商业银行个人贷款压力测试方法研究.doc

商业银行个人贷款压力测试方法研究摘 要：当前我国商业银行个人贷款业务迅猛发展，对商业银行的风险管理水平、风险识别、计量和监测能力提出了更高的要求，借鉴和运用压力测试技术监测信贷资产状况已经成为商业银行应对日益复杂的经济及政策环境的迫切要求。本文主要对当今国际普遍使用的压力测试方法进行研究，重点探索适合我国商业银行的个人贷款压力测试方法，并提出未来压力测试工作的发展方向。 关键词：商业银行；个人贷款；压力测试 中图分类号：F832.21文献标识码：B文章编号：1007-4392（2011）01-0035-03 一、压力测试的基本框架 压力测试是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，进而对商业银行抵御风险的能力做出评估和判断。如图1所示，在个人贷款压力测试中，测试的基本框架包括对宏观经济变量的传导、借款人行为模式的分析以及对违约损失的模拟三个方面。 宏观经济变量传导主要体现在房地产价格波动以及利率水平的调整等因素上，当房产价格低于贷款现值时，借款人将倾向于选择理性违约，给银行资产带来损失；而利率水平则是借款人所承担的成本，当利率水平接近或超出其承受能力时，借款人则倾向于被迫违约。 借款人行为的分析将贷款抵押率、收入负债比以及贷款类型等作为重点参考对象，考虑借款人的特征与违约概率之间的关系，从而预测特定贷款违约的可能性。 违约损失模拟是在获取违约概率的基础上，给定一个违约损失率，并与相应的风险暴露相乘，计算出预期损失。我们采用的方法是分别计算每笔贷款的预期损失，并进行汇总以模拟总体预期损失。 二、压力测试的主要模型 针对我国商业银行个人贷款业务发展时间较短，历史数据积累不足，系统建设不完善，数据质量缺少保障的情况，在压力测试过程中，参考国际同业在压力测试研究中的经验数据，以专家法为主建立模型，其中涉及以下四个模型： （一）贷款分类模型 该模型根据专家经验，确定当前违约概率与五级分类两者之间的转化，包括以下两个子模型： 1.将贷款五级分类中每类贷款的PD经验值进行细化。对于个人贷款客户，由于当前逾期天数是衡量未来违约风险的重要指标，且在行为评分模型中一般拥有较大权重，所以业内普遍使用逾期天数分段作为个人贷款五级分类的标准。因此，可将五级分类的PD经验值进一步细化为PD与逾期天数的关系，即PDf（逾期天数）。 2.根据专家阈值，将PD转换为五级分类结果。如图2所示： 该模型将逾期天数作为影响违约概率PD的因素，着重体现了各违约程度的客户的差异性，因此对逾期天数较高（30天以上）的贷款，预测效果较好，而对于轻度逾期（30天以下）及正常还款未出现逾期的贷款的违约概率的估计精确性相对较差。 （二）违约及损失模型 该模型主要参照国际同业经济衰退时期贷款违约表现，根据是否以房产为抵押将个人贷款分为两类分别建立子模型。 1.以房产为抵押的贷款。根据客户的贷款抵押率（LTV）、收入偿债比（DIR）、抵押物类型等因素，对逾期和损失情况进行预测。分为两个子模型：违约概率PD模型和违约损失率LGD模型。 违约概率PD模型如下表所示，当贷款LTV上升或DIR上升时，均可能引起PD上升。 违约损失率LGD模型如下表所示，当贷款LTV上升时，可能引起LGD上升。 2.其他个人贷款。对于非以房产为抵押的贷款，如汽车贷款、信用贷款，相比于以房产为抵押的贷款，其担保方式存在更多不确定性，因此，参照以房产为抵押的贷款的违约及损失模型，在贷款抵押率（LTV）为中度偏高的假设下建立PD受DIR变化影响的单变量违约概率模型。 该模型充分考虑借款人及贷款的特征作为违约概率的影响因素，因此相对于模型I，对轻度逾期（30天以下）及正常还款未出现逾期的贷款，预测更为准确。 （三）抵押物价值重估模型 在计算贷款抵押率LTV时，需对抵押物现值进行估测，该模型以抵押物最近评估时间、抵押物所在城市和各主要城市房价指数为主要参数，将房产抵押物的评估价值通过当地房价的波动幅度近似的折算为当前的市场价格。 （四）宏观经济指标传导模型 为测算经济增长速度变化这一风险因素与个人住房贷款资产质量的关系，我们选取收入作为中间变量，以判定风险传导的量化关系。