宏观经济变量与银行信用风险的实证研究_基于宏(2)

压力测试

风险与内控

FRIENDSOF进而，设定yt=（y1,t,……,yj,t）*，yt为转换指标。本文所采用的模型是基于M个宏观经济变量的现在值和滞后期的值所构成的一个线性方程：

yt=m+A1xt+…+A1+sxt-sη1yt-1+…+ηkyt-k+vt

（2）

式（2）中明确表示了各宏观经济变量与违约转换指标yt

之间的关系。其中，xt=（x1,t,x2,t…xm,t）表示宏观经济变量，其为M×1阶向量；m为截距项，其为J×1阶向量；A1……A1+s和η1……ηk为系数，它们分别为J×M阶和J×J阶矩阵；vt为随机误差项，其为J×1阶向量。

同时为了考虑各宏观经济变量之间的相关性，根据Wil-本文采用了下列的son模型中关于宏观经济变量的等式系统，描述：

xt=n+δ1xt-1+…+δpxt-p+μ1yt-1+…+μqyt-q+ξt

（3）

n为M×1阶列向量，系数δ1,…δp和μ1,…μq其中，

分别为M×M和M×J阶矩阵向量，随机误差项ξt为M×1阶向量。

本文所考虑的模型在Wilson（1997a，1997b），Boss（2002）和Virolainen（2004）基础上，进行了两点改进：一是考虑了宏观经济变量对商业银行信用风险影响的时滞效应；二是模型的设定还考虑了商业银行体系对宏观经济变量的回馈效应。考虑到我国商业银行在国民经济中所占有的重要地位，该模型更符合我国的实际情况，因而用其来研究我国商业银行信用风险水平与宏观经济变量间的关系，具有很强的适用性。

（二）变量的选取与数据描述

为了建立商业银行信用风险水平和宏观经济变量之间的实证关系，本文收集了2003年1季度到2009年2季度共26个季度的商业银行不良贷款率和相关宏观经济数据，并通过参考国内外学者在研究宏观压力测试时的变量选择，考虑

表1

yt

平均值中位数最大值最小值标准差偏度峰度方差和求和观测数

2.4232.4734.0161.3990.7090.5382.93412.57962.98626

ZGDP9.769.8511.56.11.274-1.0334.26940.582253.826

CPI2.8272.508.00-1.102.4020.6782.842144.1973.50026

我国商业银行信用风险以及宏观经济发展的特点，对相关变量做了如下选择。

1.被解释变量

本文综合考虑了我国商业银行经营的特殊性和相关数据的可得性，选用了商业银行体系的信用风险为被解释变量，以不良贷款率为其衡量指标，即：商业银行体系的不良贷款率越高，其信用风险水平就越高。我国商业银行的不良贷款率的数据来源于中国银监会网站和国研网的统计数据库，其中，商业银行的样本包括了国有商业银行、股份制商业银行、城市商业银行、农村商业银行和外《贷款质量评估指导原则》，中国的贷款按照资银行。根据

五级分类法进行分类，不良贷款率=（次级+可疑+损失）/贷款总额。

2.解释变量

在解释变量方面，鉴于我国宏观经济的运行情况以及相CPI指数（用以表示关数据的获取难度，选取了GDP增长率、通货膨胀率）、广义货币增长率M2、进口额同比增长率M、三至五年期贷款利率R、房地产价格指数RE、失业率U七个宏观变量，数据来源于锐思数据库和国泰安数据库。

3.数据描述

（1）我国商业银行的不良贷款率经过从表1可以看出：

Logit模型转换为yt后，其波动率仍然较大。（2）从选取的宏观低通胀、低失经济变量来看，我国的宏观经济进入了高增长、业、适度宽松货币政策的繁荣时期，但房价指数RE和进口额增长率M的波动较大。

（三）实证研究与结果分析1.实证研究

根据上述的模型设定，首先对Pj,t运用Logit模型进行转换，得到转换指标yt，再将对商业银行信用风险构成冲击的各

描述统计分析结果

M23.4921.5052.40-30.918.784-1.3485.3068820.85610.726

M218.0717.4728.4613.943.191.68516.2709254.66469.8626

R6.3005.9857.4705.5800.7620.8662.35514.526163.826

RE6.3195.90011.000-1.1003.146-0.6003.052247.5164.326

U4.1624.2004.3004.0000.102-0.3182.0290.262108.226

89