{
  "id": "financial-stress-testing",
  "title": "金融压力测试",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "金融压力测试评估不利经济、市场或运营条件可能对金融机构、投资组合及整个金融体系造成的影响。",
  "category": "economics",
  "subcategory": "finance",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/financial-stress-testing/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/financial-stress-testing/",
      "json": "https://aiwiki.page/en/financial-stress-testing.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "金融压力测试是一种前瞻性评估，用于分析不利条件可能对金融机构、投资组合、市场基础设施或金融体系造成的影响。它将深度衰退、利率急剧上升、资产价格下跌或资金大规模撤出等假设性冲击，转化为对损失、现金短缺、资本损耗及金融服务中断的估计。压力测试不同于预测：它探讨的是在特定条件下会发生什么，而不是判断哪种结果最有可能出现。\n\n作为压力测试的一种专门形式，金融机构将其用于内部风险管理，负责维护金融稳定的公共部门也会采用这一工具。银行压力测试是其中最成熟的监管应用，但这些方法也适用于保险公司、投资基金、中央对手方以及相互关联的金融市场。2007—2009年的全球金融危机暴露了基于历史数据的风险估计、市场流动性假设，以及孤立评估单个机构等做法的不足，此后金融压力测试的重要性日益凸显。\n\n金融压力测试结合了情景设计、金融数据、行为假设和冲击传导模型。测试结果不仅取决于最初的冲击，还受到会计规则、融资结构、机构应对措施，以及金融与实体经济之间反馈作用的影响。因此，一项可信的压力测试既要解释其量化结果，也要说明界定这些结果适用范围的假设。"
    },
    {
      "heading": "目标、范围与评估形式",
      "text": "金融压力测试的核心目的是揭示在正常经营条件下可能隐藏的脆弱性。一家公司表面上可能盈利良好、资本充足，却对房地产价格下跌、借贷成本上升和借款人收入恶化这一特定组合高度敏感。压力测试考察这些风险敞口是否可能损害偿付能力、耗尽可用资金、中断关键业务，或迫使机构作出代价高昂的调整。当近期观测数据中很少出现所考察的情形时，压力测试尤其有用。\n\n微观审慎测试着重考察单个机构的韧性。银行监管机构可能考察一家银行能否在吸收预计损失的同时，维持充足的银行资本。保险公司可能评估赔付、投资损失和投保人退保提款所需的资金是否可能超出可用资源。基金管理人可能研究能否在不过度出售资产的情况下满足赎回请求。这些评估在技术上有所重叠，但所涉及的偿付义务、时间跨度和失效标准各不相同。\n\n全系统压力测试关注的是另一个问题：单独看来稳健的机构，是否可能共同破坏金融体系的稳定。这是宏观审慎政策的核心关切。如果许多机构面对同一冲击时，都选择出售相似的证券、收紧信贷或要求追加抵押品，它们的行动就可能加剧最初的冲击。因此，区分单个机构的韧性与系统性风险至关重要。简单加总各机构的损失，并不能直接衡量它们同时作出反应所产生的后果。\n\n压力测试在冲击的设定方式上也有所不同。敏感性分析改变一个或少数几个变量，例如利率平行上移，或股票价格按固定比例下跌。情景分析则将多种变化组合成一个符合经济逻辑的情景，例如经济衰退同时伴随商业房地产损失和融资条件收紧。历史情景重现以往危机中的某些特征；假设情景则探索未必曾同时出现过的因素组合。两种方法并无高下之分：历史事件提供具体证据，而假设情景能够应对不断变化的风险敞口和尚不熟悉的风险。\n\n反向压力测试从某种不利结果出发，寻找可能导致这一结果的情形。这种结果可能是违反资本要求、流动资产耗尽，或业务模式不再具有可持续性。它不问选定情景会如何影响机构，而是追问哪些冲击组合可能导致机构倒闭。这种方法能够揭示标准情景所遗漏的集中性风险和依赖关系，但其本身并不能确定这些组合出现的概率有多大。\n\n压力测试是对统计风险度量的补充，而非替代。风险价值和预期损失基于估计的概率分布和给定时间跨度，对损失进行概括。压力情景则可以考察具有重要经济意义的事件，而不必为其赋予精确概率。其分析价值来自所假设条件的相关性和透明度，而不仅仅是由此产生的损失有多严重。"
