《巴塞尔协议III》意识到资本管理缺乏宏观审慎的视角,提出了逆周期资本缓冲框架,在经济繁荣期针对系统性风险计提一定比例的资本要求。通过对逆周期资本缓冲框架和宏观压力测试方法缓解银行业顺周期性的原理进行分析,可知两者的结合使用能进一步增强金融体系的稳健性。一方面自动调节的逆周期资本缓冲框架与相机抉择的宏观压力测试方法相结合,能有效防范突发性宏观冲击带来的系统性风险,并为调整逆周期资本缓冲计提、释放速度及比例大小提供定量依据。另一方面逆周期资本缓冲框架主要针对信贷过快增长引发的顺周期性进行缓解,而对因违约概率变化引发的顺周期性缺乏直接考虑,故有必要引入基于宏观压力测试方法的资本充足评估过程缓解这一效应。因此本文提出了基于宏观压力测试方法的资本充足性评估框架,用于确定缓冲资本比例缓解因违约概率变化引发的信贷顺周期性,并确保银行业资本的承压能力。资本充足评估的流程为反向形式,通过考察银行业资本吸收宏观冲击引发的信贷损失后所能支持的不同信贷投放数量,推算出银行体系应该具有的缓冲资本比例。不同于《巴塞尔协议III》采用信贷与GDP比值与其长期趋势的差值作为缓冲资本计提标准,该缓冲资本比例是在假定未来宏观经济压力情景下根据信贷损失的程度,违约概率变化的情况以及可接受的信贷投放能力综合确定的。监管当局使用该评估方法能够根据实际潜在风险的变化,相机抉择的开展定量情景分析,明确银行业资本抵御系统性风险的能力和冲击下信贷变化程度,从而前瞻性进行风险的早期纠正。资本评估框架的第一个部分,是宏观冲击下银行信贷经济资本的计量方法。该部分研究了两类压力测试方法,以此为基础可计算冲击下的经济资本:(1)改进的统计类压力测试方法。本文通过改变CPV模型残差相关性假设,赋予新的经济学含义,使风险传导模型和情景生成模型能独立处理。利用偏最小二乘法估计传导模型,解决了传导模型中的多重共线性问题,能纳入更多的宏观经济因子,获得冲击下更为准确的损失分布。(2)单因子模型拓展的宏观压力测试方法。当违约率数据难以获取或时间序列过短时,基于统计模型的方法将失效;其次即使数据充足,筛选变量和变更统计方法将耗费较多工作量,使开展宏观压力测试分析受限,若考虑多行业情况则更复杂。本文在单因子模型的基础上构建了考虑行业差异的宏观压力测试方法,该宏观压力测试方法引入了全新的风险传导模型无需再依赖统计回归;在构建新方法的同时,本文将历史行业违约率数据的方差及顺周期性,通过解析和蒙特卡洛模拟方法量化进入了行业违约模型,使其能合理的刻画违约率的变化规律,确保了宏观冲击下各行业经济资本计量的准确性。银行业资本在吸收宏观冲击损失后将面临贷款风险的变化,而风险的变化将影响单位资本所能支持信贷的数量,这个过程动态模拟了银行业信贷顺周期性,是资本评估框架的第二个部分。直接求解企业违约概率随经济周期变化的规律存在较高难度,因此本文间接通过宏观经济的转移概率获取企业的违约概率。经济周期中不同阶段的行业违约概率,由两个离散的部分—繁荣期及衰退期行业违约率加权得出。将宏观经济周期划分为两个离散状态,通过计算历史行业违约率在两个离散宏观经济状态下对应的数值,再结合宏观经济状态的转移概率,获取了经济周期不同阶段的行业违约概率。文章最后利用穆迪公司1970年-2012年分行业企业违约率数据及世界银行全球GDP增长率,进行了资本充足评估实证研究。在保持相同的宏观压力情景及宏观冲击后信贷增速的情况下,顺周期性越强的行业往往缓冲资本资本比例要求越高。我国经济已经进入了增速相对前期放缓的新常态,利率市场化改革日益深入,应谨慎评估银行业资本抵御系统性风险的能力,降低银行业顺周期性对经济造成的负面影响。