【关键词】预警,指标体系,研究,风险,金融,商业,银行,中国,
2008年以美国次贷危机为标志的金融海啸席卷全球，作为金融机构的主体部分，商业银行在此次危机中同样遭受重创。在历经冲击之后，商业银行的风险管理和识别能力开始让人质疑。中国经济尚处于高速发展和转型初期，商业银行金融风险在宽松的宏观经济环境下并不显著，但由于中国不断与国际经济接轨，开放条件下全球性的金融危机仍然会给国内商业银行带来巨大的经营压力。
实践表明，中国商业银行的风险管理多侧重于事后弥补和经验总结，但是相对来说更为重要和紧迫的事先管理却未能得到足够的认识和实施。要实现对于商业银行金融风险的监测，建立风险预警机制，根据现有的指标数据对短期内商业银行金融风险爆发的可能性进行全面有效的评估是事先管理的一种切实可行方法。本文在国内外相关学者的研究基础上，结合国内商业银行风险现状，建立了一个全面的商业银行金融风险预警体系，并从近期数据给出了对商业银行金融风险的评价及实证检验。
二、相关领域文献回顾
国际上对于银行业金融风险预警的研究早在20世纪就已经取得了令人瞩目的成绩，但种种成果也存在诸多问题，并且多数方法与中国的实际有着很大的差距。
1979年由联邦金融机构监管委员会建立的camel评级制度经过1997年的修改后，成为美国主要监管机构统一使用的camels（骆驼）制度[1]。伴随银行业务的拓展，部分国家监管当局引入美国camel评级制度，同时结合本国监管情况建立了相对独立的主观判断评价体系。wwW.11665.COM
cart（classification and regression tree）结构分析法，根据选定的某几项财务指标作为分类的标准，运用二分法，通过建立二元分类数来分析被考查对象状态[2]。logit模型主要采用了logistic函数[3]，该模型的问题在于当样本点存在完全分离时，模型参数的极大似然估计可能不存在，模型的有效性存在问题，另外该方法对临界区域的判别敏感性过度，容易导致相近样本评估结果之间差别过大。
altman等人（1994）利用神经网络对意大利公司进行失败预测[4]。神经网络方法是一种自适应的非参数方法，并不严格要求样本数据的分布，不仅具有非线性映射和泛化能力[5]，而且神经网络模型的分布自由，较之多元判别分析模型，对实际问题更加适用。
信用度量技术（credit metrics，1997）运用var 框架[6]，对贷款和非交易资产进行风险的评价和计量[7]。但是credit metrics模型的违约模型和相关系数的度量是以期权定价理论为基础的，这对资本市场的成熟度以及数据的真实性都有极高的限制要求，因而可操作性有所降低。
麦肯锡模型（credit portfolio view，1998） [8]是在credit metrics的基础上，对经济的周期性因素予以考虑，通过蒙特卡罗模拟技术（astructured monte carlo simulation approach）模拟周期性因素的冲击，以测定评级转移概率的改变趋势并进行度量[9]，但是由此给模型增加了相当的复杂程度。
相比之下，国内关于商业银行金融风险预警的研究起步较晚，同时囿于研究所需的数据资料稀缺等原因，致使当下国内该领域的研究仍然十分欠缺。具有代表性的理论研究大致如下：
隋剑雄（2004）针对国内商业银行经营管理模式，提出了适应本国银行发展需求且以核心指标和辅助指标构成的信贷风险预警指标体系，采用向量法（te）作为构建风险预警模型的算法，通过构建商业银行信贷风险预警系统对信贷风险进行监测和分析，该模型侧重于对商业银行信贷风险的说明及预警的相关指标和报警范围[10]。
李华明、向颖珍（2007）运用时间序列分析方法，以arma模型来构建信用风险预警模型，使得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来反映[11]。不足之处在于：首先，该模型单纯用历史数据进行模拟，虽预测了其可能的走势，但对其存在这种走势的具体原因并没有明确表明；其次该模型只是利用不良贷款率单一指标来建立模型，没有考虑其他指标折射的整体状况；最后，模型的模拟效果也会随着指标的变化而变化，预测结果十分不稳定。