    },
    {
      "heading": "历史发展与制度化应用",
      "text": "在压力测试成为标准化监管实践之前，金融机构就已开展不利情景分析。交易部门考察价格、汇率和波动率大幅变动的后果，银行和保险公司则测试利率及现金流错配的影响。20世纪80年代和90年代，衍生品市场的扩张与量化风险管理的发展，推动了更为规范的投资组合分析。1996年对巴塞尔协议作出的市场风险修正案，对采用内部模型的银行提出了压力测试要求，承认常规统计估计可能无法捕捉极端市场状况。\n\n国际金融监督将压力测试的应用范围进一步扩大。国际货币基金组织与世界银行于1999年启动了金融部门评估规划。压力测试成为评估金融部门脆弱性的重要组成部分。这些测试将宏观经济情景与信贷损失、资本充足程度以及有时涉及的流动性压力估计相结合，推动分析重点从单个交易投资组合扩展到银行体系。\n\n2007—2009年的危机大幅提升了公开监管压力测试的重要性。以相对平稳时期的数据校准的模型，低估了损失之间的相关性，也低估了融资市场可能停止运作的风险。金融机构还低估了传统贷款账簿以外的风险敞口，包括对证券化载体作出的承诺以及交易对手风险。2009年，巴塞尔银行监管委员会发布了稳健压力测试实践与监管原则，强调治理、全面覆盖、严峻情景以及对测试结果的有效运用。\n\n一项影响尤为深远的测试是美国于2009年针对19家大型银行控股公司实施的监管资本评估计划。该计划预测了截至2010年底不利经济条件下的资本需求。主管当局认定，其中10家公司需要合计约746亿美元的额外资本缓冲。这项测试将统一的监管框架、针对各家机构的估计、公开披露以及可用的公共资本兜底支持结合起来。其意义不仅在于估计损失，还在于将这些估计与弥补资本缺口的可信机制联系起来。\n\n欧洲的压力测试随着欧洲主权债务危机的发展而推进。早期测试表明，情景覆盖范围、对主权风险敞口的一致处理以及可信的后续行动都十分重要。2014年，欧洲中央银行在承担单一监管机制下的主要监管职责之前，开展了一次全面评估。该评估将资产质量审查与压力测试相结合，表明对期初估值的审查能够补充对未来抗风险能力的预测。\n\n此后，压力测试逐渐成为常规监管流程的组成部分。在美国，美国联邦储备系统建立了监管压力测试及全面资本分析与审查框架。由欧洲银行管理局协调的欧盟范围压力测试，以及英格兰银行开展的测试，形成了其他主要做法。巴塞尔委员会于2018年发布了更新后的压力测试原则。各司法管辖区的制度安排虽有不同，但共同趋势是将压力测试与资本规划、监管判断以及金融体系抗风险能力评估相结合。"
    },
    {
      "heading": "情景构建与经济逻辑一致性",
      "text": "压力情景设定了相关风险因素在特定时期内如何演变。银行业宏观经济压力情景通常涵盖实际国内生产总值、失业、通货膨胀、住宅和商业房地产价格、股票价格、信用利差以及汇率。利率路径可能涉及多种期限和币种。更具针对性的测试还会纳入大宗商品价格、行业产出、违约率、波动率、存款提取，或特定市场和服务的中断。\n\n情景通常首先通过一段叙述，将各项冲击联系起来。例如，严重的经济衰退可能导致企业营收和家庭收入下降、违约增加、抵押品价值下跌，以及银行盈利能力减弱。引发通胀的供给冲击则可能呈现另一种模式：产出下降，同时物价上涨、货币政策收紧。即使产出降幅相近，这些情景造成的损失也可能不同。持有长久期证券、发放浮动利率贷款，或对特定行业存在集中风险敞口的机构，对不同的冲击组合会有不同反应。\n\n经济逻辑一致性并不意味着所有变量之间的关系都必须遵循历史平均规律。压力状况可能出现不寻常的组合，例如股票和债券价格同时下跌，或国内利率上升但本币仍大幅贬值。