,影响之深为人们所始料未及。次贷危机之后,美国银行业倒闭危机频现,次贷危机引致的金融风暴正在整个银行体系内扩散。
新巴塞尔资本协议将银行的风险分为信用风险、市场风险和操作风险等主要类型,目前来看,在全球范围内信用风险仍然是银行业的主要风险。《世界银行》对全球银行业危机的研究指出,信用风险管理不善是导致商业银行破产的主要原因。由于银行的信用风险不仅在计量、管理上比操作风险、市场风险更复杂,通常还是银行经营风险组合的最主要方面,因此,加强信用风险管理,无论是现在还是将来都是影响银行长期健康发展的关键。
本文在这样的背景下,从信用风险的角度研究我国商业银行的风险控制问题,运用压力测试作为主要方法考察突发事件或极端情景下对商业银行的冲击,期望对我国商业银行的风险管理有一定的启示作用。
2 压力测试与信用风险管理
近年来,越来越多的商业银行开始重视运用风险计量技术进行风险管理,从而引发了大量的内部评级体系的开发和应用。借助于这些评级体系,可以将借款人根据风险大小进行分类,从而决定贷款定价、损失准备计提和资本金配置等。但由于内部评级体系仅仅着眼于评价单个借款人的信用风险,而不能用来计量不同借款人评级相关性以及这种相关性随时间的变化,所以,这些评级体系不能直接用来评价复杂的信用资产组合的风险。因而,目前一些金融机构开始自行开发或将VaR(Value-at-Risk)(在险价值)模型运用到信用资产组合风险计量领域中,这些模型包括穆迪公司的KMV、JP摩根的CreditMetrics、瑞士信贷第一波士顿的CreditRisk+和麦肯锡的Credit-PortfolioView等。
通常,大多数银行信用风险计量是在两个层次上进行的,即针对单个借款人的内部信用评级和针对信用资产组合的VaR计算。具体来说,商业银行可以根据内部评级体系,采用定性分析与定量分析相结合的方法,得到借款人的信用评级等级,然后将信用评级结果映射到对应的违约概率(PD),这样就使得银行对借款人违约可能性的大小估计精确化;除此之外,还需要结合违约损失(LGD)、违约风险暴露(EAD)和期限(M)等风险因子,以及各风险因子之间的相关系数,来计算信用风险价值,从而得到对整个信用资产组合风险或者对商业银行信用风险轮廓的估计。
大多数信用风险计量体系,无论是定性还是定量,都仅仅适用于正常经济状态,这是因为这些风险计量体系通常依赖于风险因子过去的表现来预测其未来的变化。事实上,大量的实证研究表明,大多数金融工具都具有“厚尾(Fat Tails)”的特征,也就是说这些金融工具的收益是非对称的,产生较小的正的收益事件的概率较大,而产生大的负的收益的事件的概率较小,尤其对于信用工具而言,由于数据的缺乏,利用正常经济状态下的风险计量模型来计量“厚尾”区域内的风险也就变得极为困难。这就是为什么银行需要采用两种相互补充的信用风险管理方法。正常经济状态下,对于单个借款人和资产组合的信用风险计量采用内部信用评级体系和信用风险计量模型;而在异常经济状态下,也就是压力情景下,则须通过压力测试来识别风险大小。
3 压力测试的主要步骤
(1)确保数据的可靠性。可靠的数据是确保信用风险压力测试结果的关键,涉及的数据分为两个层次:内部数据和外部数据。内部数据包括商业银行的交易账户和信贷账户中面临信用风险暴露的资产数据;外部数据包括各种风险因子如利率、汇率、股价指数等。商业银行应当确保能及时地获得准确的内外部数据以进行压力测试。这要求商业银行有一个高效的账户信息系统,并且和风险管理信息系统良好对接,国际先进银行可以做到将交易账户和信贷账户变动的信息实时传递到风险管理系统。
(2)资产组合与环境分析。银行资产组合的结构和具体特征是确定压力测试的风险因子的基础依据,此外还需要对社会环境、政治环境、经济环境、行业环境等做出研究,以找出潜在的压力事件,这往往需要银行外部专家的协助。
(3)确定银行面临的风险暴露,找到风险因子。通过对资产组合的分析可以找到风险因子,要把它们与由环境分析得到的风险因子结合起来,并按重要的程度进行排序,以确保重要的风险都得到测试,并且可以使得测试不至于太宽泛而失去针对性。
(4)以可能发生的不利冲击为基础,构造相应的测试情景。
(5)设定冲击发生时风险因子变化的大小。
(6)运行压力测试模型。
(7)报告结果并进行分析。
4 商业银行信用风险压力测试主要方法
4.1 基于敏感分析的信用风险压力测试
敏感分析法考察在其他风险因子不变条件下,某个风险因子变动给金融机构带来的影响。其优点是易于操作,有利于考察金融机构对某个特定因子的敏感性;缺点是可能不符合现实,因为当极端事件发生时,通常多个风险因子都会同时发生变动。据新加坡货币监管局(MAS)2003年的研究报告,实践中常用的交易账户标准冲击有:
(1)利率期限结构曲线上下平移100个基点。
(2)利率期限结构曲线的斜率变化(增加或减少)25个基点。
(3)上述二种变化同时发生(4种情形)。
(4)股价指数水平变化20%。
(5)股指的波动率变化20%。
(6)对美元的汇率水平变动6%。
(7)互换的利差变动20个基点。
4.2 基于情景分析的信用风险压力测试
与敏感分析相比,情景分析的一大优点就是考虑了多因素的影响,但只有借助良好的宏观经济计量模型的支持才能很好的考察多因素的影响。情景又划分为历史情景和假定情景两种。历史情景依赖于过去经历过的重大市场事件,而假定情景是假设的还没有发生的重大市场事件。
4.2.1 基于历史情景分析的信用风险压力测试
历史情景运用在特定历史事件中所发生的冲击结构。进行历史情景压力测试的通常方法就是观察在特定历史事件发生时期,市场风险因素在某一天或者某一阶段的历史变化将导致机构目前拥有的投资组合市场价值的变化。这项技术的一个优点是测试结果的可信度高,因为市场风险因素结构的改变是历史事实而不是武断的假定。另一个优点是测试结果易于沟通和理解。像这样的描述―――“如果‘$&&’年亚洲金融危机重演,我们机构会损失美元”,让人很容易理解。运用历史情景的缺点之一是机构可能(有意识或无意识的)在构建其风险头寸时尽力避免历史事件重演时遭受损失,而不是避免预期的未来风险(并非历史的精确复制)可能带来的损失。历史情景的第二个缺点是难以将测试运用于该历史事件发生时还不存在的创新风险资产,或者将测试应用于自从该事件发生后其行为特性已经发生改变的风险因素。
4.2.2 基于历史情景分析的信用风险压力测试
假定情景使用某种可预知的发生概率极小的压力事件所引发的冲击结构。由于这样的压力事件在最近没有发生过,因此必须运用历史经验来创造这些假定的情景。在假定情景创造中,机构需要考虑“传染效应”,即假定的压力事件对相关市场冲击的规模和结构效应。“传染效应”的估计一般建立在判断和历史经验上,而不是市场行为的正式模型。
两种测试情景的选择取决于一系列因素,如历史事件对于当前投资组合的适用性、机构所拥有的资源,特别是时间和人力。历史情景比较容易公式化表达和让人理解,且较少涉及人为判断,但是它可能不能反映出当前的政治经济背景和新开发的金融工具中所隐藏的金融风险。而假定情景更加与机构独特的风险特性相匹配,并能够让风险管理者避免给予历史事件比未来风险更多关注的误区,但是它需要大量资源投入并涉及相当多的人为判断。基于以上考虑,一些机构邀请资深经理、营销人员和经济学家等来共同讨论假定情景设置以确保其客观有效性。
实践中,大多数金融机构都同时使用历史情景和假定情景,如用过去的市场波动数据作为参考但是又不必然与某一特定历史危机事件相联系的假定情景。因为对历史情节的使用能够帮助我们校准价格变化的幅度和其它难以设定的参数,例如对市场流动性可能的影响。而且,风险管理者需要在客观性和可操作性之间寻求平衡,因为情景表达得越清楚客观,内容可能会越复杂和难于理解。无论如何,压力测试的使用方法并不是一成不变的,其所使用的情景也在周期性的压力测试实践中不断得到修改和完善,结果,机构的风险暴露就不断地被跟踪记录。
5 结语
在次贷危机危机等一系列极端事件发生后,许多大型国际金融机构都加强了实施整个机构范围压力测试的能力。这些异常事件的发生也强化了机构管理层在风险管理和决策中对压力测试方法的依赖。在一些发达国家的金融机构压力测试结果也已成为年度财务报告中不可或缺的内容之一。世界发达国家的监管当局均要求或鼓励所属银行遵循巴塞尔银行监管委员会的建议规范进行压力测试的工作。
巴塞尔委员会在2000年将“压力测试”定义为金融机构度量其金融体系潜在脆弱性的模型，主要用于衡量金融机构应对可能（plausible）但异常（exceptional）损失的能力。我国银监会将压力测试定义为：压力测试是一种以定量分析为主的风险分析方法，通过测算银行在遇到假定的小概率事件等极端不利情况下可能发生的损失，分析这些损失对银行盈利能力和资本金带来的负面影响，进而对单家银行、银行集团和银行体系的脆弱性做出评估和判断，并采取必要措施。国际知名银行从上个世纪90年代开始广泛进行压力测试，在、在压力测试范围、情景设置、压力测试实施等方面积累了许多经验。
关键词：商业银行；风险管理；压力测试
中图分类号：F830 文献标识码：A 文章编号：1673-8500（2012）10-0020-02
一、压力测试的必要性
（一）内在动因
从银行内部来讲，进行压力测试一般出于以下目的：评估风险模型在假设前提和环境因素不同于开发设计时的可靠性；评估信贷组合在一般发生的可能性非常低，但一旦发生将对银行造成重大损失的经济环境中针对不同风险类别的弹性和敏感度；通过压力测试将能够让银行知道宏观经济等因素是如何影响其业务的；评估经济资本需求受到的影响（压力测试的结果为银行管理层提供了一个有关银行持有的经济资本充足度的指示信息）；通过压力测试，银行还可以识别风险集中在哪些地方、了解大客户违约对银行的影响、了解历史最坏情景再次发生对银行的影响等，从而确保将银行的风险控制在可接受的范围之内，帮助银行估计其金融系统是否能承受住重大的经济打击。
（二）外在监管要求
1.新巴塞尔协议对银行风险管理提出的要求
巴塞尔新资本协议要求银行定期实行压力测试。其中包括能识别各种经济环境改变的情景对银行的信贷资产组合的不利影响，以及评估面对这些情景的应变能力。为了促进灵活性和提高竞争力，银行应根据压力测试的结果继续持有一定的超额资本，即超过最低监管要求的那部分资本。根据新协议，监管当局也应该把压力测试当作评估银行应该持有多少超额资本的一项因素。作为巴塞尔新资本协议第二大支柱的一部分，监管当局应该与银行管理层讨论压力测试的结果，以确保银行认真考虑经济周期内动态资本管理的需要。
2.中国银监会压力测试的监管要求
《商业银行压力测试指引》对银行压力测试的内容和情景设定做了如下要求。压力测试通常包括银行的信用风险、市场风险、流动性风险和操作风险等方面内容，在压力测试中，商业银行应考虑不同风险之间的相互作用和共同影响。
针对信用风险可以采取的压力情景包括但不局限于以下内容：国内及国际主要经济体宏观经济出现衰退；房地产价格出现较大幅度向下波动；贷款质量恶化；授信较为集中的企业和同业交易对手出现支付困难；其他对银行信用风险带来重大影响的情况。针对市场风险的压力测试情景包括但不局限于以下内容：市场上资产价格出现不利变动；主要货币汇率出现大的变化；利率重新定价缺口突然加大；基准利率出现不利于银行的情况；收益率曲线出现不利于银行的移动以及附带期权工具的资产负债其期权集中行使可能为银行带来损失等。
二、压力测试的实施步骤
（一）确认资料的完整性、正确性及实时性
国内许多银行数据基础较为薄弱，大量历史数据缺失，在实施压力测试前，银行必须确定其相关资料的正确性，以保证压力测试建立在正确的数据基础之上；此外衡量各风险因子的市场资料（如利率、汇率）及其它风险性资料（如转换矩阵）的验证工作亦十分重要。
（二）组合分析和环境分析，建立情景事件
压力测试是属于风险管理的一种方法，压力测试必须与银行信用资产组合的具体特征相结合，因此首先应确认将要进行压力测试的资产组合。在资产组合确定后，可观察市场、经济等变化，以确定潜在的压力事件，金融机构可借助内部或外部专家顾问咨询，建立合适的压力情景，由于真实的压力情景是未知的，因此尽可能地多建立几个压力情景进行分析。
（三）定义风险因子
压力情境确定以后，需要将其转化为债务人或组合模型计算PD或信用VaR所使用的风险因子的变化。金融机构常见的信用风险因子包括：（1）交易对手风险：包含违约机率（PD）、违约损失率（LGD）及违约暴露金额（EAD）三个主要风险因子；（2）总体经济因素：经济增长率、失业率或物价指数等会对资产组合有影响的总体经济变量皆可视为风险因子，其它与行业、地区有关的各项政治或经济因素亦可视为风险因子；（3）市场风险因子：金融机构持有债券或证券等金融商品同时面临了市场风险及信用风险，需同时将此两类风险因子进行衡量；（4）其它类型风险因子：在风险模型中经常会使用到与资产组合相关的风险参数作为基础，如转换矩阵，在进行压力测试时，亦可将此视为风险因子进行试算。
（四）执行压力测试
在银行管理实践中，确定使用哪一种压力测试必须根据所测试的银行资产组合的特点以鉴别组合面临的不同类型的风险，来确定压力测试的种类。风险管理者需要在客观性和可操作性之间寻求平衡。并不是测试技术越复杂越好，也不能仅仅根据测试技术的可操作性来选择压力测试方法。进行压力测试大致可选择以下方式进行：
1.敏感度分析
此方法是利用某一特定风险因子或一组风险因子，将风险因子依风险管理人员所认定的极端变动的范围中逐渐变动，以分析其对于资产组合的影响效果。这个方法的优点在于易于了解风险因子在可能的极端变动中，每一变动对于资产组合之总影响效果及边际效果，缺点则是风险管理人员对于每一逐渐变动所取的幅度及范围必须十分恰当，否则将会影响分析的结果与判断。
2.情境分析
此方法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，因此此类方法称为情境分析。情景分析中按照情景构造的方法来细分：历史情境分析、假设性情境分析和最糟情景分析。
历史情境分析：利用某一种过去市场曾经发生的剧烈变动，评估其对现在的资产组合会产生什么影响效果。此方法的优点是具有客观性，利用历史事件及其实际风险因子波动情形，在建立结构化的风险值计算上较有说服力；此外，管理者在设定风险限额时，可依历史事件的意义来进行评估，使决策更具说服力。但此方法的缺点在于现今金融市场变动非常快速，许多金融商品不断的创新，因此历史事件便无法涵盖此类商品。
假设性情境分析：以历史情境分析进行压力测试有其限制，参考历史事件并另建立对于每个风险因子可能产生的极端事件，将使得压力测试更具完整性，这就是假设性的情境分析。此类分析方法银行可自行设计可能之各种价格、波动及相关系数等的情境，但也因此有许多假设性或主观模型的设定，这些计算的设定主要来自经验及主观。
最糟情境分析：此方法依资产组合特性，估计可能最糟情境下的最大损失估计。最糟情境分析依据“资产组合在特定的持续期间下，有可能出现最坏的情况是什么？”，组合在一定时间内，各个风险因子最不利情形，构造压力情景，计算该情景下的资产组合价值，评估某一特定时间内，最糟情景发生时，资产组合的价值变动。这种情景的设定忽略各风险因子间的相关性，有可能得到的压力情景不具有具体的经济含义，发生的可能性极低甚至不可能。
（五）依压力情境评估资产组合
在决定压力情境及风险因子后，接着需要确定各风险因子的变动大小，以便进行压力测试。这部分可直接利用历史资料来进行估算；若使用假设性情境分析，则须特别注意到各风险因子间的相关性，Kupiec（1998）利用条件概率的方法来处理此类问题。
有了影响资产组合的风险因子及其变动大小后，便可依此资料重新对资产组合进行价值计算，计算出各种不同情境下资产的价值，再与资产组合原先价值比较，便可得出当目前资产组合面临此类压力情境下，无法立刻调整资产组合所会发生的最大损失。
（六）结果报告与措施
当压力情景构建好，并对资产组合进行重新评估后，风险管理人员应该向风险管理层提交一个报告，报告的内容包括每个压力情景的细节和对应的可能损失，以方便管理层的理解，采取相应的对策。
另外，压力测试的结果应该定期更新，一方面，银行的资产组合会随时间变化；另一方面，宏观调控政策和环境的变化也会使已有的压力测试结果的假设失效。因此，需要根据新的情况，重新进行新的压力测试。
三、简短的结论
发达国家商业银行大多拥有一个良好的压力测试程序，定期实行压力测试，以识别各种经济环境改变的情景对银行信贷资产组合的不利影响。监管机构也要求银行进行市场风险和信用风险的压力测试，作为评估整个金融机构脆弱性的工具。我国商业银行在压力测试的运用方面还处于起步阶段，应积极学习国外同业的成熟经验，结合自身的特点，借助压力测试技术构建信用风险内部评级体系，尽快实现与现代商业银行接轨。重点开发不同的压力测试方法和模型，构建良好的压力测试程序，设计出合理的、满足银行需求和监管要求的压力情景，与同业进行数据共享与合作开发，以达到少走弯路、发挥各自优势的目的。
参考文献：
[1]中国银行业监督管理委员会.商业银行压力测试指引，2007.
