中國商業銀行金融風險預警指標體系分析

佚名

【關鍵詞】預警，指標體系，研究，風險，金融，商業，銀行，中國，

2008年以美國次貸危機為標志的金融海嘯席卷全球，作為金融機構的主體部分，商業銀行在此次危機中同樣遭受重創。在歷經沖擊之后，商業銀行的風險管理和識別能力開始讓人質疑。中國經濟尚處于高速發展和轉型初期，商業銀行金融風險在寬松的宏觀經濟環境下并不顯著，但由于中國不斷與國際經濟接軌，開放條件下全球性的金融危機仍然會給國內商業銀行帶來巨大的經營壓力。

實踐表明，中國商業銀行的風險管理多側重于事后彌補和經驗總結，但是相對來說更為重要和緊迫的事先管理卻未能得到足夠的認識和實施。要實現對于商業銀行金融風險的監測，建立風險預警機制，根據現有的指標數據對短期內商業銀行金融風險爆發的可能性進行全面有效的評估是事先管理的一種切實可行方法。本文在國內外相關學者的研究基礎上，結合國內商業銀行風險現狀，建立了一個全面的商業銀行金融風險預警體系，并從近期數據給出了對商業銀行金融風險的評價及實證檢驗。

二、相關領域文獻回顧

國際上對于銀行業金融風險預警的研究早在20世紀就已經取得了令人矚目的成績，但種種成果也存在諸多問題，并且多數方法與中國的實際有著很大的差距。

1979年由聯邦金融機構監管委員會建立的CAMEL評級制度經過1997年的修改后，成為美國主要監管機構統一使用的CAMELS（駱駝）制度[1]。伴隨銀行業務的拓展，部分國家監管當局引入美國CAMEL評級制度，同時結合本國監管情況建立了相對獨立的主觀判斷評價體系。

CART（Classification and Regression Tree）結構分析法，根據選定的某幾項財務指標作為分類的標準，運用二分法，通過建立二元分類數來分析被考查對象狀態[2]。Logit模型主要采用了logistic函數[3]，該模型的問題在于當樣本點存在完全分離時，模型參數的極大似然估計可能不存在，模型的有效性存在問題，另外該方法對臨界區域的判別敏感性過度，容易導致相近樣本評估結果之間差別過大。

Altman等人（1994）利用神經網絡對意大利公司進行失敗預測[4]。神經網絡方法是一種自適應的非參數方法，并不嚴格要求樣本數據的分布，不僅具有非線性映射和泛化能力[5]，而且神經網絡模型的分布自由，較之多元判別分析模型，對實際問題更加適用。

信用度量技術（Credit Metrics，1997）運用VaR 框架[6]，對貸款和非交易資產進行風險的評價和計量[7]。但是Credit Metrics模型的違約模型和相關系數的度量是以期權定價理論為基礎的，這對資本市場的成熟度以及數據的真實性都有極高的限制要求，因而可操作性有所降低。

麥肯錫模型（Credit Portfolio View，1998） [8]是在Credit Metrics的基礎上，對經濟的周期性因素予以考慮，通過蒙特卡羅模擬技術（Astructured Monte Carlo Simulation Approach）模擬周期性因素的沖擊，以測定評級轉移概率的改變趨勢并進行度量[9]，但是由此給模型增加了相當的復雜程度。

相比之下，國內關于商業銀行金融風險預警的研究起步較晚，同時囿于研究所需的數據資料稀缺等原因，致使當下國內該領域的研究仍然十分欠缺。具有代表性的理論研究大致如下：

隋劍雄（2004）針對國內商業銀行經營管理模式，提出了適應本國銀行發展需求且以核心指標和輔助指標構成的信貸風險預警指標體系，采用向量法（TE）作為構建風險預警模型的算法，通過構建商業銀行信貸風險預警系統對信貸風險進行監測和分析，該模型側重于對商業銀行信貸風險的說明及預警的相關指標和報警范圍[10]。

李華明、向穎珍（2007）運用時間序列分析方法，以ARMA模型來構建信用風險預警模型，使得信用風險預警模型將影響信用風險的多種因素通過所考察的指標自身的變化來反映[11]。不足之處在于：首先，該模型單純用歷史數據進行模擬，雖預測了其可能的走勢，但對其存在這種走勢的具體原因并沒有明確表明；其次該模型只是利用不良貸款率單一指標來建立模型，沒有考慮其他指標折射的整體狀況；最后，模型的模擬效果也會隨著指標的變化而變化，預測結果十分不穩定。