关键在于，各项假设应当具有合理、站得住脚的因果解释。模型和专家判断可以用来建立变量之间的联系，交叉核查则有助于发现矛盾，例如假设借款人收入回升，却与情景设定的就业和产出路径不一致。\n\n严重程度有多个维度。初始冲击的幅度固然重要，但其持续时间、发生速度、地理覆盖范围，以及冲击发生时所处的经济周期阶段也同样重要。房地产价格在长期低迷之后进一步温和下跌，与在繁荣之后大幅下跌，可能产生不同的后果。监管机构有时会在经济强劲时采用更严峻的情景，以降低表面有利的初始条件自动导致资本要求偏低的风险。因此，仅凭失业率峰值或累计产出损失来比较情景，可能产生误导。\n\n时间跨度必须与所考察的风险相匹配。交易账簿冲击可以设定为瞬时发生，流动性测试可以逐日跟踪现金流，而银行偿付能力测试通常跨越数年。较长的时间跨度能够涵盖再融资、违约和盈利调整，但也会增加行为和经济结构方面的不确定性。不能将短暂的市场扰动原封不动地外推为持续多年的偿付能力情景；必须明确即时损失与后续表现之间的联系。\n\n情景通常并非预测，而且往往没有明确的发生概率。将某个情景描述为严重，并不能证明它对应某个特定的统计重现期。历史比较、估计的概率分布以及专家评估可以为情景校准提供依据，但罕见事件的发生概率很难可靠估计。因此，完善的情景说明文件应明确区分所选冲击、将这些冲击组合起来的理由，以及其发生可能性所面临的不确定程度。"
    },
    {
      "heading": "将冲击转化为损失和资本需求",
      "text": "偿付能力压力测试的分析核心，是将经济和市场状况转化为收入、资产价值和资本的变化。对于贷款，通常以信用风险分解为起点。在简化表示下，一笔风险敞口的预期损失为\n\n\\[EL = PD \\times LGD \\times EAD,\\]\n\n其中，\\(PD\\) 为违约概率，\\(LGD\\) 为违约损失率，\\(EAD\\) 为违约风险敞口。压力会影响这三个因素：借款人的偿付能力减弱，抵押品价值下降导致回收金额减少，而尚未使用的信贷承诺额度也可能在违约前被提用。详细预测还会考虑损失发生时点、回收情况、现有拨备，以及正常贷款与已减值贷款之间的差异。\n\n模型将借款人的表现与失业率、收入、企业盈利和房地产价格等变量联系起来。对于抵押贷款组合，还款压力与住房负资产状况相叠加，可能增加违约并降低回收金额。贷款价值比影响房产出售后的潜在损失，而法律程序和止赎延迟则影响回收时间。企业贷款组合需要关注行业、财务杠杆、货币错配及再融资需求。单一的总体违约方程可能掩盖借款人之间的重要差异。\n\n对于交易类资产，市场风险模型会在压力情景下的利率、利差、股票价格、汇率和波动率条件下，对持仓重新估值。由于损失可能呈非线性，对金融衍生工具重新估值可能需要采用完整的定价模型。对于普通固定利率债券，一阶近似为\n\n\\[\\frac{\\Delta P}{P} \\approx -D_{\\mathrm{mod}}\\Delta y,\\]\n\n其中，\\(D_{\\mathrm{mod}}\\) 为修正久期，\\(\\Delta y\\) 为收益率变动。变动幅度较大时，可能需要进行凸性调整或完整重新定价。交易对手信用状况恶化会带来额外损失，尤其是在交易对手信用水平下降的同时，对其风险敞口也上升的情况下；这种依存关系称为错向风险。\n\n损失只是计算的一部分。预计利息收入、融资成本、手续费、运营费用、税费和利润分配也会影响资本。利率上升起初可能增加贷款收入，但随后可能推高存款成本并增加借款人违约。资本变动的简化衔接公式为\n\n\\[C_{t+1}=C_t+\\Pi_t-D_t+A_t,\\]\n\n其中，\\(C_t\\) 为期初资本，\\(\\Pi_t\\) 为扣除相关损失和税费后的利润，\\(D_t\\) 表示利润分配，\\(A_t\\) 涵盖其他资本调整。实际监管计算会区分资本工具、扣减项、估值调整和审慎过滤项。\n\n资本充足程度既取决于分子，也取决于分母。核心一级资本充足率为\n\n\\[\\mathrm{CET1\\ ratio}_t = \\frac{\\mathrm{CET1\\ capital}_t} {\\mathrm{risk\\text{-}weighted\\ assets}_t}.\\]\n\n信用状况恶化可能增加风险加权资产，同时损失又会减少资本，从而产生双重影响。金融机构还可能受到具有约束力的杠杆率要求限制，而杠杆率对模型所确定的风险权重不那么敏感。会计处理同样重要：以摊余成本计量的工具与以公允价值计量的工具，传导市场冲击的方式不同。根据国际财务报告准则第9号，信用风险显著增加可能在违约发生前就触发对整个存续期预期信用损失的确认。因此，经济损失、会计损失与监管资本影响，在时间或金额上未必一致。"
