预警方法 银行预警系统 银行危机
银行业的创新、违规活动和全球化使银行业经营活动变得更加复杂,潜在危险更大。这些都在构建银行业的持续监管方面向监管者提出了新挑战。反过来,监管者们为了持续地对银行进行监测和评估,已经开发出新的方法和程序。在银行风险预警研究和实践方面,G10国家走在前列,他们开发与完善了多种银行风险预警系统。
一、银行监管评级系统
银行机构监管评级是从现场检查评估的基础上发展起来的。经过最近几年的发展,这种方法也被应用到非现场监管活动中。无论是在监管当局有权进行现场检查还是无权进行现场检查的监管体制下,银行监管评级系统都有助于确认出那些其状况需要引起特别注意的机构。
1.监管评级实践
在20世纪90年代,美国监管当局通过使用CAMEL评级系统,首次将评级方法引入银行机构现场检查活动中。它被美联储、OCC,以及美国存款保险公司等三家监管机构所使用。综合评级结果处于1和5的范围之间。问题银行案例的现场检查更频繁,评级结果也更频繁。与此相反,在稳健性银行案例中,现场检查可能只是每隔18个月做一次,同时评级结果相应的每一年或半年更新一次。
美联储使用BOPEC现场检查评级系统对银行控股公司进行评级。BOPEC评级方法来源于BOPEC的五个组成部分,即:被银行存款保险基金覆盖的银行分支机构,其他分支机构,母公司,盈利和资本,加上一个独立的管理评级,BOPEC方法的每个组成部分的评级结果被标度成从1到5的范围。
在20世纪90年代中期,美国的FDIC监管当局,发展和采用了一种季度性的非现场评级系统,即CAEL。作为一个专家系统CAEL,利用简单的比率分析给出一个银行机构的季度性非现场评级结果。它利用银行季度性的监管性财务报告计算财务比率,以便在0.5到5.5的标度范围内给出银行的评级结果。
法国银行业委员会于1997年引入了年度的“防护行动的组织和加强”评级系统,作为一种针对单体银行的多因素分析系统。ORAP系统工作在一个经过了标准化和形式化的框架内,在14个方面给出具体的评级。每个评价内容都被划分成1到5之间的不同等级。
2.评论
现场检查评级可以有效评价一个银行机构当期财务状况和确认存在的问题。评级给出了银行机构财务状况的参照点,但评级系统的有效时间可能较短。现场检查评级方法并不是特别为跟踪银行机构财务状况变化而设计的,并且其结果可能在检查过程完成后不久就变得不可靠。美国的研究表明,尽管现场检查评级方法具有融合监管机密信息和通过监管及公共渠道可获得的信息的优点,但在现场检查过程结束两个季度后,这种信息内容的价值将开始失去价值。银行监管评级不能提供事前的观察,也不能用来把将来可能发生倒闭的银行从将来可能继续存在的银行中区分出来。而且,他们通常提供银行机构现存问题事后的特征。监管者应用评级方法主要来确认出那些需要立即采取特别监管措施的银行。
二、财务比率和同质同类组分析系统
1.财务比率和同质同类组分析
银行的财务状况被公认为一个相对一致的变量集。这些变量包括一些对资本充足、资产质量、盈利性和流动性的测量,大量的财务比率指标被应用到财务比率和同质同类组分析系统里面。同质同类组分析是通过将一组银行的财务比率放在一起来进行的。
2.各国应用情况
20世纪90年代后期,美联储发展了单体银行监测系统,来对单体银行进行更详细更具体的财务比率分析,同时将财务比率作为对具有潜在问题银行的一个基本过滤器。监测系统提供30种以上的监管类财务测度。这些测度根据银行的报告每季度测量一次。单体银行监测系统在发现银行机构的潜在脆弱性,以及银行的显著性变化的方面起到了重要的作用。
德国1997年采用的BAKred信息系统,是一个被德国央行与监管当局共同使用的综合性标准化信息系统。该系统采用财务比率和同质同类组分析作为该系统里面进行风险评估的一个组成内容。该系统使用了19个信用风险比率,16个市场风险比率和2个流动性风险比率。同时还有10个关于盈利性的补充性比率。在给定的任何时间点上的一个同质同类组内,该系统可以用来审核单体银行的财务比率或者根据风险类别来划分的比率。
在荷兰银行,财务比率和同质同类组分析被作为一种观察系统来使用,它包括三个产生预警信息的模块。监管当局基于银行评级结果进行估计的预测系统,输入包括一些精选的关键业绩指标,这些指标来自监管报告、年度会计报告、市场信息如一些可获得的外部评级和股价信息,以及一些宏观经济数据。