从监管层面来看：2005年开始，银监会依据新制定的《商业银行风险预警操作指引（试行）》按季对商业银行法人机构进行风险预警的试运行，以提高银行风险监管的敏感性和有效性。
综合以上的理论研究可以看出，现有的成果主要存在下列不足之处：一是大多学者关于预警体系的研究都过度集中于商业银行的信贷业务，从而无法做到整体考量商业银行的风险；二是过分依赖少部分银行现有的指标，再依据趋势变化给出预警结果，但往往结果偏离较大，不够理想。整体来看，中国商业银行金融风险预警多停留于较为传统的指标分析阶段，即使少数学者提出数量方法，但也显得单一和偏颇，因而对于该领域的研究还应当增加定量方法以期取得更好的功效。
三、商业银行金融风险来源
从中国商业银行的发展历程及现状来看，商业银行所面临的主要风险集中体现为信用风险、市场风险、操作风险和流动性风险（操作风险属人为因素所导致，在接下来的指标体系构建中暂不予考虑）。再依据其风险来源的差异大致可以将商业银行金融风险划分为以下几个方面：
（一）宏观经济发展所带来的风险
商业银行金融风险的发生很大程度上取决于经济基本面的运营状况，如果宏观经济运行中出现通胀或是结构失衡等现象，都将导致市场上货币资金的供求产生大幅的变化，作为货币资金的投放和回笼机构，商业银行的经营势必受到重大影响，进而导致风险的滋生。
（二）对外经营业务的隐患
这类风险主要在于国际业务的逆差以及游资对于本国金融行业的冲击。在国际业务往来中，商业银行通常承担着资金的清算及资金缺口的补偿，因而首当其冲的面临着汇率风险的考验。另外，游资在短期内低进高出，依靠短期内自身相对于东道国的资金优势，操纵金融产品价格，这势必在其抽逃之后造成金融风险的扩散，商业银行必将受到牵连。当然风险主要体现在汇率水平等指标上。
（三）商业银行资本金不足导致的风险
商业银行的经营是一种高负债形式，尽管如此，商业银行还是应当在一定范围内保证库存资金的充足，即使在不能保证库存的条件下，也起码要保证在出现资金短缺时能以较低的利率水平向同业拆得资金，否则商业银行的经营将蕴藏巨大的危机。这类风险大小主要取决于同业拆借利率、资本充足率等。
（四）信贷业务带来的风险
在商业银行的经营过程中，由于顾客的存贷业务完全属随机行为，因而如果短期资金所占到的比重较大，将势必给银行的经营带来额外的风险负担。一旦短期内存款到期，提现业务将会给银行的存量资金施加压力。风险衡量主要有赖于存（贷）增长率及短期贷款占比。
（五）商业银行的获利水平影响其风险程度
商业银行的根本目的在于经营获利，如果商业银行经营状况良好，将会获得存贷客户的信任，即使出现一定程度的经济波动，也难以出现挤兑现象。而且较好的盈利水平同样使得商业银行在出现资金短缺时能够较轻易地从同业处拆得资金以弥补头寸。主要体现在贷款收益率、资产利润率等指标上。
（六）流动性制约的风险大小
美国的次贷危机导致了全球性的经济恐慌，中国的金融业也因此遭受不同程度的损失，各个商业银行直接或间接地受到很大的影响，随着房贷还款期限临近，更多的不良贷款将会逐渐显现出来。一旦房地产泡沫破灭，势必多数的商业银行将遭受牵连，所以充足的资金拨备对商业银行而言是不可或缺的。代表性的指标有拨备覆盖率、存款准备金率等。
四、预警指标体系的构建
欲构建商业银行金融风险预警指标体系，不仅要做到指标体系的预警效果明显，而且指标数据的获得要具有可行性，另外预警也必须具有良好的可操作性。根据中国商业银行金融风险的不同来源，截取了六大类预警指标作为构建体系的基本依据。
为了迎合中国金融风险的隐蔽性等特性，在构建指标体系时尽量做到精细，以达到全面考量商业银行金融风险的目的。最终共选取20项指标对风险进行评估，组成一个完整的预警体系（见表1）。
五、指标安全区间的确定
商业银行的金融风险预警指标是否达到危机水平或是确定危险程度，可依据既定的安全区间来判断。通常在划分安全区间时多参考中国人民银行及银行业监督管理委员会的政策性文件，当然如果国际上有公认的临界值，则应当依据此项临界值再行划分安全区间，总之对于安全区间的确定必须做到有据可循，并且保证指标的准确无误。另外，如果某一既定临界值不适应目前的商业银行状况，则在此临界值的基础上进行适当的微调。
