新浪金融曝光臺(tái)：理財(cái)遇飛單，存款變保單，理賠遭遇霸王條款，怎么辦？點(diǎn)擊“我要投訴”！金融機(jī)構(gòu)申請(qǐng)入駐，第一時(shí)間傾聽(tīng)用戶聲音。

　　文/俞勇

　　近期國(guó)內(nèi)A股市場(chǎng)的大幅波動(dòng)，我們可以通過(guò)壓力測(cè)試來(lái)檢驗(yàn)滬深股市能否打好這場(chǎng)“金融戰(zhàn)”，并采取相應(yīng)措施。

　　美國(guó)次貸危機(jī)引發(fā)全球金融危機(jī)，全球銀行業(yè)均面臨前所未有的挑戰(zhàn)，西方發(fā)達(dá)國(guó)家先后啟動(dòng)了銀行壓力測(cè)試，從而拉開(kāi)了一場(chǎng)全球金融監(jiān)管改革的序幕。中國(guó)銀監(jiān)會(huì)尚福林主席在最近的全國(guó)銀行業(yè)監(jiān)管工作會(huì)議上指出，商業(yè)銀行要著力防范各類風(fēng)險(xiǎn)，切實(shí)發(fā)揮壓力測(cè)試作用，提高對(duì)風(fēng)險(xiǎn)的敏感性和前瞻性。

　　壓力測(cè)試（stress testing）是指將整個(gè)金融機(jī)構(gòu)或資產(chǎn)組合置于某一特定的（主觀想象的）極端市場(chǎng)情況下，如假設(shè)利率驟升100個(gè)基本點(diǎn)、某一貨幣突然貶值10%、或股價(jià)暴跌10%等異常的市場(chǎng)變化，然后測(cè)試金融機(jī)構(gòu)或資產(chǎn)組合在這些關(guān)鍵市場(chǎng)變量突變的壓力下的表現(xiàn)狀況，看是否能經(jīng)受得起這種市場(chǎng)的突變。

　　壓力測(cè)試能夠幫助監(jiān)管機(jī)構(gòu)充分了解單家機(jī)構(gòu)和金融體系的風(fēng)險(xiǎn)狀況與風(fēng)險(xiǎn)抵御能力，比如近期國(guó)內(nèi)A股市場(chǎng)的大幅波動(dòng)，我們可以通過(guò)壓力測(cè)試來(lái)檢驗(yàn)滬深股市能否打好這場(chǎng)“金融戰(zhàn)”，并采取相應(yīng)措施。壓力測(cè)試也能夠幫助金融機(jī)構(gòu)充分了解潛在風(fēng)險(xiǎn)因素與財(cái)務(wù)狀況之間的關(guān)系，深入分析抵御風(fēng)險(xiǎn)的能力，形成供董事會(huì)和高級(jí)管理層參考的應(yīng)對(duì)措施，預(yù)防極端事件可能帶來(lái)的沖擊。

　　下面就歐美金融界進(jìn)行壓力測(cè)試及應(yīng)急融資計(jì)劃的主要方法，整合壓力測(cè)試，進(jìn)行專項(xiàng)分析和介紹。

　　整合壓力測(cè)試的步驟與框架

　　整合壓力測(cè)試概覽

　　根據(jù)金融機(jī)構(gòu)以往的經(jīng)驗(yàn)，整合壓力測(cè)試包括6個(gè)主要工作步驟，即規(guī)劃、情景、定量評(píng)估、定性評(píng)估、匯報(bào)和反饋。具體如下：

　　規(guī)劃:規(guī)劃中需要明確測(cè)試目標(biāo),確定測(cè)試的框架與方法。目標(biāo)是制訂方案、測(cè)算風(fēng)險(xiǎn)偏好中主要容忍度指標(biāo)值，范圍包括資本和流動(dòng)性，嚴(yán)重程度上比正常值嚴(yán)重，可處于監(jiān)管處罰/法定值之外。

