我國債券資產(chǎn)的壓力測試

熊 熊，蘭 云

（天津大學(xué)管理與經(jīng)濟學(xué)部，天津300072）

自20世紀(jì)70年代布雷頓森林體系崩潰以來，金融自由化和全球化迅速發(fā)展，金融體系面臨的風(fēng)險日趨增加，金融危機的發(fā)生也越來越頻繁。具體來說，20世紀(jì)70年代末，拉美債務(wù)危機爆發(fā)，引發(fā)西方國家銀行倒閉風(fēng)潮；20世紀(jì)80年代后期美國平均兩天內(nèi)就會有一家銀行倒閉；20世紀(jì)90年代，從日本經(jīng)濟陷入低迷到墨西哥金融危機、俄羅斯金融危機、亞洲金融危機和阿根廷金融危機等相繼爆發(fā)，這都顯示出金融體系風(fēng)險的常態(tài)化。而2007美國爆發(fā)的次貸危機不僅顛覆了美國本土的金融格局，也殃及了大量北歐國家，使曾經(jīng)的“北歐天堂”不復(fù)存在。在2009年，全球經(jīng)濟呈現(xiàn)復(fù)蘇的萌芽時，希臘、迪拜又相繼爆發(fā)主權(quán)債務(wù)危機。種種事實說明，金融風(fēng)險已呈現(xiàn)常態(tài)化趨勢，因此風(fēng)險管理顯得尤為重要。

談及金融風(fēng)險管理，傳統(tǒng)的VaR模型假定風(fēng)險因子服從正態(tài)分布或?qū)?shù)正態(tài)分布，風(fēng)險因子收益的變化具有“平穩(wěn)”的特征，排除了發(fā)生跳躍和其他極端情況的可能性，進而度量在一定置信水平和一定持有期內(nèi)，某一金融工具或其組合在未來資產(chǎn)價格波動下所面臨的最大損失額。因此，VaR模型適用于一個“正態(tài)市場”，或者說是正常市場環(huán)境，而當(dāng)金融市場激烈動蕩的時候，VaR模型就無能為力了，這也在2007年的次貸危機中得到了證實。

此外，從我國金融市場的情況來看，壓力測試出現(xiàn)在我國的金融舞臺最早可以追溯到中國銀監(jiān)會為了響應(yīng)IMF和世界銀行于1999年5月聯(lián)合推出的“金融部門評估規(guī)劃（FSAP）”，并于2003年9月開始組織對各商業(yè)銀行的評估工作。此外，中國銀監(jiān)會于2007年制定了《商業(yè)銀行壓力測試指引》旨在提高商業(yè)銀行的風(fēng)險管理能力，該指引于2014年進一步修正。除此之外，壓力測試在其他領(lǐng)域應(yīng)用并不廣泛，實踐并不充分。隨著2015年我國加入世界貿(mào)易組織的保護期屆滿，面臨的全球金融風(fēng)險更加嚴(yán)峻，各種無法用VaR模型解決的問題將會無法避免。因此，對我國金融市場尤其是債券市場進行壓力測試是十分有必要的。

Dunbar和Irving（1998）指出壓力測試主要有三種分析方法：歷史情景分析法、結(jié)構(gòu)化情景分析法和根據(jù)機構(gòu)本身特性的情景分析法[1]。BIS（2000）則認(rèn)為，可分為敏感性分析法、歷史情景分析法、虛擬情景分析法、最大損失分析法與極值理論分析法等[2]。Kupeic（2002）依據(jù)傳統(tǒng)VaR模型的架構(gòu)，以Delta正態(tài)法為基礎(chǔ)進行壓力測試，將VaR與壓力測試構(gòu)建在同一分析架構(gòu)中，但其分析架構(gòu)在理論上忽略了多數(shù)資產(chǎn)收益率的實際分布常具有厚尾現(xiàn)象的特性[3]。Embrechts、Mon eil（1997）等一些研究極值理論在風(fēng)險管理應(yīng)用的學(xué)者，也陸續(xù)推導(dǎo)出了可以同時估計出壓力情景下的資產(chǎn)組合損失及其發(fā)生概率的方法[4]。國外就壓力測試的定量方法可分為兩類：一類是事先假定分布的方法，包括利用模型估計分布的變異數(shù)；另一類是利用蒙特卡羅模擬的方法。

