(天津財(cái)經(jīng)大學(xué) 金融學(xué)院，天津 300222)

1 引言

盡管由華爾街金融海嘯所引發(fā)的全球金融危機(jī)已過去近10年，但全球范圍對流動性風(fēng)險監(jiān)測的廣泛關(guān)注和對危機(jī)后流動性調(diào)節(jié)效果的深刻反思并沒有終止。商業(yè)銀行作為一國經(jīng)濟(jì)金融體系流動性調(diào)節(jié)中樞的同時，在市場上扮演著流動性創(chuàng)造者與消耗者的雙重角色，為流動性總量在部門和期限之間實(shí)現(xiàn)有效配置提供中介平臺[1,2]。同時商業(yè)銀行自身天然存在的資產(chǎn)負(fù)債期限錯配問題，也使得流動性風(fēng)險被譽(yù)為商業(yè)銀行所面臨的致命風(fēng)險，易由流動性短缺而引發(fā)流動性危機(jī)[3]。如何有效監(jiān)測商業(yè)銀行流動性成為學(xué)術(shù)界和實(shí)踐領(lǐng)域共同關(guān)注的焦點(diǎn)問題[4～6]。

傳統(tǒng)的銀行流動性監(jiān)測評價主要涉及靜態(tài)指標(biāo)法、動態(tài)匹配法和模型分析法[7,8]。流動性風(fēng)險的評估需要確定可以明顯表征該機(jī)構(gòu)風(fēng)險的關(guān)鍵指標(biāo)[9]，在指標(biāo)選取上考量超額備付金比率[10,11]、銀行總資產(chǎn)增速和其他存款性公司資產(chǎn)負(fù)債表擴(kuò)張率[12]、(現(xiàn)金+有價證券)/總資產(chǎn)表示流動性比例[13,14]、次級負(fù)債和權(quán)益的比值[15]、貸款和核心存款的比值[16]等。雖然指標(biāo)選取的爭論至今仍未停息，但外部環(huán)境變化與商業(yè)銀行流動性狀態(tài)的聯(lián)系卻一直被忽視[17]。相對于靜態(tài)指標(biāo)法，動態(tài)匹配法能夠在一定程度上反應(yīng)商業(yè)銀行流動性的動態(tài)變化，但由于對潛在現(xiàn)金流估測主觀性較強(qiáng)，且不易劃分資產(chǎn)負(fù)債流動性等級，降低了動態(tài)匹配法對商業(yè)銀行流動性監(jiān)測的準(zhǔn)確性。使用模型分析法監(jiān)測銀行流動性的成果相對豐富，主要包括商業(yè)銀行流動性決策模型、極值理論模型、系統(tǒng)風(fēng)險調(diào)整流動性模型、以及采用非試驗(yàn)設(shè)計(jì)方式等。鑒于數(shù)據(jù)限制等原因，我國學(xué)者對商業(yè)銀行流動性監(jiān)測的模型分析研究主要圍繞系列VAR模型和極值理論展開。金融體系是一個具有非參數(shù)特點(diǎn)的動態(tài)系統(tǒng)[18]，對金融數(shù)據(jù)進(jìn)行分析與預(yù)測一直是金融領(lǐng)域中一項(xiàng)極具挑戰(zhàn)性的工作。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)都能夠較容易地設(shè)置僅基于銀行賬面價值或資產(chǎn)負(fù)債表中提供的原始數(shù)據(jù)，而無需任何預(yù)定義功能就能夠提醒流動性風(fēng)險的系統(tǒng)。遺憾的是，使用該方法評價商業(yè)銀行流動性監(jiān)測的研究并不多見[19]。Tavana等[20]借助深度前饋網(wǎng)絡(luò)框架，基于多種優(yōu)化算法下的神經(jīng)網(wǎng)絡(luò)(ANN)和貝葉斯網(wǎng)絡(luò)模型(BN)兩階段分析方法，闡釋了數(shù)據(jù)挖掘在構(gòu)建銀行流動性風(fēng)險監(jiān)測模型方面的適用性和準(zhǔn)確性，為如何與指標(biāo)法融合，從而在我國商業(yè)銀行流動性監(jiān)測領(lǐng)域進(jìn)行應(yīng)用帶來新的思考。

