商業(yè)銀行金融風(fēng)險評估研究文獻(xiàn)綜述

商業(yè)銀行金融風(fēng)險評估研究文獻(xiàn)綜述國外的測度方式和模型發(fā)展比較早也比較快，肖遠(yuǎn)企（1990）介紹了美國的金融風(fēng)險評估方法，1979年CAMEL評級制度和1997年經(jīng)過修改的CAMELＳ制度是當(dāng)時美國所建立的符合本國國情的主觀評價體系的一部分。后來的CART結(jié)構(gòu)分析是一種在選定了幾個適當(dāng)?shù)你y行財務(wù)指標(biāo)后，將其作為分類標(biāo)準(zhǔn)和依據(jù)，通過建立二元分類數(shù)來分析被考察對象狀態(tài)的方法逐漸被學(xué)者所采用，劉富成（2009）運用CART方法對我國上市公司信用風(fēng)險進(jìn)行了實證研究。隨后，Altman等人（1994）利用一種自適應(yīng)的非參數(shù)方法預(yù)測了某公司的金融風(fēng)險狀況。Altman等人認(rèn)為該種方法分布自由，較之多元判別分析模型，對實際問題更加適用在VAR框架逐漸成熟之后，信用度量技術(shù)開始被學(xué)者們所重視。不過雖然這樣的測度方式易于測算貸款和非交易資產(chǎn)。但是該方法很多方面的基礎(chǔ)都是侵權(quán)定價理論，要求資本市場必須保持極高的成熟度，同時也用苛刻的條件限制了數(shù)據(jù)的真實性，大大降低了可操作性。基于這個信用度量技術(shù)，學(xué)者們開始著眼于經(jīng)濟(jì)的周期性因素，利用蒙特卡羅模擬技術(shù)模擬周期性因素的沖擊，從而測定評級轉(zhuǎn)移概率的改變趨勢和程度，但是由此也增加了模型的復(fù)雜程度，這也就催生了另外一種研究模型的出現(xiàn)，被稱為麥肯錫模型。與國外的商業(yè)銀行對于金融風(fēng)險預(yù)警的研究相比，我國在該領(lǐng)域的起步較晚，但是也有一些卓有成效的成果。其中，陳秀英（1998）結(jié)合了宏觀經(jīng)濟(jì)和金融體系兩個方面后，構(gòu)造了一套包含實際GDP增長率、國內(nèi)信貸增長率、短期資本流入額／GDP等的指標(biāo)，以期從根源出發(fā)尋找金融風(fēng)險發(fā)生的原因。隋劍雄（2004）通過構(gòu)建我國商業(yè)銀行信貸風(fēng)險預(yù)警體系對我國商業(yè)銀行信貸風(fēng)險進(jìn)行了監(jiān)測和分析。雙重軟預(yù)算約束分析框架的形成是在2004年，其形成基礎(chǔ)是我國國有企業(yè)軟預(yù)算約束及國有商業(yè)銀行軟預(yù)算約束，對產(chǎn)生于我國國有商業(yè)銀行的不良貸款內(nèi)生性問題進(jìn)行了全方位的解釋。在2006年，江曙霞等對三方共謀貸款擴(kuò)張進(jìn)行了分析，全面的解釋了其中所存在的制度機理，并對其中所存在的各利益體之間的內(nèi)生邏輯進(jìn)行了分析和說明。李華明、向穎珍（2007）通過構(gòu)建ARMA信用風(fēng)險預(yù)警模型，將影響信用風(fēng)險的多種因素通過所考察的指標(biāo)自身的變化反映。在2011年，劉春航、朱元倩分析了金融結(jié)構(gòu)脆弱性要素結(jié)合中國國情進(jìn)行了銀行業(yè)系統(tǒng)風(fēng)險框架的構(gòu)建。俞樹毅（2012）借鑒國外學(xué)者的方法，通過VAR模型構(gòu)建了一套可以體現(xiàn)系統(tǒng)性風(fēng)險特點和金融監(jiān)管不同層次分工的金融風(fēng)險監(jiān)測指標(biāo)體系。在2012年，范小云對銀行系統(tǒng)所受到的關(guān)聯(lián)性影響程度進(jìn)行了基于網(wǎng)絡(luò)模型構(gòu)建的分析，結(jié)果表明，銀行在經(jīng)營的過程當(dāng)中，產(chǎn)生系統(tǒng)性危機的可能性是受到銀行間負(fù)僨關(guān)聯(lián)程度的影響的，同時還決定了銀行所要面臨的破產(chǎn)損失大小。