【摘 要】 本文利用323個(gè)上市商業(yè)銀行操作損失事件樣本數(shù)據(jù)，通過(guò)構(gòu)建貝葉斯網(wǎng)絡(luò)模型對(duì)我國(guó)上市商業(yè)銀行操作風(fēng)險(xiǎn)進(jìn)行了度量，結(jié)果表明：我國(guó)上市商業(yè)銀行主要操作損失事件包括內(nèi)部欺詐、外部欺詐和資產(chǎn)管理三類;操作損失事件發(fā)生最多的業(yè)務(wù)條線包括零售銀行、商業(yè)銀行、資產(chǎn)管理三類;操作損失事件大部分屬于低等損失事件。

【關(guān)鍵詞】 操作風(fēng)險(xiǎn);貝葉斯網(wǎng)絡(luò)模型;上市商業(yè)銀行

一、緒論

經(jīng)濟(jì)全球化的浪潮席卷了全世界范圍內(nèi)的金融行業(yè)，各國(guó)之間的經(jīng)濟(jì)合作使得其關(guān)系越發(fā)密切，這對(duì)正處于金融業(yè)發(fā)展黃金期的我國(guó)來(lái)說(shuō)，是難得的機(jī)遇。當(dāng)前，我國(guó)正處于經(jīng)濟(jì)轉(zhuǎn)軌時(shí)期，經(jīng)濟(jì)增長(zhǎng)速度放緩，經(jīng)濟(jì)結(jié)構(gòu)有待調(diào)整。新的經(jīng)濟(jì)形勢(shì)下，銀行業(yè)作為中國(guó)金融業(yè)的核心，其發(fā)展直接影響到金融業(yè)的發(fā)展（Akkizidis，2005）。金融機(jī)構(gòu)規(guī)模的擴(kuò)大與其帶來(lái)的組織復(fù)雜性，新產(chǎn)品和業(yè)務(wù)線的產(chǎn)生，電子商務(wù)和電子銀行的發(fā)展，金融市場(chǎng)日益激烈的競(jìng)爭(zhēng)使得內(nèi)部管理尚未達(dá)到先進(jìn)水平的商業(yè)銀行面臨更大的潛在操作風(fēng)險(xiǎn)（Giuliana，2017）。截止2019年10月末，我國(guó)上市商業(yè)銀行已達(dá)近57家，所創(chuàng)造的凈利潤(rùn)占全國(guó)商業(yè)銀行凈利潤(rùn)的90%左右（《中國(guó)上市銀行分析報(bào)告2019》），作為我國(guó)金融業(yè)發(fā)展的中流砥柱，上市商業(yè)銀行的戰(zhàn)略轉(zhuǎn)型、技術(shù)改革、風(fēng)險(xiǎn)管理已經(jīng)成為我國(guó)銀行業(yè)發(fā)展的大趨勢(shì)。因此，對(duì)商業(yè)銀行尤其是上市商業(yè)銀行的操作風(fēng)險(xiǎn)管理至關(guān)重要。

因此，本文將目光轉(zhuǎn)向上市商業(yè)銀行，在對(duì)國(guó)內(nèi)外文獻(xiàn)進(jìn)行整理和總結(jié)的基礎(chǔ)上，結(jié)合我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)管理現(xiàn)狀，利用貝葉斯網(wǎng)絡(luò)模型在數(shù)據(jù)收集和度量結(jié)果上的優(yōu)勢(shì)，根據(jù)收集到的16家代表性上市商業(yè)銀行323個(gè)操作損失數(shù)據(jù)，構(gòu)建操作風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)模型，利用Netica軟件對(duì)我國(guó)上市商業(yè)銀行操作風(fēng)險(xiǎn)進(jìn)行度量，并根據(jù)度量結(jié)果進(jìn)行分析。

二、文獻(xiàn)綜述

1、國(guó)內(nèi)外理論研究

西方國(guó)家對(duì)操作風(fēng)險(xiǎn)的研究稍早于我國(guó)，大量學(xué)者針對(duì)操作風(fēng)險(xiǎn)展開(kāi)理論研究，研究的內(nèi)容涉及操作風(fēng)險(xiǎn)的定義、分類、成因與其它風(fēng)險(xiǎn)的區(qū)別與聯(lián)系等等（FrankJ，2007）。

