基于面板數據模型的商業銀行操作風險分析

摘要：操作風險是商業銀行面臨的重要風險之一，而收入模型是適應當前我國商業銀行操作風險管理實踐的度量模型。本文建立了一個面板數據收入模型，利用招商銀行、浦東發展銀行和深圳發展銀行，2002年1季度到2011年1季度的季度財務數據進行了實證分析，研究發現三家銀行凈利潤16.67%的波動是由操作風險引起的，深圳發展銀行面臨的操作風險高于另外兩家銀行。

關鍵詞：商業銀行；操作風險；面板數據；收入模型

中圖分類號：F832.33 文獻標識碼：A

An Analysis of Commercial Banks′ Operational Risk Based on Panel Data Model

XING Zhi-guo， DING Ri-jia

（School of Management， China University of Mining and Technology(Beijing)，

Beijing 100083，China）

Abstract: Operational risk is one of the most important risks faced by commercial banks.Income model is a suitable model to measure operational risk considering the management conditions of operational risk in our country′s commercial banks. This paper builds an income model with panel data to do some analysis using quarterly accounting data of three commercial banks from the first quarter of 2002 to the first quarter of 2011， which are China Merchants Bank， Pudong Development Bank and Shenzhen Development Bank. Conclusions are drawn that volatility caused by operational risk accounts for 16.67% in the total volatilities of the net profit of the three banks and the operational risk of Shenzhen Development Bank is the biggest one among the three banks.

Key words:commercial bank; operational risk; panel data; income model

一、操作風險及其度量

根據巴塞爾銀行業監督委員會于2004年頒布的新巴塞爾協議，操作風險是“由于不完善的或有問題的內部程序、人員及系統或外部事件所造成的直接或間接的經濟損失”。按照這一定義，法律風險屬于操作風險的一種，但聲譽風險和戰略風險不歸屬于操作風險。在新巴塞爾資本協議中，商業銀行業務被分為公司金融、交易和銷售、零售銀行業務、商業銀行業務、支付和清算、代理服務、資產管理、零售經紀等8條生產線。商業銀行面臨的操作風險被分為7種類型，他們分別是：內部欺詐；外部欺詐；雇員活動和工作場所安全；有形資產的損失；客戶、產品和業務活動；經營中斷或系統錯誤；執行、交割以及交易過程中管理失誤（Basel，2004）［1］。

自商業銀行誕生之日起就一直面臨著操作風險的威脅，所以操作風險是商業銀行面臨的最古老的風險之一。然而，很久以來，操作風險并沒有得到應有的重視，人們把目光更多地投注在了信用風險和市場風險上。近年來，對操作風險的應對不當所引起的一系列大案、要案給商業銀行造成了巨大損失，同時也引起了人們對操作風險的重視，對操作風險進行研究一度成為銀行業研究的中心課題之一。國內外學者、業者對操作風險的定義、起因、風險的度量、風險的應對預防等問題進行了大量、深入的研究，操作風險管理的理論研究和實踐水平都有了很大的提高。2004年6月，巴塞爾委員會頒布了新資本協議，史稱新巴塞爾協議。協議高度重視操作風險的管理，把操作風險與市場風和信用風險放在同等重要的地位，并稱為商業銀行面臨的三大風險。2007年2月28日中國銀行業監督管理委員會發布《中國銀行業實施新資本協議指導意見》［2］，同年5月14日發布《商業銀行操作風險管理指引》 ［3］，加強對商業銀行操作風險管理的監管。出于資本監管的需要，銀監會把商業銀行分為兩類：新資本協議銀行和其他銀行。新資本協議銀行就是國際業務占相當比重的、在其他國家或地區（包括香港、澳門等設有業務活躍的經營性機構的大型商業銀行，新資本協議之外的銀行為其他銀行?！吨袊y行業實施新資本協議指導意見》要求新資本協議銀行在2010年底開始實施新資本協議，如果屆時不能達到監管要求，可以要求暫緩實施，但不得遲于2013年底。其它商業銀行自2011年起可以提出自愿實施的申請。

