導(dǎo)語：商業(yè)銀行操作風(fēng)險探討論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1變量與模型的選擇

本文主要是要考察操作風(fēng)險度量模型對我國金融機(jī)構(gòu)的適用性。由于現(xiàn)階段國內(nèi)金融機(jī)構(gòu)普遍面臨著數(shù)據(jù)缺乏的問題，因此很難獲得金融機(jī)構(gòu)內(nèi)部數(shù)據(jù)，所以我們這里采用自上而下模型中的收入模型。我們知道對于信用風(fēng)險和市場風(fēng)險來說，存在風(fēng)險與報酬的一一對應(yīng)關(guān)系，但這種關(guān)系并不一定適用于操作風(fēng)險，操作風(fēng)險損失在大多數(shù)情況下與收益的產(chǎn)生沒有必然聯(lián)系。所以我們這里建立收益與市場風(fēng)險和信用風(fēng)險的對應(yīng)關(guān)系。

收入模型將企業(yè)的凈利潤作為目標(biāo)變量，然后考慮可能影響企業(yè)凈利潤的風(fēng)險因素，將其作為解釋變量。這些因素可以是市場因素以及信用因素等。企業(yè)凈利潤在很大程度上可以被這些因素解釋，而余下的那些不能解釋的部分將被作為該企業(yè)由于操作風(fēng)險引起的收入波動。由于操作風(fēng)險引起的收入的波動：σ2=σ2total（1-R2），我們假設(shè)收入的波動服從正態(tài)分布，那么根據(jù)正態(tài)分布的特點(diǎn)我們將3.1倍標(biāo)準(zhǔn)差作為操作風(fēng)險，這樣就包括了99.9%的置信區(qū)間。這基本就可以包括了操作風(fēng)險引起的未預(yù)期損失。OpRisk=3.1σ，即將收入的方差中無法被模型解釋的部分作為操作風(fēng)險。也即將企業(yè)收入的波動中不能被其他風(fēng)險因素所解釋的部分看作是由操作風(fēng)險所導(dǎo)致的。（樊欣、楊曉光，2004）

模型如下：y=c+b1x1i+b2x2i+b3x3i+…+ci，其中，y是企業(yè)的凈利潤，xi是第i個風(fēng)險因素，bi代表了對這些因素的敏感程度。從宏觀的角度，我們認(rèn)為影響我國商業(yè)銀行收益的主要因素有：1、經(jīng)濟(jì)增長。由于近些年來我國經(jīng)濟(jì)一直處于高速增長過程中，銀行發(fā)展與這種經(jīng)濟(jì)增長是相關(guān)的。我們使用真實(shí)GDP的增長率作為這方面的代表變量。2、銀行的資產(chǎn)質(zhì)量。資產(chǎn)質(zhì)量的高低直接影響銀行的收益和風(fēng)險狀況。我們使用不良貸款率作為體現(xiàn)銀行資產(chǎn)質(zhì)量的指標(biāo)。因?yàn)榫湍壳拔覈y行業(yè)的經(jīng)營狀況來看，傳統(tǒng)的存貸款業(yè)務(wù)仍然是商業(yè)銀行的主營業(yè)務(wù)，是收入的主要來源。信用風(fēng)險仍然是最主要的風(fēng)險。而信用風(fēng)險很大程度上又是由于貸款人的不良資信狀況所引起的。貸款人的信用狀況及還款的及時性很大程度上影響了我國商業(yè)銀行的收益。3、股票市場指數(shù)。銀行的收益受市場的總體表現(xiàn)的影響，而股票市場指數(shù)是整個市場狀況的晴雨表。我們選用股票市場指數(shù)作為市場總體表現(xiàn)的指示變量。因此，我們最終選取的風(fēng)險因素包括真實(shí)國內(nèi)生產(chǎn)總值增長率（gc=GDP/CPI）、不良貸款率（bl）、上證指數(shù)一年內(nèi)平均值（index）三項(xiàng)。為了探討銀行收益究竟是由哪些因素決定的，我們將進(jìn)行OLS回歸分析，建立真實(shí)國內(nèi)生產(chǎn)總值增長率、不良貸款率、股票市場指數(shù)與銀行凈利潤（profit）選擇情況的多元線性回歸模型：Profit=c+b1（GDP/CPI）+b2bl+b3index。

為了方便數(shù)據(jù)的獲取且使數(shù)據(jù)具有一定的代表性，我們選擇股份制商業(yè)銀行浦東發(fā)展銀行和國有商業(yè)銀行中國銀行作為研究對象，進(jìn)行一定的比較研究。具體數(shù)據(jù)見表1、表2：

