作者：卞家涛 余珊萍
来源：《华东理工大学学报（社会科学版）》2016年第06期
[摘要]基于经济新常态研究商业银行总行层级的压力测试以及不同风险之间的传染问题具有重要意义。本文重构了压力测试的方法和流程，利用历史情景对应方法设计压力情景，在压力测试的基础上计算和评估了不同压力冲击对净利润增长率的影响，从实证上分析了信用风险转化、传染、放大市场风险和流动性风险的效应。结果发现：在有轻度通货紧缩预期的常态情景下，净利润增长率低于温和压力情景下的增长率；随着压力程度的不断加重，净利润增长率出现不同程度的下降，都远远低于基期水平；当经济下行并且出现较为严重的通货膨胀时，盈利能力将出现严重危机，其危害远大于经济下行加通货紧缩时的冲击；极端情景下信用风险的增加会放大市场风险、降低自身的市场获利能力，但不会引起流动性紧张。
[关 键 词]经济新常态 商业银行压力测试 风险传染
[作者简介]卞家涛（1983-），男，东南大学经济管理学院博士研究生，研究方向为金融机构管理、产业经济与金融； 余珊萍（1949-），女，东南大学经济管理学院教授，博士生导师，研究方向为国际金融、金融机构管理。
[中图分类号]F83 [文献标识码]A [文章编号]1008-7672（2016）06-0056-14
一、 引言
当前，我国经济处在“三期叠加”期，发展步入新常态，正逐步从主要依靠要素投入推动的发展阶段，迈向创新驱动、提质增效的新时期。经济下行压力加大，宏观经济波动幅度增加，银行经营管理既面临前所未有的新机遇，也面临着很多新问题、新挑战。随着金融改革创新的深入，影子银行、网络银行等类金融机构和民间融资给商业银行带来的冲击和挑战不断增加，银行面临的风险也更加复杂和隐蔽，极端情形下风险和损失也将加大。近年来，利用压力测试方法对商业银行在极端情形下的信用风险进行研究成为商业银行压力测试研究的重点。其中，信用风险（宏观）压力测试研究的重点和核心主要包括以下几个方面：一是压力传导模型的构建，二是压力情景的设置，三是压力测试流程的有效性，四是风险传染问题等。
在压力模型构建方面，最常用的是参照Wilson关于PD的压力测试模型，在此基础上，Pesaran等构建了联系各国宏观经济变量的全球宏观经济向量模型（GAVR模型）。ihák用假想的实例说明了基于财务报表的信用风险压力测试模型是如何构建的。Esa利用单变量方程模型对芬兰银行进行了宏观压力测试，并计算了最低资本要求的变化。目前，国内学者李江、刘丽平和华晓龙，中国农业银行商业银行压力测试研究课题组等多借鉴Wilson等人的研究方法，将宏观经济因素和贷款违约率之间设定为非线性关系，然后使用Logit方程将贷款违约率转化为宏观综合指标Y，以指标Y作为因变量与宏观经济因素进行多元线性回归，具体研究中违约率和自变量的选取略有差异。
在压力情景的设置方面，Schachter将压力测试方法分为历史压力情景、假设性压力情景和情景矩阵法。BIS将压力测试的方法分为历史情景分析法、敏感性分析法、虚拟情景分析法、最大损失分析法与极值理论分析法。Sorge按照压力传导方式，将压力传导模式分为两类方法：分段测试法和集中测试法。ihák提出了 “最差可能性法”和“最差门槛法”。黄志凌将压力情景的设计方法概括为四种：历史情境法、假设情境法、模型法和混合法。
关于压力测试流程方面，一般认为包括：选择风险因素、设计压力情景、执行压力测试、报告评估结果、执行应对五个方面。黄志凌概况为六个步骤。中国银行业监督管理委员会发布修订后的《商业银行压力测试指引》（2014）包括定义测试目标、确定风险因素、设计压力情景等11个方面。在研究与应用中不同的主体在进行压力测试流程时，每个步骤的先后顺序会有所差异，但基本要素是相同的，核心是压力传导模型（机制）的构建和压力情景的设计。