操作風險的度量是操作風險管理中的核心問題，操作風險的度量方法因而成為操作風險研究的重點。2004年的新資本協議建議商業銀行應用三類度量方法，他們是基本指標法（BIA）、標準法（SA）、高級計量法（AMA）。其中，主要的高級計量法包括內部衡量法（IMA）、損失分布法（LDA， Alexander C，2003）［4］、極值理論法、VaR 和CVaR法（Chiara Cornalba;Paolo Giudici， 2004）［5］、貝葉斯網絡方法（Martin Neil; Norman Fenton; Manesh Tailor， 2008）［6］等。在實際操作當中，對商業銀行操作風險的度量有自上而下和自下而上兩種方法。自上而下法是把銀行看做一個整體，不區分業務層次，從銀行總體層面來估算操作風險給銀行造成的損失。自下而上法把銀行分為若個業務活動或部門，分別估算操作風險的來源和損失，然后再根據特定方法匯總的到銀行的總體損失?；谧韵露戏ń⒌哪Ｐ湍依怂懈呒売嬃糠Ｐ?，像內部衡量法模型、損失分布法模型等?；谧陨隙路ń⒌哪Ｐ统诵沦Y本協議建議的基本指標法模型、標準法模型外，還有收益波動模型、證券因素模型、收入模型等?，F有的國外研究文獻中，對操作風險的研究通常都采用自下而上的高級法，有兩個原因。一是自下而上法與自上而下法相比在度量準確性、風險敏感度、更少的監管資本方面具有無可比擬的優越性；二是西方國家在操作風險研究方面起步早、水平高，更重要的是他們有著很好的損失數據儲備。再看我國的研究現狀，以應用自上而下法為主，這符合我國操作風險研究起步晚、水平低、缺乏風險損失數據的現實情況。其中代表性的研究有：樊欣、楊曉光（2004）［7］利用證券因素模型和收入模型對浦東發展銀行和深圳發展銀行等兩家上市商業銀行的操作風險進行了度量。他們采用年度數據，以真實GDP增長率、上證綜指、一年期存貸利差為解釋變量，分別以證券市值和凈利潤為被解釋變量對兩家銀行的操作風險進行了度量，并對證券因素模型和收入模型所得結果進行了對比分析；張學陶、童晶（2006）［8］運用收入模型進行了實證研究，但樣本數量較少，而且只選用了兩個解釋變量；劉睿、李金迎（2008）［9］運用股票收益模型，利用2000-2006年中國5家上市商業銀行面板收益數據，對中國上市銀行的操作風險進行實際度量，并與基本指標法計算的操作風險資本金進行了比較。

考慮到以上情況，本文擬采用收入模型，選取與上述文章不同的解釋變量，利用面板數據對銀行的操作風險進行度量。

二、操作風險實證分析

（一）模型選擇

收入模型的原理是這樣的：以目標銀行的凈利潤為被解釋變量，以能反映銀行所遇風險的指標為解釋變量（像反映市場風險的指標、反映信用風險的指標等等）構建模型。凈利潤的波動反映銀行遭遇的整體風險，解釋變量的波動反映的是市場風險和信用風險，余下不能解釋的部分的波動就反映了操作風險。用公式表示如下：

y=c+α1x1+α2x2+α3x3+…+ε

其中y代表凈利潤，c是模型截距，xi代表i 個風險因素，αi代表i個風險因素的系數，ε為模型的殘差項。 

我國商業銀行上市大多是在2006年以后，上市時間短，收集到的數據有限。為方便數據的收集，本文選取上市時間較長且信息披露較規范的招商銀行、浦東發展銀行、深圳發展銀行作為研究對象，以三家銀行的季度凈利潤（PROF）為被解釋變量。商業銀行以存貸款為主要業務，存貸利差對銀行的利潤有很大影響，所以本文選擇一年期的定期存貸利差（SPDL）作為反映銀行盈利能力的變量。另外，真實GDP也與銀行的凈利潤有關，所以將真實GDP（RGDP）作為解釋變量（由GDP與CPI的比值代表RGDP）。信用風險是指交易對方不能履行合同、不能如期履行合同或不能完全履行合同而給銀行造成的損失的可能性，本文選擇不良貸款率（BADL）這一指標來反映信用風險。市場風險方面，本文選擇上證綜指（SDEX）和金融指數（FDEX）這兩個指標；流動風險方面，用存貸比率（DLRA）指標來反映。綜上，本文模型中總共有4類6大指標（見表1）。

招商銀行、浦東發展銀行、深圳發展銀行等三家上市商業銀行財務報表顯示，自2002年起都有比較完整的季報披露，所以選取2002年1季度到2011年1季度作為研究的實證區間。數據來源如下：凈利潤（PROF，單位為千元）、不良貸款率（BADL）、存貸比（DLRA）季度數據均來自三家公司公開披露的財務報告；上證綜指（SDEX）和金融指數（FDEX）來自新浪網財經頻道，原始數據是日數據，經過對每季度日指數平均得到季度數據；CPI、GDP數據來自國家統計局網站，CPI原始數據是日數據，對每季度日數據平均得到季度數據，GDP與CPI的比值得到真實GDP（RGDP）；一年期存貸利差（SPDL）原始數據來自中國人民銀行網站，經如下運算得到所需的季度數據：

SPDL=∑[DD(][]i=1[DD)][SX(](loani-depositi)si[]ts[SX)]

