近年来随着世界经济与金融业在相互促进之中共同快速发展,金融产品、金融工具创新速度前所未有,金融业在促进经济发展方面做出巨大贡献的同时也在自身的快速发展中积累了风险,2008年美国次贷危机破坏力之大震撼了全球金融业,让人们重新认识到金融业风险管理的必要性。银行作为整个金融系统中最重要的组成部分,其经营风险大小影响着整个金融业的运行。近年来国内经济增速下滑造成很多行业难以盈利,尤其是传统行业以及产能过剩行业,很多企业还贷能力急剧下降,加之我国企业间接融资比例很高,这导致我国商业银行面临着巨大的信用风险。在这样的背景下对银行业信用风险的研究十分重要。在国际上用压力测试的方法对信用风险、流动性风险、市场风险的管理已经进行了多年,相关理论较为成熟,但是在国内有关压力测试的理论与实践还没有得到足够的重视与发展,各家银行只是按照银监会的要求执行相关程序并没有对压力测试的结果给与足够重视,这也与我国压力测试理论实践能力不足,测试结果不具有权威性有关。随着我国金融业不断发展,不断开放,我国商业银行势必接受全球化的挑战,如何更加科学、专业的管理风险是银行业面临的重大问题。本文研究的主要内容是基于宏观因子冲击的商业银行信用风险压力测试,在对国外经典的Wilson模型进行学习基础上对其进行改进,使其成为更加适合我国国情的模型,本文所用的模型为:以不良贷款率为被解释变量,以宏观经济变量以及其滞后期为解释变量,构建压力传导模型。在分析方法上本文采用了情景分析法,在构建情景时为了使假设情景更科学,使用了自变量间回归的办法,即首先假设冲击变量的取值然后使用冲击变量为自变量对其他变量进行回归,使用这些回归方程对压力情景下其他变量的取值进行估计,最后得到相应压力情景。从实证结果来看:季度实际GDP同比增速,季度CPI同比增速,季度房地产景气指数,季度M2增速对我国商业银行不良贷款率有显著影响,其中季度CPI同比增速与不良贷款率呈同比变化,其余变量与不良贷款率呈反向变化。在压力测试的实证阶段,本文使用情景测试方法,设置了三种情景:1.GDP增速、M2增速冲击,2.房地产行业、M2增速冲击,3.GDP、CPI、M2联合冲击,从结果分析发现单独的GDP或房地产行业冲击对不良贷款率会产生不利影响但是影响有限,但是在多变量联合冲击的情况下不良贷款率骤然上升接近7%。分析以上三种情况可以看出CPI增速在不良贷款率的决定过程中扮演着重要角色,在前两种情形中,之所以不良率上升幅度较小,是因为这些压力情况会导致的CPI增速水平下降,这在一定程度上缓解了企业与个人还贷压力,但是在第三种压力情况下,宏观经济下行与CPI增速上升同步出现,这使得不良率急速上升。可见关注CPI增速的变化对于防范信用风险是十分重要的。之后本文以压力测试得出的不良贷款率为基础对贷款预期损失进行了预测,使用公式:预期损失金额=贷款违约率*违约风险暴露*违约损失率,在本等式中违约损失率使用了银监会公布参考值中最高的75%,违约风险暴露用贷款余额近似,贷款违约率假设等于不良贷款率的60%,本文以此为基础对每种情境下的预期损失金额进行了预测,并将该预测值与银行2016年第二季度末的贷款损失准备作比较,发现即使在最严重的压力情境下贷款损失准备也能够弥补预期损失,可见贷款损失准备充足。本文也考虑了拨备覆盖率的在各种情景下的数值,发现在某些严重情景下该指标难以达到监管要求的150%。总体上讲我国商业银行抵御风险的能力仍然较强,但是随着信用风险逐渐增大各家商业银行仍要防患未然。