在各种风险的交互性影响与管控研究方面，主要有Goodhart、Tsatsaronis、Eric Wong等相关研究。关于银行间风险传染的研究，学者们的研究主要集中在两个方面，一是Upper等人对银行间传染风险的度量进行了研究；二是Allen和Gale、Nier等人基于复杂网络理论对传染风险特征的分析。
上述研究对于推进压力测试在我国的应用发挥了积极作用，随着理论研究深入和实践应用的需要，探索更加规范、完整、深入的信用风险压力测试，具有迫切的理论意义和现实必要性。本文将在借鉴与参考相关研究的基础上，按照有效压力测试的要件和总行压力测试的特点，力求在以下几方面推进相关研究：（1）极端冲击情景设定时指标一致性问题；（2）指标筛选、实证细节处理的科学性、合理性与压力测试过程的完整性问题；（3）同一银行内部不同风险间的转化与传染问题。具体的研究思路如下图：
二、 压力测试的构建
笔者将压力测试设定为六个环节：明确风险因素与压力指标、选择测试对象与受压指标、构建压力传导模型（或机制）、设计压力情景、实施压力测试、分析结果与提出对策，下面笔者将从压力测试有效性的角度，对每个环节进行应用探讨。
（一） 明确风险因素与压力指标
当前世界经济处于国际金融危机后的恢复期，我国经济下行压力加大，钢铁、水泥、电解铝、平板玻璃、船舶等行业产能严重过剩，房地产、地方债务、金融等潜在风险逐渐显现，有效需求疲软，经济增长动力不足，发展受要素制约日益趋紧，经济发展进入新常态。当宏观经济发生较大幅度波动时，极端情形出现的可能性加大，银行贷款将出现大量违约，信贷资产的质量大幅度降低，引发其他风险的概率升高，银行整体风险加大。为此，笔者将压力因素界定为经济下行通道和周期里的宏观经济波动或风险。
在宏观经济变量的选择上，学者们的选择具有相似性，主要包含：GDP、CPI、PPI、货币发行量、利率、汇率、股票指数、财政收支指数、国定资产投资指标、行业综合指数等变量，具体来说由于研究目的和侧重点的不同，宏观经济变量的选取又有所不同，有时相同的变量选取的时间长度、数据类型也会有所差异，或是选择总量或是选择增长率。
结合我国数据统计和披露特点、指标的标准化程度以及数据的可获得性，本文拟选择GDP、CPI、PPI、固定资产投资、全国商品房销售额和出口的增长率、三个月人民币贷款基准利率、社会消费品零售总额名义增长率等8个变量。在后续的模型构建过程中，将根据变量序列的平稳性、变量的显著性进行指标的筛选，从而确定具有显著影响和经济意义的宏观经济指标。
（二） 选择测试对象与承压指标
当前，我国经济进入以“中高速、优结构、新动力、多挑战”为主要特征的新常态阶段，实体经济去产能、去库存、去杠杆过程中，部分行业经营压力加大，信贷资产质量稳定性下降，不良贷款率反弹，为此将测试对象拟定为G银行信贷资产的信用风险，受压指标选择为G银行不良贷款率。
将不良贷款率作为承压指标，主要基于以下考虑：一是不良贷款率统计口径统一，数据标准化较高；二是不良贷款率含义清晰；三是利于压力测试信息需求者理解和使用；四是便于信用风险压力测试研究的深入开展，如计算监管资本、经济资本、调整资产减值准备等；五是和压力因素和压力指标之间有可信、有效的关联，当宏观经济变量出现不利的极端波动时，不良贷款率会大幅上升，银行信用风险加剧。
（三） 构建压力传导模型
1. 数据的收集与处理
数据时间长度基本涵盖了美国“次贷危机”的萌发、显现及蔓延，较为完整地反映了国际金融危机发生时，中国宏观经济波动对银行的冲击影响，可以代表宏观经济的周期性风险。
2. 变量的筛选过程
在建模之前需要对指标对应的数据序列进行平稳性检验，从中筛选出具有显著性的压力指标，然后构建压力传导模型和设计压力情景。
（1） 受压指标数据转化的说明
