戚善芝

【摘 要】在新版巴塞爾協(xié)議中，操作風(fēng)險被世界銀行納入資本充足率的計算體系。由此，國際銀行界開始高度重視操作風(fēng)險。但由于操作風(fēng)險難以度量，損失數(shù)據(jù)難以獲取。因此，文章利用2010—2018年我國國有四大商業(yè)銀行的相關(guān)風(fēng)險數(shù)據(jù)，采用收入法，將凈利潤作為被解釋變量，選擇5個風(fēng)險指標(biāo)進行解釋，對國有四大商業(yè)銀行的操作風(fēng)險進行度量。結(jié)果表明：從絕對操作風(fēng)險和相對操作風(fēng)險來看，中國農(nóng)業(yè)銀行的操作風(fēng)險略高于其他三大銀行，中國銀行次之，中國工商銀行則最小。

【關(guān)鍵詞】收入法;操作風(fēng)險度量;國有商業(yè)銀行

【中圖分類號】F830 【文獻標(biāo)識碼】A 【文章編號】1674-0688（2020）07-0174-02

1 文獻綜述

金融機構(gòu)面臨的風(fēng)險除信用風(fēng)險、市場風(fēng)險、流動性風(fēng)險之外，還有操作風(fēng)險。有關(guān)操作風(fēng)險的研究，國外學(xué)者 Duncan Wilson（1995）首次提出用VaR方法來度量;Artzner（1999）提出改進后的TVaR風(fēng)險度量方法;Belles-Sampera（2014）提出名叫Glue VaR的新的風(fēng)險度量方法，并給出了Glue VaR的函數(shù)表達式。

國內(nèi)學(xué)者饒方喜（2018）指出隨著金融業(yè)的發(fā)展，加強金融風(fēng)險管控必須關(guān)注操作風(fēng)險的度量。關(guān)于商業(yè)銀行操作風(fēng)險的度量，國內(nèi)外學(xué)者常用極值法和收入法兩種方法。極值法需要用到銀行內(nèi)部的操作損失數(shù)據(jù)，而收入法所需銀行外部的數(shù)據(jù)?；诖?，樊欣和楊曉光（2004）運用收入和證券因素2種模型研究了操作風(fēng)險，兩種模型都可以有效度量操作風(fēng)險，但收入模型的度量效果更好。楊肅昌等人（2015）將16家國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行進行了操作風(fēng)險度量與比較。研究發(fā)現(xiàn)：城市商業(yè)銀行操作風(fēng)險最小，國有商業(yè)銀行較大，股份制商業(yè)銀行操作風(fēng)險最大。因為非參數(shù)法在度量操作風(fēng)險時對損失額的分布沒有過多的設(shè)定，從而避免了分布誤設(shè)可能帶來的偏離。基于此，戴麗娜（2017）在損失分別法的基礎(chǔ)上，采用非參數(shù)法研究了商業(yè)銀行操作風(fēng)險的度量。汪雅倩、朱家明（2016）基于新常態(tài)下，運用收入模型研究了我國商業(yè)銀行操作風(fēng)險的防控，利用11家代表性上市銀行的數(shù)據(jù)，進行操作風(fēng)險的度量并通過比較分析表明在引入變異系數(shù)的基礎(chǔ)上，股份制銀行比國有銀行操作風(fēng)險高4.3倍。盛國祥等人（2017）同樣運用收入模型，對8家商業(yè)銀行操作風(fēng)險進行度量，并得出中國工商銀行的操作風(fēng)險最大，招商銀行最低，而中國民生銀行相對操作風(fēng)險最高，中國建設(shè)銀行相對操作風(fēng)險最低。

2 收入模型原理

收入模型的被解釋變量是銀行的凈利潤，解釋變量是市場風(fēng)險、信用風(fēng)險和操作風(fēng)險。為使研究更加準(zhǔn)確，加入流動性風(fēng)險。由于操作風(fēng)險損失數(shù)據(jù)難以獲取，因而可衡量得其他風(fēng)險的指標(biāo)度量操作風(fēng)險波動，將不能解釋的部分視為由操作風(fēng)險引起。

收入模型方程可表示為

Profit=a0+a1X1+a2X2+…+anXn+￡（1）

式（1）中，Profit為被解釋變量，表示銀行的凈利潤;X1，…，Xn為解釋變量，表示各風(fēng)險因素;a0，…，an為回歸系數(shù)，表示風(fēng)險因子的敏感度系數(shù);￡為隨機誤差項。

操作風(fēng)險方差表示為

б2=（1-R2）б2Profit（2）

式（2）中，б2Profit表示凈利潤的標(biāo)準(zhǔn)差，R2表示模型的擬合系數(shù)。假設(shè)銀行的凈利潤（Profit）服從正態(tài)分布，那么根據(jù)正態(tài)分布，在99.9%的置信水平下操作風(fēng)險的值為3.1б。

OpRisk=3.1б（3）

3 變量的選取和模型的建立

3.1 變量的選取（見表1）

（1）市場風(fēng)險。選取名義GDP和上證指數(shù)（INDEX）作為風(fēng)險因子。

（2）信用風(fēng)險。選取資本充足率（CAR）、不良貸款率（NPLR）兩個指標(biāo)。

（3）流動性風(fēng)險。用流動性比率（LR）表示。

3.2 數(shù)據(jù)來源

本文主要研究對象是我國國有四大商業(yè)銀行，由于中國農(nóng)業(yè)銀行于2010年才上市，故本文選擇了4家國有商業(yè)銀行2010—2018年年度時間序列數(shù)據(jù)。具體數(shù)據(jù)：凈利潤（Profit，單位為億元）、資本充足率（CAR）、不良貸款率（NPLR）、流動性比率（LR）的數(shù)據(jù)均來自各銀行官網(wǎng)公布的財務(wù)報告;名義GDP（單位為億元）來自東方財富網(wǎng);上證指數(shù)（INDEX，單位為元）取每年末收盤價，來自WIND資訊。

