信用風(fēng)險計量模型CPV：

CreditPortfolioView模型。20世紀90年代末麥肯錫公司研發(fā)的CreditPortfolioView模型運用蒙特卡洛模擬技術(shù)和計量經(jīng)濟學(xué)相結(jié)合分析貸款組合的信用風(fēng)險。將宏觀經(jīng)濟因素納入模型，建立起宏觀經(jīng)濟變量與信用風(fēng)險的聯(lián)系。CreditPortfolioView模型通過逐步加入宏觀變量沖擊來模擬轉(zhuǎn)移概率的變化，該模型根據(jù)現(xiàn)實宏觀經(jīng)濟數(shù)據(jù)通過蒙特卡洛模擬得出貸款違約率，并不依賴歷史數(shù)據(jù)，歷史數(shù)據(jù)只是對那些非違約的轉(zhuǎn)移概率進行計算。CreditPortfolioView模型采納的VAR方法具有較強的前瞻性，可視為對基本信用計量方法的補充，并克服了一般模型不同時期轉(zhuǎn)移概率一成不變的假設(shè)。同時具有違約概率模型和盯市模型的雙重功能，該模型最重要的創(chuàng)新在于運用宏觀經(jīng)濟因素的變動來計量信用風(fēng)險的變化。

不同模型的基本要素比較：

壓力測試流程

對商業(yè)銀行房地產(chǎn)貸款進行壓力測試時，首先選擇風(fēng)險因子，哪些風(fēng)險因子會觸發(fā)銀行的信貸資產(chǎn)發(fā)生損失。接著設(shè)計壓力情景，情景的設(shè)定要嚴峻于正常狀況，極端卻有可能發(fā)生，通常采用歷史情景和專家設(shè)計兩種情景設(shè)定方式，通過構(gòu)建風(fēng)險傳導(dǎo)模型，得出壓力測試的結(jié)果。然后分析銀行近期的經(jīng)營狀況，是否能夠承受假設(shè)的極端情景下造成的損失。最后根據(jù)評估的結(jié)果，銀行可以結(jié)合對未來宏觀經(jīng)濟變化的預(yù)期判斷提前制定相應(yīng)的防御措施。

實證分析

1、被解釋變量：房地產(chǎn)不良貸款率替代違約率

2、解釋變量：消費者價格指數(shù)（CPI）、國內(nèi)生產(chǎn)總值（GDP）、3-5年期貸款利率（R）、股票價格指數(shù)（INDEX）、廣義貨幣供應(yīng)量（M2）、固定資產(chǎn)投資（INVEST）、城市人均季度總收入（IPH）、國房景氣指數(shù)（NHBI）及消費者信心指數(shù)（CCI）這9個宏觀經(jīng)濟變量。選取季度數(shù)據(jù)進行實證分析。其中，商業(yè)銀行不良貸款率數(shù)據(jù)來自銀監(jiān)會網(wǎng)站，其他數(shù)據(jù)來自Wind數(shù)據(jù)庫和國家統(tǒng)計局數(shù)據(jù)庫。

3、數(shù)據(jù)調(diào)整：

（1）價格調(diào)整。在所選取的9個經(jīng)濟變量中，有4個是名義變量∶國內(nèi)生產(chǎn)總值、廣義貨幣供應(yīng)量、城市居民可支配收入、固定資產(chǎn)投資額，它們會因為物價水平的變動而受到影響。因此在進行回歸分析前，要對這些名義變量進行價格調(diào)整，排除價格因素對這些指標的影響。本文以2003年4季度為基期，計算各期的CPI數(shù)值，用各期相應(yīng)的CPI數(shù)值去除國內(nèi)生產(chǎn)總值、廣義貨幣供應(yīng)量、固定資產(chǎn)投資額、城市人均季度總收入的名義值得到各變量的實際值。

（2）季節(jié)調(diào)整。一般情況下，經(jīng)濟指標的季度和月度數(shù)據(jù)包含4種變動要素，分別是季節(jié)變動要素、長期趨勢要素、不規(guī)則要素和循環(huán)要素。自然條件、社會制度與風(fēng)俗等因素都會造成經(jīng)濟時間序列的周期變動，因此受季節(jié)變動要素影響所產(chǎn)生的這種周期性變化在經(jīng)濟分析中稱為季節(jié)波動。對于時間序列，季節(jié)性因素會導(dǎo)致統(tǒng)計數(shù)據(jù)不能客觀反映經(jīng)濟變化規(guī)律，因而在經(jīng)濟統(tǒng)計分析中除掉季節(jié)波動因素的影響，需要對季度數(shù)據(jù)和月度數(shù)據(jù)進行季節(jié)調(diào)整。本文用SPSS19.0對國內(nèi)生產(chǎn)總值和固定資產(chǎn)投資額等進行季節(jié)調(diào)整。

（3）多重共線性分析：

在存在多重共線性的情況下，當一個變量發(fā)生變化時，另一個變量也會隨之發(fā)生變化，很難衡量每一個解釋變量對總體 R2的貢獻，因此有必要采取一定策略對解釋變量引入回歸方程加以篩選。本文使用 SPSS 19.0軟件，采用向后篩選策略對解釋變量進行篩選以剔除變量的多重性。

上述分析結(jié)果表明，應(yīng)該重新建立回歸方程，這里采用向后篩選策略讓SPSS19.0軟件自動完成解釋變量的篩選，觀測每一步檢驗的變化情況，同時進行強影響點探測與殘差分析，分析結(jié)果如表5.2。

第五個P值都小于0.05，適用。

4、模型檢驗

（1）擬合優(yōu)度

（2）回歸方程顯著性檢驗

（3）回歸系數(shù)顯著性檢驗

（4）殘差檢驗

5、模型建立

6、壓力測試（核心）