在关于压力测试的研究方面，通常对受压（因变量）指标进行Y=ln转化。但本文鉴于选择的压力指标和受压指标都是增长率数据，数据性质、数据大小区间相似，无需进行转换，这样更利于压力测试结果的解释。
（2） 变量序列的平稳性检验
由于笔者选择的变量是增长率序列，如果显示平稳就保留，如果显示一阶平稳和二阶平稳就舍弃，因为增长率的差分实际经济意义不大且不便于研究分析。在对各变量序列进行ADF检验时包含常数项，不包含时间趋势。检验发现GDP、FAI、BLI、EXG四个变量序列是一阶平稳，对此予以舍弃，下面拟用CPI、PPI、CHS、RSC四个变量构建压力传导模型。
3. 压力传导模型的构建
一般而言，当宏观经济发生波动时，通过市场经济的核心机制（价格机制）影响借款企业经营和自身资产状况，进而影响其借款的偿还，造成银行不良贷款率的波动，最终引起银行的资产质量和盈利能力的变化。本文将以此作为信用风险压力测试的风险传导机制进行建模分析。建模过程其实就是探讨与寻找压力因素与风险传导渠道与机制的过程，借鉴宏观经济理论和压力测试传导模型的常规做法，结合各变量序列曲线图，尝试建立多元线性方程，作为分析和模拟极端压力情形下压力传导方程的基本形式。
Yt=k0+k1x1t+k2x2t+…+knxnt+ut （1）
考虑到经济系统运行的复杂性，经济变量之间的相互关系可能不仅仅是同期关系还有滞后影响，因此，笔者分别从包含当期关系、包含当期关系和滞后一期关系、包含当期关系及滞后一期关系和滞后两期关系、单独的滞后一期、滞后两期以及包含滞后一期和两期六种形式对NPL与CPI、PPI、CHS、RSC四个变量利用Eviews6.0进行模型估计。
通过对压力指标的不断筛选和滞后期的尝试，暂将影响受压指标不良贷款率的压力指标确定为：CHS、RSC、 CPI（-2）和 RSC（-2），下面将根据方程的统计检验、经济检验和计量经济学检验来确定压力传导模型的最终形式。
（1） 方程的统计检验
变量的t值及其对应的p值表明每个变量均有显著性影响和较强的解释能力。R2=0.70，说明模型对实际样本具有较高的拟合度。F=13.91，对应的P值几乎为0，说明方程可以通过显著性检验。综上，方程估计结果可以通过相关统计检验，具有相对优良、合理的统计性质。
（2） 经济意义检验
从压力传导模型的方程参数估计结果可以看出，居民消费价格增长率的滞后两期与当期不良贷款率之间呈现出正向关系，社会消费品零售总额名义增长率的滞后两期与当期不良贷款率之间呈现出负向关系，这符合经济理论和我们的经济直觉，即可以理解为如果本季度居民消费价格增长率和社会消费品零售总额名义增长率变动一个百分点，将分别对下个季度的不良贷款率产生0.31和-0.20个单位的影响。全国商品房销售额增长率与不良贷款率之间呈现同期的正向关系，这个可以理解，因为住房按揭贷款等与商品房销售有关的贷款在银行信贷资产中占据着重要比例，在房地产日益不景气的当下，这项业务蕴含的风险日益增大。至于社会消费品零售总额名义增长率与不良贷款率之间呈现同期的正向关系，这可以从银行经营的“顺周期效应”方面进行解释。如果社会消费品零售总额名义增长率较大时，可以理解为市场繁荣，此时交易价格上涨的诱因导致相关产品价值的高估，对银行来说，经济的繁荣易于引发银行增加业务量的“冲动”，而业务风险往往在经济形势较好的时候产生与累积。相反，在极端情景下银行会进行“自救”，业务的收缩与经营更加谨慎会在一定程度上降低风险，稳定收益，抵消一部分宏观经济下行和波动带来的影响。所以，从这个角度上讲，在同期有正向关系是可以理解的。况且，变量方向的正负是否合理，不能仅仅局限于其是否符合传统经济理论，而应该看是同期还是滞后，是否有业务的因果关系。经济系统是个复杂的“黑箱”，多重因素作用后有时看似不合理的现象，则有其内在的原因。同时，宏观经济波动对微观银行个体的影响异常复杂，在压力传导过程中，有些压力被扭曲，有些被放大或者减弱，所以同一个宏观经济变量在不同时期的压力冲击下有不同的表现与作用机理，也属于正常现象。