就壓力測試的具體操作程序而言，一套完整的壓力測試往往包括風(fēng)險因素識別、情景構(gòu)建、場景分析和模型選取。Pesaran、Schuermann、Treutler和Weiner（2006）最早采用了VAR模型生成概率情景來對銀行系統(tǒng)進行壓力測試，并采用沖擊響應(yīng)函數(shù)來探究宏觀經(jīng)濟變量的沖擊[5]。Thomas Breue（r2009）提出采用風(fēng)險因子的馬氏距離來界定壓力情景發(fā)生的概率。這種方法的優(yōu)勢是可以讓決策者在極端情景的可能性和嚴(yán)峻性之間做權(quán)衡[6]。在模型選取方面，比較有亮點的是Van den End、Hoeberichts、Tabbae（2006）在奧地利的 SRM 多元 t-copula的基礎(chǔ)上提出了另一種新的方法。該方法考慮了宏觀經(jīng)濟變量同時變化的情況和他們之間的互相作用，解決了壓力測試不能很好地解決相關(guān)性的問題[7]。Ricardo Schechtman等（2012）對巴西銀行系統(tǒng)的房地產(chǎn)貸款進行壓力測試，在Wilson模型基礎(chǔ)上加入了分位數(shù)回歸，有利于估計資產(chǎn)規(guī)模的厚尾特征[8]。此外，Vazquez et a1（．2012）首次嘗試開拓了新的研究方法，采用VaR模型對風(fēng)險因子進行建模并識別變量間關(guān)系。

相較于國外的研究，國內(nèi)對壓力測試的研究起步較晚。尤其是在2007年以前，大多數(shù)學(xué)者如郭春松（2005）、黃（2004）、楊鵬（2005）、董天新和杜亞斌（2005）、陳德勝和姚偉峰及馮宗憲（2004）、蔣祥林和王春峰（2005）等先后圍繞壓力測試的必要性、目的作用、所用方法、國內(nèi)外的具體實踐進行了理論上的探討[9～14]。在實證方面，以汪壽陽、張靜（2002）的研究比較有代表性，他們利用壓力測試的方法分析日元貶值對我國2002年出口造成的影響[15]。在2007年以后，學(xué)者們更多地圍繞壓力測試的具體操作程序展開研究，而且結(jié)合商業(yè)銀行信用風(fēng)險的研究占了大部分。其中，唐文江等（2009）對壓力測試情景設(shè)置進行了探討，分析了情景設(shè)置的方法，并對情景設(shè)置中如何建立宏觀經(jīng)濟因子之間的聯(lián)系、風(fēng)險因子的傳導(dǎo)機制以及情景設(shè)置如何與風(fēng)險管理文化結(jié)合、應(yīng)對突發(fā)事件等問題進行了探討[16]。巴曙松、朱元倩（2010）總結(jié)了國際上對壓力測試的實踐規(guī)范與方法，著力研究了事件沖擊到承壓變量之間的傳導(dǎo)機制和缺乏數(shù)據(jù)情況下的宏觀壓力測試[17]。徐明東、劉曉星（2008）深入研究了宏觀壓力測試的理論模型和執(zhí)行宏觀壓力測試的主要步驟、方法，并對宏觀壓力測試的主要難題如銀行之間的相互影響與反饋效應(yīng)等進行了研究[18]。同時，他們也對目前主要的宏觀壓力測試系統(tǒng)，包括FSAP系統(tǒng)、奧地利央行的SRM系統(tǒng)以及英格蘭銀行的TD系統(tǒng)，進行了比較研究。楊曉奇（2010）選取不良貸款率為指標(biāo)評估銀行體系穩(wěn)定性[19]，在Wilson（1997）的研究框架下，使用蒙特卡洛模擬和誤差校正模型進行宏觀壓力測試，評估銀行體系在GDP增長率為7%、6%和5%的情景下銀行體系的穩(wěn)定性。

