基于蒙特卡罗模拟的商业银行信用风险压力测试.doc
金融经济中基于蒙特卡罗模拟的风险评估
金融经济中基于蒙特卡罗模拟的风险评估第一章：引言金融风险评估是金融经济领域中的一项重要任务。
在金融市场中，各种风险因素不断涌现，如利率、汇率、信用、市场等风险。
在这个背景下，风险评估成为了必要的手段。
蒙特卡罗模拟方法在风险评估领域中得到越来越广泛的应用。
本文将详细介绍基于蒙特卡罗模拟的金融风险评估方法。
第二章：蒙特卡罗模拟方法蒙特卡罗模拟方法是一种利用计算机模拟真实随机事件的方法。
其原理是随机数模拟，通过大量的重复试验得到随机事件的结果，从而对实际风险进行评估。
其基本流程包括以下几个步骤：1. 确定模型：确定所需要评估的风险模型。
2. 设定输入参数：确定模型的输入参数，并对其进行概率分析。
3. 生成随机数：根据概率分布生成随机数。
4. 模拟结果：模拟输入参数和随机数的组合，得到输出结果。
5. 统计分析：对模拟结果进行统计分析，得出相应的风险指标。
蒙特卡罗模拟方法因为其可靠性高、适用性强等优点，已经被广泛应用于金融风险评估领域。
第三章：蒙特卡罗模拟在金融领域中的应用基于蒙特卡罗模拟的金融风险评估方法可以应用于以下领域：1. 信用风险评估：通过蒙特卡罗模拟，根据公司历史数据和市场数据进行信用评估，估计出公司违约概率。
2. 收益风险评估：通过蒙特卡罗模拟，对股票、债券等资产组合进行收益风险评估。
3. 利率风险评估：通过蒙特卡罗模拟，模拟利率波动，对债券投资进行利率风险评估。
4. 波动率风险评估：通过蒙特卡罗模拟，模拟资产价格波动，对股票、证券等进行波动率风险评估。
5. 经济风险评估：通过蒙特卡罗模拟，模拟宏观经济情况，对公司的财务状况进行评估。
6. 商品价格风险评估：通过蒙特卡罗模拟，模拟商品价格的波动，对商品投资进行风险评估。
以上应用领域只是冰山一角，蒙特卡罗模拟在金融领域中的应用还有很多，需要根据实际情况进行选择和应用。
第四章：基于蒙特卡罗模拟的风险评估实例以收益风险评估为例，通过蒙特卡罗模拟对某公司的股票投资进行风险评估。
信用风险压力测试-详解
信用风险压力测试-名词详解目录• 1 什么是信用风险压力测试• 2 信用风险压力测试的方法什么是信用风险压力测试信用风险压力测试是指那些被金融机构用来识别压力事件（Stress Events）对于信用风险影响的压力测试技术。
信用分析压力测试的对象是银行资产组合或子组合的信用风险参数，如违约概率（Probability of Default,PD）、违约损失率（Loss Given Default,LGD）、风险暴露（Risk Exposure）、预期损失（Expected Loss,EL）、经济资本（EconomicCapital,EC）、不良贷款率（Bad Loan Ratio,BLR）等。
信用风险压力测试的方法1.基于敏感分析的信用风险压力测试敏感分析法考察在其他风险因子不变条件下,某个风险因子变动给金融机构带来的影响。
其优点是易于操作,有利于考察金融机构对某个特定因子的敏感性;缺点是可能不符合现实,因为当极端事件发生时,通常多个风险因子都会同时发生变动。
据新加坡货币监管局(MAS)2003年的研究报告,实践中常用的交易账户标准冲击有:(1)利率期限结构曲线上下平移100个基点。
(2)利率期限结构曲线的斜率变化(增加或减少)25个基点。
(3)上述二种变化同时发生(4种情形)。
(4)股价指数水平变化20%。
(5)股指的波动率变化20%。
(6)对美元的汇率水平变动6%。
(7)互换的利差变动20个基点。
2.基于情景分析的信用风险压力测试与敏感分析相比,情景分析的一大优点就是考虑了多因素的影响,但只有借助良好的宏观经济计量模型的支持才能很好的考察多因素的影响。
情景又划分为历史情景和假定情景两种。