    },
    {
      "heading": "流动性、融资及其与偿付能力的相互作用",
      "text": "流动性压力测试考察机构在不利条件下能否按时履行到期义务。按长期估值衡量，一家机构可能具备偿付能力，却仍会因无法及时获得现金而倒闭。反过来，紧急融资和被迫出售资产也可能使暂时的融资困难演变为偿付能力问题。因此，流动性风险既需要单独分析，又与信用风险、市场风险和资本风险密切相关。\n\n基本方法是按不同时间区间预测合同约定的现金流和基于行为假设的现金流。现金流出包括存款提取、到期的批发融资、抵押品追加要求、已承诺贷款额度的提用以及经营性付款。现金流入包括贷款偿还、证券到期回款、资产出售以及可获得的融资。行为假设至关重要，因为仅看合同期限往往会产生误导。活期存款在法律上可以随时提取，但实际观察到的稳定性会因存款人类型、存款保险覆盖情况、存款集中度以及能否使用快速转账渠道而有所不同。\n\n对可用融资的评估必须采用与现金流出相同的压力条件。证券的市场报价并不等于通过出售或回购协议能够可靠获得的现金。折扣率可能上升，交易对手可能拒绝交易，资产也可能已经受到权利负担的限制。抵押品所在的位置同样重要：由于运营、法律或监管限制，某一法律实体持有的资源或以某种货币计价的资源，可能无法迅速转移至另一实体或转换为另一种货币。\n\n巴塞尔协议三的两项标准提供了相关但范围较窄的基准。流动性覆盖率将优质流动性资产与在规定压力情景下通过模型测算的未来30天净现金流出量进行比较。净稳定资金比例则评估一年期内的融资稳定性。针对具体机构开展的流动性测试可以超越这些标准化指标，考察日内资金需求、持续时间更长的扰动、特定货币的资金短缺、集中提款或特定抵押品池耗尽等情况。流动性生存期指标用于记录：在既定假设下，可用流动性到何时将不再足以满足预计需求。\n\n即使最终损失尚未实现，市场头寸也可能产生现金需求。当衍生品或证券融资敞口出现不利变动时，追加保证金要求会要求机构立即提供资金。即使机构已经进行对冲，如果必须先为一个头寸付款，之后才能从另一个头寸收到现金，那么即便净经济风险敞口有限，收付款时点错配也可能造成压力。中央清算可以降低某些交易对手风险，但同时也会使流动性需求集中于保证金安排。\n\n2023年，包括硅谷银行在内的多家银行倒闭，凸显了利率风险敞口、未受存款保险保障的存款高度集中以及快速提款之间的相互作用。更一般地说，银行挤兑可能迫使银行出售证券，使此前尚未实现的损失转为实际损失。因此，流动性和偿付能力模型必须对资产价格、存款人行为以及获得中央银行融资工具的能力采用一致的假设。必须明确说明是否假定能够获得特殊的最后贷款人援助，因为这类支持会改变所考察的问题：不再是没有干预时的韧性，而是以干预为条件的韧性。"
    },
    {
      "heading": "全系统传导与非银行机构",
      "text": "金融体系压力测试将分析范围从单家机构的直接损失扩展至整个体系。各类机构通过贷款、衍生品、证券融资、支付义务、共同持有的资产以及对共享服务的依赖相互联系。这些联系在正常情况下可以分散风险，却也可能在危机期间传导困境。全系统模型力求同时刻画直接的合同风险敞口，以及通过价格、流动性和金融服务供给产生的间接相互影响。\n\n当一家机构倒闭使其债权人或交易对手蒙受损失时，就会发生直接传染。网络模型将机构表示为节点，将债权关系表示为连线。损失取决于风险敞口规模、回收金额、抵押品以及违约发生的先后顺序。净额结算安排和集中清算可以显著改变这一网络。中央对手方介于清算会员之间，利用保证金、违约基金资源及其他安排管理会员违约风险。