美国大型商业银行压力测试框架解析，本文主要内容关键词为：商业银行论文,美国论文,框架论文,压力测试论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
2007年爆发的美国次贷危机和由之引发的全球金融市场动荡是对全球银行业风险管理能力的一次最现实、最直接的综合压力测试和实战演习。历次金融危机表明，各经济体特别是金融部门的稳健性对该国宏观经济健康发展以及抵御危机至关重要。在当前经济金融全球化的宏观大环境下，如何提高商业银行的风险管理能力和水平，强化其风险识别、度量、监测和控制能力，以确保作为金融核心的银行业体系的稳健和安全性，对维护我国金融体系整体的安全稳定性、促进国民经济的可持续发展都具有极其重要的现实意义。压力测试作为风险价值模型的重要补充，通过对银行业机构在遇到假定的小概率事件等极端的“受力”情况下可能发生损失的测算，为银行董事会和高级管理层的经营和风险管理决策提供强有力的理论依据和实证支持，同时可以作为评判金融体系稳定性的重要工具，是金融监管当局监管银行业金融机构风险的有效手段，可以帮助监管当局充分了解单家银行和银行业体系的风险状况和风险抵御能力，以相机采取必要监管措施，达到防范控制风险的目的。
中国银监会非常重视压力测试在风险管理中的应用，于2007年发布了《商业银行压力测试指引》，自金融危机爆发以来先后在全国银行业金融机构进行了房地产行业、信贷风险等多个压力测试项目；2009年1月，巴塞尔委员会又公开发布了《稳健的压力测试实践和监管原则》征求意见稿，明确提出了压力测试应成为一家银行整体治理和风险管理文化的组成部分，由此可见国际银行监管组织对推进商业银行开展压力测试工作的高度重视，同时也说明了银行压力测试对提高自身风险防范管理能力的重要性。
本文在深入解析美国大型商业银行压力测试框架的基础上，结合我国实际，系统地提出我国商业银行有效开展压力测试项目的设计方法和实施建议，旨在为我国商业银行履行巴塞尔新资本协议和应用压力测试这种前瞻性风险管理工具提供理论和实证支撑。
一、压力测试概述
(一)压力测试定义
在金融风险管理领域，压力测试通常是指将金融机构或资产组合置于某一特定的极端情景下，如经济增长骤减、失业率快速上升到极端水平、房地产价格或股价暴跌等异常的市场变化，然后测试该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，测试其是否能经受得起这种市场的突变的分析过程。目前关于压力测试的权威定义主要有三个：根据IMF的定义，压力测试是指利用一系列方法来评估金融体系承受罕见但仍然可能的宏观经济冲击或者重大金融事件的过程。巴塞尔委员会将压力测试定义为：其是一种风险管理技术，用于评估特定事件或特定金融变量的变化对金融机构财务状况的潜在影响，它应独立于其他风险管理工具，如风险价值(VaR)和经济资本，并形成对其他风险管理工具的补充。中国银监会发布的《商业银行压力测试指引》中，将压力测试定义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。这三种定义分别基于不同的视角和分析对象，具体如表1所示。
压力测试通常包括情景测试、灵敏度测试两种具体方法。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，情景一般可分为历史情景和假定情景两种。灵敏度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。其最简单直接的形式是观察当风险参数瞬间变化一个单位量情况下机构资产组合市场价值的变动，灵敏度测试仅需指定风险参数变化，而无需确定冲击的来源，因此使用简单快速而且经常是即时的测试。测试过程中，根据情景假设程度的不同，按照压力不断增强的顺序一般包括轻度压力、中度压力以及严重压力，其中的轻度压力也比目前实际情况更为严峻。
(二)压力测试原理