3.3 模型的建立

根據(jù)公式（1），建立回歸方程：

Profit=a0+a1CAR+a2NPLR+a3GDP+a4INDEX+a5LR（4）

4 基于收入模型的實證分析

4.1 正態(tài)性檢驗

運用收入模型的前提條件為模型的被解釋變量滿足正態(tài)分布的要求。因此，運用Eviews軟件對4家國有控股銀行凈利潤的數(shù)據(jù)進行正態(tài)性檢驗，由表2可知：中國銀行、中國農(nóng)業(yè)銀行、中國工商銀行、中國建設(shè)銀行四大行的正態(tài)檢驗的P值分別為0.555 111、0.559 212、0.415 243和0.543 148，P值的結(jié)果均遠大于5%顯著性水平下臨界值0.05，認(rèn)為不能拒絕凈利潤服從正態(tài)分布的原假設(shè)，即初步認(rèn)為這4家國有商業(yè)銀行凈利潤服從正態(tài)分布。因此，可以利用收入法對操作風(fēng)險的大小進行度量。

4.2 操作風(fēng)險的計量

通過Eviews軟件對收入法下建立的模型進行回歸得到模型的擬合系數(shù)R2，具體數(shù)值見表2。通過將回歸得到的R2和表2中得到的бProfit帶入公式（2）得到操作風(fēng)險的方差б2，利用公式（3）OpRisk=3.1б即可計算出99.9%置信水平下操作風(fēng)險的計量值。

4.2.1 絕對操作風(fēng)險計量結(jié)果

由分析可知，在收入模型下，中國農(nóng)業(yè)銀行的R2=0.938 1，這表明中國農(nóng)業(yè)銀行的風(fēng)險有93.81%可以由市場風(fēng)險、信用風(fēng)險和流動性風(fēng)險來解釋，剩下的6.19%則可由操作風(fēng)險解釋;同理，中國銀行、中國工商銀行、中國建設(shè)銀行則分別有7.62%、2.86%、5.03%的風(fēng)險是由操作風(fēng)險引起的。根據(jù)國際規(guī)定，在商業(yè)銀行總風(fēng)險中，操作風(fēng)險比重范圍為10%～20%，由此可見我國國有四大商業(yè)銀行經(jīng)過多年的體制建設(shè)和風(fēng)險防控，已經(jīng)很好地防范了操作風(fēng)險的發(fā)生。另外，通過計算，四大銀行的絕對操作風(fēng)險估計值分別為274.32億元、242.97億元、226.52億元、266.44億元人民幣。由此可見，我國國有四大商業(yè)銀行近10年的數(shù)據(jù)表明，四大銀行的操作風(fēng)險相差不大，相比之下中國銀行的操作風(fēng)險帶來的損失估計值略高，中國工商銀行的操作風(fēng)險值最小。

4.2.2 相對操作風(fēng)險計量結(jié)果

本文總結(jié)前人研究成果，借鑒盛國祥（2018）研究中相關(guān)概念，定義v=操作風(fēng)險/銀行總資產(chǎn)為相對操作風(fēng)險。中國銀行、中國農(nóng)業(yè)銀行、中國工商銀行、中國建設(shè)銀行四大國有商業(yè)銀行的相對操作風(fēng)險數(shù)值分別為0.001 564、0.001 682、0.001 095、0.001 559。從相對風(fēng)險具體數(shù)值來看，四大銀行的相對操作風(fēng)險數(shù)值相差不大，相比之下，中國農(nóng)業(yè)銀行相對操作風(fēng)險最大、中國銀行次之，中國工商銀行最小。

5 結(jié)論

信用風(fēng)險、市場風(fēng)險和操作風(fēng)險是商業(yè)銀行的三大金融風(fēng)險，本文重點分析探討了基于收入模型的操作風(fēng)險度量模型，選取了GDP、INDEX、LR、NPLR、CAR相對客觀的數(shù)據(jù)來構(gòu)建收入模型。在數(shù)據(jù)來源上，由于中國農(nóng)業(yè)銀行2010年才上市，故選取2010—2018年數(shù)據(jù)對模型進行擬合。實證結(jié)果表明，中國農(nóng)業(yè)銀行無論從絕對操作風(fēng)險還是從相對操作風(fēng)險值上看其操作風(fēng)險管理水平都略高于其他三大國有銀行。因此，對于中國農(nóng)業(yè)銀行而言，可以借鑒友行的操作風(fēng)險管理制度，進一步提高操作風(fēng)險管理水平，完善操作風(fēng)險管理內(nèi)部控制制度。

參 考 文 獻

[1]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.

[2]陸靜，羅偉卿.基于收入模型對商業(yè)銀行操作風(fēng)險的估計[J].金融論壇，2010（5）：53-57.

[3]趙莉娜，周丹.關(guān)于國有控股商業(yè)銀行操作風(fēng)險度量的研究——基于收入模型的實證分析[J].特區(qū)經(jīng)濟，2014

（4）：103-105.

[4]饒芳喜.金融風(fēng)險中的新領(lǐng)域——操作風(fēng)險的度量與管理[J].現(xiàn)代經(jīng)濟信息，2018（11）：314，316.