汪雅倩，朱家明

(安徽財經(jīng)大學(xué)a.金融學(xué)院;b.統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽蚌埠　233030)

?

基于收入模型的“新常態(tài)”下我國商業(yè)銀行操作風(fēng)險防控研究

汪雅倩a，朱家明b

(安徽財經(jīng)大學(xué)a.金融學(xué)院;b.統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽蚌埠233030)

[摘要]“新常態(tài)”是全球經(jīng)濟危機后我國經(jīng)濟調(diào)整發(fā)展過程的新總結(jié).商業(yè)銀行作為與實體經(jīng)濟資金往來密切的金融業(yè)，業(yè)務(wù)模式與風(fēng)控管理出現(xiàn)新特點的同時也暴露出新的問題.本文在研究“新常態(tài)”下我國商業(yè)銀行面臨的內(nèi)外環(huán)境變化基礎(chǔ)上，選取適合我國實際情況的收入模型進行實證分析.根據(jù)收入模型原理，選取衡量指標，利用11家代表性上市銀行2007-2014年32個季度數(shù)據(jù)，進行模型檢驗和回歸，并將上市商業(yè)銀行劃分為國有、股份制銀行兩類，分別進行操作風(fēng)險度量并比較.研究結(jié)果表明在引入變異系數(shù)的基礎(chǔ)上，股份制銀行操作風(fēng)險高出國有銀行4.3倍，并深入分析了產(chǎn)生這種結(jié)果的可能原因，進而有針對性地給出商業(yè)銀行操作風(fēng)險防控的建議.

[關(guān)鍵詞]“新常態(tài)”經(jīng)濟；收入模型；國有銀行；股份制銀行；操作風(fēng)險管理；內(nèi)外部環(huán)境；建議

0引言

受全球經(jīng)濟危機的影響，世界各國仍處于“大過渡”、“大調(diào)整”時期.我國商業(yè)銀行作為社會資金主要供給者，面臨的環(huán)境也在發(fā)生改變.我國經(jīng)濟由2003-2007年10.02%以上的高速增長放緩至近年的7%左右的穩(wěn)中有進增長狀態(tài)，經(jīng)濟運行進入增長速度換檔期、結(jié)構(gòu)調(diào)整陣痛期、前期刺激政策消化期“三期”疊加的“新常態(tài)”.經(jīng)濟結(jié)構(gòu)的調(diào)整轉(zhuǎn)型使得我國經(jīng)濟由投資型增長向消費型增長轉(zhuǎn)變，2014年全年最終消費支出對GDP貢獻率達51.2%.2014年對GDP占比升至48.2%的第三產(chǎn)業(yè)也成為撬動“新常態(tài)”市場的主導(dǎo)力量.“經(jīng)濟決定金融，金融服務(wù)于經(jīng)濟”，國內(nèi)經(jīng)濟“去產(chǎn)能、去庫存、去杠桿”的過程使商業(yè)銀行盈利空間被擠壓、風(fēng)險防控的壓力不斷上升.

2004年新巴塞爾資本協(xié)議正式將操作風(fēng)險納入資本管理體系，與信用風(fēng)險、市場風(fēng)險并列為商業(yè)銀行三大風(fēng)險.巴林銀行倒閉與大和銀行危機等引起國內(nèi)外銀行及監(jiān)管部門重視，我國商業(yè)銀行近年也頻發(fā)操作風(fēng)險事件，如2005年中行河松街支行行長高山席卷巨額機構(gòu)存款案、2006年工行南海分行馮明昌74億騙貸案、2010年齊魯銀行特大票據(jù)詐騙案等.根據(jù)我國具體國情劃分的事件類型以及業(yè)務(wù)線，通過搜集各媒體披露的操作風(fēng)險事件，匯總結(jié)果如表1所示.

