銀行評級的多準(zhǔn)則決策支持系統(tǒng)

吳雷玲　孫英雋

摘要：闡述了一個目前在希臘銀行所使用的多準(zhǔn)則銀行評級方法，并將其運用在綜合決策支持系統(tǒng)里進(jìn)行案例研究。通過該系統(tǒng)，可知基于PROMETHEE II方法的整體評價結(jié)果，從而為每一年每家銀行總體評價得分、相互敏感性分析提供報告結(jié)果，并在“實時”狀態(tài)下，顯示銀行業(yè)績和評級變化的影響。由于考慮到銀行在動態(tài)環(huán)境中運作，對于評價標(biāo)準(zhǔn)和評價過程參數(shù)變化所可能導(dǎo)致的評級結(jié)果變化而引入的靈敏度分析予以了特別強(qiáng)調(diào)。

關(guān)鍵詞：銀行；評級模型；多準(zhǔn)則決策支持；靈敏度分析

1、引言

銀行在金融和商業(yè)環(huán)境中的作用日益突顯。銀行所面臨風(fēng)險的增加，使得新巴塞爾協(xié)議框架不斷修訂并改進(jìn)，而這一框架，被定義為銀行類金融機(jī)構(gòu)致力于風(fēng)險管理的核心原則。其中有關(guān)銀行監(jiān)管的過程，即監(jiān)管當(dāng)局負(fù)責(zé)對各銀行的風(fēng)險進(jìn)行管理并對化解狀況、不同風(fēng)險間相互關(guān)系的處理情況、所處市場的性質(zhì)、收益的有效性和可靠性等因素進(jìn)行監(jiān)督檢查，以評估銀行的穩(wěn)健性。Sahajwala和Van den Bergh[1]強(qiáng)調(diào)的是考慮了銀行的財務(wù)表現(xiàn)及其內(nèi)在風(fēng)險狀況和風(fēng)險管理能力的結(jié)構(gòu)化與量化評估，這種評估的支持監(jiān)測機(jī)構(gòu)能盡早發(fā)現(xiàn)銀行環(huán)境的變化。

由于缺乏足夠的有關(guān)銀行違約的歷史數(shù)據(jù)，銀行評級系統(tǒng)通?；趯嵶C評估。Sahajwala和Van den Bergh[1]提供了幾個目前正在實踐中使用的系統(tǒng)綜述，包括使用最廣泛的駱駝（CAMELS）框架，其中涉及的六個主要因素：資本，資產(chǎn)，管理，盈利，流動性和市場風(fēng)險的敏感性。其他的多準(zhǔn)則技術(shù)也已用于銀行績效評價。Kosmidou和Zopounidis[2]采用PROMETHEE方法，Raveh[3]采用了聯(lián)合情景法， 而Ho[4]采用了灰色關(guān)聯(lián)分析， Garcia et al[5]使用了目標(biāo)規(guī)劃。Fethi和Pasiouras[6]則提供了一個側(cè)重于數(shù)據(jù)包絡(luò)分析和來源于運籌學(xué)和人工智能領(lǐng)域中最新銀行業(yè)的效率分析和績效評估，此系統(tǒng)被廣泛地用于銀行業(yè)務(wù)活動當(dāng)中，包括貸款評估和信貸發(fā)放、財務(wù)計劃、業(yè)務(wù)流程再造及資產(chǎn)/負(fù)債管理。

本文提出了一個目前在希臘銀行使用的基于PROMETHEE II的多準(zhǔn)則銀行評級方法，并將此方法用在綜合決策支持系統(tǒng)里進(jìn)行案例研究，所選擇的銀行評估標(biāo)準(zhǔn)與來自希臘銀行的專家分析相一致。所選的標(biāo)準(zhǔn)符合駱駝（CAMELS）框架，包括定性、定量的手段，特別強(qiáng)調(diào)了有關(guān)評價標(biāo)準(zhǔn)、評價過程參數(shù)、輸入數(shù)據(jù)相對重要性結(jié)果的靈敏性，并用靈敏度分析技術(shù)和蒙特卡羅仿真來達(dá)到上述目的。

本文安排如下：第1節(jié)描述問題的背景和多準(zhǔn)則方法的細(xì)節(jié)。第2節(jié)說明了多準(zhǔn)則決策支持系統(tǒng)的實施。最后，第3節(jié)總結(jié)全文，并對了未來的研究方向進(jìn)行了展望。

