时间:2023-07-31 16:50:28
引言:易发表网凭借丰富的文秘实践,为您精心挑选了九篇市场风险数据分析范例。如需获取更多原创内容,可随时联系我们的客服老师。
关键词:大数据;银行发展;机遇;挑战
中图分类号:F832.2 文献标识码:A 文章编号:1674-7712 (2013) 20-0000-01
信息技术的发展为银行的发展带来更多的机遇,同时也带来较大的挑战,尤其是近几年来,信息数据正在迅速的膨胀,如果银行不能够掌握更好的发展方向,可能会影响到银行的管理质量。进入2012年以来,大数据库概念逐渐被人们所熟知,在这样的背景下,需要银行关心系统数据的管理质量,及时分析数据中存在的问题,从而更好的保证银行的发展质量水平。大数据时代的来临,为银行今后的发展提供了机遇,同时也带来了一定的挑战。只有通过对大数据时代有着科学的认识,在能够保证银行的信息数据管理水平。
一、大数据的特点及意义
(一)大数据特点
大数据有自身的特点,首先它的数据规模比较大,而且增加相对比较迅速,从原有的TB级别跃升至PB甚至是EB级别,这样会增加银行信息管理系统的运行压力,甚至会导致系统的瘫痪。其次,大数据的类型相对较多,既包含有传统的结构化数据,同时也包含较多的非结构化数据,这些非结构化的数据在进行处理时,对系统的要求更加严格,系统分析能力需要进一步的提升。再次,数据的价值非常关键,而且存在比较大的隐蔽性,这样就会导致数据分析能力下降,对于银行的系统来说,运行压力会大大上升。
(二)意义
随着我国商业的发展,银行原有的数据系统已经不能够适应社会经济发展的需求,只有建立更加完善的管理系统,才能够更好的提升银行管理质量水平。传统的数据仓库在对数据分析要建立在模型基础之上,而且数据的分析大都是企业自身信息系统中产生的运行数据,这样的数据一般都具有标准化、结构化的特点。但是当前许多企业的发展需要非机构化的数据支撑,尤其是物联网、社交网络和电子商务日益成熟的阶段,需要建立更加完善的非结构化的信息系统,帮助企业进行更加全面的数据分析,提升企业的运行效率和管理质量,最终达到企业市场发展的目标。
二、银行发展的应对策略
随着大数据时代的到来,银行要想更好的发展就要转变原有的发展方式,积极引进先进的信息技术,提升银行内部的管理质量。尤其是在电子商务和互联网的发展喜爱,市场的敏感度在不断上升,大数据在这样的环境下有着更加明显的分析优势。但是如果进入到金融领域就会对其产生比较大的不利影响。因此需要银行制定出更加科学的应对策略,保证银行的发展质量水平。当前我国互联网以及阿里巴巴等已经开始使用大数据库技术来提供相应的金融服务,比如支付宝、淘宝网等,借助大数据技术来对客户进行分析,决定是否给企业贷款。在这样的过程中几乎不用人工干预,因此可以体现出大数据技术的优越性。
大数据技术能够为今后银行的发展提供更加宽阔的平台,这已经成为金融业发展的必然趋势。对于银行来说,他们在机构性数据的处理上技术比较先进,比如客户的基本身份信息,但是对于客户的其他信息银行都不够了解,比如客户的性格特征、兴趣爱好以及生活习惯等,这样就会使得银行信息不全,在贷款时就会产生比较大的风险。同时在传统的数据分析中,银行对网页浏览信息以及客户之间资金往来信息处理上比较困难,进而会因想到整个银行系统的发展水平。因此需要银行提升对大数据技术的认识,增强大数据的处理能力,使其在金融市场竞争中获得更加有利地位。银行还要加大与电子商务企业的合作,获得更多的客户信息,在大数据的分析中得到更多的信息,进而更好的保证客户需求,提升银行的服务质量。
在大数据的平台支持下,银行的发展还需要加强技术创新,不但完善银行内部的管理结构,从而更好的满足银行发展的需求,降低银行的发展风险,提升银行的服务质量。同时在大数据的技术支持下,银行还能够掌握更多的客户信息,改善自身与客户之间的交互,简化银行业务,为银行的发展带来更多的机遇。并且在未来的银行数据分析中更趋向于数据分析的挖掘,为银行的提供更多的非结构化信息,不断丰富银行企业的业务形式,改变银行的服务水平,最终达到银行发展的目标。
三、银行发展面临挑战
(一)大数据库建设
在大数据时代背景下,银行所面临的竞争在不断增多,它不仅仅来自同行业的竞争,同时还来自外部的挑战,如果银行企业不能够找到更加科学的管理方式,最终会影响到银行在市场竞争中的发展地位。传统的商业智能、数据仓库二本能够对结构化的数据进行存储,而且操作相对简单。但是在大数据背景下,以往的数据库分析能力不能够满足银行数据发展的需求,尤其是在非结构数据不断增多的情况下,增加了银行的信息风险,对银行发展带来较大的挑战。除此之外,一些大数据大多数都是类型丰富的碎片化数据,没有相对固定的模式,分析环境相对较为复杂,给银行的精细化管理和专业化经营都带来巨大的挑战性。
(二)银行人才培养
信息时代的带来,大数据背景下的发展模式已经被越来越多的企业和银行所采纳,这样可以更好的满足企业的发展,适应社会发展的需求。但是大数据分析和传统的数据分析存在较大的差别,当前银行的管理还主要是基于报表数据以及部分数据模型,不能够描绘出全面的经营结构图示。通过大数据模式的分析,可以更好的展现出银行发展方式,提升银行的数据管理效率。这就需要先进的技术人员,不断提升银行内部人员的技术水平,能够掌握更加先进的信息管理方式,充分利用大数据对银行信息管理系统进行改造升级,不断满足社会经济发展的需求。
在进行大数据建立时不仅需要技术支撑,还需要人员素质的提升,这样才可以保证银行内部的信息处理效率,保证银行各项数据信息的准确性,为银行今后的发展提供更多的数据,减少银行的市场风险。但是银行人员的素质培养不是一蹴而就的,他需要银行内部加大对大数据培训工作的认识,提升员工的大数据管理观念,掌握更多信息技术,在今后的发展能够充分发挥自身技术优势,提升银行市场发展质量。大数据技术发展给银行的发展带来了许多的挑战,因此需要企业抓住发展的机遇,改变自身的发展模式,衍生出更多的商机,在发展中做出更加科学的方案,加强银行企业应对市场风险的能力,最终保证银行的健康发展。
四、大数据在银行中的应用场景
(一)客户管理
在大数据的分析中,首先需要建立科学的客户管理方式,从而保证银行的客户信息管理质量。尤其是在当前我国社交网络的背景下,服务的渠道和方式在不断增多,以往的银行数据分析模式已经不能够适应社会发展的需求,通过建立大数据客户管理模式,能够让银行在制定发展战略时从产品的角度出发,结合客户信息需求,开发出更加适合市场发展的银行商品,为客户提供更加完美的银行服务。在客户管理的过程中,银行可以充分利用大数据分析平台,通过对客户的社交网络、电子商务以及终端设备等产生的非结构数据进行分析,从而建立更加全面的客户信息,针对不同客户的需求开发出不同的商品,增强银行服务质量,减少客户的流失。比如在客户流失数据分析中,银行可以借助大数据平台搜集到客户的行为信息记录,并且分析出客户流失的原因,找到自身服务中存在的问题,及时调整自身的发展路线,减少该类客户的流失数量,保证银行的利益。
(二)风险管理
在银行的市场发展中必然会存在一定的风险,因此需要银行管理人员建立良好数据风险分析部门,从而更好的满足银行市场的发展需求。但是随着大数据技术平台的产生,原有的数据分析已经不能够适应市场风险分析的发展趋势,需要银行风险管理人员利用大数据平台,加强与社会媒体的互动,及时了解金融市场的发展动向,建立更加科学的风险分析数据,为银行的市场发展奠定良好的环境,降低银行的发展风险。
(三)营销管理
银行在营销过程中也可以借助大数据平台,通过对形式多样的用户进行数据分析、挖掘,将客户分为不同的群体,并为其提供更加专业化的服务,提升银行的信誉形象。同时在这样的分析中还有助于获取用户信息,了解客户的消费习惯和风险收益偏好等,为客户打造隔年个性化的产品营销服务方式,将最适合的产品介绍给用户,提升银行的营销管理质量,保证银行的营销精准性,保证客户对银行的认可程度。
五、总结
综上所述,银行的发展需要大数据技术平台的支撑,从而为其提供更加良好的环境,增强银行的市场竞争活力。同时在大数据技术支持下,银行还可以降低自身的市场风险,掌握更加全面的客户信息,制定出更加科学的营销发展方案,提升银行的市场竞争力,在金融行业中处于更加有利地位。但是在发展过程中也存在一定的挑战,需要银行不断去克服,找到更加适合自身发展的道路。
参考文献:
[1]吴蓓,刘海光.浅析大数据时代的信息安全[J].计算机光盘软件与应用,2013(15):13-14.