历史情景依赖于过去经历过的重大市场事件,而假定情景是假设的还没有发生的重大市场事件。
(1)基于历史情景分析的信用风险压力测试历史情景运用在特定历史事件中所发生的冲击结构。
进行历史情景压力测试的通常方法就是观察在特定历史事件发生时期,市场风险因素在某一天或者某一阶段的历史变化将导致机构目前拥有的投资组合市场价值的变化。
2022-2023年中级银行从业资格《中级风险管理》预测试题14(答案解析)
2022-2023年中级银行从业资格《中级风险管理》预测试题（答案解析）全文为Word可编辑，若为PDF皆为盗版，请谨慎购买！第壹卷一.综合考点题库(共50题)1.以下关于VaR的说法，错误的是（）。
A.VaR值的局限性包括无法预测尾部极端损失情况等B.VaR值是对未来损失风险的事后预判C.VaR的计算涉及置信水平与持有期D.计算VaR值的基本方法有方差一协方差法、历史模型法、蒙特卡罗模拟法正确答案：B本题解析：风险价值(VaR)是指在一定的持有期和给定的置信水平下，风险要素发生变化时可能对产品头寸或组合造成的潜在最大风险。
VaR值是对未来损失风险的事前预测，其计量方法包括但不限于方差一协方差法、历史模拟法和蒙特卡罗模拟法等。
VaR值得局限性包括无法预测尾部极端损失情况、单边市场走势极端情况、市场非流动性因素。
但是VaR并不是即将发生的真实损失，也不意味着可能发生的最大损失。
2.银行将全部资产按照监管规定的类别进行分类，并采用监管规定的风险权重计量信用风险加权资产的方法是()。
A.内部评级法B.权重法C.监管映射法D.违约概率法正确答案：B本题解析：权重法是指银行将全部资产按照监管规定的类别进行分类，并采用监管规定的风险权重计量信用风险加权资产的方法。
3.（）是根据风险资产的历史违约数据，计算在未来一定持有期内不同信用等级的客户／债项的违约概率。
A.RiskCalc模型B.死亡率模型C.CreditMonitor模型D.KPMG风险中性定价模型正确答案：B本题解析：死亡率模型是根据风险资产的历史违约数据，计算在未来一定持有期内不同信用等级的客户／债项的违约概率。
通常分为边际死亡率和累计死亡率。
4.假设下列银行贷款的债务人为同一客户，则这几种贷款中风险最大的是（）。
A.贷款金额为2000万元且可收回率40％B.贷款金额为1000万元且无任何担保C.贷款金额为1100万元且有保证担保D.贷款金额为2200万元且可收回率为50％正确答案：A本题解析：风险通常采用损失的可能性以及潜在的损失规模来计量。
基于Monte Carlo模拟的我国商业银行操作风险资本度量
基于Monte Carlo模拟的我国商业银行操作风险资本度量【摘要】本文基于Monte Carlo模拟，从理论和实证分析角度探讨了我国商业银行操作风险资本度量的问题。
首先介绍了Monte Carlo模拟方法，然后解析了商业银行操作风险的概念。
接着分析了我国商业银行操作风险资本度量的现状，并构建了基于Monte Carlo模拟的资本度量模型。
通过模拟结果和实证分析，得出结论并展望未来研究方向。
通过本研究，可以为我国商业银行提供更准确的操作风险资本度量方法，提高风险管理水平，保障银行的稳健经营和可持续发展。
【关键词】Monte Carlo模拟，商业银行，操作风险，资本度量，我国，模型构建，实证分析，研究结论，研究展望1. 引言1.1 研究背景商业银行是金融市场的重要组成部分，承担着吸收存款、发放贷款、资金融通等功能。
在运营过程中，商业银行可能面临各种风险，其中操作风险是一种非常重要且常被忽视的风险类型。
操作风险是由内部不当操作、系统失灵、欺诈行为等原因导致的风险，可能对银行的经营和声誉造成严重影响。
随着金融市场的不断发展和金融创新的加速推进，商业银行面临的操作风险日益复杂和多样化。
如何科学有效地度量商业银行操作风险资本成为了当前研究中的关注焦点。