2、問題背景和多準(zhǔn)則方法

銀行評級模型的主要輸出是把銀行的分類變成有序風(fēng)險等級（組）。風(fēng)險等級通常設(shè)置為5個等級，等級1表示低風(fēng)險/高業(yè)績的銀行；等級5表明高風(fēng)險/低業(yè)績銀行。整體的業(yè)績又分解成不同的分?jǐn)?shù)（即每一個評價標(biāo)準(zhǔn)）。

根據(jù)目前在希臘銀行使用的駱駝（CAMELS）模型，這個基于PROMETHEE II 的多準(zhǔn)則方法不僅可以使所需要的風(fēng)險等級變得可行，而且可形成銀行整體的性能指標(biāo)。流程圖如圖1。

圖1 方法模型

PROMETHEE方法被廣泛應(yīng)用于對一系列兩兩比較的替代方案進(jìn)行排名，同時也被用來比較一個預(yù)先設(shè)定參考點的絕對評價。下面小節(jié)將詳細(xì)描述PROMETHEE方法在文中的應(yīng)用。第3節(jié)將給出詳細(xì)的評價標(biāo)準(zhǔn)和如何將方法應(yīng)用于決策支持系統(tǒng)。

2.1相對評價

在文中提及的PROMETHEE的銀行評價方法是基于兩兩比較的。對于每對銀行（i，j），以及整體業(yè)績指標(biāo)，其是描述在n個評價準(zhǔn)則中銀行i的向量。全局偏好指數(shù)被定義為局部偏好指數(shù)的加權(quán)總和，即：

5.5（最差業(yè)績）。最終的評價模型表達(dá)如下：

這種模式可用于銀行的相關(guān)業(yè)績排名。除銀行的評級，相關(guān)排名也要求作為評級/評價過程中的一個重要組成部分，鑒于以這種方式定義整體得分，評級指所定義的時間間隔，[0.5，1.5]的風(fēng)險等級為1，（1.5，2.5]的風(fēng)險等級為2，（2.5，3.5]風(fēng)險等級為3，（3.5，4.5]風(fēng)險等級為4，（4.5，5.5]風(fēng)險等級為5。

2.2絕對評價

如上所述的基于PROMETHEE II方法的評估提供了一個銀行的相對評價，這有助于識別一家銀行與其競爭對手相比的優(yōu)勢和弱點。然而，銀行的評級模型也應(yīng)該提供一個不依賴于一系列正在被評估銀行的絕對評價。

絕對評價也使用PROMETHEE方法的框架，但在這種情況下的結(jié)果，僅以銀行預(yù)先指定的參考點為基礎(chǔ)。在希臘銀行分析師的實踐當(dāng)中，有兩個選項被定義為參考點的規(guī)范。第一個選項是從樂觀的角度，是銀行在比較理想點（理想銀行）的情況下。這種評價提供了評估銀行的能力，并能被更好地執(zhí)行。第二個選項使用非理想點，并提供了一個相對在“最壞的情況”下的銀行評估。有希臘銀行分析師定義的非理想點和理想點，包含每個準(zhǔn)則的最壞和最好業(yè)績值，即銀行在相對于理想點的情況下，局部評價函數(shù)做如下調(diào)整：

另一方面，在非理想情況下，局部評價函數(shù)如下：

2.3靈敏度分析

當(dāng)然，上面定義的多準(zhǔn)則評價引入一些不確定性和主觀性，主要是PROMETHEE方法的參數(shù)，其中包括準(zhǔn)則權(quán)重和部分偏好函數(shù)中的參數(shù)σ和P。

此外，由于銀行在動態(tài)環(huán)境中運作，識別輸入數(shù)據(jù)的變化也很重要，故可能導(dǎo)致的評級結(jié)果變化而引入的靈敏度分析既適合一系列完整的銀行，又適合單獨的每一個銀行。