(一)定性分析
1.优势分析。商业银行在多年发展中,拥有广大的客户群体,积累了客户基本资料、客户交易、客户存贷款等大量数据。在大数据时代,商业银行凭借其雄厚的资本,可以建立大数据服务器等设备,将这些传统数据与其他来源数据进行整合,数据分析人员通过云计算等技术手段挖掘出有价值的信息,从各个角度分析客户需求以及识别信贷风险,从而有助于商业银行更加科学地评价经营业绩、评估业务风险、配置全行资源,引导银行业务科学健康发展。
2.劣势分析。在现有的银行交易系统中,客户的身份证、交易流水等大量信息已被银行掌握,但缺少如客户的家庭情况、收入状况、消费习惯、兴趣爱好等其他方面的信息。另外,目前小微企业客户信息以及商业银行的产业链客户信息也比较缺乏,直接影响着银行对这些客户提供金融服务的水平。再者,大数据时代下,需要金融专业人才和数据分析人才相互配合,才能充分挖掘数据价值,但数据分析人员较为匮乏也将成为商业银行的软肋。
3.机会分析。刚刚进入大数据时代,商业银行应率先构架大数据战略体系,制定大数据发展战略,突破同质性,实施差异化业务发展战略,从而赢得先机。如果大数据获得成功应用,将为银行创造先发竞争优势,使银行决策从“经验依赖”向“数据依据”转化,打造不可复制的核心竞争力。“数据—信息—商业智能”将逐步成为银行定量化、精细化管理的发展路线,数据分析也将成为其风险防控的法宝。
4.威胁分析。大数据在给商业银行带来前所未有的机遇的同时,也给其带来了诸多威胁,例如大数据存在的风险、网络安全、数据失真等。在大数据开发利用过程中,云计算技术将会得到广泛应用。但是云计算将数据存入云端,而云端往往是由第三方服务器实现存取的,如果第三方将数据泄露,将会给银行带来极大的风险。另外,互联网金融正在颠覆着传统的金融模式,网商具有活跃的交易记录和巨大的金融需求,但商业银行很难开发到这些客户,将给银行带来挑战。
(二)定量分析
除了对大数据时代商业银行信用风险管理面临的内外部环境进行定性分析外,还可以进行定量分析。具体思路为:
①确定包括优势与劣势、机会和威胁等多于10个的内外部环境因素;
②利用主观赋权法、客观赋权法、层次分析法(AHP法)等任一方法确定各因素的权重;
③给各个因素打分,分值范围为1到5分,评分越高说明因素越重要;
④将各个因素的权重与得分相乘,从而最终计算出各个因素的加权分数;
⑤各个因素加权分数计算代数和得出公司的总加权分数,然后根据分数进行判断。某商业银行内外环境分析如附表所示。由附表可以看出,该银行外部机会大于外部威胁,内部优势大于内部劣势,应抓住大数据带来的机遇,充分利用信息技术,更加科学地评估业务风险、配置全行资源,引导银行业务科学健康发展。
二、基于大数据的商业银行征信系统构建
目前,我们已经进入了大数据时代,由于大数据包含的信息量大而且非常复杂,传统的系统已不能满足银行新的分析需求,有必要建立一个统一的数据环境,构建大数据的商业银行征信系统,采取新分析算法,搭建大数据跨业务的统一应用平台,从而满足银行精细化管理、差异化服务、提升风险分析能力的需求。
(一)大数据时代商业银行征信系统概述
在金融交易安全日益突出的今天,如何迅速、有效地发现各类欺诈行为,对保证商业银行的正常运作和国家人民财产安全都显得十分重要。商业银行征信系统要针对信贷风险防控工作的实际特点,通过客户交易信息以及客户其他信息收集来加强客户信用风险监测。系统总体见附图。附表某商业银行内外环境分析内部环境评分权重加权分外部环境评分权重加权分⑴整体竞争优势明显;30.100.30⑴云计算的快速发展;50.150.75⑵良好的客户群体;50.150.75⑵数据来源多样化;50.251.25⑶资本雄厚,有能力建立大数据库;40.050.20⑶科技发展为数据应用提供支持;40.200.80⑷拥有专业客户人才;30.200.60⑷精准评估业务风险;40.251.00⑸良好的内控环境;50.251.20⑸先入为主的机会;40.150.60优势⑹丰富的风险防控经验;50.251.25机会⑹精细化管理的趋势。40.100.40小计1.004.30小计1.004.80⑴缺乏个人客户基本信息;-30.25-0.75⑴网商的竞争;-50.3-1.50⑵缺乏小微企业基本信息;-30.20-0.60⑵大数据安全风险;-50.25-1.25⑶缺少产业链客户的信息;-40.20-0.80⑶网络安全面临挑战;-30.2-0.60⑷缺乏专业的数据分析人才;-30.10-0.30⑷外部风险事件的影响;-30.15-0.45⑸缺乏非结构化数据收集能力;-50.15-0.75⑸外部风险来源多样化。-30.1-0.30劣势⑹商业运营模式面临变革。-30.10-0.30威胁小计1.00-3.50小计1.00-4.10优势劣势合计0.80机会威胁合计0.70系统将从海量数据中提取出有关联的数据信息,以发现潜在或已知的风险,系统将数据仓库、模型库、知识推理、人机交互四者有机地结合起来,充分发挥数据挖掘的作用,通过建立风险评估模型较好地处理数据资源中存在的模糊性和随机性,在成熟的模式识别技术和智能分析技术的辅助下,对银行业务的全方位、多角度的可靠性分析和风险评估,有助于商业银行实施全面风险管理体系,从而进一步提高融资、贷款、授信等方面的风险评估、监控水平。
(二)大数据时代商业银行征信系统工作原理
1.数据原料。数据原料是商业银行风险防控中的关键一环,它直接影响到数据挖掘的效率、精准度以及所得模式的有效性。目前,商业银行针对客户资料和消费记录都建立了功能庞大的消费市场数据库系统,在以大数据引领、以智能化为核心的产业变革时代,银行要真正将数据作为风险控制的源点,有效整合来自银行网点、PC、移动终端设备、社交网络、征信机构等传来的结构化和非结构化的海量数据,既要获取常规渠道的数据,又要收集社会化媒体数据,真正将数据作为战略性资产,实现从管控风险向经营风险方向的转型。
2.数据工厂。数据工厂是利用数据挖掘理论与技术将数据中潜在的、有用的模式搜索出来,是整个征信系统最为关键的一步,也是技术难点。在数据工厂中,系统通过数据抽取工具、数据集成工具、数据过滤工具、数据挖掘工具以及模式评估工具等,从海量数据原料中提取辅助决策的关键性数据,并经过归纳总结、推理、分析数据,利用数据挖掘中分类、聚类、偏差检测、概念分析、异类分析、关联分析、时序演变分析和元数据挖掘等功能,完成对银行信用风险控制、银行市场风险评估和银行操作风险评估,从而帮助决策者对信息预测和决策起作用。
3.数据产品。数据工厂最终的结果是数据产品,把所有最终经挖掘发现的知识直观地通过可视化技术展示给商业银行,以帮助其理解和解释数据挖掘的结果,控制信贷风险。这些数据结果既包括传统的诸如违约率、违约损失率、违约暴露和违约期限等客户信用信息,也包括客户的其它方面的信用记录、客户的信用评级以及对市场风险的评估。当然,整个数据挖掘过程是一个不断反馈、循环往复的过程,信用评级结果也是动态变化的。
4.数据应用。经过数据挖掘得出的风险评估结果为商业银行评估信贷业务的风险和收益情况提供了量化工具,改变了单纯被动信用风险管理模式。在此背景下,商业银行应规范贷款审批标准和审批程序,优化金融信用监控机制,完善组织架构和规章制度,实施风险动态防控,使信贷风险管理体系健康运行。
三、大数据时代商业银行信用风险管理应注意的问题
在“大数据”时代,商业银行面临着信用风险防控的新形势,要积极做好如下应对工作。
(一)风险意识要思维开放
商业银行在进行风险预测时,需要考量政策、人为的操作风险、市场环境等等众多因素,但现有的技术水平难以支撑挖掘大数据的商业价值。因此,商业银行需要具备一种像互联网一样的开放式思维,建立分析数据的习惯,重视“大数据”开发利用,关注与风险预测高度相关的大数据信息,如客户的基础信息(如客户开立账户时留存的住址、年龄、从事行业、性别等等)、客户交易信息(如客户在ATM机上的存取款情况、使用银行卡、购买理财、使用其他业务的记录等等)、外部的信息(从互联网、电信运营商、证券交易所等处挖掘来的有关信息)等,用数据说话,从而提高不确定风险的预测水平。