传统的度量方法存在着一定的局限性，而基于Monte Carlo模拟的方法能够更加全面地考虑各种风险因素的影响，提高度量结果的准确性和可靠性。
本文旨在基于Monte Carlo模拟方法对我国商业银行操作风险资本进行度量，以期为商业银行风险管理和资本规划提供参考。
通过对我国商业银行操作风险的概念解析和现状分析，构建基于Monte Carlo模拟的操作风险资本度量模型，并通过模拟结果与实证分析，为商业银行管理者提供决策支持和风险控制建议。
1.2 研究意义本文旨在通过基于Monte Carlo模拟的方法，对我国商业银行操作风险资本度量进行研究和分析。
操作风险是商业银行面临的重要风险之一，对银行的经营活动和风险管理具有重要影响。
基于蒙特卡罗模拟的商业银行信用风险压力测试
基于蒙特卡罗模拟的商业银行信用风险压力测试
田世康;朱子珺
【期刊名称】《西部金融》
【年(卷),期】2014(000)002
【摘要】本文以动态理论模型对中国商业银行体系信贷违约率做压力测试.结果表明:中国商业银行的违约率受货币供给量(M2)增速变化的影响较大,且两者之间显著负相关,这说明对于中国商业银行体系来讲,货币供给量增速的变化对违约的影响大,甚至超过了贷款利率和实际GDP增长率的影响;经济系统的动态性在模型中体现非常明显,尤其是时滞效应、反馈效应、传染效应都在模型中有较为显著地体现,而时滞效应更是相当明显.
【总页数】5页(P51-55)
【作者】田世康;朱子珺
【作者单位】中国人民银行张掖市中心支行,甘肃张掖734000;中国人民银行张掖市中心支行,甘肃张掖734000
【正文语种】中文
【中图分类】F830.5
【相关文献】
1.中国商业银行体系信用风险评估r——基于压力测试 [J], 耿照源;王翔
2.中国商业银行体系信用风险评估——基于压力测试 [J], 耿照源;王翔;
3.基于蒙特卡罗模拟的商业银行信用风险度量方法 [J], 周翔;杨桂元
4.商业银行大型集团客户信用风险压力测试\r——基于蒙特卡洛模拟方法 [J], 董申;王金玲;陶然;孙硕;谭士杰
5.基于CPV模型的商业银行信用风险宏观压力测试 [J], 马菁菁
因版权原因，仅展示原文概要，查看原文内容请购买。
商业银行的信用风险压力测试探讨
商业银行的信用风险压力测试探讨论文报告：商业银行的信用风险压力测试探讨一、引言随着银行作为金融机构的重要性日益增强，银行经营面临的风险和压力也越来越大，尤其是信用风险对于银行稳健经营的影响尤其重要。
为了确保商业银行的经营风险可控，开展信用风险压力测试成为了必要的手段。
本文将详细探讨商业银行信用风险压力测试的相关问题，旨在从理论和实践两个方面提供有益的参考和启示。
二、商业银行信用风险压力测试的基本概念商业银行信用风险压力测试是银行对各项负债、资产、业务和市场环境等因素进行分析和测试的过程，以评估不同市场环境下商业银行的敞口风险，确定商业银行的承受能力和风险容忍度。
评估过程主要包括风险识别、风险测量、风险监测与应对等三个环节。
1. 风险识别商业银行首先要对信用风险进行全面识别，包括对贷款、投资、担保、收入来源等的风险识别，并将不同类型的风险进行分类比较分析。
2. 风险测量商业银行需要通过不同的计量方法来度量信用风险。
具体包括债券、企业贷款、房地产抵押贷款、信用卡等不同风险类型的风险测量。
3. 风险监测与应对商业银行需要通过风险监测来监控预算和实际风险之间的差异，及时发现异常情况。
同时，商业银行需要根据压力测试的结果，制定适当的风险应对措施，确保风险承受能力和风险容忍度。
三、商业银行信用风险压力测试的主要指标1. 偿付能力信用风险压力测试的核心在于检验商业银行的偿付能力。
常用的指标包括：流动性覆盖率、融资覆盖率、存款覆盖率、累计净利润等。
其中，流动性覆盖率是指商业银行流动性负债与流动性资产之比。
