商业银行经营风险预警模型及其实证研究

通过R型聚类分析筛选指标,建立了商业银行经营风险预警指标体系.综合运用主成分分析和模糊综合评判方法,建立了基于加权平均模糊综合评判的商业银行经营风险预警模型.以曾在1999年7月发生严重危机的汕头市商业银行为例对风险预警模型进行了实例分析和验证.文章的特色与创新一是运用R型聚类分析剔除了相关性强的指标;二是采用主成分分析法的最大方差旋转来确定指标权重,三是采用梯形隶属度函数反映不同程度风险发生的可能性;四是指标体系的建立综合地考虑了资产风险、流动性风险、资本风险和盈利风险.     

我国商业银行可持续发展水平测度——以长株潭城市群为例

借鉴已有可持续发展指标体系,构建了由金融生态系统、发展支持系统、风险控制系统三个子系统,11个状态层指标和33个变量层指标组成的我国商业银行可持续发展指标体系,并以长株潭城市群为例进行实证研究。通过收集该城市群2011~2013年商业银行相关指标数据,采用熵值法对其商业银行可持续发展水平进行了测度,表明目前长株潭城市群商业银行可持续发展仍主要依赖于金融生态系统和发展支持系统,风险控制系统的表现较弱。此外,商业银行的创新能力、流动性管理能力、经营管理能力和人力资源的表现较差,亟需从以上方面对商业银行的可持续发展能力进行提升。     

最优策略下的商业银行信用风险的小样本评级模型

银行信用风险评级的目的是揭示不同银行的信用风险水平。以最优策略为原则,本文首先构建了基于最优组合赋权的银行信用风险综合得分的测算模型,其次基于最优分布拟合了银行信用风险综合得分的概率密度函数,最后基于最优分割法构建了银行信用风险的小样本评级模型。本文的创新和特色在于:一是通过主观赋权的G1法和客观赋权的熵值法相结合确定信用风险指标的最优组合权重,建立银行信用风险综合得分的测算模型。二是通过最大熵模型确定银行信用风险综合得分的概率密度函数,揭示了银行信用风险综合得分的分布规律,解决了当综合得分不服从任何现有分布情况下的综合得分分布确定问题。三是通过切片抽样均匀地从综合得分密度函数中抽取评级得分的大样本随机数,克服了现有小样本仅仅分布于5个信用级别而无法划分9个信用级别的弊端,解决了在同一分布下由评级得分小样本获得评级得分大样本的问题。四是通过最优分割法对大样本进行9级分割,建立银行信用风险的小样本评级模型。     

改进的熵值法及其在经济效益评价中的应用

运用熵值法进行经济效益评价时常会遇到某些指标的极端值无法处理的困难,本文通过对熵值法的改进,有效地解决了这个问题。     

基于ELECTRE III的农户小额贷款信用评级模型北大核心CSCDCSSCI

我国农业人口占户籍人口比重达64.71%,加上农户小额贷款对象的分散性、财务信息不健全等特点和难点,致使农户小额贷款信用评级体系极不完善,甚至大多数银行均未建立该体系。通过共线性检验剔除反映信息重复的指标,通过Logistic回归显著性判别遴选对农户违约状态影响显著的指标,建立了由年龄、非农收入/总收入等13个指标组成的农户小额贷款信用评级指标体系。在此基础上,利用熵权法求解评价指标权重,构建了基于ELECTRE III(消去与选择转换评价)的农户小额贷款信用评级模型,并对中国某全国性大型商业银行2 044个农户样本进行了实证。     

基于ELECTRE III的农户小额贷款信用评级模型

我国农业人口占户籍人口比重达64.71%,加上农户小额贷款对象的分散性、财务信息不健全等特点和难点,致使农户小额贷款信用评级体系极不完善,甚至大多数银行均未建立该体系。通过共线性检验剔除反映信息重复的指标,通过Logistic回归显著性判别遴选对农户违约状态影响显著的指标,建立了由年龄、非农收入/总收入等13个指标组成的农户小额贷款信用评级指标体系。在此基础上,利用熵权法求解评价指标权重,构建了基于ELECTRE III(消去与选择转换评价)的农户小额贷款信用评级模型,并对中国某全国性大型商业银行2 044个农户样本进行了实证。     

有机热载体炉运行风险评价方法研究

运用人-机-环境系统工程原理,对有机热载体炉运行风险的人机环境系统进行综合评估.根据专家法确定指标层的值,在熵度法计算指标层权重、层次分析法和专家法计算准则层权重的基础上,评估指标层风险、各子系统风险和人机环境系统的综合风险,通过一致性检验表明该模型是合理可行的.将该模型应用到某台有机热载体炉运行风险评价中,得出目前有机热载体炉实际运行中人机环境指标的权重分别为:1.830、1.293、1.749,比较得出人和环境这两个指标比有机热载体炉设备本体的权重大0.5左右.这表明我们需要更多关注人员素质和环境管理,最后对风险评估值中较大的指标层提出了具体的改进措施,该评价方法对有机热载体炉定期检测有一定的指导意义.     