由表1，從業(yè)務(wù)線上看，相比于操作風(fēng)險事件更頻發(fā)的零售銀行業(yè)務(wù)(76.2%)與支付結(jié)算業(yè)務(wù)(12.1%)，經(jīng)營面較廣的商業(yè)銀行業(yè)務(wù)損失頻率僅為10.6%，但是損失金額卻有著76.5%的最大占比，且損失金額占據(jù)69.1%，因此相對而言商業(yè)銀行業(yè)務(wù)是銀行風(fēng)控的重點對象.在事件類型上，外部欺詐同時占據(jù)了損失頻率和損失金額的最大占比，分別為62.4%和69.1%，因而綜合看來，商業(yè)銀行操作風(fēng)險防控的主要力量應(yīng)集中于商業(yè)銀行業(yè)務(wù)的外部欺詐上.

表1　操作風(fēng)險損失事件及損失金額分布矩陣

注：每個單元格第一行、第二行數(shù)據(jù)含義分別是:損失事件數(shù)(損失發(fā)生頻率)、損失金額(損失額占比)，單位分別是次(%)、萬元(%).

我國商業(yè)銀行近年呈井噴式增長，資產(chǎn)規(guī)模于2014年突破168萬億元，是2008年金融危機時的2.65倍，年均漲幅19.1%，可銀行從業(yè)人員僅增加了83萬人，年均僅增5.48%，比資產(chǎn)規(guī)模增長低13.62%，顯示商業(yè)銀行整體經(jīng)營管理水平特別是風(fēng)險內(nèi)控水平提升不及自身發(fā)展速度.受利益驅(qū)使的銀行合規(guī)經(jīng)營、穩(wěn)步發(fā)展的意識薄弱，整體風(fēng)控管理欠缺導(dǎo)致操作風(fēng)險隱患和違規(guī)問題突出.

本文對商業(yè)銀行操作風(fēng)險管理進行研究，選取11家代表性上市銀行，分為國有及股份制銀行兩類，選取可以衡量市場、信用、流動性風(fēng)險的指標，據(jù)收入模型原理，將這些指標不能反映的凈利潤波動方差，納入難以度量、有剩余意義的操作風(fēng)險中，并根據(jù)凈利潤服從正態(tài)分布的假設(shè)及變異系數(shù)，分別得出國有、股份制銀行操作風(fēng)險估計值，以相對度量兩類銀行操作風(fēng)險.

1相關(guān)文獻回顧

國外對操作風(fēng)險管理研究早、重視度高、損失數(shù)據(jù)易獲得、技術(shù)先進，因而操作風(fēng)險定量模型研究方面相對成熟完善.Allen(2010)[3]認為操作風(fēng)險一種是剔除了市場、信用風(fēng)險后的剩余風(fēng)險概念，并發(fā)現(xiàn)操作風(fēng)險大小與宏觀經(jīng)濟周期運行密切相關(guān).Dutta(2006)[4]在EVT環(huán)境下基于各種參數(shù)量化模型對操作風(fēng)險損失數(shù)據(jù)擬合，得到了不同設(shè)定形式模型會導(dǎo)致較大差異性的估計值.Tursunalieva(2011)[5]在Dutta研究的基礎(chǔ)上，基于非參數(shù)估計法，解決了Dutta研究中參數(shù)不同的設(shè)定導(dǎo)致估計偏差這一問題.Hsu(2012)[6]基于半?yún)?shù)極值Copula法及蒙特卡羅模擬計算了資產(chǎn)組合風(fēng)險值VaR.Luyao LI(2013)[7]運用貝葉斯網(wǎng)絡(luò)圖，基于紅黃綠信號燈模型，并以中國工商銀行為例，對我國商業(yè)銀行借貸款各業(yè)務(wù)環(huán)節(jié)的操作風(fēng)險進行了預(yù)警研究.Ali(2013)[8]在模糊環(huán)境中基于模糊層次分析法，對土耳其國有、民營商業(yè)銀行操作風(fēng)險進行了多準則評價，結(jié)果論證了兩類銀行操作風(fēng)險的差異性.Xiaoling Hao(2014)[9]在蒙特卡羅模擬環(huán)境下，基于Barabasi-Albert(BA)模型，對在不同條件下影響操作風(fēng)險損失的因素進行了分析，驗證了BA模型相比于其他模型的優(yōu)勢，并發(fā)現(xiàn)操作風(fēng)險網(wǎng)絡(luò)的節(jié)點度以及初始節(jié)點在損失的選擇中扮演一個重要的作用.Kashfia(2014)[10]運用銀行內(nèi)外部操作風(fēng)險，基于貝葉斯推理，度量了銀行明年的操作風(fēng)險并建議提出相應(yīng)資本金.

