宏观经济变量影响下的银行极端操作风险研究，本文主要内容关键词为：宏观经济论文,变量论文,风险论文,操作论文,银行论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
0 引言
作为一个高风险行业，对风险的防范、管理和化解是银行业发展的永恒主题。操作风险的概念是在COS01991年的报告中被正式提出，但直到20世纪90年代中期，英国巴林银行和大华证券巨额损失事件后，国际金融机构才意识到操作风险的重要性，并开始关注其识别、衡量和控制问题。Cruz[1]研究发现，银行收益或损失的波动中，有50%来自信用风险，15%为市场风险，其他35%则主要来自于操作风险。2006年以来的次贷危机等引发的雷曼兄弟等破产案显示了操作风险的破坏力，并表明结构性金融资产改变了传统金融风险特征，操作风险衡量存在严重准备不足，创新金融产品对银行风险管理提出了新挑战，无论是金融监管还是金融服务机构都加大了对操作风险等的管理和控制力度。
目前，人们对于操作风险的管理有些滞后，但是这并不意味着操作风险所造成的损失要小于市场风险或信用风险等造成的损失。恰恰相反，由操作风险引发的巨额损失事件层出不穷①，这一系列严重的操作风险事件使国际金融界认识到了操作风险对于银行业的重大意义。国际上，自巴塞尔协议Ⅱ提出国际活跃银行对操作风险进行资本监管协议以来，新的巴塞尔协议Ⅲ（2010）建议稿更加注重这一要求，在以提高银行业的稳健性或审慎经营为目标的监管要求下，提出了对度量非正态分布如操作风险等度量模型方法改进的要求，如美国要求资产达到2 500亿美元或者外汇风险暴露达100亿美元的金融机构均要执行这一协议，对操作风险进行有效监管的迫切要求成为了国际风险管理的焦点。
学术界和银行从业者对于操作风险管理的研究逐步加强，但是国内银行业还未全面引入操作风险概念，其对操作风险尚未有一个全面、系统的认识。我国由于体制、管理水平、人员素质等方面的原因以及银行内部治理结构存在的严重缺陷，国内无论是国有商业银行还是股份制银行，因内外部欺诈及内部人员违规操作、道德风险等原因造成损失的案件接连不断，每次事故给相关金融机构带来少则几十万，多则几十个亿的损失，其在商业银行风险中的比重远大于国际同行的水平②。鉴于这些大案给银行带来的损失，我国银行业从监管当局到各大银行自身开始了对操作风险管理的应有重视。
在此背景下，无论是从国内外监管当局的要求，还是从全球银行业的风险管理趋势或是商业银行自身发展的需要来看，加强操作风险的度量与管理都具有极其重要的现实意义，为操作风险分配监管资本是大势所趋。由此，加强操作风险的研究，通过事前防范减少操作风险损失，对于我国银行业的发展具有现实而深远的意义。
1 研究综述
操作风险指“由不恰当或失败的内部处理，由人员或系统以及外部事件导致损失的风险”③，这种损失分布存在非连续性、厚尾等特点，即一些低频/高严重程度的操作损失会对金融机构造成巨大的损失和破坏，并进而引发战略风险与声誉风险等连锁反应。当前操作风险已经引起了各金融机构的高度关注，对操作风险的管理逐渐呈现模型化趋势；然而，鉴于操作风险的非连续性与厚尾特征，实际中高危数据量少，尤其是对非预期损失的数据难以收集和分析，如何度量并进行有效管理是当前金融机构普遍面临的难题。
国外对操作风险管理的研究主要集中在操作风险的度量技术、监管的资本要求等方面。通常而言，其度量操作风险有两种思路：一种是自上而下法，如多因素权益定价模型、资本资产定价模型、收入/支出模型和操作杠杆模型等，这种方法从宏观经济金融因素估算操作风险，不确认损失事件或损失原因，对监管者适用；另一种自下而上的方法是从企业运作微观角度识别内部事件并纳入资本要求计算的一种方法，如因果模型与贝叶斯网络模型、精算模型和过程依赖模型等，这是经营者关注的视角，适用于各金融机构风险管理与控制部门[2]。