從監管層面來看：2005年開始，銀監會依據新制定的《商業銀行風險預警操作指引（試行）》按季對商業銀行法人機構進行風險預警的試運行，以提高銀行風險監管的敏感性和有效性。

綜合以上的理論研究可以看出，現有的成果主要存在下列不足之處：一是大多學者關于預警體系的研究都過度集中于商業銀行的信貸業務，從而無法做到整體考量商業銀行的風險；二是過分依賴少部分銀行現有的指標，再依據趨勢變化給出預警結果，但往往結果偏離較大，不夠理想。整體來看，中國商業銀行金融風險預警多停留于較為傳統的指標分析階段，即使少數學者提出數量方法，但也顯得單一和偏頗，因而對于該領域的研究還應當增加定量方法以期取得更好的功效。

三、商業銀行金融風險來源

從中國商業銀行的發展歷程及現狀來看，商業銀行所面臨的主要風險集中體現為信用風險、市場風險、操作風險和流動性風險（操作風險屬人為因素所導致，在接下來的指標體系構建中暫不予考慮）。再依據其風險來源的差異大致可以將商業銀行金融風險劃分為以下幾個方面：

（一）宏觀經濟發展所帶來的風險

商業銀行金融風險的發生很大程度上取決于經濟基本面的運營狀況，如果宏觀經濟運行中出現通脹或是結構失衡等現象，都將導致市場上貨幣資金的供求產生大幅的變化，作為貨幣資金的投放和回籠機構，商業銀行的經營勢必受到重大影響，進而導致風險的滋生。

（二）對外經營業務的隱患

這類風險主要在于國際業務的逆差以及游資對于本國金融行業的沖擊。在國際業務往來中，商業銀行通常承擔著資金的清算及資金缺口的補償，因而首當其沖的面臨著匯率風險的考驗。另外，游資在短期內低進高出，依靠短期內自身相對于東道國的資金優勢，操縱金融產品價格，這勢必在其抽逃之后造成金融風險的擴散，商業銀行必將受到牽連。當然風險主要體現在匯率水平等指標上。

（三）商業銀行資本金不足導致的風險

商業銀行的經營是一種高負債形式，盡管如此，商業銀行還是應當在一定范圍內保證庫存資金的充足，即使在不能保證庫存的條件下，也起碼要保證在出現資金短缺時能以較低的利率水平向同業拆得資金，否則商業銀行的經營將蘊藏巨大的危機。這類風險大小主要取決于同業拆借利率、資本充足率等。（四）信貸業務帶來的風險

在商業銀行的經營過程中，由于顧客的存貸業務完全屬隨機行為，因而如果短期資金所占到的比重較大，將勢必給銀行的經營帶來額外的風險負擔。一旦短期內存款到期，提現業務將會給銀行的存量資金施加壓力。風險衡量主要有賴于存（貸）增長率及短期貸款占比。

（五）商業銀行的獲利水平影響其風險程度

商業銀行的根本目的在于經營獲利，如果商業銀行經營狀況良好，將會獲得存貸客戶的信任，即使出現一定程度的經濟波動，也難以出現擠兌現象。而且較好的盈利水平同樣使得商業銀行在出現資金短缺時能夠較輕易地從同業處拆得資金以彌補頭寸。主要體現在貸款收益率、資產利潤率等指標上。

（六）流動性制約的風險大小

美國的次貸危機導致了全球性的經濟恐慌，中國的金融業也因此遭受不同程度的損失，各個商業銀行直接或間接地受到很大的影響，隨著房貸還款期限臨近，更多的不良貸款將會逐漸顯現出來。一旦房地產泡沫破滅，勢必多數的商業銀行將遭受牽連，所以充足的資金撥備對商業銀行而言是不可或缺的。代表性的指標有撥備覆蓋率、存款準備金率等。

四、預警指標體系的構建

欲構建商業銀行金融風險預警指標體系，不僅要做到指標體系的預警效果明顯，而且指標數據的獲得要具有可行性，另外預警也必須具有良好的可操作性。根據中國商業銀行金融風險的不同來源，截取了六大類預警指標作為構建體系的基本依據。

為了迎合中國金融風險的隱蔽性等特性，在構建指標體系時盡量做到精細，以達到全面考量商業銀行金融風險的目的。最終共選取20項指標對風險進行評估，組成一個完整的預警體系（見表1）。