根据巴塞尔协议Ⅱ，压力测试是与风险价值(Value at Risk，以下简称VaR)相对应的概念，二者是密切相关而又有一定区别的风险管理方法。所谓风险价值是指在某一特定的时期内，在给定的置信水平下，相关资产或资产组合不会超过的最大损失值。例如，某银行在2008年置信水平为95％的年VaR值为960万美元，其含义指该银行有95％的把握保证，2008年某一特定时点上的金融资产在未来1年内，由于市场价格变动带来的损失不会超过960万美元。
如图1所示，VaR能有效估计正常环境下资产的损失风险，但当金融市场处于极端价格变动的情形时无能为力，而压力测试则能有效评估一些小概率极端事件冲击的影响，它可以对置信度95％以外的突发事件的发生对金融资产损失或金融机构脆弱性的影响进行测试。这两种方法相辅相成，互为补充，其区别表现为以下几方面：第一，市场环境而言，VaR衡量正常市场环境下的市场风险，而压力测试衡量异常市场环境下的市场风险；第二，分布假设而言，VaR方法假设风险因子的变化是正态分布，因此它对信用风险中所涉及的“肥尾”现象无法把握，也就无法度量极端背景下的损失情况，而压力测试不对风险分布进行任何假设，能度量极端情况下的损失情况；第三，损失发生的可能性而言，VaR把对预期的未来损失大小和该损失发生的可能性结合起来，不仅让投资者知道发生损失的规模，而且知道其发生的可能性，压力测试只能说明事件的影响程度，却很难说明事件发生的可能性。
图1 压力测试与VaR的关系
如图2所示，压力测试通过对风险因子设定特定的压力情景，使资产组合的损失分布右移，在一定的置信水平下，降低银行资产组合的非预期损失，从而提高风险管理工作的预见性。通过测试分析潜在风险因素对银行财务状况、资本充足率的影响，深入分析银行抵御风险的能力，形成供董事会和高级管理层参考并决定实施的应对措施，预防极端事件可能对银行带来的冲击。
图2 压力测试原理
图3 美国大型商业银行压力测试流程
图4 四种压力测试模型预测结果比较
图5 情景测试框架
二、美国大型企业银行压力测试框架及实施方案
压力测试作为一种重要的风险管理方法，在美国大型商业银行中得到了有效应用，并形成了完善的体系。本部分将重点剖析美国大型商业银行的压力测试框架，并在其基础上进一步探讨压力测试技术在我国商业银行的推行和实施。
(一)测试框架介绍
美国大型商业银行压力测试一般性流程是：分析业务组合的性质及其所在的外部环境，确定风险暴露情况→设计适合商业银行组合的压力测试计划，包括可能的压力事件及情况的具体说明→收集相关数据，同时考虑数据的可得性→以可能发生的经济冲击为基础，假定相应的冲击类型→进行压力测试，并对压力测试的结果进行分析以确定较容易受影响的环节及重要风险预警点→压力测试结果的信息传递→决定应采取的预防补救措施，以处理在压力测试中发现的潜在风险。其框架主要包括压力测试准备、压力情景评估、压力测试实施和测试结果应用四个部分，具体流程如图3所示。
1.压力测试准备
对银行资产组合进行压力测试之前的相关准备工作主要包括两个部分：一是数据准备，根据业务组合的性质及其所在的外部环境，挖掘银行数据库中的资产质量数据(如违约情况、不良情况、损失情况等)和客户资料数据(如客户的财务状况、信用评级等)；确定与业务资产组合相关的外部宏观风险因子(如GDP增速、CPI、HPI等)并通过专业数据库收集数据。二是情景确定，即压力测试是采用历史情景、假设情景，还是组合情景。历史情景分析是利用特定历史事件中所发生的冲击结构测试类似事件发生时对金融资产的冲击；假定情景是假设某些重要变量可能出现的情景发生时对金融资产造成的冲击，例如2009年全美19家大型银行的压力测试中，约180位联邦监管官员、督察人员及经济学家参与，并提出了当前危机之下和危机深化时的两种假定情景：第一种情景，美国2009年失业率为8.4％，2010年失业率达到8.8％，房价继续下跌14％；第二种情景，美国2010年失业率达10.3％，房价继续下跌22％。组合情景是综合历史情景和假设情景两种情况进行分析。
图6 敏感性测试框架
图7 对公项目压力测试方案
2.压力测试评估
