信用风险计量模型CPV:
CreditPortfolioView模型。20世纪90年代末麦肯锡公司研发的CreditPortfolioView模型运用蒙特卡洛模拟技术和计量经济学相结合分析贷款组合的信用风险。将宏观经济因素纳入模型,建立起宏观经济变量与信用风险的联系。CreditPortfolioView模型通过逐步加入宏观变量冲击来模拟转移概率的变化,该模型根据现实宏观经济数据通过蒙特卡洛模拟得出贷款违约率,并不依赖历史数据,历史数据只是对那些非违约的转移概率进行计算。CreditPortfolioView模型采纳的VAR方法具有较强的前瞻性,可视为对基本信用计量方法的补充,并克服了一般模型不同时期转移概率一成不变的假设。同时具有违约概率模型和盯市模型的双重功能,该模型最重要的创新在于运用宏观经济因素的变动来计量信用风险的变化。
不同模型的基本要素比较:
压力测试流程
对商业银行房地产贷款进行压力测试时,首先选择风险因子,哪些风险因子会触发银行的信贷资产发生损失。接着设计压力情景,情景的设定要严峻于正常状况,极端却有可能发生,通常采用历史情景和专家设计两种情景设定方式,通过构建风险传导模型,得出压力测试的结果。然后分析银行近期的经营状况,是否能够承受假设的极端情景下造成的损失。最后根据评估的结果,银行可以结合对未来宏观经济变化的预期判断提前制定相应的防御措施。
实证分析
1、被解释变量:房地产不良贷款率替代违约率
2、解释变量:消费者价格指数(CPI)、国内生产总值(GDP)、3-5年期贷款利率(R)、股票价格指数(INDEX)、广义货币供应量(M2)、固定资产投资(INVEST)、城市人均季度总收入(IPH)、国房景气指数(NHBI)及消费者信心指数(CCI)这9个宏观经济变量。选取季度数据进行实证分析。其中,商业银行不良贷款率数据来自银监会网站,其他数据来自Wind数据库和国家统计局数据库。
3、数据调整:
(1)价格调整。在所选取的9个经济变量中,有4个是名义变量∶国内生产总值、广义货币供应量、城市居民可支配收入、固定资产投资额,它们会因为物价水平的变动而受到影响。因此在进行回归分析前,要对这些名义变量进行价格调整,排除价格因素对这些指标的影响。本文以2003年4季度为基期,计算各期的CPI数值,用各期相应的CPI数值去除国内生产总值、广义货币供应量、固定资产投资额、城市人均季度总收入的名义值得到各变量的实际值。
(2)季节调整。一般情况下,经济指标的季度和月度数据包含4种变动要素,分别是季节变动要素、长期趋势要素、不规则要素和循环要素。自然条件、社会制度与风俗等因素都会造成经济时间序列的周期变动,因此受季节变动要素影响所产生的这种周期性变化在经济分析中称为季节波动。对于时间序列,季节性因素会导致统计数据不能客观反映经济变化规律,因而在经济统计分析中除掉季节波动因素的影响,需要对季度数据和月度数据进行季节调整。本文用SPSS19.0对国内生产总值和固定资产投资额等进行季节调整。
(3)多重共线性分析:
在存在多重共线性的情况下,当一个变量发生变化时,另一个变量也会随之发生变化,很难衡量每一个解释变量对总体 R2的贡献,因此有必要采取一定策略对解释变量引入回归方程加以筛选。本文使用 SPSS 19.0软件,采用向后筛选策略对解释变量进行筛选以剔除变量的多重性。
上述分析结果表明,应该重新建立回归方程,这里采用向后筛选策略让SPSS19.0软件自动完成解释变量的筛选,观测每一步检验的变化情况,同时进行强影响点探测与残差分析,分析结果如表5.2。
第五个P值都小于0.05,适用。
4、模型检验
(1)拟合优度
(2)回归方程显著性检验
(3)回归系数显著性检验
(4)残差检验
5、模型建立
6、压力测试(核心)