[2]吴青.信用风险的度量与控制[M].对外经贸大学出版社，2008年11月.
[3]何育田，张羽，暴晖.商业银行个人贷款压力测试方法研究[J]华北金融.2011年1期.
近日,美国财政部推出的新一轮救市计划中,将压力测试提升到了一个全新的高度。该计划的主要内容是根据压力测试结果,决定对各大型银行的注资方案。美国此次救市之举,给中国银行业从本次金融危机中带来一份值得借鉴的经验与教训:搭建全面压力测试体系,或成为国内银行业的当务之急。
第二轮救市的创新
为拯救本次金融危机中风雨飘摇的美国金融体系,两届美国政府均坚定地出台了救市计划。然而,首轮救市计划的效果并不理想,未能充分考虑金融危机进一步恶化,以及宏观经济下行对银行资产质量持续恶化的影响,以致注入金融体系的资本迅速损耗,进一步打击了投资者的信心。
有鉴于此,2009年2月,奥巴马政府提出了以资本援助方案(The Capital Assistance Program, CAP)为核心内容的第二次金融救援计划。按照该计划,美国风险加权资产在1000亿美元以上的19家主要银行均将接受压力测试,美国政府将依据测试结果决定其援助方案。
本轮资本援助计划中的压力测试方案,由美国联邦储备委员会、联邦储蓄保险公司、美国货币监理署和储蓄机构监管局统一制定,并由上述监管当局与19家银行联合开展测试。该方案设计了两套假设情景:一是按照对经济普遍预期的基准线(baseline)假设情景――美国经济今年萎缩2%,失业率为8.4%,Case-Shiller住房价格指数下跌14%,明年经济增长2.1%,失业率为8.8%;二是按照经济较严重衰退的逆境(more adverse)假设情景――美国经济今年萎缩3.3%,失业率为8.9%,Case-Shiller住房价格指数下跌22%,明年经济增长0.5%,失业率为10.3%。
通过该方案的压力测试,美国财政部可对各大银行在上述两种不同程度经济衰退情景下的资本需求作出评估,并借以判断哪些银行适于首先求助于私人资本,哪些银行因无法从私人渠道筹措到资金,而需要政府提供“暂时性资金缓冲”。
在救援计划中引入压力测试,是本轮计划的一大创新。本轮资本援助计划中,以基于宏观经济继续下滑为假设情景,对银行资本的未来需求进行压力测试,采用了压力测试的前瞻性理念,是通过压力测试加强金融体系极值风险管理能力的有益探索和重大推进。通过在这次金融危机中的应用,压力测试工具被提升到了一个全新的高度。
何为压力测试
对于国内不少银行业人士来说,压力测试还是一个新名词。通过考察工程领域的例子,有助于理解压力测试的概念。桥梁设计领域中,经常使用压力测试来判定,超过荷载多大程度以后,桥梁会倒塌,进而分析桥梁结构中导致倒塌的薄弱环节在哪里。
在金融领域,压力测试指的是分析、评估金融体系或者金融机构资产组合在比较极端的宏观经济、市场波动等情况下所受的影响,并根据测试结果采取应对措施的过程。
一般来说,金融领域的压力测试包含以下几大步骤:(1)确定测试对象,即进行压力测试的机构和资产/负债组合,比如某银行的房地产开发贷款;(2)识别影响该组合的主要风险因子,比如房价;(3)设计压力情景,比如房价下跌的幅度;(4)通过定量分析和定性判断,计算压力情景下测试对象相关指标的变动结果;(5)根据上述结果,判定组合/体系中的弱点环节,并有针对性地制定相应政策响应和反馈,如可针对某类可能出现的风险,制定应急预案。
首先,压力测试是金融稳定性评估的重要工具。在总结1998年亚洲金融危机经验教训的基础上,国际货币基金组织(IMF)和世界银行于1999年5月联合推出了“金融部门评估计划”(Financial Sector Assessment Program,简称FSAP),通过压力测试、金融稳健指标、标准与准则评估三个分析工具,对成员国和其他经济体的金融体系进行全面评估和监测,其中最为核心的工具即为压力测试。目前,FSAP已成为被广泛接受的金融稳定评估框架,它也成为国际货币基金组织加强对成员国监督的重要手段。中国也在积极推进相关工作。2008年初,总理接见IMF总裁卡恩时,表达了中国加入FSAP的意愿。
其次,压力测试在监管机构评估监管资本中有着重要的应用。在2004年的《巴塞尔新资本协议》中,巴塞尔委员会对商业银行开展压力测试作出了相关规定。新资本协议的第一支柱要求商业银行必须对相关风险参数进行压力测试,第二支柱要求商业银行进行内部资本充足评估程序(ICAAP)时,要进行前瞻性的压力测试,以识别可能对银行产生不利影响的事件或变化出现时需银行进一步增加的资本,银行和监管当局利用压力测试结果,分析、确保银行持有一定量超额资本。《巴塞尔新资本协议》中对压力测试的规定,代表了监管机构使用压力测试工具评估监管资本要求,来促进银行审慎经营的观点和态度。
再次,压力测试已成为银行评估业务、资产组合在极值风险下表现的重要工具。银行业最早将压力测试用于市场风险管理领域,用于分析投资组合在极端市场情况(如市场出现巨幅下跌)下可能面临的损失。风险价值(VaR)是在一定置信度(如99%)下管理市场风险的有效工具,但在识别和计量置信度之外的分布于“尾部”的风险时,就需要使用压力测试工具。压力测试和日常风险管理工具之间具有互补性。近年来,银行业逐步将压力测试应用到分析极端条件下的信用风险、流动性风险以及操作风险等领域。
金融危机的教训
近日,高盛公司首席执行官劳尔德・贝兰克梵专门在英国《金融时报》上撰文,在总结本次金融危机的七大教训时提出,针对当前金融危机中各金融机构的糟糕表现,金融行业应当开展更多的情景模拟分析和压力测试。
按照我们的理解,压力测试的应用分成三个层次。首先,压力测试是管理工具。与风险价值、评级模型等日常风险管理工具不同,压力测试是分析、管理极值风险的一种工具。进一步,压力测试是一种管理理念,一种思维方式。任何金融机构都是在一定社会经济环境中运作的,当社会经济环境出现极端情况时,金融机构会如何表现?压力测试给银行家们提供了一种条件假设的思维模式。
更深一层,金融机构应构建全面压力测试体系,以积极管理极值风险。一个全面的压力测试体系,不仅包含压力测试的各类计量工具,同时也应包含一整套应对极值风险的政策、制度、流程和预案,并须将压力测试的理念深植于每位组织成员以及日常经营管理流程中。该体系与常态风险管理体系相辅相成,共同搭建全面风险管理体系。
回顾本轮金融危机,尽管很多机构在部分领域采用了压力测试工具,来评估部分业务的极值风险,但并未将压力测试所代表的极值风险管理理念纳入整个组织中,也未将极端情况可能造成的危害的评估、决策、反馈机制纳入业务发展的各个环节中。国际金融组织、监管机构以及银行业均开始对现有的风险管理、压力测试和监管体系进行重新审视。
2009年1月,巴塞尔银行监管委员会公布了《稳健的压力测试实践和监管原则》征求意见稿。该文件是巴塞尔委员会首次的专门的压力测试监管文件,系统、全面地阐述了对银行和监管机构的压力测试要求。文件要求银行开展覆盖全行范围内各类风险和各个业务领域的压力测试,提供一个全行全面风险的整体法人的情况,以便促进风险识别和控制,弥补其他风险管理工具的不足。文件认为,压力测试应成为银行治理结构、风险管理和风险文化的有机组成部分,压力测试相关分析结果需要应用于管理层决策,包括董事会和高管层作出的战略性业务决策,文件特别强调董事会和高管层参与对压力测试的有效实施至关重要。
如果新资本协议的压力测试监管文件在2004年就开始实施,如果银行家们通过压力测试,提前看到了房价大跌的压力情景下的可怕景象,也许此次金融危机不会来得那么快、那么深,甚至可能在一定程度上得以避免。
他山之石
在本轮危机中,国内银行业损失较少。但幸运不等于高明,与国外“落水”的同业相比,国内银行业的整体风险管理和压力测试水平依然是落后的。从把压力测试作为风险管理工具、压力测试理念的渗透、构建全面压力测试体系三个层次看,国内银行业大部分还开始于第一层次,还处在将压力测试作为风险管理工具进行研究探索的阶段,仅有建行、工行等少数大型商业银行较为全面地开展了各种资产组合的压力测试,并开始着手构建全面压力测试体系。例如,建设银行从2005年开始,开展涵盖全行信贷资产的宏观压力测试,2007年-2008年又专门开展了房地产市场下滑、国际金融危机以及宏观经济下滑等极端情景的压力测试,制定了压力测试管理办法,搭建了全面压力测试体系的初步的制度框架。
与此同时,中国银监会也在大力推动压力测试在银行业的应用。2007年12月,银监会正式了《商业银行压力测试指引》,要求商业银行根据各行业务发展情况和风险管理水平,制定各行的压力测试方案,从而在监管层面,首次对商业银行全面、系统地提出了压力测试的要求,在制度上保障、规范了商业银行压力测试体系的开展与运作。此后,银监会通过组织商业银行开展有针对性的压力测试项目、国际金融组织专家技术援助项目等多方面工作,将中国银行业对压力测试的研究和应用整体往前推进了一大步,对完善商业银行风险管理体系起到了积极的作用。
此次金融危机给国内银行业提供了难得的极值风险案例,国内银行业应当以此为契机,及时研究总结国内外风险管理体系的不足,及时制定相应的压力测试管理政策和制度,组建压力测试人才团队,搭建与之配套的基础设施(包括数据基础、系统基础、计量工具基础),构建全面压力测试体系,从而为积极管理极值风险、打造中国银行业百年老店奠定基础。
关键词： 外币贷款； 风险管理； 情景分析； 压力测试； 敏感性分析； 在险价值
在今后较长一段时期，我国企业将面临外币贷款中的汇率风险。通过借鉴国外企业外债风险管理中科学而完整的风险管理体系，结合我国外汇管理体制以及企业的实际状况，建立健全外币贷款风险管理具有重要的应用价值和现实意义。
一、研究背景
改革开放有三十年，根据积极、合理、有效的利用外资的方针政策，截至2006年底，我国累计实际使用外资金额6854亿美元。
我国外债主要是外国政府和国际金融组织提供的贷款。这部分资金具有贷款期限长、贷款利率低等优点，深受企业的欢迎。在实际运作中，该部分外债真正承贷及还贷的主体是国内企业。一旦企业出现偿债能力的问题，将不可避免地将其转嫁给国内金融机构和国家财政，从而影响国家总体外债安全。
如北京奥林匹克饭店、中德合资武汉长江啤酒有限公司等均是因本币大幅贬值造成企业无力偿还债务而倒闭的。总体而言，目前我国大多数企业对外币贷款的风险管理认识程度不够，对汇率风险的规避意识淡薄，相应的风险管理体系极不成熟，急切需要外债风险管理方面的理论指导与实务方面的经验。
二、现状考察
外债风险不仅从宏观上影响一个国家经济的稳定和信用，而且从微观上影响一个企业的生存与发展。
目前，我国外币贷款使用企业已经开始关注风险管理问题，并着手使用一些基本的衍生工具来管理外汇贷款风险。然而在实际中还存在各种各样的问题。
例如，债务风险管理意识淡薄，“重筹资，轻还贷”和“圈钱”思想盛行；国有企业体制性缺陷造成管理者缺少长远的规划或者具体操作的随意性；缺乏风险管理意识，不能准确把握汇率和利率市场变动情况、熟知各种金融工具应用的专业人才；缺乏合理的外债风险管理激励约束机制和相应的风险管理工具等等。
自2005年7月21日起，我国金融系统开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。人民币汇率不再盯住单一美元，形成更富弹性的人民币汇率机制。人民币汇率改革一年后，人民币兑换美元的汇率从8.27元人民币/美元上涨至接近8元人民币/美元，年变动幅度达到3.3%。
由于人民币兑换美元、欧元及日元等主要货币每年都发生较大幅度的变化，汇率风险已经成为我国企业外币贷款过程中值得高度重视的一个风险来源。
三、汇率风险
汇率风险主要是指由于企业经营收入货币与外债债务偿还支出货币的币种不匹配，在外债债务未清偿前，因汇率变动而产生偿债成本增加的风险。主要表现为收入货币贬值或支出货币升值导致借用外债单位的偿债成本上升。
目前我国企业外债汇率风险主要体现在两方面：
其一，汇率制度改革后人民币汇率市场化使得人民币汇率的波幅趋大趋频，整体汇率风险增加。人民币汇率制度改革直接后果就是较大幅度的升值。至2008年1月3日，人民币汇率已经达到7.27元人民币兑1美元，升值幅度达到12%。
同时，市场化后的人民币汇率更容易受到国际、国内多方面因素的影响，波动的频率、幅度将进一步扩大，不确定性进一步增加，从而使外债债务的整体汇率风险有所加大。
其二，日元和欧元债务潜在风险大。日元和欧元一直是汇率波动较频，波幅较大的币种，欧元从2002年至2006年7月，兑换美元波幅达到60%以上。如果持有这两种货币债务的单位而不对其日元和欧元债务进行风险管理，未来发生损失的可能性很大，并有可能超出债务单位所能承受范围，导致偿债危机，严重的将可能影响到企业的生存。
相对于固定汇率制度而言，浮动汇率制度下汇率的波动幅度要大得多，因此对外币贷款企业带来的风险也增加了许多。而目前外汇市场汇率波动的特点是汇率走向更加无序化，影响汇率变动的短期因素更加令人难以捉摸，凸显汇率风险管理的日益重要。
汇率风险一般包括本币、外币和时间三个因素。在企业偿还外币贷款过程中，均需要以本币兑换成所需偿还的外币，在规定的时间内进行本息的偿还。在这个确定的时间范围内，本币与外币的兑换比例可能发生变化，从而发生汇率风险。
外币贷款的时间结构对汇率风险的大小具有直接影响。时间越长，则在此期间汇率波动的可能性就越大，汇率风险相对就越小；时间越短，在此期间内汇率波动的可能性就越小，汇率风险相对就越小。我国企业在外币贷款偿还过程中，由于产生收益的是人民币，而需要偿还的贷款都为日元、美元、欧元等外币，因此，这是一种典型的“货币错配现象”，收益与债务的不匹配给外汇贷款债务人平添了一层汇率风险。
根据外汇风险的作用对象及表现形式，通常将汇率风险分为交易风险、经济风险、折算风险及国家风险。
将汇率风险进行分类，有利于确定风险管理应采用的最有效的方法。
对使用外币贷款的企业而言，其还债过程中所面临的汇率风险是具有双面性的。由于汇率未来变动的方向、时间以及规模的不确定性，汇率的波动既可能减小企业的偿债成本，也可能增加企业的偿债成本，使企业遭受损失。如果汇率的波动方向是不利的，企业的收入货币本币相对于所借外币贬值，则企业的外币借款成本上升，企业遭遇损失。反之，如果汇率的波动方向是有利的，企业的收入货币本币相对于所借外币升值，则企业的外币借款成本下降，企业获利。
四、风险计量
准确度量外债项目所面临的汇率风险是企业管理层进行风险决策的必要前提。企业在进行外汇债务风险计量时可采用情景分析、压力测试、敏感性分析和在险价值四种常用的方法。通过该四种计量方式计算，一般可以满足企业财务从不同角度和侧重对风险的认识和分析。
（一）情景分析
情景分析是当市场风险监控人员预测会发生影响市场的重大事件时，就多个风险因素建立较为全面的模拟环境，应用于当前的头寸，以测算可能发生的盈亏的一种风险管理手段。在外债风险管理中，企业根据专业金融机构对汇率和利率走势的分析判断，分析企业外债风险。
情景分析为管理层更好地应付市场变化提供了有利的信息，是一种策略分析技术，可用来评估在发生各种不同事件的情形下，对企业外债的影响。
进行情景分析的关键首先在于对情景的合理设定；其次是对设定情景进行深入细致的分析以及由此对事态在给定时间内可能发展的严重程度和投资组合因此而可能遭受的损失进行合理的预测；最后得出情景分析报告。
情景分析方法简单、直观，但存在对汇率和利率走势分析主观判断的成分较大的问题。
【关键词】压力测试;风险管理;银行业监管