早期的壓力測試主要集中在壓力測試的執(zhí)行框架、操作流程上，近期的壓力測試則從情景的設(shè)置、模型的選取、壓力測試的執(zhí)行、影響測度等多個角度出發(fā)，對壓力測試進行了較為深入的研究。目前的研究呈現(xiàn)以下幾個特征：首先，對宏觀經(jīng)濟體系的壓力測試研究主要由監(jiān)管部門領(lǐng)導(dǎo)，對其重點關(guān)注的問題是如何兼顧壓力情景的嚴(yán)峻性和概率特征，有很多研究對這些問題進行探討，可惜效果不盡如人意。

一、理論基礎(chǔ)

（一）壓力測試

壓力測試這一概念最早由國際證券事務(wù)監(jiān)察委員會組織（IOSCO）于1995年提出，當(dāng)時被定義為：“假設(shè)市場在最不利的情形下，如利率突然急升或股市突然重挫時，對資產(chǎn)組合的影響效果?！倍螅?999年這一定義被擴展為：“將資產(chǎn)組合面臨的嚴(yán)峻但有可能發(fā)生的極端風(fēng)險加以認(rèn)定并進行量化?！贝送?，2000年國際清算銀行巴塞爾銀行全球金融系統(tǒng)委員會（BIS committee on the global finanical system，BCGFS），將其定義為一種金融機構(gòu)用以衡量那些潛在但可能發(fā)生的異常損失的模型。就我國而言，銀監(jiān)會將壓力測試視為：“將整個金融機構(gòu)或資產(chǎn)組合置于某一特定的主觀想象的極端市場情況，對該金融機構(gòu)或資產(chǎn)組合在這些關(guān)鍵市場變量突變的壓力下的表現(xiàn)狀況進行測試，看其是否能經(jīng)受得起這種市場的突變。”綜合國內(nèi)外對壓力測試的定義，本文將壓力測試?yán)斫獬梢环N衡量在極端市場情況下所導(dǎo)致的潛在損失的方法。

作為金融風(fēng)險管理的方法之一，壓力測試的主要目的在于評估單個債券基金或是商業(yè)銀行等金融機構(gòu)在市場發(fā)生嚴(yán)峻性的危機事件時所面臨的主要風(fēng)險以及評估在極端不利條件下金融機構(gòu)體系的穩(wěn)健性，也就是通過預(yù)設(shè)某些宏觀經(jīng)濟指標(biāo)發(fā)生劇烈震蕩時，對債券市場或是銀行體系穩(wěn)健性的影響。壓力測試的方法可以運用在優(yōu)化并檢驗經(jīng)濟資本配置是否合理、評估金融機構(gòu)業(yè)務(wù)風(fēng)險大小、測量異常但是有可能發(fā)生的極端事件對資產(chǎn)組合的影響以及評估金融機構(gòu)的風(fēng)險承受特性。

就壓力測試的作用而言，主要分成兩個方面。第一，對商業(yè)銀行、債券基金等金融機構(gòu)來說，壓力測試有助于其更完善地評估其抵御風(fēng)險的能力，增進對本身風(fēng)險狀況的了解，有利其監(jiān)測有關(guān)風(fēng)險狀況的變化，使它的管理層能夠?qū)⑵洮F(xiàn)在所承受的風(fēng)險。此外，針對歷史數(shù)據(jù)“失真”的情況，彌補對主要以歷史數(shù)據(jù)及假設(shè)為基礎(chǔ)的風(fēng)險評估方法以評估蒙受損失的大小。第二，針對金融機構(gòu)的監(jiān)管當(dāng)局，運用壓力測試的方法可以使其對所監(jiān)管的金融機構(gòu)在未來可能承受的風(fēng)險和所能夠承受的風(fēng)險強度有一個宏觀的把握并預(yù)測在不利的經(jīng)營條件下風(fēng)險發(fā)生的可能性，對風(fēng)險的規(guī)避有重要的意義。