量化模型研究方面集中于内部操作风险度量，如Wilson[3]提出采用JPMorgan公司开发的VaR技术及损失分布法测算操作风险的资本要求；但鉴于VaR不满足风险度量的一致性要求，难以度量操作风险的厚尾分布；对此，McNeil[4]采用极值理论（EVT）应用于操作风险量化管理；Medova和Kyriacou[5]进一步采用该思路对1998年俄罗斯金融危机前后欧洲投资银行的交易数据进行实证分析，验证了极值理论在度量操作风险上的准确性，但认为损失数据的不足制约了该方法的广泛应用；King[6]提出Delta-EVT模型，运用损失分布法和极值理论来测算包括“高频低危”和“低频高危”两类事件在内的全面操作风险资本要求，对操作风险资本要求的测算进行了思路和实证上的探索；Horbenko等[7]建议采用最优稳健性过程，如最偏稳健性估计、最优均方误差估计以及有效半径最小估计法等引入GPD后尾分布数据的模拟过程；针对操作风险数据缺失的情形，其他如对与IT相关的操作风险采用IT治理进行OpRisk风险管理的建议[8]、综合利用银行内部信用风险，市场风险和操作风险损失的相关度预测银行的总体风险[9]、综合考虑损失数据的概率统计技术和极值领域的新技术[10]。以及采用指数加权分位数回归的方法度量收益率分布中的尾部期望损失[11]等。
国内对操作风险管理量化方法的研究还处于介绍和探索阶段，如钟伟等[12]回顾了操作风险量化技术的发展，对操作风险度量模型方法进行分类和评述；陈学华等[13]分析了POT模型等极值理论在商业银行操作风险度量中的应用，对我国银行业“低频高危”型极端事件的操作风险测算提供了理论思路。宏观经济影响方面，魏宇[14]对我国资本市场的厚尾特性进行了分析，认为可用极值理论模型进行相关风险测度；林宇[15]等指出无论是中国新兴市场还是西方成熟发达市场，其金融收益厚尾分布特征明显，极值理论的有效运用可测度出金融市场动态极值风险；温红梅和姚凤阁[16]提出采用CVaR度量操作风险是目前可以采用的较为有效的风险度量与控制方法；李悦雷等[17]基于多种极值分析方法，计算出我国资本市场相关产品其极值相关性的强弱关系，并给出了相应的股指期货操纵防范的策略。
考虑到数据的难获取性以及商业银行对内部操作交易数据的保密性要求，而且内部数据主要集中于“高频低危”段数据；对此，本文拟采用Allen和Bal[18]建议的自上而下的操作风险度量思路。该研究考察了宏观经济环境中经济周期模式对操作风险的影响，发现操作风险参数分布与一般美国宏观经济环境变量如汇率、股票市场指数、消费价格指数、利率、货币供应量等会同时变动且强烈相关，从而将操作风险界定为考虑信用风险和市场风险后的其他风险。进一步地，他们在2007年利用GPD分布与SGED分布模拟了全球市场中主要股票收益的操作风险尾部分布，并利用22项宏观经济指标来度量信用风险、利率风险、外汇风险以及市场风险等，则收益的误差为操作风险。研究支持经济社会中的一些重要环境经济变量对操作风险有重要影响作用，建议予以考虑。基于国际活跃商业银行与国内代表性商业银行的资本市场数据，采用三因素模型，剥离传统的市场风险、信用风险以及流动性风险，采用OpVaR和OpCVaR等不同方法分析宏观经济因素对商业银行操作风险的影响，以期获得有效度量我国商业银行操作风险的方法，为改善我国银行操作风险管理提供模型支持。对此，本文研究的贡献在于：1）构建了商业银行操作风险度量模型的应用模型与模拟过程，并以Matlab编程实现为实践提供了事实支持；2）从POT和BMM两种风险管理思路建议操作风险度量模拟模型，为我国银行实施操作风险的监管与自身风险自律管理提供了参考依据；3）从宏观经济变量影响着手，基于Fama-French多因素模型，借助传统的市场风险、信用风险与流动性风险代理变量分离出操作风险的思路，解决了高危低频操作风险数据缺失难以验证度量模型的困境，为有效实证检验并管理商业银行操作风险提供思路。
