商业银行金融风险评估研究文献综述

商业银行金融风险评估研究文献综述国外的测度方式和模型发展比较早也比较快，肖远企（1990）介绍了美国的金融风险评估方法，1979年CAMEL评级制度和1997年经过修改的CAMELＳ制度是当时美国所建立的符合本国国情的主观评价体系的一部分。后来的CART结构分析是一种在选定了几个适当的银行财务指标后，将其作为分类标准和依据，通过建立二元分类数来分析被考察对象状态的方法逐渐被学者所采用，刘富成（2009）运用CART方法对我国上市公司信用风险进行了实证研究。随后，Altman等人（1994）利用一种自适应的非参数方法预测了某公司的金融风险状况。Altman等人认为该种方法分布自由，较之多元判别分析模型，对实际问题更加适用在VAR框架逐渐成熟之后，信用度量技术开始被学者们所重视。不过虽然这样的测度方式易于测算贷款和非交易资产。但是该方法很多方面的基础都是侵权定价理论，要求资本市场必须保持极高的成熟度，同时也用苛刻的条件限制了数据的真实性，大大降低了可操作性。基于这个信用度量技术，学者们开始着眼于经济的周期性因素，利用蒙特卡罗模拟技术模拟周期性因素的冲击，从而测定评级转移概率的改变趋势和程度，但是由此也增加了模型的复杂程度，这也就催生了另外一种研究模型的出现，被称为麦肯锡模型。与国外的商业银行对于金融风险预警的研究相比，我国在该领域的起步较晚，但是也有一些卓有成效的成果。其中，陈秀英（1998）结合了宏观经济和金融体系两个方面后，构造了一套包含实际GDP增长率、国内信贷增长率、短期资本流入额／GDP等的指标，以期从根源出发寻找金融风险发生的原因。隋剑雄（2004）通过构建我国商业银行信贷风险预警体系对我国商业银行信贷风险进行了监测和分析。双重软预算约束分析框架的形成是在2004年，其形成基础是我国国有企业软预算约束及国有商业银行软预算约束，对产生于我国国有商业银行的不良贷款内生性问题进行了全方位的解释。在2006年，江曙霞等对三方共谋贷款扩张进行了分析，全面的解释了其中所存在的制度机理，并对其中所存在的各利益体之间的内生逻辑进行了分析和说明。李华明、向颖珍（2007）通过构建ARMA信用风险预警模型，将影响信用风险的多种因素通过所考察的指标自身的变化反映。在2011年，刘春航、朱元倩分析了金融结构脆弱性要素结合中国国情进行了银行业系统风险框架的构建。俞树毅（2012）借鉴国外学者的方法，通过VAR模型构建了一套可以体现系统性风险特点和金融监管不同层次分工的金融风险监测指标体系。在2012年，范小云对银行系统所受到的关联性影响程度进行了基于网络模型构建的分析，结果表明，银行在经营的过程当中，产生系统性危机的可能性是受到银行间负偾关联程度的影响的，同时还决定了银行所要面临的破产损失大小。在2012年，童中文对银行在应对危机时的微观层面，资产清算顺序的异同，对于银行系统脆弱性的不同影响利用流动性偏好模型进行了深入的分析，并从合作博弈的视角探讨了“货币池”风险免疫的可能性。在2015年，陈建青等研究了系统性金融风险溢出效应在我国金融行业间的表现，通过实证分析了金融边际效应，同时还从宏观层面全面地论述了风险总溢出效应，得到的研究结论证明，正向性和非对称性是金融风险溢出效应，在金融行业之间最主要的表现特点。以上的相关研究表明构建我国商业银行信贷风险预警体系，对于我国金融风险预警时十分重要且不可忽视的原因，但是其深层次的原因在各个学者的相关研究下都是百家争鸣的现状，没有一个确切的、较为全面的理论来证明，要弄清楚其中所存在的制度机理，要不对断通过对其所存在的各利益体之间的内生逻辑进行深层次地分析和说明，才能把握其中的关键因素。