基于熵权和TOPSIS法的水安全模糊物元评价模型研究及其应用

在建立全面合理的水安全评价指标体系基础上,运用模糊物元分析,结合TOPSIS法和贴近度,提出基于熵权及TOPSIS法的水安全综合评价模型。模型采用反映评价指标特征值之间离散程度的熵值作为评价指标的权重,减少了确定权重的主观性。结合实例介绍该模型的具体运用,结果表明该模型合理、可行。     

基于组合权法的建筑施工企业信息化水平的多层次灰色评价

结合国家信息化测评中心颁布的<企业信息化基本指标构成方案>,建立了建筑施工企业信息化效能评价指标体系,并运用灰色多层次综合评价法对该指标体系进行定量评价.在评价模型中,采用层次分析法和熵值法确定指标的组合权重,兼顾主客观赋权优点,提高评价结果的准确性,最后结合一个实例验证.     

小微企业信用评级模型及比较研究

在调查和文献基础上,进行信用风险来源识别、评级指标分类和评级方法选择,构建商业银行内部信用评级模型,以期在授信审批环节提高信用风险管理水平.基于某商业银行2008—2013年小微企业实际信贷数据,运用线性判别分析、二项逻辑回归和十种基于不同学习算法的BP神经网络模型构建内部信用评级模型,并在评级指标体系中加入宏观经济变量,使度量风险的稳健性进一步得到提升.最后通过四种方法对不同模型的结果和评级有效性进行了对比分析,认为基于Levenbery-Marquardt学习算法的NN10模型具有最优的评级有效性.     

基于信用风险和流动性风险的银行市场结构对银行市场均衡的影响模型

借鉴Lucchetta提出的银行市场结构表示方法和研究思路,在假设信用风险和流动性风险都是不由银行自身决定的外生变量的条件下,以信用风险和流动性风险的不同组合表征银行市场结构,以自身收益最大化为银行决策目标,建立恰当的数学模型从理论上研究银行市场结构对银行市场均衡的影响。研究结果表明,在以信用风险和流动性风险度量的任何集中度的银行市场中,都既存在使银行市场运行良好的市场结构,也存在使银行市场体系崩溃的市场结构;当银行市场结构变量位于某个区间时,不同的流动性风险分布和不同的银行集中度将对银行市场均衡产生显著不同的影响。要使银行市场体系持续健康运行,就必须保持合理的银行市场结构。     

商业银行最优资本配置、股利分配策略与操作风险

随着商业银行风险管理实践与理论的逐步发展,操作风险受到了越来越多的关注,已成为与信用风险、市场风险、流动性风险并列的第四大风险来源.但相对而言,该领域的理论研究还较为匮乏.本文在Jarrow的研究范式下,对商业银行操作风险进行了更进一步的理论研究.首先,本文建立随机过程模型,对当存在操作风险时的银行资产进行描述,并利用随机动态优化方法求解了银行最优资本配置和股利分配策略;在此基础上,本文对银行最优策略与风险资产期望收益、波动性以及操作风险强度和频率之间的关系进行了探讨.本文的研究对操作风险的理论框架起到了补充和完善的作用,并为商业银行在操作风险存在条件下的资本配置和股利分配方案制定提供了一定的理论参考.     

基于避险行为的银行间网络系统性风险传染研究

建立了一个基于避险行为的银行间网络模型,研究了异质性网络结构和异质性银行资产条件下流动性囤积避险行为、折价出售避险行为以及避险行为叠加对系统性风险传染的影响。结果表明,流动性囤积在初始阶段减缓了系统性风险传染,折价出售没有延缓系统性风险传染,而避险行为的叠加从整体上加剧了系统性风险传染。考虑避险行为时,异质性网络稳定性强于同质性网络,不考虑避险行为时,同质性的随机网络更加稳定。最后,银行资产异质性对系统性风险传染没有显著影响。     

基于GA-ANN的中国金融安全预警系统设计及实证分析

国家金融体系的安全运行关系到经济社会的稳定,建立有效的金融安全预警系统已成为各界十分关注的焦点.基于现有文献,在金融安全预警指标体系中补充影子银行相关指标,以保证高杠杆、高流动性风险的经济参数参与建模,使得金融安全预警指标体系更加完整;运用因子分析计算七个金融子系统及整体金融系统安全得分,基于遗传算法优化的人工神经网络(genetic algorithm-artificial neural network,GA-ANN)建立中国金融安全预警系统,观察金融系统运行是否平稳、金融安全得分是否出现剧烈波动或异常值,以此判断国家金融状况是否安全,并对2013年我国金融安全状况进行预测.其中,GA-ANN网络较径向基神经网络、反向传播神经网络和广义回归神经网络,具有更好的拟合精度.预测结果显示2013年下半年我国金融系统总体运行安全,但在影子银行、股市和保险子系统存在一定的不安全因素.研究成果为政策制定者和广大投资者对国家宏观金融安全预判提供了参考依据.     