在2012年，童中文對銀行在應(yīng)對危機時的微觀層面，資產(chǎn)清算順序的異同，對于銀行系統(tǒng)脆弱性的不同影響利用流動性偏好模型進(jìn)行了深入的分析，并從合作博弈的視角探討了“貨幣池”風(fēng)險免疫的可能性。在2015年，陳建青等研究了系統(tǒng)性金融風(fēng)險溢出效應(yīng)在我國金融行業(yè)間的表現(xiàn)，通過實證分析了金融邊際效應(yīng)，同時還從宏觀層面全面地論述了風(fēng)險總溢出效應(yīng)，得到的研究結(jié)論證明，正向性和非對稱性是金融風(fēng)險溢出效應(yīng)，在金融行業(yè)之間最主要的表現(xiàn)特點。以上的相關(guān)研究表明構(gòu)建我國商業(yè)銀行信貸風(fēng)險預(yù)警體系，對于我國金融風(fēng)險預(yù)警時十分重要且不可忽視的原因，但是其深層次的原因在各個學(xué)者的相關(guān)研究下都是百家爭鳴的現(xiàn)狀，沒有一個確切的、較為全面的理論來證明，要弄清楚其中所存在的制度機理，要不對斷通過對其所存在的各利益體之間的內(nèi)生邏輯進(jìn)行深層次地分析和說明，才能把握其中的關(guān)鍵因素。方意（2016）構(gòu)建了包含銀行破產(chǎn)機制和去杠桿機制的資產(chǎn)負(fù)債表直接關(guān)聯(lián)網(wǎng)絡(luò)模型,通過實證研究系統(tǒng)性風(fēng)險的傳染渠道并度量了系統(tǒng)性風(fēng)險，在此基礎(chǔ)上并分析了如何根據(jù)金融周期（上行或下行）和系統(tǒng)性風(fēng)險類型（常態(tài)或危機）來實施宏觀審慎政策。楊源源、張譯文（2017）選取2010—2014年數(shù)據(jù)，運用分位數(shù)回歸的COVAR方法度量中國家上市金融機構(gòu)的系統(tǒng)性風(fēng)險，定量分析中國金融行業(yè)的風(fēng)險傳染及風(fēng)險溢出效應(yīng)。但是以上學(xué)者的相關(guān)研究表明量化分析沒有辦法去解釋突發(fā)性地銀行破產(chǎn)情況，這個與我國政策性經(jīng)濟(jì)有關(guān)。馬亞明、宋羚娜（2017）在系統(tǒng)闡述我國影子銀行體系的特征及其與傳統(tǒng)商業(yè)銀行的關(guān)聯(lián)性基礎(chǔ)上，采用CreditPortfoolioView拓展模型測度我國各類影子銀行機構(gòu)對傳統(tǒng)商業(yè)銀行的系統(tǒng)性風(fēng)險溢出及其動態(tài)效應(yīng)。趙樹然等（2018）對金融體系的風(fēng)險溢出效應(yīng)在不同商業(yè)銀行群體之間的特性進(jìn)行了以群體分析視角為基礎(chǔ)的分析，研究證明，當(dāng)發(fā)生金融危機及市場動蕩時，商業(yè)銀行均表現(xiàn)出了較高的系統(tǒng)性風(fēng)險，這是受到風(fēng)險的傳染性影響而導(dǎo)致的結(jié)果，屬于這種不穩(wěn)定時期所特有的狀態(tài)。這種研究雖然對其突發(fā)性的市場動蕩有了一個系統(tǒng)性的風(fēng)險預(yù)警，但是缺少普遍性。張煒（2018）利用系統(tǒng)動力學(xué)方法分析商業(yè)銀行系統(tǒng)性風(fēng)險和房價波動的內(nèi)在作用機理，研究發(fā)現(xiàn)房價與商業(yè)銀行系統(tǒng)性風(fēng)險之間存在雙向作用機制，且房價上升初期會降低系統(tǒng)性風(fēng)險，但后期會造成系統(tǒng)性風(fēng)險問題。趙丹丹、丁建臣（2018）利用對數(shù)正態(tài)密度函數(shù)的廣義Edgeworth級數(shù)展式，將高階矩風(fēng)險引入到CCA模型中，并收集我國14家商業(yè)銀行的財務(wù)報表數(shù)據(jù)和股票市場數(shù)據(jù)，計算出隱含資產(chǎn)價值波動率、違約距離系列等指標(biāo)。