基于面板数据模型的商业银行操作风险分析Word格式文档下载.doc

基于面板数据模型的商业银行操作风险分析Word格式文档下载.doc

《基于面板数据模型的商业银行操作风险分析Word格式文档下载.doc》由会员分享，可在线阅读，更多相关《基于面板数据模型的商业银行操作风险分析Word格式文档下载.doc（13页珍藏版）》请在冰点文库上搜索。

keywords:

commercialbank;

operationalrisk;

paneldata;

incomemodel

一、操作风险及其度量

根据巴塞尔银行业监督委员会于2004年颁布的新巴塞尔协议，操作风险是“由于不完善的或有问题的内部程序、人员及系统或外部事件所造成的直接或间接的经济损失”。

按照这一定义，法律风险属于操作风险的一种，但声誉风险和战略风险不归属于操作风险。

在新巴塞尔资本协议中，商业银行业务被分为公司金融、交易和销售、零售银行业务、商业银行业务、支付和清算、代理服务、资产管理、零售经纪等8条生产线。

商业银行面临的操作风险被分为7种类型，他们分别是：

内部欺诈；

外部欺诈；

雇员活动和工作场所安全；

有形资产的损失；

客户、产品和业务活动；

经营中断或系统错误；

执行、交割以及交易过程中管理失误（basel，2004）［1］。

自商业银行诞生之日起就一直面临着操作风险的威胁，所以操作风险是商业银行面临的最古老的风险之一。

然而，很久以来，操作风险并没有得到应有的重视，人们把目光更多地投注在了信用风险和市场风险上。

近年来，对操作风险的应对不当所引起的一系列大案、要案给商业银行造成了巨大损失，同时也引起了人们对操作风险的重视，对操作风险进行研究一度成为银行业研究的中心课题之一。

国内外学者、业者对操作风险的定义、起因、风险的度量、风险的应对预防等问题进行了大量、深入的研究，操作风险管理的理论研究和实践水平都有了很大的提高。

2004年6月，巴塞尔委员会颁布了新资本协议，史称新巴塞尔协议。

协议高度重视操作风险的管理，把操作风险与市场风和信用风险放在同等重要的地位，并称为商业银行面临的三大风险。

2007年2月28日中国银行业监督管理委员会发布《中国银行业实施新资本协议指导意见》［2］，同年5月14日发布《商业银行操作风险管理指引》［3］，加强对商业银行操作风险管理的监管。

出于资本监管的需要，银监会把商业银行分为两类：

新资本协议银行和其他银行。

新资本协议银行就是国际业务占相当比重的、在其他国家或地区（包括香港、澳门等设有业务活跃的经营性机构的大型商业银行，新资本协议之外的银行为其他银行。

《中国银行业实施新资本协议指导意见》要求新资本协议银行在2010年底开始实施新资本协议，如果届时不能达到监管要求，可以要求暂缓实施，但不得迟于2013年底。

其它商业银行自2011年起可以提出自愿实施的申请。

操作风险的度量是操作风险管理中的核心问题，操作风险的度量方法因而成为操作风险研究的重点。

2004年的新资本协议建议商业银行应用三类度量方法，他们是基本指标法（bia）、标准法（sa）、高级计量法（ama）。

其中，主要的高级计量法包括内部衡量法（ima）、损失分布法（lda,alexanderc,2003）［4］、极值理论法、var和cvar法（chiaracornalba;

paologiudici,2004）［5］、贝叶斯网络方法（martinneil;

normanfenton;