基于两阶段非期望DEA模型的商业银行效率评估

本文将两阶段非期望DEA模型引入银行效率评估,从银行系统内部运营结构入手,构建符合银行结构特征的两阶段网络DEA非线性模型.基于合作共赢的思想,该模型使中间产出在两个子系统的权重相等,将关系模型从规模报酬不变扩展到规模报酬可变的情形,每个银行的系统效率分解为两个子系统的乘积,启发式搜索方法被用来求解新提出的模型.本文将银行经营过程分为筹资阶段和运营阶段,分别应用加权和两阶段模型与该模型对23家商业银行的效率进行测算,验证了提出新模型的合理性.     

中国沪深300股指期货风险度量——基于流动性调整的收益率方法的研究

传统的VaR方法忽略了流动性风险,而现有的文献大都采用将流动性风险与传统的市场风险直接相加的方式来度量总的风险,忽略了市场风险与流动性风险带来的损失之间的相关性.本文采用经流动性风险调整过的收益率结合GARCH-VaR方法来度量包含了市场风险与流动性风险的总体风险,并运用沪深300股指期货市场的5分钟高频数据进行实证分析,结果表明,传统的VaR会明显低估风险,而将流动性风险与市场风险相加的方式计算的VaR会高估风险.     

基于期限结构溢价的商业银行信用利差测算模型与实证

商业银行的信用利差系指银行债与国债年到期收益率的差额, 既反映市场众多投资者对特定银行信用风险程度的认同, 又是银行债投资决策的重要依据. 通过同一信用等级银行债到期收益率曲线上、不同期限的到期收益率之差确定T-1年的利率期限结构溢价, 通过T年期银行债的到期收益率减去T-1年的利率期限结构溢价来确定1年期银行债的到期收益率, 建立了基于期限结构溢价的商业银行信用利差测算模型和违约概率测算模型, 并对可得到数据的46家商业银行进行了实证研究. 本文的创新与特色一是通过用特定银行债T年期的理论到期收益率r_y,T减去收益率曲线上的同一信用级别银行债T-1 年利率期限结构溢价r_p,T-1、来确定特定银行债1年期到期收益率r_y,1, 解决了现有理论公式仅仅能够测算T年这一整个时段的到期收益率、无法确定特定债券1年期到期收益率、因而无法计算债券利差的难题. 二是通过1年期的银行债与国债到期收益率的比较给出各有关银行的实际信用利差, 反映资本市场对各有关商业银行信用风险的认同, 为银行债的发行定价和投资决策提供依据. 三是通过折算到同一基准日的国债与银行债实际到期收益率的比较来反映真实的信用利差, 解决了各种债券由于发行日不同而无法进行比较的问题. 四是通过实证研究得到了与穆迪公司对我国银行信用风险排序一致的结果, 验证了本模型的合理性. 实证研究结果表明, 四大国有商业银行违约概率最低, 地区性的城市商业银行违约概率较高, 上市银行的违约概率居中.     

基于模糊神经网络的商业银行信用风险评估模型研究

在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊神经网络的商业银行信用风险评估模型.该网络具有四个因子输入,一个衡量商业银行信用风险的输出,总共六层的结构,且模糊规则层具有根据具体问题情况进行调节的能力,优于神经网络完全黑箱操作的特点.利用Matlab6.1对167组样本数据进行实证分析,训练结果表明网络预测误差小.     

含分层损失吸收型债务的银行资本结构设计与定价

为了解决全球系统重要性银行总损失吸收能力不足，以及近年来只发行或有可转债一种损失吸收型债券的银行出现的额外风险问题，在借鉴《巴塞尔协议III》和《TLAC原则及清单》建议的基础上，研究了一种含分层损失吸收型债务的新型银行资本结构.首先，对资本结构的基本设定和损失吸收机制进行了细致的刻画；在此基础上，给出了银行资产、各项债务以及原股东股权的定价模型.数值模拟分析表明，一般情况下含有分层损失吸收型债务的银行资本结构，要比含有单一损失吸收型债务的资本结构具有更强的损失吸收能力，并且存在最优的损失吸收型债务结构.对价差进行灵敏度分析表明，只有在波动率极端大水平上发行单一的损失吸收型债务才会有利于银行发行成本的节省，而在通常的波动率率水平下，银行为了节约成本都可以选择发行更短期限的TLAC债券.     

跨银行与企业部门的系统性风险研究

从风险反馈视角，研究跨银行与企业部门的系统性风险贡献度与传染效应.基于债务排序方法构建了银企系统性风险测度模型，并基于2018年中国银企间借贷数据进行研究.研究结果表明：银行节点在银行层的债务等级小于在企业层的债务等级，而企业节点在企业层的债务等级小于在银行层的债务等级；银企信贷系统中存在少数系统重要性银行和企业，其系统性风险贡献度高；随着银行或企业的信贷规模增大，所对应的总债务等级越高，而且总债务等级与信贷规模呈现非线性特征；随着信贷宽松程度变大，银行与企业的系统性风险贡献度呈现下降特征；在不同信贷宽松政策下，由企业所引发的总信贷损失始终大于银行，而且造成的银企信贷系统崩溃的阈值始终小于银行；信贷政策宽松程度对维持银企信贷系统的稳定性具有积极影响，特别对银行的作用更为显著.