融资覆盖率是指商业银行债券、证券化产品和可转换债券等非同业存款融资与存款比例的余额。
存款覆盖率是指商业银行同业存款和债券存款与总存款之比。
累计净利润是指商业银行在测试期间内实现的总净利润。
2. 资本充足率资本充足并不仅仅是一个监管指标，同时也是商业银行稳定经营的重要保障。
商业银行信用风险压力测试需要考虑商业银行的总资产和净资产以及银行的风险水平，我们可以通过考察商业银行的基本经济特征来计算商业银行的资本充足率。
基于CPV模型的商业银行信用风险宏观压力测试
2020年11期总第920期一、引言2018年以来，世界经济格局的深度变化给中国金融体系带来更多外部的不确定性，同时中国经济也面临着供给侧结构性改革的进一步深化，中国经济下行的压力增大，再加上互联网金融及消费金融公司在国内异军突起，不断瓦解商业银行传统业务，使得国内银行业备受冲击。
银行业的安全与稳定关乎各国经济安全和金融市场的稳定，加强银行业风险的监管势在必行。
兼具前瞻性及科学性的压力测试成为商业银行风险预警体系的关键要素，同时也成为银行监管机构和宏观审慎监管机构的核心工具。
二、相关文献综述从理论方法的探究上讲，早期学者是在与VaR 体系做对比后，阐述压力测试的基本概念、特征、程序、使用方法及其缺陷；或者是对国外先进机构在进行压力测试的经验进行介绍。
随着理论的发展，后期学者们开始关注宏观压力测试建模技术的完善，如袁吉伟（2013）将信用风险宏观压力测试模型分为宏观经济建模和信用风险建模两个部分，分别介绍了建模技术方法和实证研究成果，为建模技术研究提供经营总结。
曹麟（2014）分别从国际银行业的实践、风险传导及情景生成部分、风险计量过程三个部分，介绍了Credit Risk+、Credit Metrics 和Credit PortfolioView 等在国际银行业宏观压力测试实践中被广泛使用的模型。
在实证关系探索方面，学者们研究的差异点主要集中在以下几个方面：一是承压指标的选择，二是压力传导模型的构建，三是宏观经济模型的选取，四是压力情景的设计。
在信用风险承压指标的选取上各学者采用的指标差异较大。
部分学者出于统计计量口径上的统一及信息需求者理解和使用上的考量，采用不良贷款率为承压指标，如谭晓红（2011）、苏为华（2014）、王天宇和杨勇（2017）、张乐柱和黄文苑（2018）等。
国际上也有学者采用违约概率来衡量信用风险，如Merton （1974）。
相比利用历史数据来衡量信用风险违约概率，Merton 提出的违约概率的计算更具前瞻性，但是其以股价变动值为计算基础要求必需为上市公司，而我国中小商业银行的客户中大部分为中小企业，无法获取相关信息。
银行信贷资产证券化产品信用风险蒙特卡洛模拟分析
银行信贷资产证券化产品信用风险蒙特卡洛模拟分析【摘要】本文通过对银行信贷资产证券化产品信用风险的蒙特卡洛模拟分析，探讨了其风险特征及管理建议。
首先介绍了研究背景、目的和意义，为后续分析奠定基础。
接着对银行信贷资产证券化产品、信用风险分析方法以及蒙特卡洛模拟原理进行了详细论述。
模拟结果分析显示，信贷资产证券化产品存在一定程度的信用风险，风险管理建议包括加强信用评级、建立灵活的风险度量模型等。
结合实际应用场景，总结了本研究的重要发现并展望未来研究方向，提出了实际应用建议，有助于银行机构提升信贷资产证券化产品的风险管理水平，增强市场竞争力。
通过本文的研究，可以为相关领域的学者和从业者提供有益参考。
【关键词】银行信贷资产证券化产品、信用风险、蒙特卡洛模拟、风险管理、风险分析、风险建议、研究背景、研究目的、研究意义、概述、方法、原理、结果分析、总结、展望未来、实际应用建议。
1. 引言1.1 研究背景银行信贷资产证券化产品是近年来金融市场上的一种新型金融工具，它通过将银行的信贷资产打包成证券进行发行，帮助银行释放资金并分散风险。
