论文部分内容阅读
摘 要:新常态经济背景下,银行的信用风险问题越来越引起监管部门的关注。本文选取不良贷款率指标衡量商业银行信用风险水平,运用Logit模型,对承压指标与压力指标进行似乎不相关回归(SUR)和自回归分析。通过压力测试,实证得出商业银行信用风险水平对宏观经济因素的变化具有十分显著的敏感性的结论,并给出风险管理建议。
关键词:商业银行信用风险;宏观压力测试;不良贷款率;Logit模型
一、引言
银行,作为金融活动的中心,一旦宏观经济环境恶化,就很可能会使银行经济活动承担的风险过大,在特殊的情况下极有可能导致银行经营活动亏损,甚至导致银行破产。基于宏观经济因素敏感性分析的宏观压力测试就是一种非常有效的风险度量、监控和预测的方法。2008年全球金融危机之后,巴塞尔委员会尤其关注银行对风险的管理和控制,2009年5月巴塞尔委员会针对经济危机中银行机构暴露出的问题,发布了《稳健的压力测试实践和监管原则》,对压力测试的方方面面作了全面阐述。如今,宏观压力测试作为重要的风险管理手段,已被全球范围内的金融机构广泛采用。
目前,“新常态”经济背景下,我国银行业资产质量面临严峻的考验。截至2015年3月,我国商业银行不良贷款余额9825亿元,较2014年底增加16.6%,不良贷款率1.39%,已远高于2011年-2013年的水平,银行资产质量堪忧。因此,现阶段对我国商业银行信用风险进行宏观压力测试研究十分必要,该研究不仅有利于提高银行对自身风险的监督管理,同时,能推动银行主动适用经济“新常态”,更好地应对各种经济波动造成的影响。
二、文献综述
参照已有文献,国际银行、金融组织及国内外的一些学者已经在商业银行风险计量模型构建方面做了大量的研究工作。在风险管理的压力测试研究中,有两个模型具有开拓性意义,分别由Merton(1974)和Wilson(1997a,b)提出:Merton(1974)对股价和宏观经济因素对风险概率的影响进行了建模,将资产价格变动整合进违约概率评估模型;Wilson(1997a,b)的模型,直接对金融部门违约概率和宏观经济变量的敏感度建模,剔除了股价因素,他认为这个因素直接包含在了宏观经济指标之中,在宏观经济波动冲击下模拟出违约概率值的分布函数,就可以得到资产组合的预期损失。在这两个模型中所体现出的建模思想为此后的大多数压力测试模型的理论模型框架构建奠定了基础。
在此基础上,国外学者在实证方面进行不断探索以验证宏观经济因素同银行风险之间的关系。Pesola(2000)分析了银行危机衡量指标同宏观经济因素变动之间的关系,并且利用芬兰银行的数据进行了实证的验证分析;Virolainen(2004)也对芬兰银行的风险指标进行了实证的研究,并且构建了一个宏观压力测试模型;Bernhardsen(2000、2005)建立了一个基于银行资产组合和违约率与宏观经济因素的相关性模型,并且应用欧洲国家银行的数据进行了验证;Erlenmaier(2004)和Gersbach(2005)基于挪威银行的宏观经济模型RIMINI对银行的风险指标进行了研究,并且建立了评估贷款违约率的方程;Deventer(2005)直接假设商业银行信用风险同宏观经济因素之间存在线性关系,并且对澳大利亚、日本、韩国、美国等多家银行的数据进行了实证分析和验证。在Wilson(1997)、Boss(2003)、Virolainen(2004)的研究框架中,他们重点关注的是宏观经济因素和违约概率之间的非线性关系。