在考虑指标安全区间时应当注意：并非所有预警指标都是风险单调型的，也即是存在部分指标属于非单调型。例如资本充足率对于商业银行的金融风险无疑具有风险单调递减的特性；但是形如汇率等指标却并不如此——汇率在大于12与小于6时都具有风险递增的特性，这等同于在区间内部存在某一特定的峰值为最优，因此在划分安全区间时予以充分考虑。
根据上述原则，笔者对各项预警指标的安全区间进行了大致划分，具体情况见表2。
六、金融风险评价方法
零散的每个预警指标值并不能全方位体现出商业银行的金融风险现状，因而必须利用某种方法以综合出所有指标的得分，从而根据这一综合得分来判断商业银行面临的风险程度。
（一）总体方法的选择
在根据国内外学者现有的研究基础之上[12]，参考各种评价方法的可操作性，笔者拟采用功效系数法对商业银行金融风险进行具体评价，其中主要原因在于，使用功效系数法进行综合评价时，其评价指标体系中不仅可以含有正向指标，也可以存在逆指标[13]。但是无论采用何种指标进行评价，评价得分值越高，越是表明风险程度越高或是综合效果越好。正是由于这点，利用功效系数法可以很好地解决本文中同时出现正、逆指标的问题。
（二）指标权重的确定
由于选定的功效系数评价法要求必须知道每个指标的权重，否则将无法综合计算出最终的评价得分，因而又必须进一步选取适当的赋权方法来得到每个预警指标的权重。在实际操作中可用的赋权方法大致分为两类：主观赋权法和客观赋权法。客观赋权法（如变异系数法）的原始数据由各指标在评价中的实际数据组成，不依赖人的主观判断，因而此类方法客观性较强，但是客观赋权就必然导致对指标的经济意义没有充分考虑，将会偏离应有的评价结论，故在此处不予采用；主观赋权法主要是由专家根据经验判断而得到（如ahp法、德尔菲法等），虽然此类方法客观性有所降低，但更能体现经济问题的实质，因而本文拟用主观赋权法。由于德尔菲等方法在确定权重时完全依赖专家打分，主观性过大且操作性较差，故本文采用层次分析法（ahp）进行指标权重的确定。
本文在现有指标体系上设置指标权重的大致步骤如下：（1）根据已经划分的层次确立多阶递进的层次结构。这一工作在获取指标时已经完成；（2）建立判断矩阵。判断矩阵主要以上级的某一要素x为评价准则，对本级的要素两两比较确定判断矩阵：
a=b11 b21 … bn1b12 b22 … bn2b1n b2n … bnn
根据公认评价尺度进行赋值；（3）利用和积法或方根法计算权重系数。文章采用和积法；（4）笔者对各层次进行了必要的一致性检验以保证权重确定的合理性。
七、风险预警及实证检验
根据前文已经建立的商业银行金融风险预警指标体系，可以对中国商业银行近期的金融风险状况进行实证检验：
（一）对已构建指标体系的赋权结果
首先，依据已经划分的六类子系统指标在风险中贡献度的差异，应用ahp过程进行赋权；其次，再以子系统指标为评价准则，对子系统内各个指标再以ahp方法来赋权。赋权结果见表3。
（二）中国商业银行金融风险近况的实证检验
1. 金融风险预警得分值的确定。在前文已经将各指标的安全区间确立，按照百分制来计算，可将安全区间跨度与百分之比作为比例来乘以指标具体数值，从而得到映射到百分区间的指标得分。再将各项指标的得分乘以已经确立的权重，由此获取指标的真实得分。不同的得分又被归属到四种风险状态（见表4），即稳定安全、基本安全、有风险、高风险（注意此处得分越高，对应风险越大）。
2. 预警结果。按照上述的方法把近三年中国商业银行金融风险预警指标体系的得分列出，见表5、表6。
从上述的2008—2010年预警的结果来看，商业银行金融风险的综合评价都处于基本安全区域内。说明虽然金融危机尚没有给中国商业银行造成破坏性冲击，但是商业银行预警结果却并未达到理想的安全区域，尤其2008年和2009年加权综合得分都非常高，表明商业银行的风险仍然十分突出，不过这种风险呈现逐年减弱的趋势，说明金融危机的影响正在逐渐消退。