压力测试的资产违约或损失预测方法很多，需要根据资产组合性质和数据情况选择合适的模型，美国大型商业银行主要采用非线性曲线拟合方法、生存分析方法、违约成本模型以及自回归模型等方法进行预测。非线性曲线拟合方法用连续曲线近似地刻画或比拟平面上离散点组合所表示的坐标之间的函数关系，用解析表达式逼近离散数据的一种方法，对于离散点(x[，i]，y[，i])，拟合结果y=f(x，c)反映量x与y之间的依赖关系，即在一定意义下“最佳”地逼近或拟合已知数据；生存分析法是将事件的结果(损失与非损失)和出现这一结果所经历的时间结合起来分析的一种统计分析方法，不同于其他多因素分析方法的主要区别在于考虑了Y的二分类时加入了时间因素；自回归模型采用内生变量的滞后项与其他外生变量一起作为解释变量，这样预测分析时考虑了内生变量历史数据的影响，例如压力测试中常用到VAR模型；违约成本分析模型通过违约机会成本、现实成本与违约收益的比较分析对资产组合的违约情况进行预测。如图4所示为四种模型分别对美国大型商业银行某项资产组合累积损失的预测情况，可以看到曲线拟合方法预测的总损失最大。
3.压力测试实施
根据准备好的数据建立预测模型，并利用相关检验方法分析模型的拟合效果、参数的显著性等检验，不断修正模型以使预测效果达到最佳。
以可能发生的经济冲击为基础，选择冲击方式，根据压力测试结果的需求确定不同的测试方法，并通过模拟计算经济冲击对资产组合或脆弱性带来的影响。通常而言，压力测试有情景测试和灵敏度测试两种方法选择。
表2 对公方案采用的企业财务数据
分类 财务指标
经济实力 实有净资产、有形长期资产
偿债能力 流动比率、现金比率、速动比率、利息保障倍数、担保比率
财务结构 资产负债率、资本固定化比率、固定资产净值率、长期投资与长期资本比率
经营效率 毛利率、净资产收益率、总资产报酬率(收益率)、投资收益率
经营能力 存货周转率、固定资产周转率、总资产周转率、商品销售率
情景测试通过模拟同时影响多项风险因素的压力冲击情况，评估组合价值的变动，即考察当所有风险因素同时受到轻度、中度和重度三种不同强度的冲击时银行资产受到的影响。如图5所示，情景测试先根据经济情景和资产情况建立宏观模型，再模拟宏观经济测试变量的不同冲击，最后利用边际模型测试资本水平，用过度矩阵模型测试RWA水平，进而可以测定银行的偿付能力比，测试银行经受宏观经济冲击的能力。
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风险因素变动对银行资产风险暴露和银行承受风险能力的影响。如图6所示，给定单个宏观风险因子不同强度的冲击，测试贷款池资产对某个宏观风险因子变动的敏感性，通过给投资组合施加压力，考察银行利润或偿付能力的变动。
4.测试结果应用
通过压力测试可以发现潜在风险因素对银行财务状况、盈利能力、资本水平的影响，深入分析银行抗风险能力，其结果一方面可以帮助银行风险管理部门、产品与业务部门发现较容易受影响的环节及重要风险预警点，采取预防或补救措施解决在压力测试中发现的问题；另一方面可以传递相关信息，形成供董事会决策参考和监管机构衡量银行或银行体系抵御风险能力的实证依据，同时还可以向同业传递风险信号。
(二)实施方案
在介绍了美国大型商业银行压力测试的框架和流程的基础上，本节以某全球性商业银行房地产贷款池压力测试为例，深入分析其具体实施方案。
1.对公方案
为研究该银行房地产对公贷款资产潜在的损失可能性，采用了如图7所示的压力测试方案。首先，以银行的房地产企业客户的财务指标为自变量、客户违约状况为因变量(0-非违约，1-违约)建立Logistic违约概率模型，并进行相关检验；其次，将可能通过影响开发商财务状况进而引发违约的宏观风险因子与Logistic模型中的财务指标进行相关性检验，选出与之显著相关的宏观经济风险因子；最后，建立Copula函数并利用蒙特卡洛方法来模拟不同宏观风险因子在特定情景下通过对房地产企业财务指标的产生作用，进而分析对其违约概率的影响。
第一步，数据准备。数据搜集包括两部分：一是建立违约概率模型的数据，从银行数据库提取房地产对公贷款的客户月度还款数据和客户财务数据，其中所选财务指标如表2所示。二是根据风险诱发机制和相关经济原理，挑选可能通过影响违约概率预测模型所涉及的财务指标，进而影响对公项目违约概率的宏观经济变量，并搜集相关数据，利用替换和插值方法处理异值和数据缺失。