第一階段，分析靈敏度程序解決這些問題。對于準(zhǔn)則權(quán)重，分析的目的是定義評級不變銀行，每個準(zhǔn)則k權(quán)重值的范圍。這可以很容易地通過加強(qiáng)的條件，即每家銀行i全局得分V（xi）保持其預(yù)先指定的權(quán)重評分范圍內(nèi)。應(yīng)該指出的是，這是“單因素”敏感性分析的類型（即，每個標(biāo)準(zhǔn)被認(rèn)為是獨立于其他的）。在與希臘銀行的分析師合作中，被認(rèn)為提供了足夠的信息，并且很容易被理解。沃爾特斯和Mareschal[14]已經(jīng)提出了考慮準(zhǔn)則全局變化的敏感性分析的例子。

一個類似的過程也采用標(biāo)準(zhǔn)的偏好函數(shù)參數(shù)。然而，基于PROMETHEE方法的兩兩相關(guān)評價方案里，部分偏好函數(shù)一般對應(yīng)參數(shù)σ和P非單調(diào)，非凸函數(shù)，這種情況下是不可能定義為評級不變銀行特定參數(shù)范圍。因此，可以明確定義為絕對評價過程的邊界。

假設(shè)銀行i的等級為

2.4 蒙特卡羅仿真

如上節(jié)所述，分析的流程提供了評級結(jié)果敏感性分析的局部信息。而通過蒙特卡羅仿真將會獲得進(jìn)一步的信息。通過該方法，仿真分析了在準(zhǔn)則權(quán)重變化下評級結(jié)果的敏感性，并在這一過程當(dāng)中，可以很容易地進(jìn)一步考慮偏好函數(shù)的參數(shù)。

仿真涉及到在多個情境下準(zhǔn)則權(quán)重的生成。一是，由隨機(jī)單元簡單生成。二是，決策者依重要性進(jìn)行排序，然后按照準(zhǔn)則的順序生成隨機(jī)權(quán)重。

在仿真結(jié)果當(dāng)中，通過全局表現(xiàn)評估均值和中位數(shù)，并對其標(biāo)準(zhǔn)差和置信區(qū)間進(jìn)行分析。從而對于每一個銀行，可以得出不同加權(quán)情況下評級分布的有用結(jié)論。

3. 決策支持系統(tǒng)的實施

綜合決策支持系統(tǒng)（DSS）使多個用戶在一個共享數(shù)據(jù)庫下工作。銀行高級分析師負(fù)責(zé)評估過程中主要參數(shù)的設(shè)定，即準(zhǔn)則權(quán)重、相應(yīng)偏好函數(shù)類型等主要參數(shù)，以及通過添加或刪除標(biāo)準(zhǔn)來修改評價標(biāo)準(zhǔn)集合。而較低級別的分析家們可以充分接觸多準(zhǔn)則評估過程中的所有功能，但不允許他們使評價參數(shù)發(fā)生永久性改變。除數(shù)據(jù)庫管理和多準(zhǔn)則工具的使用，DSS還提供包括一個用戶界面友好，方便圖形和表格格式編制的幾種預(yù)備報告功能。

以下小節(jié)將說明DSS提供的功能和基于多準(zhǔn)則方法的實施方式。需要指出的是，出于保密原因，在此圖中的所有結(jié)果都只是指示性的，它們與任何銀行實際數(shù)據(jù)沒有關(guān)聯(lián)。

3.1評價數(shù)據(jù)、準(zhǔn)則、偏好參數(shù)

考慮系統(tǒng)中涉及希臘銀行歷史信息的一些數(shù)據(jù)。該系統(tǒng)可以使用不同的數(shù)據(jù)庫，這取決于分析銀行的類型。最初，系統(tǒng)中引入了31個評價準(zhǔn)則集合[1]。一個評價標(biāo)準(zhǔn)的范例清單（見表1），這些準(zhǔn)則是在與負(fù)責(zé)監(jiān)測和評估銀行業(yè)績的專家分析師密切合作下選定的。按照駱駝（CAMELS）框架， 該標(biāo)準(zhǔn)被組織成6類（資金，資產(chǎn)，管理，盈利，流動性，對市場風(fēng)險的敏感性）?？傮w而言，17個定量標(biāo)準(zhǔn)和14定性標(biāo)準(zhǔn)已初步選定。由希臘銀行分析師定義的所有定性標(biāo)準(zhǔn)設(shè)定為 [0.5，5.5] 區(qū)間范圍，較低值表示較好的業(yè)績。