（3） 压力传导方程的协整分析
采用ADF方法检验回归残差，结果显示：在0.05的置信水平下，残差序列不存在单位根，参差序列是平稳的，变量之间在长期存在均衡关系，压力传导方程不是伪回归，可以用来分析压力传导测试。
（四） 设计压力情景
从压力测试作为风险管理和评价业务发展战略的需要考虑，应该与延续经济趋势、刻画经济现实的常态情景下的表现进行比较分析，所以，本文以经济新常态作为延续当前经济发展趋势的“常态情景”；将压力情景设计成“温和”、“中度”和“重度”三种情形，以“常态情景”和“温和情景”作为基准情景，以“中度”和“重度”压力情景作为宏观经济在下一个时段“罕见但可能”的波动与冲击来进行压力测试。
情景设计时笔者使用综合方法。为了反映经济系统的惯性和新常态的特征，使用AR（P）自回归模型设计“常态情景”。为借鉴金融危机中宏观经济变量的表现，在使用历史情景法的基础上结合假设，用历史情景对应法来设计“压力情景”。
1. 压力情景设计的几个假定与说明
（1） 关于压力情景时间的设定
由于经济系统通常具有在一段时间内延续历史惯性的特点，且极端冲击的影响不会很快显现，往往需要一个“过渡期”，所以根据压力传导模型的特征与变量的滞后期来设计压力情景。首先，把2014年2季度的数据作为基准期数据，以2014年2、3季度作为常态的“延续期与压力酝酿期”，以2015年1季度作为“压力爆发期”。这样的时间安排可以体现常态情景向压力情景的转化，体现压力情景设计的动态性。以此测试“现在”之后的半年银行信贷资产质量情况。同时，延伸计算如果出现极端情景，会对银行的盈利能力和资产质量产生何种程度的影响，G银行是否可以承受假定的极端压力冲击？
（2） 关于核心压力指标的设定
通过压力传导方程的估计结果可知有三个压力指标对受压指标具有显著影响，为保证这些指标在压力情景设计的一致性与联动性，首先需要确定核心压力指标，然后根据核心指标取值时的时间对应确定其他指标的值。
市场经济中最重要的机制是价格机制，价格调节供求，引导资源配置。因此，本文将CPI作为核心压力指标，在确定CPI压力情景值的基础上，通过历史情景对应法确定CHS和RSC的压力情景值，这种方法能较好地解决多个宏观经济指标之间的逻辑一致性问题。
（3） 关于压力程度的设定方法
笔者尝试以压力指标CPI的均值来构建“温和”压力情景，均值加减一倍标准差来构建“中度”压力情景，以最大值和最小值作为“重度”压力情景。
2. 常态情景的设计
通过CPI、CHS和RSC相关图和Q统计量判断滞后阶数P，构建AR（P）自回归模型。根据检验结果，分别建立CPI、CHS和RSC的2、2、1阶自回归模型。三个方程的估计结果通过检验，符合要求，可以用来预测和计算2014年第3季度、2014年第4季度、2015年第1季度的常态情景值。
CPI=0.87+1.51*CPI（-1）-0.78*CPI（-2） （3）
CHS=12.20+1.11*CHS（-1）-0.61*CHS（-2） （4）
RSC = 9.28 + 0.47*RSC（-1） （5）
3. 压力情景的设计
（1） 压力指标的历史表现
在压力情景设计中，应该充分考虑压力指标的历史表现与特征，因为极端 “恶劣”的表现往往会重演，参考历史区间中每个压力指标的波动情形以及指标之间的相关变化情形，在一定程度上可以确保情景设计的合理性与一致性。