第二步，模型构建与检验。将如表2所示的财务指标的数据和同期对公贷款资产违约率(违约取1，非违约取0)的面板数据，以财务数据为自变量X、资产违约率为因变量Y建立Logistic违约概率预测模型。
图8 Power Curve检验
图9 零售项目压力测试方案
相关检验有：R-square检验模型的拟合优度；K-fold测试、Out of Sample、Out of Time 测试模型的稳定性和适用性；Man-Whitney测试考察模型效果的可靠性测试和容忍度测试；此外还可以采用如图8所示的Power Curve检验，通过测定GINI系数以检验模型的精度，中间曲线为所建立Logistic 模型的预测图，最上边曲线为理想预测模型结果，下边曲线为随机预测模型结果，其中GINI=A/(A+B)，当GINI大于0.4时，表明所建立的Logistic模型的精度高。
第三步，变量选择。利用Kendall’s Tau相关系数矩阵及其显著性标准，分别挑选与在模型中作为解释变量的财务指标显著相关的宏观变量，以pvalue值小于0.05为标准，同时考虑其经济意义，由于多元蒙特卡洛模拟的特殊性，将挑选的变量控制在3～10个，不足3个则放宽标准，多于10个则提高标准。
第四步，模拟与分析。将挑选出的变量和对应财务指标的数据建立面板数据，使用t-Copula方法利用宏观变量建立连接函数，并在MATLAB中编程使用多元蒙特卡洛方法模拟宏观风险因子分别受到轻度(1倍标差)、中度(3倍标差)和重度(6倍标差)冲击后对财务指标的影响。
在情景测试中，考虑不同风险因子相互作用和诱发机制，将模型中某财务指标和与之相关的所有宏观风险因子模拟20000次，得到三种不同强度的压力冲击下该财务指标的模拟均值，同样的方法可以模拟得到其余解释变量在不同冲击下的均值，将模拟得到的财务指标均值代入Logistic模型可以计算出当所有宏观风险因子在轻度、中度、重度冲击下，房地产对公贷款违约率及其变化情况，即情景测试结果。
在灵敏度测试中，按照类似情景测试的方法，模拟单个宏观风险因子在受到不同冲击对模型中财务指标的影响，将模拟的均值代入违约概率预测模型对公项目的违约率及其变化情况，得到某个宏观变量在特定情景下的灵敏度测试结果。
2.零售方案
住房贷款零售项目压力测试使用VAR模型及其脉冲响应函数建模，建立零售贷款资产的情景转换概率与宏观风险因子的Copula函数并进行模拟，然后进行马尔科夫转换，并计算在各种零售资产的分布情况。具体实施方案如图9所示。
第一步，数据准备。零售数据涉及两方面：一是美国大型商业银行房地产个人信用贷款业务月度客户付款数据，包括贷款分类状态。为保证零售项目压力测试的精确性和科学性，利用了离散非稳定状态马尔科夫链的原理，计算上下的两期之间的各个情景之间的转换概率，风险迁徙矩阵划分见表3。二是宏观经济变量的挑选和数据搜集，根据风险诱发机制和经济学原理，挑选可能引发房地产零售贷款资产风险分类状态迁徙的宏观风险因子，例如GDP、物价指数、住房销售价格指数、居民收入状况等，并从专业数据机构搜集数据。数据整理和搜集完成后，需要对缺失数据进行插值处理，对异常值进行清理和替换，以保证数据的连续性和科学性。
表3 零售压力测试方案风险迁徙矩阵
正常 关注 次级 还贷
正常正常到正常正常到关注正常到次级正常到还贷
关注关注到正常关注到关注关注到次级关注到还贷
次级次级到正常次级到关注次级到次级次级到还贷
第二步，VAR建模与检验。房地产零售压力测试方案采用VAR及脉冲响应函数建模分析时，将各个风险迁徙转换概率与宏观经济变量进行格兰杰因果检验，找出零售贷款风险迁徙概率变化的Granger原因，并以转换概率为因变量、宏观风险因子为自变量建立VAR模型。为保证模型的精度和稳定性，需要用到的统计检验有：AIC准则确定模型的最佳滞后阶数、Johansen检验方法检测模型变量之间是否存在协整关系、AR检验看模型是否稳定、LM检验观察序列是否具有自相关现象、异方差检验检查模型残差是否具有异方差。
同时建立脉冲响应函数，得到各种情景状态的转换概率，例如建立住房零售贷款正常到正常转换概率对住房价格指数的脉冲相应方程，并分别给以轻度(1个单位)、中度(3个单位)、重度(6个单位)的不同的冲击，其中一个单位的脉冲响应图如图10所示。
图10 脉冲响应图
