3. 压力测试场景设计:宏观经济压力场景、市场风险场景、信用风险场景的构建方法

压力测试场景设计是连接“风险因子识别”与“特征筛选”的核心桥梁。一个设计不当的场景会导致特征筛选失去方向,甚至产生误导性的风险排序。本章将系统阐述三大类压力场景的构建逻辑、参数设定方法及其与特征筛选清单的衔接点。

核心原则:场景设计必须遵循“可量化、可回溯、可传导”三原则。每个场景都应能映射到具体的风险因子变量,并最终通过特征筛选清单中的指标进行压力传导评估。

3.1 宏观经济压力场景构建

宏观经济压力场景模拟整体经济环境恶化对资产组合的影响。构建方法通常分为历史情景法和假设情景法两类。

3.1.1 历史情景法

选取历史上发生过严重经济危机的时期(如2008年全球金融危机、2020年新冠疫情),提取该时期关键宏观变量的变动幅度作为压力参数。

宏观变量 2008年金融危机变动幅度 2020年疫情冲击变动幅度 特征筛选关注指标
GDP增速 -3.4% (同比) -6.8% (Q1同比) 营收增长率、EBITDA利润率
CPI +2.1% → -0.7% +5.4% → +0.1% 成本传导系数、毛利率
失业率 4.6% → 9.3% 3.5% → 14.7% 个人收入稳定性、贷款违约率
M2增速 +17.8% → +27.7% +8.4% → +11.1% 流动性覆盖率、融资可得性

3.1.2 假设情景法

基于专家判断或模型模拟,设定极端但合理的宏观变量组合。例如“滞胀情景”:GDP增速下降3%,同时CPI上升5%。

特征筛选提示:在宏观经济场景下,特征筛选清单应优先保留对GDP、利率、通胀敏感度高的变量,如“行业景气度指数”、“消费者信心指数”、“PMI新订单分项”。剔除那些与宏观周期弱相关的微观特征(如个别企业的专利数量)。
宏观经济压力场景传导路径 宏观冲击因子 GDP增速下降 CPI/PPI波动 失业率上升 利率/汇率冲击 企业营收/利润下降 居民收入/消费萎缩 资产价格下跌

3.2 市场风险场景构建

市场风险场景聚焦于金融资产价格的剧烈波动,包括利率、汇率、股票指数、大宗商品等。构建方法强调波动率曲面扭曲和尾部风险事件。

3.2.1 利率风险场景

典型场景包括“收益率曲线平行上移200bp”、“收益率曲线陡峭化(短端上移100bp,长端上移300bp)”。

3.2.2 汇率与权益风险场景

例如“人民币对美元一次性贬值5%”、“沪深300指数单月下跌15%”。这些场景需要与特征筛选中的“汇率敏感度因子”、“Beta系数”等变量联动。

常见误区:市场风险场景设计时,容易忽略“相关性突变”。例如在正常市场下股票与债券呈负相关,但在压力场景下可能转为正相关。特征筛选清单中应包含“相关性结构变化指标”或“尾部相关系数”来捕捉这一效应。

3.2.3 市场风险场景参数模板

风险类型 轻度压力 中度压力 重度压力 特征筛选关注变量
利率 +50bp +150bp +300bp 久期、凸性、OAS
汇率 ±3% ±8% ±15% 外汇敞口、NDF基差
权益 -10% -25% -40% Beta、波动率、VaR
信用利差 +50bp +150bp +400bp Z-Spread、CDS价格

3.3 信用风险场景构建

信用风险场景关注借款人或交易对手的违约概率(PD)、违约损失率(LGD)和违约暴露(EAD)在压力环境下的变化。构建方法通常采用宏观压力传导模型或行业集中度冲击。

3.3.1 宏观传导型信用场景

将宏观经济场景(如GDP下降3%)通过计量模型映射到PD和LGD上。例如:

# 宏观-信用传导简化模型(示例)
ΔPD = α × ΔGDP + β × Δ失业率 + γ × Δ利率
其中 α = -0.8, β = 0.5, γ = 0.3

# 当GDP下降3%,失业率上升2%,利率上升1%时:
ΔPD = (-0.8 × -3%) + (0.5 × 2%) + (0.3 × 1%)
     = 2.4% + 1.0% + 0.3% = 3.7%

3.3.2 行业集中度冲击场景

针对特定行业(如房地产、批发零售)设定违约率飙升情景。例如“房地产行业违约率从2%上升至15%”。特征筛选清单在此场景下应重点保留“行业集中度指数”、“客户行业分散度”、“关联交易占比”等变量。

特征筛选与场景的联动:在信用风险场景中,特征筛选清单需要特别关注“滞后性指标”。例如,GDP下降对违约率的影响通常滞后2-3个季度。因此,清单中应包含“滞后阶数选择”字段,确保特征与压力场景在时间维度上匹配。
信用风险场景构建与特征筛选联动流程 宏观场景输入 宏观-信用传导模型 PD/LGD/EAD冲击 特征筛选清单迭代 信用损失分布输出 反馈校准

3.4 三类场景的协同与特征筛选清单的适配

在实际压力测试中,三类场景并非孤立运行,而是需要协同设计。特征筛选清单应具备场景标签化能力,即每个特征变量都标注其适用的压力场景类型。

3.4.1 场景协同矩阵

场景组合 典型应用 特征筛选重点
宏观 + 市场 经济衰退叠加股债双杀 流动性指标、波动率指标、相关性指标
宏观 + 信用 GDP下滑导致企业违约潮 财务杠杆、利息覆盖倍数、行业集中度
市场 + 信用 利率飙升引发信用利差走阔 久期、凸性、CDS基差、信用评级迁移概率
宏观 + 市场 + 信用 全面系统性压力测试 综合风险因子、尾部风险指标、压力损失率

3.4.2 特征筛选清单的场景适配字段

建议在特征筛选清单中增加以下字段以适配压力测试场景:

  • 适用场景类型:宏观 / 市场 / 信用 / 综合
  • 压力敏感度等级:高 / 中 / 低(基于历史回测)
  • 传导时滞:即时 / 1季度 / 2季度 / 1年
  • 相关性分组:用于避免多重共线性
  • 压力阈值:触发预警或模型重估的临界值
最佳实践:在构建信用风险场景时,建议将特征筛选清单中的“行业集中度HHI指数”与“宏观场景中的GDP分行业增速”进行交叉验证。如果HHI指数高于0.25且该行业GDP增速压力下降超过5%,则该场景下的信用损失估算需要额外增加集中度风险附加因子。