2 操作风险度量模型
2.1 复合泊松过程模型（Compound Poisson ProcessModel）
2.2 模型实现
若采用非参数估计方法，OpVaR被定义为在一定置信区间或分位数的损失，即
操作风险包括高频低危的日常损失事件及低频高危的极端尾部事件，鉴于极端尾部事件难于测度，这里主要解决极端风险度量问题，并关注两种典型分布。⑤
1）采用POT方法的广义Pareto分布（GPD）。该方法强调超过某一阈值的观测值（超额值）的分布情况，当阈值很大时，在不考虑分布偏移的情形下，这里g（X）为广义Pareto分布[19-20]
μ为位置参数，σ为尺度参数，总的分布就是广义极值分布（GEV）⑦。
3 实证模型与分析
3.1 金融风险多因素模型
Fama和French[21]指出可以建立一个三因子模型来解释股票超额回报率，这是对资产定价模型（CAPM）中β值单因素中未能反映的暴露风险因素的补偿⑧。Ahern等[22]指出Fama-French三因子模型与市场模型、市场调整模型相比，其计算超额收益最准确；我国廖理和沈红波[23]等也同样支持这一观点。鉴于操作风险数据的难获取性，采用自上而下的宏观经济变量影响的多因素模型将有助于解决这一银行操作风险度量的难题，如Allen和Ba-l[18]也曾建议一个包括多个宏观经济金融变量的多因素模型来透析操作风险；这里，将采用的宏观经济变量影响下的极端操作风险度量的数据采集模型公式界定如下⑨
进一步采用OLS方法对上市商业银行的股价收益率对市场风险、流动性风险、信用风险等的代理因子进行回归，用超额收益减去上述风险及无风险利率部分的影响，将所得残差序列作为操作风险的代理数据，然后以各银行采集的残差数列作为其操作风险损失的严重程度，根据操作风险尾部数据的时间段（如月或周）为发生频度，与其损失严重程度进行卷积分，计算出累积极端操作风险值⑩。
3.2 数据采集
由于现阶段国内外金融机构普遍面临着数据缺乏的问题，国内外商业银行操作风险内部损失事件的数据很难获得，尤其是操作风险的极端尾部事件数据量少、难以采集而缺乏研究；本研究是首次对我国上市中资银行操作尾部风险进行分析，同时对比国际活跃银行的操作风险，以发现操作风险的极端风险分布状况与规律。本研究采用银行股、沪深300指数、中债一总指数等日回报率以及当日总交易量时间序列数据。具体国内外最具有代表性的银行如下：（1）三家在上海证券交易所A股上市的国内银行所有交易日的数据，如中国银行（2006年7月6日-2010年8月23日）、招商银行（2002年4月10日-2010年8月23日）、浦发银行（2002年1月7日-2010年8月23日）；（2）三家外资银行交易日数据，如花旗银行（1991年4月18日-2010年8月11日）、德意志银行（2005年1月20日-2010年8月11日）和汇丰（控股）银行（2000年1月4日-2010年8月11日）。数据均来源于Bloomberg数据库；数据分析和编程采用Matlab。
3.3 模型测试与分析
1）描述性统计分析