綜合來看，商業(yè)銀行流動性管理在流動性監(jiān)測指標(biāo)體系構(gòu)建，流動性風(fēng)險隨時間積累引致測度方法有效性的改變，以及與宏觀經(jīng)濟(jì)金融環(huán)境變化的結(jié)合三方面還存探討空間。第一，監(jiān)管指標(biāo)是商業(yè)銀行運(yùn)作過程的硬性標(biāo)準(zhǔn)，而流動性監(jiān)測則是流動性管理的基礎(chǔ)，是防范和化解流動性風(fēng)險的基礎(chǔ)性建設(shè)。探尋構(gòu)建與最新監(jiān)管指標(biāo)相銜接且符合我國商業(yè)銀行實(shí)際情況的流動性監(jiān)測指標(biāo)體系，具有積極的現(xiàn)實(shí)意義。第二，流動性風(fēng)險在時間維度積累過程中，測度方法的有效性可能存在改變，但目前相關(guān)研究的關(guān)注不夠。第三，流動性監(jiān)測指標(biāo)體系架構(gòu)具有整體性，不應(yīng)僅強(qiáng)調(diào)單個銀行機(jī)構(gòu)的微觀審慎監(jiān)管，還應(yīng)引入宏觀審慎思想，綜合考慮宏觀經(jīng)濟(jì)金融環(huán)境變化所帶來的反饋效應(yīng)。

于我國而言，杠桿率調(diào)整自2015年中央經(jīng)濟(jì)工作會議開始已被明確為經(jīng)濟(jì)工作的一項(xiàng)重要任務(wù)。杠桿率調(diào)整的不同進(jìn)程必然會對銀行業(yè)務(wù)產(chǎn)生不同影響，進(jìn)而導(dǎo)致銀行流動性變化帶有階段性特征，即當(dāng)大部分機(jī)構(gòu)和投資者采取主動或被動去杠桿的方式以減少負(fù)債時，會在一定程度上減少對銀行的貸出款項(xiàng)，并伴隨多種不確定因素對銀行的流動性產(chǎn)生影響。那么基于杠桿率調(diào)整進(jìn)程的不同時段，我國商業(yè)銀行流動性監(jiān)測評價算法的有效性是否具有階段性？流動性監(jiān)測指標(biāo)體系的構(gòu)成是否應(yīng)隨杠桿率調(diào)整階段的變化而改變？針對不同性質(zhì)銀行的流動性監(jiān)測指標(biāo)體系是否存在差異？基于上述問題，本文的貢獻(xiàn)在于：(1)分別以我國國有控股商業(yè)銀行和股份制商業(yè)銀行作為研究對象，探討杠桿率調(diào)整進(jìn)程中我國商業(yè)銀行流動性監(jiān)測指標(biāo)選取和評價算法的有效性和階段性。(2)解釋不同類型銀行間是否存在顯著差異。(3)將深度前饋網(wǎng)絡(luò)學(xué)習(xí)與指標(biāo)評價相匹配，在一定程度上突破由靜態(tài)期限匹配向動態(tài)現(xiàn)金流匹配目標(biāo)轉(zhuǎn)換過程中數(shù)據(jù)可得性和測算方法的瓶頸，體現(xiàn)流動性監(jiān)測過程中對我國宏觀經(jīng)濟(jì)金融重要環(huán)境變化的關(guān)注。(4)基于深度前饋網(wǎng)絡(luò)比較不同算法下的計(jì)算結(jié)果。