风险评估,监管工具以及估计的框架,被英格兰银行发展成为一个综合的银行风险评估系统,并于1998年被英国金融服务机构应用,在其对银行机构进行正式的风险评估阶段,也使用了关键比率趋势和同质同类组分析方法。
3.评 论
财务比率和同质同类组分析被看成对银行检查的一个有价值的补充。这种方法已经成为非现场监测过程的一部分,并作为一个进行持续性监管的基本的最小化的工具集。然而,最近几年,它已经从一种对某些暗含在现场检查过程中的主要财务比率进行简单的非现场计算方法进化为一种正式的风险评估工具,并使用了很多不同的具有统计形式的比率。
然而,财务比率和同质同类组分析不足以确认出银行所经历的风险的本质,特别是大型银行和专业性银行机构。财务比率是从大量变量中选出来的,各比率与银行机构财务状况之间的相关程度不一定显著到中以使它们被选入系统。给每个比率分配的权重也会显示出一些局限性。这些权重可能仅仅是在检查者个人的经验基础上被确定的,一旦权重被给定,它们将维持不变,并有可能无法根据短暂的变化做出调整,这使评估效果大打折扣。
三、银行风险综合评估系统
银行风险综合评估系统对银行机构整体风险进行全面详细评估。该方法将银行或银行集团分解为显著的业务单位,然后依照一些具体的标准对经营风险、内部结构与控制进行评估,根据标准分类判定分数,得出银行或银行集团的最终评估分数。这一方法已发展并在最近被两家G10监管权威机构所采用。
1.各国应用情况
在英国,单体银行正式全面的风险评估是由英格兰银行引入的“比率风险评估体系”的一部分,目前为英国金融服务管理局所应用。这一系统对重要经营单位的正式风险评估在对银行集团经营风险的九个评估因素的基础上完成。每个经营领域的风险基于六个评估因素,CAMEL-B,即资本、资产、市场风险、收益、负债和业务及不可量化的风险如操作风险、法律风险和信誉风险。
荷兰银行在1999年建立并运用了银行风险综合评估方法“风险分析支持工具”。所有的风险和控制的类别都根据一个预设的矩阵被赋予了权重。所有的评估都在1-4的范围内打分,其中1代表最低的风险或是最好的控制,而4代表最高的风险和最低的控制。机构风险评估结果要与其偿债能力和盈利能力作比较,分析结果用于为每个单独机构的监管检查作计划。尽管英国FSA和荷兰银行所涉及的理解风险评估的方法很相似,二者仍有几处重要的不同。RATE汇总的方法论与整个机构的风险类别的汇总相关,相反的是,RAST的汇总与商业单位和基本活动相关。另外,RATE将资本和盈利认为是特定的风险单元,RAST仅仅认为它们是数据,用于在评估结束时比较与评估机构的最后得分。
2.评述
银行风险综合评估系统涉及到对银行风险的定性和定量评估,由于国内外的监督机构可能也对相同的银行机构单体机构或集团,所以需要互动才能全面评价单体机构或集团。该方法唯一同时适用于并表和非并表的单体机构或集团。
四、统计模型
统计模型和前面描述的三种方法在两个基本的方面存在差异。首先,统计模型直接反映可能导致银行机构出现问题的风险。统计模型力图在经营出现困难或者倒闭发生之前确认高风险银行。这是与其他三种方法注重银行当期状况的目标是不同的。其次,模型使用了先进的定量技术,用来确定解释变量与诸如银行的脆弱性、经营困难,以及倒闭和生存等运营结果之间的因果关系。第三,统计模型涉及到久期模型,久期不仅用来进行估计银行的倒闭概率,而且用来估计银行倒闭的可能时间。
1.各国应用情况
目前,只有美国和法国监管当局使用了统计模型。美联储和美国存款保险公司把统计模型作为非现场监管工具。为评估统计模型,美国监管当局运用了20 世纪80年代和90早期发生的倒闭银行数据。法国银行业委员会通过应用个人信用数据库和法兰西银行的统计,来构建自己的统计模型。美国货币监理署和意大利银行目前正在开发和测试早期预警模型。但这些开发或使用中的模型的方法论多种多样,分为估计评级和评级降级的模型;预测倒闭和生存的模型;预期损失模型和其他模型。
估计评级和评级降级的模型
美联储在1993年为了估计检查评级结果而开发了一个双变量模型系统,SEER评级模型采用了多项式LOGISTIC回归,根据银行最近的报告数据来估计银行可能的骆驼评级结果。
1995年,美国存款保险公司开发了非现场骆驼统计评级模型取代CAEL非现场评级系统。该模型使用了LOGIT模型估计CAMELS评级为1或2 的银行发生降级的可能性。在SCOR模型下,评级估计的时间水平是4～6个月。估计结果将要经过12个到18个月以上的检验,但是超过6个月后其结果的精确性将开始降低。