居民收入的增长与经济发展速度有着密切的联系，我们通过研究历史上其他国家在经济衰退时期GDP对居民收入的影响，以及考察我国经济快速增长时期GDP与居民收入的相关性，建立了经济增长向居民收入传导的模型： 人均可支配收入 =f (GDP) 该模型通过人均可支配收入对国内生产总值GDP的弹性，计算经济增长放缓的时期GDP增速下降带来的居民人均可支配收入增幅下降的程度。 三、压力测试测算过程 （一）经济变量的传导 宏观经济压力因素主要包括经济增长速度、房地产市场价格以及利率水平等，传导机制如图3、图4所示，主要包括两个部分： 第一部分：房价下跌导致贷款抵押率LTV上升。 首先，通过价值重估模型对抵押物价值进行折算。主要是将最近评估价值折算为测试时点房产押品的价值，折算依据为最近评估时间至测试时点房产所在区域的房价指数。然后，根据轻度、中度和重度压力情景中房价下跌的压力指标计算压力下的房产押品的价值，则压力情景下的贷款抵押率LTV = 贷款余额/房产现值（1-房价跌幅），房价下跌导致LTV的上升，将对违约概率和违约损失率产生影响。 第二部分：利率上调及收入增长率下降导致客户收入债务比DIR上升。 首先，将最近若干年度国内生产总值GDP及人均可支配收入数据进行算术平均，作为压力测试的基准值。通过宏观经济指标传导模型，根据基准情况下以及轻度、中度和重度压力情景下GDP的增幅，计算不同情景下相应的居民可支配收入增长率，从而计算出相对于基准情况，收入在各压力情景下的降幅。 同时，在轻度、中度和重度压力情景下，如果考虑利率上调，使客户还款负担加重，即负债相应的增加，此时收入偿债比DIR将因受到负债增加和收入减少的影响而上升，从而对违约概率产生影响。通过DIR负债（1+负债增幅）/收入（1-收入降幅）可计算出各压力情景下的DIR。 （二）行为模式分析及违约损失模拟 当贷款抵押率LTV和收入负债比DIR提高时，根据表1和表2，贷款违约概率PD、违约损失率LGD将发生变化，进而影响贷款预期损失和五级分类迁徙情况，如图5所示： 测算房价下跌、利率上升和收入下降压力通过LTV和DIR传导为违约概率和违约损失率的上升的情况。基于国际同业经验建立的模型II（违约及损失模型）主要适用于正常及轻度逾期的贷款的风险预测，模型I（贷款分类模型）对逾期30天以上的贷款较为有效，因此，我们使用模型II测算正常还款及轻度逾期（30天以下）的贷款的违约概率PD，为使测算结果能够更准确的反映违约贷款的逾期程度，我们对测算的PD用基于当前逾期天数的参数做轻微调整。 对于逾期30天以上的贷款，由于模型I无法反映压力情景下LTV和DIR变化对违约概率PD的影响，因此我们用模型I计算的违约概率PD作为基准，用基于模型II测算的各压力情景对PD的影响程度对其进行调整，计算出各压力情景下该类贷款的违约概率。 同时，我们利用变化后的LTV和DIR，使用模型II中的LGD子模型测算出压力情景下的LGD。 根据上述步骤测算的PD和LGD，相乘得到三种不同压力情景下的预期损失EL比率，进而测算预期损失金额。然后，根据模型I，将压力情景下的PD分段转化为五级分类结果，得到压力情景下五级分类迁徙情况及贷款不良率。 四、存在的困难及发展方向 （一）历史数据积累不足 针对我国商业银行个人贷款业务发展时间较短的情况，在压力测试过程中，我们参考国际同业在压力测试研究中的经验数据，以专家法为主建立模型，但在对非以房产为抵押的贷款进行测算时，由于建立了受DIR变动影响的单变量模型进行测算，该模型的适用度存在一定程度的下降。随着我国个人贷款业务的发展及基础数据的积累，将为各种内、外部评分模型的开发和验证创造更好的条件，届时压力测试将更多地引入风险精算方法和模型开发成果，并逐步建立起符合我国国情及商业银行业务发展实际情况的测算模型，提高测算结果的客观性和精确性。 （二）房价指数数据需进一步细化 在对抵押物价值进行重估时，我们通过抵押物所在城市房价指数将其最近评估价值折算为现行价值，但所使用的房价指数的数据准确性存在一些问题，一方面不同研究机构数据采集方式和统计口径存在差异，另一方面同一城市不同地区，以及同一地区不同房产类型的房价指数也不相同，因此测试者还需将价格指数进一步细化，使测算更加准确。 （三）我国缺少完整经济周期数