馬占新, 張 蕾

(內(nèi)蒙古大學(xué) 經(jīng)濟(jì)管理學(xué)院,內(nèi)蒙古 呼和浩特 010021; 2.天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部,天津 300072)

0 引言

近年來(lái)，隨著世界經(jīng)濟(jì)的快速發(fā)展，行業(yè)競(jìng)爭(zhēng)日趨激烈。貿(mào)易戰(zhàn)等不確定性因素也為世界經(jīng)濟(jì)帶來(lái)了風(fēng)險(xiǎn)與挑戰(zhàn)。2022年8月17日，習(xí)近平總書記主持召開中央財(cái)經(jīng)委員會(huì)第十次會(huì)議時(shí)指出：“要堅(jiān)持底線思維，增強(qiáng)系統(tǒng)觀念，遵循市場(chǎng)化法治化原則，統(tǒng)籌做好重大金融風(fēng)險(xiǎn)防范化解工作。”由此可以看出，準(zhǔn)確分析金融風(fēng)險(xiǎn)、并給出有效防范措施將是目前極其重要的任務(wù)。從以往的經(jīng)驗(yàn)看，一個(gè)系統(tǒng)常常是多種風(fēng)險(xiǎn)相伴而生，各種風(fēng)險(xiǎn)之間的關(guān)系又因?yàn)榄h(huán)境的不確定性而變得十分復(fù)雜。而數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis，DEA)方法不必確定決策單元指標(biāo)間的顯式關(guān)系，特別適合復(fù)雜系統(tǒng)的有效性評(píng)價(jià)。但由于DEA方法是一種效率評(píng)價(jià)方法，無(wú)法直接用于分析銀行業(yè)的風(fēng)險(xiǎn)問(wèn)題。因此，本文以中國(guó)銀行業(yè)風(fēng)險(xiǎn)分析為研究對(duì)象，給出一種用于綜合風(fēng)險(xiǎn)測(cè)度、極大風(fēng)險(xiǎn)預(yù)測(cè)以及尋找降低風(fēng)險(xiǎn)可行路徑的非參數(shù)方法，并將其應(yīng)用于中國(guó)省市銀行業(yè)的風(fēng)險(xiǎn)分析中。

1 文獻(xiàn)綜述

對(duì)銀行業(yè)風(fēng)險(xiǎn)的研究一直是經(jīng)濟(jì)管理學(xué)研究的熱點(diǎn)，相應(yīng)的研究成果十分豐富。首先，在銀行業(yè)風(fēng)險(xiǎn)評(píng)估方法的研究方面，通過(guò)文獻(xiàn)檢索發(fā)現(xiàn)，早期的銀行業(yè)風(fēng)險(xiǎn)評(píng)估方法多以定性分析為主，衡量的辦法多為檢測(cè)銀行是否存在違約或金融危機(jī)。近年來(lái)，銀行風(fēng)險(xiǎn)評(píng)估方法主要以定量方法為主。從銀行客戶角度來(lái)看，使用Logit法和神經(jīng)網(wǎng)絡(luò)法的文獻(xiàn)較多[1,2]。但從銀行客戶角度進(jìn)行風(fēng)險(xiǎn)評(píng)估無(wú)法全面反映銀行業(yè)的整體風(fēng)險(xiǎn)狀況。因此，許滌龍等采用金融壓力指數(shù)分析了中國(guó)銀行業(yè)的風(fēng)險(xiǎn)狀況[3]。Altukhova等基于信息技術(shù)和數(shù)學(xué)建模方法評(píng)估了區(qū)域銀行綜合風(fēng)險(xiǎn)[4]。Avkiran將非參數(shù)PLS-SEM方法應(yīng)用于日本銀行業(yè)風(fēng)險(xiǎn)評(píng)估[5]。王輝等利用時(shí)變荷載因子刻畫單家銀行與整個(gè)系統(tǒng)的相關(guān)性[6]。雖然這些研究彌補(bǔ)了定性方法的不足，但仍存在指標(biāo)數(shù)據(jù)獲取困難，很難延展到多區(qū)域?qū)用娴姆治龅葐?wèn)題。

