黃雅寧

（福建農(nóng)林大學(xué) 金山學(xué)院，福建 福州 350001）

基于貝葉斯網(wǎng)絡(luò)模型對(duì)我國(guó)證券公司操作風(fēng)險(xiǎn)的實(shí)證研究

黃雅寧

（福建農(nóng)林大學(xué) 金山學(xué)院，福建 福州 350001）

20世紀(jì)90年代以來，國(guó)內(nèi)證券公司相繼發(fā)生操作風(fēng)險(xiǎn)而導(dǎo)致重大損失事件，一些證券公司被迫關(guān)閉或被接管。證券行業(yè)與監(jiān)管當(dāng)局高度重視操作風(fēng)險(xiǎn)，將操作風(fēng)險(xiǎn)與市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)并列作為內(nèi)部控制的重點(diǎn)。國(guó)內(nèi)逐步開發(fā)金融市場(chǎng)，證券公司面臨著巨大挑戰(zhàn)?？刂坪凸芾聿僮黠L(fēng)險(xiǎn)的水平是反映證券公司競(jìng)爭(zhēng)力的重要內(nèi)容。該文以2001～2009年國(guó)內(nèi)證券公司導(dǎo)致重大損失事件的數(shù)據(jù)為依據(jù)，采用貝葉斯網(wǎng)絡(luò)法建立簡(jiǎn)單模型，得出操作風(fēng)險(xiǎn)的損失發(fā)生概率。通過實(shí)證分析表明，貝葉斯網(wǎng)絡(luò)模型適用于我國(guó)證券公司操作風(fēng)險(xiǎn)管理，并可用于假設(shè)分析，能夠更有效地降低證券公司的操作風(fēng)險(xiǎn)。

證券公司；貝葉斯網(wǎng)絡(luò)；操作風(fēng)險(xiǎn)

1 貝葉斯網(wǎng)絡(luò)的理論基礎(chǔ)

貝葉斯網(wǎng)絡(luò)(Bayesian network)是基于概率推理的數(shù)學(xué)模型。所謂概率推理就是通過一些變量信息來獲取其它概率信息的過程，是為了解決不確定性和不完整性問題。它對(duì)于解決復(fù)雜設(shè)備不確定性和關(guān)聯(lián)性引起的故障有較大的優(yōu)勢(shì)。因此，貝葉斯網(wǎng)絡(luò)被廣泛應(yīng)用在商業(yè)數(shù)據(jù)分析，對(duì)企業(yè)的海量商業(yè)數(shù)據(jù)進(jìn)行挖掘，建立貝葉斯網(wǎng)絡(luò)。利用貝葉斯網(wǎng)絡(luò)可以進(jìn)行客戶的消費(fèi)量預(yù)測(cè)、客戶分類、確定商品價(jià)格等。

貝葉斯定理：設(shè)X是類標(biāo)號(hào)未知的數(shù)據(jù)樣本。設(shè)H為某種假定，數(shù)據(jù)樣本X屬于某特定的類C。對(duì)于分類問題，給定觀測(cè)數(shù)據(jù)樣本X，確定H成立的概率P(H|X)。

P(X)、P(H)和 P（X|H）可以由給定的數(shù)據(jù)來計(jì)算。 貝葉斯定理提供了一種由P(X)、P(H)和P（X|H）計(jì)算后驗(yàn)概率P（H|X）的方法。貝葉斯公式是：

貝葉斯網(wǎng)絡(luò)是用來表示變量之間概率依賴關(guān)系的圖形模型，它描述的是一組隨機(jī)變量X={X1,…，Xn}所服從的聯(lián)合概率分布，并通過一組條件概率來指定一組條件獨(dú)立性假設(shè)。貝葉斯網(wǎng)絡(luò)由貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)和條件概率表兩部分組成。

給定一個(gè)隨機(jī)變量 X={X1，…，Xn}，其中Xi是一個(gè) m維向量。貝葉斯信念網(wǎng)絡(luò)說明了x一個(gè)聯(lián)合條件概率分布。貝葉斯信念網(wǎng)絡(luò)定義如下：

第一部分G是一個(gè)有向無環(huán)圖，其頂點(diǎn)對(duì)應(yīng)于有限集X中的隨機(jī)變量X1，…，Xn。其弧代表一個(gè)函數(shù)的依賴關(guān)系。如果有一條弧從變量Y到X，則Y是X的雙親或者直接前驅(qū)，而X則是Y的后繼。一旦給定其雙親，圖中的每個(gè)變量都獨(dú)立于圖中該節(jié)點(diǎn)的非后繼。在圖G中Xi的所有雙親變量用集合Pa(Xi)表示。

