盛國祥，王傳玉，付春艷

安徽工程大學(xué)數(shù)理學(xué)院,蕪湖,241000

基于收入模型的商業(yè)銀行操作風(fēng)險的度量

盛國祥，王傳玉，付春艷

安徽工程大學(xué)數(shù)理學(xué)院,蕪湖,241000

選取8家商業(yè)銀行作為研究樣本，采用收入模型方法，將凈利潤作為被解釋變量，選擇5個風(fēng)險指標(biāo)作為解釋變量，度量它們面臨的操作風(fēng)險狀況。從銀行的年度報告中收集這些變量數(shù)據(jù)，將數(shù)據(jù)代入收入模型公式中，得到各個銀行操作風(fēng)險的具體數(shù)值。結(jié)果表明:工商銀行的操作風(fēng)險最大，招商銀行最低。而相對操作風(fēng)險，民生銀行最高，建設(shè)銀行最低。

收入模型方法；商業(yè)銀行；操作風(fēng)險

1 相關(guān)研究與問題提出

國內(nèi)外學(xué)者在度量商業(yè)銀行操作風(fēng)險方面主要運(yùn)用極值理論和收入模型兩種方法。運(yùn)用極值理論需要銀行內(nèi)部的操作風(fēng)險損失數(shù)據(jù)，而收入模型法只需要銀行外部的數(shù)據(jù)就可以研究，這些數(shù)據(jù)在銀行年度報告里可以獲得。由于我國銀行操作風(fēng)險損失數(shù)據(jù)難以獲得，本文采用收入模型方法。2017年以來，銀監(jiān)會出臺了一系列文件，目的是強(qiáng)化監(jiān)管、去杠桿、防范金融風(fēng)險，這對于銀行的流動性管理提出了更高的要求。相比于以往的文獻(xiàn)，本文在解釋變量的選取上考慮了流動性風(fēng)險指標(biāo)，更加符合銀行業(yè)的現(xiàn)實(shí)情況。

2 模型的建立

收入模型法對數(shù)據(jù)的要求不高，相關(guān)數(shù)據(jù)能夠從公開渠道獲得。運(yùn)用收入模型方法得到的結(jié)果基本上能夠反映銀行實(shí)際的操作風(fēng)險狀況。收入模型法是將商業(yè)銀行的收入或凈利潤作為被解釋變量，銀行收入或凈利潤的變動是由于各種風(fēng)險因素引起的，選取代表信用風(fēng)險、市場風(fēng)險、流動性風(fēng)險的指標(biāo)作為解釋變量。銀行收入或凈利潤很大程度上可以由上述指標(biāo)解釋，余下不能被解釋的部分視為操作風(fēng)險。根據(jù)收入模型，將銀行收入或者凈利潤分解為：

y=a0+a1x1+a2x2+…+anxn+ε

(1)

根據(jù)回歸方程，可以認(rèn)為由操作風(fēng)險引起的收入或凈利潤波動為：

(2)

假設(shè)銀行的收入或凈利潤服從正態(tài)分布，那么由正態(tài)分布的特點(diǎn)，在99.9%的置信水平下操作風(fēng)險的值是 3.1δ。用K表示操作風(fēng)險,那么：

K=3.1δ

(3)

本文選擇8家銀行作為樣本，研究它們的操作風(fēng)險狀況，變量的選取及說明見表1。根據(jù)公式(1)，建立回歸方程:

y=a0+a1x1+a2x2+a3x3+a4x4+a5x5+ε

(4)

表1 收入法變量說明

本文研究的銀行包含4家國有銀行和4家股份制銀行。其中,真實(shí)GDP增長率=GDP/CPI，上證指數(shù)為每年年末上證指數(shù)收盤價。有關(guān)數(shù)據(jù)為8家樣本銀行2006年至2015年的數(shù)據(jù)。

3 模型的求解

3.1 正態(tài)性檢驗

由于收入模型假設(shè)凈利潤服從正態(tài)分布，所以根據(jù)各銀行歷年的凈利潤數(shù)據(jù)，使用SAS軟件進(jìn)行正態(tài)性檢驗，得到的結(jié)果見表2。由表2可知，各個銀行的P>0.15>0.001=α，所以不能拒絕原假設(shè)，可以認(rèn)為凈利潤總體分布為正態(tài)分布。