　　情景:這一步需要收集測(cè)試數(shù)據(jù)，設(shè)計(jì)壓力情景與假設(shè)條件。收集國(guó)內(nèi)外宏觀經(jīng)濟(jì)數(shù)據(jù)與相關(guān)業(yè)務(wù)與財(cái)務(wù)數(shù)據(jù)，設(shè)計(jì)壓力測(cè)試的情景，對(duì)所需施壓的情景做詳細(xì)描述，分析業(yè)務(wù)與風(fēng)險(xiǎn)驅(qū)動(dòng)因素，擬定傳導(dǎo)機(jī)制與假設(shè)條件。

　　定量評(píng)估:該步驟需要構(gòu)建壓力測(cè)試模型，評(píng)估各情景下的影響。以經(jīng)驗(yàn)結(jié)合專家判斷方式篩選宏觀指標(biāo)；通過(guò)向量回歸分析宏觀經(jīng)濟(jì)要素的組合，進(jìn)而帶入各附屬模型，并開(kāi)發(fā)宏觀因素回歸模型（或需額外的主成分分析）。

　　定性評(píng)估:這一步任務(wù)是測(cè)算觸發(fā)點(diǎn)、制訂行動(dòng)與緩釋方案。將結(jié)果導(dǎo)入資本規(guī)劃模板后分析觸發(fā)點(diǎn)，嘗試通過(guò)反向壓力測(cè)試向風(fēng)險(xiǎn)偏好、資本應(yīng)急計(jì)劃、業(yè)務(wù)應(yīng)急預(yù)案提供相關(guān)參數(shù)。

　　匯報(bào):這一步驟需要匯總并報(bào)告測(cè)試結(jié)果，編寫(xiě)技術(shù)文檔與方案。具體包括：匯總壓力測(cè)試的結(jié)果，并向高管層和監(jiān)管者進(jìn)行匯報(bào)；整理壓力測(cè)試過(guò)程數(shù)據(jù)，編寫(xiě)壓力測(cè)試技術(shù)文檔；協(xié)助方案中壓力測(cè)試相關(guān)章節(jié)內(nèi)容的撰寫(xiě)。

　　反饋:這一步是回顧測(cè)試結(jié)果，總結(jié)出下次測(cè)試的提升點(diǎn)。具體來(lái)說(shuō)是通過(guò)回顧測(cè)試過(guò)程，分析壓力測(cè)試在執(zhí)行過(guò)程中的問(wèn)題（如傳導(dǎo)、模型參數(shù)與假設(shè)的合理性、系統(tǒng)的支持等），提出對(duì)未來(lái)壓力測(cè)試與工作的優(yōu)化建議。

　　整合壓力測(cè)試的框架

　　由于流動(dòng)性具有次生風(fēng)險(xiǎn)的屬性，測(cè)試過(guò)程中需要考慮各重大風(fēng)險(xiǎn)對(duì)流動(dòng)性的影響，并明確其向流動(dòng)性壓力測(cè)試的傳導(dǎo)機(jī)制。圖1-2描繪了各類風(fēng)險(xiǎn)向流動(dòng)性風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制。

　　情景選擇與宏觀指標(biāo)的處理

　　國(guó)際上，金融穩(wěn)定理事會(huì)(FSB)對(duì)金融機(jī)構(gòu)開(kāi)展壓力測(cè)試情景選擇有4項(xiàng)要求：

　　（1）應(yīng)使用適當(dāng)數(shù)量的系統(tǒng)性壓力情景與個(gè)體性壓力情景，以評(píng)估其計(jì)劃的穩(wěn)健性及措施在一系列壓力情況下的有效性。

　　這種評(píng)估包含對(duì)可能發(fā)生，并且會(huì)影響金融機(jī)構(gòu)結(jié)構(gòu)的關(guān)鍵場(chǎng)景進(jìn)行多維度的分析，這些關(guān)鍵情景結(jié)合系統(tǒng)性與個(gè)體性的情況。這些情景應(yīng)能傳導(dǎo)至資本短缺和流動(dòng)性壓力的情況，并且需要足夠嚴(yán)重，以幫助有效地建立觸發(fā)機(jī)制、評(píng)估壓力情景下的影響，以及分析恢復(fù)與緩釋措施反應(yīng)速度的快慢。另外，還必須認(rèn)識(shí)到處置中任何的價(jià)值損失都是可能的，因?yàn)槠渌麢C(jī)構(gòu)也很可能在系統(tǒng)性壓力情景下尋求相似的處置操作。