(二)数据整合要注重质量
大数据很多时候是从一种非传统的角度去分析、挖掘、利用数据价值的思路。由于数据来源庞杂广泛,需要不断利用技术创新去挖掘利用大数据的价值,再加上数据之间的关联性很强,商业银行应建立自己的数据地图,整合银行内部数据和大数据链上的其它外部数据,坚持做到数据要依照标准化采集,确保数据来源真实可靠,杜绝以假乱真;同时构建专门的数据分析方法和使用体系,对数据进行规范化处理,并严格按照国家法律法规进行使用,从而确保数据质量,提高数据应用性。
(三)系统建设要高屋建瓴
决策效率、决策质量以及决策成本是评价投资决策的几个重要影响因素,这些因素在很大程度上影响企业固定资产投资决策的科学性和合理性。基于云会计平台进行决策相关大数据分析,能够为企业的固定资产投资决策提供科学、全面、及时的数据支撑。
(一)提高企业的投资决策效率
在经济全球化、企业规模化背景下,固定投资决策越来越频繁,其对企业的生产经营活动影响也越来越大。过去,由于数据采集、处理和分析技术的各种限制,企业的固定资产投资决策往往需要花费大量的时间进行数据的收集、整理和对比,并且需要进行长时间的实地考察、调研,这使得投资决策往往要耗费相当长的时间,决策效率相当低下。云计算、大数据技术的应用,企业基于云会计平台可以直接取得与固定资产投资项目相关的财务和非财务数据,同时通过使企业的业务流程、财务流程以及管理流程相结合,能够避免部门之间数据的孤立以及传递过程中的缺失和时间拖延。通过企业各分子公司的业务系统以及管理系统与云会计平台无缝对接,能够为企业固定资产投资决策提供海量的数据,这样大大节约了投资决策的数据获取时间。同时,采用大数据技术进行海量决策相关数据的整理、对比和分析,可以显著提高企业固定资产投资决策的效率。
(二)保障企业的投资决策质量
传统的投资决策方案一方面会利用有限的数据资料,另一方面依靠投资决策者以往的经验来决定,其中主观因素导致的投资风险比较严重,决策质量较低。基于云会计平台,企业通过与互联网、移动互联网、物联网的连接,收集企业投资决策所需的财务与非财务数据,经由后台的数据模型进行数据整合、清洗、处理,使企业的固定资产投资决策有更加科学、准确、全面的数据支撑,进而减少主观判断依据,保障企业的投资决策质量。固定资产投资由于其投资变现能力相对较差,所以企业持有的资产风险相对较大。固定资产投资面临着债务风险、投资总额变动风险、投资期变动风险以及估算风险等诸多风险,由于固定资产回收期长、流动性差等特点,因此在固定资产投资决策中风险可控性对于企业来说至关重要。基于云会计平台,企业不再仅仅是单纯地进行财务数据的分析,而是对企业自身的财务状况、负债比重、现金流量、技术支持、人员配置等要素以及外部环境的国际货币状况、市场营销情况、政府政策、投资环境、市场发展、消费者偏好等一切与投资决策相关的数据进行收集、挖掘,进而对比、分析得到对企业固定资产投资决策有价值的信息。云会计和大数据技术的应用,不但使投资决策更具有科学性,而且能够通过数据支撑,使风险控制在最小。
(三)减少企业的投资决策成本
企业固定资产的新建、扩建与改良一般涉及到销售部门、库房存储部门、财务部门、生产制造部门等,传统的投资调研主要通过实地考察、纸质资料收集和整理、电子邮件、电话等途径,需要大量的人力、物力的支持。基于云会计平台,企业按需购买软件服务,通过互联网和数据端口与所有部门以及子公司相连接,减少了硬件和设备的成本,而且企业无需派大量的调研人员对市场和周围环境进行实地考察、评估。通过云会计平台,企业产品的市场销售情况、投资环境、消费者偏好、相似产品的市场占有量等结构化数据和包括产品相关图片、视频、音频、文本、文档等半结构化、非结构化数据都能够方便地被企业收集、整理和分析。企业基于云会计平台进行固定资产投资决策相关大数据分析,不但可以减少企业投资决策中过多的人力成本,还可以减少相关硬件设备的购买、维护和后续修理费用。
二、大数据、云会计在企业固定资产投资决策中的应用价值
企业固定资产投资,尤其是新建生产设备,往往由于投资回报时间较长,资金占用量较大,关系到企业未来的发展与生死存亡,所以在投资决策前期需进行大量的调研和数据分析,确保决策的科学性和合理性。
一、VaR模型存在的问题
1.样本数据问题
VaR模型是建立在大量的历史数据基础上的,而我国金融市场的数据库不能满足风险计量的数据要求,即数据信息量不够、数据不具有代表性,数据不能及时获得、反映不够全面等等。这与我国金融发展的历史和多年来形成的金融体制有关,因为没有形成一个开放的金融市场环境,数据信息很封闭。运用数理统计方法计量分析都面临着样本数据问题。在利用模型进行分析和预测时要用足够的历史数据,对分析数据的检验同样要求数据量,如对VaR模型有效性进行返回测试要求的数据期限更长。如果按照巴塞尔银行监管委员会的要求,采用99%的置信水平和10日持有期限,一次返回检验就需要三年的历史数据,我国证券市场上的许多股票都难以满足要求。此外数据有效性也是一个重要问题,而且由于市场的发展不成熟,使一些数据不具有代表性。市场炒作,消息的引导等原因,使数据非正常变化较大,缺乏可信性。寿险产品具有长期性的特点,而寿险发展的时期又不长,上个世纪九十年代随着央行的普遍降息,寿险产品的增殖利率也多次下调,有的产品只有短短几个月的生命期,新产品如分红险,万能险,投资连结险的大量涌现,各家公司积累的数据不多且可信度不大。并且,由于统计手段限制重视程度不够等因素使的各家保险公司的数据分析水平处于参差不齐的状况。
2.风险因子的确定问题
在VaR模型中,首要的一步是对组合中的资产进行风险的分解,从而确定所包含的风险因子,引入的风险因子的个数越多,计算的维数越大,计算越困难,也越精确。因此首先要在精确且完整的反映组合的风险与提高运算效率之间进行权衡。在我国目前的寿险公司中,还没有公司建立VaR的风险管理体系,即使应用VaR较为完善的银行等金融机构也没有建立其VaR风险管理体系,一旦寿险公司等金融机构要用VaR进行风险衡量,就没有适合我国实际的VaR模型可以利用,就要花费相当长的时间和相当大的财力和人力去进行风险因子的确定。
3.模型问题
由于在计算VaR时使用不同的方法,不同的模型会得到不同的结果,使得VaR的可靠性难以把握。因此无论是监管部门还是金融机构本身对不同的VaR模型进行评价和选择都是比较困难的。目前在我国使用VaR来管理风险还是一个空白领域,不管是风险管理人员的识别能力还是硬件的机制配套都要从零开始,因此对模型的检验、评价和甄选都是一个漫长而艰苦的过程。其中,事后检测在确认寿险公司所采用的模型是否妥当方面可以担当重要的角色。事后检测是指事前风险值和事后实际的损益相结合进行比较。如果经过多次,多期测量,事后的损益值小于事前风险值,则模型基本是可靠的。反之若事后的损益值大于事前风险值,则需要重新修订模型。任何一种经不起事后检测的风险度量模型都将被淘汰。
4.利率市场化
利率改革的滞后己经成为中国经济改革的瓶颈。利率不能由市场所决定,不仅造成了金融抑制,而且使金融资产的配置极为紊乱,存贷利率、长短利率倒挂的现象屡见不鲜,利率的非市场化,还导致了金融资产价格的非市场化,使价格变动的风险很大程度上变成了政策风险,这使VaR模型功能难以有效发挥。利率决定的人为化.还使金融产品的定价无从下手,制约了金融产品和VaR模型的标准化及其推广。利率改变的实质性推进,是深入发展中国金融风险管理的前提条件。利率也是影响我国寿险公司的一个重要风险因子,特别是我国寿险公司的利差损问题,使利率风险变的更加重要。如果利率的市场化功能不能正常发挥,将使VaR的应用效率大打折扣。
5.真正市场参与主体的塑造
中国金融市场投机行为丛生的一个重要原因,就是市场的主要参与主体都是管理问题比较严重的国有机构.这些机构的人(经理人员和市场操作人员)的风险收益结构较为扭曲。因此,每一个初衷良好的金融产品最后都有可能扭曲成追逐风险的工具,这显然不利于金融风险管理的实施与发展。也许,中国金融市场面临的首要问题就是真正的市场参与主体的塑造问理.
