基于農(nóng)業(yè)發(fā)展銀行的信用風(fēng)險(xiǎn)壓力測試研究.pdf

1、隨著社會主義新農(nóng)村建設(shè)的全面推進(jìn)和金融體制改革的不斷深化，在農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)中起著扶持、補(bǔ)充和引導(dǎo)功能的農(nóng)業(yè)發(fā)展銀行，一方面繼續(xù)完成政府交予的農(nóng)業(yè)政策性金融業(yè)務(wù)，形成了以支持國家糧棉購銷儲業(yè)務(wù)為主體，以支持農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營和農(nóng)業(yè)農(nóng)村基礎(chǔ)設(shè)施建設(shè)為兩翼的業(yè)務(wù)發(fā)展格局，另一方面在政策允許范圍內(nèi)自主選擇兼顧社會效益和經(jīng)濟(jì)效益的商業(yè)性業(yè)務(wù)，逐步形成以滿足“三農(nóng)”需要和市場需求為中心的全方位、綜合式服務(wù)。因而農(nóng)業(yè)發(fā)展銀行的信用風(fēng)險(xiǎn)不僅來自政策層面，還來

2、自農(nóng)業(yè)農(nóng)村經(jīng)濟(jì)沖擊。選擇合適的模型評估和預(yù)測農(nóng)業(yè)發(fā)展銀行信用風(fēng)險(xiǎn)，提高農(nóng)業(yè)發(fā)展銀行的風(fēng)險(xiǎn)管理水平顯得尤為重要。
　　本文首先比較分析了諸如KMV、CreditMetrics、CPV等風(fēng)險(xiǎn)度量模型的特點(diǎn)、優(yōu)點(diǎn)和缺點(diǎn)，了解各類信用風(fēng)險(xiǎn)度量模型的運(yùn)用環(huán)境，深入分析了壓力測試的實(shí)施框架，包括別風(fēng)險(xiǎn)因子，構(gòu)建風(fēng)險(xiǎn)傳導(dǎo)模型，選擇合適的壓力情景執(zhí)行壓力測試，分析壓力測試報(bào)告。綜合考慮其信用風(fēng)險(xiǎn)的特點(diǎn)和形成原因，最終選擇采用CPV模型對信用風(fēng)險(xiǎn)執(zhí)

3、行壓力測。在模型構(gòu)造中，本文篩選出影響農(nóng)業(yè)發(fā)展銀行信用風(fēng)險(xiǎn)的宏觀因子和行業(yè)因子，使用Logit模型將不良貸款率轉(zhuǎn)化為中介指標(biāo)Y，以指標(biāo) Y作為因變量與宏觀和行業(yè)因子進(jìn)行多元線性回歸分析，建立風(fēng)險(xiǎn)傳導(dǎo)模型。通過自變量的自回歸和殘差項(xiàng)的蒙特卡洛模擬生成壓力情景，進(jìn)行宏觀壓力測試，定量分析宏觀和行業(yè)因子在中壓情景、強(qiáng)壓情景下對農(nóng)業(yè)發(fā)展銀行不良貸款率的影響。結(jié)果發(fā)現(xiàn)：中央和地方財(cái)政支出增長率，農(nóng)村居民人均純收入對農(nóng)發(fā)行不良貸款率的影響是顯著的，

4、特別是農(nóng)村居民人均純收入對農(nóng)發(fā)行不良貸款率沖擊較強(qiáng)。通過歷史數(shù)據(jù)對宏觀因子和行業(yè)因子的自回歸，得出基準(zhǔn)情境下，中央和地方財(cái)政支出增長率為13.75％，農(nóng)村居民人均純收入為10057.70元，此時(shí)農(nóng)業(yè)發(fā)展銀行的不良貸款率為0.45%，在中央和地方財(cái)政支出增長率的中壓和強(qiáng)壓沖擊下，農(nóng)業(yè)發(fā)展銀行的不良貸款率分別為0.57%和0.68%。在農(nóng)村居民人均純收入的中壓和強(qiáng)壓沖擊下不良貸款率分別為0.55%和0.78%。
　　最后提出建議：（1