风险因子识别：三大类核心因子详解
做压力测试这么多年，我最大的体会是——因子选对了，模型就成功了一半。因子选错了，后面再漂亮的数学公式也是白搭。
今天咱们聊聊风险因子的识别。说白了，就是搞清楚：哪些东西变了，会要了银行的命？
我个人习惯把风险因子分成三大类：宏观经济因子、市场风险因子、信用风险因子。这三类因子互相影响，但又各有各的脾气。
一、宏观经济因子：经济的“体温计”
宏观经济因子，是压力测试里最基础、也最绕不开的一类。你想想看，经济好不好，直接决定了企业赚不赚钱、老百姓还不还得了贷。
1. GDP（国内生产总值）
GDP 是经济的“总开关”。GDP 一掉，企业利润就跟着掉，失业率就往上窜，违约率就飙升。我在项目中遇到过，某次压力测试里，GDP 只降了 2%，但不良贷款率直接翻了一倍。
2. 利率
利率这东西，双刃剑。加息了，银行净息差可能扩大，但企业融资成本高了，违约风险也上来了。降息了，企业负担轻了，但银行自己赚的钱也少了。
嗯，这里要注意：利率对银行的影响，要看资产负债结构。我见过一家银行，利率上升 100bp，净利息收入反而降了——因为它的浮动利率贷款太少，而浮动利率存款太多。
3. 失业率
失业率是零售贷款违约的“晴雨表”。失业率一升，信用卡、房贷、车贷的违约率就跟着涨。我记得 2008 年金融危机时，美国失业率从 4.5% 飙到 10%，信用卡违约率从 3% 直接干到 12%。
| 宏观经济因子 | 典型压力情景 | 对银行的主要影响 |
|---|---|---|
| GDP 增速 | -2% ~ -5% | 企业利润下降，不良贷款上升 |
| 利率 | +200bp ~ +500bp | 净息差变化，信用风险上升 |
| 失业率 | 8% ~ 15% | 零售贷款违约率飙升 |
二、市场风险因子：市场的“心电图”
市场风险因子，主要影响银行的交易账户和投资组合。说白了，就是市场一波动，银行手里的债券、股票、外汇值多少钱就变了。
1. 股价
股价下跌，直接影响银行的自营投资和代客理财。更关键的是，股价跌了，企业质押的股票就缩水了，银行得追加保证金或者平仓。
我曾经处理过一个案例：某上市公司股价连续跌停，质押率从 40% 直接干到 80%，银行被迫平仓，结果越平越跌，最后亏了 3 个亿。这就是典型的“下跌螺旋”。
2. 汇率
汇率波动，对有外汇敞口的银行影响巨大。人民币贬值，持有外币资产的银行就赚了，但借了外债的企业就惨了。
3. 波动率
波动率是市场风险的“放大器”。波动率一高，期权价格就涨，风险价值（VaR）就飙升。很多银行在低波动率环境下觉得风险很小，结果波动率一上来，VaR 直接翻 3 倍。
为什么会这样？因为波动率衡量的是市场的不确定性。不确定性越大，潜在损失就越大。
三、信用风险因子：银行的“命门”
信用风险因子，是银行最核心的风险来源。说白了，就是借钱的人还不还得起钱。
1. 违约率（PD）
违约率是信用风险的核心指标。宏观经济一恶化，违约率就上升。但不同行业的违约率对宏观因子的敏感度不一样。
- 周期性行业（如钢铁、房地产）：对 GDP 敏感，GDP 一降，违约率就飙
- 防御性行业（如医药、公用事业）：对 GDP 不敏感，但受政策影响大
- 零售贷款：对失业率和房价敏感
2. 回收率（LGD）
回收率是违约后能拿回多少钱。很多人只盯着违约率，却忽略了回收率。其实回收率对损失的影响同样巨大。
举个例子：违约率从 2% 升到 4%，损失翻倍。但如果回收率从 50% 降到 25%，损失也翻倍。所以，压力测试一定要同时考虑 PD 和 LGD。
四、三大类因子的联动关系
这三类因子不是孤立的。它们之间互相影响，形成反馈循环。我画了一张图，帮你理清这个关系。
五、实战中的因子选择原则
说了这么多理论，咱们聊聊实战。我在做压力测试项目时，因子选择遵循几个原则：
- 相关性原则：因子必须与银行的风险敞口高度相关。别选一堆无关的因子，看着好看，实际没用。
- 可量化原则：因子必须能量化，而且要有历史数据。有些因子听起来很合理，但没法量化，那就别用。
- 可解释原则：压力测试结果要能讲清楚。如果因子太复杂，连你自己都解释不了，那监管更看不懂。
- 敏感性原则：因子变化对银行的影响要足够大。如果某个因子波动 10%，银行利润只变 0.1%，那这个因子就没必要纳入。
六、因子数据的获取与处理
因子选好了，接下来就是数据。数据质量决定了模型质量。我见过太多项目，模型建得漂漂亮亮，结果数据一塌糊涂，最后全白干。
数据处理的几个要点：
- 频率对齐：GDP 是季度数据，利率是日度数据，违约率可能是月度数据。做模型前，一定要把频率统一。
- 缺失值处理：别用简单的均值填充。我建议用插值法或者时间序列模型来补。
- 异常值处理：2008 年的数据要不要保留？我个人建议保留，因为压力测试就是要看极端情况。
- 数据标准化：不同因子的量纲不一样，做回归分析前最好标准化。
好了，风险因子识别这块就聊到这儿。记住一句话：因子选对了，模型就成功了一半。下一节咱们聊聊怎么把这些因子串起来，构建完整的压力测试模型。