我國上市商業(yè)銀行操作風險度量研究

【摘 要】 本文利用323個上市商業(yè)銀行操作損失事件樣本數(shù)據(jù)，通過構建貝葉斯網(wǎng)絡模型對我國上市商業(yè)銀行操作風險進行了度量，結果表明：我國上市商業(yè)銀行主要操作損失事件包括內(nèi)部欺詐、外部欺詐和資產(chǎn)管理三類;操作損失事件發(fā)生最多的業(yè)務條線包括零售銀行、商業(yè)銀行、資產(chǎn)管理三類;操作損失事件大部分屬于低等損失事件。

【關鍵詞】 操作風險;貝葉斯網(wǎng)絡模型;上市商業(yè)銀行

一、緒論

經(jīng)濟全球化的浪潮席卷了全世界范圍內(nèi)的金融行業(yè)，各國之間的經(jīng)濟合作使得其關系越發(fā)密切，這對正處于金融業(yè)發(fā)展黃金期的我國來說，是難得的機遇。當前，我國正處于經(jīng)濟轉(zhuǎn)軌時期，經(jīng)濟增長速度放緩，經(jīng)濟結構有待調(diào)整。新的經(jīng)濟形勢下，銀行業(yè)作為中國金融業(yè)的核心，其發(fā)展直接影響到金融業(yè)的發(fā)展（Akkizidis，2005）。金融機構規(guī)模的擴大與其帶來的組織復雜性，新產(chǎn)品和業(yè)務線的產(chǎn)生，電子商務和電子銀行的發(fā)展，金融市場日益激烈的競爭使得內(nèi)部管理尚未達到先進水平的商業(yè)銀行面臨更大的潛在操作風險（Giuliana，2017）。截止2019年10月末，我國上市商業(yè)銀行已達近57家，所創(chuàng)造的凈利潤占全國商業(yè)銀行凈利潤的90%左右（《中國上市銀行分析報告2019》），作為我國金融業(yè)發(fā)展的中流砥柱，上市商業(yè)銀行的戰(zhàn)略轉(zhuǎn)型、技術改革、風險管理已經(jīng)成為我國銀行業(yè)發(fā)展的大趨勢。因此，對商業(yè)銀行尤其是上市商業(yè)銀行的操作風險管理至關重要。

因此，本文將目光轉(zhuǎn)向上市商業(yè)銀行，在對國內(nèi)外文獻進行整理和總結的基礎上，結合我國商業(yè)銀行操作風險管理現(xiàn)狀，利用貝葉斯網(wǎng)絡模型在數(shù)據(jù)收集和度量結果上的優(yōu)勢，根據(jù)收集到的16家代表性上市商業(yè)銀行323個操作損失數(shù)據(jù)，構建操作風險貝葉斯網(wǎng)絡模型，利用Netica軟件對我國上市商業(yè)銀行操作風險進行度量，并根據(jù)度量結果進行分析。

二、文獻綜述

1、國內(nèi)外理論研究

西方國家對操作風險的研究稍早于我國，大量學者針對操作風險展開理論研究，研究的內(nèi)容涉及操作風險的定義、分類、成因與其它風險的區(qū)別與聯(lián)系等等（FrankJ，2007）。

MichaelPower（2005）指出由于操作風險本身的復雜性，以及它在銀行風險度量和監(jiān)控流程中的基礎性和先決性作用，定義操作風險并不是一件簡單的任務。Tinca（2007）將操作風險定義為“覆蓋所有非市場或信用風險，因此包括管理風險”的風險。Valle（2007）將操作風險定義為“所有未歸類為市場或信用風險的金融風險”。而Lam（2003）指出人們對操作風險的概念界定過于關注，進行概念界定的目的是為了幫助銀行更好地進行操作風險管控，過多糾結概念界定對后續(xù)的研究工作并沒有過多幫助。

我國歷史和經(jīng)濟發(fā)展的特殊性，西方國家關于操作風險的研究并不直接適用于我國，我國學者大多基于國外先進理論，對我國操作風險展開針對性研究：操作風險的定義、分類成因、與其它風險的區(qū)別與聯(lián)系等等（劉志強，2009;陳曉慧，2011）。

張吉光（2005）考慮到我國商業(yè)銀行中某些投資類業(yè)務如股票交易，證券交割等尚未開通，對這部分業(yè)務暫時不予考慮，從內(nèi)部因素和外部因素層面進行分類，并進一步將內(nèi)部因素分為人、流程、系統(tǒng)三類，外部因素特指銀行系統(tǒng)外部的潛在損失因素，最后按照業(yè)務類型進行詳細界定。陳曉慧（2011）指出，從銀行內(nèi)部損失數(shù)據(jù)的收集和處理這一角度，商業(yè)銀行操作風險可以分為4類：已統(tǒng)計上報的、未識別直接處理的、信用風險中分離出來的、市場風險中分離出來的操作風險。