其中i 表示季度中第i 個存貸利率，s 表示利率持續的時間，ts 表示季度的總天數，loan、deposit 分別表示貸款利率和存款利率。

（二） 構建模型

以凈利潤為被解釋變量，以不良貸款率、存貸比、上證綜指、金融指數、真實GDP、存貸利差為解釋變量，以招商銀行、浦東發展銀行、深圳發展銀行2002年1季度到2011年1季度數據構建面板數據收入模型如下：

PROFit=α+β1RGDPit+β2BADLit+β3DLRAit+β4SDEXit+β5FDEXit+β6SPDLit+εit

i=1，2，3;t=1，2，…，37

上式中，PROFit代表第i 家銀行t季度的凈利潤，樣本區間t為2002年1季度到2011年1季度共37個時點，α 代表模型的截距項， β1，β2， …，β6是變量的系數，εitt代表模型的殘差。

（三） 實證分析

1．模型設定檢驗。面板數據模型有3種常見類型：變參數模型、變截距模型、不變參數模型。為驗證樣本數據究竟符合上面哪種面板數據模型形式，需要進行一下模型設定檢驗。在這里我們用常見的協方差分析檢驗來進行模型形式設定檢驗。設在本文中變參數模型、變截距模型、不變參數模型的殘差平方和分別為S1、S2、S3，N為橫截面個體成員的個數，T表示每個截面成員的觀測時期總數，k為解釋變量個數，則由:

計算得出F1=4.662，F2=12.0（本例中N=3，k=6，T=37）。

在給定5%的顯著性水平下，通過EViews6.0軟件得到相應的臨界值分別為：

F（12，90）=1.86 F（14，90）=1.80

由于F2>1.80，F1>1.86，所以拒絕H1和H2 ，選擇變參數模型形式。是選擇隨機影響變參數模型呢還是選擇固定影響變參數模型呢？我們遵照如下選擇規則：如果數據所包含的個體成員是所研究對象的總體成員時，選擇固定影響模型是合適的。如果數據所包含的個體成員只是所研究對象總體成員的一部分且又想反映所研究對象整體成員的狀況，用隨機影響模型比較合適；而如果數據包含的個體成員是研究對象總體成員的一部分且只想反映所研究對象總體成員的這一部分的狀況，應當使用固定效應模型。鑒于以上考慮，本文選擇的模型是變參數固定影響模型。參數檢驗結果見表2：

2.凈利潤序列的平穩性檢驗。為了考察凈利潤序列的平穩性，對面板數據進行了標準的單位根檢驗。LLC、Breitung、Hadri、Im-Pesaran-Skin等檢驗表明，面板數據中可能存在單位根。對單個凈利潤序列的ADF檢驗表明，在1%的置信水平上，深發展銀行的凈利潤序列不存在單位根，而浦東發展銀行和招商銀行的凈利潤序列存在單位根?？偟膩碚f，面板凈利潤數據表現出不平穩的特性，需要去除不平穩性。對存在單位根的浦東發展銀行凈利潤序列進行一階差分后，經ADF單位根檢驗，P值為0.0000，拒絕原假設，即不存在單位根。對招商銀行的凈利潤序列進行一階差分后，ADF單位根檢驗P值為0.0000，拒絕原假設，即不存在單位根。自相關檢驗表明，各滯后的自相關系數和偏自相關系數很小且接近于零，Q統計量的P值都比較大，序列相關基本消失。所以，本研究在模型中增加了目標變量的一階自回歸項，式調整為：

PROFit=α+β1RGDPit+β2BADLit+β3DLRAit+β4SDEXit+β5FDEXit+β6SPDLit+bAR(1)+εit

i=1，2，3;t=1，2，…，37

其中AR（1）為一階自回歸項，自回歸項系數用b來表示。

3.面板數據模型殘差的單位根檢驗。對面板數據模型各殘差序列分別進行ADF單位根檢驗表明，各序列均不存在單位根，即殘差序列是平穩的，由此說明這個模型設置較合理，不是偽回歸，說明回歸方程的因變量和自變量之間存在著穩定的均衡關系，這為下一步的量化操作風險奠定了基礎。

4.殘差凈利潤比率估計。殘差（RESI）和凈利潤（PROF）的比值用來表示操作風險的相對大小，用r來表示。理論上講，r的變動范圍應當在（0，1）的區間。實踐中，r有時會超出這個區間。例如，有時凈利潤非常小或者是負值時，殘差有可能是一個較大的負數，所以會有r的絕對值大于1的情況出現。因此，在本文實證過程中，把r絕對值大于1的異常數據剔除掉，并取r的平方作為反映操作風險的變動趨勢，以下是浦東發展銀行、招商銀行、深圳發展銀行的r2的變動趨勢圖。