DEA方法在銀行業(yè)風(fēng)險(xiǎn)分析中的應(yīng)用多為考慮風(fēng)險(xiǎn)因素的效率分析。例如，李炫榆等將銀行不良貸款納入效率的評(píng)價(jià)過(guò)程，采用非期望產(chǎn)出的DEA模型研究風(fēng)險(xiǎn)視角下的銀行效率[7]。Zha等考慮到不良貸款對(duì)銀行效率具有動(dòng)態(tài)影響，采用動(dòng)態(tài)兩階段DEA模型評(píng)估了中國(guó)銀行業(yè)的效率[8]。鄒濱等采用非徑向DEA方法，將不良貸款率納入評(píng)價(jià)指標(biāo)體系，來(lái)分析中國(guó)上市銀行的經(jīng)營(yíng)能力與風(fēng)險(xiǎn)能力[9]。但上述方法測(cè)算的重點(diǎn)仍為效率分析，無(wú)法有效測(cè)度出金融風(fēng)險(xiǎn)。Kwan等發(fā)現(xiàn)效率差的銀行可能更容易承擔(dān)風(fēng)險(xiǎn)[10]。祝繼高等分析了中國(guó)地方政府的財(cái)政壓力和銀行不良貸款率的相關(guān)性問(wèn)題[11]。Mohsni等對(duì)比了加拿大和美國(guó)銀行業(yè)風(fēng)險(xiǎn)，并發(fā)現(xiàn)后者風(fēng)險(xiǎn)更高[12]。對(duì)多區(qū)域銀行業(yè)風(fēng)險(xiǎn)研究方面，大多數(shù)文獻(xiàn)使用單指標(biāo)進(jìn)行分析，但Rheinberger等認(rèn)為單獨(dú)計(jì)算市場(chǎng)風(fēng)險(xiǎn)或信貸風(fēng)險(xiǎn)的經(jīng)濟(jì)資本可能大大低估真實(shí)風(fēng)險(xiǎn)[13]。

從上述分析可知，在銀行業(yè)的風(fēng)險(xiǎn)分析中，采用確定權(quán)重的分析方法不僅存在權(quán)重確定的困難，而且評(píng)價(jià)結(jié)果也具有一定的主觀性。同時(shí)，指標(biāo)合成后也不利于從多指標(biāo)視角提出多樣性的調(diào)控方案。采用非參數(shù)的DEA方法盡管具有許多獨(dú)特的優(yōu)勢(shì)，然而該方法只是一種效率評(píng)價(jià)方法，在評(píng)價(jià)銀行業(yè)風(fēng)險(xiǎn)時(shí)，常常將風(fēng)險(xiǎn)指標(biāo)作為非期望產(chǎn)出考慮，實(shí)質(zhì)上仍然考慮的是銀行業(yè)的效率問(wèn)題。因此，本文應(yīng)用DEA方法對(duì)多指標(biāo)風(fēng)險(xiǎn)的描述和度量，以及風(fēng)險(xiǎn)防范策略優(yōu)化給出系統(tǒng)的分析。

2 傳統(tǒng)風(fēng)險(xiǎn)評(píng)估方法存在的問(wèn)題

風(fēng)險(xiǎn)分析方法通常涉及到對(duì)多種風(fēng)險(xiǎn)事件的后果和概率的量化和計(jì)算。

首先，在度量方法方面，以往方法多為參數(shù)方法。比如，常用的綜合風(fēng)險(xiǎn)度量公式R=∑(fi×ci)，這里fi為第i種事故發(fā)生的概率，ci為第i種事故的后果[14]。該方法獲得的結(jié)果只有一個(gè)綜合風(fēng)險(xiǎn)指數(shù)，很難反映決策單元的個(gè)性信息，也很難給出改進(jìn)的策略。