倒闭和生存预测模型
美联储SEER模型估计在随后两年中银行发生倒闭的概率。该估计是建立在对银行最新的财务报告的提供的财务状况的测量基础上的。该模型采用了双变量PROBIT回归技术估计倒闭概率。该模型利用美国1985-1999年期间倒闭银行的特征估计银行倒闭与财务信息间的统计关系。
意大利银行正在开发久期模型,不仅用来评估银行倒闭的可能性,还包括倒闭时间。考虑到意大利有关倒闭机构的数据集充分性和广泛性不足,“倒闭”的定义已经被调整,它将经营发生重大困难的银行,或者那些被清算以及因经营艰难而被接管的银行。
预期损失模型
1997年,法国银行业委员会开始采用银行业分析支持系统模型。尽管该模型是一个统计模型,但它也可以通过定性评估来完善定量分析。通过3年期个体潜在损失额加总得出整个信用资产组合的潜在损失总额。该潜在损失总额数据再根据现有准备金水平进行调整,未调整的余额表示未来潜在损失,它要从银行自由资金的当前存量中扣除。如果调整后银行自有资金仍然超过8%的最低资本金要求,那么该银行在未来3年中将保持偿付能力。
其他模型
形成于20世纪80年代中期的美国联邦存款保险公司增长监测系统是一种简单的早期预警系统,它以6个概要性指标的水平及季度趋势为基础计算得到综合增长监测系统得分。拥有最高的综合GMS得分百分点则需要进一步的非现场监管,监管当局也可以对得分低于95个百分点的银行、特别是CAMEL评级得分不高的银行实施额外监管。
1995年,英格兰银行提出了触发比率调整机制早期预警模型,该模型通过各种统计方法和主观判断对银行业机构实施评估。此类评估涉及银行业功能的三个主要方面,即利润流、风险情况,以及控制与结构。各组成部分分数及TRAM总分数较高,将表明该银行业机构存在潜在问题。
2. 评述
早期预警统计模型依据严格的定量分析。因此,模型中没能反映诸如管理质量、内部控制以及信用文化、承销标准等银行特有的定性因素的影响。但事实上,定性因素特别是管理效率高低也是银行破产的重要原因。然而,很少有模型将管理质量进行量化或为管理绩效寻找现实可行的替代指标。这些模型也没有考虑由于诸如欺诈或行为不当等其他非金融因素导致的破产风险。
在统计模型中,重要的是正确识别因果变量及其相互关系以确保包括重要变量,排除伪造变量。而且,辨别因果关系的一致性同样重要。模型中包含的变量需要严格的统计程序和经济推理。在模型中,在评估期被固定时,自变量一旦被选定也应固定不变,这一点尤为关键。变量的选择应建立在对其解释和预测能力进行严格统计检验的基础上。在动态模型中,在评估期变动的情况下,应定期对解释变量的重要性进行检验,一旦检验结果显示其作为解释和预测变量的重要性已下降,这些变量从模型中排除。
至于变量的选择,赋予的权重取决于单个解释变量的重要性和预测能力,并经过严格的检验确定下来。而且,为确保评估的准确性,赋予解释变量的权重应保持连续性。
获取大量清晰可靠的原始数据是早期预警模型运行的关键因素。模型预测结果的可靠性取决于输入的原始数据的准确性。这不仅涉及到银行应监管要求所报告数据的种类和完整性,还涉及到应用于模型的其他数据库的可得性和完整性。一些已经使用早期预警模型的监管当局在不断努力改善原始数据的质量、种类和完整性。美国监管当局正在探索在其早期预警模型中使用私有部门信贷管理局数据的可能性。
尽管一些早期预警模型已经获得满意的结果,但其应用范围仍然有限。在一般的机构和时间内,正确地预测评级下降的概率、破产或幸存的概率、预期损失或破产倒闭等被证明是非常困难的。由于早期预警模型的发展还处于初始阶段,需要开展进一步的工作以改善其绩效。
参考文献:
Alejandro Gaytán and Christian A. Johnson, 2002,”A Revie 4,3-20
托马斯,2001,信用评分及其应用,中国金融出版社,第103页
相关：
基于就业导向的高职大学语文教改探索摘 要:大学语文具有丰富的文化底蕴和人文内涵, 一直是全国各类高等院校普遍开设的公共课, 是对大学生进行语言训练和人文教育的重要课程。从高职培养目标、高职生源实际语文水平及语文课的教育功能来看, 加强高..
《兄弟》：立体传播的力量图书市场的日渐式微已经成为出版界的共识,尽管中国图书的品种年年见涨,但从印数到码洋再到利润已经成为各个出版社的噩梦。在整个出版系统都靠教材苦苦支撑和传言网络时代是纸质传媒终结者的困局下,先是刘心武在央..