2 模型構(gòu)建與數(shù)據(jù)描述

2.1 建模思路與算法原理

深度前饋網(wǎng)絡(luò)(Multilayer Perceptron, MLP，也稱多層感知器)是一種近年來被廣泛應(yīng)用的典型深度學(xué)習(xí)模型，具有自動基于數(shù)據(jù)提取特征表示抽象級別的性能，當(dāng)模型深度較淺時仍能通過增加模型寬度提高準(zhǔn)確率?？紤]銀行流動性風(fēng)險形成機(jī)制的復(fù)雜性及影響因素的多樣性，使得指標(biāo)和評價方法的有效選擇尤為重要。MLP中每一層的權(quán)重和閾值可以由監(jiān)督學(xué)習(xí)或者無監(jiān)督學(xué)習(xí)過程來決定。本文基于MLP模型，在借鑒Tavana等[20]ANN-BN兩階段分析方法和既有指標(biāo)選取成果的基礎(chǔ)上，研究我國商業(yè)銀行流動性監(jiān)測。不同之處在于，本文的研究不再以單一銀行為目標(biāo)進(jìn)行考量，而是分析不同類型銀行背景下的規(guī)律性與差異性；不僅探討算法的靜態(tài)適用性，而且引入外部環(huán)境影響探討杠桿率調(diào)整進(jìn)程中有效性的改變。

模型結(jié)構(gòu)設(shè)計(jì)和訓(xùn)練是MLP準(zhǔn)確擬合復(fù)雜映射函數(shù)的關(guān)鍵。ANN模型設(shè)計(jì)的關(guān)鍵在于對元素權(quán)重的更新，而BN模型則在于先驗(yàn)分布。模型訓(xùn)練主要是指選取優(yōu)化算法訓(xùn)練模型。二階優(yōu)化算法中，迭代算法(Levenberg-Marquardt, LM)主要用于無約束的多維非線性規(guī)劃問題，通過在高斯-牛頓算法(Gauss-Newton, GN)和梯度下降算法(Gradient Descent, GD)之間插值加快一階牛頓法的收斂，從而抑制過度擬合。雖然LM算法比GN算法更優(yōu)，但它只能找到局部最小值，而不一定是全局最小值。遺傳算法(Genetic Algorithm, GA)通過生成隨機(jī)向量作為隨后應(yīng)用交叉和變異的權(quán)向量，輸出向量使用輸入和權(quán)重計(jì)算，輸出值與目標(biāo)值之間的差異作為成本引入，通過選擇成本最低的遺傳算法搜索至權(quán)重演變?yōu)檫m當(dāng)?shù)淖罱K解決方案。GA算法的實(shí)現(xiàn)強(qiáng)調(diào)數(shù)據(jù)集足夠方便，全局搜索能力較強(qiáng)，但是GA算法容易過早收斂，搜索效率相對于LM算法較低。何種算法在監(jiān)測我國商業(yè)銀行流動性方面更具優(yōu)勢，需根據(jù)市場實(shí)際情況進(jìn)行測算比較。在BN部分的算法選取方面，主要依既有研究結(jié)論討論爬山算法的適用性，以形成指標(biāo)體系內(nèi)連結(jié)關(guān)系。

模型的研究目標(biāo)可總結(jié)為：在MLP-ANN-BN分析框架下：(1)比較LM算法和GA算法對我國商業(yè)銀行流動性監(jiān)測的有效性，兩種算法下國有控股商業(yè)銀行和股份制商業(yè)銀行對算法的傾向是否具有一致性。(2)識別我國商業(yè)銀行流動性監(jiān)測指標(biāo)體系和指標(biāo)間關(guān)聯(lián)。(3)說明在我國杠桿率調(diào)整進(jìn)程中，商業(yè)銀行流動性監(jiān)測評價算法的有效性和流動性監(jiān)測指標(biāo)體系構(gòu)成是否隨之改變。

2.2 指標(biāo)選取

2.2.1 輸入變量

本文在巴塞爾協(xié)議Ⅲ流動性計(jì)量標(biāo)準(zhǔn)的基礎(chǔ)上，結(jié)合中國商業(yè)銀行流動性監(jiān)管實(shí)踐和規(guī)則要求，權(quán)衡數(shù)據(jù)的可得性和可比較性，綜合選取以下9個代表性指標(biāo)(詳見表1)作為輸入指標(biāo)。

