壓力測試

目錄

• 1 壓力測試
• 2 壓力測試的目標
• 3 網(wǎng)站壓力測試
• 4 壓力測試案例

壓力測試 - 壓力測試

情境壓力測試即主體向被觀察者布置一定任務(wù)和作業(yè)，借以觀察個體完成任務(wù)的行為。工作樣本測驗、 無領(lǐng)導(dǎo)小組討論都可算作情境壓力測驗。
　　在 軟件工程中，壓力測試是對系統(tǒng)不斷施加壓力的測試，是通過確定一個系統(tǒng)的瓶頸或者不能接收的性能點，來獲得系統(tǒng)能提供的最大服務(wù)級別的測試。例如測試一個 Web 站點在大量的負荷下，何時系統(tǒng)的響應(yīng)會退化或失敗�，F(xiàn)在的網(wǎng)絡(luò)游戲中也常用到這個詞匯。
網(wǎng)絡(luò)定義：
　　2009年9月7日下午，移動公司開商務(wù)車裝載200多部電信手機，在 溫州某大學(xué)邊上不停撥打，導(dǎo)致電信網(wǎng)絡(luò)癱瘓。電信發(fā)現(xiàn)后連車帶人押送到公安局，在公安局，移動自稱沒有違法，只是幫電信做壓力測試。
　　“壓力測試”與 俯臥撐、打醬油等詞匯一樣，成為網(wǎng)絡(luò)流行詞匯。

壓力測試


　　壓力測試、終端機性能功率、各項性能 趨勢指標等。

壓力測試 - 壓力測試的目標

　　識別那些可能提高異常利潤或損失發(fā)生概率的事件或情境，度量這些事件發(fā)生時 銀行資本充足率狀況。測試的質(zhì)量取決于構(gòu)造合理、清晰、全面的情景。
　　銀行的壓力測試通常包括 信用風險、 市場風險、操作風險、其他風險等方面內(nèi)容。壓力測試中，商業(yè)銀行應(yīng)考慮不同風險之間的相互作用和共同影響。
　　壓力測試包括敏感性測試和情景測試等具體方法。敏感性測試旨在測量單個重要 風險因素或少數(shù)幾項關(guān)系密切的因素由于假設(shè)變動對 銀行風險暴露和銀行承受風險能力的影響。情景測試是假設(shè)分析多個風險因素同時發(fā)生變化以及某些極端不利事件發(fā)生對銀行風險暴露和銀行承受風險能力的影響。
　　壓力測試能夠幫助商業(yè)銀行充分了解潛在風險因素與銀行財務(wù)狀況之間的關(guān)系，深入分析銀行抵御風險的能力，形成供董事會和高級管理層討論并決定實施的應(yīng)對措施，預(yù)防極端事件可能對銀行帶來的沖擊。對于日常管理中廣泛應(yīng)用各類風險計量模型的銀行，壓力測試應(yīng)成為模型方法的重要補充。壓力測試也能夠幫助銀監(jiān)會充分了解單家銀行和銀行業(yè)體系的風險狀況和風險抵御能力。

壓力測試 - 網(wǎng)站壓力測試

　　壓力測試通過確定一個系統(tǒng)的瓶頸或者不能接收的性能點，來獲得系統(tǒng)能提供的最大的服務(wù)級別的測試。通俗地講，壓力測試是為了發(fā)現(xiàn)在什么條件下您的 應(yīng)用程序的性能會變得不可接受。
　　極限壓力測試舉例：
　　1） 接收大數(shù)據(jù)量的數(shù)據(jù)文件時間；
　　2） 大 數(shù)據(jù)恢復(fù)時間；
　　3） 大數(shù)據(jù)導(dǎo)入導(dǎo)出時間；
　　4） 大批量錄入數(shù)據(jù)時間；
　　5） 大數(shù)據(jù)量的計算時間；
　　6） 多客戶機同時進行某一個提交操作；
　　7） 采用測試工具 軟件；
　　8） 編寫 測試腳本程序；
　　9） 大數(shù)據(jù)量的查詢統(tǒng)計時間。
　　實例：
　　在一個系統(tǒng)內(nèi)，僅有一個用戶登錄使用相同的操作，對不同的數(shù)據(jù)量進行測試。記錄下數(shù)據(jù)量和對應(yīng)的資源占用率，響應(yīng)時間。

壓力測試 - 壓力測試案例

　　案例：HKMA于2006年對 香港零售銀行業(yè)面臨宏 觀經(jīng)濟沖擊時的信用風險暴露進行壓力測試。 分析結(jié)果表明，銀行貸款違約率與關(guān)鍵宏觀經(jīng) 濟因素（包括香港GDP、 利率、房價以及內(nèi)地 GDP）之間有明顯的相關(guān)性。 測試結(jié)果：以VAR計，在90%的置信水平上，銀 行能繼續(xù)盈利，說明信用風險較小。在極端情 況下，以VAR計，在99%的置信水平上，有些銀 行會面臨損失，不過這種極端情況發(fā)生的概率 非常低。