從圖1可以看出：三家銀行當中，招商銀行的操作風險最小，深圳發展銀行的操作風險最大，浦東發展銀行居中；銀行的操作風險呈波動性變化，三家銀行的操作風險波動不盡相同。2002年到2005年，三家銀行操作風險變動趨勢大致一致，都是開始高，之后逐步下降，2005年2季度到達低點。2005年下半年到2007年，變動趨勢大不一樣。2008年以后，三家銀行的操作風險的趨勢大致相同：開始是逐步下降，2009年1月到2009年6月降到最低點，說明三家銀行的操作風險在這一階段控制的比較好。2009年6月到2011年1季度，操作風險逐步變大，可能銀行管理層對操作風險的管理疏漏或重視程度不夠。

5.操作風險經濟資本估計。模型參數估計結果表明，R2等于0.8333，說明83.33%的凈利潤波動都能被模型設定的解釋變量所解釋，余下16.67%的不能解釋的凈利潤波動可以理解為是由操作風險引起的，這和張學陶、童晶（2006）采用收入模型對浦東發展銀行的回歸結果88.18%頗為接近。收入模型大多假設凈利潤序列服從正態分布，由此可知，在99.9%的置信水平下，操作風險估計值（即經濟資本）等于3.1倍的標準差。具體計算如下面公式所示：

σ2oprisk=σ2(1-R2)

操作風險估計值=3.1σoprisk

兩銀行的操作風險經濟資本計算結果見表3。由于上述實證分析所用數據是季度數據，所以最后所得結果為銀行季度應當計提的操作風險資本，為便于下文的分析，將操作風險經濟資本的季度數據乘以四之后變成年度數據。表4是操作風險估計值與近三年平均核心資本的比較。

從圖1可以看出，深圳發展銀行操作風險占核心資本最高，可以認為它面臨的操作風險最大，這一點與前述殘差凈收入比的平方趨勢圖的結果是一致的；浦東發展銀行的操作風險占比最低，可以認為在三個銀行當中，它面臨的操作風險最小，或者是它的核心資本最充足，抵御操作風險的能力最強，這與殘差凈收入比的平方趨勢圖的結果不太一樣。為什么會出現這種情況呢？看一下浦東發展銀行這三年的核心資本就會發現其中原由：三個銀行中浦東發展銀行的核心資本增長最快，2009年比2008年增產了 72.24%，而2010年又比2009年增長了83.83%，同時期招商銀行和深圳發展銀行的核心資本增長率分別為：招商銀行23.51%、44.98%，深圳發展銀行34.97%、65.81%，同比遠遠低于浦東發展銀行的比率。

三、結論

本文構建了一個面板數據結構收入模型，利用招商銀行、浦東發展銀行、深圳發展銀行等三家上市銀行2002年1季度到2011年1季度的季度數據對其操作風險進行了實證分析。分析發現，三家商業銀行凈利潤波動的16.7%是由操作風險引起的，其操作風險估計值分別為：招商銀行是3 203.67百萬，浦東發展銀行是2 182.14百萬，深圳發展銀行是1 052.17百萬。不論是從殘差凈利潤比的平方還是從操作風險占核心資本比來分析，都是深圳發展銀行的操作風險最大。浦東發展銀行近3年來核心資本增長迅速，核心資本充足，大大增強了其抗風險能力。從殘差凈利潤比率平方變動趨勢圖來看，三家銀行有部分時間段變動趨勢相同，這也反映了銀行監管對操作風險的影響。

參考文獻：

［1］ BCBS， Basel II: International Convergence of Capital Measurement and Capital Standards: a Revised Framework，2004.

［2］ 銀監會.中國銀監會關于印發《中國銀行業實施新資本協議指導意見》的通知［EB/OL］．［2007-02-28］．http://www.cbrc.gov.cn.

［3］ 銀監會.中國銀監會關于印發《商業銀行操作風險管理指引》的通知［EB/OL］．［2007-05-14］．http://www.cbrc.gov.cn.

［4］ Alexander C. Operational Risk: Regulation， Analysis and Management［M］．London: Pearson Education， 2003:129-170.

［5］ Chiara Comalba; Paolo Giudici. Statistical models for operational risk management［J］．Physical review. A.，2004(338):166-172.

［6］ Martin Neil; Norman Fenton; Manesh Tailor. Using Bayesian Networks to Model Expected and Unexpected Operational Losses［J］．Risk Analysis，2005，25(4):963-972.

［7］ 樊欣，楊曉光.操作風險度量:國內兩家股份制商業銀行的實證分析［J］．系統工程，2004，22(5):44-48.

［8］ 張學陶，童晶.商業銀行操作風險的實證分析與風險資本計量［J］．財經理論與實踐， 2006(3): 33-37.

［9］ 劉睿，李金迎.基于股票收益的操作風險資本估計——自上而下方法［J］．管理科學， 2008(6):96-103.

（責任編輯：嚴元）