maneshtailor,2008）［6］等。

在实际操作当中，对商业银行操作风险的度量有自上而下和自下而上两种方法。

自上而下法是把银行看做一个整体，不区分业务层次，从银行总体层面来估算操作风险给银行造成的损失。

自下而上法把银行分为若个业务活动或部门，分别估算操作风险的来源和损失，然后再根据特定方法汇总的到银行的总体损失。

基于自下而上法建立的模型囊括了所有高级计量法模型，像内部衡量法模型、损失分布法模型等。

基于自上而下法建立的模型除了新资本协议建议的基本指标法模型、标准法模型外，还有收益波动模型、证券因素模型、收入模型等。

现有的国外研究文献中，对操作风险的研究通常都采用自下而上的高级法，有两个原因。

一是自下而上法与自上而下法相比在度量准确性、风险敏感度、更少的监管资本方面具有无可比拟的优越性；

二是西方国家在操作风险研究方面起步早、水平高，更重要的是他们有着很好的损失数据储备。

再看我国的研究现状，以应用自上而下法为主，这符合我国操作风险研究起步晚、水平低、缺乏风险损失数据的现实情况。

其中代表性的研究有：

樊欣、杨晓光（2004）［7］利用证券因素模型和收入模型对浦东发展银行和深圳发展银行等两家上市商业银行的操作风险进行了度量。

他们采用年度数据，以真实gdp增长率、上证综指、一年期存贷利差为解释变量，分别以证券市值和净利润为被解释变量对两家银行的操作风险进行了度量，并对证券因素模型和收入模型所得结果进行了对比分析；

张学陶、童晶（2006）［8］运用收入模型进行了实证研究，但样本数量较少，而且只选用了两个解释变量；

刘睿、李金迎（2008）［9］运用股票收益模型，利用2000-2006年中国5家上市商业银行面板收益数据，对中国上市银行的操作风险进行实际度量，并与基本指标法计算的操作风险资本金进行了比较。

考虑到以上情况，本文拟采用收入模型，选取与上述文章不同的解释变量，利用面板数据对银行的操作风险进行度量。

二、操作风险实证分析

（一）模型选择

收入模型的原理是这样的：

以目标银行的净利润为被解释变量，以能反映银行所遇风险的指标为解释变量（像反映市场风险的指标、反映信用风险的指标等等）构建模型。

净利润的波动反映银行遭遇的整体风险，解释变量的波动反映的是市场风险和信用风险，余下不能解释的部分的波动就反映了操作风险。

用公式表示如下：

y=c+α1x1+α2x2+α3x3+…+ε

其中y代表净利润，c是模型截距，xi代表i个风险因素，αi代表i个风险因素的系数，ε为模型的残差项。



我国商业银行上市大多是在2006年以后，上市时间短，收集到的数据有限。

为方便数据的收集，本文选取上市时间较长且信息披露较规范的招商银行、浦东发展银行、深圳发展银行作为研究对象，以三家银行的季度净利润（prof）为被解释变量。

商业银行以存贷款为主要业务，存贷利差对银行的利润有很大影响，所以本文选择一年期的定期存贷利差（spdl）作为反映银行盈利能力的变量。

另外，真实gdp也与银行的净利润有关，所以将真实gdp（rgdp）作为解释变量（由gdp与cpi的比值代表rgdp）。

信用风险是指交易对方不能履行合同、不能如期履行合同或不能完全履行合同而给银行造成的损失的可能性，本文选择不良贷款率（badl）这一指标来反映信用风险。

市场风险方面，本文选择上证综指（sdex）和金融指数（fdex）这两个指标；

流动风险方面，用存贷比率（dlra）指标来反映。

综上，本文模型中总共有4类6大指标（见表1）。

招商银行、浦东发展银行、深圳发展银行等三家上市商业银行财务报表显示，自2002年起都有比较完整的季报披露，所以选取2002年1季度到2011年1季度作为研究的实证区间。

数据来源如下：

净利润（prof，单位为千元）、不良贷款率（badl）、存贷比（dlra）季度数据均来自三家公司公开披露的财务报告；

上证综指（sdex）和金融指数（fdex）来自新浪网财经频道，原始数据是日数据，经过对每季度日指数平均得到季度数据；

cpi、gdp数据来自国家统计局网站，cpi原始数据是日数据，对每季度日数据平均得到季度数据，gdp与cpi的比值得到真实gdp（rgdp）；

一年期存贷利差（spdl）原始数据来自中国人民银行网站，经如下运算得到所需的季度数据：

spdl=∑[dd（][]i=1[dd）][sx（]（loani-depositi）si[]ts[sx）]

其中i表示季度中第i个存贷利率，s表示利率持续的时间，ts表示季度的总天数，loan、deposit分别表示贷款利率和存款利率。

（二）构建模型

以净利润为被解释变量，以不良贷款率、存贷比、上证综指、金融指数、真实gdp、存贷利差为解释变量，以招商银行、浦东发展银行、深圳发展银行2002年1季度到2011年1季度数据构建面板数据收入模型如下：

profit=α+β1rgdpit+β2badlit+β3dlrait+β4sdexit+β5fdexit+β6spdlit+εit

i=1,2,3;

t=1,2,…,37

上式中，profit代表第i家银行t季度的净利润，样本区间t为2002年1季度到2011年1季度共37个时点，α代表模型的截距项，β1,β2,…,β6是变量的系数，εitt代表模型的残差。