其次，經(jīng)典的f-N曲線(圖1)分析方法[14]能夠很好地表示可接受風(fēng)險(xiǎn)的層次，對(duì)風(fēng)險(xiǎn)進(jìn)行預(yù)警管理具有重要意義。但該方法僅能單獨(dú)處理一種風(fēng)險(xiǎn)指標(biāo)，無(wú)法進(jìn)行綜合分析。

圖1 f-N曲線分析方法

最后，風(fēng)險(xiǎn)評(píng)估的ALARP(“As Low As Reasonably Practicable”)原則[14]需要進(jìn)一步發(fā)展。ALARP原則可以被解釋為在合理的情況下盡可能降低系統(tǒng)的風(fēng)險(xiǎn)層次。該原理的示意圖如圖2所示。

由于ALARP原則是一種定性描述性原則，僅為一種“概念模型”。如何定量刻畫可容忍的風(fēng)險(xiǎn)上限和最小風(fēng)險(xiǎn)下限是實(shí)現(xiàn)該方法定量化應(yīng)用的關(guān)鍵，因此，本文準(zhǔn)備提出一種新的分析方法，以實(shí)現(xiàn)ALARP原則的定量化應(yīng)用。

圖2 ALARP原則的原理圖

3 多風(fēng)險(xiǎn)分析的非參數(shù)方法構(gòu)建

以下首先給出多風(fēng)險(xiǎn)分析的非參數(shù)分析方法。

3.1 多維空間風(fēng)險(xiǎn)可能集的構(gòu)建

由于DEA生產(chǎn)可能集描述的是決策單元的投入產(chǎn)出關(guān)系，因此，不能直接應(yīng)用于風(fēng)險(xiǎn)分析。其相關(guān)的公理體系和可能集Ts的形式需要重新考慮。

定義1如果不存在r∈Ts，使得rk≤r且至少有一個(gè)不等式嚴(yán)格成立，則稱決策單元k的風(fēng)險(xiǎn)達(dá)到極大。

通過(guò)風(fēng)險(xiǎn)可能集的構(gòu)建，可以進(jìn)一步得到極大風(fēng)險(xiǎn)曲面與極小風(fēng)險(xiǎn)曲面概念，應(yīng)用極大風(fēng)險(xiǎn)曲面可以預(yù)測(cè)風(fēng)險(xiǎn)增長(zhǎng)的趨勢(shì)；應(yīng)用極小風(fēng)險(xiǎn)曲面可以測(cè)度風(fēng)險(xiǎn)可能降低的程度。

3.2 極大經(jīng)驗(yàn)風(fēng)險(xiǎn)曲面的構(gòu)建與決策單元的風(fēng)險(xiǎn)預(yù)測(cè)

例1以下選擇中國(guó)31個(gè)省區(qū)市2017年的銀行業(yè)不良貸款率、資產(chǎn)負(fù)債率和存貸比數(shù)據(jù)加以說(shuō)明。

圖3中(a)、(b)、(c)分別表示用不良貸款率和存貸比、存貸比和資產(chǎn)負(fù)債率、不良貸款率和資產(chǎn)負(fù)債率來(lái)描述的中國(guó)31個(gè)省區(qū)市2017年的風(fēng)險(xiǎn)可能集。其中，極大經(jīng)驗(yàn)風(fēng)險(xiǎn)曲面為圖3中的折線BC。圖中數(shù)據(jù)越接近原點(diǎn)代表風(fēng)險(xiǎn)越小。

圖3 中國(guó)省區(qū)市銀行業(yè)2017年的極大經(jīng)驗(yàn)風(fēng)險(xiǎn)曲面

3.3 極小經(jīng)驗(yàn)風(fēng)險(xiǎn)曲面的構(gòu)建與決策單元風(fēng)險(xiǎn)降低的可能性

3.4 修正的極大與極小風(fēng)險(xiǎn)曲面

由于某些極端點(diǎn)的存在會(huì)高估決策單元可能達(dá)到的極大風(fēng)險(xiǎn)或風(fēng)險(xiǎn)可以降低的程度，從而使管理者的調(diào)控策略無(wú)法實(shí)現(xiàn)。因此，以下給出排除極大風(fēng)險(xiǎn)曲面和極小風(fēng)險(xiǎn)曲面中極端點(diǎn)的方法。

