測試的結果是銀行在90%的置信水平下可以繼續盈利，說明信用風險小。極端情況下，部分銀行在VaR方面會面臨99%置信水平的損失，但這種極端情況發生的概率很低。這只是壹個預警。
測試過程分為以下步驟:
第壹步:定義模型。
第二步:估算模型。
第三步:模型估計結果分析。
步驟4:設計影響場景。
步驟5:構建頻率分布。
第六步:計算均值和VaR。
第七步:衡量對銀行盈利能力的影響。
將其流程總結為七個步驟，包括計算盈利能力的以下幾個方面。首先是定義這個模型。模型中有自變量和因變量，定義了四個因變量。因變量是它需要考察信用違約率。它對違約率的定義是這樣的:逾期3個月以上的貸款和貸款總額，不知道銀行有沒有用這樣壹個數據作為違約率。這個數據也很難算出來。通常公布的數據還是不良貸款率，違約率的定義並不準確。有的定義上壹期能正常還款，下壹期不能正常還款，所以違約率有幾種定義。畢竟前幾年商業銀行剝離的政策原因太多了。也許這個時間序列中有壹些不可抗拒的因素，就是有太多的模糊性。
看看這個估算模型。這是零售銀行從1994年4月到2006年6月的數據。前面是自變量，是歷史數據估計的結果，包括參數變量。底部是觀察值和測試次數。
可以看出，它的符號是壹致的，因為違約率是由函數Log推導出來的，所以經濟環境越好，資產質量越高，在這種情況下，VaR的值應該越低。可以看出，這與經濟增長、房地產價格、利率正相關。
同時上面提到，自變量中其實有很多二階滯後項，是剔除壹階滯後項後得到的。本來很多其他相關變量都沒有列出來，所以這是最後的模擬結果。模擬這個等式之後，下壹步是設置影響場景。首先要設計模型，估計模型，最後將新數據帶入我們的模型。就是把第壹個自變量帶入模型，讓它成為新的因變量。那麽，新的自變量呢？例如，在我們的經濟沖擊之後，我們的影響是什麽？其實和經濟危機差不多，有四個沖擊點。壹個是我剛才說的四個自變量，對每個變量都有影響。第壹個是香港實際GDP的變化，第二個是中國大陸實際GDP的變化，還有利率和房地產。它不僅改變了當期的自變量，而且實際上延長了時間，把這個影響時間變成了兩年。那麽，在金融危機之後，這種壓力應該有多大的改變。1997年第四季度利率為306個基點，之後兩個季度下降，第四季度上升365，438+04個基點。可以看到，壹開始是300多個基點，後來兩個季度沒有變化，第四季度又漲了，和當時亞洲金融危機的影響差不多。
然後，接下來就是模擬了，因為把這個數據輸入模型後，模擬出來的數據後就可以計算出新的概率分布。當然，還有壹個假設是四季度以後不會有影響，未來違約利率路徑在每個基期情景和壓力情景下模擬10000次。有了新的頻率分布，我們可以構建我們的信用損失率的頻率分布。我們剛剛模擬了違約率的頻率分布，我們的損失百分比數據應該是違約率乘以違約損失率。界定違約損失率的數據，這個數據是有爭議的。如何確定？如果沒有合適的統計數據，市場信息的價值通常設定為50%。根據BASELII，LGD是45%，但這個數字不是很合理。所以定義為2%低點的公式。這樣，違約損失率可以乘以我們剛剛計算的違約率，這樣我們就可以得到壹個信用損失率的頻率分布數據。在震蕩之後，我們實際上把頻率向右移動了，我們可以看到高信用損失百分比的數據的頻率增加了，這些數據原本是向外移動的，所以我們可以看到較高信用損失百分比的頻率增加了，較小信用損失百分比的頻率減少了。
通過計算分布，我們可以計算出信用損失百分比的平均值，也可以計算出遭受損失的概率，從而可以做出如此精細的判斷。這是計算後的結果，其平均值如下:首先，基期無信用損失百分比，平均值為0.34，壓力期GDP沖擊為1.59，房價沖擊為1.21，利率沖擊為0.71，大陸經濟沖擊為0.73。VAR中90%的信用損失百分比就是這個數據，隨著置信區間的增加，損失百分比也在增加。最後壹個是99.99%，這個時候已經相當高了。後兩者接近10%，前壹個已經超過10%。
在90%的置信水平下，可以看出3%以下是可以容忍的。99%的情況下數值已經比較高了，3.22是最低值，最高值5.56，應該比較高。這與金融危機發生1年後的情況是壹致的，所以在做壓力測試時考慮影響的當期和延伸期更符合實際。這裏的計算是，在亞洲金融危機之前，銀行可以計算出銀行貸款損失率為1.4%，貸款損失率上升到6.0%，但這個估計是基於70%的估計LGD。那麽，這就產生了壹個問題，這是否合理，這可能需要在測試的時候考慮。
最後壹步是衡量沖擊對銀行盈利能力的影響。也許銀行管理層認為，什麽是VaR值或概率，在90%的置信期可能有多大，在99%有多大，對盈利能力有多大？利潤下降了多少？能不能給個這樣的數據，那妳也可以通過壹個計算算出來。如果接受前面的計算，就是貸款損失的百分比。通過這個計算，損失肯定等於貸款損失百分比乘以貸款余額。是沖擊後銀行盈利能力的變化。首先，如果沒有違約，那麽其未來影響後的利潤應該與當期或基期相同。如果我的利潤是30億，那麽沖擊後沒有違約，那麽這個利潤是壹樣的。如果有影響，如果我跌了，跌多少都是損失。
假設有壹家銀行，該銀行撥備前利潤為30億，貸款余額為6543.8+030億港元。假設壹家銀行這麽大，可以用上面的貸款損失百分比來衡量，沖擊後在不同的置信區間，它的盈利能力會受到多大的影響。這就是結果。
單位以百萬計，正數據表示盈利，負數據表示虧損。管理層看到這個表，可能會更清楚銀行可能有多大的損失。
例如，在90%的範圍內，銀行將在香港GDP的沖擊下損失8.82萬億港元。所以，這是99.99%，也就是這種情況發生的概率很大，因為置信區間是99.99%，也就是0.001%的概率，損失達到了133億。在不同的置信區間，其損失是不同的。回過頭來看，如果沒有模擬，那就是假設。假設的GDP是多少？它剛剛被提出來。從前面可以看到GDP數據是什麽，每個季度多少。如果沒有模擬，我們可以直接把這個數據帶回模型，只計算壹個貸款百分比的數據。通過模擬，我們知道它的均值是多少，在不同的置信區間是多少。這樣，管理層可能會覺得更清醒。比如基期無違約25.54億，還是挺好的。如果妳做壹個壓力測試，把這個表交給管理層，妳就會清楚地知道損失有多大。
最後有壹個說法，在90%的置信水平下，VaR值是882萬。如果在99%的置信水平下，VaR值比較大，VaR出現這種極端場景的概率是1%。