　　（2）應(yīng)對(duì)最有可能導(dǎo)致其業(yè)務(wù)模式無(wú)法運(yùn)作或失敗的情景進(jìn)行識(shí)別、評(píng)估與定期更新，應(yīng)該制訂一系列可操作的方案，并能夠在各種系統(tǒng)性與個(gè)體性的情景下靈活地運(yùn)用。

　　（3）應(yīng)該將系統(tǒng)性壓力情景與針對(duì)特定風(fēng)險(xiǎn)狀況的更具體的宏觀風(fēng)險(xiǎn)因素相結(jié)合，從而能夠估算或量化可能帶來(lái)的影響，如對(duì)損益表、資產(chǎn)負(fù)債表、資本充足率、一級(jí)資本/一級(jí)普通股本、經(jīng)濟(jì)資本與主要業(yè)務(wù)線的影響。

　　（4）反向壓力測(cè)試可作為制訂計(jì)劃壓力情景的有用嘗試，它可以識(shí)別出導(dǎo)致金融機(jī)構(gòu)業(yè)務(wù)模式無(wú)法運(yùn)作的情景。

　　反向壓力測(cè)試的關(guān)鍵組成部分包括脆弱性分析以及用定量和定性的方法識(shí)別與描述業(yè)務(wù)模式無(wú)法運(yùn)作的情景。但反向壓力測(cè)試是基于“違約”或處置的情景，這意味著業(yè)務(wù)模式已經(jīng)失敗及措施已然失效。然而，計(jì)劃的情景應(yīng)該只是“接近違約”，正如計(jì)劃的目的是描述當(dāng)金融機(jī)構(gòu)在嚴(yán)重壓力情景下如何進(jìn)行操作，以確保和恢復(fù)財(cái)務(wù)與生存能力。

　　同時(shí)，在選擇資本和流動(dòng)性壓力測(cè)試情景時(shí)需要深入理解宏觀因子的傳導(dǎo)路徑和對(duì)象。圖2-1 演示了中國(guó)貨幣和財(cái)政政策的傳導(dǎo)機(jī)制。

　　在對(duì)宏觀經(jīng)濟(jì)數(shù)據(jù)時(shí)間序列的觀察的基礎(chǔ)上，我們按照時(shí)效性、替代性、適用性為原則可剔除一些指標(biāo)/指標(biāo)組合。

　　通過(guò)比較PMI/GDP/CPI在2005年至2014年間的季度末值，來(lái)觀察這3個(gè)指標(biāo)的聯(lián)動(dòng)關(guān)系。相較于GDP與CPI而言，PMI確實(shí)可以作為一種領(lǐng)先指標(biāo)，并在特別是在預(yù)測(cè)經(jīng)濟(jì)上下行方面都有效。2008年底開(kāi)始，受金融危機(jī)的影響，PMI的突然下降帶動(dòng)了GDP和CPI的一路下行，政府出臺(tái)4萬(wàn)億救市計(jì)劃，PMI迅速上升并帶動(dòng)GDP和CPI上行。

　　通過(guò)比較M1與M2在1996年至2014年間的月末增長(zhǎng)率，我們不難觀察出M1與M2具有很高的正相關(guān)性（56.7%，即M1與M2的變動(dòng)方向基本一致），且M2的增速通常會(huì)高于M1的增速；設(shè)置情景時(shí)，這兩個(gè)指標(biāo)存在一定替代關(guān)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的增速在較長(zhǎng)時(shí)間快于M2增速，說(shuō)明當(dāng)時(shí)經(jīng)濟(jì)擴(kuò)張較快，活期存款之外的其他類型資產(chǎn)收益較高；更多的人會(huì)把定期存款和儲(chǔ)蓄存款提出進(jìn)行投資或購(gòu)買(mǎi)股票，大量的資金表現(xiàn)為可隨時(shí)支付的形式。

