第一章 引言
第二章 城商行流动性风险压力测试的理论框架与研究基础
2.1 核心概念界定与相关理论梳理
流动性覆盖率、净稳定资金比例是巴塞尔III流动性风险监管框架中最重要的两个指标，也是城商行流动性风险管理的基础。流动性覆盖率是银行在短期极端压力情景下持有的高流动性资产能够覆盖未来三十天的资金净流出，是对银行短期抗压能力的硬性约束，净稳定资金比例则是引导银行调整资产负债结构，要求可用稳定资金与所需稳定资金相匹配，以保证长期资产负债的期限结构和币种结构的平衡。城商行流动性风险压力测试，就是指城商行按照监管要求以及内部管理的需要，运用定性和定量相结合的方法，通过设定可能发生的极端不利情况，来计算在这种情况下银行流动性指标的变化以及资金缺口，从而评价银行抵御风险能力的一种系统性的技术手段。其实施过程包括确定测试目的、确定风险因子、创建压力情景、选择数据模型、执行定量测算、分析测试结果、制定应对措施等标准化的步骤，是银行进行前瞻性风险管理的重要手段。
在此基础上，流动性风险内生传导理论说明了流动性危机在银行体系内部是如何扩散的，指出单个银行的流动性困境会通过同业业务链条引起系统性的连锁反应，因此压力测试要考虑到网络效应。压力测试的情景构建经典范式，认为用历史情景重现、假设情景设定等科学的办法来模拟外部宏观经济冲击和银行内部经营异变的综合影响，给测试赋予合理的输入变量。中小银行异质性风险成因理论对城商行的资金来源稳定性、信贷投放地域集中度、客户群体结构等各方面与大型银行存在的明显差异进行了详细的分析，并且指出城商行的流动性风险更加突然、脆弱。对以上核心概念和理论体系进行系统的梳理，既可以清楚地认识流动性风险产生的内在机理和传导途径，也可以为之后发现传统测试模型的适用范围、有针对性地进行模型改进设计提供有力的理论支持。
[["类别","名称","核心内涵界定","与城商行流动性风险压力测试的关联逻辑"],["核心概念界定","城商行流动性风险","指城市商业银行无法以合理成本及时获得充足资金，以偿付到期债务、满足资产增长或潜在资金需求的风险，兼具负债端存款波动的区域依赖性与资产端信贷投向的地方关联性特征","是压力测试的核心测度对象，城商行特有的区域属性决定了风险驱动因子的选取需突出本地经济变量、地方财政波动等特色要素"],["核心概念界定","流动性风险压力测试","属于风险管理专项定量分析工具，通过构建极端不利情景下的风险传导模型，测算银行可承受的最大流动性风险边界，预判风险敞口与缺口规模","是本次模型优化的核心载体，为城商行适配差异化的风险承压能力评估体系提供方法框架支撑"],["相关理论梳理","流动性缓冲理论","指银行需持有充足的高流动性优质储备资产，以覆盖极端压力情景下的净现金流出缺口，保障短期流动性安全","为压力测试中达标判定阈值设定、优质流动性资产储备充足性校验提供核心理论依据"],["相关理论梳理","风险迁徙理论","刻画流动性风险从轻度异常逐步向重度危机传导演化的路径，体现不同风险因子间的非线性叠加放大效应","为优化多情景分层压力传导逻辑、构建梯度压力冲击体系提供理论支撑"],["相关理论梳理","金融脆弱性理论","指出城商行因规模体量小、负债来源集中度高、同业业务依赖度较强等属性，天然具备更高的流动性风险脆弱性特征","为城商行针对性筛选特色风险驱动因子、规避通用型测试模型的同质化偏差提供理论参照"]]
第三章 城商行流动性风险压力测试模型的优化设计与实证检验
3.1 传统城商行流动性风险压力测试模型的短板识别
3.1.1 静态风险因子传导滞后的局限性分析