MichaelPower（2005）指出由于操作風(fēng)險(xiǎn)本身的復(fù)雜性，以及它在銀行風(fēng)險(xiǎn)度量和監(jiān)控流程中的基礎(chǔ)性和先決性作用，定義操作風(fēng)險(xiǎn)并不是一件簡(jiǎn)單的任務(wù)。Tinca（2007）將操作風(fēng)險(xiǎn)定義為“覆蓋所有非市場(chǎng)或信用風(fēng)險(xiǎn)，因此包括管理風(fēng)險(xiǎn)”的風(fēng)險(xiǎn)。Valle（2007）將操作風(fēng)險(xiǎn)定義為“所有未歸類為市場(chǎng)或信用風(fēng)險(xiǎn)的金融風(fēng)險(xiǎn)”。而Lam（2003）指出人們對(duì)操作風(fēng)險(xiǎn)的概念界定過(guò)于關(guān)注，進(jìn)行概念界定的目的是為了幫助銀行更好地進(jìn)行操作風(fēng)險(xiǎn)管控，過(guò)多糾結(jié)概念界定對(duì)后續(xù)的研究工作并沒(méi)有過(guò)多幫助。

我國(guó)歷史和經(jīng)濟(jì)發(fā)展的特殊性，西方國(guó)家關(guān)于操作風(fēng)險(xiǎn)的研究并不直接適用于我國(guó)，我國(guó)學(xué)者大多基于國(guó)外先進(jìn)理論，對(duì)我國(guó)操作風(fēng)險(xiǎn)展開(kāi)針對(duì)性研究：操作風(fēng)險(xiǎn)的定義、分類成因、與其它風(fēng)險(xiǎn)的區(qū)別與聯(lián)系等等（劉志強(qiáng)，2009;陳曉慧，2011）。

張吉光（2005）考慮到我國(guó)商業(yè)銀行中某些投資類業(yè)務(wù)如股票交易，證券交割等尚未開(kāi)通，對(duì)這部分業(yè)務(wù)暫時(shí)不予考慮，從內(nèi)部因素和外部因素層面進(jìn)行分類，并進(jìn)一步將內(nèi)部因素分為人、流程、系統(tǒng)三類，外部因素特指銀行系統(tǒng)外部的潛在損失因素，最后按照業(yè)務(wù)類型進(jìn)行詳細(xì)界定。陳曉慧（2011）指出，從銀行內(nèi)部損失數(shù)據(jù)的收集和處理這一角度，商業(yè)銀行操作風(fēng)險(xiǎn)可以分為4類：已統(tǒng)計(jì)上報(bào)的、未識(shí)別直接處理的、信用風(fēng)險(xiǎn)中分離出來(lái)的、市場(chǎng)風(fēng)險(xiǎn)中分離出來(lái)的操作風(fēng)險(xiǎn)。

2、國(guó)內(nèi)外實(shí)證研究

隨著操作風(fēng)險(xiǎn)研究的不斷深入，操作風(fēng)險(xiǎn)的度量成為各金融機(jī)構(gòu)以及各國(guó)學(xué)者關(guān)注的焦點(diǎn)，巴塞爾委員會(huì)（BCBS）相繼提出三種操作風(fēng)險(xiǎn)度量方法：基本指標(biāo)法、標(biāo)準(zhǔn)法和高級(jí)計(jì)量法。金融機(jī)構(gòu)可以根據(jù)發(fā)展?fàn)顩r建立高級(jí)計(jì)量模型。高級(jí)計(jì)量法能將監(jiān)管資本有效削減20%到40%（Hager，2009），最大化實(shí)現(xiàn)操作風(fēng)險(xiǎn)管控。常用的高級(jí)計(jì)量法包括損失分布模型、貝葉斯網(wǎng)絡(luò)模型等。

