Stress Testing of Commercial Banks’ Exposure to Credit Risk: A Study Based on Write-off Nonperforming Loans

Abstract

This study introduced a stress-testing model with a dummy variable that refers to write-off non-performing loans (NPL) by Agricultural Bank of China. A new variable Y that indicated the rate of NPL in major national commercial banks in terms of logit transformation was applied to test stress tolerance. This article built a regression model on the basis of four explanation variables: the growth rate of GDP, indicator of customer price, the growth rate of supplying nominal currency and indicator of house price. Then we took advantages of VAR model to establish the relationship between variables. Based on the model, diverse scenario was set up to conduct stress test to NPL of commercial banks. The test covered four quarters and discovered that lower growth rate of GDP, slump in CPI, slowdown in supply of nominal currency and surging price of house are in charge of short-term increase in non-performing loans. From long-term perspective, the commercial banks would initiate internal system to mitigate the shock from volatile macro factors.

Predictability of EU Bank Stress Test Results

“…Foglia (2009) reviews macro stress testing methods developed at selected central banks and supervision authorities for stress testing the credit risk of banks using bank-specific measures of credit risk as inputs. Lu and Yang (2012) uses a vector autoregression method to find key predictive variables of non-performing loans in Chinese commercial banks. They concluded that lower growth rate of GDP, slump in CPI, slowdown in supply of nominal currency, and residential property prices were key predictors.…”

A inadimplência do sistema financeiro no Brasil explicada por meio de fatores macroeconômicos

“…A medida mais comum para mensuração do risco de crédito é a inadimplência de uma carteira, que pode ser definida como: (1) a quantidade de contratos ou clientes que não cumpriram com suas obrigações em relação à quantidade total de contratos em uma data base (MISINA et al, 2006;END, VAN DEN et al, 2006;FANG-YING, 2011;VAZQUEZ et al, 2012;LU;YANG, 2012); (2) o saldo dos contratos em atraso em relação ao saldo total dos contratos em uma data base (HOGGARTH et al, 2005) ou 3o número de empresas em falência em relação ao número total de empresas de sua carteira em uma data base (VLIEGHE, 2001;BUNN et al, 2005), entre outros. A inadimplência desempenha um papel importante nas decisões relacionadas a crédito nas instituições financeiras (CORREA et al, 2011).…”

Modelos para teste de estresse do sistema financeiro no Brasil

“…, construção de um modelo ARIMAX que foi utilizado como benchmark (JONES; HILBERS;SLACK, 2004;SORGE;VIROLAINEN, 2006; FANG-YING, 2011;LU;YANG, 2012;SCHECHTMAN;GAGLIANONE, 2012), obtenção de fatores por meio da análise fatorial, construção de um modelo ARIMAX com os fatores como variáveis explicativas, construção de um modelo de defasagem distribuída polinomial com as variáveis macroeconômicas como variáveis explicativas e, por último, a performance dos modelos propostos é comparada à do modelo benchmark para o período de validação. Na Figura 3 é colocado o resumo do processo de pesquisa para a identificação das vulnerabilidades do sistema financeiro.…”