壓力測試


　　步驟一：定義模型 步驟二：估計模型 步驟三：模型估計結(jié)果分析 步驟四：設(shè)計沖擊場景 步驟五：構(gòu)造頻率分布 步驟六：計算均值和VaR 步驟七：測算銀行盈利能力所受影響
　　只是把它算的過程歸了一下類，分了這幾個步驟。這是在06年對香港的零售銀行業(yè)，它也假設(shè)一家銀行面對宏觀經(jīng)濟沖擊時的信用風險暴露進行的壓力測試。分析結(jié)果表明銀行貸款違約率與關(guān)鍵宏觀經(jīng)濟因素有相關(guān)性，宏觀經(jīng)濟因素主要是香港的GDP和利率、房價以及內(nèi)地的GDP。測試的結(jié)果是以VaR計，在90%的置信水平上，銀行能繼續(xù)盈利，說明信用風險較小。在極端情況下，以VaR計，在99%的置信水平上，有些銀行會面臨損失，不過這種極端情況發(fā)生的概率非常低。這只是一個預(yù)警。
　　把它的過程歸納成七個步驟，包括后面計算盈利能力的方面。首先是定義一下這個模型，在模型有自變量和應(yīng)變量，它定義了4個應(yīng)變量。應(yīng)變量是它需要考察 信用違約率，它違約率的定義是這樣的，逾期3個月以上的 貸款和貸款總額，不知道現(xiàn)在的銀行是不是用違約率這么一個數(shù)據(jù)。這個數(shù)據(jù)算出來也挺難的，平時公布的數(shù)據(jù)，還是 不良貸款率公布得比較多，關(guān)于違約率的定義沒有比較準確的，有的是定義上一期能夠正常還款下一期不能正常還款的，所以現(xiàn)在看到違約率的定義也有幾種。 不良貸款畢竟前幾年商業(yè)銀行剝離的政策原因太大了，可能這個時間序列有一定的不可抵因素，就是歧義點太多。
　　看一下這個估計模型，這是94年4月到06年1月的零售銀行的數(shù)據(jù)。前面是自變量，這是用歷史數(shù)據(jù)估算出來的結(jié)果，包括了參數(shù)變量也體現(xiàn)出來了。最下面是觀測值，還有測試的個數(shù)。
　　可以看得出來，它的符號還是一致的，因為前面是違約率用Log這個函數(shù)給它導(dǎo)了一下，所以經(jīng)濟環(huán)境越好的話，資產(chǎn)的質(zhì)量會越高，這樣的話，VaR的數(shù)值應(yīng)該越低。可以看得出來，這跟經(jīng)濟增長和房地產(chǎn)的價格，跟利率是呈正相關(guān)的。
　　同時，這上面提了一下，其實自變量里面有很多的二級滯后項，這是剔除了一級滯后項以后得出的，原本很多其他的相關(guān)變量沒有列進來了，所以這是最后模擬出來的結(jié)果。模擬出來這個方程以后，下一步是要設(shè)定的沖擊場景。先要設(shè)計模型、估計模型，最后要把新的數(shù)據(jù)帶到我們模型里面去。就是把先的自變量帶到模型里面，讓它變成新的應(yīng)變量。那么，新的自變量怎么辦呢？比如說我們的經(jīng)濟沖擊發(fā)生以后，我們的影響是怎么樣的。實際上，它和經(jīng)濟危機是差不多的，碰到了4個沖擊點。一個是我剛才提到的4個自變量，它對于每個變量都有一個沖擊，第一個是香港實際GDP的變化，還有一個是大陸實際GDP的變化，還有利率和房地產(chǎn)。它不是只對當期的自變量發(fā)生了變化，它實際上是延長了時間，把這個影響時間變成了2年。所以，在 金融危機以后，這個應(yīng)變量應(yīng)該發(fā)生多大的變化。在97年的四季度利率是306個基點，后面兩個季度下降了，第四個季度又上升了314個基點。可以看得出來，一開始是300多個基點，后面兩個季度沒有變化，第四個季度上升上來了，這跟當時的 亞洲金融危機的沖擊差不多。
　　然后，緊接著下來是要模擬了，因為把這個數(shù)據(jù)輸入到模型里面去以后，可以模擬出來的數(shù)據(jù)以后，可以把新的概率分布算出來了。當然，這還有一個假設(shè)，就是在四季度以后不再有沖擊了，對每一個基期場景和壓力場景對未來違約率路徑進行1萬次的模擬。有了新的頻率分布以后，可以構(gòu)造我們信用損失百分比的頻率分布。剛才模擬的是違約率的頻率分布，我們的損失百分比的數(shù)據(jù)應(yīng)該是違約率乘上 違約損失率�，F(xiàn)在要定義一下違約損失率這個數(shù)據(jù)，這個數(shù)據(jù)現(xiàn)在比較有爭議，到底怎么定？如果沒有合適的統(tǒng)計量，對于市場的有關(guān)信息來賦值，通常定為50%。按照BASELII要求LGD取45%，但這個數(shù)字并不十分合理。所以，現(xiàn)在定義為2%低點的公式。這樣，可以用違約損失率乘以我們剛剛計算出的違約率的數(shù)，這樣可以得出一個信用損失百分比頻率分布的數(shù)據(jù)。沖擊發(fā)生了以后，實際上我們把頻率往右移了，可以看出信用損失百分比的數(shù)據(jù)，出現(xiàn)高的數(shù)據(jù)頻率增加了，原來是把這個頻率往外偏移，所以可以看出較高信用損失百分比出現(xiàn)的頻率增加了，較小的信用損失百分比出現(xiàn)的頻率減少了。