方意（2016）构建了包含银行破产机制和去杠杆机制的资产负债表直接关联网络模型,通过实证研究系统性风险的传染渠道并度量了系统性风险，在此基础上并分析了如何根据金融周期（上行或下行）和系统性风险类型（常态或危机）来实施宏观审慎政策。杨源源、张译文（2017）选取2010—2014年数据，运用分位数回归的COVAR方法度量中国家上市金融机构的系统性风险，定量分析中国金融行业的风险传染及风险溢出效应。但是以上学者的相关研究表明量化分析没有办法去解释突发性地银行破产情况，这个与我国政策性经济有关。马亚明、宋羚娜（2017）在系统阐述我国影子银行体系的特征及其与传统商业银行的关联性基础上，采用CreditPortfoolioView拓展模型测度我国各类影子银行机构对传统商业银行的系统性风险溢出及其动态效应。赵树然等（2018）对金融体系的风险溢出效应在不同商业银行群体之间的特性进行了以群体分析视角为基础的分析，研究证明，当发生金融危机及市场动荡时，商业银行均表现出了较高的系统性风险，这是受到风险的传染性影响而导致的结果，属于这种不稳定时期所特有的状态。这种研究虽然对其突发性的市场动荡有了一个系统性的风险预警，但是缺少普遍性。张炜（2018）利用系统动力学方法分析商业银行系统性风险和房价波动的内在作用机理，研究发现房价与商业银行系统性风险之间存在双向作用机制，且房价上升初期会降低系统性风险，但后期会造成系统性风险问题。赵丹丹、丁建臣（2018）利用对数正态密度函数的广义Edgeworth级数展式，将高阶矩风险引入到CCA模型中，并收集我国14家商业银行的财务报表数据和股票市场数据，计算出隐含资产价值波动率、违约距离系列等指标。吴敏灵（2018）基于我国14家上市银行2008-2015年的相关数据，采用MES边际期望损失法研究了我国上市银行系统性风险的贡献问题。此上几位学者的相关研究表明商业银行系统性风险不能按照单一性因素比如房价来说明情况，并且也不能用数学模型来进行数据分析，要考虑到实际的多项指标以及其指标之间的合理联动性，考虑单一因素对其它因素造成的影响，但是在本文看来，还是要结合当时的政策背景和经济环境。黄秀路、葛鹏飞（2018）利用COVAR模型，测度了中国上市银行的系统性风险，构建非观测效应面板模型分析了债权激励影响银行系统性风险的直接与间接效应。童中文等（2018）认为银行业系统性风险是个连续累积过程，主要经由信用和信息渠道完成，本质上是通过流动性波动的形式进行的。魏伟等（2018）分析了中国金融系统性风险的主要来源、防范路径与潜在影响。高蓓、张明（2018）、王海军、刘超（2018）、李军（2018）、杜尔功（2018）就我国商业银行不良资产的成因、风险及处置进行了探讨。所以，直观的模型能够短期看到系统性风险可以预测，但是其主要来源要特定对待、防范路径可以有多种选择、以及潜在影响不容易被发现，不可控制等等，这些结论都决定了此上几位学者的研究缺乏对商业银行局部风险与整体风险相结合的研究。总结己有的研究大多是从整体角度对我国商业银行某类风险如信贷风险或融资风险进行了评估，但缺乏对商业银行局部风险与整体风险相结合的研究。本文选择我国商业银行系统性金融风险的主要来源：不良资产风险、表外业务风险及同业业务风险在内的三大类主要资产及负债业务风险，从理论上分析这些风险产生的机制，并对三类业务金融风险分别进行评估，然后整体上评估商业银行面临的系统性金融风险，最后针对性地提出了防范商业银行系统性金融风险的政策建议,以弥补现有研究空白。参考文献［1］肖远企廣国金融机构信用等级的“骆驼”评价体系［J］．