從操作方法來看，壓力測試大體可以分為兩種類型：情景測試和敏感性測試。情景分析會涉及多個因子的變動，測試的過程也相對復(fù)雜，主要應(yīng)用于流動性風(fēng)險、信用風(fēng)險以及操作風(fēng)險以及宏觀壓力測試。根據(jù)選取的情景不同又可以細分為歷史情景法和假定情景法兩種。敏感性測試主要應(yīng)用于單個風(fēng)險因子的變動，常用于市場風(fēng)險的壓力測試。

（二）我國上市公司債

新的《公司法》對公司債券的定義是：“指公司依照法定程序發(fā)行、約定在一定期限內(nèi)還本付息的有價證券?！惫緜枪就獠咳谫Y的一種重要手段，是企業(yè)融資的重要來源，同時也是金融市場上的重要金融工具之一。作為私人公司或公眾公司舉借債務(wù)時使用的工具，公司債由發(fā)行人根據(jù)發(fā)行契約發(fā)行，為債券持有人的債權(quán)憑證，由發(fā)行人承擔(dān)還本付息的義務(wù)。公司債期限可短至幾天或長達百年，發(fā)行人在債券契約中必須說明資金用途、財務(wù)狀況。另外，公司債還具有不免稅、有固定發(fā)行面值、在交易所上市等特征。此外，公司債券的發(fā)行通常由評信機構(gòu)給予信用評定。目前，我國上市流通的公司債評級分為 AAA、AA+、AA、AA-、A+和 A 六類。

二、公司債的壓力測試

（一）數(shù)據(jù)來源及處理

本文對公司債的壓力測試采取敏感性測試的方法，對市場風(fēng)險進行管理，即研究市場利率大幅變動對公司債價格的影響。本文采用公司債的到期收益率代表價格。由于目前我國上市的公司債有 AAA、AA+、AA、AA-、A+和 A 六種評級，只選取單一種類不具有代表性。此外，公司債的期限往往不等，期限也會對收益率造成影響。所以，為了兼顧研究的全面性與效率性，本文選取AAA、AA和A+三類公司債的數(shù)據(jù)，并將每種類別的3年、5年、7年的收益率進行平均，得到債券到期收益率（ytm）數(shù)據(jù)。數(shù)據(jù)以日為頻率，期限為2014年12月10日至2016年5月5日共342個數(shù)據(jù)。本文采用隔夜的上海銀行間同業(yè)拆借利率（shiboro/n）來代表市場利率。與之對應(yīng)，選取shiboro/n（s）2014年12月10日至2016年5月5日共342個數(shù)據(jù)。本文中所有數(shù)據(jù)均來自Wind數(shù)據(jù)庫，本文模型的實現(xiàn)通過經(jīng)濟計量分析軟件——Eviews6.0實現(xiàn)。

（二）VaR模型設(shè)定

向量自回歸模型（VaR模型）是一種非結(jié)構(gòu)化的多方程模型，它不以經(jīng)濟理論為基礎(chǔ)，而是讓數(shù)據(jù)本身來確定模型的動態(tài)結(jié)構(gòu)，常用于預(yù)測相互聯(lián)系的時間序列系統(tǒng)以及分析隨機擾動對變量系統(tǒng)的動態(tài)影響。在模型的每一個方程中，內(nèi)生變量對模型的全部內(nèi)生變量的滯后值進行回歸，從而估計全部內(nèi)生變量的動態(tài)關(guān)系，回避了結(jié)構(gòu)化模型的要求。本文通過建立關(guān)于公司債收益率（ytm）和市場利率（shibor）的VaR模型，讓數(shù)據(jù)本身來確定模型的動態(tài)結(jié)構(gòu)。