每類準(zhǔn)則的權(quán)重和每一準(zhǔn)則水平都已由希臘銀行分析師確定。該系統(tǒng)還包括一些額外的模塊，這些模塊是支持規(guī)范的準(zhǔn)則權(quán)重分析，即采用rank-order centroid （ROC） 和 rank-rum （RS）方法。圖2說明了準(zhǔn)則權(quán)重系統(tǒng)的截圖。近似的ROC和RS根據(jù)分析師所指定的準(zhǔn)則排名順序計算。如圖2，RS的估計值非常接近于用戶自定義每個標(biāo)準(zhǔn)組的相對重要度。同樣也觀察到了每一準(zhǔn)則水平?？傮w而言，定量的準(zhǔn)則分配了70%的權(quán)重，其余30%屬于定性準(zhǔn)則，這是一個基于“硬性數(shù)據(jù)”，給予重要度高于涉及主觀評價的定性準(zhǔn)則重要度的政策規(guī)范。

所有量化標(biāo)準(zhǔn)的評估都采用了PROMETHEE方法的高斯偏好函數(shù)，而定性標(biāo)準(zhǔn)采用線性偏好函數(shù)。圖3描述了資本充足率的局部偏好函數(shù)。這個函數(shù)值隨準(zhǔn)則值而降低，從而表明，較高的資本充足率值與更高的業(yè)績和更低的風(fēng)險相關(guān)。圖的右側(cè)部分，用戶-分析師可以指定最少和最喜歡值（理想，非理想）函數(shù)的類型以及相關(guān)參數(shù)。圖左側(cè)是對用戶所做改變的自動更新。

3.2多準(zhǔn)則評價

第2節(jié)中，系統(tǒng)提供了多種選擇，涉及：（1）銀行、評價標(biāo)準(zhǔn)、分析的時間周期（2）評價類型（絕/相對）（3）準(zhǔn)則權(quán)重的規(guī)范（4）情景分析，蒙特卡羅仿真情景分析使用（如圖4）

通過該系統(tǒng)可知基于PROMETHEE II方法的整體評價結(jié)果。為每一年每家銀行報告總體評價得分、相互敏感性分析。用戶可修改權(quán)重或偏好函數(shù)參數(shù)以自動更新準(zhǔn)則和評價結(jié)果，從而說明在“實時”狀態(tài)下，銀行業(yè)績和評級變化的影響。

靈敏度分析結(jié)果，與有關(guān)的標(biāo)準(zhǔn)和相應(yīng)的偏好函數(shù)參數(shù)的權(quán)重也可在單獨的表內(nèi)，如圖5。

每一標(biāo)準(zhǔn)的銀行評級不會改變，且其權(quán)重范圍（上限和下限）可以顯示。“穩(wěn)定指數(shù)”，在表的最后一列所示，表示每個準(zhǔn)則權(quán)重變化的最小百分比（不同的顏色來區(qū)分減少和增加）。

3.3情景分析

在情景分析下，通過蒙特卡羅仿真可以獲得針對準(zhǔn)則權(quán)重靈敏度排名的進(jìn)一步結(jié)果。用戶-銀行分析師可以在此指定不同的權(quán)重方案。結(jié)果涉及銀行全局業(yè)績得分（平均值，中位數(shù)、95%置信區(qū)間）統(tǒng)計數(shù)據(jù)以及每家銀行的評級分布。此外，通過情景分析報告可以獲得準(zhǔn)則權(quán)重和仿真運行的所有評級之間的關(guān)系。特別是，每一標(biāo)準(zhǔn)的相關(guān)系數(shù)表明了在銀行評級和準(zhǔn)則相對重要性之間的連接強(qiáng)度。準(zhǔn)則負(fù)相關(guān)可被視為銀行的強(qiáng)勢。在這個意義上，準(zhǔn)則的權(quán)重越高，銀行的評價得分就越低（越好）。

作為額外的信息，對于每個準(zhǔn)則，它的平均權(quán)重可以通過被評定為特定等級銀行的全情境計算獲得。特別是，假設(shè)權(quán)重的向量W1，W2，…….，針對每次仿真運行和引用Sik，即在銀行i被設(shè)定為等級K的情況下進(jìn)行仿真運行的仿真集（|Sik|代表運行的次數(shù)），