全球金融危机以来,压力测试得到各国监管部门和银行业的高度重视,并得到广泛的应用。2009年美国金融监管部门对资产超过1000亿美元的19家银行进行了压力测试,2010年欧盟银行监管部门对欧洲22家银行进行了压力测试。中国银监会近年来也组织各商业银行开展了多次压力测试。尤其是近期针对房地产的压力测试,受到业界乃至媒体、社会公众的广泛关注。
1.压力测试概述
20世纪90年代以来,由于压力测试以其估计非正常市场条件下经济损失的优势被国际银行及金融机构广泛应用,成为风险管理的重要方法之一。1995年国际证券监管机构组织(IOSCO)对“压力测试”做出了明确定义,即压力测试是“假设市场在最不利的情形时,分析其对资产组合的影响效果”。按照银监会《商业银行压力测试指引》,压力测试作为一种以定量分析为主的风险分析方法,通过测算银行在遇到假定的小概率事件等极端不利情况下可能发生的损失,分析这些损失对银行盈利能力和资本金带来的负面影响,进而对单家银行、银行集团和银行体系的脆弱性做出评估和判断,并采取必要措施。从巴塞尔协议角度看,压力测试是巴塞尔协议II中与风险价值模型VAR(99%,X)对应的概念,即对于置信度99%以外突发事件的测试。
从具体操作过程上看,压力测试通过选择风险因子,设计压力情景,构建一些数量分析模型确定假设条件和测试程序,测试风险资产组合价值在最坏情境下可能遭受的最大损失及对金融机构盈亏及资本状况的影响,为金融机构的风险管理部门或监管当局的决策提供参考。压力测试包括敏感性测试和情景测试等具体方法。敏感性测试旨在测量单个重要风险因素或少数几项关系密切的因素由于假设变动对银行风险暴露和银行承受风险能力的影响。情景测试是假设分析多个风险因素同时发生变化以及某些极端不利事件发生对银行风险暴露和银行承受风险能力的影响。
压力测试最初是为了响应1996年巴塞尔协议的修正而被正式提出并开始应用,长期一直被视作风险价值(VaR)的辅助风险管理工具,因为风险价值仅反映在正常市场环境下金融机构可能遭受的损失,并不包括极端不利的小概率事件发生时金融机构可能遭受的潜在损失。Berkowit和O’Brien(2002)对商业银行使用的VaR模型所做的实证检验就表明,VaR模型低估收益率的波动性。压力测试部分地弥补了VaR的缺陷,它提供了一种方法来测量和监控可能的异常事件引发的极端价格变化给投资组合带来的潜在不利后果。
2.欧美银行业进行压力测试的实践比较
2.1 2009年美国银行业压力测试
美国次贷危机爆发以来,美国银行业监管当局认识到压力测试的积极作用,并以资本为导向,启动了新一轮的银行业压力测试实践,加强银行业的风险管理,维护了整个金融系统的稳定。2009年2月25日,美国财政部公布了奥巴马政府稳定金融计划的核心内容――资本援助方案,并宣布美国19家主要银行开始接受政府组织的压力测试。
此次美国银行业压力测试具体情景的风险因子包括,全面反映经济状况并考虑物价影响的真实GDP下降、与投资消费密切相关的劳动失业率上升以及金融危机的直接诱因――美国房地产价格指数。其假设了两种情景,一是基准情景:2009年GDP增长率-2%,失业率8.4%,房价下降14%;2010年GDP增长率正2.1%,失业率8.8%,房价下降4%。二是更坏情景:2009年GDP增长率-3.3%,失业率8.9%,房价下降22%;2010年GDP增长率0.5%,失业率10.3%,房价下降7%。
压力测试主要针对交易资产超过1000亿美元的19家银行控股公司,监管当局要求他们在基准情景和更坏情景下,对其所持有的贷款、证券、和交易相关头寸在2009年和2010年可能遭受的损失进行评估,包括表外资产的潜在损失。参加压力测试的金融机构根据其年2008底余额对以下各项在2009年和2010年可能遭受的损失进行评估,主要包括优先留置权抵押贷款、次级留置权抵押贷款、工商企业贷款、商业地产贷款、信用卡贷款、证券、交易头寸和交易对手风险。然后对以下各项的收益进行估计,包括拨备前净收益、贷款和租赁损失准备。
2010年5月8日,美国政府宣布压力测试结果,其中9家通过,但包括美国银行业“领头羊”――美国银行和花旗集团在内的10家银行都需要筹集更多资本,筹资总额约为746亿美元。
2.2 2010年欧洲银行业压力测试
2010年7月23日,欧洲银行监管委员会(CEBS)公布了欧洲银行压力测试的结果。这些测试涉及欧洲91家银行,其目的是确定银行体系的稳健性,以恢复市场信心,并促使采取行动来完善银行业的不足。
此次欧洲银行压力测试的主要内容是:当欧洲银行业再次遇到金融与经济危机时,能否抵御风险渡过难关?是否需要国家施以援手注入资金?负责测试的欧洲银行业监管委员会假设欧洲遭遇经济二次探底和债务危机的双重打击,股市萎缩20%,银行利率急剧攀升,希腊国债在2011年底时贬值23.1%,葡萄牙国债贬值14%,西班牙国债贬值12.3%,德国国债贬值4.7%。
在此情形下,具体测试结果如下:总体而言,若欧洲经济出现该测试的最糟糕情景,则这91家欧洲银行可能面临5660亿欧元的潜在亏损,其中670亿欧元与债务冲击有关。到2011年底,总体的一级资本充足率将从2009年的10.3%下降至只有9.2%。但这也大大高于“安全线”,目前欧盟法定的银行核心资本充足率最低线为4%。按银行个体分开来看,被测试的91家欧洲银行中的84家仍能把核心资本充足率维持在“安全线”6%以上。未能过关的7家银行分别是总部设在慕尼黑的德国房地产抵押银行、希腊农业银行以及5家西班牙银行。根据欧洲银行监管委员会的观点,7家测试不成功的银行将不得不筹集总共35亿欧元的资金。而由于此次欧洲债务危机带来的困境,这个数字都低于大部分人认为需要筹集的资金水平。这也远低于2009年美国压力测试之后美国银行必须筹集750亿美元资金的要求。有关国家政府将会就此展开评估,以决定是否实施援助。
2.3 欧洲和美国银行业进行压力测试的比较
比较美国和欧洲所进行的银行业压力测试,可以发现这两次压力测试的一些区别:
(1)目的不同。美国银行业压力测试主要是评估银行在未来2年内由于贷款、自营投资及表外业务的损失可能对其资本金的影响,并从中发现单个银行所需补充资本金的数量。而欧洲银行业压力测试并不要求盘清各个银行的资金需求,而是检验银行系统的风险承受能力,即显示整个欧盟银行部门的弹性高低。
(2)使用工具不同。美国银行业压力测试完全将压力测试作为唯一的工具以评价银行的资本金状况,最终相关修补政策的依据也完全以压力测试的结果为准。而欧洲银行业进行的压力测试只是将其看作评价银行风险承受力的工具之一,在风险评估过程中还将使用其它各种工具,因此,最终所采取的相关政策可能以多种评估工具的加权结论为依据。
(3)结果透明度不同。美国版“压力测试”具有很高的透明性,最终公布了19家大型银行中有10家共需750亿美元额外资金的事实;但欧洲版“压力测试”不会公布任何一家银行的测试结果,而只是要求欧盟27国的银行监管者把本国银行系统数据向各成员国财长和欧盟执行机构报告。
(4)美国和欧洲压力测试的另外一个主要差异与政府对银行业的救助有关。美国的压力测试是在采取救助措施之前,而欧洲是在救助措施之后。
除此之外,欧洲的压力测试范围更全面,风险因素的数量更多,其考虑了证券化头寸的影响以及风险显著上升的情况。
3.压力测试在我国商业银行中的实践
3.1 我国银监会的相关监管要求
2007年12月25日,银监会下发了《商业银行压力测试指引》,要求国有商业银行和股份制银行最迟应于2008年底前按照本指引要求开展压力测试工作。我国监管机构提出的压力测试范围包括信用风险、市场风险、流动性风险和操作风险等内容。该指引对压力测试提出了原则要求,并没有对银行开展压力测试的情景设计、风险因素、压力测试程序和频率等做硬性规定,赋予了我国商业银行初期实施压力测试工作的相对灵活性,以利于商业银行不断探索深化压力测试工作。另外,为了防范房地产市场价格波动对商业银行经营的影响,2008年6月,银监会组织部分商业银行开展了房地产信贷专项压力测试,一是对房地产贷款(含土地储备贷款、房地产开发贷款、个人住房贷款、商业住房贷款以及其他使用房地产作为抵押品的贷款等)进行综合风险压力测试,二是对个人住房信贷专项压力测试。测试所用基数以2007年6月底的数据为基础,检测时间间隔频率为6个月。
3.2 我国商业银行开展压力测试存在的一些问题
与监管要求以及国际同业相比,我国商业银行的压力测试工作主要体现了如下不足:
(1)缺乏统一的部门或机构管理和协调全行压力测试。目前,我国商业银行对于信用风险、流动性风险、市场风险、操作风险等风险类型,多采取了分部门分散管理的组织架构,压力测试仅限于单个风险领域及部门层面进行,尚未形成整个机构或集团层面的压力测试体系。除市场风险外,其他风险类型的压力测试缺乏统一约束与规范,压力测试的对象、情景设置、频率存在随意性。从全面风险管理角度,需要建立全行的压力测试政策,并由统一部门或机构对各个风险领域与业务层面的压力测试统一协调,并考虑风险之间的相关性。
(2)压力测试覆盖风险及业务领域不全面,无法反映全行风险集中性情况。除市场风险外,其他风险领域压力测试尚未作为风险管理重要工具被广泛使用,信用风险、资本充足率压力测试不定期进行。信用风险压力测试也仅限于局部业务,缺乏对全行整体授信资产组合的压力测试。另外,压力测试多限于国内分支机构,未包括海外机构或整个集团层面。
(3)压力测试方法单一,缺乏模型支持。目前,受制于现有IT系统、全面业务数据支持以及风险计量模型限制,各风险领域压力测试采用方法多为敏感性分析,情景分析方法尚需不断完善。
4.对我国商业银行开展压力测试的启示
4.1 构建合理的压力测试模型,选择合适的压力测试情景
我们应该在学习欧美经验的基础上,构建适合我国自身情况的压力测试模型。构建合理的压力测试的关键还是在于,风险管理部门对本行的各种风险情况有清楚的了解。模型要适合本行的业务发展规律、特点和风险状况。对不同的风险要构造不同的压力测试模型、此外,要定期对压力测试模型进行回测并调整,找到最合适当期的压力测试模型。压力测试的情景要符合本行的风险业务状况,压力程度的大小要依据本行的经验数据决定。压力太小,就不符合压力测试的初衷,起不到准确的风险预警作用,压力太大,又错误的预报了银行的风险状况,使银行持有不必要的头寸,严重影响了银行资金的使用效率。只有恰到好处的压力,才能真正发挥到压力测试在风险管理中的预警作用。
4.2 扩展压力测试的范围,优化测试结果的应用
启动我国银行业新资本协议第二支柱――内部资本充足评估程序,实施覆盖资产负债表内表外、所有实质性风险的整合性压力测试。内部资本充足评估程序将提升压力测试的管理层次,使董事会和高管层全面、充分的了解银行所面临的真实风险轮廓,整合测试信用、市场、流动性等各实质性风险相互联系对资产组合的影响,并制定前瞻的应急预案,以保证压力测试的有效性。
应用压力测试结果于风险管理全流程及财务预测、资本规划等相关领域,确保银行科学、可持续发展。压力测试后,银行应密切监测风险因子的变化,及时改进风险管理政策和程序,提早采取资本约束、限额管理、资产调整、反向对冲、风险缓释、流动性储备等措施降低风险水平,减少财务损失和声誉损害,为中长期财务预测、资本规划提供科学的决策依据。
4.3 完善基础建设和资源保障
首先是完善压力测试所需的宏观与行业数据采集,为压力测试的细分组合的传导机制分析奠定良好的基础;其次是推进国内商业银行的内部评级体系建设,为压力测试的风险量化提供先进的计量手段和科学的传导载体;最后要加快国内压力测试的人力资源配置与组织保障建设,为我国压力测试工作培养、储备人才。
参考文献
[1]Basel Committee on Banking Supervision.Amendment to the capital accord to incorporate market risks[EB/OL].January 1996.(November 2005)[August 2009].Available at,省略/publ/bcbs24.pdf.
[2]中国银行业监督管理委员会.商业银行压力测试指引[Z].2007(12).
[3]杨文生,赵杨.商业银行压力测试的国内外研究现状及其评述[J].企业活力,2010(09).
[4]姚.美国压力测试对中国商业银行的启示[J].经营管理者,2010(12).
收稿日期：2014-09-21
基金项目：国家自然科学基金项目“基于时变参数的学习机制、利率行为与政策效果研究”（71173030）。
作者简介：王志强，男，辽宁大连人，东北财经大学金融学院教授，博士生导师，研究方向：金融工程；赵庆，男，满族，辽宁大连人，东北财经大学金融学院博士研究生，研究方向：金融工程。
一、引言
投资组合通常是指个人或机构所拥有的由股票、债券及衍生金融工具等多种有价证券构成的一个投资集合，投资组合的优化和多元化发展不仅丰富了金融投资决策的方法而且加深了对金融市场的认识。Roll[1]在Markowitz[2]均值-方差模型框架下提出跟踪误差投资组合模型，即投资组合管理者预期给定一个基准投资组合，通过跟踪误差来对投资组合管理者的投资业绩进行评价，基于跟踪误差的投资组合方法在金融界得到广泛运用。Rudolf等[3]给出了最小风险跟踪误差模型的线性模型，方便了跟踪误差模型的实践应用。王秀国和邱菀华[4]基于跟踪误差模型提出了跟踪误差多因素投资组合决策模型，并给出了数值分析。罗金川和房勇[5]提出了分层主成分分析方法，采用完全复制标的指数的投资策略来构建因素投资组合选择模型最小化跟踪误差，在此基础上通过改变分层的数量控制投资组合的跟踪误差。
但是由于金融市场波动和金融风险加剧，Black和Litterman[6]指出均值-方差模型框架下关于要求随机变量均匀分布和对期望收益和协方差的敏感性的缺陷。基于此，众多学者进行了鲁棒优化算法的研究。Costa和Paiva[7]提出了基于线性矩阵不等式的跟踪误差投资组合鲁棒优化算法。高莹和黄小原[8]同样基于线性矩阵不等式方法研究了将跟踪误差投资组合鲁棒优化在中国基金市场的运用。
本文基于跟踪误差投资组合鲁棒优化模型利用MATLAB提出新的求解算法，同时提出其衍生模型：单一目标收益跟踪误差投资组合鲁棒优化模型、多目标收益跟踪误差投资组合鲁棒优化模型和基于成本单一目标收益跟踪误差投资组合鲁棒优化模型，并将其在中国资本市场进行了实证分析。
二、模型描述
（一）跟踪误差投资组合鲁棒优化基本模型
本文基于Costa和Paiva[7]跟踪误差投资组合鲁棒优化模型结合中国资本市场实际情况，提出投资组合收益满足预期收益要求，使得投资组合风险最小化的跟踪误差投资组合鲁棒优化模型：
投资组合中，下标i表示投资组合中资产i；下标k表示第k种情景得到的期望收益和协方差矩阵。外生变量ωB为模型中根据预先设定目标确定的基准投资组合；γk是第k种情景下投资组合预先设定目标收益；rf是投资组合中无风险收益率。随机参数μk是由不同情景得到的期望收益；Ωk则是由相应情景预期收益的协方差矩阵。跟踪误差投资组合鲁棒优化模型中需要确定两个决策变量即内生变量ωi和α。其中ωi是投资组合中各项资产权重，α为引入的偏差波动的上界变量，α=max1ωiσ2P（ωi）=（ω-ωB）TΩk（ω-ωB），其中σ2P（ωi）为跟踪误差投资组合鲁棒优化模型的方差。投资组合的目标函数是求α最小的投资组合权重ωi，数理金融含义是：在市场风险最大的情景下α=max1ωiσ2（ωi），选择投资组合权重ωi使得投资组合收益波动最小，即min1ωiα。式（3）是投资组合关于期望收益约束，I为单位列向量；式（4）是关于投资组合权重约束；式（5）表示根据资本市场实际情景不允许卖空。