VaR模型的表達式如下：

式中，yt是m維內(nèi)生變量向量，xt為d維外生變量向量，A1…Ap和B1…Br是待估計的參數(shù)矩陣，內(nèi)生變量和外生變量分別由p和r階滯后期；εt是隨機擾動項，同期之間可以相關(guān)，但不能有自相關(guān)，不能與模型右邊的變量相關(guān)。

三、基于VaR模型的A+類公司債壓力測試實證分析

（一）ADF根檢驗

單位根檢驗（Unit Root Test）主要用來判定時間序列的平穩(wěn)性。如果一個時間序列的均值或協(xié)方差函數(shù)隨時間變化而改變，則這個序列就是不平穩(wěn)的時間序列。如果該時間序列經(jīng)過一階差分后變?yōu)槠椒€(wěn)序列，則稱該序列為一階單整序列，記作（I1）；如果是經(jīng)過d次差分后才平穩(wěn)，則稱為d階單整序列，記作（Id）。在進行VaR模型的估計之前，需要對時間序列進行平整性檢驗，否則很可能出現(xiàn)“偽回歸”的現(xiàn)象，影響結(jié)果。

在對時間序列進行單位根檢驗之前，首先要判斷其大體趨勢，以便選擇合適的ADF模型。

首先，利用Eviews畫出兩個序列的趨勢圖。這里對ytm和s序列均采取了對數(shù)化處理，不影響后續(xù)估計與檢驗結(jié)果。分別命名 log（ytm）和 log（s）為 ytm1和 s1。

圖1 ytm1和s1的序列趨勢圖

由圖1可以看到，兩個序列含有截距項但并沒有明顯的趨勢，故采取含截距無趨勢模型對兩個序列分別進行ADF單位根檢驗。

由表1可以看出，A+級公司債收益率序列和隔夜拆借利率都不是平穩(wěn)序列，因此不能直接對原序列構(gòu)建VaR模型。但同時我們可以看到，ytm1和s1的一階差分序列是平穩(wěn)的，所以應(yīng)該對其進行協(xié)整檢驗，以判斷是否可以對原序列構(gòu)建修正的VaR模型。

表1 ADF檢驗結(jié)果

（二）協(xié)整檢驗

根據(jù)協(xié)整理論，如果非平穩(wěn)變量序列之間的線性組合有不隨時間變化的性質(zhì)或具有平穩(wěn)性特征，即說明這些非平穩(wěn)變量之間具有長期穩(wěn)定的均衡關(guān)系。通過前述分析，采用有截距項、但序列沒有確定性趨勢項的Johansen協(xié)整檢驗方法進行檢驗。

表2 JJ協(xié)整檢驗輸出結(jié)果

由JJ檢驗結(jié)果可以看出，變量ytm1和s1之間有1個協(xié)整關(guān)系存在。

根據(jù)檢驗結(jié)果最下方的部分可以得到協(xié)整方程（如表3所示）。

表3 協(xié)整方程

協(xié)整方程為：

log（ytm）=0.08log（s）

s.e.=（0.046）

（三）向量誤差修正模型的構(gòu)建

向量誤差修正（VEC）模型是帶有協(xié)整約束的向量自回歸（VaR）模型。只有變量間存在協(xié)整關(guān)系時才可以構(gòu)建VEC模型，其多用于具有協(xié)整關(guān)系的非平穩(wěn)時間序列建模。由之前的結(jié)果，我們可以對ytm1和s1變量序列構(gòu)建VEC模型。主要從以下幾方面進行。

1.最佳滯后期的確定。首先，由根據(jù)AIC和SC信息準(zhǔn)則確定最佳滯后期。由表4可知，依AIC和SC最小的原則，本模型的滯后期為三期。

表4 最佳滯后階數(shù)的確定

2.AR根穩(wěn)定性檢驗。為了模型的有效性和穩(wěn)定性，進行 AR特征根的檢驗，檢驗結(jié)果（如圖2所示）。

圖2 AR根檢驗圖

根據(jù)本文圖2可知，該模型的AR根模的倒數(shù)均在單位圓內(nèi)，因此本文建立的VaR模型是穩(wěn)定的，可以進一步做脈沖響應(yīng)分析。