国内学者在国外已有的压力测试经验的基础之上,通过对压力测试模型进行改进与创新,对银行风险同宏观经济因素之间的关系进行了大量的实证研究。朱伟一(2009)认为压力测试就是美国政府对美国19家大银行进行抗风险检查。其做法是假定经济恶化,再看19家银行是否有足够的资金应对;沈阳、冯望舒(2010)以Wilson(1997)、Boss(2003)、Virolainen(2004)所提出的压力测试模型为基础,建立了信用风险转换指标及其滞后指标与宏观经济变量之间的一阶回归方程,根据我国2003年到2009年间的数据进行实证分析,得出了信用风险与宏观经济因素之间存在显著性关系的结论;吴婷、段明明(2009),用IN函数将信用风险指标转换成中介指标,将之与宏观经济因素进行多元回归分析,同样得出了存在显著性关系的结论;洪明钦、张揖平、银晟懿、黄钰茹(2008),在研究架构上以新加坡的MAS(2003)为基础,主要参考Wong、Choi和Fong的压力测试模型,利用台湾地区1998年至2008年的数据设计了不同工业部门的压力情景并进行压力测试;华晓龙(2009)综合分析了各种宏观经济指标变化对银行信用风险的影响;巴曙松、朱元倩(2010)分别从压力测试的定义、实践、执行流程等角度总结分析了压力测试的优缺点;冯佳、朱华彬(2009)结合我国A股市场14家上市银行的具体情况,对我国房地产贷款违约率进行了压力测试,并提出政策建议。徐明东、刘晓星(2008)深入分析宏观压力测试核心理论模型的构建和常用方法,并对实践中的典型系统IMF及World Bank的FSAP压力测试系统、英格兰银行的TD系统和奥地利银行的SRM系统进行了比较分析,对我国利用宏观压力测试方法评估金融系统稳定性提出建议。此外,还有一些学者在压力测试数理模型构建方面做出了开拓性工作:杨晓奇、吴栋(2010)开发了向量误差修正模型(VECM),徐光林(2008)使用最小二乘法滚动估计模型、熊波(2006)使用多元Logit模型,结合中国的金融环境探索宏观经济因素同银行风险之间的关系。
为探索宏观经济因素和商业银行信用风险之间的相关关系,本文借鉴现有文献,使用典型的Logit模型将违约概率转化成为宏观综合指标Y,以指标Y作为承压指标与宏观经济因素进行似乎不相关回归(SUR)和自回归分析,实证分析宏观经济因素与银行风险之间的关系。 三、实证研究与结果分析
(一)承压对象与承压指标
本次测试所选取的承压对象为商业银行信贷资产的信用风险水平,本文采用商业银行不良贷款率(Pd)作为衡量指标,其中,
Pd=当期内贷款违约金额/期初贷款总金额
(二)压力指标与数据来源
本次测试选取的压力因素为对经济运行具有重大影响的宏观经济因素指标:国内生产总值增长率(RGDP)、居民消费价格指数(CPI)、全国房地产开发业综合景气指数(RE)。需要说明的是,本文采用全国房地产开发业综合景气指数代替常用的房屋销售价格指数,是因为该指数是一套针对房地产业发展变化趋势和变化程度的综合量化反映的指数体系,指标量化更加全面。
另外,由于2008年3月全球金融危机波及中国,中国宏观经济环境也发生了变化,为了将这种宏观经济环境的大变化引入压力指标,本次测试引进了一个虚拟变量(T),虚拟变量的数据设置为:2008年第4季度之前的数值令为0,2008年第4季度及以后的数值令为1。
实证研究选取从2004年6月至2015年3月的季度数据,数据来源于中国证监会网站、wind资讯数据库。
(三)模型构建
1.数据处理
不良贷款率(Pd)的处理:不良贷款率是一个数值介于[0,1]区间的指标,相对于压力指标其数值过小,考虑到压力指标对承压指标的影响很难在这么小的数字区间内体现,故此采取Logit模型对Pd进行了转换,本文中称为综合指标Y:
Pd=11+exp(-y)即Y=ln1-PdPd(1)
作这样的变换既保持了Y与Pd相同的单调性,又可以扩大原承压指标数值的区间,使得压力指标对其的影响更容易在数值变化上得到体现。
2.模型构建
本次压力测试所采用的模型如下:
3.实证分析
(1)似乎不相关回归(SUR)分析
本文运用STATA软件,采用似乎不相关回归(SUR)方法,相关回归结果见表2。
以上所有解释变量均在统计上显著,说明我国商业银行不良贷款率受国内生产总值增长率、居民消费价格指数、全国房地产开发业综合景气指数以及金融危机的影响。
(2)自回归分析
根据自回归分析中“滞后长度准则”确立各变量的最佳滞后阶数,自回归结果如下表所示。
由于对不良贷款率进行Logit转换,被解释变量Y与不良贷款率Pd是反向关系。从上表的回归结果可以看出:各宏观经济变量对银行不良贷款率的影响与预期基本一致,国内生产总值增长率(RGDP)、居民消费价格指数(CPI)、全国房地产开发业综合景气指数(RE)对银行不良贷款率具有显著性影响。
① 虚拟变量(T)。模型中虚拟变量T的系数为正,表明2009
年的金融危机对银行的资产质量产生较大影响,金融危机爆发后,经济陷入低迷,企业盈利水平下降,银行资产质量降低,不良贷款率增加;
② 国内生产总值增长率(RGDP)。当国内生产总值GDP增长较快时,经济处于繁荣期,企业经营环境较好,偿债能力强,因此,银行的不良贷款率较低;
③ 居民消费价格指数(CPI)。居民消费价格指数CPI是衡量通货膨胀的一个指数,当CPI大幅上升,将出现通货膨胀现象,不利于企业生产经营,银行不良贷款率提高;
④ 全国房地产开发业综合景气指数(RE)。由于银行贷款多以房产作为抵押物,因此,房地产价格波动对银行不良贷款率有很大影响。当房地产价格大幅下降时,房产价值的锐减将会影响银行资产质量,不良贷款率攀升,这在自回归结果中尤其显著,房地产变动对银行不良贷款率的影响具有滞后性。
另外,自回归结果也表明:银行不良贷款率会受到宏观经济因素滞后期的影响,尤其GDP增长率和国房景气指数这两个指标。
(五)宏观压力测试
1.压力情景设定
本文采用情景分析法对商业银行的信用风险进行宏观压力测试。在对未来宏观经济走势判断的基础上,以2015年3月份为基准情景设定压力场景,具体如下表:
2.压力测试结果
运用以上假设的压力情景进行宏观压力测试,分别设定严重、危机两种情景,在两类不同情景下,根据前述回归分析的结果,估算银行的不良贷款率,压力测试结果如下表所示。
根据以上的测试结果可以得出:
(1)宏观经济因素对商业银行风险水平有着十分显著的影响;
(2)商业银行的不良贷款率与GDP的增长率、国房景气指数表现出负相关性,即随着GDP增长率、国房景气指数的增加,商业银行的不良贷款率降低;
(3)商业银行的不良贷款率与CPI的增长率表现出正相关性,即随着CPI增长率的增加,商业银行的不良贷款率增加。
这种商业银行风险水平随着宏观经济环境恶化而变大的趋势呈现一种加速增长的趋势,随着宏观经济环境恶化情况的加剧,风险水平变大的速度也越来越快。
相较于以往的一些压力测试模型,本次测试所构建模型的优点在于,不仅可以用可得的截止到当期的历史数据对当期的商业银行的信用风险水平进行衡量,还可以根据构建的模型对下一期(或是更长的时间以后)的商业银行的信用风险水平进行合理的预测,这种预测可以使商业银行对风险水平有一个前瞻性的了解,这对于商业银行的风险管理有着十分重要的意义。
四、政策建议