（二）跟踪误差投资组合鲁棒优化衍生模型
根据Costa和Paiva[7]，高莹等[8]学者的研究，跟踪误差投资组合鲁棒优化模型在资本市场具有适用性，然而面对资本市场的复杂性，本文在其基础上提出衍生模型。
1.单一目标收益跟踪误差投资组合鲁棒优化模型
假定投资组合是根据基本分析方法构建股票集，面对不同的情景集，在既定的单一收益目标约束下γ1=γ2=…=γk=γ选择投资组合具体的投资权重，即单一目标收益跟踪误差投资组合优化模型，这与Costa和Paiva[7]、高莹等[8]假设相同。
2.多目标收益跟踪误差投资组合鲁棒优化模型
许多投资组合优化模型在假设时都按照单一收益目标约束γ1=γ2=…=γk=γ下选择组合资产权重。然而在实际中，投资组合管理者针对不同市场预期采用相同的目标收益是不科学的，投资组合管理者的目标收益与市场预期是相关的，当投资组合管理者面对较乐观市场预期时会提高目标收益，面对悲观市场预期时会降低目标收益。特别是跟踪误差投资组合鲁棒优化模型在不同情景集下即在不同股票预期收益下，假定单一目标收益显然与实际情景不相符。多目标收益跟踪误差投资组合鲁棒优化模型则是在单一目标收益的基础上，根据不同市场预期制定不同的目标收益，即γk， k=1，2，…，m不全部相等提出的优化模型。
3.基于交易成本单一目标收益跟踪误差投资组合鲁棒优化模型
组合优化的目标是在风险与收益之间权衡从而选择投资组合最优权重的过程，传统上这个过程与交易成本是分开考虑的，然而这样得到次优权重经常会导致巨大的交易成本，并且在一些情况下会严重影响经风险调整的组合收益。
基于交易成本单一目标收益跟踪误差投资组合鲁棒优化模型是在单一目标收益模型基础上引入交易成本函数：TC（ω）=（TC1（ω1），TC2（ω2），…，TCn（ωn））， i=1，…，n，其中TCi（ωi）代表第i种资产交易成本，ωi代表第i种资产权重。则投资组合净权重为：=ω-TC（ω）=（1，2，…，n）T，i=ωi-TC（ωi）；投资组合基准权重为：B=ωB-TC（ω），Bi=ωBi-TC（ωBi）；投资组合收益为：μp=ωμ=∑n1i=1[μiωi]，其中μ=（μ1，μ2，…，μn）为n种资产预期收益；投资组合净收益为：μPN=∑n1i=1[μ1i]=∑n1i=1[μi（ωi-TC（ωi））]；投资组合风险为：σ2p（）=TΩ，其中Ω为投资组合中资产协方差。则基于交易成本单一目标收益跟踪误差投资组合鲁棒优化模型为：
三、跟踪误差投资组合鲁棒优化衍生模型在基金中的应用
（一）单一目标收益跟踪误差投资组合鲁棒优化模型转化为Fmincon函数标准形方法及在基金中的应用以光大保德信均衡竞选股票基金（基金代码360010）的交易数据为实证数据，根据MATLAB Fmincon函数提出一种新的求解方法，并将单一目标跟踪误差投资组合鲁棒优化模型的最优解与基准组合、基金实际组合的结果进行比较。
1.实证假设
假设（1）：基金360010在2013年第4季度投资组合构建是根据投资组合中各股票前6个月度收益率进行判断。
假设（2）：根据我国基金管理办法每季度公布股票重仓股组成，同时根据数据可得性，假定基金360010每季度调整一次投资比例，即在持有期内2013年第4季度投资组合中各股票权重比例不变。
2.数据选取
选取光大保德信均衡竞选股票基金（360010）在2013年第4季度投资组合10支重仓股。样本数据为2013年3月至2013年9月的月度收盘价，并且将收盘价依据（Pt-Pt-1）/Pt-1转化为2013年4月至2013年9月月度收益率，数据来源于大智慧软件。
3.计算方法及计算结果
（1）基准组合权重及收益。取基准投资组合权重ωB为10×1矩阵ωB=（1/10，1/10，…，1/10）T，则基准投资组合收益率为10只股票月度收益率均值。
（2）构造情景集及组合收益和协方差。本文考虑2种计算情景集方法，即k=1，2。
情景1，期望收益μ1为10×1矩阵是依据历史数据按算术平均值计算，相应协方差矩阵Ω1为10×10矩阵。
情景2，期望收益率μ2是按由近及远0.3、0.2、0.2、0.1、0.1和0.1权重计算得到，即最近期收益的权重是0.3，以后依次类推，最远期收益率的权重是0.1，原因是距离当前较近时期的收益率对基金经理预期判断影响较大。情景2下期望收益的协方差矩阵Ω2为10×10矩阵。
（3）单一目标收益跟踪误差投资组合鲁棒优化模型Fmincon函数标准化过程。
情景1下，单一目标收益跟踪误差投资组合优化模型Fmincon函数标准化过程。为使得跟踪误差模型转化为fmincon函数标准形式，设x=（α，ω2，ω2，…，ωn）。
综上所述，情景1下，单一目标收益跟踪误差投资组合优化模型（1）―（5）转化为Fmincon函数标准化形式式（11）―（16）：式（1）转化标准形式（11）为式（17）；式（2）转化标准形式（12）为式（18）；式（3）转化标准形式（14）为式（19）和式（20）；式（4）转化标准形式（15）为式（21）和式（22）；式（5）转化标准形式（16）为式（23）和式（24），其中Fmincon函数标准形式中初始迭代点矩阵为式（25）。
单一目标收益跟踪误差投资组合优化模型情景2转化为Fmincon函数标准形式计算方法与情景1计算方法相同。由于篇幅所限情景1与情景2具体函数值未给，备索。
利用MATLAB Fmincon函数求解单一目标跟踪误差投资组合鲁棒优化模型情景1和情景2下各资产权重，其中，γ1=γ2=0.05，无风险收益率取工商银行2013年整存整取一年期存款利率，即γf=0.0325，同时为比较投资绩效也给出了基金实际各资产权重，如表1所示。
由表2可见，从收益角度而言，单一目标收益跟踪1表2各模型下投资绩效模型1情景11情景21基金实际1基准组合收益10.0999 10.0946 10.0536 10.0499 风险10.0006 10.0002 10.0031 10.0037 收益/风险1171.9770 1480.6111 117.4492 113.6394 误差投资组合优化模型情景1和情景2收益率均显著高于基金实际情景与基准模型，并且显著高于投资组合目标收益γ=0.05，表明该模型对于提高基金收益是有效的；从风险角度而言，情景1和情景2风险均显著低于基金实际情景与基准模型，表明该模型对于分散风险同样是有效的；故此，单一目标收益跟踪误差投资组合优化模型情景1和情景2投资绩效显著优于基金实际情景和基准模型，表明单一目标收益跟踪误差投资组合优化模型可以显著提升基金表现。虽然单一目标收益跟踪误差投资组合优化模型情景1模型收益率高于情景2模型，但是风险更高，并且投资绩效显著低于情景2模型，从另一个角度而言，也印证了跟单一目标收益跟踪误差投资组合优化模型最终选择较大情景下各资产的权重的结论。综上所述，单一目标收益跟踪误差投资组合优化模型对于提高组合收益、分散组合风险是有效的，对于中国资本市场资产配置具有指导意义。
（二）多目标收益跟踪误差投资组合鲁棒优化模型在基金中应用
多目标收益跟踪误差投资组合优化模型式转化为MATLAB Fmincon函数标准形式中处理式（3）转化为式（14）时，2种情景下取不同目标收益，即γ1≠γ2，则：
如表3所示，在不同目标收益下，各资产权重发生变化，即进一步验证了多目标收益跟踪误差投资组合优化模型相比单一目标收益模型更具有合理性；投资组合实际收益率高于目标收益，表明多目标收益跟踪误差投资组合优化情景1时对于提高组合收益表现具有较好的表现；在目标收益递增的过程中，投资组合实际收益也伴随着目标收益逐步增加，投资组合风险先下降、后上升，在目标收益为0.065时组合风险达到最小-0.00003，投资组合风险总体呈现下降趋势，多目标收益跟踪误差投资组合优化情景1时不仅在提高收益方面表现优异，在分散风险方面同样有效；多目标收益跟踪误差投资组合优化情景1时在目标收益γ1=0.065时、偏差波动的上界变量为α1=0.0031投资组合绩效最高，与表3均高于基金实际和基准模型投资绩效。
表3与表4具有组合收益显著高于目标收益的情况。但是多目标收益跟踪误差投资组合鲁棒情景2下组合风险与情景1不同，组合风险在随着目标收益的增加而增加，没有出现反转现象。情景2多目标收益跟踪误差投资组合优化模型在目标收益γ1=0.05时、偏差波动的上界变量为α1=0.0016投资组合绩效最高，与表2相比投资绩效同样均高于基金实际权重投资绩效和基准模型投资绩效。
结合表3和表4，根据投资组合绩效分析，多目标收益跟踪误差投资组合鲁棒优化模型在情景1时和情景2时，最终会选择在情景1时，目标收益为γ1=0.065、偏差波动的上界变量为投资组合权重，与表2相比，多目标收益跟踪误差投资组合鲁棒优化模型相比单一目标收益模型在提高收益、降低风险方面表现更为有效。
综上所述，在相同情景下不同目标收益γk会改变投资组合权重，影响投资组合收益与风险走势，从而影响投资组合投资绩效，因此，需要根据不同的市场预期下确定不同投资目标收益，再根据投资绩效分析，从而确定更优的投资组合权重。
（三）基于交易成本单一目标收益跟踪误差投资组合鲁棒优化模型实证分析
采用与Zheng和Liang[10]、王春峰等[11]相同的交易成本函数：TCi（ωi）=aiωi+bi，i=1，2，...，n，同样忽略固定交易成本对资产权重的影响，则变为：TCi（ωi）=aiωi，0
基于交易成本单一目标收益跟踪误差投资组合优化模型转化为MATLAB Fmincon函数标准形式方法与上述相同。
利用MATLAB Fmincon函数求解得情景1与情景2资产权重及投资绩效如表5所示：
由表5可见，基于交易成本单一目标跟踪误差投资组合鲁棒优化模型情景1和情景2的收益率均低于与未引入交易成本的单一目标模型的收益率（见表2），再次印证引入交易成本会降低投资组合收益率；根据投资绩效分析，基于交易成本单一目标模型情景1投资效率高于情景2投资效率，这与单一目标模型结果相反，表明引入交易成本后会影响投资决策，也许会产生截然不同的结果。
四、结论
本文研究了跟踪误差投资组合鲁棒优化模型及其衍生模型在中国资本市场的应用：
1.给出了跟踪误差投资组合鲁棒优化模型即单一目标收益跟踪误差投资组合鲁棒优化模型以及利用MATLAB Fmincon函数求解的具体算法，并采用光大保德信均衡竞选股票基金数据进行了实证分析，将跟踪误差投资组合鲁棒优化模型与基金实际投资绩效和基准组合投资绩效进行比较，表明单一目标收益跟踪误差投资组合鲁棒优化模型在提高投资组合收益、降低风险方面的适用性。
金融投资风险系数评估技术
1金融投资风险评估的常用技术
1.1均值―方差评估技术
均值―方差评估技术是一种用平均值来评估产品的预期收益，用方差来评估投资过程中风险系数的理论。每一个风险产生的概率所形成的数学期望如下：E（r）=。
此公式表示第i种证券投资的预期效益可能发生的概率值，E（r）则表示为预期收益。
金融投资风险的大小与也与很多不确定的因素有关，这些无法确定的因素产生风险的可能性大小可以用发生的损失距离期望的偏差来确定，这个偏差就叫做风险度。风险度的测量可以运用标准差和方差以及变异系数等与之相关的数学指标来进行。方差公式如下：。
标准差公式如下：。标准差是方差的平方根。即标准差越大风险度也就越大。但是方差、平均值等作为绝对数来说，其数值的大小与各个单位的标志值差异值也有关系，不一样的样本数据之间可比性程度一般较低。为了解决这一问题，需要运用变异系数来衡量离散程度。变异系数等于标准差除以平均值，换算成公式就是V=σ/E（X）。变异系数的大小与资产组合的风险之间成正比。对于n个资产之间的组合形式，其方差的计算公式如下：
在此公式中x1+x2+...+xn=1，xi则代表第i中资产组合的投资比例数。整个公式所要表达的意思是，资产组合的方差是各个资产的独立方差与它们彼此协方差的加权平均值。若组合投资足够分散，那么投资的风险则主要由资产之间的协方差决定。
1.2β系数评估法
β值也是评估系统风险的一个重要指标。它表示的是风险资产的预期收益值和其所需要承担的市场风险之间的线性关系。公式如下：。在这个公式里，E（ri）代表了金融机构的预期收益值，rf则代表了金融机构无风险资产的收益值。
为了能够方便计算，常用的评估法是经过调整的β系数和收益率计算方式。即，收益率=（股票利润收入+股票买卖价差）/股票买进的价格=[±（最高价格-最低价格）]/[（最高价格+最低价格）/2]+1/市场利率。
1.3风险价值度评估方法
风险价值度英文缩写为VaR，它尝试为资产组合形式研究出一个单一的风险度量值，并且这一度量值还要能完全体现出金融机构的整体风险。VaR的操作模式是：确定有x%的胜算在T时间段内让损失小于V0。此处的变量V即为资产组合的VaR，它是两个变量T时间段和x%（置信区间）的函数。它对应的是在N天时间内x%的胜算下最大的交易损失值。
2金融投资风险评估技术在应用中的问题及注意事项
2.1存在的问题
2.1.1评估滞后。上文中提到的β系数评估方法、VaR评估方法以及均值―方差评估方法，其基础均为已经存在的历史数据。通过这些数据去对金融机构未来的投资风险做出评估。虽然历史和未来有着某种必然的关联性，但是光靠历史数据来评估未来风险显然是不够准确的，也必然会存在很大的偏差。这种评估的滞后性最有可能导致最后评估结果的失真。
2.1.2风险测度不全面。所有的风险评估方法都需要先选择样本数据，那些被选的样本数据代表了整个的样本总体，因此样本的数量多少与样本的选择方法直接影响了最终的风险评估结果。若选择的样本无法代表样本总体的特征则会导致对投资风险的测度不够全面的问题。在众多的评估方法中，β系数评估法只测度了系统性风险，而对非系统性风险并没有进行评估。因此算是风险测度不全面的典型之一。
2.1.3不同的方法间数据结论存在冲突。在金融投资风险评估的过程中，不同的评估方法评测出的数据，由于理论基础和样本数据之间存在的差别，导致评估结果的各数据之间存在着一定的矛盾和冲突。
2.2金融投资风险评估技术在应用过程中应该注意的事项
2.2.1定性与量性分析相结合。在风险评估过程中，定性与量性分析相结合能够有效提高风险评估的准确性。因为量性分析逻辑性、严密性较强，其特有的逼真模型能够持续反映出各种风险的趋势，但也有其局限性所在，比如忽略了一些无法量化的重要因素对投资风险的影响。而此时定性分析则能够迅速弥补定量分析的这个不足之处。
2.2.2综合运用多种评估方法，提高风险评估的准确度。在对金融投资进行风险评估时，所采用的每一种方法都有其优势与不足。仅用其中一种方法做出的风险评估，显然没有多种方法相结合做出的评估准确率高。因此应该多提倡多种方法相结合的金融资产投资风险评估技术。
2.2.3对VaR评估方法进行压力测试。它一共有两个步骤，一是产生极端市场变化的合理情景；二是在产生的不同情景之下对产品组合进行定价。风险管理过程中的重要组成部分之一即压力测试，它能够促使金融机构开始考虑那些在VaR评估方法中被忽视的却又经常出现的极端情景。一旦这些情景被审定，金融机构就能立刻采取行动来降低这些不利因素对自身所产生的影响。
3结束语
金融投资风险评估技术的准确性高低直接关系到金融机构最后的投资结果，关系到国家和人民的财产安全及保障。只有充分运用现有的金融投资风险评估技术，充分发辉它们的优势，弥补它们的不足，避开其中的劣势，注意每个评估方法之间的相互结合运用。才能做出相对准备的投资风险评估结果和判断。
参考文献：
[1]郑浩.金融投资风险评估的技术与应用研究[J].金融视线，2013.