6.道德危机
利用VaR模型,各寿险公司可以控制自己公司面临的风险,但可能会导致“道德危机”的问题,即为了降低风险资金的要求,人为减少VaR模型的风险暴露。同样,寿险公司的各个部门有时为了追逐高利润而不被高层机构察觉,就人为减少风险暴露。因为VaR模型的保密性,使监管机构对于模型的检验十分困难,模型存在的一些严重问题可能无法发现和及时调整。
7.难以预测的业务增长状况
我国保险市场潜力巨大,但也有相当的不确定性,很难对业务的发展状况做出准确预测。与保费收入增长缓慢的市场相比,我国保险市场正处于一个快速增长的时期,每年不断增长的保费收入将能够满足当年保险给付的资金需求和营运费用的支出需求,而以各种准备金形式存在的保险资金需要寻求更加安全的增值空间,以应对未来集中给付的高峰。一个不稳定的市场产生的VaR信息将不能有效的反映公司面临的风险。
二、VaR方法的完善与修正
应用VaR模型在实践中有上述因素的影响,导致即使在置信区间内,偶发事件也会非常集中的发生,由此带来的风险是致命的,极端情况的发生将给公司带来巨大的损失。另外,VaR对交易频繁,成交量大的金融产品风险测量比较准确,但对交易不活跃,成交量小的金融品种风险测度的准确性就差些。最后,我国金融证券市场受许多不确定因素的影响,市场的有效性不高。因此在应用此方法测量风险时,仍需结合其他一些定性定量方法,以保证测量风险更准确、更有效。这就需要对VaR方法做进一步的完善和修正:
1.完善的数据库体系
保险经营中的各类风险数据、损失数据是保险经营的数理基础,从相当程度上也可以说,风险数据、损失数据是保险经营的保险资源。在具体运用风险价值方法时,我们不仅需要获得各个风险的数据,也需要总的风险数据。
总的风险需要协方差距阵来整合,协方差距阵需要长期观察统计才能得出。但目前我国无法得到该数据,可以用其他国家的数据然后根据中国的实际进行调整。保险经营依据这些保险资源从事保险展业,通过展业扩充丰富这类资源以提高保险经营水平和展业范围。而我国的寿险公司即使是一些大型公司也缺乏完善的数据库.更为重要的是,我们利用各种可能的方法和技术对数据进行有效的数据分析,得出科学和可靠的结论.最后,寿险公司不仅要建立自己公司的数据库,还要注意运用其它公司的数据和保险行业协会的数据,这对一些小型公司和开发新业务的公司尤为重要.
市场持续在变化,导致使用历史资料所估算出的风险无法反映最新的市场状况。这个缺点也是所有采用历史资料方法所共有的缺点。解决的方法所起来简单,就是定期更新模型。可是要做到这一点,就必须设置专门的机构或部门来负责,需要人力和财务上的支持。
2.加强补充压力测试和情景分析
为了弥补VaR对非正常情况下风险衡量的不足,应当加强压力测试和情景分析的补充,还必须注意采用返回检验,来检验模型的有效性。压力测试和情景分析有许多相似之处,都是对未来的极端情况(往往是不利的情况)做出主观上的想象,然后将金融机构或资产组合置于这一设想环境中来考察它的表现。只是压力测试是针对市场中的一个或相关一组变量,如假定利率骤升100个点或股价暴跌20%,在短期内的变化进行假设分析,研究和衡量的是这组市场变量异常变化给投资组合带来的风险。情景分析是从更广泛的视野更长远的时间范围来考察金融机构或投资组合的风险问题。所谓返回检验即是将实际的数据输入到VaR模型中去,然后比较该模型的预测值与显示结果是否相同的过程,以此来检验VaR模型的有效性,并做出适当的模型修正。
除此以外,还需在管理和制度建设方面的进一步完善,改进法人治理结构,建立适合自身的风险管理体系和完善的风险管理报告体系,通过这些,将进一步增强VaR的有效性、适用性,扩展其在寿险领域的应用。
参考文献:
[1]皮埃特罗•潘泽:用VaR度量市场风险[M].机械工业出版社,2001
[2]王春峰:金融市场风险管理[M].天津大学出版社,2001
[3]卢仿先 曾庆五:寿险精算数学[M].南开大学出版社,2001
关键词:云金融;商业风险;互联网金融;预警管理
解析互联网金融的商业风险整体分析互联网金融风险。按照《巴塞尔协议》内有关全面风险管理的要求,借鉴国际上的有益经验,本文将互联网风险划分为上文所提到的三种类型风险。其中政策法律风险细分成了国家、行业和机构等层面,商业风险主要有市场、信誉和操作等风险,技术分为安全和技术选择风险,如图1所示。解析基于业务平台的互联网金融商业风险。从上述分析得知,互联网金融主要被分成了三大平台,分别是业务、管理和协作三大平台。互联网金融资金需求的双方在业务平台上撮合成交;通过国家管理者、行业管理者以及互联网企业各分支机构对其实行各层监管,上述各监管组成了互联网金融管理平台;软硬件开发维护者及网络服务商主要担任协作业务及管理平台的运营,他构成了互联网金融融资类的业务协作平台。在业务层,资金融通双方都面对了商业风险。一是市场风险。互联网金融市场风险主要是由利率和流动风险组成。互联网风险一方面会受到行业监管、行业分化和行业竞争等的影响,另外还会遭受央行货币政策刺激,两者同时加剧了利率风险。互联网金融机构一般会发挥资金周转的作用,沉淀资金有可能会在第三方中介滞留两天至两周的时间,不具备有效的担保及监管,很容易会出现资金挪用的情况,若是缺少流动性监管或出现资金链的断裂,必然会导致支付危机的出现。另外不断出现的互联网金融业务平台也会上限,不具备用户优势的平台将会借助提升利率和缩短投资期限的形式来吸引投资者加盟,这就必然会引起平台流动性风险,并且很多用户在平台跑路消息报道的基础上,针对平台的投资仅仅限于打新投资,这显然会提升互联网金融的流动性风险。二是信誉风险。信誉风险就主体划分,主要分为自然人信贷风险及企业信贷风险两种。自然人信贷风险主要是指自然人违约,其出现违约主要是由于其抗风险的能力较弱进而出现了道德问题。自然人信贷风险主要是由于借款人的经济情况具有不确定性,尤其是该种借贷用在了生产经营商。互联网金融业务内会牵涉到大量的自然人信贷范畴,由自然人承担对应的偿还义务,但是自然人的经营状况、身体健康情况和消费习惯等都会引起还款风险。另外自然人借款人的个人观念及道德问题都会造成违约风险。企业信贷风险和自然人借款人的动机以及偿债能力的影响因素存在较大的差异。通常企业借款人主观上恶意不按时清偿债务可能性较低,对比之下,由于经济实力、行业发展和经营状况等因素导致的资金短缺更加容易使其违约。因此在对信誉风险实施评价时,自然人信用风险要更侧重对其偿还意愿的评估,但是企业借款人信用风险的评估则更加侧重对其偿还能力的评估。三是操作风险。互联网金融操作风险主要指的是互联网金融的活动内,由于人员匮乏、内部流程制定不当或是实施失败以及系统不足所造成的直接性或间接性损失的可能性。目前用户数据、用户操作行为数据、交易数据、文本数据等大数据系统出现交织,由于没有通过授权方位、系统退化、雇员欺诈、服务提供商风险和客户安全保护意识较低等交易内,操作风险正是来自这些繁琐和复杂的数据系统行为的结合内。依据操作风险的不同来源,可以划分为内部操作风险及外部操作风险两种。内部操作风险主要因为绩效考评、审计监管及内部控制等多方面的互联网金融企业内部因素所引发;外部操作风险主要是因为私人泄露、钓鱼网站的盛行等外部因素引起的。追究其根本原因就是在于大数据,互联网金融企业对用户注册无法实现有效管理,并且不能很好地分析和管理交易中出现的大数据,另外是否可以合理地对各种数据进行保存也是当前互联网金融企业迫切需要解决的问题。互联网金融商业风险特点。一是扩散速度快,破坏力强大。传统银行业务通常是通过纸质或是银行内部系统来操作,一旦出现了错误,是有充分的时间查找、连接并且追回损失的。但是包含了交易数据、用户操作行为数据和用户数据及文本数据等大量数据的云金融为载体的互联网金融,一旦出现了问题或是差错,将会难以立刻纠正,并且互联网金融业务运作速度飞快,等到发现问题后再拦截和追讨损失基本无望。二是风险会交叉传染。一方面互联网金融业务平台内包含了融资类、支付类和理财类业务,业务相互之间存在交叉性;此外互联网金融商业风险内的市场风险、信誉风险和操作风险就像是多米诺骨牌,一旦一个出现风险将会引发一系列的风险。三是很难区分风险责任。互联网金融办理的过程一般都会涉及到外包商、电力和电信等其他多种合作方式,因此一旦某个方面出现了服务终端、客户信息泄露和系统崩溃,将会直接对互联网金融企业造成极大的损失,并且难以对责任实行区分。责任不能区分的直接结果就是一旦发生了损失,将难以对有关方的损失赔付进行明确。