2實(shí)證結(jié)果及分析

用OLS估計模型，得如下結(jié)果：

方程一：Profit1=2.0173gc-0.5910bl1+6.223index，

方程二：Profit2=30.0866gc-5.1443bl2+27.854index。

由于有效數(shù)據(jù)的缺乏和模型本身的局限性，此文僅從經(jīng)濟(jì)意義方面檢驗(yàn)參數(shù)估計量，b1>0，且對銀行凈利潤的影響很大，就Profit1模型而言，在考察期經(jīng)濟(jì)增長的基礎(chǔ)上，gc每增加一個百分點(diǎn)，浦發(fā)銀行的凈利潤就可以增長2.0173億元，就Profit2模型而言，gc每增加一個百分點(diǎn)，中行的凈利潤就可以增長30.0866億元。說明經(jīng)濟(jì)增長對銀行的凈利潤有很大的正效應(yīng)。B2<0，也符合經(jīng)濟(jì)含義，即不良貸款率與銀行的凈利潤成反比。也就是說隨著不良貸款率的下降，銀行凈利潤有很明顯的上升趨勢。就Profit1模型而言，bl1每下降一個百分點(diǎn)，浦發(fā)銀行的凈利潤就可以增長0.5910億元。就Profit2模型而言，bl2每下降一個百分點(diǎn)，中行的凈利潤就可以增長5.1443億元。從以上的統(tǒng)計結(jié)果我們還可以看出不良貸款率對國有商業(yè)銀行的杠桿作用明顯要強(qiáng)于股份制商業(yè)銀行。所以我們更要加強(qiáng)對國有商業(yè)銀行不良資產(chǎn)的監(jiān)督和管理，加強(qiáng)貸款過程的內(nèi)部控制，完善銀行內(nèi)部貸款管理制度。而b3>0，也進(jìn)一步說明了銀行的凈利潤的增長和下降是和整體的經(jīng)濟(jì)趨勢是同步的。

在我們的模型中，那部分不能被模型解釋的方差被認(rèn)為是由操作風(fēng)險的引起的。在profit1模型中即浦東發(fā)展銀行的結(jié)果中，R-Square值為0.8818，說明88.18%的方差可以由模型解釋，即操作風(fēng)險占到總方差的11.82%。在profit2模型中即中國銀行的結(jié)果中，回歸模型的R-Square值為0.6830，即模型可以解釋方差中的68.30%，同時也說明操作風(fēng)險在總的方差中占到31.70%。所以我們可以看出浦東發(fā)展銀行的操作風(fēng)險明顯低于中國銀行。事實(shí)上，在國際上，業(yè)界一般認(rèn)為操作風(fēng)險在總風(fēng)險中占有比例為20%以內(nèi)，剔除模型本身的精確度以外，我們也能意識到我國國有商業(yè)銀行面臨著很嚴(yán)重的操作風(fēng)險。

因此，在當(dāng)前金融風(fēng)險，金融危機(jī)日益嚴(yán)峻的背景下，我們一定要加強(qiáng)對商業(yè)銀行操作風(fēng)險的監(jiān)督和控制，積極探索對操作風(fēng)險的實(shí)證度量方法，保證金融機(jī)構(gòu)乃至整個金融體系的安全。

參考文獻(xiàn)

［1］MarshallC.L.Measuringandmanagingoperationalrisksinfinancialinstitution;tools，techniques，andotherresources［M］.Singapore：JohnWiley&Sons，2001.

［2］WorkingpaperontheInternationalConvergenceofCapitalMeasurementandCapitalStandards［R］.Basel，Switzerland：BaselCommitteeonBankingSupervision，2004.

［3］樊欣，楊曉光.操作風(fēng)險度量：國內(nèi)兩家股份制商業(yè)銀行的實(shí)證分析［J］.系統(tǒng)工程，2004，（5）.

［4］王旭東.新巴塞爾資本協(xié)議與商業(yè)銀行操作風(fēng)險量化管理［J］.金融論壇，2004，（2）.

［5］王方宏.商業(yè)銀行操作風(fēng)險管理初探［J］.金融與保險，2004，（8）.

摘要：操作風(fēng)險是商業(yè)銀行面對的主要風(fēng)險之一。對操作風(fēng)險進(jìn)行識別、量化進(jìn)而管理是商業(yè)銀行適應(yīng)國際金融環(huán)境變化和風(fēng)險管理趨勢的必然選擇。而對操作風(fēng)險進(jìn)行度量又是有效管理操作風(fēng)險的前提之一。采用自上而下模型中的收入模型對國內(nèi)兩家商業(yè)銀行的操作風(fēng)險狀況進(jìn)行了實(shí)證分析，表明了收入模型可以在某種程度上反映操作風(fēng)險的大小以及我國商業(yè)銀行面臨著較嚴(yán)重的操作風(fēng)險。

關(guān)鍵詞：新巴塞爾資本協(xié)議；商業(yè)銀行；操作風(fēng)險；收入模型