摘要：结合《金融学》教学实践，本文从案例教学、互动式教学、课堂讨论加撰写学术论文、社会调查加专家讲座、金融学实验以及建立科学的学生学习质量考核监控体系与创新考试方式结合等方面，对《金融学》实践性教学环节设计进行探讨，以期提高《金融学》教学效果。
关键词：《金融学》；实践性教学；环节设计
中图分类号：G642.4 文献标识码：A 文章编号：1674-9324（2012）07-0234-02
《金融学》课程在经济学科整体课程规划中占据重要地位，不仅是教育部确定的21世纪高等学校经济学、应用经济学、管理学各专业的核心课程，也是二级学科金融学专业最重要的基础理论课。通过学习本课程能够使学生掌握关于货币及货币制度、信用、金融、利息及利率、外汇及汇率等这些最基本的金融理论范畴；了解金融市场和金融机构的基本架构，把握金融市场运行机制的基本规律和各类金融机构运作的基本特点；正确理解现代货币的创造机制；全面掌握宏观金融，即货币对内、对外均衡和环绕货币政策的基本知识、基本理论及相关政策观点，把独立发展的宏观调控与国际协调的理论思路纳入学生视野。从《金融学》教学的受众来看，当下的高等院校大学生普遍出生在1990年左右，兴趣广博，接触社会经济信息的途径广泛，为提高《金融学》授课效果，应该合理设计《金融学》实践性教学环节，探索“导学—自学—助学”的“三维互动”教学模式，吸引学生积极参与《金融学》教学活动。
一、金融学课程中的案例教学
美国哈佛商学院是世界范围内运用案例教学法最为成功的教学单位。哈佛式案例教学突出强调解决问题过程的重要性，重在提高学生解决问题能力，锻炼其决策力和判断力。通常而言，哈佛案例教学大体可被分成三类：其一，抛出问题以及解决问题的方案，引导学生评价，此之谓问题评审型；其二，给出问题却不给出方案，要求学生通过讨论分析提出决策方案，即分析决策型；其三，发展理论型，注重通过案例挖掘新的理论生长点，完善并不断发展理论体系。其中，前两种方法可以方便地使用在金融学教学中。案例教学是基本教学的辅助形式，通过多样化的案例教学进一步说明金融学的基本理论和观点，以加深学生对货币理论的理解；介绍具体国家的货币政策、法规以及货币运行情况，以扩大学生视野，增加学生对货币实际工作的感性认识；分析货币理论在实际运用中的效果或效应，以增强学生分析和解决问题的能力。可以在金融学教学中尝试使用的案例教学包括如下三种类型的案例：第一，介绍性案例，主要是对中外货币制度和政策的介绍；第二，说明性案例，主要是对一些理论和观点的补充和说明；第三，分析性案例，主要是对一些理论和实践问题的分析。
二、互动式教学
1.互动式教学的特点。互动式教学具有民主、自由、平等、开放等特点，基于倾听、交流、沟通、协商、探讨和接纳，通过理性说服、辩论甚至争论，教与学双方可以实现不同甚至巨大差异的观点进行碰撞交融，由此，可以激发教和学双方的主动性，拓展创造性思维，提高教学效果。依据耗散结构理论，唯有基于不断从外界获得能量，事物方能获得机体激活的动力和能力。首先，发挥教师和学生两个方面的主观能动作用。教师和学生都是教学活动的组成部分，互动式教学注重学生的主体地位，让学生参与到教学中，教师以自身教学方式影响学生，激起学生的学习兴趣。其次，提高教、学双方的创新能力。1990年左右出生的学生具有较强的独立思考能力，在知识和信息掌握的某些方面，能够达到与教师同步甚至超越的情况，教师在对书本上的理论知识进行“分组编码”让学生认知的基础上，应注重提升所教内容的深度、广度及解决问题的能力，发挥学生高于教师的创新水平、弥补书本知识不足；注重培养学生的创新精神，启发、鼓励学生独立思考，大胆质疑、提问和发言，对学生提出的正确观点给予分析、引导，增强学生在讨论中的自信心。最后，促进教师和学生双方的相互有利影响。互动式教学突出教师和学生双方之间的民主、平等协调探讨，通过尊重学生心理需要，倾听学生对问题的想法，发现其闪光点，形成教师与学生的心灵撞击与融合，最终实现观念趋同，观点共振，思维共享，影响共有。
2.互动式教学法类型及机制。在实践中不断发展的可广泛采用的金融学互动式教学包括如下基本类型。①主题探讨法，主题探讨法策略一般为：抛出主题—提出主题中的问题—思考讨论问题—寻找答案—归纳总结。教师在前两个环节是主导，学生在中间两个环节为主导，最后教师作主题发言，也可请学生代表做主题发言。比如正对我国2008年以来通货膨胀趋势下零售商品价格不断上涨的现实背景，在讲解“通货膨胀及其效应”一节时，可以引导学生通过身边的实例列举通货膨胀的诸种表现，结合自身体会尝试着分析通货膨胀的影响，并就治理通货膨胀的政策措施展开讨论，甚至争论，并形成结论性的总结和概括。②问题归纳法，问题归纳法将教学内容在实际生活的表现以及存在问题先请学生提出，然后教师运用书本知识来解决上述问题，最后归纳总结所学基本原理及知识。其策略一般程序为提出问题—掌握知识—解决问题，在解决问题中学习新知识，在学习新知识中解决问题。在上述关于通货膨胀的实例中，若由学生概括完通货膨胀的基本表现并尝试着分析通货膨胀影响后，由任课教师带着这些问题讲解“通货膨胀及其效应”一节，将理论和实践相结合，提出处理我国目前通货膨胀问题的政策选择，并就我国当前所采取的紧缩性货币和财政政策进行评价，就是问题归纳法的成功应用。③情景创设法，情景创设法依靠教师在课堂教学中设置启发性问题，采取有效措施提高学生思维活跃度，设置学生创造性地解决问题的场景。情景创设法的策略程序分为：设置问题—创设愿景—搭建平台—激活学生。比如20世纪以来，经济周期和通货膨胀问题交替出现或共同存在是推动宏观经济学和货币经济学发展的两大主题，并成为货币金融当局着力解决的重大问题。在金融学教学中，可以结合教学时所面临的国内外现实货币金融背景，将学生设定为中央银行行长或货币政策委员会成员的角色，要求其从自主选择的角度，就解决当前货币金融问题提出相应的政策主张，并就其所给出的政策主张进行辩论。
关键词:市场风险 VaR模型 压力测试
商业银行市场风险管理的重要性
现代商业银行经营管理中心已向市场业务转移，商业银行的风险状况将发生根本性变化，市场风险已成为现代商业银行面临的主要风险之一，在新巴塞尔协议别增加了市场风险的说明，并需求量化和管理商业银行市场风险的方法。
目前较多使用VaR(Value at Risk)技术，通过分别计算利率风险、汇率风险、股权风险和商品风险等不同类型的组合风险，来衡量市场风险。在1995年后，巴塞尔委员会允许银行运用自己的风险度量模型确定风险资本的费用，激励更多商业银行开发自己的风险管理系统。VaR是一个统计估计值，但它用以简单的数字直观地反应当前所面临的一般风险(市场处于常态时)，当然，这个数字很可能不是最后的损失额，甚至相差很远，但它能给出风险水平的一个有效说明。这个标准，已经得到许多国际金融组织和各国监管机构的认可，许多大型金融机构已经采用这一方法作为风险管理的一种手段。
VaR方法及其拓展
发达经济体将VaR和事后检验方法相结合，评估市场风险计量模型的准确性，并加以改进，作为商业银行市场风险管理的重要工具。Leibowitz和Kogelman(1991)，Lexander和 Baptista(2000)研究了如何用均值—VaR偏好有效地替代均值—方差偏好的投资组合。Jackson、Maude和Perraudin(1998)利用一家大型银行所持有的固定收入证券、外汇和股票对两种不同的VaR模型(参数VaR模型和模拟VaR模型)进行了实证检验，发现由于金融产品收益存在明显的非正态分布，不依赖于资产收益正态分布的假设的模拟VaR模型能够比较精确反映收益分布的长尾概率。Gourieroux 和Monfort(2001)利用参数预期效用函数研究了VaR约束下的有效投资组合问题。Frey、McNeil(2002)对内部评级法中VaR方法提出了质疑，他们提出VaR方法在衡量资产组合层面的风险时不具备次级加总性，即单个资产的VaR加总很可能超过资产组合的VaR，在由此来确定银行监管资本时，并不能反映银行面临的真实风险。Giot和Laurent(2004)将真实波动和ARCH模型相结合，构建VaR每日风险监督模型。Ben-Haim(2005)在不确定性信息缺口条件下研究VaR模型，Janabi(2008)将流动性风险参数加入到VaR中。
早期我国学者主要从制度规范的角度研究商业银行的风险管理策略，较为宏观，对商业银行日常风险管理的实用性不强。随着我国商业银行体系股份化改革基本完成，学者们对市场风险管理的研究也更加深入，引进、消化和吸收国外先进的理论体系，沿着已有的理论发展方向进行比较性研究。韩其恒等(2002)对均值—方差模型和均值—VaR进行了系统地比较分析，阐述了两者在投资组合分析中的联系和区别。姚京等(2004)仿照Pyle和Turnovsky的研究框架，对均值—方差模型和均值—VaR模型进行了较为详细的比较。刘晓星(2008)比较分析了VaR模型的系列改进，CvaR(Conditional VaR)、ES(Expected Shortfall)和Esn，并分析了加入流动性调整后的风险价值测度模型La-VaR、La-ES的现状和局限性。
VaR运用于我国商业银行风险管理的可行性分析
VaR是当前国际主流的市场风险计量工具，但由于我国金融市场与西方成熟金融市场存在着很多差异，我国商业银行运用VaR计量金融市场风险时面临许多约束条件，例如在已有的关于商业银行市场风险计量的模型中，没有考虑我国特殊经济结构的模型，而我国二元市场的经济结构特征对金融业特别是银行的市场风险存在显著影响，因此，笔者认为:
首先，应该扩展CVaR模型，加入表现中国经济结构特征的参数，引入交易成本、信息的不完全性和预期因素，构建我国商业银行市场风险计量模型。
其次，考察投资者的风险偏好、风险管理目标以及不同市场金融产品间的动态相关性，构建流动性调整的VaR计量模型，运用几何布朗运动的跳跃扩展模拟风险资产价格的运动，建立反映风险资产价格运动一般状态的最优变动策略模型。
再次，研究如何利用市场风险管理工具对冲风险暴露，提升商业银行市场风险的承担水平，设计满足商业银行风险管理目标的新型金融产品。对单一风险来源的金融产品开展风险计量工作的基础上，对同时受多种风险因素影响的金融产品和多种资产构成的组合及二级金融衍生产品开展风险计量工作。
最后，笔者认为应该承认商业银行市场风险管理不是独立性的，市场风险与信用风险和操作风险等具有一定的相关性，因此，必须系统性测量和考察商业银行风险间的相互影响，构建商业银行统一的风险管理评价体系。
VaR与压力测试的协调运行
VaR方法在实际应用中有其局限性，衡量风险值的模式有可能有相当程度的差异，如果这模式本身产生一些重大结构的变化，完全依赖风险值的估算就会有问题。另外，风险值模型为了计算方便，通常假设市场上各风险因子的变化呈现常态分配，在正常情况下，该假设是成立的，此时利用VaR模型是可以度量市场的风险值的。但当市场上出现危机事件时，例如:市场价格大幅下降，利率迅速上升，风险因子间的相关性也会因此变得难以预测。如1997年东南亚金融风暴、1998年俄罗斯政府违约事件、美国911事件、2007年的美国次贷危机等对金融市场都造成了很大影响，在这些情况下VaR模型就不会起作用了。
VaR的这些缺陷需要压力测试来弥补。2008年初，中国银监会下发了《商业银行压力测试指引》，对商业银行如何开展压力测试制定了指导性意见。通过定义要进行分析的机构和资产组合;识别风险因子;设计压力测试情景;通过敏感性分析、情景分析，建立压力测试模型，计算压力情景下承压要素的定量化结果。以上述模型的定量结果和定性分析为基础，判定承压体系中的弱点环节，并有针对性地制定相应政策响应和反馈。通过正式报告路线上报给金融机构的高层呈阅后，最终成为在整个金融机构或在部分分支机构执行的应对政策。因此，通过VaR与压力测试的协调运行，能较为充分地确定商业银行的市场风险，并对商业银行的市场风险合理监控和管理。
参考文献:
1.沈沛龙，任若恩.新的资本充足率框架与我国商业银行风险管理[J].金融研究，2001(2)
一 、前言
从发展过程看，金融风险度量的主流方法和工具主要包括，偏差率、价差率等简单计算方法；以均值--方差为主的波动性分析方法；度量市场溢价敏感性的基于CAPM模型的贝塔系数方法；度量下方风险（downside risk）的VAR(Value at Risk)方法。相关方法还包括，压力测试和情景分析等等。20世纪90年代以来，VAR已经成为主流的风险度量方法和工具。由美国次级贷款引发的全球金融危机不仅给全球经济造成了巨大损失，更是激起全球范围内对本次金融危机深层动因的反思。在金融风险管理领域，20世纪90年代以来被广泛应用的风险度量方法―VAR，受到了大家质疑。本文结合相关文献，通过对VAR的优劣分析，指出VAR作为一种风险度量方法仍然有效。
二、VAR度量方法优劣
VAR(Value at Risk)，即“在险价值”，表示处于风险状态的价值，用于度量金融资产或组合在未来资产价格波动下可能的损失。Jorion(1996)认为，VAR是在正常的市场波动条件下和给定的置信水平内，某种金融资产或资产组合在未来一段持有期内的最坏预期损失值。 用公式表示为：P(ΔP>VAR)=1-α或：P(ΔP
实践中，VAR的常用度量方法主要包括：历史模拟（Historical Simulation）、蒙特卡罗模拟(Monte Carlo Simulation)、ARCH、RiskMetrics等等。其中，历史模拟和蒙特卡罗模拟属于非参数方法；RiskMetrics 和ARCH属于参数方法。
RiskMetrics 和ARCH方法的优点体现在可以完整刻画资产组合收益率的方差波动特征，但这两大模型假设收益率基于正态分布假定，波动性和相关性不变，而实证显示金融资产收益具有厚尾、非对称的特征。因此，使用这两种方法度量出的VAR有低估倾向，此外，当资产组合过于庞大，模型中的方差、协方差难以保持正定矩阵。
历史模拟方法是利用历史数据去模拟资产组合的未来收益分布，给出一定置信度下的VAR 估计。其优点是简便易行，不需要对资产组合价值变化的分布作特定假设，无需进行参数估计，避免了模型风险。但其假设资产组合收益率在特定窗口期间具有相同分布，这与现实市场中收益率的聚集性和持续性特征相悖，对超出历史数据样本外的极端情景难以度量，而且本方法需要长期大量的历史数据支持，这难以完全满足，因而，历史模拟方法度量VAR的准确性难以保证。
Monte Carlo 模拟与历史模拟方法类似， 区别在于Monte Carlo 模拟是利用历史数据，基于随机方法模拟出大量的不同情景下的资产组合收益数值，进而度量VAR。Monte Carlo 模拟是全值估计，相对于历史模拟方法，其估算精度较高。不过Monte Carlo模拟计算量大，随机数中的群聚效应浪费了大量观测值，降低了模拟效率。
三、对VAR 的质疑
对VAR的质疑从未间断，主要集中在以上优劣分析中的模型假设前提和运用过程的数据要求方面，如：假设数据呈现正态分布、各个时间间隔的组合收益独立同分布、模型依靠历史数据或是在此基础上模拟等等。其中，Artzner等学者从经济逻辑上对风险度量方法一致性公理的论述，是对VAR模型提出质疑的典型代表。
Artzner等人（1997，1999）认为，设定一个实值随机变量集合V，风险度量是一个函数ρ:VR，应满足以下几条公理：1）单调性(monotonous)，对风险随机变量X，Y∈V，Y≥X⇒风险度量结果ρ(Y)≤ρ(X)，其风险度量含义是如果一个资产组合优于另一个资产组合，则其投资风险也应相对较小；2）次可加性（sub-additive），对X，Y，X+Y∈V⇒ρ(X+Y)≤ρ(X) +ρ(Y )，其风险度量含义是投资组合可以分散投资风险，这是资产组合风险管理中最重要的公理；3）正齐次性（positive homogeneity），X∈V，h>0，hX∈V⇒ρ(hX)=hρ(X)，其风险风险度量含义是如果资产头寸规模太大，导致流动性缺乏，则风险测度也将受到影响，应该避免头寸规模导致的流动性风险；4）转移不变性（translation inVARiance），X∈V，a∈R⇒ρ(X+a)=ρ(X)a，其风险度量含义是在资产组合中增加常量资产a，则组合风险在原来基础上相应减少了a。
Pflug等学者（2001）提出，VAR 并不满足次可加性，这与Markowitz的投资组合可以降低投资风险的理论相悖。其它理论上的质疑包括，VAR 没有提供资产组合收益尾部信息，小概率大损失事件难以度量；Andersson（2001）指出，VAR是组合收益的非光滑非凸函数，存在多个局部极值，投资优化难度较大。
虽然理论上对VAR缺陷的质疑一直不断，但VAR概念简单，容易理解，能事前计算投资组合的风险，并能涵盖影响金融资产的各种不同市场因素，还可以计算由多个金融工具组成的投资组合风险，这些特点使得VAR在实践中成为主流风险度量方法。在此次金融危机，VAR受到了广泛指责，主要体现在极端事件数据的缺乏使得人们难以通过VAR预测近年来的市场突变。Nassim Nicholas Tableb（2008） 在其《黑天鹅》中更是猛烈抨击VAR，认为VAR无法度量实际中的“厚尾”事件。
四、对其它风险度量方法的简评
这次金融危机使我们对VAR有了更深的认识，首先，VAR更加适用于度量正常市场波动而不是极端市场波动下的风险；其次，VAR对流动性风险度量不足。学者已经提出很多建议对VAR模型加以补充，包括 CVAR和ES（Expected Shortfall）、极值理论（EVT，Extreme Value Theory）、利得损失差（GLS）等等, 其中ES, CVAR均满足风险度量的一致性要求；而利得损失差（GLS ，Gain-Loss Spread）方法（Javier Extrada，2008），被认为是一种直观的风险度量方法，比VAR能更好地将偏度和低端情况概率结合起来。实际上，由于样本数据区间、显著性水平等因素随着具体研究有所不同，各种风险度量模型都有优缺点，并无绝对优势，更多的是相互借鉴相互补充。