首先，考察各银行的综合风险和操作风险的分布特征。从表1的描述性统计可以明显看出，所有银行的综合风险和操作风险的峰度（kurtosis）都大于标准正态分布的峰度值3，各JB值更是远大于正态分布特征值5，其综合风险和操作风险分布呈现显著的厚尾特征，如花旗银行在研究期间的操作风险因素造成的最大损失高达45%以上。其中，操作风险分布的偏度（skewness）、峰度以及JB值都普遍高于其综合风险值，显示其操作风险分布的极端情形更严重，同时除中国银行外，其他五家银行的偏度均小于零，综合风险及操作风险的分布左偏严重（除中国银行外，其他均为左偏）。
2）阈值选取及GPD分布判定
图1（见下页）给出了6家银行外部市场影响下的操作风险波动历史趋势图。从中看出自上市以来，国内浦发和招商两家同时期的商业呈现出较相似的整体特质（一个平稳期和2006年以来的较为频繁变动的波动期）；而同样国际上的活跃银行花旗、德意志与汇丰银行在同期内也表现出类似性（一个平稳期，次贷中的激烈波动期）。虽然我国市场在成长初期不很稳定，其波动具有其自发的自身特性，平时存在更大的不稳定性，但是从2008年至今的波动幅度来看，国际市场波动剧烈，国内市场则相对稳定，在危机时整体波动比世界活跃银行弱，可见我国金融市场的对外依存度虽然逐渐升高，但有鲜明的本国宏观经济特征。
各银行日收益的柱状图分布（histogram）参见下页图2。可以看出就标准化的收益而言，国外银行操作风险的尾部数据要比国内呈现出较明显地尖峰长尾分布特征（与2007年以来国际市场宏观经济波动相关）。其中，所选样本函数的左尾分布集（5%）见下页图3。然而，为了满足GPD拟合分布特点，门槛值要求足够高；但是太高的阈值又会使得有效观测数据点减少而不足以估计出尾部分布函数的参数。因此，门槛值的选取至关重要。有鉴于此，这里本文给出两种确定门槛值U的方法：Hill图法（见图4，两种不同表述方式：下方考虑了阈值）和平均样本平均超额函数（MEF）方法（见图5）。
各银行在一定门槛值条件下，浦发银行超越阈值的数目为104个（u=2.72），招商银行超越阈值的数目为102个（u=2.35），中国银行超越阈值的数目为51个（u=1.76），花旗银行超越阈值的数目为245个（u=2.68），德意志银行超越阈值的数目为71个（u=2.36），汇丰银行超越阈值的数目为133个（u=1.83），这些数据拟合的GPD分布显示满足假设。采用QQ图模拟检测样本数据点在一定分位数下GPD分布的拟合程度参见第76页图6和图7，可见这些在阈值之上的数据点满足GPD分布（11）。
从表2的GPD分布指标参数估计来看，ξ参数的估计值大多在0-1之间，所有银行的极端操作风险损失分布符合厚尾或长尾分布特征。采用ML和Bs方法同时估计在1%概率下最大损失值和95%置信区间下的损失值和尾部超额平均损失值显示：中国银行未来有1%的概率其操作风险造成的年累积损失值超过29.92%，且损失超过该情形下的平均损失累积值是33.32%；在此情形下（置信区间为95%），则其累积操作风险尾部损失均值（OpCVaR）在100种情形下有95其值区间位于19.32%-44.59%之间。
比较而言，浦发银行的年累积操作风险在国内三家银行中最高，其次是招商银行，中国银行最低（当然其中模拟年限也最短）；海外市场中，花旗与德意志银行较接近，在未来有1%的概率各自年累积操作风险的值分别为57.86%和57.75%，汇丰银行最低，年累积极端操作风险为39.93%（置信区间为95%），并且它有1%的概率在其损失超过39.93%情形下的平均累积损失是43.65%；且其在以ML方法参数估计为95%的置信区间内，其平均超额累积操作风险的值在1 000种情形下有950次其值区间位于27.70%-51.7%之间。