互联网金融的风险预警系统
数据作为中心的体系设计原则。互联网金融风险预警系统设计内必须要遵循下面几点:一是系统性原则。互联网金融风险预警系统属于一个针对互联网金融风险实行检测、预测和预警的系统,是大型的体系,该体系内包含了互联网金融行业的所有,因此建立该系统时必须要考虑每一个用户和金融产品的提供者等全部参与到金融活动内的人的利益,同时还要实行系统性建设。二是时效性原则。互联网金融行业最大的特点是高速,充分体现了互联网金融活性具有的及时性特点,因此在实行互联网金融风险预警系统的建设中,必须要实时防范并且及时处理,确保可以及时判断风险和快速应对,避免造成太多损失。三是科学性原则。在预警系统的建立中要确保科学性,保障系统可以准确对金融风险实行判断,防止对金融风险作出错误估计,最终导致不必要损失。将数据当做中心系统层级。在互联网金融预警系统内存在以下几层:一是数据管理层。预警系统主要是基于数据建立的,对此必须要建立和健全系统对数据的管理机制,建设和企业规模相适应的数据管理中心,便于对数据的收集、整理、加工和存储。而且在数据中心还要实行管理过程内确保数据的准确性、完整性及安全性。二是数据整合层。风险预警系统的最主要任务是要通过分析互联网金融行业内的海量数据,进而实现对其中风险的语境,这就必须要系统地对金融风险存在更为透彻的认识,自金融风险的定义出发,重新整合和分析数据,进而提取出有用的信息,信息整合能够很好地保证信息的准确性及可靠性,数据提取层主要是整合及提取数据。三是数据分析层。数据分析层主要是分析数据,判定数据的风险。这就要保证系统具有完备的智能性。四是数据的解释层,数据解释层是对风险的解释,更加准确地来讲就是通过风险和企业现状结合得出分析结果,其中包含了风险的可靠性、危险度、产生根源和处理方法。
建立互联网金融风险预警模式
(一)风险预警设计思路
在上述分析的基础上,针对定性风险评估指标使用模糊综合评价法对其实行量化,对互联网金融商业风险进行测度。依据选择的权重系数测定互联网金融商业风险预警综合评分值,依据设定的预警区域范围来确定互联网金融的风险预警区域,从而选择互联网金融商业风险的相应策略权重系数的选择在风险测度内是最关键的问题,对市场风险、信誉风险及操作风险实施分别测度中,须确定各个具体指标的权重系数问题;另外就是互联网金融商业风险预警评分值测度过程内的市场风险、操作风险以及信誉风险分别权重系数确定的问题。
(二)构建互联网金融风险预警指标体系
在业务平台基础上的互联网金融商业风险主要被分成了市场、信誉和操作风险三个维度,而且各个维度的风险有着丰富的含义,很难使用单一指标来客观描述。为了使得评价指标变为更精准,本文使用主客观结合的方式设计互联网金融三个维度的商业风险。 针对定量指标,笔者结合有关学者的研究成果和银行体系定量指标来计算,最终对定性指标使用问卷调查的方式,结合模糊综合评价方法得到最终对应的评分值。
(三)建立互联网金融商业风险预警
通过假设互联网金融商业风险内各变量间均是相互影响并且相互作用的,建立互联网金融业风险的结构方程模型,并且对上述指标之间的关系进行检验。互联网金融商业风险的三维关系假设主要为:H1:市场风险防控对互联网金融商业风险的预警防控的直接正影响;H2:信誉风险防控对互联网金融商业风险预警防控的直接正影响;H3:操作风险防控对互联网金融商业风险预警的直接正影响;H4:市场风险防控及信誉风险防控的直接双向正关系;H5:市场风险防控及操作风险防控的直接双向正关系;H6:信誉风险防控及操作防控间的直接双向正关系;H7:市场风险防控依赖各种要素不受信誉风险及操作风险防控影响;H8:操作风险防控依赖的各要素不会受市场和信誉风险防控影响;H9:信誉风险防控依赖的各要素不会受市场和操作风险防控影响;H10:除市场、操作和信誉风险以外的其他因素都是残差项。划分衡量互联网金融商业风险的指标为:一是互联网金融机构个体的指标,包含财务健康情况及机构规模;二是互联网金融整体指标,包含了信贷质量、资产规模、资产及负债匹配数量;三是互联网金融机构指标,包含了业务发展模式、产品类型、风险度量等。见表1所示。在模型内市场、信誉和操作风险分别作为三个外生潜变量分别由各自所属显变量测量,互联网金融风险系统的各变量相互间是存在关联性的,因此假设三个外生潜变量之间存在相互变联系。互联网金融的融资业务风险是内生的潜变量,主要是表1内的八个显变量反应。
分析互联网金融商业风险预警结果
首先要对预警信号阈值实行确定。预警信号阈值是触发预警后续行动的临界值,阈值要综合数据的模型、历史数据经验和专家经验以及同业信息确定,并且还要考虑互联网金融的融资平台的风险偏好、客户与平台的联系、监管部门检查评估互联网金融融资平台和监管要求等因素。一旦风险表征值超出了预警信号的阈值,将会触及预警流程,进入风险预警系统,将实现对风险级别的定位。其次是定位互联网金融商业风险的预警级别。依据评估风险大小,划分互联网融资风险为正常状态、关注状态、次级状态、可以状态以及损失状态5个等级,分别用绿、蓝、黄、橙、红五种颜色的灯来表示。详情见表2所示。第三是分析互联网金融商业风险预警的结果。在处于绿色信号灯范围情况下,互联网金融平台必须要考虑和其开展对应的业务活动,还要增强互联网金融平台的效益,平台必须要大量的吸收该种类型的业务;在处于蓝色信号灯的范围下,互联网金融平台则可以考虑接受和其开展对应的业务,那些已经有的处于蓝灯状态的业务,则可以考虑持有;在处于黄灯信号的范围时,互联网金融平台可以按照公司的战略和客户征信情况,适当考虑是否需要开展其他方面的业务,若是已经存在了处于黄灯状态的业务,要及时防范并且调整,或是改变持有策略或是适当转出业务;在处于橙色灯信号时,互联网金融平台则不应当考虑其借贷,若是当前业务已经处于信号灯为橙色的状态,要立即采取对应措施来降低损失;若是当前处于红色信号范围内,则互联网金融平台必须将其拉进黑名单,针对已经处于红灯状态的业务,则要采取强硬的手段实行积极挽回,尽力弥补损失,实行不良征信评价。
参考文献:
1.卜亚,张敏.互联网金融创新监管机制构建——基于激励相容的视角[J].技术经济与管理研究,2016(1)
2.李灏来,李越冬.国家审计“管理”互联网金融风险的路径研究[J].会计之友,2016(3)
3.黄建康,赵宗瑜.互联网金融发展对商业银行的影响及对策研究——基于价值体系的视域[J].理论学刊,2016(1)
由于房地产具有抗通货膨胀、保值、增值性,房地产投资逐渐成为世界最有吸引力的投资方式之一。而在我国,随着各地房价的高歌猛进,以及股市的飘摇不定,房地产投资已成为广大投资者和投资机构获取高额利润和实现资产增值的重要渠道。同时,鉴于房地产投资巨额性、风险性、外部性和政策影响性,以及投资资金或资源的有限性,投资者必须在确定的即期支出与不确定的未来收益之间做出抉择,选择适合自己的投资形式和投资产品。因此,房地产投资决策应基于对目标项目科学、公正的投资分析之上,只有这样才在一定程度上保证决策的正确性和资产的增值性。