國內(nèi)對操作風(fēng)險研究起步較晚及操作風(fēng)險損失數(shù)據(jù)的難獲得性，導(dǎo)致高級計量研究不多，因而國內(nèi)學(xué)者的研究大多是在對我國實際情況深入分析的基礎(chǔ)上進行的.豐吉闖(2011)[11]基于極值理論(EVT)和損失分步法(LDA)，分別對我國商業(yè)銀行操作風(fēng)險損失數(shù)據(jù)進行量化，得到了重要的是銀行對EVT和LDA模型的應(yīng)用能力，而非對模型的選擇的結(jié)論.盧安文(2012)[12]搜集了我國操作風(fēng)險總損失額、分位數(shù)及整體損失密度值，基于貝葉斯網(wǎng)絡(luò)及蒙特卡羅模擬，將我國商業(yè)銀行操作風(fēng)險量化，得出貝葉斯網(wǎng)絡(luò)是我國商業(yè)銀行操作風(fēng)險適合的度量模型的結(jié)論.邢志國、丁日佳(2012)[13]運用三家商業(yè)銀行的面板數(shù)據(jù)，基于收入模型，度量了三家銀行的操作風(fēng)險，得出三家商業(yè)銀行16.7%的凈利潤波動是由操作風(fēng)險引起的，且由操作風(fēng)險占比排序結(jié)果是：深發(fā)行、招商銀行、浦東發(fā)展銀行.賓建成(2013)[14]運用1994-2008年我國商業(yè)銀行操作風(fēng)險損失數(shù)據(jù)，基于貝葉斯MC頻率法，研究了損失分布狀況，得到了我國商業(yè)銀行操作風(fēng)險損失分布近似服從廣義極值分布的結(jié)論.邵帥(2013)[15]綜合運用風(fēng)險管理的基本原理和方法，對濟寧銀行操作風(fēng)險案例進行深入研究，為濟寧銀行操作風(fēng)險管理框架提出新構(gòu)想及對策建議.王穎娜(2013)[16]基于高級計量法下的損失分步模型，對我國商業(yè)銀行1994-2012年共396例操作風(fēng)險事件數(shù)據(jù)進行實證分析，確定了基于不同置信水平下操作風(fēng)險資本價值，并分析了其與官方公布的監(jiān)管數(shù)據(jù)產(chǎn)生差異的原因.陳強(2013)[17]基于收入模型，對我國中小商業(yè)銀行經(jīng)營狀況進行實證分析，探討了新形勢下中小商業(yè)銀行操作風(fēng)險管理的路徑與措施.蔣安然(2014)[18]基于巴塞爾委員會建議的商業(yè)銀行應(yīng)使用的三種度量方法，以中國農(nóng)業(yè)銀行為例，對各度量方法在我國商業(yè)銀行的效果和可行性進行分析，并提供管理建議.

經(jīng)以上文獻梳理可知，國內(nèi)外學(xué)者從各方面對商業(yè)銀行操作風(fēng)險管理及度量進行了研究.但早期我國不夠重視操作風(fēng)險管理，損失數(shù)據(jù)難獲取，所以國內(nèi)研究更側(cè)重操作風(fēng)險管理理論框架建立與分析，高級計量法未深入開展，在操作風(fēng)險度量中，收入模型適用性及簡便性受到國內(nèi)學(xué)者一定程度認可.但大多數(shù)研究只選取了少數(shù)幾個商業(yè)銀行(有的包括非上市銀行)進行操作風(fēng)險度量比較，結(jié)果代表性不強.此外，已有研究很少根據(jù)商業(yè)銀行自身屬性對其分類，從而比較各類操作風(fēng)險差異.因而，本文選取2007-2014年11家上市銀行的季度數(shù)據(jù)，在此不考慮2011年7月才上市的農(nóng)行以及注冊資本金較弱的城市商業(yè)銀行和交行.同時根據(jù)各銀行自身屬性劃分為兩大類，并對這兩類操作風(fēng)險做出對比度量分析，得出差異，結(jié)果更具代表性和針對性，從而在此基礎(chǔ)上給出出現(xiàn)差異的原因并給出管理操作風(fēng)險的建議，這些研究都具有一定的現(xiàn)實意義和必要性.

