4. 敏感性分析基础
敏感性分析是监管指标压力测试体系中的“显微镜”。它回答一个非常具体的问题：当某一个或一组风险因子发生小幅、可观测的变化时，目标监管指标会如何响应？与压力测试关注“极端情景下是否扛得住”不同，敏感性分析更关注“日常波动下指标对因子的依赖程度”。理解这一区别，是正确使用敏感性工具的前提。
一、核心定义与原理
敏感性分析（Sensitivity Analysis）是指在保持其他条件不变的前提下，考察单个或多个风险因子变动对目标指标的影响程度。其数学本质是计算目标函数对因子的偏导数或差分：
单因素敏感性：ΔY ≈ (∂Y/∂Xi) · ΔXi
弹性形式： E = (ΔY/Y) / (ΔXi/Xi)
半弹性形式： H = (ΔY/Y) / ΔXi 或 (ΔY) / (ΔXi/Xi)其中 Y 为目标监管指标（如资本充足率、流动性覆盖率 LCR、净稳定资金比例 NSFR），Xi 为风险因子（如利率、信用利差、违约概率 PD、提前支取率）。弹性表示“百分比变化之比”，无量纲，便于跨指标比较；半弹性表示“百分比变化与绝对变化之比”，适合利率、利差等本身以百分点计量的因子。
二、单因素与多因素分析
单因素分析每次只变动一个因子，其余保持不变。优点是归因清晰、计算简单、结果可解释；缺点是忽略了因子之间的相关性。例如利率上升往往伴随信用利差扩大，单独变动利率会低估组合的真实敏感度。
多因素分析同时变动多个因子，常见方法包括：
- 情景组合法：预设一组因子联动路径，如“利率+100bp、利差+50bp、PD×1.5”。
- 方差—协方差法：利用因子协方差矩阵生成联合冲击，输出指标分布。
- 主成分分析：将高维因子降维为少数正交主成分，识别主要风险来源。
- 蒙特卡洛模拟：对因子联合分布抽样，得到指标的概率分布与分位数。
实务中通常先用单因素分析定位关键因子，再用多因素分析验证联动效应，两者是“筛查—确认”的关系，而非替代关系。
三、方法流程与关键参数
- 确定目标监管指标与计算口径（如 LCR = 优质流动性资产 / 未来30天净现金流出）。
- 识别风险因子清单，明确因子的基准值与变动步长。
- 选择分析模式：单因素、多因素或两者结合。
- 设定冲击幅度：通常采用 ±1bp、±10bp、±50bp、±100bp 等梯度。
- 重新计算指标，记录 ΔY，计算弹性或半弹性。
- 排序敏感度，识别关键因子并形成结论。
| 对比维度 | 敏感性分析 | 压力测试 |
|---|---|---|
| 冲击幅度 | 小幅、边际变动 | 极端、尾部情景 |
| 核心问题 | 指标对因子的依赖程度 | 极端下是否达标/生存 |
| 输出形式 | 弹性、半弹性、敏感度排序 | 指标缺口、资本缺口、通过/失败 |
| 因子处理 | 可单因素、可多因素 | 通常多因素联动 |
| 时间视角 | 瞬时或短窗口 | 多期、路径依赖 |
| 监管用途 | 风险归因、限额校准 | 资本充足评估、恢复计划 |
四、案例场景：LCR 对提前支取率的敏感性
假设某银行 LCR 基准为 125%，优质流动性资产 HQLA 为 200 亿元，未来30天净现金流出为 160 亿元。现考察零售存款提前支取率上升对 LCR 的影响：
基准：LCR = 200 / 160 = 125%
支取率 +5%：净流出增加 8 亿元 → LCR = 200 / 168 ≈ 119.0%
支取率 +10%：净流出增加 16 亿元 → LCR = 200 / 176 ≈ 113.6%
半弹性 = (119.0% - 125%) / 125% / 5% ≈ -0.96结果表明，提前支取率每上升1个百分点，LCR 相对下降约0.96%。若监管红线为100%，则可反推最大可承受支取率上升幅度，为流动性限额管理提供直接依据。
五、常见误区与复盘
- 误区一：把敏感性当压力测试。敏感性用小幅冲击看斜率，压力测试用极端情景看生存，两者结论不可互相替代。
- 误区二：忽略非线性。期权性、凸性头寸在小幅变动下近似线性，大幅变动下弹性会漂移，需分段计算。
- 误区三：单因素结论外推。单因素敏感度排序在多因子联动下可能反转，必须用多因素验证。
- 误区四：只算不排序。敏感性分析的价值在于识别关键因子，未排序的结果无法指导管理行动。
综上，敏感性分析以边际视角刻画指标与因子的依赖关系，单因素用于筛查、多因素用于确认，弹性与半弹性提供可比口径，而压力测试则在同一框架下向极端尾部延伸。三者共同构成监管指标风险度量的完整链条。