商业银行大型集团客户信用风险压力测试：基于蒙特卡洛模拟方法

作者：董申、王金玲、陶然、孙硕、谭士杰，均供职于中国农业银行。

来源：《金融监管研究》2019年第5期。

商业银行大型集团客户的业务规模较大且分布不均，信用风险存在明显的关联性特征，风险损失呈现低发生率、高发生额、高波动性的特点。为描绘大型集团客户在压力情景下的信用风险情况，本文以某银行过去12年的不良贷款数据为对象，进行了压力测试实证研究。引入还原不良贷款率作为中间变量，使用Logit回归建立宏观经济数据和还原不良贷款率之间的量化模型，进而通过商业银行内部评级数据调整得到不同情景下每个集团成员的违约概率；在此基础上，通过蒙特卡洛模拟计算损失分布情况，并估算集团关联风险所致额外损失额。研究结果显示，大型集团客户的压力损失分布呈现明显的“厚尾”特征，进出口、质押式回购利率、工业生产者出厂价格指数、广义货币、工业增加值对其的影响较大。据此，本文建议监管部门应引导商业银行加强宏观经济和政策研究，扶优控劣优化用信结构，控制用信集中度。

本文结构如下：第一部分为引言，阐述了本文研究背景与意义，并对现有研究进行了综述。

第二部分介绍了压力测试模型的构建方法。为解决大型集团客户历史不良率的剧烈波动，本文使用违约金额代替以户数计算的违约频率，并引入“还原不良贷款率”的概念代替不良贷款率。以“还原不良贷款率为因变量”，选取上年度“还原不良贷款率”和13项宏观经济指标纳入自变量备选范围，并取每项宏观经济指标1—3年的滞后数据，建立Logit回归模型。最终，模型选取了5项经济指标作为自变量，并采用基于历史数据波动率的方法设置了轻度、中度、重度三种压力情景。

第三部分介绍了压力传导与损失模拟。将各设定情景的宏观经济指标代入前述模型中，可得到各情景对应的不良贷款率。在客户的违约概率以相同倍数增加的假设下，以不良贷款率的增加幅度出发，计算各客户违约概率的增加倍数。应用蒙特卡洛模拟方法，以前述违约概率为主要承压指标，引入集团关联风险的考虑，可以估算出贷款损失金额的分布情况，并绘制损失分布图。研究发现，集团客户内部的风险相关性带来的不良率增幅约为12%～20%。

第四部分开展了压力测试回测和结果分析。根据新一年的宏观经济数据和大型集团客户不良贷款率，针对前述模型开展回测，发现模型表现稳定，预测能力良好。结果表明，进出口、利率、PPI、M2、工业增加值等因素，对大型集团客户的不良率有显著影响，其中PPI和利率因素的影响更大。在当前经济和政策环境下，商业银行业务的挑战与机遇并存，应清醒认识到目前的经济金融形势对大型集团客户业务的影响力。

第五部分为结论和建议。本文构建了大型集团客户信用风险的完整压力传导模型，提出了一种基于蒙特卡洛模拟的压力测试方案，可以描绘大型集团客户信贷业务的风险面貌，定量测算不同压力情景之下的损失分布和集团客户关联性的风险程度。研究表明，在大型集团客户的信用风险压力测试模型中，还原不良贷款率可能是比传统的不良贷款率、违约率更为适宜的信用风险指标。以此为基础，将宏观经济情景与集团成员违约概率相结合，开展客户粒度的压力测试，有助于构建更合理的压力传导方式，也是提供关联性信用风险估算的新途径。这一方法对其他类型的资产组合也有应用价值。

结合上述研究结果，本文提出以下建议：

第一，监管部门在持续关注商业银行支持实体经济力度的同时，密切跟踪经济起伏和货币市场波动对大型集团企业信用风险的影响，督促商业银行开展宏观经济和政策传导的前瞻性研究，并根据压力测试的敏感因素，建立常态化的大型集团企业信用风险监控机制。

第二，监管部门应引导商业银行及其旗下的专业化金融子公司，从客户、行业等维度适当分散信贷投放，优化用信结构，持续加强并表授信、全球授信管理，以更全面、更审慎的视角评估集团客户的信用风险，严防过度授信。

第三，商业银行对集团客户应采取扶优控劣的策略，用信应向从事集团主营业务的核心子公司倾斜，对资质一般的非主业、非核心客户，应争取落实担保措施或审慎介入，以不断优化用信结构。

本文为精编版，仅代表作者个人学术思考，全文详见《金融监管研究》2019年第5期。