由于信用风险是银行信贷资产证券化产品的重要风险之一，对其进行有效的风险管理和控制变得尤为重要。
本研究将围绕银行信贷资产证券化产品信用风险蒙特卡洛模拟分析展开，旨在提供对银行信贷资产证券化产品信用风险的更深入理解，为银行金融机构的风险管理提供理论支持和实践参考。
1.2 研究目的本文的研究目的主要是通过对银行信贷资产证券化产品信用风险的蒙特卡洛模拟分析，探讨其风险特征和潜在风险因素，为银行和投资者提供有效的风险管理建议。
具体而言，本研究旨在：深入了解银行信贷资产证券化产品的概念和特点，探讨其在金融市场中的重要性及影响；分析信用风险的主要影响因素和评估方法，探讨在证券化产品中信用风险的表现和应对策略；介绍蒙特卡洛模拟在信用风险分析中的原理和应用，探讨其在证券化产品风险评估中的作用和局限性；通过模拟结果分析，揭示银行信贷资产证券化产品信用风险的现状和未来趋势，为投资者提供决策参考；最终提出针对银行信贷资产证券化产品信用风险管理的建议，促进其健康发展和风险控制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于蒙特卡罗模拟的商业银行信用风险压力测试摘要：木文以动态理论模型对中国商业银行体系信贷违约率做压力测试。
结果表明：中国商业银行的违约率受货币供给量（M2）增速变化的影响较大，且两者之间显著负相关，这说明对于中国商业银行体系来讲，货币供给量增速的变化对违约的影响大，甚至超过了贷款利率和实际GDP增长率的影响；经济系统的动态性在模型中体现非常明显，尤其是时滞效应、反馈效应、传染效应都在模型中有较为显著地体现，而时滞效成更是相当明显。
关键词：商业银行；压力测试；信用风险一、引言压力测试应用于金融风险管理领域最早始于20世纪90年代，现己被广泛地应用于金融风险管理的各个层面，既有微观层面对单个资产或资产组合在极端市场条件下潜在损失的测试，又有宏观层面对整个金融体系稳定性的测试，是一项非常有效的风险测量工具。
但是传统的压力测试方法并不能真正满足当前风险管理对压力测试的要求。
一方面是压力测试所构建的压力情景要么太温和，不足以体现出极端事件的严重性，要么脱离现实，对现实的风险管理决策没有参考价值；另一方.面是传统的压力测试多使用静态模型，无法反映经济系统的动态演化过程。
这集中体现在三个方面：一是经济变量有着显著的时滞效应，一些影响并不能在事件发生的当期就立刻全部体现出来，而是随着时间的推移逐渐释放出来; 二是模型中的被解释变量往往对解释变量有着反馈效应，即解释变量（风险因了）的变化会导致被解释变量发生变化，同时被解释变量发生变化后又通过经济变量之间的相关性引起下一期甚至之后几期解释变量的变化，这个过程是动态的，而不是静态的；三是风险通过经济变量之间的相关性在经济系统内部的传染效应，即当一个风险因子受到外部冲击而发生改变后，会随着时间推移将这种变化动态地传递给系统内的其他变量，使得其他风险因了也随之而发生变化，这种风险的蔓延和传染往往会带来比单一因子变化导致的风险大得多的破坏力，这也解释了一些危机事件发生后会迅速演变为一场全面的金融危机。
木文以中国商业银行信用风险为例来探讨上述几个方面的问题。
二、数据选取与分析在对中国商业银行进行信用风险的压力测试时，我们主要研究信贷违约率，选取的数据包括（均为季度数据）：（1）中国商业银行的信贷违约率：以不良贷款率为指标；（2）中国大陆地区实际GDP增长率；（3）实际贷款利率；（4）货币供给量（M2）增速。
数据主要来源于中国证监会的官方网站、中经网数据库、Bloomberg数据库、EIU CountryData （全球宏观经济指标分析库）等。
