CCAR 框架考虑了银行执行压力测试所需情景的具体要素，提供了三套每年开展压力测 试的具体情景。压力情景通过对28个宏观经济变量在不同水平下的预测，描述不同特定情景下的美国和其他四大国际经济体的经济活动、资产价格、外汇汇率和利率水平，情景严重程度通过GDP、失业率、利率、股指等指标来表示（Board of Governors of the Federal ReserveSystem，2016）。美联储同时要求银行根据自身情况设计至少两个类似的情景，反映其自身的特定风险轮廓及运营情况，包括公司的资本充足和财务状况。银行自身压力情景的设计，有纯专家判断模型也有纯统计模型，但大多数全球性银行在宏观经济变量预测中会兼顾这两种方法，即采用混合性方法。
专家判断法一般是先组建一个由经济学家、业务条线代表及来自财务、风险和信贷部门的高级管理层构成的委员会。这个工作委员会的唯一目标是为宏观经济变量做出合理的预测。该委员会在选取宏观经济变量时的一般做法是依赖风险识别流程及管理层决断。委员会将首先考虑历史趋势和前瞻性预测，通过各方讨论银行所面临的关键风险，最终确定区域性和全球性具有代表性的宏观经济变量及变量的预测水平。
纯统计模型开发法一般采用高度复杂的、结合区域性和全球性的模型数据，进行宏观经济变量预测，包括计算各区域相关性和各变量间的相关性。常用的统计模型包括向量自回归模型（VAR）或向量自回归误差修正模型（VECM）。
VAR 模型可以用于分析变量系统中各变量间的相互作用。在某些给定的条件下，VAR 模型能够用来确定一个基本的经济冲击给其他经济变量带来多大影响。VAR 模型被公认为是描述变量间动态关系的一种有效实用方法。
VECM模型是VAR模型的一个扩展：VECM 模型在VAR 模型的基础上引入了长期协整机制的约束，在统计意义上更为严谨。VECM 模型的压力情景设计，基于其所建立的多个风险驱动因素之间的联动关系，即可根据不同的风险触发因素或冲击因素，推演出相应冲击下的整体压力情景。
混合型方法一般是指采用统计模型和专家判断相结合的方式，对宏观经济变量进行预测。该方法先通过统计模型得出测算结果，然后专家们在综合考虑宏观经济模型的预测结果以及潜在的额外因素。例如，在各区域间的相关性的基础上，决定是否需要对现有模型预测值进行管理层人工调整，并发布银行最终宏观经济变量预测水平。这种混合型方法因其开发成本适中且优于纯粹的专家判断方法，成为目前银行使用最为广泛的方法。