从表3、表4和图3可以看出，在2006年第4季度至2014年第2季度31个季度数据中，CPI总体上呈下降趋势，均值和中位数比较接近，分别为3.31、2.87，最大值和最小值为8.03、-1.53。RSC波动幅度不大与CPI的特点相似，有逐渐下降的趋势，均值和中位数比较接近，最大值和最小值分别为23.88、-3.52；而CHS波动较大，虽然均值和中位数比较接近，但在均值为24.23的情况下，最大值和最小值分别为：111.28和-30.95。
（2） 温和压力情景的设计
鉴于CPI的均值为3.31时，没有严格意义上对应的CHS和RSC的滞后两期值，为避免数据选取和对应的随意性和偶然性，本文在样本区间内用与CPI为3.31时最为接近的CPI所对应的CHS和RSC滞后两期的平均值，作为“温和”压力情景的压力值。详情如表5。
（3） 中度压力情景的设计
当CPI为5.66时在样本区间里没有严格的对应的值，采用最接近的5.73来进行历史对应取CHS和RSC的值。详情如表6。
（4） 重度压力情景的设计
在样本的历史区间内，如表7所示，2008年第1季度CPI最大，值为8.03，对应的当期RSC为20.61，滞后两期的CHS和RSC的值为-30.95和23.23。2009年2季度 CPI最小，值为-1.53，对应的当期RSC为15.01，滞后两期的CHS和RSC的值为100.94和16.55。
需要说明的是有两点：其一，宏观经济的波动或者下行不能简单地理解和定义为所有的经济变量都应该出现所谓的“唱衰”，压力情景不是所有的压力指标都应该具有方向统一的“压力”，关键看主要压力指标和指标设计后受压指标的综合效应。其二，为了反映当前的经济社会环境和市场结构，确保压力情景的前瞻性，可以结合专家判断等合理假设以及其他重要宏观经济变量的预测对压力情景值进行更“严峻”的压力设计，如在极值的基础上再加减数倍标准差。
（五） 实施压力测试
笔者将2014年3季度、4季度作为延续常态特征的时期，即 “常态延续期”和“压力过渡期”，以2015年1季度作为“压力爆发期”，重点测试在2015年1季度时，当宏观经济出现不同程度的冲击时G银行不良贷款率的表现。NPL在31个季度区间内的均值为1.，最大值3.79，最小值为0.85，中位数为1.15。
1. 常态情景下的压力测试
对于2014年3季度的压力测试笔者将采用2014年1季度真实的CPI和RSC作为CPI（-2） 和RSC（-2）的值，以2014年3季度的CHS和RSC的预测值作为CHS和RSC的值。同理，2014年4季度的压力测试将采用2014年2季度真实的CPI和RSC作为CPI（-2） 和RSC（-2）的值，以2014年4季度的CHS和RSC的预测值作为CHS和RSC的值。而2015年1季度的NPL计算将采用预测的2014年3季度的CPI和RSC作为CPI（-2）和RSC（-2）的值，以2015年1季度的CHS和RSC的预测值作为CHS和RSC的值。
通过测试，可以得到随着CPI从2014年3季度的2.41、2014年4季度的2.81到2015年1季度的3.25及其他压力指标的协同变化，不良贷款率由2014年3季度的0.97、2014年4季度的1.43逐渐升高到2015年1季度的1.51。说明压力指标即使保持着常态的惯性，不发生极端波动，G银行的不良贷款率从“常态延续期”和“压力过渡期”到 “压力爆发期”也将不断上升，信用风险逐步加大。
测试结果说明在后金融危机时代和经济新常态的宏观经济环境下，如果CPI延续经济系统的历史趋势，呈现小幅上涨的趋势，G银行的不良贷款率将不断攀升。在经济新常态下，中国经济将从高速增长转为中高速增长，新的经济增长动力尚处于孕育和成长阶段，企业将经受新经济环境的严峻考验，经济系统存在着以化解高杠杆和泡沫化为主要特征的各类风险，商业银行不良贷款率将在接下来的一段时间存在上升的趋势，测试结果正好印证了这一点。