（一）条件在险价值与预期损失模型（CVAR and ES）
Acerbi 和Tashe（2002）、Frey和Mcneil（2002）认为，CVAR(conditional VAR)是一致性风险度量方法，表示基于正常市场波动和一定显著性水平，投资损失超过VAR的条件期望值。与VAR相比，CVAR提供了更多的关于资产收益的尾部信息，适合于对极端事件的风险预测。基于CVAR的预期损失模型(ES，Expected Shortfall)是对极端风险最直接的度量方法。Lisa GoldBerg、Michael Hayes、Jose Menchero 和Indrajit Mitra（2009）重新检验并且拓展了平均损失方法（average shortfall measure），认为“预期损失是有启发性的最直接的极端风险预测方法”，作为对于以波动率为基础的测量方法，预计损失对于尾部风险的形状非常敏感，并且能以较为直观的方式描述极端价格波动的特征。他们还拓展了基于单一组合平均损失的概念，来定义当极端市场变化出现时关联组合风险损失的增加量。这一新的指标被称为“Shortfall-Implied correlation”（潜在损失相关系数），它克服了对关联尾部波动存在高斯线性分布而难以预测其损失的难题。此类模型需要大量的样本数据支持，操作上有一定的难度。
（二） 极值模型（EVT）
EVT是研究具有小概率大冲击性质的随机变量极端数据的建模及统计分析方法。极值理论的核心问题是通过对极值事件的统计分析，评估极值事件的风险。极值分布建模方法主要有组类最大值法（BMM）和超阈值法（POT），其中，区组最大值法，是对于连续划分的足够大区组长度中最大观测值构成的样本进行建模；超阈值法，是对组类最大值法的改进，主要通过对样本数据中超过经验判断的阈值之上的所有观测值样本数据进行统计建模，只拟合分布的尾部特征，而不需要对整个分布进行建模 。
Diebold，Schuermann and Stroughair(1998)；Embrechts(1999，2000a) 和FrancosM.Longin（2000）利用统计学中的极值理论（EVT，Extreme Value Thory）来计算金融市场极端情景下VAR。相关文献还包括，De Haan Jansen，Koedijk and de Vries(1994)用极值理论研究分位数估计。McNeil（1997，1999）用极值理论研究了金融时间序列剧烈损失分布的尾数估计和风险测量的分位数估计。L-C.Ho，P.Burridge，J.Caddle和M.Theobald(2000)应用极值理论研究亚洲金融危机，结论显示极值方法下的市场风险更贴近市场实际，优于传统的VAR度量方法。不过，T-Hlee，B.Saltogln（2002）通过对日本股票市场的风险测量，认为EVT与VAR在预测风险方面的结果没有大的差别。运用EVT模型来度量，通常不仅需要大量的样本观测数据，还需要相当准确的经验判断来确定阈值，实际操作难度较大 。
（三） 流动性风险度量模型（liquidity risk models）
Ernst等人（2009）经过实证，研究了七类流动性风险独立度量模型，这些模型的数据基础包括，买卖差数据、成交量数据和限价委托交易数据等。他们认为，基础数据是衡量各模型对日间风险度量精确度的主要因素。总体上，相对于建立在买卖差数据或成交量数据之上的流动性风险度量模型，基于限价委托交易数据的模型更具精确度。
虽然，流动性模型是VAR 模型的重要补充，但目前的模型数据基础侧重资本市场，对具有弱流动性的资产针对性不强。
五、审视与反思
（一）美国房地产泡沫：次贷危机导火索
“9・11”突发事件后，美国政府为了刺激经济发展不断降低利率，美国政府希望房地产市场发展成为经济增长的重要引擎之一，暗示信贷机构放宽贷款条件，向不具备偿还能力或资信能力差的家庭大量发放住房按揭贷款。这极大刺激了次级贷款（subprime mortgage loan）以及相关衍生产品业务的发展。同时，在美联储为振兴经济而维持低利率的环境下，金融机构大幅提高杠杆水平，选择高风险的投资策略。这些导致美国房地产市场常年保持景气状态，随着全球资金也被吸引进入相关领域，资产泡沫更加迅速膨胀，危机导火索从此埋下。
Demyanyk & otto van Hemert (2008)研究认为，美国房地产贷款质量早在2007年之前已经出现恶化迹象，只不过价格泡沫导致的低拖欠率掩盖了问题。Gorton(2008) 指出，当房地产市场价格没有随预期上升时，与之相关联的由房地产证券、金融衍生产品和表外工具形成的复杂链条无法透视风险所在及其规模，金融机构拒绝交易导致恐慌蔓延，次贷危机就此点燃。Brunnermeier(2009)总结认为，美国房地产泡沫膨胀的几个关键因素包括，低利率环境、美联储对房地产泡沫的宽容、美国银行资产证券化发展模式等等。
（二）VAR：仍具有效性
虽然危机不能归咎于VAR，但人们仍认为基于VAR的风险度量模型并没有提前给出警示，而是给出了过于乐观的预测。事实并非如此简单。Gunter Loffler（2009）利用常见的时间序列方法（ARCH），依照之前学者们对房地产价格的预测路径进行了重新检验。
Gunter Loffler（2009）研究认为，如果采用Case/Shiller全国住宅价格指数1987年到2005年数据，运用Monte Carlo方法模拟Q3 2005-Q3 2008年的季度价格变动，并以此构建相应期间的Case/Shiller全国住宅价格指数，通过极端情景分析，即使在0.1%的显著性水平上，也可以得出房地产价格相对平稳的结论，风险较小。这个结果与之前学者研究结果类似。实际上，1987-2005年间，美国房地产价格主要呈现上升态势，其间数据并不能完全反映价格动态变化，标准的DF 检验也难以拒绝价格非稳态的零假设，即这期间的房地产价格数据本身无法排除是处于不断上升的变动状态。
但是，如果考虑另外一个通用的房地产价格指数HPI，采用其1975年至2005年数据，使用差分自回归移动平均模型ARIMA对数据进行季节调整后，同样进行标准的DF检验，可以拒绝价格非稳态的零假设。然后通过同样的极端情景分析，结果表明，在1%和0.1%的显著性水平上，价格指数都低于实际状况。如果进一步引入GARCH方法，极端情景分析结果显示，模拟价格指数更低。
实践显示，银行业危机与房地产价格下坠关联较大。Reinhart and Rogoff(2008)指出，相比较1970-1990年间全球五大银行业危机(西班牙、挪威、芬兰、瑞典和日本)，在次贷危机前美国房地产价格升幅更加明显。潜在的危机应该足以引起银行业重视，但是由于市场的主流观点认为灾难性的极端损失是极小概率，Fannie Mae等公司在危机前也乐观预期，因而银行业并没有充分进行相应研究和采取相应的预防措施。
实际上，其研究正是建立在大家广为诘责的VAR假设前提之上，包括：分布形态并没有考虑厚尾，历史数据缺乏极端事件等等。金融危机的发生是由多种因素导致的，不能简单认为风险度量模型无效。即使是在危机重要根源的房地产泡沫方面，目前VAR风险度量方法也能够有效预测价格的剧烈波动，只不过大家没有真正意识到这种警示。
参考文献：
[1]Acerbi,C.,Nordio,C.,Sirtori,C.(2001):Expected Shortfall as a Tool for Financial Risk Management. Working paper.
[2]Acerbi,C.,Tasche,D.(2001):On the Coherence of Expected Shortfall.Working paper.
[3]Acerbi,C.,Tasche,D.(2001):Expected Shortfall:a natural coherent alternative to Value at Risk.Working paper.
[4]Andersson,F.,H.Mausser,D.Rosen and S.Uryasev(2001):Credit risk optimization with Conditional Value-at-Risk criterion.Mathematical Programming,Series B 89,pp.273-291
关键词:压力测试;金融稳定性;模型和系统
中图分类号:F830.3 文献标识码:A
文章编号:1000-176X(2009)09-0057-09
一、引 言
风险价值(Value at Risk,简称VaR)是指在正常的市场环境下,在一定的置信水平和持有期内,衡量某个特定的头寸或组合所面临的最大可能损失[1]。与传统的风险衡量方法相比,VaR提供了一种考虑杠杆、相关性和当前头寸的组合风险的整体观点,被称为一种具有前瞻性的风险衡量方法。风险的数量化量度发展从灵敏度到波动性,再到下侧量度,经历了从简单逐步走向准确的过程。 VaR不仅取决于风险的绝对水平,也取决于管理者对风险的偏好(如设定多高的置信水平)以及风险期限的长度,这样VaR以最简单的形式将已知组合潜在的损失与发生概率结合成为单个数字,将多个风险暴露的效果综合起来,便利了金融机构和监管当局的风险管理和监管。VaR由于其概念简单,用一个简单的数字表示风险损失的大小,易于理解,被广泛应用于金融机构的资本配置、风险定价、绩效评估、风险报告和信息披露,并作为一种很好的风险管理工具在新巴塞尔协议中获得应用推广,正发展成为现代风险管理的标准和理论基础。目前关于VaR的系列研究成果集中于新巴塞尔协议中,代表性人物有 Arzner、Alexander、Jorion、C.Acerbi、Rogachev等。
然而这次发端于美国的次贷危机给全球金融经济体系造成的负面影响远远超过了人们最初的预期,2008年10月期的《全球金融稳定报告》指出,由于损失上升、资产价格下降和经济减速加剧,金融体系与更广泛经济之间发生更严重负面反馈链的风险成为全球金融体系稳定的重大威胁,完全可比1929年的全球经济大萧条。这次尚在变化中的全球性金融经济危机带给我们许多经验教训,其中重要的一条是对风险后果的前瞻性估计不足,低估了金融体系杠杆率下降的幅度,机械地套用监管比率,对金融体系的稳定性评估过于乐观。人们进一步认识到,在置信度内正常市场情形VaR风险估计是有效的,但超过置信度的低概率金融损失事件传统的VaR方法无能为力,极端市场波动或危机的例子使我们认识到仅仅用过去流行的商业条件基础上的监督和风险管理是不够的(例如新的危机可能包括过去未曾出现的跨市场的新风险),需要结合压力测试对金融体系的稳定性进行判断。
压力测试(Stress-testing)由于能模拟潜在金融危机等极端事件对金融系统稳定性的影响,近年来在国际金融组织和各国政策当局间获得了迅速的应用推广。自20世纪90年代初期以来,微观压力测试在国际银行业得到广泛应用,已成为银行等金融机构重要的风险管理工具。发达国家监管当局均要求或鼓励所属银行遵循巴塞尔银行监管委员会的建议规范进行压力测试的工作。IMF和World Bank在借鉴亚洲金融危机经验教训的基础上,1999年发起了金融部门评估项目(简称FSAP),首次将宏观压力测试方法作为衡量金融系统稳定性分析工具的重要组成部分。随后,在FSAP项目的协助下压力测试方法成为其成员国政策当局金融稳定性分析中广泛使用的工具,各国政策当局纷纷开发出自己的宏观压力测试系统,典型的有英格兰银行的TD测试系统、澳地利银行的SRM测试系统等。压力测试的理论和应用研究主要集中在各国央行系统的研究人员,在这一过程中IMF和世界银行起到了引领作用。代表性的人物有 IMF的Cihak、Swinburne等分析了微观压力测试与宏观压力测试的区别,并总结了IMF宏观压力测试系统演进历程[2-3];IMF的Dale F.Gray等利用风险调整的平衡表,研究了基于Merton模型的金融稳定性分析框架和压力测试方法[4];英国央行的Drehmann、Haldane剖析了英国宏观压力测试系统的构建方法和评测结果[5];奥地利央行的Ross等分析了该国宏观压力测试系统的构建框架。另外美国FDIC的Krimminger、欧央行的Lind、挪威央行的Moe、澳大利亚储备银行的Ryan、西班牙央行的Saurina分别研究了各国宏观压力测试系统构建经验,芬兰央行的Esa Jokivuolle研究了新巴塞尔协议要求下基于联合信贷损失的未来最低资本要求的压力测试;Sorge比较分析了不同宏观压力测试方法的应用。Goodhart、Summer、Tsatsaronis等研究银行间市场传染效应(contagion effects,又称domino effects)、反馈效应(feedback effects)、信贷衍生品市场发展引起的内生性风险和非线性影响等问题[6-8]。
我国目前已经开始了压力测试在金融领域的推广应用。2003年9月,中国银监会响应FSAP项目要求国内各商业银行开展利率变动、汇率变动、准备金调整、不良贷款变动对商业银行资本金和盈利的影响四个子课题的压力测试。2007年银监会再次组织各大商业银行到普华永道接受培训,学习敏感性压力测试技术,内容包括房地产贷款综合压力测试和个人住房贷款进行专项压力测试,这次测试成为不少国内银行进行的首次压力测试实验。我国从2006年开始《金融系统稳定性报告》,但报告缺乏压力测试内容,不利于对我国金融体系稳定性做出正确的评价,制定出符合实际情况的政策措施。在目前复杂多变的全球化金融经济体系中,国内的系列金融改革正在全面深入,许多制度措施的实施缺乏现成的经验可资借鉴,客观上需要我们采用新型的方法分析金融现象,做出前瞻性的正确分析,为我国的金融改革和经济发展提供正确的依据。
二、风险价值与压力测试
VaR产生的金融风险实践根源在于20世纪90年代初发生的一系列重大金融灾难(如发生在美国加州橙县的财政破产、巴林银行倒闭等灾难性事件),这些事件的共同教训是由于金融风险的监督和管理不力导致巨大损失。同时也使人们进一步认识到传统的风险管理方法已无法准确定义和度量新形势下的金融风险,因此1993年7月G30集团在研究金融衍生产品的基础上,提出了度量市场风险的VaR方法。VaR在理论上继承和发展了Roy安全第一(Safety First)准则模型的理念,该模型的决策规则是极小化投资组合收益小于给定损失水平事件的概率,与Markowitz收益―风险型投资组合模型的思路不同,安全第一模型给出了另类风险控制的思路,即对损失概率的控制,确定在给定概率置信水平内最坏情况下的损失。 VaR属于下侧量度,已经证明风险的下侧量度是对灵敏度与具有不确定性不利结局的波动性的整合。VaR只涉及可能产生损失的收益下侧偏差,而不涉及意外增益。下侧风险可以数量化地表示为在一定置信水平下单侧区间的边界值,只需考虑超过不利偏差的边界概率对应的下侧分位数。但是VaR在实际应用中也存在一些不足:(1)VaR模型的许多假定基于市场正常情形,无法实现市场极端情形下的风险损失刻画,由于例外事件发生的观测数据非常有限,对于市场的极端情形,基于统计分析视角的VaR难以实现数量化的精确分析。(2)当概率分布不连续时,VaR无法保证置信度的连续性和分位数的惟一性。(3)VaR度量的波动风险有可能是负数,意味着市场可以存在负的波动风险资产,这往往与现实不符。(4)无法有效估算选择权等非线性金融资产的风险损失。因此VaR并不是万能的,只有当使用者掌握了其限制条件后,VaR方法才是有用的。VaR描述了损益的潜在变化,目的并不在于给出最坏的损失情形,尾部的表现需要通过压力测试来进行分析。压力测试提供了关于极端情形的低概率事件对整个金融机构的影响信息,在很大程度上弥补了传统风险价值体系的不足。对于金融风险管理来说,除了考虑正常情况下的可能损失,更重要的是必须确保在极端的市场情形下,金融机构持有的金融资产不会引发金融机构破产风险,通过压力测试,可以发现金融机构在极端市场情形下的风险承受能力。因此,压力测试已经成为VaR风险管理体系不可或缺的组成部分,与风险价值方法构成了一个比较全面的风险分析体系,这些年来得到了迅速的发展。
根据IMF(2004)的定义,压力测试(Stress Testing)指一系列用来评估一些异常但又可信的宏观经济冲击对金融体系脆弱性影响的技术总称[1]。在微观领域,一方面,压力测试具有能评估某些小概率事件对银行经营或其所拥有的投资组合可能造成的影响的优势,可作为金融稳健性指标(如CAMELS)中风险度量工具VaR的重要补充;另一方面,压力测试能帮助金融监管当局更好地监管个别金融机构的市场风险和信用风险。为了有效衡量额外资本缓冲的规模,新巴塞尔协议要求银行对它们潜在的未来最低资本需求进行压力测试。根据新巴塞尔协议第一支柱的要求,如果银行用基于IRBA的内部评级法,至少要考虑温和衰退期的影响。新巴塞尔协议给出的温和衰退期的例子是2个连续的零增长期。FSA给出的是平均每25年一次的经济衰退。根据监管者的要求,压力测试的具体形式可以由银行自己确定。发达国家监管当局均要求或鼓励所属银行遵循新巴塞尔协议的规范进行压力测试工作。微观压力测试在国际银行业得到了广泛应用,已成为银行等金融机构重要的风险管理工具。在宏观领域,压力测试用来衡量冲击对金融系统稳定性的影响。与微观金融机构的压力测试相比,宏观金融压力测试有更广泛的覆盖面(即金融体系及其重要的组成部分),并用于不同目的(金融部门的监管和风险管理),基于最新的分析技术,更专注于传播的渠道(即一个机构的风险如何能够成为一个系统风险)。宏观压力测试并不意味着压力测试应以总体数据来执行,因为把压力测试应用到整个金融系统或大型机构可以掩盖应用于个别机构时所暴露的大量问题,这些问题可能导致金融机构的破产并蔓延到系统中的其他机构。因此在尽可能多的机构上进行压力测试是很重要的。我们不仅要分析总体结果也要分析总体数据结果的分散情况,宏微观压力测试往往需要结合使用。一般而言, VaR和压力测试风险估计不能相加。压力测试衡量资产损失分布中超过VaR值的部分,而风险价值方法是用来衡量资产将要经历的收益或损失,这些资产由一个或更多的基本经济因素决定其价值的具体变化。压力测试是VaR 方法的有效补充,两者共同构成了一个全面的风险管理体系。