针对这些机制的压力测试会考察集中违约、压力下的头寸平仓成本，以及可能要求未违约参与者承担的资金义务。\n\n即使没有发生任何违约，也可能出现间接传染。持有相似资产的机构可能同时出售资产，以应对赎回、恢复资本比率或降低杠杆。这类资产贱卖会压低价格，使其他持有者遭受估值损失，并可能引发进一步抛售。放大效应的强弱取决于市场深度、变现速度、投资组合重叠程度，以及各卖方面临的约束。当许多机构试图同时出售资产时，仅对单家机构的出售采用固定价格折扣，可能低估损失。\n\n非银行金融机构有其独特的传导机制。开放式共同基金可能在持有交易不活跃的资产时面临赎回。优先出售流动性最好的资产，可能使剩余投资者持有的投资组合流动性更差。如果投资者撤资，导致货币市场基金减少短期放贷，基金就可能将融资压力传导至银行和企业。保险机构面临承保损失、资产重估、追加抵押品要求以及投保人行为带来的风险；而养老金安排则可能面临杠杆投资敞口和流动性需求，这些风险与其长期资金充足状况并不相同。\n\n压力也会在金融部门与实体经济之间传递。遭受损失的银行可能减少放贷，导致投资和就业走弱；经济状况恶化又会引发更多违约。这些信贷供给效应，是全面整合的宏观金融压力测试与将宏观经济情景视为不受金融部门行为影响的计算之间的重要区别。放大效应的程度取决于替代融资来源、借款人对银行的依赖程度以及政策应对措施。\n\n2020年3月的市场动荡和2022年英国负债驱动型投资风波等事件表明，仅考察一个部门可能遗漏重要的融资链条。全系统压力测试日益注重研究银行、投资基金、保险机构和金融市场基础设施的同步反应。其挑战不只是模型规模更大：不同部门采用不同的估值惯例，承担不同的合同义务，也面临不同的激励。要得出整体性结论，就必须以一致的方式处理这些差异，而不是将银行模型原封不动地套用于所有机构。"
    },
    {
      "heading": "数据、建模架构与治理",
      "text": "压力测试能提供多少有价值的信息，取决于其初始数据和具体实施。所需信息可能包括贷款层面的特征、证券持仓、衍生品条款、融资到期安排、可用抵押品、地域风险敞口以及法人实体之间的关系。汇总账目可能足以用于初步的全面筛查，却不足以识别风险是否集中于某一特定借款人群体或市场。健全的数据治理能够确立统一的定义、可追溯的数据转换流程、核对机制以及对调整的管控措施。\n\n常见的建模架构大体有两种。在自下而上的测试中，参与机构使用详细的内部数据和模型，通常须遵守监管机构设定的约束。这种方式能够反映合同特征并利用各机构对自身业务的了解，但估计结果可能难以比较，也可能因机构倾向于得出有利结果而产生偏差。在自上而下的测试中，主管部门或中央团队将自身模型应用于监管数据或公开数据。这有助于保持一致性并开展独立评估，但可能简化机构特有的情况。混合式测试则结合银行报送结果、监管模型、基准比较和质询评估。\n\n如何处理未来业务，是另一项重要的设计选择。静态资产负债表假设通常限制投资组合构成和规模的变化，并往往采用标准化规则来替换到期的风险敞口。这并不意味着假定机构确实停止一切业务活动。动态方法则允许新增贷款、改变融资结构、出售资产以及采取其他管理应对措施。动态预测可能更贴近现实，但可比性较低，因为预测得出的抗压能力可能高度依赖某些行动，而所有机构不可能同时实施这些行动。\n\n因此，必须对管理层行动作出明确约束。减少股息分配可以较为直接地保全资本；相比之下，在系统性危机期间，假定价格不变并据此出售大规模贷款组合，可能并不合理。拟议行动还可能面临法律限制、执行延迟、客户基础和业务声誉受损等代价，或向市场传递负面信号。测试通常会区分在起始日已作出承诺的行动，以及情景开始后才引入的假设性应对措施。\n\n治理决定了模型是能够影响决策，还是仅仅生成报告。高级管理层和治理机构负责确立目标、批准重要假设、审查脆弱环节，并将测试发现与风险限额以及资本或融资计划相衔接。独立验证则考察模型的概念合理性、实施情况、敏感性和表现。相关文档必须使审查者能够追溯某个情景变量如何转化为单项风险敞口的估计结果，以及最终如何影响所报告的资本或流动性。\n\n模型验证十分困难，因为最严峻的情景很少实际出现。历史回溯测试对于验证模型组成部分仍然有用，但无法充分验证一场假设性危机。敏感性分析、替代模型设定、跨机构比较以及独立专家判断，都可以提供补充证据。机器学习有助于识别细粒度数据中的非线性关系，但在正常条件下具有良好的预测表现，并不能证明其在结构性变化下依然可靠。模型复杂性必须与可解释性、可复现性以及解释意外结果的能力相平衡。"