2模型原理、指標選取及數(shù)據(jù)來源

2.1模型原理

收入模型原理是以商業(yè)銀行凈利潤為被解釋變量，將新巴塞爾協(xié)議中規(guī)定的三大風(fēng)險:市場、信用、操作風(fēng)險視為影響因素.為全面研究，本文也研究流動性風(fēng)險.因操作風(fēng)險難以度量，因而用可衡量其他風(fēng)險的指標度量操作風(fēng)險波動，將不能解釋的方差視為是有剩余意義的操作風(fēng)險引起的.

2.2指標選取

根據(jù)新巴塞爾協(xié)議規(guī)定，選取可以衡量信用風(fēng)險、市場風(fēng)險和流動性風(fēng)險的代表性指標.

2.2.1信用風(fēng)險

①不良貸款率.不良貸款壞賬準備直接影響凈利潤，無法收回的壞賬是商業(yè)銀行凈利潤的主要損失.

②貸款集中度.規(guī)避過度集中可分散商業(yè)銀行業(yè)務(wù)風(fēng)險，從而避免凈利潤的損失.

③資本充足率.其可保障商業(yè)銀行日常業(yè)務(wù)的資金需求，避免被經(jīng)營中潛在的風(fēng)險沖擊，從而可以保障銀行日常的盈利能力.

2.2.2市場風(fēng)險

①凈利差.由于我國的歷史以及居民的儲蓄觀念，商業(yè)銀行主要利潤來源仍然是傳統(tǒng)業(yè)務(wù)的凈利差，其波動對商業(yè)銀行凈利潤有較顯著的影響.

②5年、3個月定期利差.我國利率市場化改革不斷的深入，利率期限結(jié)構(gòu)可能影響商業(yè)銀行凈利潤波動.因而選取較有代表性的5年和3個月定期存款的利差作為衡量指標，是具有一定現(xiàn)實意義的.

③真實GDP增長率.該指標可以滯后衡量我國宏觀經(jīng)濟運行情況，因而代表商業(yè)銀行所處的發(fā)展環(huán)境，自然對其凈利潤增長有所影響.

④上證指數(shù).選取的11家皆為上市銀行，其凈利潤必會受到資本市場波動的影響.

2.2.3流動性風(fēng)險

①流動性比例.本文選取的是短期資產(chǎn)流動性比例，可以衡量商業(yè)銀行在償債以及應(yīng)對業(yè)務(wù)風(fēng)險時變現(xiàn)的能力，從而間接影響了銀行的盈利能力.

由表4調(diào)查可知，新開沙荒地蘋果栽植成活率較低，不同區(qū)域成活率差異較大，行間清耕蘋果幼樹成活樹為44. 32%，間作小麥成活率僅為41. 28%，自然生草成活率為73. 32%，這與地面管理、風(fēng)沙大小和防護林生長有關(guān)。2016年補栽的蘋果幼苗成活率顯著提高，行間清耕蘋果補栽成活率達到92. 94%，間作小麥補栽成活率達到88. 16%，自然生草補栽成活率為87. 13%。蘋果幼樹管理采取滴灌方式灌溉，肥隨水滴入，土壤肥力增加；再則，經(jīng)過一年的管理，防護林逐漸成林，環(huán)境有所改善，蘋果種植成活率提高。2017年春季蘋果幼樹成活率降低，說明沙荒地種植蘋果存在越冬抽干現(xiàn)象。

②存貸比.作為傳統(tǒng)業(yè)務(wù)代表的存貸款仍然是商業(yè)銀行凈利潤主要來源，因而從存款中派生出的貸款的占比大小直接影響了其凈利潤大小.

根據(jù)上述選取的指標，先行預(yù)測各自和凈利潤的相關(guān)關(guān)系，匯總結(jié)果如表2所示.

