此次美国“次贷危机”引起的全球金融风暴,导致如美林、雷曼兄弟等许多著名金融机构纷纷倒闭,同时也迫使全球最大的汽车公司之一通用汽车进行破产重组,据英国央行估算,全球金融机构损失达2.8万亿美元。此次金融危机不仅使投资者遭受了巨大的损失,还使整个金融市场出现剧烈动荡,全球金融环境不断恶化。众所周知,金融市场的稳定性在很大程度上取决与商业银行经营的稳定性与稳健性,而银行经营的稳定性与稳健性又取决于银行的抗风险以及风险运作能力。应对于这种宏观经济环境极端恶化的情景下,原有的风险测试方法,主要是指风险价值(VaR),都不能对风险状况进行恰当的度量和预测,而压力测试方法正是在这种背景下提出。压力测试最早提出是由于：国际清算银行(BIS)巴赛尔银行监管委员会提出可根据金融机构通过内部模型估计的风险值(VaR)来作为计算资产市价变动风险的资本准备规范草案,并将此草案送交国际证券监管组织(IOSCO),请其提供评论意见,当即IOSCO (1995)就认为应在此草案框架下进行压力测试。而中国商业银行压力测试始于2003年,当年下半年银监会要求金融机构采用该方法,并且当年中国银行就在其国际业务中使用该方法进行核算和测试。在全球金融危机的背景下,中国银监会于2007年12月25日颁布了《商业银行压力测试指引》,指出商业银行必须对其信用风险、市场风险、流动性风险和操作风险进行度量,并且要求商业银行应考虑不同风险之间的相互作用和共同影响。自此,压力测试方法在中国商业银行系统中得以全面推广和运用。由于中国商业银行风险管理水平与国际先进水平还有一定的差距,并受到诸多软件如管理结构与硬件如数据库不完整等条件的限制,本文认为需要构建一套符合中国商业银行特点的有效的压力测试体系,同时还必须要充分的考虑到当前压力测试体系的不足和缺点。本文在前言中,简要地阐述了写作该篇文章的宏观大背景、研究意义、研究思路和研究框架。第一章,首先探讨了压力测试的理论背景,包括压力测试的定义,由于国际货币基金组织、巴塞尔委员会和中国银监会都从不同的角度对压力测试给出了不同的定义,本文因此就这三者之间的区别进行了比较；并对历年来国内外压力测试理论和方法进行综述,本文分别从理论和实证的角度一一进行整理。第二章旨在论述压力测试的重要性、目前的应用情况及其实现方法。由于压力测试和风险价值的概念关系密切,本文先指出两者各自的侧重点和关注对象的不同,然后又以当前金融危机为背景,从对金融机构和组织、金融监管机构和投资者三个角度,分别阐述了实施压力测试的重要性。压力测试不只是一个学术界关注的热点,更是一种实用的测试方法,那么关注目前这种方法在国际和国内的应用情况,是在所当然的。此外,本章还对当前该领域的研究方法和实施步骤行了总结和比较分析。利用以上理论和方法,在第三章本文就目前构建有效压力测试框架的几个问题进行探讨,笔者认为目前商业银行压力测试中出现的主要问题集中在以下几个方面：部分商业银行高管层对压力测试重视力度还不够、商业银行和监管部门开展压力测试工作方面的专业人才较为缺乏、商业银行历史数据积累不够,系统性的数据库建设还不够完善、部分银行压力测试情景选择不够科学,无法有效覆盖商业银行全部风险点、部分银行开展压力测试未能将灵敏度分析与情景分析进行有效组合。并就以上几个方面提出相应的解决办法和建议,对如何构建有效压力测试框架体系进行论述。此外,针对于中国商业银行的真实情况,本文设计了一套比较通用的压力测试流程。第四章中,本文利用当前真实的商业银行贷款企业样本资料,采用logistic回归建立违约模型,从而判断企业违约率与其重要财务指标之间的关系。然后通过多元copula方法建立这些宏观经济变量与其各自的财务指标之间的联系,并使宏观经济变量在轻度、中度和重度的冲击下发生变化,从而得到在不同的冲击情况下,其财务指标的变化,并将变化之后的财务指标数据回代到违约模型中,就能得到我们需要的压力测试结果。依据测试结果,找出该类贷款的风险关键因子,度量此类贷款的风险承受能力。本文在结尾之处,再一次呼吁各大商业银行重视先进风险管理技术在现代商业银行风险管理中的应用,重视相关专业人才的培养,重视数据库的建设工作等。论文的贡献之处在于：第一、虽然目前研究关于压力测试理论和方法的著作和文献比较多,但是真正考虑了中国商业银行实际情况的研究比较少,而从其实际数据环境和业务背景下的讨论符合其特点的压力测试系统更是凤毛麟角。本文正是从中国商业银行的特点和目前的不足之处出发,分别对这些问题一一提出自己的建议和解决办法,并为大多数商业银行设计一套符合其需要的压力测试流程。值得指出的是,该步骤不仅适用于本文中所提到的房地产项目,而且适用于信用卡业务、个人信贷业务等信用风险和流动性风险等常见的风险类型。第二、目前压力测试实现方法呈现多样性,但是在目前这些研究方法中,很多方法都不能很好针对金融数据特殊的数据分布进行建模和估计,而考虑到多个风险因子之间的风险对冲机制和诱发机制的研究就更少了。本文正是针对于很多金融数据的“尖峰肥尾"现象,利用多元Copula模拟,很好的度量了多个风险因子之间的相互影响和相互联系。通过此方法,能够更有效地覆盖商业银行全部风险点,并能将灵敏度分析方法和情景分析方法两者更有力的结合统一起来。本文的不足之处在于由于作者本人对中国商业银行的现状了解有限,且所掌握的材料有限,数据收集不足,因此在论述过程中有不足之处,这是今后需要进一步加强的地方。另外,鉴于作者的知识结构、能力水平有限,论文中难免出现偏颇之处,敬请各位专家、学者指正。