是在Sik下所有情景的平均權(quán)重向量，此式提供了一種關(guān)于已選銀行評價結(jié)果的逆向分析信息。例如，在選定銀行2010年分配到風(fēng)險等級2的情況下，準(zhǔn)則權(quán)重為CAP1和CAP2，高于可以根據(jù)這些標(biāo)準(zhǔn)的權(quán)重在分配給該銀行風(fēng)險等級3的情況下的準(zhǔn)則權(quán)重。

4、結(jié)論

銀行業(yè)績的監(jiān)測和評價在最近金融危機(jī)背景下獲得越來越多的關(guān)注。本文提出了一種多準(zhǔn)則方法旨在提供全面的專家支持分析，特別強(qiáng)調(diào)了把結(jié)果的敏感性分析應(yīng)用到主要評價參數(shù)中，從而推導(dǎo)出有關(guān)銀行優(yōu)劣勢的有用結(jié)論。

該方法已在綜合決策支持系統(tǒng)（DSS）中實施，目前使用于希臘銀行。DSS為用戶及分析師提供了一種增強(qiáng)性的數(shù)據(jù)庫管理功能，包括一些分析選項和報告工具。

專業(yè)銀行分析師將多準(zhǔn)則方法和DSS作為他們?nèi)粘１O(jiān)測和評估銀行業(yè)績的支持工具。更進(jìn)一步來說，其目的是發(fā)展能夠盡快識別銀行所可能面臨問題的早期預(yù)警系統(tǒng)，并且對宏觀經(jīng)濟(jì)因素的考慮也能進(jìn)行加強(qiáng)分析，以及在外部因素對銀行業(yè)績和多樣化的沖擊下，實施執(zhí)行壓力測試。數(shù)據(jù)同樣考慮了來自發(fā)達(dá)國家和發(fā)展中國家的其他銀行部門，從而為增強(qiáng)其他市場風(fēng)險及一個國家整體銀行業(yè)風(fēng)險相關(guān)性的背景下，提供有用的分析信息。

參考文獻(xiàn)：

[1]R. Sahajwala， P. Van den Bergh， Supervisory Risk Assessment and Early Warning Systems， Technical Report 4， Bank of International Settlements， Basel， Switzerland， 2000.

[2]K. Kosmidou， C. Zopounidis， Measurement of bank performance in Greece， South-Eastern Europe Journal of Economics 6 （2008） 79–95.

[3]A. Raveh， The Greek banking system： reanalysis of performance， European Journal of Operational Research 120 （2000） 525–534.

[4]C.T. Ho， Measuring bank operations performance： an approach based on grey relation analysis， Journal of the Operational Research Society 57 （2006） 337–349.

[5]F. García， F. Guijarro， I. Moya， Ranking Spanish savings banks： A multicriteria approach， Mathematical and Computer Modelling 52 （2010） 1058–1065.

[6]D. Fethi， F. Pasiouras， Assessing bank efficiency and performance with operational research and artificial intelligent techniques： a survey， European Journal of Operational Research 204 （2010） 189–198.

[7]J. Butler， J. Jia， J. Dyer， Simulation techniques for the sensitivity analysis of multi-criteria decision models， European Journal of Operational Research 103 （1997） 531–546.

[8]A. Derviz， J. Podpiera， Predicting bank CAMELS and S&P ratings： the case of the Czech Republic， Emerging Markets Finance and Trade 44 （2008） 117–130.

[9]C. Spathis， K. Kosmidou， M. Doumpos， Assessing profitability factors in the Greek banking system： a multicriteria approach， International Transactions in Operational Research 9 （2002） 517–530.

[10]巴塞爾銀行監(jiān)管委員會，外部信用評級與內(nèi)部信用評級體系[M].羅平，譯.北京.中國金融出版社，2004： 451.

[11]趙向飛.上市公司信用能力的綜合評價）—AHP與模糊評價的整合[ J].統(tǒng)計與決策， 2005（ 4） ：116- 117.

[12]趙利亞， 孫樹華.層次分析法在財務(wù)分析中的應(yīng)用[ J].財會通訊， 2009（ 3） ：96- 97.

[13]蘇盈，吳永飛，楊曉光.商業(yè)銀行風(fēng)險評級的比較研究[J].金融管理，2005 （ 9）：12-13.

基金項目：上海市研究生創(chuàng)新基金項目（編號：JWCXSL1202）