損失分布模型（LDA）利用收集到的操作損失數(shù)據(jù)，擬合操作損失頻率和程度分布函數(shù)，估計(jì)銀行損失分布，進(jìn)行操作風(fēng)險(xiǎn)資本度量。這一方法存在明顯的缺陷，只有在數(shù)據(jù)充足的情況下，統(tǒng)計(jì)模型才能最接近損失分布，損失分布的參數(shù)人為給定，度量效果并不具有維穩(wěn)性和穩(wěn)定性。模型結(jié)果完全建立在樣本數(shù)據(jù)的統(tǒng)計(jì)特征上，并沒(méi)有考慮到樣本數(shù)據(jù)間可能存在的關(guān)聯(lián)。而因果模型能夠很好地彌補(bǔ)這些缺陷，充分考慮到風(fēng)險(xiǎn)驅(qū)動(dòng)因素和損失事件之間的因果關(guān)系，對(duì)影響操作風(fēng)險(xiǎn)損失事件頻率和損失程度的因素做出解釋（Hager，2012），有助于風(fēng)險(xiǎn)控制活動(dòng)的規(guī)劃和管理。隨著研究的不斷深入，各種線性和非線性技術(shù)被應(yīng)用于操作風(fēng)險(xiǎn)的因果模型，其中貝葉斯網(wǎng)絡(luò)作為非線性和非參數(shù)的度量模型，受到廣泛關(guān)注（Sanford，2012）。

Stefan（2010）認(rèn)為用一般貝葉斯網(wǎng)絡(luò)模型對(duì)商業(yè)銀行操作風(fēng)險(xiǎn)進(jìn)行度量是不夠的，度量結(jié)果也并不能完全反映銀行面臨的操作風(fēng)險(xiǎn)狀況，因?yàn)槌素惾~斯網(wǎng)絡(luò)中節(jié)點(diǎn)之間存在的因果關(guān)系之外，條線之間存在相互影響，也會(huì)對(duì)銀行操作風(fēng)險(xiǎn)帶來(lái)影響。操作損失由三類風(fēng)險(xiǎn)因素引起：幾個(gè)業(yè)務(wù)線共有的風(fēng)險(xiǎn)因素;業(yè)務(wù)條線之間因銀行具體業(yè)務(wù)操作流程、信息交換等產(chǎn)生的風(fēng)險(xiǎn)因素;每個(gè)業(yè)務(wù)部門的特殊風(fēng)險(xiǎn)因素。作者利用LDA模型擬合數(shù)據(jù)，銀行共有風(fēng)險(xiǎn)事件數(shù)據(jù)損失頻率和程度為初始節(jié)點(diǎn)，總操作損失數(shù)據(jù)的損失頻率和程度為子節(jié)點(diǎn)，構(gòu)建貝葉斯網(wǎng)絡(luò)模型，各損失頻率和損失程度節(jié)點(diǎn)指向用來(lái)表示其劃分的第二類風(fēng)險(xiǎn)因素。結(jié)果表明，該模型能夠更直觀、準(zhǔn)確地進(jìn)行商業(yè)銀行操作風(fēng)險(xiǎn)的度量，具有很強(qiáng)的可操作性。

我國(guó)學(xué)者對(duì)商業(yè)銀行操作風(fēng)險(xiǎn)度量的實(shí)證大多建立在巴塞爾協(xié)議的基礎(chǔ)上，對(duì)商業(yè)銀行操作風(fēng)險(xiǎn)度量的研究限制于銀行損失數(shù)據(jù)收集狀況和銀行發(fā)展條件。目前國(guó)內(nèi)對(duì)這一問(wèn)題的研究有兩種，一種是基于收入模型（李英麗，2015），一種是基于高級(jí)度量模型的風(fēng)險(xiǎn)研究。收入模型能夠在一定程度上量化操作風(fēng)險(xiǎn)，但模型本身、歷史數(shù)據(jù)的收集和處理上都存在不可忽略的問(wèn)題（趙莉娜，2014）。

隨著我國(guó)商業(yè)銀行的不斷發(fā)展以及對(duì)操作風(fēng)險(xiǎn)的重視，高級(jí)計(jì)量模型逐漸被應(yīng)用于我國(guó)商業(yè)銀行操作模型度量（史永奮、劉利敏，2018），貝葉斯網(wǎng)絡(luò)模型也因?yàn)槟Ｐ投攘拷Y(jié)果準(zhǔn)確，不需要指定人為參數(shù)，樣本數(shù)據(jù)量要求少等優(yōu)點(diǎn)被應(yīng)用于操作風(fēng)險(xiǎn)度量研究。