但是，对于国外银行，剥离危机数据后，其尾部操作风险估计值要明显低于国内银行，如未来某天，花旗银行有5%概率在极端情况下的损失为13.39%，平均超额损失为16.46%、汇丰银行为16.39%和19.17%、而德意志银行最低，仅为4.20%和5.02%。这表明危机爆发前，国际活跃银行的风险管理比国内银行更稳健，成熟，这或可反映在业务规章或制度等系统性因素上。但是，此次金融危机对国外银行系统性风险冲击远远大于国内银行，部分原因在于流动性风险没能反映在大盘交易量上，而进入了操作风险残差项；同时危机爆发而引发的因内部管理不善、操作失误等造成的操作风险损失，也反映在股价中，使得国际活跃银行风险积聚扩大。因此，仅从资本市场对宏微观经济运行状态的反应而言，在极端金融危机情形下，国内商业银行整体累积极端操作风险要低于国际活跃银行；虽然这与国际商业银行从事的金融业务创新程度高有关，但更重要的可能在于我国当前的金融系统在一定程度上有利于对抗外部危机事件等系统性风险冲击。
进一步地，本文采用基于GEV分布的BMM方法估计各银行在一段时间内极端操作风险的损失情况（见表4），其中
的模拟参数及其估计值见图10和图11。
根据模拟值，在95%的置信区间，浦发银行每年有1次日累积最大操作损失估计值为7.67%、招商银行为6.1%、中国银行为3.91%，而且每2年日最大操作风险损失中国银行为5.3%、招商银行为8.34%、浦发银行为10.62%，可见国内几家银行的极端操作风险中中国银行最低，其次是招商银行和浦发银行；中国银行比浦发银行的变动范围也要小很多，为3.15%-5.20%之间，而浦发银行波动范围值为5.91-10.43之间（BS方法），几乎是中国银行的2倍。
在95%置信区间下，花旗银行的操作风险年最大损失拟合值范围为7.51-10.79，平均每1年有1次日最大损失超过6.36%，每2年日最大损失为8.57%；德意志银行的变动范围为3.76%-10.68%，每年有1次日最大损失为6.16%，每2年最大日损失为8.89%；汇丰银行为4.54%-6.62%，每年日最大损失为4.68%，每2年日最大损失为6.42%，在外资银行中最为稳定，极端操作风险值也最低。
整体来看，外资国际活跃银行的操作风险日最大损失估计值并不一定高于中资银行，如汇丰银行的ML估计范围值3.88%-6.06%与中国银行的波动范围3.0%-6.17%就极为接近。因此，排除中资银行由于我国特有的制度性因素外，国际活跃银行通过良好的风险控制也是可以有效降低其极端操作风险的，汇丰银行就是例证。
4 结束语
本研究考虑频度的复合泊松过程模型，通过卷积模拟测度商业银行的极端操作风险，分别采用最大似然估计和靴带自助法模拟了：1）基于广义帕累托分布的POT方法来估算累积的极端操作风险的OpCVaR值和OpVaR值，2）基于广义极值分布的BMM方法来计算一定期限内银行日最大操作风险损失；这为我国金融机构实施操作风险定量管理提供了方法模型支持。当然，可以清楚地看到基于广义帕累托分布的POT方法估计的极端操作风险OpCVaR值和OpVaR值，其含义完全不同于BMM方法估计的最大损失值，二者揭示的风险管理含义完全不同：前者揭示的是一段时间内累积的总极端操作风险值，而后者反映的是在一定战略风险管理期间，通常在1年以上，至少发生1次频率的损失最大值。
同时，本文采用Fama-French三因素模型的宏观经济变量影响下的银行操作风险度量剥离模型验证了极端操作风险度量模型；并分别对国内外6家具有代表性的银行：浦发银行、招商银行、中国银行、花旗银行、德意志银行以及汇丰银行，从宏观经济因素的影响角度实证检验了对其极端操作风险的影响。整体来看，遭受外部极端宏观经济事件影响的操作风险损失依次为中国银行、汇丰银行、招商银行、浦发银行、德意志银行，最后是花旗银行；中资银行整体优于国际活跃银行，这也许源于国内商业银行并没有遭受这次较为严重的金融危机传染有关，也体现了一定程度稳定的市场或者说有较强政府监管的市场抗极端风险的能力可能更强。
