基于行业相关性的银行业信用风险宏观压力测试研究

doi:10.16381/j.cnki.issn1003-207x.2015.04.002

中国管理科学 ›› 2015, Vol. 23 ›› Issue (4): 11-19.doi: 10.16381/j.cnki.issn1003-207x.2015.04.002

基于行业相关性的银行业信用风险宏观压力测试研究

彭建刚, 易昊, 潘凌遥

湖南大学金融管理研究中心, 湖南长沙 410079

收稿日期:2013-01-11 修回日期:2014-01-23 出版日期:2015-04-20 发布日期:2015-04-24
作者简介:彭建刚(1955-), 男(汉族), 湖南人, 湖南大学金融与统计学院教授、博士生导师, 经济学博士, 湖南大学金融管理研究中心主任, 研究方向:商业银行管理、金融管理与银行监管、金融风险控制等.
基金资助:
国家自然科学基金资助项目(71073048);教育部博士点基金博导类项目(20110161110023);湖南大学"985工程"第三期建设项目

Research of Macro Stress Testing for Banking Credit Risk Based on the Industry Correlation

PENG Jian-gang, YI Hao, PAN Ling-yao

Research Center of Financial Management, Hunan University, Changsha 410079, China

Received:2013-01-11 Revised:2014-01-23 Online:2015-04-20 Published:2015-04-24

摘要/Abstract

摘要： 遵循宏观审慎管理的原则和理念, 提出了基于行业相关性的银行业信用风险宏观压力测试方法。通过考虑行业相关性和风险因子t分布特性, 对多元风险因子模型进行了拓展;将宏观压力测试情景与多元风险因子模型对接起来, 将压力情景下得到的行业景气指数取值转换为相应压力情景下行业风险因子的条件分布;在考察宏观经济周期的基础上, 采用指数平滑法、回归模型方法和历史情景分析方法处理宏观经济整个周期的历史数据, 从而确定宏观压力测试的情景设置, 这种情景设置能消除信用风险计量的顺周期性。这一过程将银行业经济资本管理与系统性风险防范有机地联系起来。这一信用风险宏观压力测试方法能反映不同行业信贷资产间的违约相关性, 能识别某一行业衰退对其他行业信贷资产产生的负面影响, 从而反映系统性风险的来源及其作用机理。

Abstract: Following the principles and concepts of prudent macro management, a macro stress testing method for banking credit risk is put forward based on industry correlation. By considering industry correlation and the distribution characters of risk factor t, the multiple risk factor model is extended. The macro stress testing scenario with multiple risk factor model is considered, the values of industrial cycle index obtained under the stress scenario are transformed into conditional distributions of industrial risk factors under the corresponding scenario. Based on examination of macroeconomic cycle, the stress scenarios settings employ a variety of statistical methods to deal with historical macroeconomic data of the entire cycle in order to eliminate the procyclicality of credit risk measurement. The statistical methods include exponential smoothing, regression modeling approach and historical scenario analysis method. The process organically links the economic capital management with the prevention of systemic risk in banking industry. This macro stress testing method can reflect default correlations between credit assets in different industries, identify the negative impact on credit assets of other industries caused by some certain industry downturn, which reflects the source and mechanism of systemic risk.

Key words: macro stress test, industry correlation, systemic risk, procyclicality, monte Carlo simulation

中图分类号:

F830

彭建刚, 易昊, 潘凌遥. 基于行业相关性的银行业信用风险宏观压力测试研究[J]. 中国管理科学, 2015, 23(4): 11-19.

PENG Jian-gang, YI Hao, PAN Ling-yao. Research of Macro Stress Testing for Banking Credit Risk Based on the Industry Correlation[J]. Chinese Journal of Management Science, 2015, 23(4): 11-19.

参考文献

[1] 周小川. 金融政策对金融危机的响应-宏观审慎政策框架的形成背景、内在逻辑和主要内容[J]. 金融研究, 2011, (1):1-14.

[2] 张健华, 贾彦东.宏观审慎政策的理论与实践进展[J]. 金融研究, 2012, (1):20-35.

[3] 彭建刚, 易昊, 童磊.基于系统性风险防范的金融压力测试新理念[J]. 湖南大学学报(社会科学版), 2012, 26(5):37-43.

[4] DrehMann M. Stress tests:Objectives, challenges and modelling choices[J]. Riksbank Economic Review, 2008, 94(2), 60-92.

[5] Virolainen K. Macro stress-testing with a macroeconomic credit risk model for finland[R]. Discussion Papers, Bank of Finland, 2004.

[6] Van D E, Hoeberichts M, Tabbae M. Modelling scenario analysis, macro stress-testing[R]. Working Paper, De Nederlandsche Bank, 2006.

[7] Wong J, Choi K F, Fong P W.A framework for stress testing banks' credit risk[J]. The Journal of Risk Model Validation, 2008, 2(1):3-23.

[8] Havrlchyk O. A macroeconomic credit risk model for stress testing the South African banking Sector[R]. Working Paper, University Library of Munich, 2010.

[9] Ali A, Daly K. Macroeconomic determinants of credit risk:Recent evidence from a cross country study[J]. International Review of Financial Analysis, 2010, 19(2):165-171.

[10] Jimenez G, Mencia J. Modelling the distribution of credit losses with observable and latent factors[J]. Journal of Empirical Finance, 2009, 16(2):235-253.

[11] Filosa R. Stress testing of the stability of the Italian banking system:A VAR approach[J]. Heterogeneity and Monetary Policy, 2007, 703(1):1-46.