三、理論基礎(chǔ)

圖形建模是一種基于概率理論和圖論來(lái)表示和處理變量間因果關(guān)系的統(tǒng)計(jì)技術(shù)，貝葉斯網(wǎng)絡(luò)模型是其中最受學(xué)者接受的分析因果關(guān)系的模型，貝葉斯定義為與聯(lián)合概率分布相關(guān)的定向無(wú)環(huán)圖。頂點(diǎn)代表變量，邊代表變量之間的因果關(guān)系?！盁o(wú)環(huán)”是指變量間并未形成一個(gè)封閉的路徑;“定向”意味著所有的邊都有一個(gè)單向箭頭，代表變量間的因果關(guān)系。

假設(shè)貝葉斯網(wǎng)絡(luò)中，X、Y、Z為變量節(jié)點(diǎn)，變量Z存在來(lái)自X、Y的箭頭，X、Y稱為Z的母節(jié)點(diǎn)，Z是X、Y的子節(jié)點(diǎn)。X、Y也被稱為初始變量。

如上式，為n維變量，給定隨機(jī)變量集以及對(duì)應(yīng)的該變量的有向無(wú)環(huán)圖，利用貝葉斯網(wǎng)絡(luò)可以求出X的條件概率分布。同時(shí)，對(duì)于任何一個(gè)，都存在一個(gè)子集即，完全取決于其父節(jié)點(diǎn)變量，與其它變量無(wú)關(guān)。貝葉斯網(wǎng)絡(luò)模型正是基于此構(gòu)建起概率網(wǎng)絡(luò)，根據(jù)先驗(yàn)證據(jù)進(jìn)行推理。

四、模型構(gòu)建

本文構(gòu)建的上市商業(yè)銀行操作風(fēng)險(xiǎn)度量模型具體步驟如下：

1、樣本選擇與數(shù)據(jù)來(lái)源

有效數(shù)據(jù)顯示，截止2019年10月末，我國(guó)上市商業(yè)銀行已達(dá)57家。2019年隨著我國(guó)金融業(yè)改革的不斷深入和金融監(jiān)管機(jī)構(gòu)鼓勵(lì)銀行進(jìn)行資金補(bǔ)充的有利政策環(huán)境下，A股市場(chǎng)IPO迎來(lái)又一個(gè)高峰，年內(nèi)有8家銀行成功登陸，與2016年并列銀行上市數(shù)量最高的年份，目前仍有眾多商業(yè)銀行向證監(jiān)會(huì)提交申請(qǐng)，等待審核處于排隊(duì)狀態(tài)。我國(guó)商業(yè)銀行能否上市主要取決于證監(jiān)會(huì)對(duì)銀行所處發(fā)展階段、風(fēng)險(xiǎn)管理能力和戰(zhàn)略管理能力、金融市場(chǎng)狀況等因素的判斷，截至目前雖然有50家左右銀行上市，但大部分上市時(shí)間比較短。綜合考慮到數(shù)據(jù)的可獲得性和研究的穩(wěn)定性、可靠性，以2010年成功登陸A股市場(chǎng)的16家上市商業(yè)銀行為研究樣本，樣本包括5家國(guó)有商業(yè)銀行，8家全國(guó)性股份制商業(yè)銀行，3家地方性商業(yè)銀行。

本文基于巴塞爾協(xié)議對(duì)操作風(fēng)險(xiǎn)的定義和分類，對(duì)16家代表性銀行的操作損失事件進(jìn)行收集和整理，共收集到323個(gè)有效上市商業(yè)銀行操作風(fēng)險(xiǎn)案例。操作風(fēng)險(xiǎn)損失案例均來(lái)自O(shè)penLaw裁判文書網(wǎng)。損失數(shù)據(jù)包括損失事件的時(shí)間、地點(diǎn)、損失金額、業(yè)務(wù)部門、損失事件類型，時(shí)間跨度從1993年到2019年，事件發(fā)生地區(qū)涉及各個(gè)省份。