二、房地产投资分析
房地产投资分析指在房地产投资活动之前,投资者运用自己或投资分析人员的知识和能力,全面调查拟投资项目的各方面制约因素,对所有可能的投资方案进行比较论证,从中选择最佳方案并保证投资有较高收益水平的分析活动。房地产投资分析的内容包括市场分析、区位条件分析、基础数据估算分析、经济分析、不确定性分析、风险分析、方案比选分析等方面。本文主要从市场分析、经济分析和风险分析三方面做简要介绍。
1.市场分析
房地产投资项目在投资决策前,调查市场状况,辨识投资风险,选择投资机会的过程,称为房地产投资项目的市场分析。房地产市场分析是理性投资者所做的必不可少的一项工作。房地产市场分析主要以市场调查和市场预测为手段,在获取市场信息的基础上,对投资项目的现金流量及市场价值的变化科学预测,为投资项目的经济分析、风险和不确定性分析奠定基础,为投资者、决策者把握市场机会和正确进行决策提供依据,以使投资者在开发结束或持有期内获得最大利润,实现增值的最大化。
2.经济分析
经济分析是房地产投资分析的核心部分,主要通过经济分析指标的计算定量分析目标项目在经济上的可行性。经济分析指标根据是否考虑资金的时间价值可分为静态分析指标与动态分析指标两大类。由于资金本身就具有时间价值,而且将一定资金投入到某一项目后也会产生一定的机会成本,因此,笔者认为财务净现值、财务内部收益率、动态投资回收期等动态分析指标更为科学、合理,更有利于辅助投资者做出正确的决策。
3.风险分析
房地产投资与其他投资一样,可能带来较高收益的同时也伴随着较大的风险存在。房地产投资风险就是从事房地产投资而造成损失的可能性大小,这种损失包括所投入资本的损失与预期收益未达到的损失。由于房地产投资具有价值量大、周期长、不可移动性、变现能力差等特点,使得房地产投资的风险程度更高,在投资过程中可能会面临自然风险、意外风险、财务风险、市场风险、政策风险、利率风险等诸多风险。
风险分析是风险评价的主要手段,其方法就是根据不确定性因素在一定范围内的随机变动,分析确定这种变动的概率分布和他们的期望值、标准差、变异系数和置信区间,并由此说明拟投资项目在特定收益状态下的风险程度。以市场风险的分析为例,在开发期或持有期内,市场可能会出现繁荣、正常和衰退三种情况。为此,投资人应通过深入的市场调查和数据分析,预测各个状况发生的可能性和该状况下可能的收益水平,并通过计算期望收益标准差、变异系数、置信区间等对市场风险进行评价。
【关键词】家庭个人理财 股票 风险控制
一、研究背景
随着金融体制的不断完善和金融产品的日益丰富,家庭资产呈多样化发展,城乡居民家庭参与资本市场投资活动的程度不断加深,越来越多的普通居民开始涉足股市,由于个人之间风险意识、信息充足率、专业知识等方面的差别,投资收益存在很大的差别。
股票由于其高流动性和高收益性,受到广大投资者的欢迎,而其高风险却往往重视不足。本文希望在分析我国家庭个人投资股票的基本情况的基础上,对个人投资股票的风险控制提出相关建议。
二、我国家庭个人投资股票的现状
(一)我国家庭个人投资股票的比例
从目前的情况看,家庭个人投资方向中,银行储蓄仍然占据了半壁江山,占总投资的57.5%,现金为17.93%,股票则为15.45%。鉴于银行储蓄的高流动性和高安全性,银行储蓄一直是居民和机构投资的首选。在当前通货膨胀的背景下,银行储蓄收益偏低,扣除通胀之后无法实现保值增值的目的,这也促使投资者在满足日常流动性的基础上将部分资金投入收益更高的领域,股票市场就是典型的高收益工具。
(二)我国家庭个人投资股票的盈亏状况
亏损与收益的对应,是金融市场上的常态。损失和收益交替出现,和经济形势的好坏交替呈同步变动。除了经济形势之外,行业的周期性发展和国家政策的转变也会影响到盈亏状况。
家庭个人投资股票是否盈利,除了上述基本面的情况,还与个人对风险的识别能力与规避风险能力有关系。
通过具体的数据分析,我们可以发现从股市中盈利的群体只占总人数的22.17%,其余77.83%则为亏损或者持平。这正好体现了股市“二八”法则,即在股市中,二成投资者盈利,八成投资者亏损或持平。
三、投资股票面临的风险
家庭个人投资股票面临的风险有多种,但在一般情况下,家庭个人面临的风险主要是违约风险、利率风险和通胀风险,其他风险较少遇到。
(一)违约风险
违约风险是指债务人无法按时支付利息和偿还本金的风险。违约风险不多见,ST风险警示的股票存在退市的风险,但退市后仍可以在三板市场交易,而且可以参与分红。至于债券违约,2012年山东海龙债由于资不抵债,濒临违约,政府出资解除了违约风险。
(二)利率风险
利率下调,银行存款收益低,从而造成买证券者增多、证券价格便会随之上升;相反,利率上调,银行存款收益高,则证券价格也随之下跌。
(三)通胀风险
物价指数上涨时,债券价格下降,但是,股票却是一种保值手段,因为物价上涨时企业资产也会随之增值,因此,物价上涨也常常引起股价上涨。不过总的来说,物价上涨,债券价格下跌,股市则会兴旺。
(四)技术风险
技术风险是指股票市场内部因技术性操作因素引起股价波动而产生的风险。技术风险因素包括投机者的投机性操作、股市的强弱变动趋势、股价循环、信用交易和证券主管部门对股票市场的限制性规定。不同公司的技术风险差异可通过Beta系数来反映。
四、股票投资的风险控制
(一)分散系统风险
分散风险可以通过分散投资工具、投资时间、投资行业三个原则来实现。
1.投资工具分散
将资金平均分散到多家公司股票上,总的投资风险会大大降低。市场上的投资工具对利率的变动有不同的效果,如果选择两只反向变动的资产,则可以对冲风险。有研究表明,对任意选出的60种股票的组合进行投资,其风险可将至11.9%左右。
2.时间分散
股市在得知上市公司派息消息后,股票价格会有明显地变动。短期投资宜在发息日之前大批购入该股票,在获得股息和其他好处后,再将所持股票转手;而长期投资者则不宜在这期间购买该股票。
3.行业选择分散
2013年以无锡尚德、江西赛维等为代表的光伏产业的衰落很好的说明了投资行业的重要性。股票投资不仅要对不同的公司分散投资,而且这些不同的公司也不宜都是同行业的或相邻行业的,最好是有一部分或都是不同行业的,不同行业、不相关的企业才有可能对冲风险,从而能有效地分散风险。
(二)回避市场风险
市场风险来自各种因素,需要综合运用回避方法。
1.掌握趋势
对每种股票价位变动的历史数据进行详细的分析,从中了解其循环变动的规律,了解收益的持续增长能力。
2.搭配周期股
有的企业受其自身的经营限制,一年里有部分时间停工停产,其股价在这段时间里大多会下跌,为了避免因股价下跌而造成的损失,可策略性地购入另一些开工、停工刚好相反的股票进行组合,互相弥补股价可能下跌所造成的损失。
3.选择买卖时机
以股价变化的历史数据为基础,算出标准误差,并以此为选择买卖时机的一般标准,当股价低于标准误差下限时,可以购进股票,当股价高于标准误差上限时,最好把手头的股票卖掉。
4.注意行业周期
企业的经营状况往往呈一定的周期性,经济气候好时,股市交易活跃;经济气候不好时,股市交易必然凋零。要注意不要把股市淡季作为大宗股票投资期。
(三)避免利率风险
了解企业营运资金中自有成份的比例,利率升高时,负债较多的公司会遇到资金困难,从而殃及股票价格,而利率的升降对那些借款较少、自有资金较多的企业或公司影响不大。
参考文献
[1]甘犁.中国家庭金融调查报告[M].西南财经大学出版社,2012.