国际金融研究，1990，（10）33-35．［2］刘富成．运用CART分析法评估上市公司信用风险［J］．商业研究，2009，（9）：77．［3］陈睛光，费文涛，陈丽芬．商业银行操作风险度量管理的神经网络方法［J］．生产力研究，2010（6）：73-74．［4］王嘉诚，胡红，冯英筠，冯镭．神经网络方法在评价金融企业风险中的应用［J］．中国软科学，1998（10）：110-111．［5］范南．ＣｒｅｄｉｔＭｅｔｉｒｃ模型及其对我国银行信用风险管理的借鉴［J］．金融论坛，2002（5）：50-52，［6］窦文章，刘西．基于ＣｒｅｄｉｔＭｅｔｉｒｃｓ模型评估银行信贷的信用风险［J］．改革与战略，2008（10）：81-84，［7］李建华，韩岗，韩晓普基于CreditPortfoolioView的信用风险度量模型研究［［J］工业技术经济，2008（3）：46-48．［8］陈秀英．金融危机预警指标体系的建立及应用［［J］．北京统计，1998（8）：7-8．［9］隋剑雄，林琪．论我国商业银行信贷风险预警系统的建立［J］．金融论坛，2004（8）：4449．105［10］施华强．中国国有商业银行不良贷款内生性：一个基于双重软预算约束的分析框架［J］．金融研究，2004（6）：1-16．［11］江曙霞，罗杰，黄君慈．信贷集中与扩张、软预算约束竞争和银行系统性风险［J］．融研究，2006（4）：4048．［12］李华明，向颖珍．上市区域性股份制商业银行信用风险预警模型［J］．天府新论，2007（6）：66-69．［13］刘春航，朱元倩．银行业系统性风险度量框架的研究［J］．金融研究，2011（12）：85-99．［14］俞树毅，袁治伟．区域系统性金融风险监测研究［J］．武汉金融，2012（10）：36-38．［15］范小云，王道平，刘澜庵．规模、关联性与中国系统重要性银行的衡量［J］．金融研究，2012（11）：16-30．［16］童中文．银行间资产清算顺序优化与风险传染免疫机制［J］．中国管理科学，2012（2）：51-58，［17］陈建青，王擎，许韶辉．金融行业间的系统性金融风险溢出效应研究［J］．数量经济技术经济研究，2015（9）：89-100．［18］方意．系统性风险的传染渠道与度量研究一一兼论宏观审慎政策实施[M]．管理世界，2016（8）：32-57．［19］杨源源，张译文．中国上市金融机构系统性风险测度［J］．首都经济贸易大学学报，2017（7）：27-36，［20］马亚明，宋羚娜．金融网络关联与我国影子银行的风险溢出效应-基于GARCH-COPULA-COVAR模型的分析［J］．财贸研究，2017（7）：69-76．［21］赵树然、米月、任培民．群体分析视角下商业银行对金融体系的风险溢出效应研究［J］．统计研究，2018（3）：52-65．［22］张炜．我国房地产价格波动对商业银行系统性风险的影响研究［J］．金融与经济，2018（1）：28-35．［23］赵丹丹、丁建臣．我国商业银行系统性髙阶矩风险测度研究一一基于ＣＣＡ拓展模型的分析［J］．工业技术经济，2018（5）：79-87．［24］吴敏灵．我国上市银行系统性风险度量实证研究[M]．大连理工大学学报（社会科学版），2018（3）：24-31，［25］黄秀路，葛鹏飞债权激励降低了银行系统性风险吗［J］财经研究，2018（1）：47-60．［26］童中文，解晓洋，邓熳利．中国银行业系统性风险的“社会性消化”机制研究［J］．经济研究，2018（2）：124-139．［27］魏伟，陈骁,张明.中国金融系统性风险：主要来源、防范路径与潜在影响［J］