3. 压力测试核心概念
在信贷组合压力测试中，最容易被混淆的不是模型公式，而是概念边界。很多团队把“做压力测试”简单理解为“把不良率调高几个点再算一遍资本”，结果既无法解释风险来源，也无法满足监管对方法论的审查要求。要建立可复用的压力测试体系，首先必须厘清五个核心概念：压力情景、敏感性分析、情景分析、反向压力测试与宏观压力测试。它们不是并列的五种工具，而是从“单因子扰动”到“多因子联动”、从“正向推演”到“反向求解”、从“组合自下而上”到“宏观自上而下”的不同观察角度。
一、核心原理：五个概念的本质差异
压力情景是一组经过定义的、同时发生的风险因子取值集合，例如“GDP增速下降3个百分点、失业率上升4个百分点、房价下跌25%、基准利率上升150BP”。它回答的是“如果世界变成这样，我的组合会怎样”。压力情景本身不是方法，而是输入条件。
敏感性分析是控制其他变量不变，只改变一个风险因子，观察组合指标（如预期信用损失ECL、资本充足率）的变化幅度。它回答的是“哪个因子最要命”。敏感性分析的优点是计算快、解释直接，缺点是忽略因子之间的相关性，容易低估联合冲击。
情景分析是在一个完整、内部一致的宏观金融情景下，将多个因子的联动路径映射到违约概率PD、违约损失率LGD和违约风险暴露EAD，再汇总到组合层面。它回答的是“在一条完整的故事线里，损失如何演化”。情景分析通常包含基准情景、温和衰退、严重衰退等。
反向压力测试是从结果倒推原因：先设定一个“不可接受的结果”，例如资本充足率跌破监管红线或ECL超过拨备覆盖能力，再求解什么样的情景会导致这一结果。它回答的是“多坏才会让我死”。反向压力测试不依赖历史情景库，更适合识别尾部风险和隐藏脆弱性。
宏观压力测试是监管或大型机构采用的自上而下的方法，将宏观经济模型与金融部门模型连接，评估整个银行体系或系统重要性机构在宏观冲击下的资本充足性。它通常由监管机构主导，强调系统性风险、反馈效应和一致性假设。
一句话区分：敏感性分析是“单因子试算”，情景分析是“多因子故事”，压力情景是“故事的参数集”，反向压力测试是“从结果找故事”，宏观压力测试是“把故事放到整个经济系统里检验”。
二、方法流程：从单点到系统
在实际项目中，这五种方法往往组合使用。一个典型的信贷组合压力测试流程如下：
- 确定目标与约束：明确是满足监管要求、内部资本规划，还是识别尾部风险。目标决定方法组合。
- 敏感性扫描：对PD、LGD、EAD、利率、房价等关键因子做单因子扰动，快速定位高敏感因子。
- 构建压力情景：基于敏感性结果，选择需要联动的因子，设计基准、温和、严重三档情景，并保证宏观变量之间逻辑一致。
- 情景分析传导：将宏观路径映射到卫星模型或专家判断，得到PD/LGD/EAD的期限结构，再计算ECL、RWA和资本充足率。
- 反向压力测试：对资本充足率或ECL设定阈值，反解关键因子的临界值，识别“最脆弱环节”。
- 宏观一致性校验：将组合结果与宏观压力测试结果对比，检查是否存在低估或重复计算。
下面是一个简化的参数配置示例，用于说明敏感性分析与情景分析在代码层面的差异：
# 敏感性分析：单因子扰动
factors = ["PD", "LGD", "EAD", "Rate"]
shock = {"PD": +0.02, "LGD": +0.10, "EAD": +0.05, "Rate": +0.015}
for f in factors:
scenario = base.copy()
scenario[f] += shock[f]
ecl = compute_ecl(scenario)
print(f"{f} 单因子冲击后 ECL = {ecl:.2f}")
# 情景分析：多因子联动
macro_scenario = {
"GDP": -0.03,
"Unemployment": +0.04,
"HousePrice": -0.25,
"Rate": +0.015
}
pd_path = satellite_pd(macro_scenario)
lgd_path = satellite_lgd(macro_scenario)
ecl = compute_ecl(pd_path, lgd_path, ead_path)
print(f"严重衰退情景 ECL = {ecl:.2f}")三、案例/场景：同一组合的三种问法
假设某银行零售信贷组合包含住房抵押贷款、信用卡和消费贷。管理层提出三个问题：
- 问题一：“如果房价下跌20%，我们的资本充足率会下降多少？”——这是敏感性分析，只动房价一个因子。
- 问题二：“如果经济进入严重衰退，GDP下降3%、失业率上升4%、房价下跌25%，未来三年损失如何分布？”——这是情景分析，多因子联动且有时间路径。
- 问题三：“在什么条件下，我们的资本充足率会跌破10.5%的监管要求？”——这是反向压力测试，从结果反推情景。
如果监管要求提交系统重要性评估，则还需要宏观压力测试：将上述组合放入整个银行体系，考虑同业传染、资产价格螺旋和信贷收缩反馈。此时，单个机构的组合损失不再是终点，而是系统反馈的起点。
| 方法 | 因子数量 | 方向 | 典型输出 | 主要用途 |
|---|---|---|---|---|
| 敏感性分析 | 单因子 | 正向 | 指标变化量 | 快速定位关键风险 |
| 压力情景 | 多因子 | 输入条件 | 参数集合 | 定义冲击边界 |
| 情景分析 | 多因子联动 | 正向 | 损失路径、资本轨迹 | 资本规划与拨备 |
| 反向压力测试 | 多因子反解 | 反向 | 临界阈值、脆弱点 | 尾部风险识别 |
| 宏观压力测试 | 系统级多因子 | 正向+反馈 | 体系资本缺口 | 监管与系统性评估 |
四、误区/复盘：常见混淆与纠正
误区一：把敏感性分析当情景分析用。单因子扰动无法捕捉“失业率上升导致房价下跌、房价下跌导致抵押品价值缩水、进而推高LGD”的链条。敏感性分析适合筛选，不适合定论。
误区二：压力情景越极端越好。情景需要内部一致且可解释。GDP下降10%但失业率不变的情景在逻辑上不成立，会被监管质疑。
误区三：反向压力测试可以替代正向情景分析。反向压力测试给出的是“临界点”，不给出“概率”和“路径”。它适合风险偏好设定，不适合资本充足率的前瞻性预测。
误区四：宏观压力测试只是把机构结果加总。宏观压力测试必须考虑反馈效应和共同风险因子，否则会严重低估系统性风险。
复盘建议：在压力测试报告中，明确标注每个结果对应的方法类型。敏感性结果用于归因，情景分析结果用于资本规划，反向压力测试结果用于风险偏好校准，宏观压力测试结果用于监管沟通。四者互为补充，不可相互替代。
理解这五个概念的区别与联系，是构建信贷组合压力测试体系的第一步。只有先明确“我们在回答什么问题”，才能选择正确的方法、设计合理的情景，并最终将结果转化为可执行的资本缓冲决策。