　　通過算分布可以算出信用損失百分比的均值，還可以算出遭受損失的概率是多大，可以做這么一個精細的判斷。這是計算以后的結(jié)果，它的均值是這樣的，首先是 基期沒有發(fā)生信貸信用損失百分比，均值是0.34，壓力期GDP沖擊是1.59，房價沖擊是1.21，利率沖擊是0.71，大陸經(jīng)濟沖擊是0.73。在VaR90%信用損失百分比是這個數(shù)據(jù)，隨著置信區(qū)間的增加，損失的百分比也是遞增的。最后一個是99.99%，這個時候已經(jīng)是相當高了，后面兩個已經(jīng)接近10%，前面的已經(jīng)超過10%了。
　　在90%的置信水平的情況下，可以看出3%以下還是過得去的。在99%的情況下，數(shù)值已經(jīng)比較高了，這是在3.22，這是最低的值，最高的到了5.56，應(yīng)該是比較高了。這跟金融危機發(fā)生1年以后的情況是比較吻合的，所以做壓力測試要考慮一下當期和影響的延長期還是比較符合實際的。這里面的測算是在亞洲金融危機以前，銀行用這個測算可以算出銀行 貸款損失率為1.4%，貸款損失率上升到6.0%，但是這個估計是基于估計LGD為70%。那么，這就給提出一個問題，這是不是合理，這可能是在測試的時候需要考慮的。
　　最后一步是測算沖擊對銀行盈利能力的影響。也許銀行管理層覺得，這個VaR值或者是概率是多少，可能在90%的置信期間里面有多大的，在99%到底有多大，這對于盈利能力有多少？盈利下降了多少？是不是可以給這么一個數(shù)據(jù)，那么也可以通過一個測算算得出來。如果認可前面的測算，就是貸款損失百分比，通過這個可以算出來，損失肯定是等于貸款損失百分比乘 貸款余額。就是沖擊發(fā)生以后，銀行的盈利能力發(fā)生的變化。首先，沒有發(fā)生違約的情況下，那么它未來沖擊發(fā)生以后它的盈利應(yīng)該比當前或者是基期是一樣的。如果我盈利是30億，那么沖擊以后屬于沒有發(fā)生違約，那么這個盈利是一樣的。如果發(fā)生了沖擊以后，如果我下降了，下降了多少就是損失。
　　假設(shè)有一家銀行，這家銀行 撥備前利潤是30億，貸款余額是1300億港幣。假設(shè)有一家銀行規(guī)模是這么大，可以用上面的貸款損失百分比來測算，這家銀行在發(fā)生了沖擊以后，在不同的置信區(qū)間里面它的盈利能力會受到多大的影響，這是得出的結(jié)果。
　　單位用百萬來表示，正的數(shù)據(jù)是表示盈利，負的就表示已經(jīng)損失了，管理層看到這張表可能就比較清楚了銀行可能發(fā)生多大的損失。
　　比如說在90%的區(qū)間里面，香港的GDP沖擊情況下這家銀行要虧損8.82萬億港幣。那么，這個是99.99%，就是這個事情發(fā)生的概率非常強了，因為置信區(qū)間在99.99%，是0.001%的可能性，這個損失已經(jīng)是到了133億了。在不同的置信區(qū)間里面，它的損失是不一樣的�；叵胍幌�，如果沒有模擬，就是一個假設(shè)，假設(shè)GDP是多少，剛才已經(jīng)提出來了，從前面可以看到，GDP的數(shù)據(jù)是多少，在每一個季度是多少，如果沒有模擬，直接把這個數(shù)據(jù)帶回到模型里面，只算出一個貸款百分比的數(shù)據(jù)�，F(xiàn)在有了模擬以后，就知道它的均值是多少，在不同的置信區(qū)間里面是多少。這樣，管理層可能會感覺清醒一點。比如說基期在沒有違約的情況下，是2554百萬，還是挺好的。如果做壓力測試把這張表給管理層，就很清晰地知道損失有多大了。
　　最后有一個表述，在90%的置信水平下，VaR值是882萬，如果在99%的水平下，VaR值是比較大的，導(dǎo)致這樣的VaR的極端場景發(fā)生的概率是1%。

• 通信詞典解釋