吳敏靈（2018）基于我國14家上市銀行2008-2015年的相關(guān)數(shù)據(jù)，采用MES邊際期望損失法研究了我國上市銀行系統(tǒng)性風(fēng)險的貢獻(xiàn)問題。此上幾位學(xué)者的相關(guān)研究表明商業(yè)銀行系統(tǒng)性風(fēng)險不能按照單一性因素比如房價來說明情況，并且也不能用數(shù)學(xué)模型來進(jìn)行數(shù)據(jù)分析，要考慮到實際的多項指標(biāo)以及其指標(biāo)之間的合理聯(lián)動性，考慮單一因素對其它因素造成的影響，但是在本文看來，還是要結(jié)合當(dāng)時的政策背景和經(jīng)濟(jì)環(huán)境。黃秀路、葛鵬飛（2018）利用COVAR模型，測度了中國上市銀行的系統(tǒng)性風(fēng)險，構(gòu)建非觀測效應(yīng)面板模型分析了債權(quán)激勵影響銀行系統(tǒng)性風(fēng)險的直接與間接效應(yīng)。童中文等（2018）認(rèn)為銀行業(yè)系統(tǒng)性風(fēng)險是個連續(xù)累積過程，主要經(jīng)由信用和信息渠道完成，本質(zhì)上是通過流動性波動的形式進(jìn)行的。魏偉等（2018）分析了中國金融系統(tǒng)性風(fēng)險的主要來源、防范路徑與潛在影響。高蓓、張明（2018）、王海軍、劉超（2018）、李軍（2018）、杜爾功（2018）就我國商業(yè)銀行不良資產(chǎn)的成因、風(fēng)險及處置進(jìn)行了探討。所以，直觀的模型能夠短期看到系統(tǒng)性風(fēng)險可以預(yù)測，但是其主要來源要特定對待、防范路徑可以有多種選擇、以及潛在影響不容易被發(fā)現(xiàn)，不可控制等等，這些結(jié)論都決定了此上幾位學(xué)者的研究缺乏對商業(yè)銀行局部風(fēng)險與整體風(fēng)險相結(jié)合的研究?？偨Y(jié)己有的研究大多是從整體角度對我國商業(yè)銀行某類風(fēng)險如信貸風(fēng)險或融資風(fēng)險進(jìn)行了評估，但缺乏對商業(yè)銀行局部風(fēng)險與整體風(fēng)險相結(jié)合的研究。本文選擇我國商業(yè)銀行系統(tǒng)性金融風(fēng)險的主要來源：不良資產(chǎn)風(fēng)險、表外業(yè)務(wù)風(fēng)險及同業(yè)業(yè)務(wù)風(fēng)險在內(nèi)的三大類主要資產(chǎn)及負(fù)債業(yè)務(wù)風(fēng)險，從理論上分析這些風(fēng)險產(chǎn)生的機制，并對三類業(yè)務(wù)金融風(fēng)險分別進(jìn)行評估，然后整體上評估商業(yè)銀行面臨的系統(tǒng)性金融風(fēng)險，最后針對性地提出了防范商業(yè)銀行系統(tǒng)性金融風(fēng)險的政策建議,以彌補現(xiàn)有研究空白。參考文獻(xiàn)［1］肖遠(yuǎn)企廣國金融機構(gòu)信用等級的“駱駝”評價體系［J］．國際金融研究，1990，（10）33-35．［2］劉富成．運用CART分析法評估上市公司信用風(fēng)險［J］．商業(yè)研究，2009，（9）：77．［3］陳睛光，費文濤，陳麗芬．商業(yè)銀行操作風(fēng)險度量管理的神經(jīng)網(wǎng)絡(luò)方法［J］．生產(chǎn)力研究，2010（6）：73-74．［4］王嘉誠，胡紅，馮英筠，馮鐳．神經(jīng)網(wǎng)絡(luò)方法在評價金融企業(yè)風(fēng)險中的應(yīng)用［J］．中國軟科學(xué)，1998（10）：110-111．［5］范南．ＣｒｅｄｉｔＭｅｔｉｒｃ模型及其對我國銀行信用風(fēng)險管理的借鑒［J］．金融論壇，2002（5）：50-52，［6］竇文章，劉西．基于ＣｒｅｄｉｔＭｅｔｉｒｃｓ模型評估銀行信貸的信用風(fēng)險［J］．