金融市场中各变量的变化或波动将导致未来资产组合收益存在不确定性,因而产生金融市场风险。在此定义中,金融市场中各变量指的是包含股票的价格、利率、衍生品价格等变量,这些变量同时也被称作市场风险因子。以上定义可以得出结论,金融市场风险基本上可以定义为金融资产价格风险。
而在金融市场中,银行业作为金融体系中十分重要的组成部分,同时也成为货币传导机制的重要一环,自然对商业银行的监管将成为金融风险管理研究的课题之一。首先,金融产品的多样化扩大了银行的收入来源,随着我国逐步推行利率市场化、各商业银行的中间业务尤其以表外业务为主的规模不断发展扩大,商业银行所面临的风险也随之扩大。其次,我国国内市场化进程不断深化、利率市场化程度不断加深,越来越开放的市场环境使得国内大多传统分业经营的界限日益模糊,商业银行走上混业经营成为银行业未来发展的必由之路。与此同时,众多金融衍生工具的诞生、银行业务的不断完善创新,都为商业银行创造了巨大的利润,也带来了不容忽视的金融风险。如何在提升商业银行自身的市场竞争力的同时增强银行本身的抗风险能力,现成为众多商业银行经营管理的核心内容。
二、文献综述
(一)国外文献综述
1952年哈里马克维茨在他的博士论文中开创性的提出了一种关于资产组合选择的方法,马克维茨提出基于投资组合中的两个基本参数,理性投资者会以此做出合适的资产组合的选择,这两个参数即预期收益和风险,这就是现代风险管理理论发展的基础。至1960年前后,威廉夏普与林特纳提出了资本资产定价模型(CAPM),资本资产定价模型推进了风险管理的研究进程,它基于马克维茨的理论将单个资产分为两部分即是否能被分散化的风险。1995年,巴塞尔委员会提出VaR必须成为商业银行资本充足性评判依据的要求,并在声明之后对VaR模型是否适用于商业银行风险管理的分析做了详细的介绍。在1995年末美国证交委员会提出上市公司需定期披露自身信息并将VaR作为报告期的重要衡量指标的建议后,研究者们及银行家们对VaR模型的使用日益重视,且模型在金融业的适用范围日益扩大。
进入21世纪后,研究者们对VaR模型进行更深入和扩展的研究2004年,罗伯特首次基于VaR提出了条件VaR模型(CAVaR),在此模型中模型参数来自于分位数回归,这也是条件自回归模型的首次亮相。2010年,罗伯特又对三类基本方法,即Delta正态法、历史模拟法、蒙特卡罗模拟法的优缺点进行了比较分析。
(二)国内文献综述
2006年,梁志森指出在我国商业银行的市场风险管理上,VaR 的应用虽具有一定的局限性,但在一定程度上是可以克服的,即表明VaR在中国银行业风险管理领域同外国一样具有相当的适用性。2007年,何飞平对VaR模型的随机波动进行了讨论,并对此情况下的VaR值进行实证分析,结果显示随机波动模型下的VaR值更具准确、动态性。随后在2008年,牛茜指出使用VaR模型来计量市场风险与风险管理是我国商业银行未来的可行之路,但我国银行在使用模型时仍然存在数据缺失与后尾分布现象。2012年,刘静,高翔就当下我国银行业中存在的普遍现象和问题,针对性的提出风险管理审计在我国商业银行业中实施的必要性,并深入探索研究更符合我国商业银行经营状况的风管审计新体系。
三、商业银行市场风险的度量
(一)度量方法介绍VaR介绍
1、VaR的定义
所谓VaR,简单来说就是指在正常情况与给定的置信水平下,资产、投资组合在未来一段时间内将会遭受的最大可能损失。可以表示为:
Prob(P
其中,Prob表示概率密度;P=P(t+t)-P(t),表示组合在未来持有期即t内的损失;c即为给定置信水平;VaR表示在给定置信水平c下资产组合的风险价值。
2、VaR的基本特点及参数
基本特点:
(1)基本公式仅能准确计算正常波动状态下的市场风险而非极端情况;
(2)VaR具有可比性;
(3)VaR值越大说明风险投资组合面临的风险越大,反之则越小;
(4)正常情况下,时间跨度越短,收益率越贴合正态分布;
(5)VaR值的基本参数为置信度和收益率。
基本参数:
(1)持有期
持有期是指计算在某段时间内持有资产的最大损失值,即VaR的时间范围。一般在计算持有期时需考虑流动性、正态性、数据约束及头寸调整这四个方面。并且在一般情况下,其他因素保持不变,流动性越大,持有期越短,资产组合面临的风险越小。
(2)置信度
置信度是指资产组合的实际损失低于事先估计VaR值的可信度。置信度的选择需考虑历史数据的可得性与充分性,并且对于同一个资产组合,在不同置信度下得出的VaR值也不尽相同。因此,选择恰当的置信区间对计算VaR模型十分重要。
(二)VaR模型对我国商业银行市场风险的实证分析
1、样本区间的选择
上海银行间同业拆借利率(SHIBOR)是我国银行间利率市场化最具有代表性的数据且具有很高的市场化程度,因此实证分析选取此数据作为模拟变量。本文选取2012年1月4日至2014年6月17日之间的上海银行间同业拆借利率(SHIBOR)作为样本,同时考虑到市场交易量以及利率对市场变动反应的灵敏程度,选择其中的隔夜加权利率作为观测对象,选择样本容量为608,样本数据的持有期为一天,即t=l。文中数据均来源于上海银行间同业拆借利率网站,应用Eviews6.0软件对数据进行分析处理。
2、样本数据分析
(1)ADF检验
用单位根的方法对时间序列的平稳性进行检验,平稳性检验结果如表1:
由检验结果可知:在三个显著性水平下,单位根存在的零假设均被拒绝,即表明了SHIBOR对数日收益率序列是平稳的。
(2)VaR检验
由表2可得滞后阶数为3阶,接下来,通过检验单位根来考察模型的稳定性,见图1:
由图1可见,所有的特征根都落在单位圆内,即都小于1,表明该VAR模型的结构稳定,因此可以对其进行格兰杰因果关系检验、脉冲响应函数分析和方差分解。
(3)格兰杰因果关系检验
为了能进一步确定变量之间的相互关系,下面进行格兰杰因果关系检验,结果如表3:
由表3可得以下结论:
(1)隔夜SHIBOR与一个月SHIBOR互为格兰杰因果关系;
(2)在95%置信度下,隔夜SHIBOR利率和一个月SHVIBOR利率与上证指数并无格兰杰因果关系;
(3)上证指数与一个月SHIBOR互为格兰杰因果关系,但与隔夜SHIBOR没有格兰杰因果关系,也就是说上证指数的变动能够引导一个月SHIBOR利率,或者说一个月SHIBOR利率能够反应上证指数的变化,但是隔夜SHIBOR利率却做不到这一点。
四、结论
通过本文前面的介绍可以得出:VaR模型对我国商业银行的利率风险管理具有适用性及很好的衡量作用,虽然运用这种方法仍存在一定的限制条件。因此,建立以VaR模型为基础的利率风险管理体系具有重要的现实意义,现根据上面的分析得出如下结论:
第一,要建立与我国商业银行利率管理体系相适应的VaR模型,商业银行是一个需要实时数据作为支撑的行业,并且VaR模型需要应用大量精确有效的历史数据,因此本文选取的数据是从2012年1月起至2014年6月总共610个数据,分析得出的结果具有时效性及可参考性。相反,如果数据缺乏则会在很大程度上限制VaR模型的实际运用,且会加大应用过程中返回测试的困难,因而降低了模型的有效性;
第二,建立在我国商业银行利率风险的实际管理情况下来选择合适的置信度和持有期,结合现在我国商业银行利率风险的管理现状与文章中对VaR模型的实际应用情况,同时参考现阶段数据的缺失对风险管理的影响,建议商业银行考虑选取95%的置信水平,持有期为10个交易日来进行利率风险的管理;
[论文摘要]本文就我国商业银行的客户信用风险、市场风险和操作风险展开研究,分析商业银行风险的识别途径提出风险评估的相应评估、计量方法最后研究了客户信用风险的应对、市场风险的控制和监控以及操作风险的转移方法以期为实现我国商业银行的全面风险管理打下良好的基础。