[12] Marcucci J, Quagliariello M. Is bank portfolio riskiness procyclical? Evidence from Italy using a Vector Autoregression[J]. Journal of International inancial Markets, Institutions and Money, 2008, 18 (1):46-63.

[13] 谭晓红, 樊纲治.我国商业银行宏观压力测试研究[J]. 投资研究, 2011, (12):3-16.

[14] Castren O, Fitzpatrick T, Sydow M. Assessing portfolio credit risk changes in a sample of EU large and complex banking groups in reaction to macroeconomic shocks[R]. working paper, ECB, 2009.

[15] Klaus D, Martin E. Crash testing German banks[J].International Journal of Central Banking, 2009, 5(3):139-175.

[16] 彭建刚, 吕志华. 基于行业特性的多元系统风险因子CreditRisk+模型[J].中国管理科学, 2009, 17(3):56-64.

[17] Huang Xin, Zhou Hao, Zhu Haibin. A framework for assessing the systemic risk of major financial institutions[J]. Journal of Banking and Finance, 2009, 33(11):2036-2049.

[18] Segoviano M A, Goodhart C. Banking stability measures[R]. Working Papers, IMF, 2009.

[19] Grass G. Using structural models for default prediction[R].Working Paper, University of Fennsylvania, 2009.

[20] Alessandri P, Gai P, Kapadia S, et al. Towards a framework for quantifying systemic stability[J]. International Journal of Central Banking, 2009, 5(3):47-81.

[21] Finger C. Conditional approaches for credit metrics portfolio distributions[J]. Credit Metrics Monitor, 1997, 7(1):14-33.

[22] 林宇, 卫贵武, 魏宇, 等.基于Skew-t-FIAPARCH的金融市场动态风险VaR测度研究[J].中国管理科学, 2009, 17(6):17-24.

[23] Buncic D, Melecky M. Macroprudential stress testing of credit risk-A practical approach for policy makers[J]. Journal of financial stability, 2013, 9(3):347-370.

[24] 徐国祥, 檀向球.我国A股市场系统性风险的实证研究[J].统计研究, 2002, (5):37-40.

[25] 董进.宏观经济波动周期的测度[J]. 经济研究, 2006, (7):41-48.

[26] 杜红军, 王宗军. 基于Copula-AL法的VaR和CVaR的度量与分配[J].中国管理科学, 2012, 20(3):1-9.

基于行业相关性的银行业信用风险宏观压力测试研究

Research of Macro Stress Testing for Banking Credit Risk Based on the Industry Correlation

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	吴文洋,蒋海,唐绅峰. 数字化转型、网络关联性与银行系统性风险[J]. 中国管理科学, 2024, 32(3): 9-19.
[2]	赵静, 郭晔. 金融强监管、影子银行与银行系统性风险[J]. 中国管理科学, 2023, 31(7): 50-59.
[3]	王虎, 李守伟, 马瑜寅, 刘晓星. 基于共同持股网络的基金系统性风险研究[J]. 中国管理科学, 2023, 31(6): 82-90.
[4]	欧阳资生, 杨希特, 黄颖. 嵌入网络舆情指数的中国金融机构系统性风险传染效应研究[J]. 中国管理科学, 2022, 30(4): 1-12.
[5]	刘志东, 张培元, 荆中博. 跨行业风险溢出冲击下我国银行业系统性风险研究[J]. 中国管理科学, 2022, 30(12): 1-12.
[6]	张飞鹏, 徐一雄, 邹胜轩, 陈艳. 基于LGCNET多层网络的中国A股上市公司系统性风险度量[J]. 中国管理科学, 2022, 30(12): 13-25.
[7]	赵林海, 陈名智. 金融机构系统性风险溢出和系统性风险贡献——基于滚动窗口动态Copula模型双时变相依视角[J]. 中国管理科学, 2021, 29(7): 71-83.
[8]	高倩倩, 范宏. 基于银行-资产双边网络模型的系统性风险及投资策略研究[J]. 中国管理科学, 2021, 29(7): 1-12.
[9]	王耀东, 冯燕, 周桦. 保险业在金融系统性风险传染路径中起到“媒介”作用吗？——基于金融市场尾部风险传染路径的实证分析[J]. 中国管理科学, 2021, 29(5): 14-24.
[10]	马钱挺, 杨文珂, 何建敏. 基于多层网络的银企系统性风险研究[J]. 中国管理科学, 2021, 29(12): 1-14.
[11]	张伟平, 庄新田, 王健. 中国股市跨行业系统性风险空间溢出关联及风险预测分析——基于尾部风险网络模型[J]. 中国管理科学, 2021, 29(12): 15-28.
[12]	李红权, 何敏园, 黄莹莹. 我国金融机构的系统重要性评估:基于多元极值理论[J]. 中国管理科学, 2020, 28(5): 14-24.
[13]	姜闪闪, 范宏. 双渠道风险传染下银行系统稳定性分析[J]. 中国管理科学, 2020, 28(11): 51-60.
[14]	迟国泰, 张亚京, 丁士杰. 基于幂风险谱和蒙特卡洛模拟的贷款优化配置模型[J]. 中国管理科学, 2019, 27(9): 1-14.
[15]	刘超, 李元睿, 姜超, 马玉洁, 刘宸琦, 谢启伟. 中国证券公司系统性风险测度及演化特征研究——来自20家上市证券公司的数据[J]. 中国管理科学, 2019, 27(5): 11-22.