基于本文压力测试的结果,针对银行如何更好地监管、控制信用风险问题,笔者给出如下政策建议:
一、在宏观环境瞬息万变的现代经济市场中,银行应时刻关注和了解宏观经济环境中各经济指标的变化情况,及时根据宏观经济环境的变化调整资产、信贷结构,以达到即时的监测风险,前瞻性地预测、控制、管理风险的目的。具体的措施有:
1.引进或开发相关的宏观经济环境情况监测系统,及时采集各种宏观经济数据,分析宏观经济的变化,前瞻性地洞察宏观经济的走向,特别是某些宏观经济环境的重大变化。
2.全面建立银行整体、某项资产、某个业务组合的压力测试系统,利用可得的各种宏观经济数据,定期进行压力测试,及时发现风险、管理风险、控制风险。
3.根据以上监测、测试和分析,及时对银行运营方式、资产结构、信用结构、业务组合进行调整。
二、银行需引进或开发更为先进的宏观经济计量模型,引入大数据管理系统,建立专业的数理经济学、计量经济学、统计学、计算机人才队伍,进行模型的改进、计算机软件系统的开发,这样才能适应日益复杂的宏观经济环境,实现银行的稳健发展。(作者单位:中国信达资产管理股份有限公司海南省分公司)
参考文献:
[1] 巴曙松 朱元倩.压力测试在银行风险管理中的应用[J].经济学家,2010(02).
[2] 华晓龙.基于宏观压力测试方法的商业银行体系信用风险评估[J].数量经济技术经济研究.2009(04).
[3] 黄志凌.商业银行压力测试[M].北京:中国金融出版社,2010.
[4] 洪明钦 张揖平 尹晟懿 黄玨茹.台湾银行业信用风险压力测试研究[J].金融联合徵信双月刊,第10期.
[5] 华晓龙.基于宏观压力测试方法的商业银行体系信用风险评估[J].数量经济技术经济研究,2009(04).
[6] 沈阳 冯望舒.宏观经济变量于银行信用风险的实证研究——基于宏观压力测试的分析[J].会计之友,2010(08).
[7] 吴婷 段明明.宏观经济因素与商业银行信用风险——实证与压力测试[J].金融观察,2009(12).
关键词:商业银行信用风险;宏观压力测试;不良贷款率;Logit模型
一、引言
银行,作为金融活动的中心,一旦宏观经济环境恶化,就很可能会使银行经济活动承担的风险过大,在特殊的情况下极有可能导致银行经营活动亏损,甚至导致银行破产。基于宏观经济因素敏感性分析的宏观压力测试就是一种非常有效的风险度量、监控和预测的方法。2008年全球金融危机之后,巴塞尔委员会尤其关注银行对风险的管理和控制,2009年5月巴塞尔委员会针对经济危机中银行机构暴露出的问题,发布了《稳健的压力测试实践和监管原则》,对压力测试的方方面面作了全面阐述。如今,宏观压力测试作为重要的风险管理手段,已被全球范围内的金融机构广泛采用。
目前,“新常态”经济背景下,我国银行业资产质量面临严峻的考验。截至2015年3月,我国商业银行不良贷款余额9825亿元,较2014年底增加16.6%,不良贷款率1.39%,已远高于2011年-2013年的水平,银行资产质量堪忧。因此,现阶段对我国商业银行信用风险进行宏观压力测试研究十分必要,该研究不仅有利于提高银行对自身风险的监督管理,同时,能推动银行主动适用经济“新常态”,更好地应对各种经济波动造成的影响。
二、文献综述