第二部分θ代表用于量化網(wǎng)絡(luò)的一組參數(shù)，對(duì)于每一個(gè) Xi，Pa(Xi)的取值 Xi存在一個(gè)參數(shù) θxi|Pa(xi)。

它指明了給定在Pa(Xi)發(fā)生概率的情況下，Xi事件發(fā)生的條件概率。因此，一個(gè)貝葉斯信念網(wǎng)絡(luò)給定了變量集合X上的聯(lián)合條件概率分布[1]：

2 基于理論的風(fēng)險(xiǎn)定性分析步驟

對(duì)不同的系統(tǒng)、時(shí)機(jī)、范圍、程度等具體要求不盡相同，但一般有以下幾個(gè)步驟構(gòu)成。

（1）熟練了解系統(tǒng)。對(duì)風(fēng)險(xiǎn)分析的系統(tǒng)對(duì)象進(jìn)行全面了解，包括系統(tǒng)的設(shè)計(jì)、運(yùn)行、所在環(huán)境、運(yùn)行條件等各方面信息。

（2）分析風(fēng)險(xiǎn)因素。對(duì)風(fēng)險(xiǎn)因素進(jìn)行全面分析，分析務(wù)必做到全面、完整，將所有可能損失情況都要考慮到，沒有遺漏，這樣才能得出后續(xù)的正確結(jié)論。

（3）進(jìn)一步分析中間因素，建立模型。系統(tǒng)對(duì)不同的風(fēng)險(xiǎn)因素存在不同的響應(yīng)，因此各種不同風(fēng)險(xiǎn)因素所導(dǎo)致的可能結(jié)果各有不同，需要分析辨別。

（4）估算初始風(fēng)險(xiǎn)因素和中間因素的概率。估算出網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)因素關(guān)系的條件概率?？捎枚喾N方法估算，計(jì)算變量數(shù)據(jù)來源包括相似系統(tǒng)的經(jīng)驗(yàn)數(shù)據(jù)、測(cè)試數(shù)據(jù)、分析結(jié)果、可用的通用數(shù)據(jù)或者是專家的判斷。

（5）量化和不確定性分析。在建模假設(shè)和輸入數(shù)據(jù)過程中，存在著技術(shù)和統(tǒng)計(jì)上的不確定性，這種不確定性最終會(huì)傳播到風(fēng)險(xiǎn)序列的最終狀態(tài)中去。所以需要對(duì)最后的結(jié)果進(jìn)行分析。

（6）結(jié)果分析。分析并得出多種結(jié)果后，應(yīng)針對(duì)人員、環(huán)境和設(shè)備的影響分別開展分析。

（7）風(fēng)險(xiǎn)排序和管理?；谪惾~斯網(wǎng)絡(luò)可計(jì)算出事故的發(fā)生概率。對(duì)于同一后果，可以對(duì)不同風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)予以排序。比較風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果與系統(tǒng)安全目標(biāo)，可作為決策者選擇或修改設(shè)計(jì)方案，或針對(duì)潛在事故采取預(yù)防措施的重要依據(jù)。

3 貝葉斯網(wǎng)絡(luò)模型的建立和應(yīng)用

3.1 數(shù)據(jù)處理

本文從中國(guó)法院網(wǎng)案件庫中公開的2001～2009年經(jīng)濟(jì)案件中進(jìn)行篩選，由操作風(fēng)險(xiǎn)引起的損失事件64起，涉及國(guó)內(nèi)證券公司42家，案件引起損失最多的達(dá)到1億元，少的也有2500多元。對(duì)每一起操作風(fēng)險(xiǎn)損失案件。進(jìn)行分析和統(tǒng)計(jì)。結(jié)果見表3。

表3 我國(guó)證券公司2001年～2009年操作風(fēng)險(xiǎn)損失分析

3.2 模型變量的選擇

證券公司操作風(fēng)險(xiǎn)損失數(shù)據(jù)可按損失來源和業(yè)務(wù)類型來分類。按損失來源可以分為人員、流程、技術(shù)、外部。按業(yè)務(wù)類型可以分為經(jīng)紀(jì)業(yè)務(wù)、自營(yíng)業(yè)務(wù)、投行業(yè)務(wù)、客戶資產(chǎn)管理業(yè)務(wù)。從數(shù)據(jù)分析結(jié)果發(fā)現(xiàn)，在我國(guó)證券公司現(xiàn)有業(yè)務(wù)中，在以經(jīng)紀(jì)業(yè)務(wù)、自營(yíng)業(yè)務(wù)的損失金額較大；從損失來源來看，以人員和流程導(dǎo)致的損失為主。筆者基于損失來源構(gòu)建簡(jiǎn)單的貝葉斯網(wǎng)絡(luò)模型。在這個(gè)網(wǎng)絡(luò)模型中，主要有人員、流程和業(yè)務(wù)因素。