对其中得分较高的单项指标进行分析可以得知：商业银行的资本风险和流动性风险对于综合得分的贡献度较大，2008年二者对于整体得分的贡献高达61%。因此，作为商业银行管理层可以就此采取部分针对性措施，例如提高超额准备金的比例、加强不良贷款管理以及严格商业银行放贷门槛等；而作为宏观层面的中国人民银行和银监会则可以考虑适当的运用提高存款准备金率和限制贷款集中等政策举措来削弱商业银行的金融风险。
八、结束语
文章在研究分析国外商业银行风险预警具体操作办法的基础之上，结合中国商业银行风险的实际，指出了中国商业银行风险的根源及其特点，而后再针对中国商业银行六类风险指标建立商业银行金融风险预警指标体系，同时利用功效系数法、ahp法对商业银行风险预警模型进行评分。通过国际金融危机发生的2008—2010年中国商业银行具体数据对风险预警模型进行实证检验，证实了风险预警模型评价结果基本与实际情况一致，从而说明指标体系的构建以及权重的分配均具备相当的精确度及合理性，因此模型可以作为评估商业银行金融风险的参照。
从实证分析中可以看出，关于中国商业银行现状的主要结论大致有：（1）商业银行坏账、呆账比率仍然较高，造成商业银行整体的信用风险水平较大；（2）商业银行风险的产生会较大程度地受到宏观环境的影响，伴随着宏观经济过热形势的改善，风险亦有所降低；（3）中国商业银行面临的汇率风险在检验期内逐年递增，这主要可能源于人民币升值压力的不断增加，相关政府管理部门应予以重视；（4）从经营风险类指标得分来看，商业银行的获利能力并未受到金融危机的负面影响，相反，在近三年呈现不断改善的趋势，这可能更多地归功于成功地实施了对四大国有商业银行的股份制改造，等等。
本文在指标的选取上首先是参考既有的相关的规定及研究成果，并且在运用ahp法对系统内元素相互间重要度打分时都具有一定程度的主观性，由于该领域没有研究成果可以参考，因而准确与否无法得到实际验证；其次，中国的资本市场、金融行业也处在高速发展和进步的过程中，今后的研究中应当适当考虑此类因素的影响[14]；最后，由于有关商业银行短期的指标数据难以搜集，即使运用的操作方法完全一样，也无法针对较短期限内商业银行的金融风险进行预警和考察。
参考文献：
［1］肖远企.美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）：76-77.
［3］廖绚，李兴绪.基于logit模型的银行个人信贷风险管理评估［j］.统计与决策，2008，（21）:50-52.
［4］陈晴光，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.
［5］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.
［6］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.
［7］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.
［8］thomas c. wilson. portfolio credit risk ［ｊ］. frbny economic policy review，1998，（10）：１１１－１１７.
［9］李建华，韩岗，韩晓普.基于credit portfolio view的信用风险度量模型研究［j］.工业技术经济，2008，（3）：46-48.
［10］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）:44-49.
［11］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.
［12］郭学能.商业银行经营风险预警中权重的确定方法及实证研究［j］.金融经济，2007，（2）：115-117.
［13］吴成颂.我国金融风险预警指标体系［j］.技术经济与管理研究，2011，（1）：19-24.
［14］邓明然，费伦苏.商业银行操作风险预警指标设计研究［j］.武汉理工大学学报，2007，（4）：140-156.
