【商业银行风险管理探究文献综述5000字】

商业银行风险管理研究国内外文献综述西方商业银行风险管理理论。自1694年第一家典型的资本主义现代化商业银行—格兰银行诞生至今，西方的商业银行己有300多年历史，有一套成熟的风险管理经验。纵观国际金融体系的变迁和金融实践的发展过程，商业银行的风险管理模式大体经历了四个发展阶段。第一个阶段是资产风险管理模式阶段。20世纪60年代以前，西方商业银行的风险管理主要偏重于资产业务的风险管理，强调保持商业银行资产的流动性。第二个阶段是负债风险管理模式阶段。20世纪60年代，西方各国经济发展进入了高速增长的繁荣时期，社会对商业银行的资金需求极为旺盛，商业银行面临资金相对不足的极大压力。在这种背景下，商业银行风险管理的重点转向负债风险管理。第三个阶段是资产负债风险管理模式阶段。20世纪70年代，随着布雷顿森林体系的瓦解，固定汇率制度向浮动汇率制度的转变导致汇率变动不断加大。单一的资产风险管理模式和单一的负债风险管理模式都不能保证商业银行安全性、流动性和盈利性的均衡。在这种情况下，资产负债风险管理理论应运而生。第四个阶段是全面风险管理阶段。20世纪80年代之后，随着银行业竞争的加剧，存贷利差变窄，金融衍生工具广泛使用，商业银行开始意识到可以从事更多的风险中介业务，非利息收入所占的比重因此迅速加剧，原有的风险管理模式难以适应商业银行风险管理新形式的要求。1988年《巴塞尔资本协议》的出台，标志国际银行业的全面风险管理原则体系基本形成。合作金融制度已经有一个多世纪以上的历史，合作金融组织在欧洲、美洲和亚洲都有广泛的分布，很多合作金融组织在经营规模和经营质量上都获得了长足的发展。因为国外农村信用合作社属于商业银行体制，对其研究大多纳入金融市场的银行组织的管理研究之中。国外商业银行注重运用一系列的分析模型和方法来应对信贷风险，近年国外的研究主要体现在以下几个方面：美国经济学家乔埃尔•贝西斯，在其2005年的著作《商业银行风险管理》中，提出对商业银行的风险管理体系、风险管理与绩效考核、风险管理与风险资本的关系等进行比较全面的研究。以及美国风险评估专家安东尼•桑德斯（AnthonySaunders），在其2007年的《信贷风险量化一风险估值的新方法与其他范式》一文中对信贷风险量化的方法进行比较充分的研究。还有巴塞尔协议委员会注重强调对风险内部评级方法的运用：《新巴塞尔协议》关于银行信用风险的计量和管理特别强调银行内部评级方法，将内部评级方法作为商业银行风险控制与管理的重要方法，并且归纳了由于借款人不能履行还款责任而造成的损失风险后，特定贷款进行的评级等等。国外对信贷风险进行的研究，很多都是基于信息不对称的角度展开的，20世纪70年代开始，经济学家来研究银行和企业之间的信贷关系问题，就是采用博弈论、微观理论、不完全合同理论等，研究信贷风险的产生和防范。随着信息经济学的出现，人们开始关注的是信息不对称问题的研究。从信息不对称的角度来看，信贷风险主要集中在两个问题上：一个是道德风险，一个是逆向选择。Arrow（1964）在管理研究中正式加入道德风险。Stiglit和Weiss（1981）首先研究信贷市场中的逆向选择问题。20世纪60年代中期，国外有关部门学者开始转向微观经济角度的信贷配给研究。Freimer和Gordon（1965）首先建立了信贷配给模型，认为其理性的贷款人处于这样一种特定的情况下：贷款的偿还是按照投资项目可能的最好结果来进行。Jeffee和Russell（1976）根据竞争性贷款人的消费信贷模型中的道德风险，建立信贷配给模型。这种模式的主要特点是，当一些借款人获得更多的贷款，这将增加违约的可能性。Stiglitz和Weiss（1981）开发出了道德风险和逆向选择相结合的信贷配给投资借贷模式。这种模式的特点是产生道德风险，因为较高的利率贷款水平，借款人会选择运行一个单一的风险项目。逆向选择的特点的产生，是因为更高的货款利率，一些借款人是相对安全的投资变得有利可图，从而使申请较高风险贷款的人增加。20世纪80年代，研究人员开始转向贷款合同的研究。Bester（1985），认为当贷款方同时以贷款利率和抵押品要求作为对借款人的激励手段时，借款人将有可能过滤掉有害风险的贷款合约。Scharfstein，David，JeremyStein（1990）研究了关于企业偿还贷款的问题，认为银行终止贷款会对企业产生激励，从而诱导其偿还贷款。Elizalde（2003）研究了三种信贷模式，只有一个企业的简化模型，用来研究企业违约与违约概率，研究一个或者多个企业信贷风险的全面、综合机构模型，以及综合了二者的调和性模型。大量的学者和机构也从银行信贷风险的贷前评估和贷后风险的度量，研究了商业银行的信贷风险。Martin（1977）提出了分析模型Logit，采用了一系列的财务数据预测企业破产或违约的概率。