参照已有文献,国际银行、金融组织及国内外的一些学者已经在商业银行风险计量模型构建方面做了大量的研究工作。在风险管理的压力测试研究中,有两个模型具有开拓性意义,分别由Merton(1974)和Wilson(1997a,b)提出:Merton(1974)对股价和宏观经济因素对风险概率的影响进行了建模,将资产价格变动整合进违约概率评估模型;Wilson(1997a,b)的模型,直接对金融部门违约概率和宏观经济变量的敏感度建模,剔除了股价因素,他认为这个因素直接包含在了宏观经济指标之中,在宏观经济波动冲击下模拟出违约概率值的分布函数,就可以得到资产组合的预期损失。在这两个模型中所体现出的建模思想为此后的大多数压力测试模型的理论模型框架构建奠定了基础。
在此基础上,国外学者在实证方面进行不断探索以验证宏观经济因素同银行风险之间的关系。Pesola(2000)分析了银行危机衡量指标同宏观经济因素变动之间的关系,并且利用芬兰银行的数据进行了实证的验证分析;Virolainen(2004)也对芬兰银行的风险指标进行了实证的研究,并且构建了一个宏观压力测试模型;Bernhardsen(2000、2005)建立了一个基于银行资产组合和违约率与宏观经济因素的相关性模型,并且应用欧洲国家银行的数据进行了验证;Erlenmaier(2004)和Gersbach(2005)基于挪威银行的宏观经济模型RIMINI对银行的风险指标进行了研究,并且建立了评估贷款违约率的方程;Deventer(2005)直接假设商业银行信用风险同宏观经济因素之间存在线性关系,并且对澳大利亚、日本、韩国、美国等多家银行的数据进行了实证分析和验证。在Wilson(1997)、Boss(2003)、Virolainen(2004)的研究框架中,他们重点关注的是宏观经济因素和违约概率之间的非线性关系。
国内学者在国外已有的压力测试经验的基础之上,通过对压力测试模型进行改进与创新,对银行风险同宏观经济因素之间的关系进行了大量的实证研究。朱伟一(2009)认为压力测试就是美国政府对美国19家大银行进行抗风险检查。其做法是假定经济恶化,再看19家银行是否有足够的资金应对;沈阳、冯望舒(2010)以Wilson(1997)、Boss(2003)、Virolainen(2004)所提出的压力测试模型为基础,建立了信用风险转换指标及其滞后指标与宏观经济变量之间的一阶回归方程,根据我国2003年到2009年间的数据进行实证分析,得出了信用风险与宏观经济因素之间存在显著性关系的结论;吴婷、段明明(2009),用IN函数将信用风险指标转换成中介指标,将之与宏观经济因素进行多元回归分析,同样得出了存在显著性关系的结论;洪明钦、张揖平、银晟懿、黄钰茹(2008),在研究架构上以新加坡的MAS(2003)为基础,主要参考Wong、Choi和Fong的压力测试模型,利用台湾地区1998年至2008年的数据设计了不同工业部门的压力情景并进行压力测试;华晓龙(2009)综合分析了各种宏观经济指标变化对银行信用风险的影响;巴曙松、朱元倩(2010)分别从压力测试的定义、实践、执行流程等角度总结分析了压力测试的优缺点;冯佳、朱华彬(2009)结合我国A股市场14家上市银行的具体情况,对我国房地产贷款违约率进行了压力测试,并提出政策建议。徐明东、刘晓星(2008)深入分析宏观压力测试核心理论模型的构建和常用方法,并对实践中的典型系统IMF及World Bank的FSAP压力测试系统、英格兰银行的TD系统和奥地利银行的SRM系统进行了比较分析,对我国利用宏观压力测试方法评估金融系统稳定性提出建议。此外,还有一些学者在压力测试数理模型构建方面做出了开拓性工作:杨晓奇、吴栋(2010)开发了向量误差修正模型(VECM),徐光林(2008)使用最小二乘法滚动估计模型、熊波(2006)使用多元Logit模型,结合中国的金融环境探索宏观经济因素同银行风险之间的关系。