（三）实证分析

1．模型设定检验。

面板数据模型有3种常见类型：

变参数模型、变截距模型、不变参数模型。

为验证样本数据究竟符合上面哪种面板数据模型形式，需要进行一下模型设定检验。

在这里我们用常见的协方差分析检验来进行模型形式设定检验。

设在本文中变参数模型、变截距模型、不变参数模型的残差平方和分别为s1、s2、s3,n为横截面个体成员的个数，t表示每个截面成员的观测时期总数，k为解释变量个数，则由:

计算得出f1=4.662，f2=12.0（本例中n=3，k=6，t=37）。

在给定5%的显著性水平下，通过eviews6.0软件得到相应的临界值分别为：

f（12,90）=1.86f（14,90）=1.80

由于f2>

1.80，f1>

1.86，所以拒绝h1和h2，选择变参数模型形式。

是选择随机影响变参数模型呢还是选择固定影响变参数模型呢？

我们遵照如下选择规则：

如果数据所包含的个体成员是所研究对象的总体成员时，选择固定影响模型是合适的。

如果数据所包含的个体成员只是所研究对象总体成员的一部分且又想反映所研究对象整体成员的状况，用随机影响模型比较合适；

而如果数据包含的个体成员是研究对象总体成员的一部分且只想反映所研究对象总体成员的这一部分的状况，应当使用固定效应模型。

鉴于以上考虑，本文选择的模型是变参数固定影响模型。

参数检验结果见表2：

2.净利润序列的平稳性检验。

为了考察净利润序列的平稳性，对面板数据进行了标准的单位根检验。

llc、breitung、hadri、im-pesaran-skin等检验表明，面板数据中可能存在单位根。

对单个净利润序列的adf检验表明，在1%的置信水平上，深发展银行的净利润序列不存在单位根，而浦东发展银行和招商银行的净利润序列存在单位根。

总的来说，面板净利润数据表现出不平稳的特性，需要去除不平稳性。

对存在单位根的浦东发展银行净利润序列进行一阶差分后，经adf单位根检验，p值为0.0000，拒绝原假设，即不存在单位根。

对招商银行的净利润序列进行一阶差分后，adf单位根检验p值为0.0000，拒绝原假设，即不存在单位根。

自相关检验表明，各滞后的自相关系数和偏自相关系数很小且接近于零，q统计量的p值都比较大，序列相关基本消失。

所以，本研究在模型中增加了目标变量的一阶自回归项，式调整为：

profit=α+β1rgdpit+β2badlit+β3dlrait+β4sdexit+β5fdexit+β6spdlit+bar

（1）+εit

其中ar

（1）为一阶自回归项，自回归项系数用b来表示。



3.面板数据模型残差的单位根检验。

对面板数据模型各残差序列分别进行adf单位根检验表明，各序列均不存在单位根，即残差序列是平稳的，由此说明这个模型设置较合理，不是伪回归，说明回归方程的因变量和自变量之间存在着稳定的均衡关系，这为下一步的量化操作风险奠定了基础。