2、國內(nèi)外實證研究

隨著操作風險研究的不斷深入，操作風險的度量成為各金融機構以及各國學者關注的焦點，巴塞爾委員會（BCBS）相繼提出三種操作風險度量方法：基本指標法、標準法和高級計量法。金融機構可以根據(jù)發(fā)展狀況建立高級計量模型。高級計量法能將監(jiān)管資本有效削減20%到40%（Hager，2009），最大化實現(xiàn)操作風險管控。常用的高級計量法包括損失分布模型、貝葉斯網(wǎng)絡模型等。

損失分布模型（LDA）利用收集到的操作損失數(shù)據(jù)，擬合操作損失頻率和程度分布函數(shù)，估計銀行損失分布，進行操作風險資本度量。這一方法存在明顯的缺陷，只有在數(shù)據(jù)充足的情況下，統(tǒng)計模型才能最接近損失分布，損失分布的參數(shù)人為給定，度量效果并不具有維穩(wěn)性和穩(wěn)定性。模型結果完全建立在樣本數(shù)據(jù)的統(tǒng)計特征上，并沒有考慮到樣本數(shù)據(jù)間可能存在的關聯(lián)。而因果模型能夠很好地彌補這些缺陷，充分考慮到風險驅(qū)動因素和損失事件之間的因果關系，對影響操作風險損失事件頻率和損失程度的因素做出解釋（Hager，2012），有助于風險控制活動的規(guī)劃和管理。隨著研究的不斷深入，各種線性和非線性技術被應用于操作風險的因果模型，其中貝葉斯網(wǎng)絡作為非線性和非參數(shù)的度量模型，受到廣泛關注（Sanford，2012）。

Stefan（2010）認為用一般貝葉斯網(wǎng)絡模型對商業(yè)銀行操作風險進行度量是不夠的，度量結果也并不能完全反映銀行面臨的操作風險狀況，因為除了貝葉斯網(wǎng)絡中節(jié)點之間存在的因果關系之外，條線之間存在相互影響，也會對銀行操作風險帶來影響。操作損失由三類風險因素引起：幾個業(yè)務線共有的風險因素;業(yè)務條線之間因銀行具體業(yè)務操作流程、信息交換等產(chǎn)生的風險因素;每個業(yè)務部門的特殊風險因素。作者利用LDA模型擬合數(shù)據(jù)，銀行共有風險事件數(shù)據(jù)損失頻率和程度為初始節(jié)點，總操作損失數(shù)據(jù)的損失頻率和程度為子節(jié)點，構建貝葉斯網(wǎng)絡模型，各損失頻率和損失程度節(jié)點指向用來表示其劃分的第二類風險因素。結果表明，該模型能夠更直觀、準確地進行商業(yè)銀行操作風險的度量，具有很強的可操作性。

我國學者對商業(yè)銀行操作風險度量的實證大多建立在巴塞爾協(xié)議的基礎上，對商業(yè)銀行操作風險度量的研究限制于銀行損失數(shù)據(jù)收集狀況和銀行發(fā)展條件。目前國內(nèi)對這一問題的研究有兩種，一種是基于收入模型（李英麗，2015），一種是基于高級度量模型的風險研究。收入模型能夠在一定程度上量化操作風險，但模型本身、歷史數(shù)據(jù)的收集和處理上都存在不可忽略的問題（趙莉娜，2014）。

隨著我國商業(yè)銀行的不斷發(fā)展以及對操作風險的重視，高級計量模型逐漸被應用于我國商業(yè)銀行操作模型度量（史永奮、劉利敏，2018），貝葉斯網(wǎng)絡模型也因為模型度量結果準確，不需要指定人為參數(shù)，樣本數(shù)據(jù)量要求少等優(yōu)點被應用于操作風險度量研究。

三、理論基礎

圖形建模是一種基于概率理論和圖論來表示和處理變量間因果關系的統(tǒng)計技術，貝葉斯網(wǎng)絡模型是其中最受學者接受的分析因果關系的模型，貝葉斯定義為與聯(lián)合概率分布相關的定向無環(huán)圖。頂點代表變量，邊代表變量之間的因果關系?！盁o環(huán)”是指變量間并未形成一個封閉的路徑;“定向”意味著所有的邊都有一個單向箭頭，代表變量間的因果關系。