改革與戰(zhàn)略，2008（10）：81-84，［7］李建華，韓崗，韓曉普基于CreditPortfoolioView的信用風(fēng)險度量模型研究［［J］工業(yè)技術(shù)經(jīng)濟(jì)，2008（3）：46-48．［8］陳秀英．金融危機預(yù)警指標(biāo)體系的建立及應(yīng)用［［J］．北京統(tǒng)計，1998（8）：7-8．［9］隋劍雄，林琪．論我國商業(yè)銀行信貸風(fēng)險預(yù)警系統(tǒng)的建立［J］．金融論壇，2004（8）：4449．105［10］施華強．中國國有商業(yè)銀行不良貸款內(nèi)生性：一個基于雙重軟預(yù)算約束的分析框架［J］．金融研究，2004（6）：1-16．［11］江曙霞，羅杰，黃君慈．信貸集中與擴(kuò)張、軟預(yù)算約束競爭和銀行系統(tǒng)性風(fēng)險［J］．融研究，2006（4）：4048．［12］李華明，向穎珍．上市區(qū)域性股份制商業(yè)銀行信用風(fēng)險預(yù)警模型［J］．天府新論，2007（6）：66-69．［13］劉春航，朱元倩．銀行業(yè)系統(tǒng)性風(fēng)險度量框架的研究［J］．金融研究，2011（12）：85-99．［14］俞樹毅，袁治偉．區(qū)域系統(tǒng)性金融風(fēng)險監(jiān)測研究［J］．武漢金融，2012（10）：36-38．［15］范小云，王道平，劉瀾庵．規(guī)模、關(guān)聯(lián)性與中國系統(tǒng)重要性銀行的衡量［J］．金融研究，2012（11）：16-30．［16］童中文．銀行間資產(chǎn)清算順序優(yōu)化與風(fēng)險傳染免疫機制［J］．中國管理科學(xué)，2012（2）：51-58，［17］陳建青，王擎，許韶輝．金融行業(yè)間的系統(tǒng)性金融風(fēng)險溢出效應(yīng)研究［J］．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015（9）：89-100．［18］方意．系統(tǒng)性風(fēng)險的傳染渠道與度量研究一一兼論宏觀審慎政策實施[M]．管理世界，2016（8）：32-57．［19］楊源源，張譯文．中國上市金融機構(gòu)系統(tǒng)性風(fēng)險測度［J］．首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報，2017（7）：27-36，［20］馬亞明，宋羚娜．金融網(wǎng)絡(luò)關(guān)聯(lián)與我國影子銀行的風(fēng)險溢出效應(yīng)-基于GARCH-COPULA-COVAR模型的分析［J］．財貿(mào)研究，2017（7）：69-76．［21］趙樹然、米月、任培民．群體分析視角下商業(yè)銀行對金融體系的風(fēng)險溢出效應(yīng)研究［J］．統(tǒng)計研究，2018（3）：52-65．［22］張煒．我國房地產(chǎn)價格波動對商業(yè)銀行系統(tǒng)性風(fēng)險的影響研究［J］．金融與經(jīng)濟(jì)，2018（1）：28-35．［23］趙丹丹、丁建臣．我國商業(yè)銀行系統(tǒng)性髙階矩風(fēng)險測度研究一一基于ＣＣＡ拓展模型的分析［J］．工業(yè)技術(shù)經(jīng)濟(jì)，2018（5）：79-87．［24］吳敏靈．我國上市銀行系統(tǒng)性風(fēng)險度量實證研究[M]．大連理工大學(xué)學(xué)報（社會科學(xué)版），2018（3）：24-31，［25］黃秀路，葛鵬飛債權(quán)激勵降低了銀行系統(tǒng)性風(fēng)險嗎［J］財經(jīng)研究，2018（1）：47-60．［26］童中文，解曉洋，鄧熳利．中國銀行業(yè)系統(tǒng)性風(fēng)險的“社會性消化”機制研究［J］．經(jīng)濟(jì)研究，2018（2）：124-139．［27］魏偉，陳驍,張明.中國金融系統(tǒng)性風(fēng)險：主要來源、防范路徑與潛在影響［J］