X1的選取是考慮到我國《商業(yè)銀行流動性風(fēng)險管理辦法》中流動性風(fēng)險監(jiān)測參考指標(biāo)含有流動性缺口和流動性缺口率，而在MLP-ANN-BN框架中流動性比率將被作為輸出指標(biāo)，故以速凍比率衡量商業(yè)銀行流動資產(chǎn)中立即變現(xiàn)用于償還流動負(fù)債的能力；X2的選擇源自巴塞爾協(xié)議III，反映商業(yè)銀行承受風(fēng)險的能力以及對負(fù)債的最后清償能力；X3的選取是考慮負(fù)債的增加可能導(dǎo)致凈資產(chǎn)收益率的上升，銀行將有更多的錢投資于其他項(xiàng)目，從而對銀行流動性產(chǎn)生間接影響；X4主要衡量存貸比的變化對我國商業(yè)銀行流動性的影響；X5是不良貸款率，不僅反映商業(yè)銀行信貸資產(chǎn)的安全狀況，還是體現(xiàn)信用風(fēng)險積累和變化情況的重要指標(biāo)，能夠直接影響我國商業(yè)銀行的流動性；X6是美聯(lián)儲靜態(tài)計(jì)量商業(yè)銀行流動性的指標(biāo)，此處用于衡量存款期限結(jié)構(gòu)對我國商業(yè)銀行流動性的影響；X7和X8反應(yīng)了信貸業(yè)務(wù)交互作用對流動性的影響[20]，也是對同業(yè)融入情況的反映；X9選自我國《商業(yè)銀行流動性風(fēng)險管理辦法》中的流動性風(fēng)險監(jiān)測參考指標(biāo)，現(xiàn)金及存放中央銀行款項(xiàng)是商業(yè)銀行持有或要求持有的用于承擔(dān)風(fēng)險敞口，業(yè)務(wù)損失等風(fēng)險的資金，能直接影響銀行的流動性。

表1 MLP-ANN-BN分析框架下我國商業(yè)銀行流動性監(jiān)測輸入指標(biāo)

注：Z代表“正在評估的銀行”，Q代表“其他銀行”。

2.2.2 輸出變量

選取流動性比例為輸出變量。與Tavana等[20]一致，該指標(biāo)能夠較好地反映商業(yè)銀行流動性水平及流動性風(fēng)險狀況在監(jiān)管狀態(tài)下的變化趨勢。在模型中記為X10=流動性比例=Z的流動性資產(chǎn)/Z的流動性負(fù)債，函數(shù)設(shè)定為L(X10):當(dāng)X10<1時,L(X10)=1-X10；其他為0，采用自回歸模式進(jìn)行配置。

2.2.3 杠桿率變化作為外部環(huán)境的影響

根據(jù)巴塞爾協(xié)議Ⅲ，杠桿率和流動性及其交互影響同是重點(diǎn)關(guān)注的內(nèi)容。國內(nèi)外學(xué)者在杠桿率、流動性和銀行經(jīng)營績效關(guān)系方面取得了相關(guān)成果。巴曙松等[17]提出，如果將杠桿率監(jiān)管、資本管理辦法和流動性監(jiān)管標(biāo)準(zhǔn)綜合來考察商業(yè)銀行，則會從客觀上增加經(jīng)營成本、降低收益水平，需要銀行凈利差保持在較高水平方能實(shí)施。明顯，在降低社會融資成本的現(xiàn)行背景下，并不適宜將杠桿率指標(biāo)納入我國商業(yè)銀行流動性監(jiān)測指標(biāo)體系中?？紤]上述因素，本文以集多種宏觀因素影響后形成的商業(yè)銀行杠桿率(X11)的變化，作為影響商業(yè)銀行流動性的外部環(huán)境，研究杠桿率調(diào)整進(jìn)程中，MLP-ANN-BN分析框架下的商業(yè)銀行流動性監(jiān)測評價算法有效性和流動性監(jiān)測指標(biāo)體系構(gòu)成是否隨之改變。