表2　變量說明

2.3數(shù)據(jù)來源

本文研究對象選取上市較早且主營業(yè)務(wù)收入接近的3家國有銀行:中國銀行、工商銀行、建設(shè)銀行以及具代表性且資本規(guī)模相對大的招商、浦發(fā)、中信、民生、光大、華夏、興業(yè)、平安8家股份制銀行.數(shù)據(jù)上，選取源于各銀行季報和Wind資訊的2007到2014年32個季度的數(shù)據(jù)進行計量.

3模型建立、檢驗及結(jié)果

3.1模型建立

第一步，利用上述指標，建立如下模型：

Rt=α+β1·Bt+β2·Kt+β3·Zt+β4·Dt+β5·Jt+β6·Gt+β7·St+β8·Lt+β3·Ct+θt

第三步，根據(jù)收入模型的基本假設(shè)——凈利潤的波動服從正態(tài)分布，可知99.9%的置信區(qū)間下，正態(tài)分布分位數(shù)約為3.09，因為操作風(fēng)險引起的商業(yè)銀行凈利潤波動為Y操作=3.09*操作.

3.2模型檢驗

將數(shù)據(jù)帶入模型進行回歸之前，將搜集的數(shù)據(jù)逐步進行檢驗，以了解其基本特征.

3.2.1描述性檢驗

描述性統(tǒng)計結(jié)果顯示凈利潤偏度、峰度分別為1.5312、4.2627，滿足收入模型基本假設(shè)；存貸比均值、中位數(shù)分別為70.4939、71.4450，滿足巴塞爾協(xié)議存貸比要求，則選取的數(shù)據(jù)具有代表性.

3.2.2相關(guān)性檢驗

相關(guān)性檢驗結(jié)果顯示各個變量之間的相關(guān)方向與前文根據(jù)經(jīng)濟意義預(yù)測的方向完全一致，再次說明了數(shù)據(jù)的代表性.檢驗結(jié)果如表3所示.

表3　簡化后的相關(guān)系數(shù)表

3.2.3協(xié)整性檢驗

協(xié)整性檢驗結(jié)果，給出原假設(shè)H0“不存在協(xié)整關(guān)系”以及顯著性水平α=0.05，而伴隨概率為0.0462<0.05，則拒絕H0，則觀察期內(nèi)各變量有協(xié)整關(guān)系，因而接下來進行回歸分析不會產(chǎn)生影響實證結(jié)果的偽回歸.檢驗結(jié)果如表4所示.

表4　KAO檢驗結(jié)果

3.3結(jié)果

EVIEWS6.0對11家上市銀行總體回歸輸出結(jié)果顯示F檢驗伴隨概率是0.000001，參數(shù)t檢驗結(jié)果如表5所示，則在顯著性水平α=0.01情況下，F(xiàn)統(tǒng)計量和t統(tǒng)計量都能通過檢驗，即都是有效無偏估計.R2=0.960329，接近于1，說明模型擬合度較高.根據(jù)上述模型思路，不能被模型解釋的那部分凈利潤方差被視為是由操作風(fēng)險引起的，所以操作風(fēng)險引起商業(yè)銀行凈利潤波動占比為3.97%.

表5　11家上市銀行總體回歸輸出結(jié)果

再用EVIEWS6.0用上述方法對國有、股份制這2類商業(yè)銀行分別進行回歸.匯總結(jié)果如表6所示.結(jié)果顯示分別回歸的F統(tǒng)計量都在給定0.01顯著性水平下顯著，且可決系數(shù)均大于0.9，模型擬合優(yōu)度較高.而總體商業(yè)銀行(此處不包含城市商業(yè)銀行)、國有銀行、股份制銀行操作風(fēng)險對凈利潤波動占比分別為3.97%、1.11%、6.49%.

