信用風險計量模型CPV：

CreditPortfolioView模型。20世紀90年代末麥肯錫公司研發的CreditPortfolioView模型運用蒙特卡洛模擬技術和計量經濟學相結合分析貸款組合的信用風險。將宏觀經濟因素納入模型，建立起宏觀經濟變量與信用風險的聯系。CreditPortfolioView模型通過逐步加入宏觀變量沖擊來模擬轉移概率的變化，該模型根據現實宏觀經濟數據通過蒙特卡洛模擬得出貸款違約率，并不依賴歷史數據，歷史數據只是對那些非違約的轉移概率進行計算。CreditPortfolioView模型采納的VAR方法具有較強的前瞻性，可視為對基本信用計量方法的補充，并克服了一般模型不同時期轉移概率一成不變的假設。同時具有違約概率模型和盯市模型的雙重功能，該模型最重要的創新在于運用宏觀經濟因素的變動來計量信用風險的變化。

不同模型的基本要素比較：

壓力測試流程

對商業銀行房地產貸款進行壓力測試時，首先選擇風險因子，哪些風險因子會觸發銀行的信貸資產發生損失。接著設計壓力情景，情景的設定要嚴峻于正常狀況，極端卻有可能發生，通常采用歷史情景和專家設計兩種情景設定方式，通過構建風險傳導模型，得出壓力測試的結果。然后分析銀行近期的經營狀況，是否能夠承受假設的極端情景下造成的損失。最后根據評估的結果，銀行可以結合對未來宏觀經濟變化的預期判斷提前制定相應的防御措施。

實證分析

1、被解釋變量：房地產不良貸款率替代違約率

2、解釋變量：消費者價格指數（CPI）、國內生產總值（GDP）、3-5年期貸款利率（R）、股票價格指數（INDEX）、廣義貨幣供應量（M2）、固定資產投資（INVEST）、城市人均季度總收入（IPH）、國房景氣指數（NHBI）及消費者信心指數（CCI）這9個宏觀經濟變量。選取季度數據進行實證分析。其中，商業銀行不良貸款率數據來自銀監會網站，其他數據來自Wind數據庫和國家統計局數據庫。

3、數據調整：

（1）價格調整。在所選取的9個經濟變量中，有4個是名義變量∶國內生產總值、廣義貨幣供應量、城市居民可支配收入、固定資產投資額，它們會因為物價水平的變動而受到影響。因此在進行回歸分析前，要對這些名義變量進行價格調整，排除價格因素對這些指標的影響。本文以2003年4季度為基期，計算各期的CPI數值，用各期相應的CPI數值去除國內生產總值、廣義貨幣供應量、固定資產投資額、城市人均季度總收入的名義值得到各變量的實際值。

（2）季節調整。一般情況下，經濟指標的季度和月度數據包含4種變動要素，分別是季節變動要素、長期趨勢要素、不規則要素和循環要素。自然條件、社會制度與風俗等因素都會造成經濟時間序列的周期變動，因此受季節變動要素影響所產生的這種周期性變化在經濟分析中稱為季節波動。對于時間序列，季節性因素會導致統計數據不能客觀反映經濟變化規律，因而在經濟統計分析中除掉季節波動因素的影響，需要對季度數據和月度數據進行季節調整。本文用SPSS19.0對國內生產總值和固定資產投資額等進行季節調整。

（3）多重共線性分析：

在存在多重共線性的情況下，當一個變量發生變化時，另一個變量也會隨之發生變化，很難衡量每一個解釋變量對總體 R2的貢獻，因此有必要采取一定策略對解釋變量引入回歸方程加以篩選。本文使用 SPSS 19.0軟件，采用向后篩選策略對解釋變量進行篩選以剔除變量的多重性。

上述分析結果表明，應該重新建立回歸方程，這里采用向后篩選策略讓SPSS19.0軟件自動完成解釋變量的篩選，觀測每一步檢驗的變化情況，同時進行強影響點探測與殘差分析，分析結果如表5.2。

第五個P值都小于0.05，適用。

4、模型檢驗

（1）擬合優度

（2）回歸方程顯著性檢驗

（3）回歸系數顯著性檢驗

（4）殘差檢驗

5、模型建立

6、壓力測試（核心）