风险迁徙脉冲图显示，该银行住房零售贷款的正常到正常的风险迁徙概率变化会随着住房价格指数的变化而变化，当给住房价格指数一个负的冲击，贷款从正常到正常的风险迁徙概率会先下降，即随着住房价格指数的下降，正常到正常的风险迁徙概率也会下降，到滞后第四期下冲击效应达最大，正常到正常转换的风险迁徙概率下降0.77％。按照类似方法可以得到风险迁徙矩阵剩下元素在特定情景下灵敏度分析结果。
最后建立风险迁徙矩阵各元素与构成其Granger原因的宏观风险因子的Copula连接函数，利用MATLAB软件编程模拟各宏观风险因子在轻度、中度、重度三种不同强度的压力冲击。将模拟结果代入VAR模型得到风险状态迁徙概率，进行马尔科夫转换就可以计算得到房地产零售项目的资产在轻度、中度和重度冲击下，正常、关注、次级等各状态资产的比例，以及比例的变化情况，即情景测试结果。
三、我国商业银行推行压力测试项目的现状及对策建议
(一)我国压力测试现状
早在2003年，中国银监会响应FSAP(Financial Sector Assessment Program)项目号召，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工作。但受限于当时的技术水平和专业人才缺乏，此次压力测试的推广工作收效不大。在次贷危机爆发的前一年，中国银监会要求所有商业银行对房地产贷款进行压力测试，还专门聘请了境外咨询机构对中国银行业的房地产贷款进行整体测试。在上述工作的基础上，2007年银监会发布了《关于印发商业银行压力测试指引的通知》，标志着我国商业银行压力测试制度正式建立。
通过几年的压力测试实践表明，我国商业银行压力测试还处于发展和推广的初期，无论是从模型的科学性和精确性，还是商业银行风险计量手段的整合程度上都有待进一步提高，压力测试的有效性及对管理层决策的指导性都还有待进一步加强。通过对部分银行压力测试项目的调研发现，目前我国商业银行开展压力测试过程中主要存在以下问题和不足。
一是银行管理层重视度不够。压力测试作为一种前瞻性的风险度量工具，考察银行在面临极端小概率事件冲击下的风险承受能力，进而为管理层决策提供依据，然而由于部分银行高管层的重视度不够，压力测试的这种功能未能真正发挥出来。
二是有效压力测试条件还不完善。一方面表现在开展压力测试工作方面的专业人才较为缺乏，直接制约着压力测试工作推进的有效性和深入性；另一方面表现在商业银行历史数据积累不够，系统性的数据库建设还不够完善，不能有效满足压力测试的需求。
三是压力测试方法不够科学。首先部分银行压力测试情景选择不够科学合理，无法有效覆盖商业银行全部风险点；其次部分银行对压力测试某一冲击情景出现的概率研究还不够充分，未能对由于某一冲击情景的出现而导致银行资产出现恶化的时间框架进行深入分析研究，从而导致银行或监管部门无法有效组织资源进行合理风险规避。
四是压力测试结果的应用缺位。部分银行开展压力测试时不能将灵敏度分析与情景分析进行有效组合，并将结果有效应用于风险管理和战略决策中，造成了压力测试结果的应用不够充分。
(二)我国商业银行进行有效压力测试的对策建议
根据巴塞尔新资本协议，压力测试的受力条件主要包括以下三种表现形式：一是在极端情况下商业银行受到最大的、可能的冲击量；二是在受到该冲击的条件下，商业银行受到最大的、可能的损失量；三是在极端情况下商业银行所能承受的最大冲击量。在深入分析美国大型商业银行压力测试框架和实施方案的基础上，结合巴塞尔新资本协议对压力测试的解释和目前我国商业银行压力测试工作现状，本文认为，我国商业银行要建立一个对银行风险管理决策和监管决策真正有参考价值的有效压力测试方案应注重以下几方面的工作：
第一，重视冲击强度的分析和量化。压力测试冲击的强度按由弱到强的顺序包括轻度、中度和重度，但各种强度的界定和量化目前没有一个统一的标准，不同业务资产由于性质不同，三种强度界定也不能相同，这将影响测试结果的精确性。因此，需要在进行压力测试项目设计时充分考虑强度量化问题。