4 多指標(biāo)風(fēng)險(xiǎn)分析的計(jì)量模型

根據(jù)銀行業(yè)的極大風(fēng)險(xiǎn)曲面和極小風(fēng)險(xiǎn)曲面，不僅可以度量某個(gè)地區(qū)的銀行業(yè)的風(fēng)險(xiǎn)狀況，而且，還可以預(yù)測(cè)極大或極小風(fēng)險(xiǎn)、劃分風(fēng)險(xiǎn)等級(jí)和排序。

4.1 多指標(biāo)風(fēng)險(xiǎn)的度量模型

下面首先給出兩個(gè)模型。

這里ε為非阿基米德無(wú)窮小量。由上述模型，易證定理1和定理2的結(jié)論成立。

定理1和定理2表明：應(yīng)用模型(SaxE)可以測(cè)度決策單元的風(fēng)險(xiǎn)程度。應(yīng)用模型(SinE)可以測(cè)度決策單元風(fēng)險(xiǎn)可能降低的程度。

4.2 極大風(fēng)險(xiǎn)預(yù)測(cè)與風(fēng)險(xiǎn)降低的可行路徑估計(jì)

類似定理3可證定理4的結(jié)論成立。

另外，在管理實(shí)踐中，常常將風(fēng)險(xiǎn)進(jìn)行分級(jí)管理。比如，公共事件應(yīng)急響應(yīng)級(jí)別等。實(shí)際上通過(guò)移動(dòng)和變化極大風(fēng)險(xiǎn)曲面也可以對(duì)多維風(fēng)險(xiǎn)事件進(jìn)行有效分類和排序。本節(jié)通過(guò)引入移動(dòng)因子d，可以給出以下模型：

通過(guò)上述模型就可以把整個(gè)風(fēng)險(xiǎn)空間劃分成不同的風(fēng)險(xiǎn)層次。比如，高風(fēng)險(xiǎn)區(qū)、中風(fēng)險(xiǎn)區(qū)和低風(fēng)險(xiǎn)區(qū)等。

5 中國(guó)省際銀行業(yè)風(fēng)險(xiǎn)測(cè)度與調(diào)控路徑分析

面對(duì)復(fù)雜的國(guó)內(nèi)外經(jīng)濟(jì)形勢(shì)，預(yù)防金融危機(jī)和降低金融風(fēng)險(xiǎn)仍是當(dāng)前銀行業(yè)管理的重點(diǎn)。盡管現(xiàn)階段中國(guó)銀行業(yè)的發(fā)展總體平穩(wěn)，但還存在區(qū)域性綜合風(fēng)險(xiǎn)指數(shù)過(guò)高、區(qū)域風(fēng)險(xiǎn)指數(shù)不平衡等問(wèn)題。而應(yīng)用本文方法則可以給出許多有用的信息。

5.1 中國(guó)銀行業(yè)的風(fēng)險(xiǎn)狀況分析

根據(jù)中國(guó)銀監(jiān)會(huì)關(guān)于銀行業(yè)風(fēng)險(xiǎn)防控工作的指導(dǎo)意見，本文選取不良貸款率(NPL)、資產(chǎn)負(fù)債率(LI-AS)和存貸比(LO-DE)三個(gè)指標(biāo)來(lái)反映銀行業(yè)的信用風(fēng)險(xiǎn)、債務(wù)風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)。所有指標(biāo)的數(shù)據(jù)均來(lái)自《中國(guó)金融年鑒》、《中國(guó)區(qū)域金融運(yùn)行報(bào)告》、各省市銀監(jiān)會(huì)發(fā)布的《銀行業(yè)金融機(jī)構(gòu)主要指標(biāo)情況》和慧博數(shù)據(jù)庫(kù)。