三、压力测试与金融系统稳定性评估
压力测试已经成为宏观金融分析的重要组成部分。宏观金融分析包括对金融市场状况的监管和对宏观金融联系的分析,需要编制金融稳定指标来监测金融机构和市场的稳定性以及与之相对应的企业和家庭。金融稳定指标包括金融机构的总体信息和金融机构运行所在市场的指标, 为了便于汇编这些指标,国际货币基金组织已定义“核心”和“激励”两套金融稳定指标。所有核心金融稳定指标与银行部门相关,反映了银行在大部分国家金融体系中的优势地位。在激励金融稳定指标中还包括银行的附加指标、金融市场流动性指标、非银行金融机构和非金融企业部门(如股本的总债务)的指标、家庭部门(如家庭债务服务和主要支出)和房地产市场的指标。对于金融稳定指标分析的关键是它们的相互关系以及它们和其他宏观分析框架的关系。
金融稳定指标与压力测试通常共同使用来分析金融部门的稳定性。压力测试和金融稳定指标之间有许多重要的不同点,这些不同产生于它们在宏观分析中的不同作用。特别是压力测试能更清楚地说明冲击的潜在成本。压力测试冲击和模型基于判断和假设,必须适应于某一特定系统的特点,与编制金融稳定指标相比,不受制于统计学家们数据分析时所采用的严格标准,所以压力测试的结果与在金融系统真实条件下得到的金融稳定指标没有可比性。考虑到这些限制条件,压力测试和金融稳定指标提供了相互补充的风险分析方法。面对复杂金融系统,压力测试衡量的损失验证了金融稳定指标是否切实可行,压力测试作为其风险管理的重要组成部分,其结果可以描述成与市场风险金融稳定指标(如由于给定规模的变动所造成资本的损失)相比的一种形式。这种互补性反映了两者在分析水平上的密切关系。例如,从汇率波动压力测试中估计的直接损失可以近似地用汇率的变化乘以净开放外汇资产金融稳定指标。
宏观金融分析压力测试的重要性主要表现在三个方面:对宏观经济看法的整合、对金融系统作为一个整体的关注、对银行间风险评估方法的统一。不像大型银行进行的压力测试旨在衡量投资组合和各个银行的风险,宏观金融压力测试在对宏观经济和市场风险进行评估的基础上应用一种共同的情景来进行,这种统一的做法使结果有整体性,便于在整体系统水平上确定关键风险,并提供银行等金融机构间风险的可比信息。就政策当局而言,利用宏观压力测试可实现两方面的作用:一是和传统的CAMEL指标、早期预警系统等一起使用来识别需要重点关注和进行救助的弱势金融机构。二是实现宏观金融系统的监控,用于模拟分析小概率异常事件冲击对整个金融系统的影响,评估金融系统整体应对外来冲击的风险承受能力,提高对金融风险传导途径的理解(如危机传染),分析各种风险传导途径的相关性和重要性从而找到金融系统中的薄弱点和危机发生时的政策优先处理点,分析政策干预的成本等。
根据IMF和World Bank的金融部门评估项目(FSAP),金融稳定评估框架 FSAP通过三个层次评估金融体系是否稳健:一是宏观层次,衡量宏观审慎监督的效果。主要是通过编制和分析金融稳健指标判断金融体系的脆弱性和承受损失的能力,通过压力测试评估冲击对银行体系的影响。二是微观层次,判断金融基础设施是否完善。通过对照国际标准与准则,检验一国支付体系、会计准则、公司治理等是否完备。三是监管层次,评估金融部门监管是否有效。重点评估对银行、证券、保险、支付体系的监管是否符合国际标准。基金组织和世界银行在上述三个层次的基础上,形成对被评估经济体的金融稳定报告。
政策当局进行金融稳定性评估时会综合使用多种分析工具。其中,定性分析工具包括制度、结构和市场特征及监管框架、标准与准则等信息分析;定量分析工具包括金融稳健性指标(Financial Soundness Indicator,简称FSIs)、宏观和行业资产负债表分析、早期预警系统、压力测试等。在定量分析方面,压力测试对政策当局来说是重要的风险评估工具,能提供未来某种极端不利冲击影响的模拟信息,是金融稳健性指标分析的有效补充(如图1所示);金融稳健性指标和早期预警指标等能提供历史和现状的对比信息。
目前几乎在所有金融部门稳定性评估方案任务中都有对汇率风险、利率风险、信用风险、股票价格和房地产价格风险、流动性风险等的压力测试分析。另外,一些国家的金融部门评估方案任务中还包括商品价格风险的压力测试,这主要在商品贸易比较重要的发展中国家进行。(1)汇率风险。其中有一半计算它对单个机构或银行团体未平仓合约资产净值的影响,这反过来又校准了对资本的影响。大约40%的金融部门评估方案任务采用回归分析和蒙特卡罗模拟来确定汇率变动对信贷质量(不良贷款)的影响。汇率风险是由于汇率变动引起资产和负债价值出现损失的风险。它包括直接汇率风险和间接汇率风险,前者可以使用未平仓合约净值占资本的比例来评估,是金融稳定核心指标之一,风险直接,易于控制和管理;后者主要是由于汇率变动引起金融资产间出现高度非线性的风险,在这种情况下,基于银行开放程度详细分解基础上的压力测试是一种卓越的分析工具。 (2)利率风险。利率变动影响利息收入和利息支出,同时通过金融工具市场价格的变动来影响资产负债表。大多数金融部门评估方案任务中都有利率风险分析。由于数据的限制,大部分金融部门评估方案使用成熟的收入现金流方法。一些使用基于持续期和风险价值(VaR)的更先进技术。约有25%的金融部门评估方案任务由于没有获得成熟的持续期模型数据而利用收入数据简单计算收益风险。(3)信贷风险。信贷风险主要是指信贷资产质量出现非预期变化所带来的损失,是最重要的金融风险来源之一,信贷风险的全系统压力测试通常基于贷款业绩数据(如贷款收益率、不良贷款率)和借款人资料(如财务杠杆、利息覆盖率)两个方面进行。目前超过1/2的金融部门评估方案任务使用基于不良贷款的方法建立信贷风险模型。大约60%的任务使用特别不良贷款迁移模型。只有约30%的任务使用回归分析研究潜在的宏观经济冲击对不良贷款行为的影响。(4)股票和房地产价格风险。金融部门评估方案任务中大约有1/2测试了股票或房地产价格风险。在大多数情况下,股票价格风险压力测试包括在广义市场风险中,通过股票的未平仓合约指标来计算。房地产价格风险的压力测试包括:直接风险(投资于房地产);信贷风险(如贷款给房地产开发商);由房地产的抵押程度所产生的风险。产生于房地产抵押的风险认为与信用风险有关,它随着贷款与价值比率(即贷款收益与担保品价值的比率)和违约率的增加而增加。(5)流动性风险。流动性风险是资产不能立即变现以满足现金需求而产生的风险。设计流动性压力测试最具挑战性的一步是确定哪些资产通常具有流动性但在某个财政压力时期又不具有流动性。流动性风险压力测试的一种直接办法是让流动资产的价值按一定比例或数额变动。如可以根据银行以往的经验来确定该比例或数额,一般要求在资金缓慢流出而没有外部支持的情况下银行应该能够至少生存5天。流动性风险主要关注两种情形:一是关注银行的债务风险,这通常以银行最大的储户突然撤回其资产作为模型;二是流动性压力在银行间的传递。由于一家银行产生了流动性问题,从而引起另外一家银行的流动性变弱。国际货币基金组织(2003年)提供了可以作为压力测试的流动资产和债务的指引。和其他压力测试一样,不能忽视资产负债表外的资产(如衍生产品或银行扩大的贷款承诺)对流动性产生的重大影响。
四、压力测试在金融系统稳定性评估中的应用
国际货币基金组织和世界银行已经开始了金融部门评估规划FSAP(金融部门稳定性评估方案),它致力于评估其成员国金融体系的优缺点。这一项目下的评估迄今已涵盖70多个司法管辖区,并提供各种建议改善金融体系框架。压力测试从一开始就是评估金融部门稳定性的一个关键因素,它可以帮助确定监测金融系统稳定性所需数据的数量和性质,分析金融系统作为一个整体受到外部冲击的影响,提供一个独立核查风险潜在来源的方法并扩大对金融系统联系的理解。已有的经验表明,压力测试的类型需要适应不同国家的情况、金融系统的复杂性和数据的可用性。压力测试的宏观效果可以通过使用宏观经济模型(帮助校准选择的情景和为测试达成一致的假设)、对金融机构同业间影响的分析和参与各大金融机构的压力测试演习获得进一步的提高。压力测试主要包括三个方面:(1)敏感性分析,其旨在确定金融资产价格如何随相关经济变量(如利率和汇率)的变化而变化。(2)情景分析,其目的是评估在一定置信水平条件下金融机构的应变能力和金融系统的异常情况。(3)传染分析,主要考虑单个风险冲击如何传导至整个金融系统。
(一)压力测试的实施
基于宏观金融分析的压力测试可以被看做是一个研究系统关键风险的多步骤过程。一般而言,实施宏观压力测试主要包括以下6个步骤。
1.确定纳入测试的机构和资产范围
宏观压力测试首先需要考虑纳入分析的金融机构及资产范围:仅考虑大型银行机构,还是考虑包括外国银行、非银行金融机构、保险公司、养老基金;将哪些类别的资产纳入分析范围(对资产的选择部分依赖于需要分析风险的本质和数据可得性);对银行的风险暴露采用银行账面价值还是其他指标来衡量等,测试范围的选择决定了计算所需的数据。
2.识别主要风险因素
压力测试必须要检测存在于一国实际情形下与宏观经济风险有关的潜在冲击后果。因此,在压力测试设计过程中首先要讨论经济所面临的潜在风险,发现在特定的经济条件下,某些类型的冲击(例如利率增加或货币贬值)比其他类型的冲击更有可能发生,并且评估风险和风险是如何联系在一起的。压力测试的设计是一个反复的过程,因为一些原来确定的风险可能导致的影响相对较小,但如果有实质性风险的话,原来一些小风险可能导致很大的影响。然而影响金融体系的风险因素很多,不可能对所有的风险进行压力测试,需要我们集中力量关注金融体系的薄弱点,了解金融体系的内在脆弱性。一般来说,金融体系主要包括市场风险、信用风险和操作风险三大类,进一步可以细分为汇率风险、利率风险、信用风险、股票价格和房地产价格风险以及流动性风险等,对于不同的金融体系,这些风险因素的重要程度是不同的。
3.压力情景的设计与校准
对一个假设情景的模拟说明意味着这样的冲击:它比历史上所观察到的情况(或未发生)更可能发生或它在未来可能发生并打破传统结构。设计金融系统压力情景时需要考虑风险类别的选取(如市场风险、信用风险、流动性风险等),考虑单一冲击还是多重冲击(选择多重冲击处理较复杂,但能增强压力测试的预测力)、冲击参数的选择(价格、波动性还是相关性)、冲击的程度(历史还是假设情景)及时间长度等。对于金融系统风险的规模通常有两种确定方式,这两种方式对应于不同的压力测试计算方法:第一,比较典型的方式是在选定置信度后制定一个极端的情况并思考它对于金融系统的影响。我们称之为“最坏情况做法 ”,因为从效果来看,在给定置信度下该情况有最大的影响力。第二,不太常见的方法是选择一个对系统有影响的特定“临界值 ”并求系统在达到该“临界值”时所需要的最小冲击。压力情景设计时校准冲击的程度是关键点,设置得太高或太低可能使压力测试没有意义。一般而言,冲击的程度选取某段时间内风险变量最大的变动幅度或历史变动方差。还需要校准次轮效应(second-round effects),即原始冲击引起其他经济变量变动情况(如油价冲击可能影响GDP、利率、通货膨胀等),一般采用结构式或简约式宏观计量模型来分析冲击变量之间的相互影响。
4.风险来源的确定及其相关性分析
针对不同的风险进行压力测试时,需要估计这些风险被记录在机构资产负债表的哪个地方,了解金融系统可能产生损失的风险在哪里,尤其在较发达的金融系统中,还要了解衍生工具和证券活动风险转移的详细情况。对涉及到具体经济部门冲击的风险估计,可以从对金融机构替代活动风险的结果中得到(如信贷、股票、衍生产品、信用衍生产品、结构性产品、战略的长期投资、保险)。例如,一个重要经济部门产量的回落可以通过多种方式反映在压力测试中:主要有直接贷款、债券以及整个行业相关的信贷损失、由于投资所导致的该行业股票市场价格变动、由于冲击对工资和就业产生不利影响而导致相关的消费信贷和抵押贷款的增加、银行和保险行业资产负债表外的损失、由于冲击所产生的相应部门违约。
通过金融稳健性指标反映的各种风险因子间可能存在相关关系(如油价冲击极可能同时影响市场风险和信用风险)。处理这种相关关系时要求能综合考虑各种风险因子的统一分析框架,抓住重点简化处理。在许多银行业压力测试中,信用风险引起的损失占总损失的绝大部分,这就能简化用Logit或Probit概率模型进行分析。
5.金融机构间风险传染效应的压力测试
我们不仅要根据金融稳定性指标来反映宏观经济冲击对金融系统稳定性的影响,而且还要分析冲击传染的途径、微观主体间的交互反应等。政策当局通过单个金融机构的压力测试结果可以掌握冲击对金融体系的直接影响程度及其分布情况,但还必须展开传染效应分析以了解冲击的间接影响,以免出现“多米诺骨牌效应”和“羊群效应”。金融机构间压力测试使标准的压力测试得到补充,往往一家银行的稳定出现问题可能使系统内其他银行在国际市场上的融资产生困难,引发民众对整个银行体系的信心下降,导致系统内其他银行破产的风险。
银行间压力测试包括纯粹压力测试和综合压力测试,前者旨在回答系统中任何银行(或一组银行)的破产是否使其他银行的经营状况下降,它也可以用来表明潜在的流动性危机(因为银行不完全了解借款人的偿付能力)使其他银行削弱到何种程度(即使没有银行破产),指明哪家银行是系统性风险的潜在根源;后者着重于由宏观经济压力所引起的银行间传播,它首先把银行系统置于宏观经济压力的情况之下,如果没有银行破产,则需要增大宏观经济冲击,直到一家(或一组)最弱的机构破产,然后像纯粹压力测试那样计算银行间风险传染的影响。
银行间风险传染效应压力测试计算一般通过银行间的风险矩阵来实现(如表1所示)。矩阵中的每一行代表一家银行,行中每一项表示该银行与其余每个银行的全部银行间风险。
“纯粹”银行间风险传染压力首先假定有一家破产的银行(比如说银行1 )。破产可能由任何原因引起,例如欺诈行为。第一轮计算银行1的破产对其余每个银行的直接影响,并假设银行1不用偿还其银行间无抵押资产(或部分资产)。如果一些银行由于银行1的破产而破产,第二轮的计算将包括这些新破产的银行对剩余各银行的影响。如果第二轮之后有新的银行破产,这个过程可以在第三轮重复进行,如此类推。系统性风险的两项指标可以从纯粹银行间压力测试的结果中计算出来:(1)银行破产频率的指标,这是累积破产的银行数目与系统中银行总数的比率。(2)银行系统资本影响的统计方法(例如中位数,分布情况和四分位数)。具体来说,我们可以定义一个“系统性风险指数”,由系统中最重要银行的破产所引起的银行资本比率的平均减少量。这种方法可以计算该系统中的所有银行并根据它们在系统中的重要性来对银行分类。
6.基于压力测试结果的金融系统风险承受力评估
通过压力测试,政策当局可以清晰地发现金融体系的薄弱点,传染效应分析可以定量地判定金融机构系统的重要性,发现危机在银行间和实体变量间传染的渠道,不同银行机构间的交互反应,由于损失率上升引起评级下降从而融资成本上升的风险内生性问题,金融层面的影响结果(如银行借贷影响)又反过去影响实体经济层面的反馈效应等。在各传导机制的基础上分析损失分布和总体分布,将决定是否对问题金融机构进行救助,提高了政策当局决策的准确性和时效性。但是,压力测试的结果应解释为风险的指标而不是预告银行的破产,我们要记住它所建立的限制条件和假设,压力测试提供的信息与其他分析工具的见解要相互补充:尤其是对法律、体制、法规和监管框架的评估;对金融系统结构和关键风险的分析;金融稳定指标的实证分析。典型的压力测试认为银行是一个静态资产组合而不是积极的动态单元,然而对风险的彻底审查,必须考虑到银行可以动态适应环境冲击的事实。根据银行面临的各种冲击因素,这些措施可能增强或减弱初始波动带来的风险。为了了解在特殊情况下银行所面临冲击的结构,就有必要了解银行机构所处的环境,如银行的治理安排、法律、会计、税务、规章制度以及持有人如何应对银行在债券和股票市场可能采取的行动。
另外还要考虑银行维持损失的能力,虽然压力测试结果提供了金融风险漏洞导致的金融机构市值损失的估计,但是银行预定资产的重大损失没有反映在监管资本计算中,不但大量低级的贷款继续支付利息并且保持运作,而且如果市场压力暂时平息,它们又重新变得有价值。
最后还要讨论系统可能出现误差和不确定性的地方,为系统的进一步修正优化提供指导。
(二)压力测试模型和压力测试系统的实践
虽然压力测试方法应用时间较短,但在实践中得到了迅速的推广,已经成为政策当局金融稳定性分析工具的重要组成部分。宏观压力测试并不是采用宏观数据进行压力测试,宏观压力测试利用的基础数据主要还是微观数据,主要考虑微观测试结果如何加总,需要突出分析微观主体的交互反应、传染效应(contagion effects,又称domino effects)、反馈效应(feedback effects)等。目前主要有三种代表性模型:(1)Boss的网络模型。该模型的优势在于将各种风险因子和商业银行面临的各种风险(主要是市场风险和信用风险)统一在一个分析框架内,可操作性强和执行效率高(直接用商业银行资产负债表各资产账面价值数据进行分析),容易得出政策结论(结果用损失概率来表示,且能得到最后贷款人的干预成本(bailout cost))。其局限在于结构模型,没有模拟个体间的相互作用、激励和反馈效应,很难计算银行间的联合违约概率(PDs),基于资产负债表信息,不能有效反映信贷衍生品等表外资产交易对银行风险暴露的影响。(2)Goodhart的违约依赖模型。该模型的创新之处在于模拟银行间的违约依赖性及其稳定性含义,提出了非线性条件下分析银行间的联合PDs的新框架,更好地考虑了个体特征和激励问题。强调了微观宏观联系和压力测试中的棘轮效应、强调传染是金融危机的主要驱动力。其局限性在于计算量大(多家银行情况下多维的Copulas计算量较大),而且很难解释压力测试的结果。(3)Tsatsaronis的信用风险转移模型。该模型的优势在于考虑了信用衍生品等表外资产交易的风险测度,局限在于该模型发展还不成熟,尚未将各种风险因子影响整合为统一框架,还未进入实践应用领域。