2、變量的選擇

本文基于陸靜（2006）等學(xué)者對(duì)上市商業(yè)銀行操作風(fēng)險(xiǎn)度量的貝葉斯網(wǎng)絡(luò)模型中關(guān)鍵變量包括關(guān)鍵風(fēng)險(xiǎn)誘因和關(guān)鍵風(fēng)險(xiǎn)指標(biāo)的選取方法，按照業(yè)務(wù)條線類型、損失事件類型對(duì)操作損失事件的頻率與金額進(jìn)行分析，最終業(yè)務(wù)部門中選取零售銀行、商業(yè)銀行、交易與銷售、支付與清算，損失事件類型中選擇內(nèi)部欺詐、外部欺詐、客戶、產(chǎn)品及業(yè)務(wù)操作、執(zhí)行交割與流程管理，對(duì)貝葉斯網(wǎng)絡(luò)中需要的兩類變量關(guān)鍵風(fēng)險(xiǎn)誘因和關(guān)鍵風(fēng)險(xiǎn)指標(biāo)進(jìn)行進(jìn)一步篩選和確認(rèn)。

本文對(duì)三類業(yè)務(wù)部門下四類操作損失事件金額占比進(jìn)行分析，以確定模型中的變量，各業(yè)務(wù)條線中各損失事件類型占比并不同，其中，零售銀行主要損失事件為內(nèi)部欺詐、外部欺詐，商業(yè)銀行和資產(chǎn)管理主要損失事件為內(nèi)部、外部欺詐、執(zhí)行、交割與流程管理。根據(jù)對(duì)樣本數(shù)據(jù)的收集、整理和分析，構(gòu)建相應(yīng)貝葉斯網(wǎng)絡(luò)模型（如圖1所示）。

五、實(shí)證分析

本文將目標(biāo)節(jié)點(diǎn)操作損失（OL）按金額分為三類：小于1000萬(wàn)，介于1000萬(wàn)到1億之間，大于1億，分別代表操作損失L、M、H三種取值狀態(tài)。關(guān)鍵風(fēng)險(xiǎn)指標(biāo)零售銀行、商業(yè)銀行資產(chǎn)管理分別有兩種狀態(tài)：YES、NO，模型中英文簡(jiǎn)稱分別為RB，CB，AM。關(guān)鍵風(fēng)險(xiǎn)誘因內(nèi)部欺詐、外部欺詐、執(zhí)行交割與流程管理也有兩種狀態(tài)：YES、NO，英文簡(jiǎn)稱分別為IF，EF，EM。

在Netica軟件界面構(gòu)建相應(yīng)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖后，將樣本數(shù)據(jù)轉(zhuǎn)化為軟件要求的XML格式，利用軟件的自學(xué)習(xí)功能對(duì)我國(guó)上市商業(yè)銀行操作風(fēng)險(xiǎn)進(jìn)行度量分析，貝葉斯網(wǎng)絡(luò)模型如下：

如圖，關(guān)鍵風(fēng)險(xiǎn)誘因中，外部欺詐發(fā)生的概率最大，為63.0%，內(nèi)部欺詐次之為31.5%，執(zhí)行交割與流程管理最小，為5.45%。關(guān)鍵風(fēng)險(xiǎn)指標(biāo)零售銀行操作損失事件發(fā)生概率最大，為69.4%，商業(yè)銀行為35.4%，資產(chǎn)管理為26.0%。上市商業(yè)銀行操作損失事件低風(fēng)險(xiǎn)事件概率最大為58.4%，高風(fēng)險(xiǎn)事件為22.3%，中等風(fēng)險(xiǎn)事件為19.3%。

1、正向分析

利用貝葉斯網(wǎng)絡(luò)模型的特點(diǎn)，假設(shè)關(guān)鍵風(fēng)險(xiǎn)誘因內(nèi)部欺詐發(fā)生概率變?yōu)橹案怕实?倍，利用Netica軟件重新輸入內(nèi)部欺詐概率，自動(dòng)得出更新的貝葉斯網(wǎng)絡(luò)模型，節(jié)點(diǎn)概率變動(dòng)情況如下圖：

如圖，當(dāng)內(nèi)部欺詐發(fā)生概率變?yōu)?倍時(shí)，商業(yè)銀行損失事件發(fā)生概率升為37.6%，零售銀行降為62.5%，資產(chǎn)管理業(yè)務(wù)升為28.8%。銀行低風(fēng)險(xiǎn)事件概率降低，中高風(fēng)險(xiǎn)事件上升。結(jié)果表明，銀行內(nèi)部欺詐事件主要屬于中高等風(fēng)險(xiǎn)事件。