假設貝葉斯網(wǎng)絡中，X、Y、Z為變量節(jié)點，變量Z存在來自X、Y的箭頭，X、Y稱為Z的母節(jié)點，Z是X、Y的子節(jié)點。X、Y也被稱為初始變量。

如上式，為n維變量，給定隨機變量集以及對應的該變量的有向無環(huán)圖，利用貝葉斯網(wǎng)絡可以求出X的條件概率分布。同時，對于任何一個，都存在一個子集即，完全取決于其父節(jié)點變量，與其它變量無關。貝葉斯網(wǎng)絡模型正是基于此構建起概率網(wǎng)絡，根據(jù)先驗證據(jù)進行推理。

四、模型構建

本文構建的上市商業(yè)銀行操作風險度量模型具體步驟如下：

1、樣本選擇與數(shù)據(jù)來源

有效數(shù)據(jù)顯示，截止2019年10月末，我國上市商業(yè)銀行已達57家。2019年隨著我國金融業(yè)改革的不斷深入和金融監(jiān)管機構鼓勵銀行進行資金補充的有利政策環(huán)境下，A股市場IPO迎來又一個高峰，年內(nèi)有8家銀行成功登陸，與2016年并列銀行上市數(shù)量最高的年份，目前仍有眾多商業(yè)銀行向證監(jiān)會提交申請，等待審核處于排隊狀態(tài)。我國商業(yè)銀行能否上市主要取決于證監(jiān)會對銀行所處發(fā)展階段、風險管理能力和戰(zhàn)略管理能力、金融市場狀況等因素的判斷，截至目前雖然有50家左右銀行上市，但大部分上市時間比較短。綜合考慮到數(shù)據(jù)的可獲得性和研究的穩(wěn)定性、可靠性，以2010年成功登陸A股市場的16家上市商業(yè)銀行為研究樣本，樣本包括5家國有商業(yè)銀行，8家全國性股份制商業(yè)銀行，3家地方性商業(yè)銀行。

本文基于巴塞爾協(xié)議對操作風險的定義和分類，對16家代表性銀行的操作損失事件進行收集和整理，共收集到323個有效上市商業(yè)銀行操作風險案例。操作風險損失案例均來自OpenLaw裁判文書網(wǎng)。損失數(shù)據(jù)包括損失事件的時間、地點、損失金額、業(yè)務部門、損失事件類型，時間跨度從1993年到2019年，事件發(fā)生地區(qū)涉及各個省份。

2、變量的選擇

本文基于陸靜（2006）等學者對上市商業(yè)銀行操作風險度量的貝葉斯網(wǎng)絡模型中關鍵變量包括關鍵風險誘因和關鍵風險指標的選取方法，按照業(yè)務條線類型、損失事件類型對操作損失事件的頻率與金額進行分析，最終業(yè)務部門中選取零售銀行、商業(yè)銀行、交易與銷售、支付與清算，損失事件類型中選擇內(nèi)部欺詐、外部欺詐、客戶、產(chǎn)品及業(yè)務操作、執(zhí)行交割與流程管理，對貝葉斯網(wǎng)絡中需要的兩類變量關鍵風險誘因和關鍵風險指標進行進一步篩選和確認。

本文對三類業(yè)務部門下四類操作損失事件金額占比進行分析，以確定模型中的變量，各業(yè)務條線中各損失事件類型占比并不同，其中，零售銀行主要損失事件為內(nèi)部欺詐、外部欺詐，商業(yè)銀行和資產(chǎn)管理主要損失事件為內(nèi)部、外部欺詐、執(zhí)行、交割與流程管理。根據(jù)對樣本數(shù)據(jù)的收集、整理和分析，構建相應貝葉斯網(wǎng)絡模型（如圖1所示）。

五、實證分析

本文將目標節(jié)點操作損失（OL）按金額分為三類：小于1000萬，介于1000萬到1億之間，大于1億，分別代表操作損失L、M、H三種取值狀態(tài)。關鍵風險指標零售銀行、商業(yè)銀行資產(chǎn)管理分別有兩種狀態(tài)：YES、NO，模型中英文簡稱分別為RB，CB，AM。關鍵風險誘因內(nèi)部欺詐、外部欺詐、執(zhí)行交割與流程管理也有兩種狀態(tài)：YES、NO，英文簡稱分別為IF，EF，EM。

在Netica軟件界面構建相應的貝葉斯網(wǎng)絡結構圖后，將樣本數(shù)據(jù)轉(zhuǎn)化為軟件要求的XML格式，利用軟件的自學習功能對我國上市商業(yè)銀行操作風險進行度量分析，貝葉斯網(wǎng)絡模型如下：