传统城商行流动性风险压力测试一般使用静态风险因子设定逻辑，即根据历史数据来设定固定比例或者线性外推，它的主要缺点就是不能及时反映市场动态变量的瞬间变化。在实际操作中，静态设定一般假定风险因子的变化和流动性缺口之间存在着确定的即时对应关系，没有考虑到风险传导过程中时间滞后的效应。从多家样本城商行2019-2023年压力测试实操案例分析可知，在使用静态因子假设的情况下，模型测算出的流动性缺口比实际资金波动要平滑得多，不能反映真实的资金波动情况。当同业市场利率出现剧烈波动或者居民储蓄大规模搬家的时候，静态模型仍然使用年初设定好的稳定流失率，造成测算结果同之后真实的风险暴露数据存在较大差异。偏差的本质就是静态因子不能很好地拆解出同业利率传导、存款迁徙和信贷集中违约这些动态变量的时滞问题。风险由外部冲击变成银行实际的流动性枯竭，一般会有数天到数周的传导期，静态模型没有对这个过程进行动态模拟的机制。从量化的结果可以看出，在不同的滞后程度下，传统的模型对于极端风险的低估程度达到20%到40%。尤其在市场资金面突然收紧的极端行情下，静态传导滞后会造成银行对于短期融资能力的误判，从而严重低估流动性缺口。由此造成的局限性给城商行压力测试实操带来了巨大的决策误导风险，使管理层根据模型输出的稳健假象，错过了补充高流动性资产的最佳时机，在危机初期无法建立有效的防御屏障，从而危及银行的持续经营安全。
3.1.2 中小区域银行异质性特征适配性不足问题梳理
城商行属于服务区域经济的金融力量，它的经营属性同国有大行以及股份制银行存在本质差别，主要表现在明显的区域性以及地缘性上。但是传统的通用流动性风险压力测试模型大多是以大型银行为数据基础来建立的，没有考虑到中小区域银行的异质性，造成模型在实际使用中适应性很差。从负债端来说，城商行的资金来源大多依靠本地居民储蓄和对公存款，客户集中度较高，资金稳定性受区域经济波动的影响较大；资产端大多投向地方基础设施建设和中小微企业贷款，业务结构同地方产业景气密切相关。因此城商行在系统性、区域性冲击下，资金流失的途径和大行不一样。部分城商行直接套用大行标准模型做压力测试，会存在情景假设脱离本地产业实际的问题。模型不能很好地分辨各个区域的产业结构差别，在房地产或者某个制造业的调整周期里，测试结果不能真实地体现该行所面对的流动性缺口。另外，沿用统一的风险权重参数，会把城商行由于信贷投放集中而产生的风险隐藏起来，造成测试结果失真。适配性缺陷不能准确地预警风险，还会误导管理决策，所以需要对传统的模型进行根本性的改进和调整。
3.2 融合异质性调节与动态传导的优化模型构建
3.2.1 嵌入区域产业波动关联因子的压力情景生成模块设计
嵌入区域产业波动关联因子的压力情景生成模块设计，是根据城商行业务同地方经济深度融合的特点而开展的专门改进。本模块试图冲破传统宏观假设的束缚，依靠加入高颗粒度的区域产业指标，准确把握外部冲击给银行流动性带来的传导途径。第一，从因子选择的角度来说，模块主要关注地方支柱产业的产能利用率、行业平均不良率和地方财政稳投能力这三个细分指标。产能利用率体现实体经济的活跃程度和资金周转需求，行业平均不良率体现信贷资产可能发生的违约风险，地方财政稳投能力体现财政存款波动和基建类贷款的稳定情况。为了保证权重的客观性，用熵权法结合样本城商行所在区域近10年产业危机历史数据来赋值，用数据本身的离散程度来确定各个指标的影响程度，避免主观因素的影响。在此基础上模块设置轻、中、重三种极端压力情景，形成一个严密的联动生成逻辑。轻度情况下，产业指标小幅波动，主要影响银行当期存款的增速；中度情况下，产能利用率和财政能力下降导致信贷需求收紧，不良率上升造成资产端流动性折价；重度情况下，模拟产业断崖式衰退，存贷业务双向挤压，流动性储备急剧消耗。该逻辑框架把抽象的区域风险变成具体的流动性指标变动，给城商行赋予了可量化的、可操作的压力测试情景生成操作准则，明显加强了压力测试的指向性和预见性。
3.2.2 引入流动性缓冲动态调整机制的风险传导路径优化
对于传统压力测试中流动性缓冲规模固定不变的静态假设的不足，本节提出流动性缓冲动态调整机制，以改善风险传导路径，提高模型对于极端风险情景的敏感性以及适应性。流动性缓冲主要是指备付金、国债等高流动性资产，它的主要作用就是风险吸收的“减震器”。动态机制下的缓冲不是静态的存量，是随着外部环境的变化而实时变化的变量。在具体操作中，把地方产业压力情景下资产端违约率变动和负债端流失率变动当作触发条件，当关键指标超过预设阈值的时候，立刻开始缓冲规模的动态调整程序。