4.残差净利润比率估计。

残差（resi）和净利润（prof）的比值用来表示操作风险的相对大小，用r来表示。

理论上讲，r的变动范围应当在（0,1）的区间。

实践中，r有时会超出这个区间。

例如，有时净利润非常小或者是负值时，残差有可能是一个较大的负数，所以会有r的绝对值大于1的情况出现。

因此，在本文实证过程中，把r绝对值大于1的异常数据剔除掉，并取r的平方作为反映操作风险的变动趋势，以下是浦东发展银行、招商银行、深圳发展银行的r2的变动趋势图。

从图1可以看出：

三家银行当中，招商银行的操作风险最小，深圳发展银行的操作风险最大，浦东发展银行居中；

银行的操作风险呈波动性变化，三家银行的操作风险波动不尽相同。

2002年到2005年，三家银行操作风险变动趋势大致一致，都是开始高，之后逐步下降，2005年2季度到达低点。

2005年下半年到2007年，变动趋势大不一样。

2008年以后，三家银行的操作风险的趋势大致相同：

开始是逐步下降，2009年1月到2009年6月降到最低点，说明三家银行的操作风险在这一阶段控制的比较好。

2009年6月到2011年1季度，操作风险逐步变大，可能银行管理层对操作风险的管理疏漏或重视程度不够。

5.操作风险经济资本估计。

模型参数估计结果表明，r2等于0.8333，说明83.33%的净利润波动都能被模型设定的解释变量所解释，余下16.67%的不能解释的净利润波动可以理解为是由操作风险引起的，这和张学陶、童晶（2006）采用收入模型对浦东发展银行的回归结果88.18%颇为接近。

收入模型大多假设净利润序列服从正态分布，由此可知，在99.9%的置信水平下，操作风险估计值（即经济资本）等于3.1倍的标准差。

具体计算如下面公式所示：

σ2oprisk=σ2（1-r2）

操作风险估计值=3.1σoprisk

两银行的操作风险经济资本计算结果见表3。

由于上述实证分析所用数据是季度数据，所以最后所得结果为银行季度应当计提的操作风险资本，为便于下文的分析，将操作风险经济资本的季度数据乘以四之后变成年度数据。

表4是操作风险估计值与近三年平均核心资本的比较。

从图1可以看出，深圳发展银行操作风险占核心资本最高，可以认为它面临的操作风险最大，这一点与前述残差净收入比的平方趋势图的结果是一致的；

浦东发展银行的操作风险占比最低，可以认为在三个银行当中，它面临的操作风险最小，或者是它的核心资本最充足，抵御操作风险的能力最强，这与残差净收入比的平方趋势图的结果不太一样。

为什么会出现这种情况呢？

看一下浦东发展银行这三年的核心资本就会发现其中原由：

三个银行中浦东发展银行的核心资本增长最快，2009年比2008年增产了72.24%，而2010年又比2009年增长了83.83%，同时期招商银行和深圳发展银行的核心资本增长率分别为：

招商银行23.51%、44.98%，深圳发展银行34.97%、65.81%，同比远远低于浦东发展银行的比率。

三、结论

本文构建了一个面板数据结构收入模型，利用招商银行、浦东发展银行、深圳发展银行等三家上市银行2002年1季度到2011年1季度的季度数据对其操作风险进行了实证分析。

分析发现，三家商业银行净利润波动的16.7%是由操作风险引起的，其操作风险估计值分别为：

招商银行是3203.67百万，浦东发展银行是2182.14百万，深圳发展银行是1052.17百万。

不论是从残差净利润比的平方还是从操作风险占核心资本比来分析，都是深圳发展银行的操作风险最大。

浦东发展银行近3年来核心资本增长迅速，核心资本充足，大大增强了其抗风险能力。

从残差净利润比率平方变动趋势图来看，三家银行有部分时间段变动趋势相同，这也反映了银行监管对操作风险的影响。

参考文献：

［1］bcbs,baselii:

internationalconvergenceofcapitalmeasurementandcapitalstandards:

arevisedframework，2004.

［2］银监会.中国银监会关于印发《中国银行业实施新资本协议指导意见》的通知［eb/ol］．［2007-02-28］．.

［3］银监会.中国银监会关于印发《商业银行操作风险管理指引》的通知［eb/ol］．［2007-05-14］．.

［4］alexanderc.operationalrisk:

regulation,analysisandmanagement［m］．london:

pearsoneducation,2003:

129-170.

［5］chiaracomalba;

paologiudici.statisticalmodelsforoperationalriskmanagement［j］．physicalreview.a.,2004（338）:

166-172.

［6］martinneil;

maneshtailor.usingbayesiannetworkstomodelexpectedandunexpectedoperationallosses［j］．riskanalysis,2005,25（4）:

963-972.

［7］樊欣,杨晓光.操作风险度量:

国内两家股份制商业银行的实证分析［j］．系统工程,2004,22（5）:

44-48.

［8］张学陶,童晶.商业银行操作风险的实证分析与风险资本计量［j］．财经理论与实践,2006（3）:

33-37.

［9］刘睿,李金迎.基于股票收益的操作风险资本估计——自上而下方法［j］．管理科学,2008（6）:

96-103.