    },
    {
      "heading": "监管应用、信息披露与结果解读",
      "text": "压力测试结果可为多种决策提供依据。监管机构可利用这些结果评估资本充足性、识别风险管理中的薄弱环节、为资本缓冲要求提供依据，或要求改进数据和内部控制。金融机构则可据此调整风险敞口限额、融资安排、应急计划和资本分配。这些用途相互关联，却不能相互替代：旨在发现脆弱性的测试，与旨在确定具有约束力的资本要求的测试，可能需要采用不同的假设。\n\n在美国，监管压力测试结果成为2020年引入的压力资本缓冲框架的一项依据。总体而言，该框架将大型银行的部分资本要求与其在监管情景下的预计资本降幅及计划派发的普通股股息挂钩，同时设定最低缓冲要求。在欧洲银行业监管中，压力测试结果可为监管审查程序和资本指导要求提供参考。由欧洲银行管理局协调开展的欧盟范围压力测试，并不一定以单一的通过或不通过门槛为依据。因此，测试结果在法律和审慎监管层面的含义，取决于该项测试所遵循的框架。\n\n报告中的资本缺口通常以特定的达标门槛、资本定义、预测期限和管理层行动处理方式为前提。它既不等同于预计需要公共资金补充资本的成本，也不是对资不抵债的预测。同样，一家机构的资本水平保持在门槛之上，只能说明其在所测试的条件和假设下具有韧性。其他情景、未纳入的风险，或不同的行为反应，都可能产生不同结果。\n\n信息披露通过向投资者和存款人提供有关风险敞口及损失吸收能力的可比信息，可以减少信息不对称。当资产质量的不确定性阻碍融资时，公开测试结果尤其有用。有效的信息披露应说明测试情景、方法、初始状况、预计损失、收入假设和资本变化路径。如果只公布最终比率，就可能掩盖韧性的来源：究竟是初始资本雄厚、预计损失较低、盈利预期乐观，还是假定资产负债表将会收缩。\n\n信息披露也需要权衡利弊。公布详细模型可能促使机构围绕公开的框架优化投资组合，而不是降低内在脆弱性。然而，披露有限又可能使结果难以接受审视，并削弱外界对结果可比性的信心。因此，各监管当局在模型、单家机构预测和监管调整的披露程度上有所不同。方法上的变更必须加以解释，因为年度之间的差异可能反映的是模型或情景的修订，而非财务实力的变化。\n\n将结果呈现为一系列有条件的结论，而非普遍适用的安全性排名，最能体现其信息价值。比较两家银行时，需要关注其业务模式、投资组合的地域分布、初始资本、会计处理，以及对所选冲击的风险敞口。在不同情景下，以贷款业务为主的机构和以交易业务为主的机构，其排名可能互换。解读结果时，还需要区分机械计算与监管判断，尤其是在监管当局调整预测或评估难以量化的风险时。"
    },
    {
      "heading": "气候、运营中断与分析局限",
      "text": "气候相关压力测试将金融分析拓展到自然灾害和经济转型领域。物理风险包括洪水、风暴、高温、干旱，以及资产可保性或可用性的变化。转型风险则源于经济体减少温室气体排放过程中，技术、能源需求、政策和相对价格的变化。气候变化通过多种渠道影响信用状况、抵押品、投资回报和保险索赔，而这些渠道在不同行业和地区之间存在显著差异。\n\n这类测试面临一种特殊的时间跨度错配。物理风险和转型风险情景可能覆盖数十年，而金融合约、投资组合构成和经营战略的变化却频繁得多。英格兰银行2021年开展的气候双年度探索性情景测试采用了三种情景，时间跨度为30年，参与者包括主要银行和保险公司，结果于2022年公布。欧洲中央银行也于2022年开展了监管气候风险压力测试。此类测试往往用于探索和能力建设，而非充当常规的短期资本测试。\n\n气候模型需要细粒度信息，而传统财务报告未必能提供这些信息。仅凭一家公司的行业分类，无法判断其生产场所的洪水风险敞口、所用技术的排放强度，或其转嫁成本上涨的能力。借款人的适应措施、保险的可获得性以及政府政策，都可能显著改变结果。因此，长期估计高度依赖对投资组合演变和经济调整的假设，不应被视为对未来损失的精确预测。