文档介绍：中国银行业操作风险案件损失分布实证分析
摘要:操作风险损失分布的实证分析当前仍然是一件颇具挑战性的工作。本论文在计量了2004-2006年中国银行业操作风险案件数据的偏度、峰度值以及相关系数的基础上,运用广义帕累托模型,对这些数据进行拟合分布测试。测试结果清晰地表明中国银行业操作风险案件基本呈正态分布,并给出了设定门槛值前后的区别。
关键词:银行业操作风险损失分布
JEL 分类号:F064,G211 文献标识码: 文章编号:
操作风险损失分布实证分析是一件颇具挑战性的工作,因为操作风险本身范围广,涉及各个业务条线和业务品种,事件类型复杂;并且,大部分操作风险事件/案件都是管理不当所致,属于管理学范畴,不太容易量化分析其影响和损失;另外,操作风险事件/案件带有很大的突然性,其中的低频高危特征(Andreas A Jobst 2007年1月)使得商业银行管理层和监管层难以有效的预防、监测、评估和缓释。这些因素的存在无疑制约了对操作风险事件/案件损失特征的有效捕获和监测分析。
对操作风险损失分布的分析与研究,国外有很多学者都从多角度、多方法来对操作风险损失分布进行研究,包括利用损失分布法、内部计量法、极值建模法、风险价值法(VaR)等。其中,损失分布法又是一种利用比较广泛的一种方法。相对其他方法而言,损失分布法可以直接对操作风险事件或案件的原始数据直接进行建模分析。其次,损失分布法一般可将极值情况和非极值情况都纳入到模型分析当中来。再次,损失分布法包含的函数类型广泛,可以不受一些较强假定的约束,包括线性或正态分布等假定。
一、引言
一般而言,我们考察操作风险损失分布时,主要考虑以下三个主要方面:第一个方面是操作风险事件/案件的频率、强度与其预期损失(均值)和非预期损失(标准差)的关系。操作风险事件/案件本质上属于离散变量,其损失频率直接影响预期损失,在总暴露不变的情况下,高/低频自动降低/增加预期损失;而损失标准差对离散频率下的预期损失的区分十分重要。在同时段内,损失暴露和频率相同的银行,其非预期损失(标准差)可能不一样,相应的应对办法也不一样。从而,操作风险暴露的充分估值是相对的,而不是单个时段或多个时段内同频分布的绝对性概念。低/高预期损失和高/低总损失额与大/少量观测样本将导致低/高边际损失波动率。高频低损/低频高损的两个观测序列在无限时间内(假定总损失相同)将趋同于同一预期风险暴露。如果边际损失波动率相关,那么不同银行的同一风险计量单位(比如业务条线)将出现系统性离散频率计量现象。在不考虑极值的随机过程情况下,如果高频低损(低频高损)的极值一致的话,高频/低频将导致极端事件低/高的发生概率,并增加了非预期损失的估值风险。在非预期损失对极端事件发生概率十分敏感的情况下,离散频率计量方式将影响系统性/异质性观点下的非预期损失估值可靠程度。银行也可将损失频率作为分散不同业务条线的极端损失程度的工具。
第二个方面是分类损失如何计总。损失计总有助于降低不同损失强度和损失频率带来的估值偏差。计总损失减少了通过小损失事件降低预期损失的动机,并且在没有扭曲非预期损失强度条件下,增加了极端事件的相对发生率。损失计总表明了基于单位时间内中值和中位数的关系,以及损失频率时变性的最低调整幅度。但是,损失计总必须具备非常强的前提:即时变性、相关性和分布异质性必须正确处理才能进行计总。
通常,损失数据可按块块分类和按条线分类。按块块分类,是指整个银行业或金融业的操作风险事件或案件可按机构类型分类,最细可分类到银行层面,甚至分支行层面。按条线分类,是指可按业务条线分类,西方国际活跃银行大都是流程银行,管理体系都是按条线分类。所以操作风险事件或案件数据按条线分类,最细可细化到三级子类目,几百个业务条线。无论是按块块分类,还是按条线分类,损失数据是否能计总取决于三个方面:一是时间分频(time scaling),即每一类案件或事件发生的可能性是具有时变性的(time-variability)。数据计总前必须对细类数据的
时变性进行相应处理。二是相关性。不同的机构或不同条线上的同类案件,其发生的可能性或强度可能会相互影响。必须根据不同的检验方法对不同数据样本之间的相关性进行验证,求出相关性矩阵。三是不同机构或不同业务条线的同类案件的分布异质性,即分布函数类型不同的问题。同类案件,在不同机构或不同业务条线上可能分布类型不一样。只有在正确处理了时间分频、相关性以及异质性等问题,才能对同类案件进行计总。
由于分布函数和分布时间步长不一样,每个银行的操作风险损失事件的分布都不尽相同,所以必须从每个银行的数据中导出相应的分频函数(scaling function)。分频函数给出了银行损失事件数目与时间的关系。有些人认为分频函数遵循平方根分布模式,有