为了达到量化的目的，需要建立阶梯式调整公式。根据压力等级的轻重缓急来确定不同的计提比例系数。设初始缓冲规模为 ，当资产违约率或者负债流失率处在轻度压力区间时，计提比例系数设为 ，调整后缓冲 ；若进入中度或者重度压力区间，系数逐级提高到 、 ，保证缓冲规模同风险暴露程度呈非线性正相关，进而准确匹配风险抵御需求。
该机制明晰了风险由宏观区域产业端传到银行资产负债端，再由银行资产负债端传到流动性缓冲消耗端的全部链条动态逻辑。风险传导不是一次性的静态映射，是依靠反馈回路产生的动态迭代过程。地方产业异质性冲击首先导致资产负债表质量恶化，然后引起缓冲机制消耗流动性资源，从而影响银行的流动性覆盖率等重要指标。该路径设计使模型成功地将静态传导向动态传导转变，保证压力测试结果可以更好的体现城商行在复杂多变的经济环境中流动性风险抵御能力。
3.3 基于样本城商行的优化模型实证对比与效果验证
为了检验优化模型的有效性和适用性，本文严格按照实证分析的规范程序，从长三角、珠三角和中西部地区选择了10家城商行作为测试样本。这些样本在资产规模、业务结构以及区域经济依存度等各方面都存在着较大的差别，从而保证实证结果具有广泛的代表性。研究团队用传统的静态压力测试模型和本文建立的融合异质性调节、动态传导机制的优化模型，对轻度、中度、重度三种压力情景进行对照测算。核心验证过程就是对流动性覆盖率这个关键指标进行检验，把两种模型在一定压力情景下产生的数据同样本银行同一时期真实的流动性运行数据展开严格的对比。为了准确地度量模型性能的差别，用平均绝对误差和预警响应提前期这两个指标来评价。平均绝对误差用来度量模型测算值和真实值之间的差别，直接体现模型对于风险识别的准确程度，预警响应提前期着重考察模型在流动性危机发生之前的信号捕捉能力，体现它的预警时效性。从实证数据可以看出，优化模型在两个指标上都比传统模型好很多，不仅大大减小了测算误差，而且有效地延长了风险预警的时间窗口。另外，从样本银行风控部门的实际操作反馈来看，该优化模型更符合城商行复杂的、多变的业务实际，明显提高了流动性管理决策的效率以及风险防御的能力，具有很高的应用价值和推广前景。
第四章 结论
本文针对城商行流动性风险压力测试模型的改进问题展开系统的探究，把历史数据同宏观审慎监管指标融合起来，创建起更为超前的风险预警体系。从定义上看，优化后的模型冲破了传统静态分析的束缚，创建起以多维情景模拟为基本架构的体系，它的主要原理就是把宏观经济波动因子加入进来，从而修正了原有模型在极端市场环境下出现的估值偏差，进而更加准确地对资金缺口进行量化。从操作路径上看，研究先对流动性覆盖率和净稳定资金比例的计算逻辑进行梳理，然后针对城商行同业负债依存度高的特点，重新设定了压力情景下资金流失率的参数，从而实现了从数据采集、情景假设到缺口测算的标准化过程。实际应用表明，该模型可以有效地发现流动性断点，并且给管理层制定资金调度方案提供科学的依据，大大提高了城商行应对突发性资金挤兑的风险抵御能力。该优化成果对完善城商行全面风险管理体系有重大的现实意义，既符合监管合规的硬性要求，又保证了银行在复杂的经济环境中稳健经营[4]。经过科学的压力测试之后，银行可以提前找到风险敞口，改善资产负债状况，保证在危机期间拥有足够多的优质流动性资产，从而达成安全性、流动性和盈利性三者之间的动态均衡。
参考文献
[1]刘哲熙. 利率走廊体系下商业银行流动性风险管理研究 ————以Y银行为例[D]. 东北财经大学, 2020.
[2]曾淑华. 新规背景下资管业务转型风险研究——基于城商行视角[J]. 新金融世界, 2019, 000(008): 96-98,113.
[3]蔡源, 崔婕. 气候转型风险冲击下我国商业银行气候脆弱性研究——基于压力测试模型的实证分析[J]. 武汉金融, 2023(10): 3-12.
[4]江苏银行风险管理部课题组, 潘沁. 气候风险压力测试模型构建与应用[J]. 金融纵横, 2022(6): 30-36.