当下我国金融风险总体处于可控状态,但经济发展仍面临下行压力,各类突发事件导致的衍生风险将不可避免地传导至银行业。为防止商业银行不良贷款率出现反弹,对商业银行开展信用风险压力测试就显得尤为必要。本文以商业银行不良贷款率为承压指标,以GDP同比增速、CPI、M2同比增速等不同层面的宏观经济变量作为压力因子,构建压力传导模型,开展了关于信用风险的宏观压力测试研究。在压力传导模型的建立上,本文选用了带时变参数的向量自回归模型（TVP-VAR）对商业银行总体不良贷款率及其他压力因子进行了建模,并同样建立向量自回归模型（VAR）作为对照,发现TVP-VAR模型在承压指标不良贷款率上R~2为0.984,而VAR模型的R~2为0.791,表明TVP-VAR在模型拟合上取得了更好的效果。通过对TVP-VAR构建的模型进行逐期观察,发现GDP同比增速对于商业银行总体不良贷款率的影响会随时间发生变化,2009年至2010年GDP同比增速越高,不良贷款率越低,但是到2020年则转变为正向影响,即GDP增速升高时,不良贷款率也会上升。同时,压力传导模型中的GDP增长率与其他宏观经济变量之间的关系也会随着估计时期的变化而改变,证明宏观经济变量之间的关系可能存在时变性,因此在建模时应当将这种动态相关关系考虑在内,才可以得到更加准确合理的压力传导模型。在压力情景的设计上,本文采用假设情景法,设计了GDP同比增速下降的压力情景,对我国商业银行总体、13家系统重要性商业银行、中国工商银行四个具体行业开展宏观压力测试。结果显示,GDP增速下降对商业银行不良贷款率所造成的影响主要表现在第一期,持续时间不长。而在具体行业的压力测试分析中,发现批发和零售业在压力情景下表现较差,轻度情景下不良贷款率达到14.88%,重度情景下为15.68%。在信用风险压力测试的基础上,本文以资本充足率和核心一级充足率为承压指标,对商业银行开展了偿付能力压力测试,并对各商业银行、各具体行业计算了贷款预期损失。结果表明,我国商业银行总体抵抗信用风险的能力较强,但是各商业银行、各具体行业风险抵御能力的差异较大。其中,商业银行总体资本充足率在压力情景下通过了10.5%的资本监管标准,且贷款损失准备可以覆盖预期损失。虽然各家商业银行的贷款损失准备都较为充足,但是在偿付能力的压力测试中,华夏银行等四家银行的核心一级资本充足率未能达到相应的监管标准。具体行业上,批发和零售业的预期损失则在重度压力情景下最终达到359.1亿元,制造业本身总贷款额较高,因此其预期损失仍较高,在重度压力情景下最终为335.4亿元,需要对这两个行业进行重点关注。本文的创新点如下:第一,在商业银行不良贷款率的压力传导模型中考虑了各指标之间的时变性影响,并采用TVP-VAR模型进行刻画。与VAR、SVAR等传统的线性模型相比,TVP-VAR模型放松了参数不变的假定,可以更精确地捕捉宏观经济波动对商业银行不良贷款率的冲击,使实证分析和结论更加科学。第二,对制造业、批发和零售业等四个行业分别建立了压力传导模型,观察不良贷款率受宏观经济变量的时变性影响并进行压力测试研究,意在找出受宏观经济波动影响大的行业并予以重点关注,进一步提升商业银行的信用风险监测能力。