根據(jù)引起風(fēng)險(xiǎn)的因素不同，將損失分為人員因素?fù)p失和流程因素?fù)p失。人員和業(yè)務(wù)共同作用于人員因素?fù)p失。流程和業(yè)務(wù)因素共同作用于流程因素的損失。人員因素?fù)p失和流程因素?fù)p失共同組成操作風(fēng)險(xiǎn)損失。人員和流程各有損失與不損失兩種狀態(tài)。業(yè)務(wù)因素分為主要損失業(yè)務(wù)和非主要損失業(yè)務(wù)。根據(jù)集中度分析，操作風(fēng)險(xiǎn)損失分別集中在小于100萬元和100～1 000萬元的范圍內(nèi)。又根據(jù)證監(jiān)會(huì)的處罰規(guī)定，1 000萬元以上為重大損失。因此，損失程度分為小于100萬元，100～1 000萬元和大于1 000萬元三種情況。

人員引起損失的概率：

3.3 貝葉斯網(wǎng)絡(luò)模型建立的步驟

（1）正確認(rèn)識(shí)建模的目標(biāo)，確定目標(biāo)節(jié)點(diǎn)。以操作風(fēng)險(xiǎn)損失作為目標(biāo)節(jié)點(diǎn)。

（2）找出盡可能多的與目標(biāo)節(jié)點(diǎn)有關(guān)的影響因素。

（3）根據(jù)以往的研究基礎(chǔ)以及對(duì)情景的分析，并結(jié)合數(shù)據(jù)的可獲得性，確定模型中關(guān)于目標(biāo)節(jié)點(diǎn)的影響因素。對(duì)各個(gè)影響因素存在狀態(tài)進(jìn)行分類，分類原則要求涵蓋完全。

（4）構(gòu)建出貝葉斯網(wǎng)絡(luò)圖，包含已確定的影響因素和目標(biāo)節(jié)點(diǎn)。將已獲得的數(shù)據(jù)統(tǒng)計(jì)計(jì)算并代入貝葉斯網(wǎng)絡(luò)中，運(yùn)行網(wǎng)絡(luò)，進(jìn)行結(jié)果分析。

3.4 構(gòu)建貝葉斯網(wǎng)絡(luò)圖

根據(jù)以上分析，構(gòu)建貝葉斯網(wǎng)絡(luò)模型圖如下：

圖1 貝葉斯網(wǎng)絡(luò)模型

人員與業(yè)務(wù)因素共同作用于人員因素，描述人員因素風(fēng)險(xiǎn)發(fā)生過程。流程與業(yè)務(wù)因素共同作用于流程因素，描述流程因素風(fēng)險(xiǎn)發(fā)生過程。人員因素與流程因素共同組成操作風(fēng)險(xiǎn)損失的兩大主要因素。這個(gè)簡(jiǎn)單貝葉斯網(wǎng)絡(luò)模型可以體現(xiàn)我國(guó)證券公司現(xiàn)階段操作風(fēng)險(xiǎn)的特點(diǎn)，由人員與流程風(fēng)險(xiǎn)導(dǎo)致?lián)p失的頻率較高，造成的損失額較大。

3.5 模型結(jié)果及討論

本文采用Hugin lite6.9建模工具，將收集到的損失數(shù)據(jù)分別進(jìn)行統(tǒng)計(jì)計(jì)算，代入圖1的貝葉斯網(wǎng)絡(luò)模型中。

圖2 人員損失概率分布值

圖3 流程損失概率分布值

圖4 業(yè)務(wù)因素?fù)p失概率分布值

圖5 人員因素?fù)p失概率分布值

圖6 流程因素?fù)p失概率分布值

圖6 損失概率分布值

運(yùn)行結(jié)果如下：

圖8 預(yù)測(cè)結(jié)果顯示

根據(jù)運(yùn)行結(jié)果表明，由樣本數(shù)據(jù)通過模型可以推測(cè)，操作風(fēng)險(xiǎn)損失事件損失額lose變量發(fā)生在100萬元以下的概率占47.7%，占比將近一半；發(fā)生損失額在100～1000萬之間的概率為34.91%，約三分之一；發(fā)生損失額在1 000萬以上的概率為17.4%。由于發(fā)生在1 000萬以上的數(shù)額將會(huì)給證券公司造成重大損失，所以，應(yīng)盡量控制大于1 000萬以上的損失額的發(fā)生概率。