2.3 數(shù)據(jù)來源與樣本區(qū)間

考慮到美國次貸危機(jī)影響后的修復(fù)，本文選擇2010年第4季度至2017年第4季度作為研究的全樣本區(qū)間。子樣本階段劃分將根據(jù)引言杠桿率調(diào)整進(jìn)程的梳理和斷點(diǎn)檢驗(yàn)分析給出。所有指標(biāo)數(shù)據(jù)根據(jù)樣本銀行季度財(cái)務(wù)報告整理得出，數(shù)據(jù)來源于Wind數(shù)據(jù)庫。同時，考慮到MLP-ANN-BN分析框架下模型的深度，借鑒Tavana等[20]采用插值法三次插值增加樣本數(shù)量。文中對所有輸入和輸出變量都進(jìn)行標(biāo)準(zhǔn)化處理。本文的樣本銀行選擇5家國有控股商業(yè)銀行，分別是中國工商銀行、中國建設(shè)銀行、中國銀行、中國農(nóng)業(yè)銀行和交通銀行；7家是股份制商業(yè)銀行，分別是招商銀行、光大銀行、民生銀行、興業(yè)銀行、浦發(fā)銀行、中信銀行和華夏銀行，在實(shí)證過程中進(jìn)行分類討論。

3 學(xué)習(xí)結(jié)果與分析

3.1 杠桿率調(diào)整階段劃分的斷點(diǎn)確認(rèn)

從我國杠桿率調(diào)整進(jìn)程的梳理可以看出2015年底至2016年初可能是子階段劃分的重要起點(diǎn)；隨著經(jīng)濟(jì)杠桿率調(diào)整要求的實(shí)施，我國商業(yè)銀行流動性隨銀行杠桿率的變化也呈現(xiàn)出階段性特征，并在2015年底附近表現(xiàn)出現(xiàn)明顯的斜率改變；所以2015年4季度至2017年4季度可能形成全樣本區(qū)間中的一個子樣本階段。本文用Chow斷點(diǎn)檢驗(yàn)對子樣本進(jìn)行輔助判斷。結(jié)果表明，全樣本區(qū)間的兩個子樣本區(qū)間分為2010年第4季度至2015年第4季度(第1階段)和2015年第4季度至2017年第4季度(第2階段)，對全樣本區(qū)間和子樣本區(qū)間數(shù)據(jù)均采用相同模式算法進(jìn)行比較分析。

3.2 網(wǎng)絡(luò)結(jié)構(gòu)

本文選擇了具有一個隱藏層的三層MLP架構(gòu)，并將輸入變量X1至X9，輸出變量X10和流動性風(fēng)險函數(shù)L(X10)納入，數(shù)據(jù)分為培訓(xùn)(70%)、驗(yàn)證(15%)和測試(15%)三組。基于全樣本和子樣本區(qū)間，通過LM算法和GA算法對12家銀行進(jìn)行反復(fù)測試，以目標(biāo)值與輸出值的相關(guān)系數(shù)(R)、均方誤差(MSE)、平均值(μ)和殘差標(biāo)準(zhǔn)差(σ)之間的相關(guān)性來選擇網(wǎng)絡(luò)。

全樣本和子樣本區(qū)間分析結(jié)果均表明，9-10-1結(jié)構(gòu)的MSE和σ比其他結(jié)構(gòu)小，且LM算法本身有抑制過度擬合的優(yōu)點(diǎn)，所以本文選取在質(zhì)量方面表現(xiàn)得更好的9-10-1對樣本進(jìn)行學(xué)習(xí)。

3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練與算法性能比較

基于測算出的9-10-1結(jié)構(gòu)，本文分別使用LM算法和GA算法對5家國有控股商業(yè)銀行和7家股份制商業(yè)銀行進(jìn)行全樣本和子樣本(第2階段)區(qū)間的分析。表2給出了全樣本區(qū)間和子樣本區(qū)間(第2階段)國有控股商業(yè)銀行在兩種優(yōu)化算法下輸出值與目標(biāo)值之間的相關(guān)性、均方誤差、平均值和殘差標(biāo)準(zhǔn)差方面的比較。從對比結(jié)果看，全樣本和子樣本區(qū)間內(nèi)LM算法下的國有控股商業(yè)銀行的輸出值與目標(biāo)值相關(guān)性、均方誤差、平均值和殘差標(biāo)準(zhǔn)差優(yōu)于GA算法下的模擬效果，即LM算法在監(jiān)測國有控股商業(yè)銀行流動性方面比GA算法具有優(yōu)勢。