为探索宏观经济因素和商业银行信用风险之间的相关关系,本文借鉴现有文献,使用典型的Logit模型将违约概率转化成为宏观综合指标Y,以指标Y作为承压指标与宏观经济因素进行似乎不相关回归(SUR)和自回归分析,实证分析宏观经济因素与银行风险之间的关系。 三、实证研究与结果分析
(一)承压对象与承压指标
本次测试所选取的承压对象为商业银行信贷资产的信用风险水平,本文采用商业银行不良贷款率(Pd)作为衡量指标,其中,
Pd=当期内贷款违约金额/期初贷款总金额
(二)压力指标与数据来源
本次测试选取的压力因素为对经济运行具有重大影响的宏观经济因素指标:国内生产总值增长率(RGDP)、居民消费价格指数(CPI)、全国房地产开发业综合景气指数(RE)。需要说明的是,本文采用全国房地产开发业综合景气指数代替常用的房屋销售价格指数,是因为该指数是一套针对房地产业发展变化趋势和变化程度的综合量化反映的指数体系,指标量化更加全面。
另外,由于2008年3月全球金融危机波及中国,中国宏观经济环境也发生了变化,为了将这种宏观经济环境的大变化引入压力指标,本次测试引进了一个虚拟变量(T),虚拟变量的数据设置为:2008年第4季度之前的数值令为0,2008年第4季度及以后的数值令为1。
实证研究选取从2004年6月至2015年3月的季度数据,数据来源于中国证监会网站、wind资讯数据库。
(三)模型构建
1.数据处理
不良贷款率(Pd)的处理:不良贷款率是一个数值介于[0,1]区间的指标,相对于压力指标其数值过小,考虑到压力指标对承压指标的影响很难在这么小的数字区间内体现,故此采取Logit模型对Pd进行了转换,本文中称为综合指标Y:
Pd=11+exp(-y)即Y=ln1-PdPd(1)
作这样的变换既保持了Y与Pd相同的单调性,又可以扩大原承压指标数值的区间,使得压力指标对其的影响更容易在数值变化上得到体现。
2.模型构建
本次压力测试所采用的模型如下:
3.实证分析
(1)似乎不相关回归(SUR)分析
本文运用STATA软件,采用似乎不相关回归(SUR)方法,相关回归结果见表2。
以上所有解释变量均在统计上显著,说明我国商业银行不良贷款率受国内生产总值增长率、居民消费价格指数、全国房地产开发业综合景气指数以及金融危机的影响。
(2)自回归分析
根据自回归分析中“滞后长度准则”确立各变量的最佳滞后阶数,自回归结果如下表所示。
由于对不良贷款率进行Logit转换,被解释变量Y与不良贷款率Pd是反向关系。从上表的回归结果可以看出:各宏观经济变量对银行不良贷款率的影响与预期基本一致,国内生产总值增长率(RGDP)、居民消费价格指数(CPI)、全国房地产开发业综合景气指数(RE)对银行不良贷款率具有显著性影响。
① 虚拟变量(T)。模型中虚拟变量T的系数为正,表明2009
年的金融危机对银行的资产质量产生较大影响,金融危机爆发后,经济陷入低迷,企业盈利水平下降,银行资产质量降低,不良贷款率增加;
② 国内生产总值增长率(RGDP)。当国内生产总值GDP增长较快时,经济处于繁荣期,企业经营环境较好,偿债能力强,因此,银行的不良贷款率较低;
③ 居民消费价格指数(CPI)。居民消费价格指数CPI是衡量通货膨胀的一个指数,当CPI大幅上升,将出现通货膨胀现象,不利于企业生产经营,银行不良贷款率提高;
④ 全国房地产开发业综合景气指数(RE)。由于银行贷款多以房产作为抵押物,因此,房地产价格波动对银行不良贷款率有很大影响。当房地产价格大幅下降时,房产价值的锐减将会影响银行资产质量,不良贷款率攀升,这在自回归结果中尤其显著,房地产变动对银行不良贷款率的影响具有滞后性。