表6　國有、股份制銀行操作風(fēng)險回歸參數(shù)

表7　國有、股份制銀行操作風(fēng)險估計結(jié)果

4結(jié)論與建議

4.1結(jié)論

在總體回歸結(jié)果中，得出總體操作風(fēng)險大約為3.97%，低于巴塞爾協(xié)議規(guī)定的20%操作風(fēng)險水平，在很多已有研究中也有類似的結(jié)果，如楊肅昌(2015)得出3.12%這個結(jié)果.但是這一結(jié)果并不足以說明我國上市商業(yè)銀行操作風(fēng)險的管理控制已經(jīng)完善，近年來頻發(fā)且損失金額巨大的操作風(fēng)險事件一次次揭露了我國商業(yè)銀行操作風(fēng)險管理存在較大問題，對此我國商業(yè)銀行仍需多多借鑒國外一些優(yōu)質(zhì)銀行的操作風(fēng)險防控經(jīng)驗.同時，本文在對象選擇方面，沒有考慮資產(chǎn)規(guī)模，分支機構(gòu)數(shù)相對弱的城市商業(yè)銀行，總體的回歸結(jié)果變好，但顯然國有、股份制銀行是不足以完全代表我國上市的16家商業(yè)銀行的，更不能說整個銀行業(yè)了，這也可能是造成總體操作風(fēng)險很低的一個原因.

由上述相對操作風(fēng)險結(jié)果知，國有銀行的操作風(fēng)險管理控制能力要優(yōu)于股份制銀行，分析可能存在如下幾點原因：

1.國有銀行建立歷史更為悠久，積累了較多管理經(jīng)驗，且在上市以后，國有銀行利用其較大的資產(chǎn)規(guī)模，不斷借鑒國外優(yōu)質(zhì)的操作風(fēng)險管理控制經(jīng)驗，引進其優(yōu)秀的管理技術(shù)以及人才，加強對內(nèi)部員工相關(guān)內(nèi)容的培訓(xùn)，以促進操作風(fēng)險管理部門的建設(shè)和發(fā)展.

2.不及國有銀行在資產(chǎn)規(guī)模、客源以及營業(yè)網(wǎng)點廣等方面優(yōu)勢，為了擴大市場份額，相比于國有銀行更側(cè)重于傳統(tǒng)的存貸款業(yè)務(wù)，股份制銀行會投入更多精力在創(chuàng)新性的投資理財產(chǎn)品上，便累積了潛在風(fēng)險；同時把工作業(yè)績作為員工的績效考核的唯一方式，對員工風(fēng)險意識的培訓(xùn)與教育明顯不足，使得無論對于銀行自身還是員工都會為利益所驅(qū)使，從而忽略操作風(fēng)險防控.

3.股份制商業(yè)銀行的經(jīng)營模式更側(cè)重區(qū)域化，不符合風(fēng)險分散經(jīng)營的原則，從而容易累積風(fēng)險.

4.2建議

政府以及銀行業(yè)需要就“新常態(tài)”經(jīng)濟下商業(yè)銀行運行的新特點做出加強法制管理、自身監(jiān)管等方面的措施，以維持金融市場的穩(wěn)定，提升與實體經(jīng)濟業(yè)務(wù)往來的服務(wù)水平.

4.2.1健全適時的操作風(fēng)險防控法制建設(shè)，實行銀行業(yè)差別化管理

對于“新常態(tài)”下我國商業(yè)銀行的發(fā)展狀況以及面臨的挑戰(zhàn)和機遇，有針對性地加強銀行業(yè)操作風(fēng)險的政策管理，及時對《銀行業(yè)監(jiān)管法》、《商業(yè)銀行法》修訂，完善現(xiàn)有金融管理體系；根據(jù)各銀行資產(chǎn)規(guī)模、業(yè)務(wù)復(fù)雜程度，內(nèi)部管理體制以及系統(tǒng)重要性的不同，制定有效的分類標準，將各銀行進行差別化管理，提高法治實施效率；拓寬國有銀行的業(yè)務(wù)范圍，不限于把存貸款作為主要收益來源，約束部分股份制銀行的過度擴張，在業(yè)務(wù)創(chuàng)新中貫徹操作風(fēng)險防控.

4.2.2提升銀行業(yè)內(nèi)部風(fēng)控能力，強化風(fēng)控意識教育

無論是國有銀行還是股份制銀行，在日常經(jīng)營過程中，責(zé)任主體都要明確，強化“底線思維”和“前瞻性”；加強對內(nèi)部高級管理人員的激勵約束，拓寬員工績效考核范圍；完善商業(yè)銀行內(nèi)部治理結(jié)構(gòu)，宣傳操作風(fēng)險防控文化，加強內(nèi)部人員風(fēng)險意識培訓(xùn)教育，強化業(yè)務(wù)合規(guī)管理，防止權(quán)利集中化，以全面提升銀行業(yè)內(nèi)部操作風(fēng)險管理能力.