Altman（1977）第一个使用统计分析方法建立了五个变量的Z评分模型，并在此基础上改进了Zeta判别模型。Greene和Smith（1987）利用遗传算法研究了信贷风险评估。Koza（1993）在此基础上运用遗传规划算法，来研究信贷风险评估问题。Coats和Pant（1993）用神经网络分析方法，预测了美国公司和银行的财务危机，并取得了一定的成绩。DavidWest（2000）建立了五种不同的神经网络模型，多层次的传感器，专家的混合动力系统，径向基函数，学习向量量化和模糊自适应共振，研究商业银行的信贷评估的准确性。Malhotra和Malhotr（2002））使用神经模糊系统，判别了贷款企业信用的“好”与“坏”。对于信贷风险计量模型，一些机构和学者提出了五款模型。1993年，KMV公司利用B1ack—Scholes-Merton（BSMModel）提出著名的信用监测（CreditMonitorModel）。1997年瑞士信贷银行金融资产部开发出一种信贷风险度量模型，它是基于精算思想开发的信贷风险附加模型（CreditRiskModel）。1997年A1tman和Kishore在开发债券的边际和累计死亡率表的基础上开发出死亡率模型（MortalityModel）。1997年J．P．摩根联合当时一流的银行和KMV公司共同开发了信用度量术（CreditMetrics），采用二阶段法度量信贷风险。1998年麦肯锡公司Saunders和wilson等利用基本动力学的原理，从宏观经济环境的角度分析借款人的信用迁移，建立了信贷组合观点模型（CreditPortolioViewModel）。总体而言，商业银行信贷风险的研究，主要是从微观的角度来看信贷风险的主要原因，使用适当的标准来衡量和控制信贷风险。这种方法侧重于在一个比较成熟的市场进行经济分析，而国外的应用已经取得了一定的效果。与国外相比，我国对于企业贷款信用风险的研究比较晚，而且就目前的研究成果来说，一直处于定性分析阶段，最初的研究对象多为一般的商业银行，最近几年有一些学者将农村信用社作为研究对象，而对农村信用社中小企业信贷风险的研究相对较少。但是，对于发展中的中国农村信用社来说，经营风险问题是一个首要的、不容忽视的大问题。所谓风险，并不仅仅只是针对不良贷款而言，在信用社的经营管理活动中，由于各种不确定因素的存在，而给信用社的经营效益带来的可能损失，都属于风险的范畴。另外，农村信用社由于历史原因在产权结构、管理体制及其所担负的责任等方面存在一些不确定的因素，将导致存在的潜在风险转化为巨大的现实风险。如何释放农村信用社信贷支农的能量，更好地以信贷支持县域经济的发展，为农民提供创业和生产的资金支持，是我国农村信用社持续发展的一个重要问题。总的说来，对农村信用社信贷风险进行研究的文献主要有：熊若愚（2000）以安徽省潜山县农村信用合作社为例，研究农村信用社金融风险发生发展的一般规律，分析了农村信用社金融风险的特殊性以及其特殊的形成原因，探讨防范和化解农村信用社金融风险的政策措施，最后提出了防范和化解农村信用社金融风险的政策建议。王霞（2004）以农村信用社为实证研究的对象对我国中小银行的风险进行了分析。并从两个方面讨论了对于信用风险的管理：一方而从微观操作层面，运用VaR方法对基于信用等级的中小银行信贷资产进行风险度量，另一方面从宏观层面建立中小银行信用风险的风险预警机制。杨湑（2005）对农村信用社中小企业信贷风险进行了分析，构建了中小企业信贷风险评估模型(MECR模型)，对西安市农村信用社中小企业信贷风险的评估工作做了讨论。蒋桂湘（2006）从“安全性”、“流动性”、“盈利性”三个方面来考察了我国农村信用社的风险状况。梁亮（2007）从贷款环境、形成原因、贷款对象等方面分析农村信用社的信用风险包括，结合我国的国情，分析农村信用社在防范信用风险时存在的问题并提出相应的防范措施。还有一些学者研究了商业银行如何对中小企业贷款进行风险控制。王春锋、张维（1999、2000）对神经网络、遗传编程、分类树等人工智能技术，在中国的商业银行信贷风险评估中的运用进行了研究。程鹏、吴冲锋（2002）研究了信贷风险度量及管理方法。范南（2002）详细介绍CreditMetrics模型，表明这个模型目前在我国缺少运用的基础。文风华、马超群（2001）提出了不同的风险指标。朱小宗、张宗益（2004）对当前著名的信贷风险度量模型进行了多个方面的分析比较，同时也进行了实证比较和范式比较。庞素琳（2005）利用BP算法、概率神经网络构建了信贷风险的评价和预警模型。李志辉（2005）对现代信贷风险计量模型进行了系统介绍和比较。张谊成(2005)以商业银行区域分支机构如何进行中小企业信贷业务风险控制为立足点，在研究中小企业特点、财务特征和信贷风险特点的基础上，对中小企业的信贷资金需求进行了分类，然后根据分类有针对性的研究了商业银行分支机构对该项业务的风险控制策略及操作实务，研究涵盖了中小企业信贷业务的贷前、贷中、贷后三个阶断的风险控制手段。