表2 國有控股商業(yè)銀行LM算法與GA算法比較

同理，表3給出了全樣本區(qū)間和子樣本區(qū)間下股份制商業(yè)銀行在兩種優(yōu)化算法下輸出值與目標(biāo)值之間的相關(guān)性、均方誤差、平均值和殘差標(biāo)準(zhǔn)差方面的比較。從對比結(jié)果看，全樣本和子樣本區(qū)間內(nèi)LM算法下的股份制商業(yè)銀行的輸出值與目標(biāo)值相關(guān)性、均方誤差、平均值和殘差標(biāo)準(zhǔn)差優(yōu)于GA算法下的模擬效果，所以LM算法在監(jiān)測股份制商業(yè)銀行流動性方面比GA算法具有優(yōu)勢。

進(jìn)一步的，從算法在培訓(xùn)、驗(yàn)證和測試三個獨(dú)立數(shù)據(jù)組上的性能和學(xué)習(xí)誤差的下降趨勢來看，無論國有控股商業(yè)銀行還是股份制銀行，在杠桿率調(diào)整進(jìn)程中也都顯示為LM算法優(yōu)于GA算法。

圖1和圖2通過顯示學(xué)習(xí)誤差的下降趨勢對GA算法和LM算法性能比較進(jìn)行進(jìn)一步的補(bǔ)充。圖1為GA算法訓(xùn)練網(wǎng)絡(luò)時學(xué)習(xí)誤差的下降趨勢。圖2為LM算法訓(xùn)練網(wǎng)絡(luò)時訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)和測試數(shù)據(jù)相關(guān)的學(xué)習(xí)誤差的趨勢。

表3 股份制商業(yè)銀行LM算法與GA算法比較

圖1 GA算法訓(xùn)練網(wǎng)絡(luò)時學(xué)習(xí)誤差趨勢

圖2 LM算法訓(xùn)練網(wǎng)絡(luò)時學(xué)習(xí)誤差的趨勢

3.4 杠桿率調(diào)整進(jìn)程中商業(yè)銀行流動性監(jiān)測指標(biāo)評價

本部分將先基于MLP-ANN-BN分析框架下的ANN篩選高學(xué)習(xí)效力指標(biāo)，再基于BN形成優(yōu)化后的指標(biāo)體系，進(jìn)而給出指標(biāo)間的連結(jié)。

為了探究國有控股商業(yè)銀行和股份制商業(yè)銀行中能夠較好學(xué)習(xí)銀行流動性狀態(tài)的指標(biāo)組是否具有相似性，基于前文的研究基礎(chǔ)上用LM算法分別對5家國有控股商業(yè)銀行和7家股份制商業(yè)銀行進(jìn)行了全樣本區(qū)間和子樣本區(qū)間(第2階段)的測度，并依次給出學(xué)習(xí)效力排名前5的指標(biāo)組合(如表4所示)。

從表中可以看出，全樣本和子樣本區(qū)間(第2階段)內(nèi)國有控股商業(yè)銀行學(xué)習(xí)效率最高的指標(biāo)變量雖有差異，但綜合來看，全樣本區(qū)間測試階段X4(存貸比)和X5(不良貸款率)對國有控股商業(yè)銀行流動性的學(xué)習(xí)效力表現(xiàn)出一定的穩(wěn)定性；同樣，子樣本區(qū)間(第2階段)測試階段X4和X8(Z在Q的信貸/Q在Z的信貸)對國有控股商業(yè)銀行流動性的學(xué)習(xí)效力表現(xiàn)出較強(qiáng)的穩(wěn)定性。在股份制商業(yè)銀行中學(xué)習(xí)效率最高的指標(biāo)變量也表現(xiàn)出了差異，全樣本區(qū)間測試階段X4和X6(存款結(jié)構(gòu)比率)對股份制商業(yè)銀行流動性的學(xué)習(xí)效力表現(xiàn)出一定的穩(wěn)定性；子樣本區(qū)間(第2階段)測試階段X6和X8對國有商業(yè)銀行流動性的學(xué)習(xí)效力表現(xiàn)出較強(qiáng)的穩(wěn)定性。說明兩種性質(zhì)銀行的指標(biāo)篩選結(jié)果存在差異，且隨著杠桿率調(diào)整進(jìn)程的深入，銀行間信貸業(yè)務(wù)交互作用對流動性的影響力日趨提升。