如圖，關鍵風險誘因中，外部欺詐發(fā)生的概率最大，為63.0%，內(nèi)部欺詐次之為31.5%，執(zhí)行交割與流程管理最小，為5.45%。關鍵風險指標零售銀行操作損失事件發(fā)生概率最大，為69.4%，商業(yè)銀行為35.4%，資產(chǎn)管理為26.0%。上市商業(yè)銀行操作損失事件低風險事件概率最大為58.4%，高風險事件為22.3%，中等風險事件為19.3%。

1、正向分析

利用貝葉斯網(wǎng)絡模型的特點，假設關鍵風險誘因內(nèi)部欺詐發(fā)生概率變?yōu)橹案怕实?倍，利用Netica軟件重新輸入內(nèi)部欺詐概率，自動得出更新的貝葉斯網(wǎng)絡模型，節(jié)點概率變動情況如下圖：

如圖，當內(nèi)部欺詐發(fā)生概率變?yōu)?倍時，商業(yè)銀行損失事件發(fā)生概率升為37.6%，零售銀行降為62.5%，資產(chǎn)管理業(yè)務升為28.8%。銀行低風險事件概率降低，中高風險事件上升。結果表明，銀行內(nèi)部欺詐事件主要屬于中高等風險事件。

同理，外部欺詐發(fā)生概率變?yōu)橐话霑r，操作損失事件概率升為37.7%，零售銀行變?yōu)?2.8%，資產(chǎn)管理變?yōu)?3.5%。低風險事件降為55.5%，中高等風險事件升為20.9%。當執(zhí)行、交割與流程事件的發(fā)生概率變?yōu)?倍時，商業(yè)銀行概率變?yōu)?5.7%，零售銀行概率不變，資產(chǎn)管理業(yè)務概率變?yōu)?6.6%。銀行低損失事件降為58.2%，中等風險事件升為19.4%，高等風險事件升為22.4%，由此可知，外部欺詐事件主要影響低風險事件。執(zhí)行交割與流程管理主要對銀行中高等操作損失事件造成影響。

2、逆向分析

為研究最大化降低操作風險銀行應該從哪些方面入手，能夠達到效果。最大化降低操作風險的情況下，中高等操作損失事件概率為0，低等操作損失事件發(fā)生概率為100%，設置損失事件概率，得到貝葉斯網(wǎng)絡模型如下圖所示：

如上圖所示，當?shù)蛽p失事件發(fā)生概率為100%時，關鍵風險指標商業(yè)銀行損失概率降為24.0%，零售銀行上升為77.7%，資產(chǎn)管理降為15.7%。關鍵風險誘因外部欺詐概率上升為66.7%，內(nèi)部欺詐概率降為29.0%，資產(chǎn)管理概率略降為5.09%。低風險操作損失事件主要來自零售銀行，中高等損失事件主要來自商業(yè)銀行和資產(chǎn)管理;低等損失事件主要屬于外部欺詐，中高等損失事件主要屬于內(nèi)部欺詐和資產(chǎn)管理。

六、結論

綜上，我國上市商業(yè)銀行主要操作損失事件包括內(nèi)部欺詐、外部欺詐和資產(chǎn)管理三類。操作損失事件發(fā)生最多的業(yè)務條線包括零售銀行、商業(yè)銀行、資產(chǎn)管理三類。其中零售銀行最多，商業(yè)銀行次之，資產(chǎn)管理最少。操作損失事件大部分屬于低等損失事件，這與我國上市商業(yè)銀行發(fā)展現(xiàn)狀相符。中、高等損失事件主要來源于商業(yè)銀行和資產(chǎn)管理業(yè)務條線，低等損失事件主要來源于外部欺詐。這表明，上市商業(yè)銀行在對操作風險進行管控時，需要根據(jù)各主要業(yè)務部門的損失事件類型、特點進行相應的風險管控。

【參考文獻】

[1] 郭晶.淺議當前商業(yè)銀行操作風險事件多發(fā)的成因及治理對策[J].時代金融，2018（2）.

[2] 中國上市銀行分析報告2019[M].中國金融出版社，2019.

[3] ChavezDemoulin，V.An Extreme Value Approach for Modeling Operational Risk Losses Depending on Covariates Journal of Risk and Insurance.2016.Vol.83.Issue3，pp.735-776.

【作者簡介】

劉靜靜（1994.2—）女，陜西延安人，西方經(jīng)濟學專業(yè)碩士研究生在讀.