蒋常红（2006）分析了商业银行中小企业信用风险的成因，通过处理深市中小企业板块上市公司的年报数据，得出了一些财务比率和变化率，利用Logit模型对中小企业信用风险进行了回归分析。综上所述，国内对于农村信用社中小企业信用风险的研究并不多见，对农村信用社信用风险的研究多停留在定性分析上，有一些定量研究工作但尚处于起步阶段，没有一个成熟的信用风险分析和管理模型以供商业银行在实际中运用；而对于农村信用社中小企业信贷风险的研究很少且定量模型的研究几乎没有。参考文献[1]王春峰.金融市场风险管理[M].天津:天津大学出版社,2001.[2]詹原瑞.银行信用风险的现代度量与管理[M].北京:经济科学出版社,2004.[3]杨军.银行信用风险-理论、模型和实证分析[M].北京:中国财政经济出版社,2004.[4]林威.中小企业发展与金融支持[D].福州:福建师范大学,2004.[5]赵伟.农村信用社运行风险监测与预警系统研究[D].泰安:山东农业大学,2006.[6]蒋桂湘.我国农村信用社金融风险研究[D].南宁:广西大学,2006.[7]梁亮.我国农村信用社贷款信用风险管理研究[D].成都:西南财经大学,2004.[8]乐林平.我国商业银行信贷风险管理研究[D].南昌:江西财经大学,2006.[9]刘学之,李志杰,蒋来.我国中小企业信贷融资管理创新问题探析[J].社会科学家,2006(6).[10]赵国忻.中小企业信贷风险控制研究[J].当代经济,2006(10).[11]邱玉莲，徐先甫.中小企业信贷融资问题研究[J].企业改革与发展,2005(3).[12]李莉,张平.中小企业信贷融资难对策研究[J].合作经济与科技,2005(7).[13]汤洪波.中小企业信贷融资缺口分析[J].南方经济,2004(6).[14]孙清,高桂珍,王丽琳.加强中小企业信贷支持问题探讨[J].经济师,2004(10).[15]姚建平.中小企业信贷的风险收益模型[J].重庆建筑大学学报,2001,23(4).[16]周纳.银行信贷风险预警工具之一：现金流量分析系列——企业现金流量分析的方法[J].现代商业银行,2008(1).[17]廖颖杰,谢林林.现金流量分析与贷款风险管理[J].广东金融,1998(9).[18]王秀菊,齐中英.银行信贷决策中的现金流量分析[J].经济论坛,2005(7).[19]易杏花,韩敏.现金流量分析在信贷风险评估中的运用[J].当代经济,2003(6).[20]程菲菲.农村信用合作社存在的问题和对策思考[J].乡镇经济,2004(5).[21]李哲.农村信用社金融风险防范政策建议[J].西安金融,2002(3).[22]张慧文.农村信用社信贷风险的成因及对策[J].科技经济市场,2007(8).[23]曹官帅等.基于判别分析模型的企业信贷风险评估研究[J].科技创新导报,2008(18).[24]赵立新.吉林省农村合作金融机构信用风险管理研究[D].长春:吉林大学,2006年.[25]杨湑.西安市农村信用社中小企业信贷风险评估及其管理对策研究[D].西安:西安理工大学,2005.[26]刘瑞波.国有商业银行信贷风险的防范对策[J].金融教学与研究,2001(2):53-56.[27]刘延梅.影响商业银行信贷质量的内部控制缺陷及成因分析[J].沿海企业与科技，2007(1).[28]景乃权，陈妹，李绍杰.论商业银行的发展新趋势[J].国际金融，2003(7).[29]李建强，尹小强.金融危机中农村信用社风险控制[J].金融经济，2009(8).[30]李青.谈改革进程中欠发达地区农村信用合作社的风险管理[J].贵州财经学院学报，2006(02).[31]Altman,E.I.andSaunders,A..CreditRiskMeasurement:DevelopmentsovertheLastTwentyYears[J].JournalofBankingandFinance,1997(21):1721-1742.[29]BasleCommitteeonBankingSupervision.CreditRiskModeling:CurrentPracticesanApplication[S].BasleCommitteeonBankingSupervision,Basle,1999.[32]CroubyM,GalaiD,MarkR..AcomparativeanalysisofcurrentcreditriskModels[J].JournalofBankingandFinance,2000(24).[33]CecilioAngulo,XavierParra,AndreuCatala:K-SVCR.ASupportVectorMachineforMulti-classClass