　　再看失業(yè)率。中國(guó)失業(yè)率在2002年第三季度至2014年第一季度末始終徘徊在4.1%上下，特別是2009年第一季度的失業(yè)率僅為4.3%，與經(jīng)濟(jì)形式較好的2006年至2007年間4%的失業(yè)率相差無(wú)幾。究其原因，根源在于官方失業(yè)率只覆蓋了就業(yè)人口的一半，只統(tǒng)計(jì)了城鎮(zhèn)人口，而沒(méi)有統(tǒng)計(jì)外出務(wù)工人員。雖然通常意義上失業(yè)率是非常重要的指標(biāo)，但目前不建議考慮此指標(biāo)。

　　比較不同的方法，向量自回歸模型（Vector Autoregression model, VAR）能夠同時(shí)處理多個(gè)相關(guān)經(jīng)濟(jì)指標(biāo)并容易操作，是整合壓力測(cè)試情景設(shè)置中使用的主要定量模型。

　　受限于國(guó)內(nèi)宏觀經(jīng)濟(jì)數(shù)據(jù)的可獲得性以及對(duì)經(jīng)濟(jì)運(yùn)行狀況的反映情況，情景設(shè)置通常采用定量和定性相結(jié)合的方法。

　　壓力測(cè)試通常有簡(jiǎn)單統(tǒng)計(jì)分析法、聯(lián)立方程模型法、向量自回歸模型和向量誤差修正模型等。基于上表分析，向量自回歸模型（Vector Autoregression model, VAR）是上述方法中優(yōu)點(diǎn)突出且對(duì)宏觀經(jīng)濟(jì)模擬程度足夠精確并最符合金融機(jī)構(gòu)壓力測(cè)試工作實(shí)際情況的模型。

　　通過(guò)向量自回歸模型（VAR）來(lái)構(gòu)建宏觀指標(biāo)之間的數(shù)理關(guān)系。配合VAR模型的構(gòu)建，還需應(yīng)用蒙特卡羅模擬，產(chǎn)生極端白噪聲而對(duì)模型進(jìn)行沖擊，得到極端情況下宏觀經(jīng)濟(jì)因素的取值。

　　VAR是2011年度諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者C.A.西姆斯（Christopher A. Sims）教授于實(shí)證研究提出的用來(lái)確定不同程度的經(jīng)濟(jì)沖擊給其他變量所帶來(lái)影響的模型，是基于數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)建立的模型。VAR把系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來(lái)構(gòu)造模型，從而將單變量自回歸模型推廣到由多元時(shí)間序列變量組成的“向量”自回歸模型。

　　VAR模型構(gòu)造的方法克服了傳統(tǒng)的簡(jiǎn)單統(tǒng)計(jì)模型或單變量自回歸模型的缺陷，彌補(bǔ)了傳統(tǒng)模型的局限性——VAR模式的一個(gè)核心優(yōu)勢(shì)是“讓數(shù)據(jù)自己說(shuō)話”。

　　（俞勇，恒豐銀行首席風(fēng)險(xiǎn)官、中國(guó)人民大學(xué)兼職教授，清華大學(xué)深圳研究生院校外導(dǎo)師，先后在美國(guó)摩根大通銀行、美國(guó)運(yùn)通公司等從事新資本協(xié)議、戰(zhàn)略規(guī)劃、風(fēng)險(xiǎn)管理、金融衍生品交易與定價(jià)模型、金融信息安全等工作，曾任于平安銀行風(fēng)險(xiǎn)管理部兼新資本協(xié)議辦公室總經(jīng)理、中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)監(jiān)管，參與起草《商業(yè)銀行資本充足率管理辦法》等中國(guó)銀行業(yè)監(jiān)管法規(guī)文件，具有全面的國(guó)際銀行先進(jìn)風(fēng)險(xiǎn)管理工作經(jīng)驗(yàn)和國(guó)內(nèi)銀行風(fēng)險(xiǎn)管理工作經(jīng)驗(yàn)。著有《貨幣、銀行與經(jīng)濟(jì)》、《銀行全面風(fēng)險(xiǎn)管理與資本管理》、Asset Returns and Demographic Effects、Quality Choice Simulation and Implication Based on Individual Conjoint Analysis 等。本文刊載于《當(dāng)代金融家》雜志2015年第10期）