\n\n运营情景考察的是另一类中断事件：网络攻击、支付服务中断、关键数据丢失、第三方服务故障，或关键人员及设施无法投入使用。操作风险测试可以估算直接财务损失，但韧性评估还会衡量中断持续时间、交易积压、恢复能力以及关键服务的可用性。网络安全事件尤其难以用单一的损失百分比来表示，因为其后果取决于攻击路径、检测与遏制措施，以及机构之间的依赖关系。\n\n在所有应用领域，模型风险始终是一项核心局限。在正常时期估计出的关系可能在危机期间发生变化；相关性可能上升，市场可能关闭，合约中的选择权也可能产生重要的经济影响。测试可能恰恰遗漏引发下一场危机的机制。统一情景可以提高可比性，却也可能促成共同盲点；针对特定机构设计的情景则能提高相关性，但代价是一致性下降。数值细节更加丰富，并不会自动减少这些不确定性。\n\n另一个尚未解决的问题，是测试框架本身产生的内生影响。机构会根据监管激励调整投资组合和融资安排，从而改变模型试图衡量的关系。公共部门支持既能稳定行为，也可能造成道德风险，而对这类支持的假设又会影响韧性的估计结果。因此，当前的分析方法发展包括采用多种情景、构建流动性与偿付能力一体化模型、扩大对非银行机构的覆盖范围，以及明确检验结果对行为和政策假设的敏感性。这些方法旨在应对不同来源的不确定性，而不是提供一个衡量金融安全的单一、确定性指标。"
    }
  ],
  "links": [
    "stress-testing",
    "financial-stability",
    "global-financial-crisis",
    "solvency",
    "bank",
    "bank-capital",
    "macroprudential-policy",
    "systemic-risk",
    "expected-shortfall",
    "basel-accords",
    "international-monetary-fund",
    "world-bank",
    "european-central-bank",
    "federal-reserve-system",
    "bank-of-england",
    "gross-domestic-product",
    "unemployment",
    "inflation",
    "exchange-rate",
    "recession",
    "monetary-policy",
    "business-cycle",
    "probability-distribution",
    "credit-risk",
    "mortgage",
    "loan-to-value-ratio",
    "market-risk",
    "financial-derivative",
    "duration-finance",
    "leverage-ratio",
    "fair-value",
    "ifrs-nine",
    "liquidity-risk",
    "demand-deposit",
    "repurchase-agreement",
    "collateral",
    "basel-iii",
    "margin-call",
    "silicon-valley-bank",
    "bank-run",
    "lender-of-last-resort",
    "fire-sale",
    "mutual-fund",
    "data-governance",
    "balance-sheet",
    "machine-learning",
    "information-asymmetry",
    "climate-change",
    "operational-risk",
    "cybersecurity",
    "moral-hazard"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}