比較人員因素?fù)p失額與流程因素?fù)p失額，筆者發(fā)現(xiàn)，小于100萬的人員因素?fù)p失額發(fā)生概率為53.76%，小于100萬以下流程因素的損失額發(fā)生概率94.9%。這可以看出，流程因素?fù)p失額相對(duì)集中，并且額度相對(duì)較低；100～1 000萬之間的人員因素?fù)p失額發(fā)生概率為32.56%，遠(yuǎn)大于流程因素的損失額發(fā)生概率4.08%，因此，證券公司內(nèi)部人員引起的操作風(fēng)險(xiǎn)損失相對(duì)較大，發(fā)生的概率也較高；人員因素?fù)p失額發(fā)生在1000萬以上的概率為13.68%，是流程因素的損失發(fā)生概率1.02%的13倍以上。由此可見，沒有證券公司內(nèi)部人參與的操作風(fēng)險(xiǎn)案件很難達(dá)到1 000萬元以上的損失，而有了內(nèi)部人員參與，利用流程中的薄弱環(huán)節(jié)和政策漏洞，發(fā)生重大損失的概率就會(huì)大大增加。

使用貝葉斯網(wǎng)絡(luò)可以用來控制風(fēng)險(xiǎn)，例如理想狀態(tài)是希望lose都小于100萬的損失，即lose小于100萬的概率為100%，其他兩種狀態(tài)的概率為0，通過貝葉斯網(wǎng)絡(luò)運(yùn)行結(jié)果如下：

圖9 假設(shè)分析結(jié)果顯示（staff）

由上面的圖示可以看出，如果想把損失額全部控制在100萬以下，staff變量的狀態(tài)概率就是73.14%，相比原來損失的概率76.96%下降了3.82%。也就是說如果想將損失額控制在100萬以下，需要采取有效措施，使人員因素?fù)p失的概率下降3.82%。因此，證券公司需要實(shí)行各種措施來控制人員因素?fù)p失的發(fā)生率。在人員引起的損失中，以公司內(nèi)部人員擅自挪用各業(yè)務(wù)資金最為頻繁。因此，應(yīng)該加強(qiáng)公司內(nèi)部制度的建立和完善，抓緊公司內(nèi)部控制的建設(shè)。

圖10 假設(shè)分析結(jié)果顯示（process）

圖10所示為控制lose在小于100萬以下時(shí)，流程因素?fù)p失的概率由20.78%降到19.64%，降低了1.14個(gè)百分點(diǎn)。與人員因素的損失概率降低3.82個(gè)百分點(diǎn)相比，降幅不是很明顯。因此，可以得知，控制lose小于100萬，從業(yè)務(wù)來源來看，主要還應(yīng)該從人員方面入手。

圖11 假設(shè)分析結(jié)果顯示（business）

從圖11所示為控制損失額在小于100萬以下時(shí)，需要將經(jīng)紀(jì)業(yè)務(wù)和自營(yíng)業(yè)務(wù)損失的概率從73.6%下降到50.18%。由此可見，要將損失額控制在較低額度范圍內(nèi)，還不能只控制人員因素，還需要建立和完善業(yè)務(wù)流程，特別是證券公司的經(jīng)紀(jì)業(yè)務(wù)和自營(yíng)業(yè)務(wù)流程，完善和規(guī)范相關(guān)制度，盡量避免流程和操作漏洞，防止公司內(nèi)部人員利用，造成證券公司的損失。

4 結(jié)論

本文將我國(guó)證券公司操作風(fēng)險(xiǎn)管理作為研究對(duì)象，選擇貝葉斯網(wǎng)絡(luò)的方法來研究我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)。通過實(shí)證分析，得出如下結(jié)論。

（1）可以利用貝葉斯網(wǎng)絡(luò)模型來衡量和控制我國(guó)證券公司的操作風(fēng)險(xiǎn)損失，對(duì)操作風(fēng)險(xiǎn)的管理有實(shí)用價(jià)值。我國(guó)大多數(shù)證券公司在日常管理中并沒有系統(tǒng)地統(tǒng)計(jì)操作風(fēng)險(xiǎn)損失數(shù)據(jù)。雖然本文可以通過法院案例庫對(duì)一些公開的操作風(fēng)險(xiǎn)案件損失數(shù)據(jù)進(jìn)行采集處理，但相對(duì)真實(shí)損失而言，只是冰山一角。目前用度量操作風(fēng)險(xiǎn)的常用方法是損失分布法和極值理論法等高級(jí)度量法，但由于缺乏數(shù)據(jù)樣本，并不適用于證券公司的操作風(fēng)險(xiǎn)度量。而利用概率假設(shè)和情景分析的貝葉斯網(wǎng)絡(luò)模型可以彌補(bǔ)數(shù)據(jù)量少的缺憾，利用概率假設(shè)和情景分析，能夠有效地管理操作風(fēng)險(xiǎn)。