总的来说,宏观压力测试对传染效应的研究尚处在探索阶段,还值得进一步研究。近年来经济和金融环境的改变引起了对宏观压力测试的新挑战:大型跨国金融机构(Large and Complex Financial Institutions,简称LCFIS)的活动跨国化,使得银行风险的评估和监管在金融市场全球化条件下进行;非银行活动的增加使得传统的采用资产负债表方法分析风险较困难;信用风险转移市场的迅速发展改变了金融系统风险动态化的本质,如对冲击的非线性反应等。
比较典型的宏观压力测试实践系统有IMF和World Bank的“金融部门评估规划”(Financial Sector Assessment Program,简称FSAP)、英格兰银行的TD压力测试系统、奥地利央行的SRM测试系统。其中后两者都是在FSAP压力测试系统基础上发展起来的。
(1)FSAP于1999年5月推出,源起于1997年的亚洲金融危机,目前已成为被广泛接受的金融稳定评估框架,该框架包括三种分析工具:金融稳健指标、压力测试(Stress Testing)、标准与准则(Standards and Codes)评估,压力测试是对金融稳健指标分析的有效补充。 FSAP压力测试系统是各国开发压力测试系统的参考基础。FSAP压力测试主要由信贷、利率、汇率、流动性、操作风险及风险传染模块组成。风险情景、影响指标的设计依赖于各国的宏观经济环境和数据可得性,截至2007年,FSAP共对80多个国家或地区的金融体系稳定性进行了压力测试。 在FSAP参与的项目中,情景测试占95%、考虑银行间传染效应的占38%、保险业压力测试占37%[5]。
(2)英格兰银行的TD压力测试系统集中于分析核心金融脆弱性在金融系统和实体经济系统间的风险传导渠道,实践中对数据要求很高,考察的风险种类也较多(包括了流动性风险),考察了风险的内生性(如违约率上升导致银行信贷评级下降、融资成本上升风险)、市场微观主体(居民、企业、政府、银行金融机构和非银行金融机构)间的交互反应和风险的传染效应、金融变量和实体经济变量间的反馈效应(feedback effects)等问题。该系统的实施步骤包括识别系统关键脆弱性、选择压力情景、估测脆弱性影响、估计整体影响和概率、评估总体金融系统稳定性风险、误差分析等。
(3)奥地利央行的SRM测试系统主要建立在Elsinger (2006)和Boss(2002)的银行间网络模型的基础上,银行机构间的联接点用银行间市场双边借贷头寸来反映。该模型只考虑了银行间简单的相互关系,对传染机制的考虑不多,没有考虑资产负债结构问题和由于银行评级变动引起的风险内生性问题,也没有考虑反馈效应问题,在实践应用中对数据的要求不是很高,操作性较高。
实践经验表明,压力测试可以帮助确定监测金融系统稳定性所需数据的数量和性质,提供了一种独立核查风险潜在来源的方法并扩大对金融系统联系的理解。目前一些中央银行已开始在金融部门评估方案指导下进行经常性压力测试演习,另一些中央银行已经注意增加对商业银行压力测试的监管,还有的正在致力于建立一个定期进行压力测试的系统,并定期公布它们对金融部门稳定性的分析(即所谓的金融稳定性报告)。
五、金融稳定性风险压力测试的未来发展
我们正处于一个不断发生重大变革的年代,快速发展的金融创新和国际一体化趋势一日千里,对处于各种压力之下的金融体系行为产生了深远的影响。金融网络的全球化在降低潜在金融危机发生频率的同时,也增强了危机发生时的破坏强度。近30年以来发生的一系列金融危机,使全球主要金融机构将改善金融稳定性分析作为自己优先考虑的事项安排,最近几年,“自下而上”或公司级的压力测试实践获得了迅速发展;与此同时,各国政策当局也将支持和维护金融稳定作为公共政策目标,并发展了一系列“自上而下”的宏观压力测试模型和系统。政策当局试图通过宏观经济和金融模型估计不利冲击对金融体系的影响。然而金融体系的行为很难被模拟出来,尤其是在参与者和溢出风险、传染风险的策略互动显现出来的压力条件下。虽然面临的压力时期是罕见的,历史也只能给我们有限的帮助,但是我们为了维护金融体系的稳定,必须对未来压力情形发生时金融体系是否稳健进行了解,以便防患于未然。未来理想的压力测试将围绕这三个目标进行:评估金融体系在可信的极端条件下面临冲击的脆弱性;了解金融体系面临冲击时相互间的风险传染效应,对行为反应、相互作用和反馈效应进行整合,以确保获得对全系统的影响;发现金融体系面临冲击时的“薄弱环节”,提前做好危机管理,降低系统风险。为了有效地实现这些目标,在风险价值理论的基础上,构建一种严格、连贯一致和健全的压力测试框架对金融稳定性进行分析将是未来压力测试模型系统的发展方向。虽然政策当局和金融机构在未来实现这一框架系统会面临很多困难和挑战,但这是值得的。这种考虑了宏观调控、金融体系的相互作用和反馈效应的压力测试框架将提高我们对风险和风险价格的理解,更加密切关注所包含的系统性风险和系统性金融稳定,更有针对性的是实施公共政策,进而更好地维护整个社会利益。
参考文献:
[1] P.Jorion.Value at Risk:The New Benchmark for Measuring Financial Risk[M].McGraw-Hill,New York,2001
[2] Cihak, M.How do Central Banks Write on Financial Stability[R].IMF Working Paper,2006
[3] Mark Swinburne.The IMFs Experience with Macro Stress-testing[R].Conference Report on Stress-testing and Financial Crisis Simulation Exercises,Frankfurt, 2007,(12-13)
[4] Dale F. Gray, Robert C. Merton,Zvi Bodie.New Framework for Measuring and Managing Macrofinancial Risk and Financial Stability[R].IMF Working Paper,no. 09015,2008
[5] Andrew Haldane,Simon Hall Silvia Pezzini.A New Approach to Assessing Risks to Financial Stability[R].Bank of England Financial Stability Paper,No.2,2007
[6] C.A.E. Goodhart.A Traverse from the Micro to the Macro Stress Testing[R].Conference Report on Stress-testing and Financial Crisis Simulation Exercises,Frankfurt,2007,(12-13)
论文摘要：现代商业银行的风险管理体系中，风险管理技术已经成为推动管理水平上升的重要推动力。本文阐述了当今世界银行业所采用的主流的风险管理技术，并针对我国商业银行风险管理技术方面尚存在的不足，提出了相应的整改措施和努力方向。
现代商业银行的全面风险管理体系由众多环节所构成，其中的每一个环节都需要一定的人力、物力以及技术支持，在前两个要素能够得到充分满足的前提下，技术进步将直接影响商业银行风险管理的水平。针对每一个风险管理环节，都具有相应适用的技术工具，但通常谈到的风险管理技术是指风险度量技术，尤其是用于风险测度，的各种建模方法。事实上，风险计量模型也正是商业银行推行量化风险管理所关注的重中之重，从而也是发展速度最快的方法论工具。
一、现代商业银行风险管理技术
1．信用风险模型
传统的信用风险度量方法有信贷决策的“6C”法和信用评分方法。近二十年来，由于商业银行贷款利润率持续下降和表外业务风险不断增大，促使银行采用更经济的方法度量和控制信用风险，而现代金融理论的发展和新的信用工具的创新，给开发新的信用风险计量模型提供了可能。现代信用风险度量模型主要有：(1)CreditMetrics信贷组合模型，运用VaR框架，用于对诸如贷款和私募债券等非交易资产进行估价和风险计算；(2)KMVEDFs信贷组合模型，利用期权定价理论评估企业的预期违约率；(3)CSFPCreditRisk+信贷组合模型，应用保险经济学中的保险糟算方法来计算债券或贷款组合的损失分布；(4)麦肯锡CPV信贷组合模型，在CreditMetrics的基础上，对周期性因素进行了处理，克服了CreditMetrics中不同时期的评级转移矩阵固定不变的缺点。
2．市场风险模型
商业银行市场风险的度量模型绝大部分是基于VaR方法。计算VaR主要的方法有三大类：一是方差一协方差方法(参数化方法)，二是历史模拟法(经验法)，三是结构性模拟法(蒙特卡罗模拟)。除此之外，极值方法和压力测试也是常用的衡量市场风险的方法。
方差一协方差法假定风险因子收益的变化服从特定的分布(通常是正态分布)，然后通过分析历史数据来估计该风险因子收益分布的参数值，如方差、相关系数等，进而得出整个投资组合收益分布的特征值。方差一协方差方法中有代表性的有组合正态法、资产正态法、Delta正态法和Delta-Gamma正态。历史模拟法是一种简单的基于经验的方法．它不需要对市场因子的统计分布做出假设，而是直接根据VaR的定义进行计算，即根据收集到的市场因子的历史数据对投资组合的未来收益进行模拟，在给定置信水平下计算潜在损失。
蒙特卡罗模拟法是基于历史数据，模拟出投资组合中不同资产可能的价格变化。并由此推算出投资组合价值的变化，进而求取其投资组合回报。将每一个模拟的投资回报进行分布处理，可以得出投资组合回报分布，从而按照一定的置信水平要求，求出VaR的大小。
极值理论是通过极限值理论或情景分析，研究小概率事件，估计损失规模，计算风险值。极值理论的优势在于它直接处理损失分布的尾部，且没有对损失数据预先假设任何的分布，而是利用数据本身说话。主要的极值理论模型有传统极值理论、分块样本极值(Block-maxima)模型、POT(PeakOverThreshold)模型和C()PULA一极值理论方法。
压力测试被用于测量极端情况下的操作风险情况。压力试验包括情景分析和系统化压力试验，其中情景分析是最常用的压力测试方法，包括两大步骤：情景构造和情景评估。情景构造描绘出某些极端情景。包括银行极端损失的大小、风险因子波动的极端范围等。情景构造的主要方法包括历史模拟情景方法、典型情景方法和假设特殊事件方法。
3．操作风险模型
巴塞尔委员会在新资本协议的监管框架中。将操作风险正式单列为除信用风险和市场风险之外的第三种主要风险，首次将市场风险、操作风险与信用风险一起纳入最低资本监管要求并强调不同风险之间的相关性，并分别提供了从简单到高级的一系列操作风险衡量方法基本指标法是巴塞尔委员会设定的一种最为初级的操作风险度量方法，它将单一风险暴露指标的一个固定比例作为资本准备要求，即操作风险资本准备，为基本指标法所计算出的操作风险资本准备；El是机构的风险暴露指标；a为巴塞尔委员会设定的常数比例指标为银行某年的最低监管资本要求，按照巴塞尔委员会所规定的加权风险资本8％的比例来计算；GI为银行同期用于规范资本的总收入。是采用平滑方法计算得出的最近三年总收入的均值；1Z％是巴塞尔委员会给定的调整系数。
标准化方法对操作风险的度量要求银行将总收入与业务线进行匹配，对每个业务种类都设定·个风险暴露指标EI以反映银行在此业务领域的规模和业务量，从而对整体操作风险的资本金要求为 ，其中Ks为标准化方法下的资本分配；El。为每条业务线的风险暴露指标；为每条业务线的系数值，其计算公式与基本指标法相似S为银行分配给第种业务的操作风险经济资本的份额，MRC为银行的最低监管资本要求，Ej为银行第i种业务的指标值，12％是给定的调整系数；是对特定业务种类下银行的操作风险损失与相应概括性指标间关系的衡量。不同业务种类的口值不同，均由巴塞尔委员会给定。
高级衡量法是巴塞尔委员会在《巴塞尔新资本协议》中所推出的一系列较为复杂的计量方法的总称，主要包括内部衡量法、损失分布法和极值理论模型三种，它们均建立在对损失数据的分布进行合理假设的基础上，运用量化的分析方法对操作风险的资本要求进行测算：(1)内部衡量法类似于信用风险度量中的内部评级法，是指银行基于对预期操作风险损失的度量来估计风险资本要求的水平，即假定预期损失(损失分布的均值)和非预期损失(损失分布的尾部)之间具有稳固的关系，这种关系既可能是线性的，也可能是非线性的。利用内部度量法计算风险资本要求是基于这样一个框架：将银行的操作风险暴露分解成8大业务种类(与基本指标法相同)和7大风险损失事件类型。对于每个业务类别／损失事件组合(共有7×8—56个组合)，银行可使用自身的损失数据来计算该组合的预期损失EL。监管资本则由预期损失(亦即损失分布的均值)和非预期损失(损失分布的尾部)的关系来确定；(2)损失分布法(LDA)是一种较为复杂的操作风险量化方法，它使用操作风险损失事件的历史数据库来计算操作风险资本金数量。在对损失事件频率和损失强度的有关假设基础上。对每一业务线／损失事件类型的操作风险损失分布进行估计。损失分布法依赖于银行的内部数据来把握其特有的风险特征。每一个银行中的每一种业务都具有自己的风险特征。这些特征是基于该业务的内在风险(如产品类型、复杂性和法律环境)和控制机制(如文化、系统、内控和政策等)。由于每个银行都是独特的，量化其风险特征的唯一途径就是检查分析其实际的损失数据；(3)极值理论近年来被引入到操作风险的量化管理领域。具体方法与市场风险的极值理论模型相似。 4．一体化风险模型
全面风险管理体系的形成和发展对风险管理在技术上、成本上提出了更高的要求，从而促使银行开始寻求新的解决之道。目前，在世界范围内诞生了一批风险管理专业化公司，以及基于全面管理理念而建立的新一代风险管理模型——一体化风险度量模型。这些一体化模型将信用风险、市场风险、操作风险三大类风险和其他风险进行整合管理，为商业银行实现全面风险管理目标，提供了技术基础。具有代表性的模型有：(1)由AIgorithmics(简称Algo)公司设计的风险观察(RiskWatch)模型，在市场定价的基础之上开发出“未来定价(MarktoFuture)”方法来为资产组合定价；(2)由AXIOM软件公司建立的风险监测(RiskMonitor)模型，将方差一协方差，蒙特卡罗模拟，历史模拟及多因子分析等方法进行整合，对所有市场，业务线及金融工具的风险提供一种可以持续、一致测量的方法；(3)由Askari公司开发的风险账本(RiskBook)模型，用一种一致的分析提供多种风险的视角；(4)由IQFinancialSystems公司创立的RiskIQ模型，基于RAROC的风险综合管理模型；(5)金融工程公司(FinancialEngineeringAssociates，Inc．)风险管理模型，在风险矩阵RiskMetrk的基础之上改进了VaR技术，可以使用户确定新的交易将如何影响整个资产组合的VaR，并提供了VaR成份分析；(6)网际测险公司(Measurisk．Conr)风险管理模型，基于监管者的规定，对客户的基金在总体水平上的风险做出综合评估。
二、我国商业银行风险管理技术存在的不足
(1)风险管理工具与技术落后
目前，西方发达国家的商业银行在风险的量化管理方面远远领先于我国的商业银行。我国商业银行在风险管理工具和技术方面的差距主要表现在：首先，国外商业银行通常会大量运用金融衍生工具进行资产保值的风险转移策略，这主要得力于国外发达的金融衍生品市场。我国目前除了一些地方性的商品期货交易所和正在筹建的金融期货交易所，尚无成熟的金融衍生品市场，由此限制了我国商业银行运用金融衍生品对以市场风险为主的银行风险进行控制；其次，国外已经相对成熟的大量风险量化模型，如VaR等，在我国还处于萌芽阶段，风险管理人员对模型的运用能力还有待加强；第三，由于起步较晚，尚未建立起同时为监管者、市场和银行所接受的数据甄别标准，使得我国商业银行大多无法建立完善的、整合的历史损失数据库，而没有数据就意味着基于数据统计分布的量化模型根本无法建立。
由于风险量化管理的不足，使得银行在日常管理中更多地使用定性分析和人为直接控制，主要依靠缺口管理和指标分析法进行风险管理。如信用风险管理，大多依据贷款投向的政策性、合法性及安全性；又如经济资本的计算，由于无法达到《巴塞尔新资本协议》的量化标准，还只能采取标准法进行衡量。
(2)数据库的缺乏
数据库是构建整个操作风险量化管理体系的基础，它储存着大量内外部共享性分类信息。通常而言，这些信息分别与特定业务、损失事件或风险目标相对应．这些存储的数据包括前台交易记录信息、各种风险头寸、金融工具的信息、极端损失事件、外部损失事件等等。数据结构由操作风险管理方法的复杂程度而定，通常可以分为动态数据和参考数据(静态数据)两大类。前者包括与具体业务相联系的交易数据以及内外部损失数据，后者则主要包括产品数据和风险管理模型数据等。
巴塞尔委员会对风险管理模型，尤其是风险度量模型的损失数据具有非常高的要求，包括数据的累积性、真实性、客观性、准确性等等方面。目前我国大多数商业银行已经建立了大集中数据库用于搜集内外部损失数据，然而由于技术尚未成熟，并且体制方面的原因也导致外部损失数据尤其是低频高危的操作风险损失数据的搜集具有较大难度，这使得目前的数据库一方面不够全面，另一方面更新较慢，限制了量化管理模型的应用。
三、发展我国商业银行风险管理技术的着重点