上述数据中，信贷违约率（信用风险的指标）是我们研究的对象，将作为因变量，而剩下的儿个则作为影响信贷违约率的风险因了，因为: （1）实际GDP增长率作为宏观经济走势的风向标，必然会影响到银行的信贷违约率；（2）实际贷款利率作为信贷市场中衡量贷款成木的重要指标之一，我们预期当利率上升时，会加重贷款者支付利息的负担，从而引起贷款违约率的上升，反之亦然；（3）货币供给量代表了货币政策的方向，直.接影响到经济的各个方面，包括投资、利率、通货膨胀率以及GDP 增长率等，因此对信贷违约率有着重要的影响。
对中国商业银行信用风险进行研究的难点在于数据积累的时间太短，而且经过了国有商业银行的改制上市，大量不良贷款被剥离，直接导致不良贷款率下降。
这种政策因素使得不良贷款率缺乏可比性，因此也不能用来建立模型进行压力测试。
因此，虽然我们获取了从2004年第一季度到2012年第四季度的数据，但是只有2008年第四季度到2012年第四季度的数据可以使用，总共有17期。
从图1到图4分别是以上四个变量的时间序列图。
从图中可以看到，中国商业银行的不良贷款率在最近10年里持续下降，当然这里面包含了政策性因素。
实际GDP增长率在2007到2008年受全球金融危机影响急剧下跌，之后出现了反弹。
同时，实际贷款利率从2006年年中到2007年底一直下跌，之后又迅速攀升，这主要是由于通货膨胀率的缘故。
2006年到2007年通货膨胀率迅速上升，然后急剧下跌，导致实际贷款利率向相反的方向变化。
而货币供给量增速从2008年下半年到2009年年中急剧攀升，主要是为了应对全球金融危机，中国政府为刺激经济实行扩张的货币政策所致。
三、模型设定与估计我们选用动态模型，即综合考虑经济系统的反馈效应、时滞效应和传染效应等。
但是违约率是一个在区间变化的变量，如果直接将模型中的因变量设为违约率，则估计值容易落在区间之外，所以我们需要先对违约率（记为p）作变换：P=B, pE （0.1 ）pt=・y・=A・+A"X・+g・y・+v・x・=B・+B"X・+B"y・+E・E・=v・E・~N （0, £）,其中：x.和y.分别为第t期的风险因了向量和违约率变换值；E.为误差|"量，£为误差向量的方差•协方差矩阵，£■和£■为和的方差矩阵，£■为v■和E■的协方差矩阵。
为了估计上述模型，还需要合理地选择和定义风险因子，即解释变量X。
我们选取的风险因了（解释变量）为：中国实际GDP增长率（gt）、实际贷款利率（「■）、货币供给量增速（gmt），其中下标表示期数（以季度为单位）。
滞后期我们选择滞后两期。
虽然季度数据一般需要取到滞后四到五期（即一年后），但考虑到数据不是很多，如果取的滞后期数太多，将导致估计的系数不可靠，因此只取到两期，不过这己经可以揭示出经济变量的滞后效应了。
对于上述模型，时以用SUR （Seemingly Unrelated Regression） A 法或者VAR （Vector Autoregression）方法进行估计，这两种方法都可以用来估计上述结构化模型。
但是为了更好地进行蒙特卡罗模拟，我们采用SUR方法。
SUR方法是由Zellner提出，其基本思想是估计系统的参数时考虑误差方差的同期相关和异期不相关性，而普通最小二乘法则要求误差方差同期和异期都不相关。
但是模型在设定时就是考虑到了经济变量之间的相关性，而且也正是依靠这种相关性才能使得风险在系统内传播。
所以我们采用SUR方法来估计我们的模型。
对模型进行估计，并剔除不显著的项后，得到的估计结果如表1和表2所示。
从I门I归的结果可以看出，模型以及各项系数都较显著，而且系数的符号也符合预期。
方程的I门I 归结果表明：（1）违约率与滞后两期的GDP增长率显著负相关，这与经济现象比较相符。
（2）违约率与前一期的货币供给景的增速显著负相关，这说明如果实施扩张的货币政策以刺激经济，那么违约率就会下降，这与预期也非常吻合。
（3）违约率与实际利率的变化量显著负相关，这看起来有点微妙，但与穆辿公司的一份研究违约率和利率关系的研究报告结论非常相符，该报告的研究结论认为违约率与实际利率显著正相关，但是与利率的变化量却是显著负相关的。