表2 正態(tài)分布檢驗

3.2 計算操作風(fēng)險

運(yùn)用SAS統(tǒng)計軟件，進(jìn)行回歸分析，得到各個銀行的R2，見表3。將表2中δy與表3中R2代入公式(2)可得δ。又由于凈利潤服從正態(tài)分布，根據(jù)正態(tài)分布的特點(diǎn)，在99.9%的置信水平下操作風(fēng)險(K)是3.1δ。定義v=操作風(fēng)險/銀行總資產(chǎn)為相對操作風(fēng)險。收集各銀行的總資產(chǎn)數(shù)據(jù)，根據(jù)定義便可得到各銀行的相對操作風(fēng)險,結(jié)果見表3。

表3 收入模型法回歸結(jié)果

圖1 銀行操作風(fēng)險

圖2 銀行相對操作風(fēng)險

圖1和圖2分別給出了各個銀行操作風(fēng)險與相對操作風(fēng)險的直方圖。本文用y1代表國有銀行操作風(fēng)險的均值，用y2代表股份制銀行操作風(fēng)險的均值，通過計算可以得到y(tǒng)1=255.28億元，y2=156.39億元，y1>y2。類似的，w1、w2代表兩類銀行相對風(fēng)險的均值。通過計算可以得到w1=0.001 512，w2=0.003 148，w1

3 結(jié) 語

本文選擇8家銀行作為樣本，研究它們的操作風(fēng)險狀況，并計算出了各個銀行的具體數(shù)值。經(jīng)分析結(jié)果可知，平均意義下，國有銀行操作風(fēng)險明顯大于股份制銀行，這可能由于國有銀行資產(chǎn)總額巨大，網(wǎng)點(diǎn)眾多，對于分支機(jī)構(gòu)的控制薄弱有關(guān)。而相對操作風(fēng)險，情況剛好相反。近些年來，股份制銀行注重創(chuàng)新型業(yè)務(wù)發(fā)展，資產(chǎn)規(guī)?？焖偬嵘?，原有風(fēng)險控制手段難以適應(yīng)新型業(yè)務(wù)。

[1]Duncan Wilson.Operational value at risk[J].Risk,1995(12): 1-12

[2]Artzner P,Delbaen F,Eber J,et al.Coherent Measures of Risk[J].Mathematical Finance,1999,9(3):203-228

[3]Danelsson J,Embrechts P,Goodhart C,et al.An Academic Response to Basel II[J].General Information,2001,2(1):25-48

[4]Junji Hiwatashi,Hiroshi Ashida.Advancing Operational Risk Management using Japanese Banking Experiences[M].NewYork:Mc-Graw-Hill,2002：40-56

[5]Allen L,Bali T G.Cyclicality in catastrophic and operational risk measurements[J].Journal of Banking & Finance,2007,31(4): 1191-1235

[6]Belles-Sampera J,Guillén M,Santolino M.Beyond Value-at-Risk:GlueVaR Distortion Risk Measures[J].Risk Analysis,2014,34(1):121-125

[7]巴曙松.巴塞爾新資本協(xié)議框架下的操作風(fēng)險衡量與資本金約束[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理,2003(2):17-24

[8]樊欣， 楊曉光．操作風(fēng)險度量：國內(nèi)兩家股份制商業(yè)銀行的實(shí)證分析 [J]．系統(tǒng)工程，2004，22(5)：44-48

[9]王吉恒,王春峰.基于收入模型的商業(yè)銀行操作風(fēng)險量化研究[J].商業(yè)研究,2010(4): 137-139

[10]李達(dá),陳穎,劉通,等.商業(yè)銀行操作風(fēng)險度量:基于新標(biāo)準(zhǔn)法、收入法和信度方法的測算分析[J].南方金融,2016(8):82-91