下面以中國(guó)省級(jí)銀行業(yè)2013～2017年的數(shù)據(jù)為參考，應(yīng)用ek的計(jì)算公式給出2013～2017年各省區(qū)的風(fēng)險(xiǎn)指數(shù)，進(jìn)而從時(shí)間和空間維度進(jìn)行綜合分析。

首先，從時(shí)間維度來(lái)看(見圖4)，可以發(fā)現(xiàn)研究期內(nèi)中國(guó)銀行業(yè)整體風(fēng)險(xiǎn)呈現(xiàn)增長(zhǎng)趨勢(shì)。同時(shí)，風(fēng)險(xiǎn)增長(zhǎng)率曲線的持續(xù)下降也表明近年來(lái)中國(guó)出臺(tái)的一系列金融政策和措施對(duì)風(fēng)險(xiǎn)的增長(zhǎng)起到了較好的抑制作用。但總體上看，進(jìn)一步降低銀行業(yè)整體風(fēng)險(xiǎn)仍是中國(guó)金融管理部門需要加強(qiáng)的一項(xiàng)重要工作。

圖4 中國(guó)各省銀行業(yè)平均風(fēng)險(xiǎn)程度及其變化

其次，從空間維度來(lái)看(見圖5)，2013～2017年間東北地區(qū)風(fēng)險(xiǎn)指數(shù)最高，為0.9638；東部地區(qū)風(fēng)險(xiǎn)指數(shù)最低，為0.7857；各地區(qū)風(fēng)險(xiǎn)指數(shù)均呈上升趨勢(shì)，其中，西部地區(qū)風(fēng)險(xiǎn)增長(zhǎng)率最高，達(dá)到16.82%。這說(shuō)明東部地區(qū)對(duì)銀行業(yè)風(fēng)險(xiǎn)的管理更有效，而東北地區(qū)的銀行業(yè)風(fēng)險(xiǎn)較高，西部地區(qū)風(fēng)險(xiǎn)增長(zhǎng)較快。因此，對(duì)風(fēng)險(xiǎn)較高和增長(zhǎng)較快地區(qū)的監(jiān)管應(yīng)是管理部門亟待關(guān)注的問(wèn)題。

圖5 中國(guó)分區(qū)域銀行業(yè)風(fēng)險(xiǎn)狀況及其增長(zhǎng)率

最后，從各經(jīng)濟(jì)區(qū)域內(nèi)部看(見圖6)，2013～2017年間平均風(fēng)險(xiǎn)指數(shù)超過(guò)0.95的省份為山西、黑龍江、內(nèi)蒙古、吉林。從有關(guān)資料的報(bào)道情況看，2018年，吉林、黑龍江地區(qū)的銀行業(yè)平均不良貸款率遠(yuǎn)超全國(guó)平均水平，分別為4.28%、3.24%。其中，吉林是少數(shù)銀行業(yè)總資產(chǎn)和總負(fù)債“縮表”的地區(qū)。2020年11月11日，央行和銀保監(jiān)會(huì)認(rèn)定包商銀行發(fā)生無(wú)法生存觸發(fā)事件。這些報(bào)道也印證了本文分析結(jié)果的合理性。

圖6 2013～2017年各省區(qū)市銀行業(yè)平均風(fēng)險(xiǎn)程度

5.2 中國(guó)部分省區(qū)市銀行業(yè)風(fēng)險(xiǎn)較高的原因分析

對(duì)吉林、黑龍江、內(nèi)蒙古、山西、寧夏、青海和海南7個(gè)風(fēng)險(xiǎn)指數(shù)較高地區(qū)，應(yīng)用4.2節(jié)中Dik的計(jì)算公式，可以獲得各地區(qū)風(fēng)險(xiǎn)指標(biāo)相對(duì)于極大風(fēng)險(xiǎn)的程度如圖7所示。