五、指標安全區間的確定

商業銀行的金融風險預警指標是否達到危機水平或是確定危險程度，可依據既定的安全區間來判斷。通常在劃分安全區間時多參考中國人民銀行及銀行業監督管理委員會的政策性文件，當然如果國際上有公認的臨界值，則應當依據此項臨界值再行劃分安全區間，總之對于安全區間的確定必須做到有據可循，并且保證指標的準確無誤。另外，如果某一既定臨界值不適應目前的商業銀行狀況，則在此臨界值的基礎上進行適當的微調。

在考慮指標安全區間時應當注意：并非所有預警指標都是風險單調型的，也即是存在部分指標屬于非單調型。例如資本充足率對于商業銀行的金融風險無疑具有風險單調遞減的特性；但是形如匯率等指標卻并不如此——匯率在大于12與小于6時都具有風險遞增的特性，這等同于在區間內部存在某一特定的峰值為最優，因此在劃分安全區間時予以充分考慮。

根據上述原則，筆者對各項預警指標的安全區間進行了大致劃分，具體情況見表2。

六、金融風險評價方法

零散的每個預警指標值并不能全方位體現出商業銀行的金融風險現狀，因而必須利用某種方法以綜合出所有指標的得分，從而根據這一綜合得分來判斷商業銀行面臨的風險程度。

（一）總體方法的選擇

在根據國內外學者現有的研究基礎之上[12]，參考各種評價方法的可操作性，筆者擬采用功效系數法對商業銀行金融風險進行具體評價，其中主要原因在于，使用功效系數法進行綜合評價時，其評價指標體系中不僅可以含有正向指標，也可以存在逆指標[13]。但是無論采用何種指標進行評價，評價得分值越高，越是表明風險程度越高或是綜合效果越好。正是由于這點，利用功效系數法可以很好地解決本文中同時出現正、逆指標的問題。

（二）指標權重的確定

由于選定的功效系數評價法要求必須知道每個指標的權重，否則將無法綜合計算出最終的評價得分，因而又必須進一步選取適當的賦權方法來得到每個預警指標的權重。在實際操作中可用的賦權方法大致分為兩類：主觀賦權法和客觀賦權法。客觀賦權法（如變異系數法）的原始數據由各指標在評價中的實際數據組成，不依賴人的主觀判斷，因而此類方法客觀性較強，但是客觀賦權就必然導致對指標的經濟意義沒有充分考慮，將會偏離應有的評價結論，故在此處不予采用；主觀賦權法主要是由專家根據經驗判斷而得到（如AHP法、德爾菲法等），雖然此類方法客觀性有所降低，但更能體現經濟問題的實質，因而本文擬用主觀賦權法。由于德爾菲等方法在確定權重時完全依賴專家打分，主觀性過大且操作性較差，故本文采用層次分析法（AHP）進行指標權重的確定。

本文在現有指標體系上設置指標權重的大致步驟如下：（1）根據已經劃分的層次確立多階遞進的層次結構。這一工作在獲取指標時已經完成；（2）建立判斷矩陣。判斷矩陣主要以上級的某一要素X為評價準則，對本級的要素兩兩比較確定判斷矩陣：

A=B11 B21 … Bn1B12 B22 … Bn2B1n B2n … Bnn

根據公認評價尺度進行賦值；（3）利用和積法或方根法計算權重系數。文章采用和積法；（4）筆者對各層次進行了必要的一致性檢驗以保證權重確定的合理性。

七、風險預警及實證檢驗

根據前文已經建立的商業銀行金融風險預警指標體系，可以對中國商業銀行近期的金融風險狀況進行實證檢驗：

（一）對已構建指標體系的賦權結果

首先，依據已經劃分的六類子系統指標在風險中貢獻度的差異，應用AHP過程進行賦權；其次，再以子系統指標為評價準則，對子系統內各個指標再以AHP方法來賦權。賦權結果見表3。

（二）中國商業銀行金融風險近況的實證檢驗

1. 金融風險預警得分值的確定。在前文已經將各指標的安全區間確立，按照百分制來計算，可將安全區間跨度與百分之比作為比例來乘以指標具體數值，從而得到映射到百分區間的指標得分。再將各項指標的得分乘以已經確立的權重，由此獲取指標的真實得分。不同的得分又被歸屬到四種風險狀態（見表4），即穩定安全、基本安全、有風險、高風險（注意此處得分越高，對應風險越大）。