10.3969/j.issn.1673-2006.2017.12.004

F832.33

A

1673-2006(2017)12-0014-03

操作風(fēng)險是一項自銀行誕生之日起便具有的風(fēng)險。但直到20世紀(jì)末，一些巨額損失事件的發(fā)生才引起人們的重視。一個經(jīng)典的案例是，1995年，英國著名商業(yè)銀行巴林銀行因交易員的違規(guī)操作而倒閉。國內(nèi)的操作風(fēng)險損失事件也層出不窮。2015年3月，中國工商銀行長沙市韶山路支行因員工違規(guī)代售信托產(chǎn)品導(dǎo)致?lián)p失2億元。2017年4月，中國民生銀行北京航天橋支行爆出“假理財”案件，該支行行長使用假印章和合同騙取客戶資金，涉案金額約16.5億元。近年來，商業(yè)銀行規(guī)模不斷擴(kuò)大，業(yè)務(wù)活動日益復(fù)雜，操作風(fēng)險已成為影響銀行經(jīng)營發(fā)展的頭號風(fēng)險。如何度量進(jìn)而管理操作風(fēng)險，是監(jiān)管部門和銀行不得不面對的問題。

對于操作風(fēng)險,國內(nèi)外諸多學(xué)者進(jìn)行了研究。1995年，Duncan Wilson首次提出用VaR方法來度量商業(yè)銀行操作風(fēng)險[1]。1999年，Artzner提出風(fēng)險度量四條理想的性質(zhì)，并稱滿足這些性質(zhì)的風(fēng)險度量為一致性風(fēng)險度量;他認(rèn)為VaR不滿足次可加性，所以不是一致性風(fēng)險度量，并提出了滿足一致性的TVaR風(fēng)險度量方法[2]。2001年， Danelsson認(rèn)為一些預(yù)測風(fēng)險的統(tǒng)計模型不滿足一致性和無偏估計，提議建立操作風(fēng)險損失數(shù)據(jù)庫[3]。2002年，Hiwatashi介紹了近年來關(guān)于操作風(fēng)險的重大損失事件以及日本銀行業(yè)面臨的環(huán)境變化;并在文章里闡述了操作風(fēng)險發(fā)生的機(jī)理，認(rèn)為程序因素、人員因素、系統(tǒng)因素、外部因素都有可能導(dǎo)致?lián)p失事件的發(fā)生[4]。2007年，Allen認(rèn)為操作風(fēng)險是一種剔除了市場、信用風(fēng)險后的剩余風(fēng)險概念，并發(fā)現(xiàn)操作風(fēng)險大小與宏觀經(jīng)濟(jì)周期運(yùn)行緊密相關(guān)[5]。2014年，Belles-Sampera提出一個新的風(fēng)險度量，它被稱之為GlueVaR(屬于扭曲風(fēng)險度量家族);并定義了GlueVaR扭曲函數(shù)的表達(dá)式，給出了GlueVaR與VaR和TVaR的關(guān)系式。這種新的風(fēng)險度量考慮了監(jiān)管者和金融機(jī)構(gòu)對風(fēng)險的態(tài)度，有助于兩者達(dá)成共識[6]。2003年，巴曙松介紹了操作風(fēng)險的特點(diǎn)，并結(jié)合巴塞爾新資本協(xié)議的變化趨勢，給出了建立操作風(fēng)險管理框架的建議[7]。2004年，樊欣和楊曉光全面介紹了操作風(fēng)險度量模型，選擇兩家股份制銀行作為樣本，分別用收入模型和證券因素模型進(jìn)行了研究，發(fā)現(xiàn)這兩個模型度量操作風(fēng)險均有效，其中收入模型的效果更好[8]。2010年，王吉恒和王春峰研究了中國銀行和中國民生銀行的操作風(fēng)險狀況，使用的方法同樣是收入法，得出了兩家銀行操作風(fēng)險的數(shù)值[9]。2016年，李達(dá)等用三種方法對我國13家銀行操作風(fēng)險進(jìn)行了度量，對比了三種方法得出的結(jié)果，并對結(jié)果差異性給出了合理的解釋[10]。

2017-07-15

國家自然科學(xué)基金項目“基于不完全測量信息的隨機(jī)憶阻神經(jīng)網(wǎng)絡(luò)的參數(shù)與狀態(tài)估計問題研究”(61503001)。

盛國祥(1992-)，安徽亳州人，在讀碩士研究生，研究方向：數(shù)理金融。

劉小陽)