表4 國有控股商業(yè)銀行和股份制商業(yè)銀行學(xué)習(xí)效力排名前5指標(biāo)組

由5家國有控股商業(yè)銀行全樣本區(qū)間的樣本數(shù)據(jù)來看，存貸比波動較大，平均波動率為0.114，2015年第4季度至2017年第四季度我國杠桿率調(diào)整進(jìn)入重點(diǎn)關(guān)注時期后波動率也呈現(xiàn)出較大起伏。不良貸款率的波動率則表現(xiàn)出更大的波動，平均波動幅度在50%左右，但是就農(nóng)行而言資本充足率的波動幅度相對不良貸款率的波動幅度更加明顯，與此同時，Z在Q的信貸/Q在Z的信貸在2015年第4季度至2017年第4季度我國杠桿率調(diào)整進(jìn)入重點(diǎn)關(guān)注時期后也表現(xiàn)出較大的波動率，平均波動率為0.0402。

由7家股份制商業(yè)銀行的指標(biāo)實(shí)際數(shù)據(jù)來看，存款結(jié)構(gòu)比率波動較大，平均波動率為0.0272，2015年第4季度至2017年第4季度我國杠桿率調(diào)整進(jìn)入重點(diǎn)關(guān)注時期后波動率為0.0154。存貸比平均波動率為0.0055，杠桿率調(diào)整進(jìn)入重點(diǎn)關(guān)注時期后的波動率為0.0040。即對股份制商業(yè)銀行而言，雖然存貸比也呈現(xiàn)了較大增幅，但存款結(jié)構(gòu)比率指標(biāo)相對于存貸比而言波動性更高。與此同時，Z在Q的信貸/Q在Z的信貸在2015年第4季度至2017年第4季度我國杠桿率調(diào)整進(jìn)入重點(diǎn)關(guān)注時期后也表現(xiàn)出較大的波動率，平均波動率為0.0134。

考慮到如果使用ANN評判基于學(xué)習(xí)質(zhì)量的指標(biāo)體系，將進(jìn)行36次學(xué)習(xí)運(yùn)算，計(jì)算量較大，而BN恰能克服這一缺陷，通過ANN學(xué)習(xí)選出的評價指標(biāo)轉(zhuǎn)化為BN分析中能夠使用的布爾量，借助爬山算法，在分析其對測算我國商業(yè)銀行流動性指標(biāo)數(shù)據(jù)關(guān)系有效性的基礎(chǔ)上，可以給出商業(yè)銀行流動性監(jiān)測指標(biāo)體系內(nèi)5組指標(biāo)的連結(jié)關(guān)系，從而能夠根據(jù)指標(biāo)間的鏈接關(guān)系更好地監(jiān)測商業(yè)銀行的流動性風(fēng)險。

同時為了評估MLP-ANN-BN框架下商業(yè)銀行流動性監(jiān)測指標(biāo)體系的測算精度和預(yù)測能力，將近似的流動性風(fēng)險函數(shù)L(X10)與同一時間段的實(shí)際數(shù)據(jù)進(jìn)行比較，誤差率小于1%。以工商銀行和招商銀行作為國有控股和股份制商業(yè)銀行的表征，經(jīng)過學(xué)習(xí)訓(xùn)練后真實(shí)值與測算值的擬合結(jié)果顯示，工商銀行的誤差率約為0.0000603，招商銀行的誤差率約為0.0000517，從而可以證明模型穩(wěn)健。