（4）违约率与其滞后两期的值正相关，这说明违约率同样有时滞效应。
（5）违约率对货币供给量增速有显著的反馈效应，表现为货币供给量增速与上一•期的违约率负相关，这可解释为当经济低迷违约率上升时，政府为了刺激经济而扩大货币供给量。
这些结论与我们的预期和经济理论都较吻合，而且估计系数和模型总体的显著性都非常高，说明模型的估计结果较好。
四、压力测试为进行压力测试，我们首先设计压力情景。
我们参照历史数据的变化设计了轻度、中度、重度冲击的情景。
在选取的时候是以大约10%的概率作为分界线，然后选取小于10%、5%、1%的下分位数作为轻、中、重度冲击。
具体如表3所示。
我们首先预测对单个因了施加不同程度的冲击时，未来四个季度(即2013Q1-2013Q4,表4中分别对应t1-t4)信贷违约率的期望值变化。
具体的压力测试结果如表4所示：从表4可以清楚地看到，当受到冲击时，违约率均明显上升，而且随着冲击力度的加大，上升幅度明显增大。
在三种不同程度的冲击下，货币供给量增速和实际利率的变化量对违约率的影响较大，而GDP增长率的变化对违约率的影响则比前两者较小。
但是传统的做法只是预测了因变量的期望值，这其实是假定了扰动项为零。
所以很大的可能是未来违约率的实际值远远偏离其均值。
所以我们有必要得到其预测分布以看到这种偏离的程度到底有多大。
而且分布相较于一个点包含的信息景是更为丰富的，也能为决策者提供更好的决策依据。
我们对每种情景做了模拟，得到违约率在不同情景下未来几期的分布图。
图6到图8分别是三个因了受到不同程度冲击时，违约率在第4期和第8期的预测分布图：从以上三幅分布图中可以看到，受到冲击时分布右移，而且尾部变厚。
另外，随着时间的推移，分布持续不断地右移，时滞效应持续较长时间。
这说明GDP、利率、货币供给量对违约率造成的影响是比较持久的。
另外一个结论是，我们发现对于中国商业银行体系来讲, 货币供给量对信贷违约率的影响是巨大而持久的。
从分布图可以看出，通过减少货币供给量而紧缩信贷对违约率的影响随着时间推移逐渐释放出来，到第8期时，违约率受到货币供给量增速降低的冲击时预测分布向右偏移的幅度最大，尾巴很长，这说明相比其他情景，实行紧缩性的货币政策时违约率大幅增加的概率较大。
五、结论与不足木文通过构建动态模型对中国商业银行体系的信贷违约率进行了压力测试，结果比较满意。
通过这些分析，我们能够得出以下两个方面的结论：第一,对于中国商业银行体系来讲，货币供给量增速的变化对违约率的影响是非常大的, 甚至超过了贷款利率和实际GDP增长率的影响。
这主要是因为在中国现阶段还没有完全实现利率市场化的金融环境下，贷款利率并不能充分反映资金的成本，而货币供给量的增长速度对经济起着不可估量的影响，不仅可以通过宽松的信贷政策刺激宏观经济的运行，而且直接决定着贷款的规模，这就导致信贷政策的宽松还是紧缩成为影响贷款违约率的一个极其重要的变量。
第二，经济系统的动态性在模型中体现非常明显，尤其是时滞效应、反馈效应、传染效应都在模型中有较为显著的体现，而时滞效应更是相当明显。
这与传统压力测试方法有着本质的区别，因此压力测试不是仅看一个静态的、孤立的结果，而是要看这种影响随着时间的变化情况，一些冲击对经济系统造成的影响不是即刻就能体现出来，而是随着时间的推移逐渐释放出来。
此外，相对于传统压力测试只是预测因变量的均值，因变量在未来不同时期的预测分布显然能够为我们带来更多的信息，更加有助于做出风险管理决策。
但是因为缺乏大量的、可靠的数据，所以文章结果还有许多方面的改进。
尤其是要深入研究中国商业银行体系的信用风险，就必须对中国银行业的实际问题有深入地了解。
比如, 国有商业银行先后进行了股改上市，在这个过程中剥离了大量不良贷款，使得不良贷款率迅速下降。
如果不清楚这一事实，而盲目用历史数据估计模型，就会得出错误的结果。