同理，外部欺詐發(fā)生概率變?yōu)橐话霑r(shí)，操作損失事件概率升為37.7%，零售銀行變?yōu)?2.8%，資產(chǎn)管理變?yōu)?3.5%。低風(fēng)險(xiǎn)事件降為55.5%，中高等風(fēng)險(xiǎn)事件升為20.9%。當(dāng)執(zhí)行、交割與流程事件的發(fā)生概率變?yōu)?倍時(shí)，商業(yè)銀行概率變?yōu)?5.7%，零售銀行概率不變，資產(chǎn)管理業(yè)務(wù)概率變?yōu)?6.6%。銀行低損失事件降為58.2%，中等風(fēng)險(xiǎn)事件升為19.4%，高等風(fēng)險(xiǎn)事件升為22.4%，由此可知，外部欺詐事件主要影響低風(fēng)險(xiǎn)事件。執(zhí)行交割與流程管理主要對(duì)銀行中高等操作損失事件造成影響。

2、逆向分析

為研究最大化降低操作風(fēng)險(xiǎn)銀行應(yīng)該從哪些方面入手，能夠達(dá)到效果。最大化降低操作風(fēng)險(xiǎn)的情況下，中高等操作損失事件概率為0，低等操作損失事件發(fā)生概率為100%，設(shè)置損失事件概率，得到貝葉斯網(wǎng)絡(luò)模型如下圖所示：

如上圖所示，當(dāng)?shù)蛽p失事件發(fā)生概率為100%時(shí)，關(guān)鍵風(fēng)險(xiǎn)指標(biāo)商業(yè)銀行損失概率降為24.0%，零售銀行上升為77.7%，資產(chǎn)管理降為15.7%。關(guān)鍵風(fēng)險(xiǎn)誘因外部欺詐概率上升為66.7%，內(nèi)部欺詐概率降為29.0%，資產(chǎn)管理概率略降為5.09%。低風(fēng)險(xiǎn)操作損失事件主要來(lái)自零售銀行，中高等損失事件主要來(lái)自商業(yè)銀行和資產(chǎn)管理;低等損失事件主要屬于外部欺詐，中高等損失事件主要屬于內(nèi)部欺詐和資產(chǎn)管理。

六、結(jié)論

綜上，我國(guó)上市商業(yè)銀行主要操作損失事件包括內(nèi)部欺詐、外部欺詐和資產(chǎn)管理三類。操作損失事件發(fā)生最多的業(yè)務(wù)條線包括零售銀行、商業(yè)銀行、資產(chǎn)管理三類。其中零售銀行最多，商業(yè)銀行次之，資產(chǎn)管理最少。操作損失事件大部分屬于低等損失事件，這與我國(guó)上市商業(yè)銀行發(fā)展現(xiàn)狀相符。中、高等損失事件主要來(lái)源于商業(yè)銀行和資產(chǎn)管理業(yè)務(wù)條線，低等損失事件主要來(lái)源于外部欺詐。這表明，上市商業(yè)銀行在對(duì)操作風(fēng)險(xiǎn)進(jìn)行管控時(shí)，需要根據(jù)各主要業(yè)務(wù)部門的損失事件類型、特點(diǎn)進(jìn)行相應(yīng)的風(fēng)險(xiǎn)管控。

【參考文獻(xiàn)】

[1] 郭晶.淺議當(dāng)前商業(yè)銀行操作風(fēng)險(xiǎn)事件多發(fā)的成因及治理對(duì)策[J].時(shí)代金融，2018（2）.

[2] 中國(guó)上市銀行分析報(bào)告2019[M].中國(guó)金融出版社，2019.

[3] ChavezDemoulin，V.An Extreme Value Approach for Modeling Operational Risk Losses Depending on Covariates Journal of Risk and Insurance.2016.Vol.83.Issue3，pp.735-776.

【作者簡(jiǎn)介】

劉靜靜（1994.2—）女，陜西延安人，西方經(jīng)濟(jì)學(xué)專業(yè)碩士研究生在讀.