4.2.3加強金融創(chuàng)新，穩(wěn)定操作風(fēng)險管理經(jīng)濟基礎(chǔ)

“金融是經(jīng)濟的核心”.商業(yè)銀行在加強對經(jīng)濟發(fā)展迅速、資金需求大的繁榮地區(qū)提供資金支持的同時，也要幫扶經(jīng)濟薄弱地區(qū)的發(fā)展，促進各地區(qū)產(chǎn)業(yè)的全面升級，以改善銀行業(yè)風(fēng)險管理經(jīng)濟環(huán)境；國有銀行資產(chǎn)規(guī)模固然優(yōu)于股份制商業(yè)銀行，但其資產(chǎn)質(zhì)量、財務(wù)運作質(zhì)量、收益完善的綜合排名不及發(fā)展前景良好的股份制銀行，因而國有銀行要加強金融創(chuàng)新能力，拓寬業(yè)務(wù)范圍，針對于經(jīng)濟發(fā)展趨勢與客戶需求，開發(fā)風(fēng)控良好的金融產(chǎn)品；股份制商業(yè)銀行在正興盛的金融創(chuàng)新上，要洞察潛在風(fēng)險，做好風(fēng)控措施.各商業(yè)銀行都要跟上如火如荼的”互聯(lián)網(wǎng)+時代”，加強網(wǎng)上銀行、自助設(shè)備的拓展以及操作風(fēng)險防控等建設(shè).

4.2.4強化銀行操作風(fēng)險監(jiān)管職能，業(yè)務(wù)經(jīng)營與風(fēng)險治理同步

銀監(jiān)會需加強推進監(jiān)管治理體系建設(shè)，有針對性地制定、強化并強制實施相關(guān)監(jiān)管政策；防止監(jiān)管真空，監(jiān)管交叉、重復(fù)、過度，以提高監(jiān)管效率；在銀行內(nèi)部建立要獨立的操作風(fēng)險管理部門，直接對董事會負責(zé)，全面推進銀行業(yè)務(wù)經(jīng)營與風(fēng)險治理同步進行；國有銀行實質(zhì)是最大股東為中國財政部的股份制銀行，因而金融監(jiān)管中對于國有銀行業(yè)務(wù)適當(dāng)放開的同時也要加強風(fēng)險防控；普通股份制銀行要保持股權(quán)分散的狀態(tài)，防止股權(quán)集中化現(xiàn)象的產(chǎn)生，以減小風(fēng)險隱患.

參考文獻

[1]Allen L，Bali TG. Cyclicality in Catastrophic and Operational Risk Measurements[J]. Journal of Banking & Finance, 2010, 31(4): 1191-1235.

[2]Dutta K, Perry J. A Tale of Tails: An Empirical Analysis of Loss Distribution Models for Estimating Operational Risk Capital[R]. Federal Reserve Bank of Boston,2006, 5(3): 194-194(1).

[3]Tursunalieva A, Silvapulle P. Estimation of Operational Risks Using Non-parametric Approaches with an Application to US Business Losses[C]. Australia: 24th Australasian Finance and Banking Conference 2011 Paper, 2011.

[4]Hsu CP, Huang CW, Chiou WJP. Effectiveness of Copula-extreme Value Theory in Estimating Value-at-risk:Empirical Evidence from Asian Emerging Markets[J].Reviews of Quantitative Finance and Accounting,2012, 39(4): 469-469.

[5]LI Luyao，LI Xin. Based On Bayesian Network of Commercial Bank Loans to Business Operation and the Control of Risk Analysis[J].Statistical and Application,2013, (2):55-60.

[6]Ali Bayrakdaro?lu.Ne?e Yal?in.A Fuzzy Multi-Criteria Evaluation of the Operational Factors for the State-Owned and Privately-Owned Commercial Banks in Turkey[J]. Human and Ecological Assessment An International Journal,2013, (2):443-461.

[7]Xiaoling Hao, songqiao Han.Operational Risk Transmission Model of Banks on a Scale-free Network[J].HKIE Transations,2014,21(3):170-177.