（2）對(duì)主要業(yè)務(wù)以及內(nèi)部人員的管理能夠更有效的降低我國(guó)證券公司的操作風(fēng)險(xiǎn)。由分析結(jié)果可知，對(duì)主要業(yè)務(wù)的規(guī)范和對(duì)內(nèi)部人員的管理能夠更有效地管理操作風(fēng)險(xiǎn)。并且通過模型可計(jì)算，降低損失發(fā)生概率，能夠把引起操作風(fēng)險(xiǎn)損失的原因量化。

（3）在實(shí)踐應(yīng)用中，利用模型進(jìn)行量化，假設(shè)分析可為證券公司操作風(fēng)險(xiǎn)的管理提供有效方法。如要把1 000萬以上的損失概率控制在0%，在其他變量狀態(tài)不變的情況下，要求主要業(yè)務(wù)的損失概率下降23.42%；人員因素?fù)p失概率下降3.82%，流程因素的損失概率相應(yīng)下降1.14%。因此，控制操作風(fēng)險(xiǎn)損失的關(guān)鍵在于經(jīng)紀(jì)業(yè)務(wù)和自營(yíng)業(yè)務(wù)，控制的目標(biāo)是使其減少1.14個(gè)百分點(diǎn)。由此可見，操作風(fēng)險(xiǎn)損失控制的關(guān)鍵是管理經(jīng)紀(jì)業(yè)務(wù)和自營(yíng)業(yè)務(wù)，控制的目標(biāo)是使其發(fā)生的概率降低23.42個(gè)百分點(diǎn)。

［1］胡兆勇，屈梁生.貝葉斯網(wǎng)絡(luò)推理的一種仿真算法[N].系統(tǒng)仿真學(xué)報(bào)，2004，（2）：286-301.

［2］ Petrou K.S.Managing Partner Federal Financial Analytics Inc.In Basel II Regulation U.S market and competitiveness implications.2005-05-11.http：//financial services house gov/media/pdf/051105ksp.pdf.

［3］樊欣，楊曉光.操作風(fēng)險(xiǎn)管理的方法與現(xiàn)狀[N].證券市場(chǎng)導(dǎo)報(bào)，2003，（6）： 64-69.

［4］艾獻(xiàn)軍.證券公司操作風(fēng)險(xiǎn)及其管理 [J].南開經(jīng)濟(jì)研究，2003，（l）：75-76.

［5］卡羅爾·亞歷山大.商業(yè)銀行操作風(fēng)險(xiǎn)[M].陳林龍譯.北京：中國(guó)金融出版社：2005，（1）：20-32.

［6］封思賢.我國(guó)證券公司風(fēng)險(xiǎn)管理體系研究[J].當(dāng)代經(jīng)濟(jì)管理，2006，28（l）：58-62.

［7］孔凡清，劉明芝.金融風(fēng)險(xiǎn)度量和控制技術(shù)及評(píng)價(jià)[J].財(cái)經(jīng)論壇，2006，（12）：489.

The Substantial Evidence Research on Operation Disk of Domestic Securities Companies Based on Baytsian Network

HUANG Yaning
(Jinshan College,Fujian Agriculture and Forestry University,Fuzhou Fujian 350001,China)

Since the 1990s of the last century,great operation risk losses take place in domestic securities companies in succession,and some securities companies are closed or taken over.Securities industry and supervision authorities pay close attention to operation risk,regard it,as well as market risk and credit risk,as the focal points of domestic control.The domestic financial market develops in an all-round way progressively,and the securities companies are facing the enormous challenges.The control and management level of the operation risk is the important index of the competitiveness of securities companies.The full text is based on the loss data of the large-scale loss incident of domestic securities companies of the years from 2001-2009,and it adopts Bayesian Network method to set up simple model,and obtains the happening probability of loss of operation risk.Through analyzing in the real example,Bayesian Network model holds good for the disk management of domestic cecurities companies,and using with hypothesis analysis,it reduces the operation disk of securities companies effectively.

securities firms;Bayesian Network;operation risk

F832

A

1674－5787（2011）04－0021－04

2011-06-18

黃雅寧（1982—），女，福建福州人，碩士，助教。

責(zé)任編輯 仇大勇