3.脈沖響應(yīng)分析。脈沖響應(yīng)分析是用來描述一個內(nèi)生變量對由誤差項所帶來的沖擊的反應(yīng)，即在隨機誤差項上施加一個標(biāo)準(zhǔn)差大小的沖擊后，對內(nèi)生變量的當(dāng)期值和未來值所產(chǎn)生的影響程度。為了研究債券收益率與市場利率之間的動態(tài)關(guān)系，本文通過脈沖響應(yīng)分析來看加入市場利率沖擊后債券收益率的走勢，脈沖響應(yīng)（如圖3所示）。

圖3 ytm1和s1各自殘差的一個標(biāo)準(zhǔn)偏差沖擊的脈沖響應(yīng)

圖6中實線表示受到?jīng)_擊的變量的走勢，虛線范圍表示脈沖的正負兩個標(biāo)準(zhǔn)誤差偏離帶。由圖可知，當(dāng)給市場利率一個正向的沖擊，收益率會帶來同向的沖擊，且在5期（日）后影響達到峰值，后來逐漸趨緩。

4.格蘭杰（Granger）因果分析。Granger在 1969年提出Granger因果檢驗法，主要來分析變量之間的因果關(guān)系，判斷一個變量的變化是否是另一個變量變化的原因。通過Granger因果檢驗可以判斷出變量y能在多大程度上被變量x的過去值所解釋，即加入x的滯后期是否提高了解釋力度。如果x與y的相關(guān)系數(shù)在統(tǒng)計上是顯著的，則說明“y是xGranger引起的”。如果變量y受到x的滯后期影響，則x與y之間的Granger因果關(guān)系成立。本模型的格蘭杰檢驗結(jié)果（如表5所示）。

表5 格蘭杰因果檢驗結(jié)果

由表5可知，在5%顯著水平下，s1能Granger引起變量ytm1，而 ytm1不能 Granger引起變量 s1。

5.A+級債券收益率與shibor的回歸結(jié)果（見表6）。由表6所示的模型參數(shù)估計結(jié)果可得到回歸方程：

表6 模型回歸結(jié)果

log（ytm）=-0.003+0.231 log（ytm（-1））+0.185 log（ytm（-2））-0.01log（ytm（-3））-0.017log（s（-1））-0.028log（s（-2））-0.012 log（s（-3））

s.e.=（0.00026）（0.05416）（0.05389）（0.05164）（0.01297）（0.01450）（0.1321）

t=[-1.38868][4.26984][3.44232][-0.19255][-1.32003][-1.95804][-0.93899]

由模型可知，收益率受自身一階和二階滯后期正向影響，受市場利率滯后期負向影響。

（四）結(jié)論

由協(xié)整檢驗方程結(jié)果，對于A+債券而言，當(dāng)市場利率增加1%。A+級公司債收益率會增加1.083%所以，若出現(xiàn)極端情況，利率上升100個基點，A+級公司債券收益率會上升108.3個基點，即1.083%；利率上升200個基點，A+級公司債券收益率會上升216.6個基點，即2.166%；利率上升400個基點，A+級公司債券收益率會上升433.2個基點，即4.332%。

表7

四、結(jié)語

首先，對于不同信用評級分類的公司債券，其收益率價格和市場利率變動呈同向變動，即當(dāng)市場利率上升，不同評級的公司債收益率均會上升，給公司債券持有者帶來損失。

其次，對于不同信用評級的公司債券，對市場利率極端變化的敏感性不同。從本文的實證結(jié)果，A+級債券表現(xiàn)的最為敏感，當(dāng)市場利率上升100個基點時，其收益率會上升108.3個基點，AA級債券收益率上升105.7個基點，AAA級債券收益率會上升101.1個基點。

最后，通過對shibor數(shù)據(jù)大幅變動的分析，得出對本文中市場利率變動影響最大的宏觀經(jīng)濟因素是寬松的貨幣政策。