2. 預警結果。按照上述的方法把近三年中國商業銀行金融風險預警指標體系的得分列出，見表5、表6。

從上述的2008—2010年預警的結果來看，商業銀行金融風險的綜合評價都處于基本安全區域內。說明雖然金融危機尚沒有給中國商業銀行造成破壞性沖擊，但是商業銀行預警結果卻并未達到理想的安全區域，尤其2008年和2009年加權綜合得分都非常高，表明商業銀行的風險仍然十分突出，不過這種風險呈現逐年減弱的趨勢，說明金融危機的影響正在逐漸消退。

對其中得分較高的單項指標進行分析可以得知：商業銀行的資本風險和流動性風險對于綜合得分的貢獻度較大，2008年二者對于整體得分的貢獻高達61%。因此，作為商業銀行管理層可以就此采取部分針對性措施，例如提高超額準備金的比例、加強不良貸款管理以及嚴格商業銀行放貸門檻等；而作為宏觀層面的中國人民銀行和銀監會則可以考慮適當的運用提高存款準備金率和限制貸款集中等政策舉措來削弱商業銀行的金融風險。

八、結束語

文章在研究分析國外商業銀行風險預警具體操作辦法的基礎之上，結合中國商業銀行風險的實際，指出了中國商業銀行風險的根源及其特點，而后再針對中國商業銀行六類風險指標建立商業銀行金融風險預警指標體系，同時利用功效系數法、AHP法對商業銀行風險預警模型進行評分。通過國際金融危機發生的2008—2010年中國商業銀行具體數據對風險預警模型進行實證檢驗，證實了風險預警模型評價結果基本與實際情況一致，從而說明指標體系的構建以及權重的分配均具備相當的精確度及合理性，因此模型可以作為評估商業銀行金融風險的參照。

從實證分析中可以看出，關于中國商業銀行現狀的主要結論大致有：（1）商業銀行壞賬、呆賬比率仍然較高，造成商業銀行整體的信用風險水平較大；（2）商業銀行風險的產生會較大程度地受到宏觀環境的影響，伴隨著宏觀經濟過熱形勢的改善，風險亦有所降低；（3）中國商業銀行面臨的匯率風險在檢驗期內逐年遞增，這主要可能源于人民幣升值壓力的不斷增加，相關政府管理部門應予以重視；（4）從經營風險類指標得分來看，商業銀行的獲利能力并未受到金融危機的負面影響，相反，在近三年呈現不斷改善的趨勢，這可能更多地歸功于成功地實施了對四大國有商業銀行的股份制改造，等等。

本文在指標的選取上首先是參考既有的相關的規定及研究成果，并且在運用AHP法對系統內元素相互間重要度打分時都具有一定程度的主觀性，由于該領域沒有研究成果可以參考，因而準確與否無法得到實際驗證；其次，中國的資本市場、金融行業也處在高速發展和進步的過程中，今后的研究中應當適當考慮此類因素的影響[14]；最后，由于有關商業銀行短期的指標數據難以搜集，即使運用的操作方法完全一樣，也無法針對較短期限內商業銀行的金融風險進行預警和考察。

參考文獻：

［1］肖遠企.美國金融機構信用等級的“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險［J］.商業研究，2009，（9）：76-77.

［3］廖絢，李興緒.基于Logit模型的銀行個人信貸風險管理評估［J］.統計與決策，2008，（21）:50-52.

［4］陳晴光，費文濤，陳麗芬.商業銀行操作風險度量管理的神經網絡方法［J］.生產力研究，2010，（6）:73-74.

［5］王嘉誠，胡紅，馮英筠，馮鐳.神經網絡方法在評價金融企業風險中的應用［J］.中國軟科學，1998，（10）:110-111.

［6］范南.CreditMetirc模型及其對我國銀行信用風險管理的借鑒［J］.金融論壇，2002，（5）:50-52.

［7］竇文章，劉西.基于CreditMetircs模型評估銀行信貸的信用風險［J］.改革與戰略，2008，（10）:81-84.

［8］Thomas C. Wilson. Portfolio Credit Risk ［Ｊ］. FRBNY Economic Policy Review，1998，（10）：１１１－１１７.

［9］李建華，韓崗，韓曉普.基于Credit Portfolio View的信用風險度量模型研究［J］.工業技術經濟，2008，（3）：46-48.

［10］隋劍雄，林琪.論我國商業銀行信貸風險預警系統的建立［J］.金融論壇，2004.（8）:44-49.

［11］李華明，向穎珍.上市區域性股份制商業銀行信用風險預警模型［J］.天府新論，2007，（6）：66-69.