[8]Rahman Kashfia N. And Denins A.Black,Gary C.McDonald.Application of Bayesian Inference on the Modeing and Estimation of Operation Risk Using Banking Loss Data.Applied Mathematics. 2014,(6):862-876.

[9]豐吉闖,高麗君.商業(yè)銀行操作風(fēng)險度量模型選擇分析[J].國際金融研究,2011,(8):88-96．

[10]盧安文,任玉瓏,唐浩陽.基于貝葉斯推斷的操作風(fēng)險度量模型研究[J].系統(tǒng)工程學(xué)報,2012.24(3)：287-392．

[11]邢志國,丁日佳.基于面板數(shù)據(jù)模型的商業(yè)銀行操作風(fēng)險分析[J].商業(yè)研究,2011,(12):146-151.

[12]賓建成,吳俊.中國商業(yè)銀行操作風(fēng)險損失分布的擬合與診斷[J].投資研究,2013,(3)：20-32．

[13]邵帥.城市商業(yè)銀行操作風(fēng)險研究[D].山東財經(jīng)大學(xué),2013．

[14]王穎娜.基于損失分布法的我國商業(yè)銀行操作風(fēng)險度量研究[D].東北財經(jīng)大學(xué)．2013．

[15]陳強.基于收入模型的中小商業(yè)銀行操作風(fēng)險度量分析[D].山東大學(xué)，2013．

[16]蔣安然.我國商業(yè)銀行操作風(fēng)險度量方法的比較與分析[D].浙江財經(jīng)大學(xué)，2014．

[17]戴戈.我國銀行監(jiān)管面臨的問題及其策略[J].棗莊學(xué)院學(xué)報，2014,31(6):75-77.

[18]程思勱.影響我國商業(yè)銀行不良貸款因素的實證分析[J].棗莊學(xué)院學(xué)報，2012,29(5):51-56.

[19]屈磊.國有銀行業(yè)績分析[J].棗莊學(xué)院學(xué)報，2012,29(5):36-40.

[20]王娜.中美銀行業(yè)市場集中度對比研究[J].棗莊學(xué)院學(xué)報，2014,31(6):70-74.

[責(zé)任編輯：呂海玲]

The Prevention and Control Research for Operating Risk of China's Commercial Banks under "New Normal" Based on Revenue Model

WANG Ya-qiana, ZHU Jia-mingb

(a. School of Finance;b. School of statistics and Applied Mathematics, Anhui University of Finance and Economics, Bengbu 23303, China)

Abstract:“New Normal" economy is a new summary of economic adjustment and the development process following the global economic crisis. Commercial banks keep close contact with the real economy in financial sector funds. There has exposed new problems along with its business model and risk control management of the emergence of new features. Based on the study of changes in internal and external environment facing China's commercial banks under "New Normal", this article selects the appropriate Revenue Model of the actual situation for empirical analysis. According to the principle of Revenue Model, this article chooses rhe indicators which have an impact on the operational risk and uses Listed Banks’ 32 quarter data from the years 2007 to 2014 to take model testing and regression. Meanwhile, the operating risk is measured and compared separately through classifying the 11 representative listed commercial banks into state-owned, joint-stock banks categories. The research obtains conclusions that operating risk of joint-stock banks are 4.3 times higher than the one of state-owned banks based on the introduction of the coefficient of variation, simultaneously, it analysis which have caused the results to have some targeted suggestions on the commercial banks’ operating risk control.

Key words:"new normal" economy;state-owned banks; joint-stock banks;operational risk management;internal and external environment; revenue model;related suggestions.

[中圖分類號]F832.33

[文獻標識碼]A

[文章編號]1004-7077(2016)02-0117-08

[作者簡介]朱家明(1973-),男,安徽泗縣人,安徽財經(jīng)大學(xué)副教授,碩士,主要從事應(yīng)用數(shù)學(xué)與數(shù)學(xué)建模的研究.

[基金項目]國家自然科學(xué)基金(項目編號：11301001)；安徽財經(jīng)大學(xué)教研項目(項目編號：acjyzd201429).

[收稿日期]2015-10-27