4 結(jié)論與啟示

商業(yè)銀行流動性管理在流動性監(jiān)測指標(biāo)體系構(gòu)建，流動性風(fēng)險隨時間積累引致測度方法有效性的改變，以及與宏觀經(jīng)濟(jì)金融環(huán)境變化的結(jié)合三方面存在探討空間。本文分別以我國5家國有控股商業(yè)銀行和7家股份制商業(yè)銀行作為研究對象，在借鑒MLP-ANN-BN兩階段分析方法和既有指標(biāo)選取研究成果的基礎(chǔ)上，圍繞我國杠桿率調(diào)整進(jìn)程與商業(yè)銀行流動性變化關(guān)系的時段特征，分析我國商業(yè)銀行流動性監(jiān)測評價算法的有效性是否具有階段性；流動性監(jiān)測指標(biāo)體系的構(gòu)成是否應(yīng)隨杠桿率調(diào)整階段的變化而改變；以及不同性質(zhì)銀行的流動性監(jiān)測指標(biāo)體系是否存在差異。得到如下結(jié)論：(1)商業(yè)銀行流動性隨銀行杠桿率的變化呈現(xiàn)出階段性特征，其在2015年4季度存在結(jié)構(gòu)斷點(diǎn)。(2)深度前饋網(wǎng)絡(luò)下ANN-BN兩階段分析方法的研究結(jié)果表明，在杠桿率調(diào)整的重點(diǎn)關(guān)注階段前后，LM算法在監(jiān)測我國商業(yè)銀行流動性方面都比GA算法更具優(yōu)勢。(3)不同性質(zhì)銀行的流動性監(jiān)測指標(biāo)體系構(gòu)成和結(jié)構(gòu)關(guān)系存在差異。從學(xué)習(xí)效力排名前5的指標(biāo)組合可以看出，國有控股商業(yè)銀行中除農(nóng)業(yè)銀行外，X4(存貸比)和X5(不良貸款率)指標(biāo)組具有穩(wěn)定性；在股份制商業(yè)銀行中X4和X6(存款結(jié)構(gòu)比率)指標(biāo)組具有穩(wěn)定性。(4)隨著我國杠桿率調(diào)整進(jìn)程的深入，不同性質(zhì)商業(yè)銀行流動性監(jiān)測指標(biāo)構(gòu)成中學(xué)習(xí)效力最高的一組指標(biāo)的有效性具有一定的穩(wěn)定性，但也發(fā)生改變。從學(xué)習(xí)效力排名前5的指標(biāo)組合綜合來看，國有商業(yè)銀行由全樣本區(qū)間下的X4和X5組合變化為子樣本區(qū)間下的X4和X8(Z在Q的信貸/Q在Z的信貸)；股份制商業(yè)銀行由全樣本區(qū)間下的X4和X6變化為子樣本區(qū)間下的X6和X8；銀行間信貸業(yè)務(wù)交互作用對流動性的影響力在杠桿率調(diào)整進(jìn)程中日趨提升。

本文主要分析了不同類型銀行的規(guī)律性與差異性；不僅探討算法的靜態(tài)適用性，而且引入外部環(huán)境影響探討杠桿率調(diào)整進(jìn)程中有效性的改變。對商業(yè)銀行的流動性風(fēng)險管理有重要啟示：(1)商業(yè)銀行和銀保監(jiān)會應(yīng)當(dāng)結(jié)合LM算法下的深度前饋網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)方法監(jiān)測我國商業(yè)銀行流動性風(fēng)險。(2)國有控股銀行和股份制商業(yè)銀行在進(jìn)行流動性風(fēng)險管理的時候應(yīng)該根據(jù)其自有特征制定監(jiān)管方案。(3)銀保監(jiān)會在對商業(yè)銀行進(jìn)行監(jiān)管時不僅要關(guān)注整體層面的特征，也應(yīng)當(dāng)關(guān)注階段性特征。