2. 压力情景下的压力测试
（1） 温和压力情景下的压力测试
如果CPI在2014年3季度由2季度的2.20上升到3.31，在设计的组合情景下，G银行不良贷款率将在2015年1季度上升为1.43，比2014年2季度上升0.44个百分点。
（2） 中度压力情景下的压力测试
如果CPI在2014年3季度上升到5.66，在设计的组合情景下，G银行不良贷款率将在2015年1季度上升为1.83，比2014年2季度上升了0.84个百分点，比“温和”压力情景下上升了0.4个百分点。
（3） 重度压力情景下的压力测试
如果CPI在2014年3季度大幅上升到8.03，在设计的组合情景下，G银行不良贷款率将在2015年1季度上升为2.19，大大高于2014年2季度的0.99，比“中度”压力情景下上升了0.36个百分点。如果CPI在2014年3季度急剧下跌到-1.53，在设计的组合情景下，G银行不良贷款率将在2015年1季度上升为1.55，略高于常态和“温和”情景下的不良贷款率，低于“中度”压力情景下的1.83，更低于CPI为最大值时的“重度”情景下的2.19。
（六） 分析结果
1. 关于压力测试的分析与解读
压力测试结论一：在2015年1季度NPL常态情景下的值要略高于温和情景下的值，这是个有趣的现象。近年来，银行之间的竞争愈发激烈，企业倒闭和银行员工辞职现象时有发生，“三期叠加”效应逐渐显现。得出这样的研究结论也在情理之中，说明G银行在延续目前经济趋势的情况下将会出现比08年国际金融危机前后平均趋势更高的不良贷款率。研究结论与实体经济表现一致。
压力测试结论二：经济系统具有复杂性，尽管CHS 和RSC在不同程度的压力情景下的压力表现和方向不同，但随着核心压力指标CPI的不断上升，即压力程度的加大，宏观经济的波动会使G银行的不良贷款率大幅上升。
压力测试结论三：如果在预测期间内，CPI急剧下跌，出现通货紧缩的预期时和CPI大幅上涨一样，银行不良贷款率都会上升信贷风险增大，所以宏观经济在不同方向较大的幅度的波动都会对银行的业务带来负面冲击，通货紧缩和通货膨胀下（包含一段时期的较强预期）的经济都会使银行不良贷款率上升，但通货膨胀的冲击效应更加明显。
压力测试结论四：宏观经济波动对G银行在常态延续的过渡期的冲击效应相对较小，但随着压力的传递与蔓延，当进一步延长测试时间窗口到基准期后的第三期时，在不同压力情景下的不良贷款率显著增加，风险效应明显增大。
总的来说，在经济下行的通道里，出现通货紧缩（预期）的可能性更大。在这样的假设下， G银行的NPL将从2014年2季度基期时的0.99上升至2015年1季度压力爆发期时的1.55，低于G银行在样本期的均值1.，对G银行的冲击有限。
2. 抗压能力计算与评估
至于G银行能否抵御和消化极端冲击造成的损失，需要继续进一步评估。选取季度净利润同比增长率（NPG）作为盈利能力指标进行分析，数据长度为2006年第4季度至2014年2季度，来源于G银行的季报，NPG是0阶平稳的序列。通过对滞后期和变量的不断尝试，得到如下实证结果：
NPG = 2.93 - 55.68*NPL（-1）+51.68*NPL（-2）+ 0.87*NPG（-1） （6）
可以通过显著性检验，变量经济意义合理，对于NPL（-2）的系数方向，可以理解为银行自身经营的修复机制，当本期的不良贷款率较高时，银行会进行不良资产的化解与预防，在两个季度后的纠正与修复后，净利润增长率会提高。
净利润增长率在常态的“延续期与压力酝酿期和“压力爆发期”的值，采用自回归方程进行预测。通过AR（1）自回归模型，预测得到NPG的值为：8.65、9.96、11.13。
利用方程6进行压力冲击的粗略计算，得到净利润增长率在压力爆发期之后的下一个季度的压力冲击预测值，如表10。
