现今国内商业银行多数在利率定价过程中仅考虑了风险覆盖,未能量化因从事风险活动应取得的超额回报。造成其原因之一有商业银行通常对自身的风险偏好目前处于定性阶段,缺乏合理的定量手段对风险偏好做一具体设定计量。作为营利性机构商业银行需要通过量化贷款业务的风险偏好来进一步完善风险与收益相匹配的这一观点。同时,当前我国金融机构面临的挑战变得日趋复杂,各种风险爆发的可能性随之增加,在强调追求利润的同时,还必须考虑到当宏观经济发生极端情况下的对银行带来的潜在影响。本文通过多种聚类手段因子分析、SOM神经网络和K-means聚类结果进行对比,并分析聚类类群特点。通过单独计算山东省内10家城市商业银行的风险偏好系数并分析与其加权平均利率的相关性。可以为商业银行定价给出意见,同时揭示风险偏好与加权平均利率之间的相关关系。第二部分设计关于商业银行压力测试的整体流程框架,在设计情景压力测试的环节选用GDP增速为核心宏观经济变量进行压力变化路径,以VEC模型构建压力测试的情景,使用蒙特卡洛方法模拟模型残差。通过假定宏观经济在初始时刻遭受冲击经历衰退与经济复苏后,不良率变化趋势与宏观经济变量随设定的发展趋势。从实证部分得出,商业银行规模大小、所处地理位置以及银行类别属性的不同都是影响商业银行风险偏好的重要属性。从影响的性质上看,规模较大的国有银行风险偏好较为适中,股份制银行相对保守,而规模较小的商业银行整体来说风格偏向激进。城市商业银行中,沿海地区商业银行较内陆商业银行风险偏好程度较高,原因其中包含沿海地区由地缘优势变为贷款产品种类上的优势,贷款产品种类多的前提下,沿海商业银行的风险偏好会相对激进。通过从分析山东省内样本银行可以得出,风险偏好得分高、偏好激进的银行的其整体贷款加权执行利率也相对较高,这体现在银行会为信用相对较差的企业发放贷款,在贷款产品上也会更加多样化。压力测试部分的实证,我们通过VEC模型建立三种不同严重情形下的冲击情景,绘定除GDP增速外其他宏观经济变量与整体不良率的变动趋势,发现变量在发展趋势上与给定核心宏观经济变量会存在一定的滞后性,其中CPI增速、M2增速与GDP增速之间呈现同向变动,而不良率在发生冲击后经历一段时间单调上升后逐渐稳定并保持在一定水平。而横向对比三种压力情况下的不良率分布情况,随着宏观经济冲击的严重程度,商业银行整体不良率的模拟频数分布沿坐标轴右向移动。通过分析新增不良率与新增拨备计提,我们发现目前我国商业银行的整体承压能力较强,稳健度较高。