一、引言
伴随金融风险复杂程度的上升银行业正在不断地改进和完善其风险管理理念、手段和技术商业银行风险管理已经逐步由传统的资产负债管理模式向以风险资本约束为核心的全面风险管理模式迈进。提升国内商业银行的全面风险管理能力业是贯彻落实科学发展观的具体体现事关国家金融安全稳定的大局其意义十分重大。
二、商业银行风险的识别
商业银行风险的主要类型有信用风险、市场风险、操作风险。故商业银行的风险识别相应的为:客户信用风险识别;商业银行市场风险识别;商业银行操作风险识别。
1、客户信用风险的识别。是指对客户各项风险因素的捕捉和分别进行判断的过程.实际上就是对客户信用风险的尽职调查过程。客户信用风险评级指标主要包括基本面指标、财务指标两大类内容。(1)基本面指标。又称为定性指标或非财务指标包括品质、实力、环境三个主要方面。品质类指标包括管理层素质、股东治理结构、还贷诚意、信用记录等多个方面。实力类指标从客户的资金、技术及设备、管理、人员等各方面考量企业实力高低。环境类指标包括市场竞争环境、信用环境、政策法规环境;(2)财务指标。对财务指标的分析主要包括偿债能力指标、营运能力指标、盈利能力指标、成长性指标和其他指标等几个方面。诬脍债能力指标主要考量客户的资产负债率、利息保障倍数、平衡的流动比率或速动比率等;②营运能力指标主要考量客户的总资产周转率、应收账款周转率、营运资金周转率以及流动资产周转率等等。③盈利能力指标主要考量客户总资产收益率、销售利润率、净资产收益率。④成长性指标主要计算和分析销售收人增长率、利润增长率、权益增长率等。
2、商业银行市场风险的识别。银行面临的风险可以分为重新定价风险、收益率曲线风险、基准风险和期权性风险。重新定价风险也称为期限错配风险来源于银行资产、负债和表外业务到期期限或重新定价期限所存在的差异;重新定价的不对称性也会使收益率曲线斜率、形态发生变化从而形成收益率曲线风险也称为利率期限结构变化风险;基准风险也称为利率定价基础风险是另一种重要的利率风险来源;期权性风险是一种越来越重要的利率风险来源于银行资产、负债和表外业务中所隐含的期权。商业银行应当对每项业务和产品中的市场风险因素进行分解和分析及时、准确地识别所有交易和非交易业务中市场风险的类别和性质。
3、商业银行操作风险的识别。操作风险识别过程应该以当前和未来潜在的操作风险两方面为重点。这个过程应该考虑:潜在操作风险的整体情况;银行运行所处的内外部环境;银行的战略目标;银行提供的产品和服务;银行的独特环境因素;内外部的变化以及变化的速度操作风险识别的主要手段有以下几种:(1)操作风险内部分析。其作为日常业务计划循环流程的一部分而完成典型的是通过一个业务部门员工会议来完成;(2)操作风险指标分析。银行可选择一些和风险产生有关的”关键指标”通过监控这些指标发现存在一些能够引起风险发生的条件;(3)升级触发指标分析或临界触发指标分析。通过将当前交易或事件与预先定义的标准相比较引起银行管理层对潜在领域进行关注;(4)损失事件数据分析。用以往单个操作风险损失事件的数据记录等信息来识别操作风险及其诱因;(5)流程图分析通过绘制业务和管理活动流程图排查和识别业务流程中的风险点。
三、商业银行风险的评估
风险估计是商业银行风险管理的第二步。通过风险识别商业银行在准确判明自己所承受的风险在性质上是何种具体形态之后随之需要进一步把握这些风险在量上可能达到何种程度以便决定是否加以控制如何加以控制。
1、商业银行客户信用风险的评估
客户信用风险的评估是指根据客户经理对客户信用风险识别判断的结果对客户整体的信用风险高低给予评估得到客户信用风险评级结果。其评估方法主要有:(1)专家判断法。专家判断法主要采取"5C"分析框架:借款人的品质(character)、还款能力〔capacit办资本金大小(capital)、抵押品情况(collateral),所处环境情况(condition),(2)信用评分法即结合信贷专家的业务经验预先设定的一系列主观和客观的风险因素将这些因素设计为相对固定的打分表由评级人按照打分表确定客户的信用风险评级结果。(3)模型法。其可分两类:一类是建立对客户信用风险的多变量判别模型包括线性概率模型、L.ogit模型、Probit模型和多元判别分析模型;另一类为市场模型或套利模型如期权定价型的破产模型、债券违约率模型和期限方法、神经网络分析系统等。
2、商业银行市场风险的评估与计量
在市场风险识别后应根据本行的业务性质、规模和复杂程度对银行账户和交易账户中不同类别的市场风险选择适当的、普遍接受的计量方法将所计量的银行账户和交易账户中的市场风险在全行范围内进行加总以便董事会和高级管理层了解本行的总体市场风险水平。可采取不同的方法或模型计量银行账户和交易帐户中不同类别的市场风险计量方式包括缺口分析、久期分析、外汇敞口分析、敏感性分析和运用内部模型计算风险价值等此外还可采用压力测试等手段进行补充。商业银行应采取措施确保假设前提、参数、数据来源和计量程序的合理性和准确性并当对市场风险计量系统的假设前提和参数定期进行评估制定修改假设前提和参数的内部程序。
3、商业银行操作风险的评估。
操作风险被识别出来后对其进行评估以决定哪些风险具有不可接受的性质应该作为风险缓解的目标。进行这一步骤时通常需要通过考察一项操作风险的驱动者和原因估计该项风险可能发生的概率;此外还应在不考虑控制战略影响的情况下评估一项操作风险可能的影响。对风险可能影响的评估不仅要考虑经济上的直接影响还应该更广泛地考虑风险对公司目标实现的影响。
四、商业银行风险的应对
做出适当的风险评估后需要决定如何应对这些风险。根据风险发生的概率和影响程度的高低银行所有人员需选择合理的风险应对对策包括规避风险、接受风险、降低风险和转移风险。
I、商业银行客户信用风险的应对。客户信用风险的应对是指基于对客户信用风险的评估结果银行应采取相应措施来防范、化解或控制其信用风险。表现为:①根据客户信用风险评级结果确定客户准人标准把好商业银行授信业务的第一道关口;②根据客户信用风险评级结果对存量客户进行分类管理。对于信用风险高低不同的客户银行应采取不同的管理政策和管理措施;③根据客户信用风险识别、分析和评估提供的关键信息提高对客户信用风险监控工作的针对性和效率;④参考客户信用风险评级结果确定贷款定价弥补信用风险可能产生的预期损失。新晨
2,商业银行市场风险的控制与监测。(1)市场风险的控制与管理。包括:①限额管理。对市场风险实施限额管理制定对各类和各级限额的内部审批程序和操作规程根业务性质、规模、复杂程度和风险承受能力设定、定期审查和更新限额;②完善的市场风险管理信息系统;③对重大市场风险情况的应急处理方案;(2)市场风险的监测与报告商业银行定期、及时向董事会、高级管理层和其他管理人员提供有关市场风险情况的报告。向董事会提交银行的总体市场风险头寸、风险水平、盈亏状况和对市场风险限额及市场风险管理的其他政策和程序的遵守情况等内容;向高级管理层和其他管理人员提交按地区、业务经营部门、资产组合、金融工具和风险类别分解后的详细信息等。
3、商业银行操作风险的转移。目前商业银行操作风险转移技术主要有:(1)购买保险产品。主要有:银行一揽子保险;董事及高级职员责任保险;未授权交易保险;财产保险和其他险种等;(2)利用金融衍生工具。商业银行在对其操作风险予以量化的基础上在资本市场上向投资者出售金融衍生工具以将操作风险有效并分散地转移到交易对手那里到期时按照约定向投资者支付本息;(3)其他风险转移方法。在某些情形下银行部门可以通过一些特殊的形式将其操作风险向其他非金融部门、非商业机构转移。