冲击结果表明：在有轻度通货紧缩预期的常态情景下，净利润增长率低于温和压力情景下6.%的增长率，说明当前经济下行压力将会使G银行的净利润增长率低于样本期平均物价情景下的盈利能力；在压力情景下，随着压力程度的不断加重，净利润增长率在中度情景下出现-15.38%的增长，在重度一情景冲击下净利润增长率下降到35.42%，在重度二压力情景下时下降到0.21%，都远远低于基期7.2%的增长率；当经济下行并且出现较为严重的通货膨胀（“滞胀”）时G银行的盈利能力将出现严重危机，此时的危害远大于经济下行加通货紧缩时的冲击。
三、 压力冲击下不同风险间传染的实证分析
银行风险管理需要关注业务的不同风险分布和转化，以此了解整体风险状况。目前，在学术研究和银行实务界关于同一银行在压力情景冲击下内部不同风险相互传染方面并未形成较为成熟的压力测试方法，作为研究的推进，笔者将对此进行尝试性探讨和分析。
研究思路如图4。物价等宏观经济指标发生不利变动时，银行贷款客户经营出现困难、盈利能力和自身资产状况恶化、还款能力下降，进而致使银行不良贷款率的大幅上升，信用风险增加，银行资产质量下降、盈利能力受损，极端压力情景下信用风险传染至市场风险和流动性风险。对信用风险转化、传染、放大市场风险和流动性风险的效应进行测度，对市场风险和流动性风险对信用风险的逆向传染，以及市场风险和流动性风险之间传染的测度也可采用类似方法，在此不做实证。
鉴于内部风险数据获取的困难，拟采用指标代替法进行实证研究，以不良贷款率（NPL）表示信用风险，以存贷比（LDR）代表流动性风险，以成本收入比（CIR）代表市场风险。数据长度为2006年第4季度至2014年2季度，来源于G银行的季报，LDR、CIR是0阶平稳的序列。通过对滞后期和变量的不断尝试，得到如下实证结果：
（一） 不同压力情景下信用风险对市场风险的传染效应测度
CIR=24.18 + 2.30*NPL （7）
估计结果表明方程可以通过统计检验，变量经济意义合理，可以进行不同压力情景下信用风险对市场风险的传染效应测度。见表11。
冲击结果表明：随着实体经济价格的不利变动，随着G银行自身不良贷款率的升高，每一单位的收入需要支出的成本将增加，远高于基期的23.95%，不良贷款率从基期的0.99%上升到压力爆发期的2.19%时，会使成本收入对应从23.95%上升到29.22%，G银行利率风险、汇率风险增加和投资收益下降的可能性加大，极端情景下的信用风险的增加会放大市场风险、降低自身的市场获利能力。
（二） 信用风险对流动性风险的传染效应分析
LDR= 67.31-4.46*NPL （8）
变量的参数方向为负，表明随着不良贷款率的升高贷存比将降低，银行的流动性增加，这似乎与我们的直觉不一致，原因可能是以下两方面：一是不良贷款率的升高会使银行的管理层审慎发放贷款，提高贷款标准，注重贷款质量，从而促使贷存比的降低；二是贷存比是银监会对银行的重要流动性监管指标，在管控流动性风险控制信贷过快增长发挥了积极作用，商业银行为满足监管要求，必将格外关注贷存比的管理。所以在压力情景下，G行信用风险的升高不会造成其流动性的紧张。
综上，通过对G银行信用风险与市场风险和流动性风险的传染效应进行实证分析表明：极端情景下的信用风险的增加会放大市场风险，降低自身的市场获利能力，但不会引起流动性紧张。
四、 结语与对策
通过研究发现宏观经济波动对G银行不良贷款率的冲击较为明显，该行应加强对宏观经济走势的前瞻性预测，及时管控信用风险，提高信贷资产质量，保持盈利能力的稳健提升。要把对极端风险的识别与防范纳入全面风险管理体系，对潜在压力因素的影响机制与路径进行研判，注重防范不同风险间的传染与转化，加大对风险敏感领域的管控力度，提高全面风险管理能力。
（责任编辑：余风）