研究发现在极端外部事件影响下，尤其在考虑此次金融危机的系统性风险影响下，中资银行整体对抗极端操作风险的能力要强于国际活跃银行，但平时的高频低危内部操作风险控制国际活跃银行要优于中资银行。特别地，宏观经济影响下，国内银行的极端操作风险在2007年次贷之前波动大于国外市场，而在此后国外市场的操作风险出现剧烈波动，国内的银行操作风险虽也发生频繁波动，但较之前并无太大变化，这说明国内市场银行操作风险主要源自自身风险，则国内内部风险控制还有较大的提升空间。
但是，实际工作中，到底需要为操作风险分配多少监管资本，如何有效实现操作风险流程监控和管理是银行业长期以来亟待解决的问题，需要关注操作风险的多方面特点[8,26-28]。一方面，这需要根据历史数据建立共享的操作风险损失事件数据库，同时加强我国商业银行的操作风险的量化方法研究，建立操作风险的量化模型，也是提高我国商业银行操作风险管理能力的有效途径。
注释：
①自1995年英国巴林银行因外汇交易欺诈事件损失8.6亿英镑破产之后；大和银行因未授权交易导致11亿美元的操作风险损失；联合爱尔兰银行因外汇交易员诈骗损失约为7.5亿美元；纽约银行在“9.11”事件中损失1.4亿美元；法国兴业银行未经授权的交易损失49亿欧元；2008年雷曼兄弟由于采用过高的杠杆比率在金融风暴中破产以及麦道夫高达500亿美元的“庞氏骗局”损失案。
②2005年深圳发展银行总行违规贷款达15亿人民币；南海华光74.21亿元骗贷大案；工商银行上海外高桥支行姚康达7 141万元个人住房贷款案，其成都某支行由于系统漏洞导致2 000万人民币错误转账；交通银行锦州分行2.21亿元不良贷款案等事件。
③英国银行业协会2001年提出，国际结算银行2001年采用。广泛接受的定义囊括了法律风险，但排除了战略风险和声誉风险。本文基于巴塞尔协议（2004）年的广义概念，涵盖了难以剥离的策略风险和声誉风险，并突出外部因素变化，包括外部欺诈、政策、监管等引起的经营环境的变化，自然灾害等不可预测的突发事件导致的潜在极端风险，即支持外部宏观因素影响下的以操作风险为主的综合性极端风险。
④OpCVaR可修正OpVaR在风险一致性方面的致命缺陷。
⑤通常对损失尾部分布的描述有Lognormal分布、Weibull分布、Logweibull分布、一般GPD分布和Burr分布等[24]。
（11）Hill图中三条线逐渐重合的X刻度为门槛建议值，MEF图中其切线由平行X轴逐渐转到与X轴有正向夹角时的大致刻度为建议值（图4和图5）；QQ图，如近似呈一条直线（X和Y轴刻度不一），则符合GPD分布；图3和图7是尾部GPD分布拟合（实线）和散点图；图9中椭圆是GPD-Bootstrap联合95%置信域的xi和sigma的散点图，方框为95%独立置信区间（图8、10和11同）。
（12）Kaufman[24-25]认为系统性风险是指由某个事件引起连锁反应而给整个金融系统造成巨大损失的风险。研究发现，操作风险不仅包括企业特有的风险，也具有系统性，尤其在危机时刻，由于处置措施的缺乏和操作不当，平日经营中的一些弊端会在危机中集中爆发，如在美国市场，这些损失将直接反映在股价当中，造成股价下跌。后文的“金融系统”意指中国整个银行业的整体经营环境，如集中监管、业务种类安排和特定的国内经营环境甚至最后实际控制人等。
标签：操作风险论文; 银行论文; 中行论文; 银行风险论文; 银行监管论文; 宏观经济论文; 风险模型论文; 有效市场论文; 金融论文; 汇丰银行论文; 风险管理论文; 德意志银行论文; 商业银行论文;