另外,自回归结果也表明:银行不良贷款率会受到宏观经济因素滞后期的影响,尤其GDP增长率和国房景气指数这两个指标。
(五)宏观压力测试
1.压力情景设定
本文采用情景分析法对商业银行的信用风险进行宏观压力测试。在对未来宏观经济走势判断的基础上,以2015年3月份为基准情景设定压力场景,具体如下表:
2.压力测试结果
运用以上假设的压力情景进行宏观压力测试,分别设定严重、危机两种情景,在两类不同情景下,根据前述回归分析的结果,估算银行的不良贷款率,压力测试结果如下表所示。
根据以上的测试结果可以得出:
(1)宏观经济因素对商业银行风险水平有着十分显著的影响;
(2)商业银行的不良贷款率与GDP的增长率、国房景气指数表现出负相关性,即随着GDP增长率、国房景气指数的增加,商业银行的不良贷款率降低;
(3)商业银行的不良贷款率与CPI的增长率表现出正相关性,即随着CPI增长率的增加,商业银行的不良贷款率增加。
这种商业银行风险水平随着宏观经济环境恶化而变大的趋势呈现一种加速增长的趋势,随着宏观经济环境恶化情况的加剧,风险水平变大的速度也越来越快。
相较于以往的一些压力测试模型,本次测试所构建模型的优点在于,不仅可以用可得的截止到当期的历史数据对当期的商业银行的信用风险水平进行衡量,还可以根据构建的模型对下一期(或是更长的时间以后)的商业银行的信用风险水平进行合理的预测,这种预测可以使商业银行对风险水平有一个前瞻性的了解,这对于商业银行的风险管理有着十分重要的意义。
四、政策建议
基于本文压力测试的结果,针对银行如何更好地监管、控制信用风险问题,笔者给出如下政策建议:
一、在宏观环境瞬息万变的现代经济市场中,银行应时刻关注和了解宏观经济环境中各经济指标的变化情况,及时根据宏观经济环境的变化调整资产、信贷结构,以达到即时的监测风险,前瞻性地预测、控制、管理风险的目的。具体的措施有:
1.引进或开发相关的宏观经济环境情况监测系统,及时采集各种宏观经济数据,分析宏观经济的变化,前瞻性地洞察宏观经济的走向,特别是某些宏观经济环境的重大变化。
2.全面建立银行整体、某项资产、某个业务组合的压力测试系统,利用可得的各种宏观经济数据,定期进行压力测试,及时发现风险、管理风险、控制风险。
3.根据以上监测、测试和分析,及时对银行运营方式、资产结构、信用结构、业务组合进行调整。
二、银行需引进或开发更为先进的宏观经济计量模型,引入大数据管理系统,建立专业的数理经济学、计量经济学、统计学、计算机人才队伍,进行模型的改进、计算机软件系统的开发,这样才能适应日益复杂的宏观经济环境,实现银行的稳健发展。(作者单位:中国信达资产管理股份有限公司海南省分公司)
参考文献:
[1] 巴曙松 朱元倩.压力测试在银行风险管理中的应用[J].经济学家,2010(02).
[2] 华晓龙.基于宏观压力测试方法的商业银行体系信用风险评估[J].数量经济技术经济研究.2009(04).
[3] 黄志凌.商业银行压力测试[M].北京:中国金融出版社,2010.
[4] 洪明钦 张揖平 尹晟懿 黄玨茹.台湾银行业信用风险压力测试研究[J].金融联合徵信双月刊,第10期.
[5] 华晓龙.基于宏观压力测试方法的商业银行体系信用风险评估[J].数量经济技术经济研究,2009(04).
[6] 沈阳 冯望舒.宏观经济变量于银行信用风险的实证研究——基于宏观压力测试的分析[J].会计之友,2010(08).
[7] 吴婷 段明明.宏观经济因素与商业银行信用风险——实证与压力测试[J].金融观察,2009(12).