圖7 2013～2017年風(fēng)險(xiǎn)較高地區(qū)的投影分析

其中，吉林、內(nèi)蒙古、黑龍江和山西的綜合風(fēng)險(xiǎn)指數(shù)較高是由債務(wù)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)較高造成的；而海南、青海和寧夏三個(gè)地區(qū)的資產(chǎn)負(fù)債率和存貸比較高，因此，對(duì)這三個(gè)地區(qū)應(yīng)加強(qiáng)債務(wù)風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)的調(diào)控。2020年，郭曉蓓等的研究認(rèn)為當(dāng)前宏觀經(jīng)濟(jì)增速放緩、貨幣緊縮以及部分行業(yè)風(fēng)險(xiǎn)暴露是造成一些銀行不良貸款上升的主要外因[15]，這也在一定程度印證了上述定量分析結(jié)果的合理性。

圖8 2017年風(fēng)險(xiǎn)較高地區(qū)的風(fēng)險(xiǎn)指標(biāo)最大改進(jìn)值估計(jì)

5.3 風(fēng)險(xiǎn)較高省市銀行業(yè)的風(fēng)險(xiǎn)調(diào)控措施分析

應(yīng)用4.2節(jié)Vrk的計(jì)算公式可以為決策層的宏觀調(diào)控提出更有針對(duì)性的建議。比如，在圖8中，寧夏和海南兩個(gè)地區(qū)的不良貸款率(NPL)可以改進(jìn)的空間較小，主要可以降低的指標(biāo)是資產(chǎn)負(fù)債率(LI-AS)和存貸比(LO-DE)，而寧夏和青海的存貸比的可改進(jìn)值較高。表明這兩個(gè)地區(qū)在流動(dòng)性風(fēng)險(xiǎn)方面的改進(jìn)空間較大，可以作為調(diào)控的重點(diǎn)。

6 結(jié)論與政策建議

從理論層面來(lái)看，本文提出的非參數(shù)風(fēng)險(xiǎn)評(píng)估方法具有以下優(yōu)點(diǎn)：

(1)給出的模型既可以克服權(quán)重確定型風(fēng)險(xiǎn)分析方法確定權(quán)重的困難，也可以反映被評(píng)價(jià)對(duì)象的個(gè)性信息。

(2)給出的極大風(fēng)險(xiǎn)曲面和極小風(fēng)險(xiǎn)曲面將f-N曲線分析方法推廣到了多維的情況。

(3)實(shí)現(xiàn)了ALARP原則的定量化分析。

(4)給出風(fēng)險(xiǎn)測(cè)算模型、極大風(fēng)險(xiǎn)預(yù)測(cè)模型，以及降低風(fēng)險(xiǎn)的優(yōu)化方法，為復(fù)雜系統(tǒng)的風(fēng)險(xiǎn)評(píng)估提供了有效工具。

從實(shí)證層面看，本文方法可以為中國(guó)銀行業(yè)的風(fēng)險(xiǎn)監(jiān)管提出以下建議：

(1)中國(guó)銀行業(yè)的整體風(fēng)險(xiǎn)在2013～2017年間持續(xù)增加，風(fēng)險(xiǎn)增長(zhǎng)率持續(xù)下降。這表明盡管近年來(lái)的金融政策和措施對(duì)風(fēng)險(xiǎn)的增長(zhǎng)起到了較好的抑制作用，但進(jìn)一步降低銀行業(yè)整體風(fēng)險(xiǎn)仍是金融管理部門需要關(guān)注的重點(diǎn)。

(2)在2013～2017年間，中國(guó)東部地區(qū)對(duì)銀行業(yè)風(fēng)險(xiǎn)的管理較為有效，而東北地區(qū)的銀行業(yè)風(fēng)險(xiǎn)處于較高水平，西部地區(qū)風(fēng)險(xiǎn)指數(shù)的增長(zhǎng)過(guò)快。因此，要有針對(duì)性的關(guān)注風(fēng)險(xiǎn)較高和增長(zhǎng)較快的地區(qū)。

(3)銀行業(yè)的風(fēng)險(xiǎn)狀況復(fù)雜多變，影響因素較多。本文提供的信息對(duì)銀行業(yè)加強(qiáng)風(fēng)險(xiǎn)監(jiān)控和健全預(yù)警體系具有建設(shè)性意義。