第二，考虑概率分析问题。压力测试的目的在于预测银行在极端小概率事件的冲击下遭受损失的可能性，为其提供一个风险预警，使银行管理人员提前采取相应的风险控制和必要的对冲手段以规避压力测试计算的结果。那么某一极端压力测试情景会以多大的概率出现，这对银行管理层的决策有很大的影响，若单纯给定一个计算结果，其实用价值将值得怀疑。例如，假设由于资源稀缺性银行只能采取两个规避风险方案中的一个：第一个风险情景出现概率为10％，损失量为100万元，最大损失期望为10万元；第二风险情景出现概率为1％，损失量为1000万元，最大损失预期为1万元。若未能合理计算出情景出现的概率，银行可能会错误地选择第二个风险情景进行风险处理，而失去了对更大危害性的第一个风险情景的控制和对冲机会，如果能合理计算出风险情景出现的概率，银行管理人员则可以根据该计算结果，有的放矢地调动资源对第一个风险情景进行风险控制和风险对冲，从而避免更大的损失。
第三，商业银行有效压力测试应包含冲击时间框架的分析和研究。一个完整的商业银行风险预警系统还需要估算在一定宏观风险因子冲击情况下，银行资产质量分布变化发生的时间框架。根据该时间框架的不同，商业银行可将冲击事件分为紧急、一般、迟缓，并建立相应的风险危机应急管理机制，择机制订风险防控和危机管理政策，从而有效应对宏观风险因子冲击，维护银行经营活动稳健性。
第四，商业银行压力测试应当整合冲击强度、冲击概率、冲击时间分析，并建立信息反馈和循环机制，为银行提供风险预警。通过情景测试和灵敏度测试测定出特定极端情形下银行资产质量分布状况、该质量状况出现概率以及出现的时间框架，可为银行提供涉及强度、概率和时间的预期资产质量分布的三维预警信息立体矩阵。通过对该三维预警信息排序，根据强度的不同、概率的不同、时间发生紧迫度的不同，来建立相应风险组合预警模块，帮助银行构建风险预警反馈机制。这种风险预警机制与银行现有信息系统有机整合，使其能自动、及时、动态地根据读入的数据估算三维预警信息，并根据预设的预警信号筛选规则，对银行管理层、银行监管部门进行预警信息的及时反馈与报告，为银行管理层决策和监管当局政策制定提供实证支持。
[链接]
我国金融领域全面推行压力测试
在我国银行、保险和证券三大金融领域中，银行业最先开始将压力测试纳入到其风险管理的体系中。2007年12月，中国银监会正式发布了《商业银行压力测试指引》，要求商业银行制定其压力测试方案。2009年10月，中国银监会颁布《商业银行流动性风险管理指引》，要求商业银行每季度需要通过对流动性风险进行压力测试。同时中国银监会也采用压力测试方法对商业银行的资产安全性进行测算。例如2009年底，中国银监会上海监管局组织辖区内主要商业银行开展了个人住房按揭贷款压力测试。此次压力测试将压力情景设计为：轻度压力是房价下跌10％、利率上升54个基点、借款人收入不增长；中度压力是房价下跌20％、利率上升108个基点、借款人收入下降5％；重度压力是房价下跌30％、利率上升162个基点、借款人收入下降10％。初步结果表明，以2009年9月30日数据为基准，在轻度压力、中度压力和重度压力的情景下，个人住房按揭贷款不良率将分别达到1.18％、1.51％和2.08％，比正常情况下的不良率分别上升0.73、1.06和1.63个百分点。
在2010年全国保险监管工作会议上，中国保监会表示要研究宏观审慎监管下的行业压力测试方法，构建适合我国国情的压力测试模型。此前保监会曾要求各家保险公司对权益类资产、债券类资产和外汇资产分别进行好、中、差三种情况下的压力测试，说明风险限额和应对不同风险状况时拟采取的措施。同时要求各保险公司在测试保险资金外汇资产风险状况时，将证券化产品中涉及国际金融危机的抵押债券的规模及占比、次级抵押债券的规模及占比情况在压力测试中进行陈述。
中国证监会也表示，2010年起将建立、健全压力测试机制，并将其纳入证券公司风险管理能力评价体系中。按照相关要求，对于压力测试机制有效、方法经专业人员评价科学且在全行业得到推广的公司，分类评价时将给予适当加分。同时要求基金公司作为资本市场具有重大影响的投资者，在投资运作环节的流动性风险方面，做好压力测试工作。
标签：银行论文; 商业银行论文; 银行风险论文; 商业银行风险管理论文; 银行资产论文; 违约概率论文; 相关性分析论文; 测试模型论文; 概率计算论文; 风险模型论文; 情景模拟论文; 风险管理论文;