基于贝叶斯网络的操作风险预警机制研究

Vol122,No14

JournalofIndustrialEngineeringPEngineeringManagement

2008年第4期

基于贝叶斯网络的操作风险预警机制研究

陆 静,唐小我

1

2

(11重庆大学经济与工商管理学院,重庆400030;21电子科技大学管理学院,四川成都6100)

摘要:鉴于商业银行的操作风险管理具有样本量小、结构复杂等特点,较难运用传统方法构建风险预警系统,本文采用贝叶斯网络,研究了商业银行操作风险预警系统的建模过程并根据我国商业银行操作风险的外部数据给出了算例。通过构建由关键风险指标和关键风险诱因组成的商业银行操作风险拓扑结构,本文分析了各类风险指标对操作风险的作用形式,在对各类节点赋值的基础上,通过贝叶斯推理,建立起商业银行操作风险的预警系统,以便在出现可能导致巨额损失时,商业银行能够及时采取措施化解操作风险。

关键词:贝叶斯网络;操作风险;风险管理

中图分类号:F830133 文献标识码:A 文章编号:1004-6062(2008)04-0056-06

0 引言

商业银行的操作风险是指由不完善或有问题的内部程序、人员及系统或外部事件所造成损失的风险,包括法律风险,但不包括策略风险和声誉风险。尽管操作风险是商业银行诞生以来就面临的风险之一,但无论在理论上还是在实践中都没有引起足够的重视。实际上,长期以来,国际银行业一直将信用风险、市场风险、利率风险以及流动性风险视为经营中的主要风险,并相继开发出较为成熟的VaR、KMV、CreditRisk和CPV等风险分析与计量模型;银行监管部门也没有对操作风险提出较高的要求,如1988年颁布的巴塞尔银行监管协议仅仅针对信用风险和市场风险提出了资本要求。随着二十世纪末金融服务的全球化进程和金融产品的不断创新,商业银行在迅速扩大经营规模和盈利空间的同时却面临着日益加剧的操作风险,1995年英国巴林银行和日本大和银行因操作风险导致巨额损失从而相继倒闭的案例为全球银行业敲响了警钟,国际活跃银行及监管部门开始重新审视和关注操作风险。2004年6月,巴塞尔银行监管委员会颁布了5巴塞尔新资本协议6(简称新协议)[1],正式将商业银行的操作风险纳入监管的范畴。该协议强调,操作风险应与信用风险和市场风险一起作为计算资本充足率的依据。

由于操作风险是银行业近年来才关注的风险,尽管有新协议的清晰定义和计量框架,国际活跃银行对操作风险的精确计量和有效管理才刚刚起步。已有的研究主要集中在操作风险数据收集、操作风险资本计量等事后管理方面,如Frachot和Roncalli[2]提出应综合商业银行内外部数据,以准确估计操作风险资本,King[3]则认为,用极值法能更准确地估计操作风险,梁缤尹[4]通过对操作风险内部模型的比较,认为基于信息墒的衡量模型可以有效地度量我国银行业的操作

收稿日期:2006-08-10 修回日期:2007-04-10基金项目:全国统计科学研究计划资助项目(2006C04)

风险。至于如何预计操作风险发生的可能性,并建立相应的预警机制,几乎没有涉及。此外,由于国际银行业及其监管机构对操作风险关注的时间较短,并且操作风险管理过程具有损失事件记录的样本量小、信息不完全等特点,所以,有关操作风险预警机制的研究尚属于不确定信息下的小样本决策问题,决策过程具有较高的复杂性和不确定性,难以采用传统方法建立预警系统。

贝叶斯网络方法(BayesianNetworks,BN)近年来在人工智能和数据挖掘中得到了广泛的应用,它较好地揭示了客观事件之间的条件概率分布与因果联系,是对不确定性问题进行推理的重要工具。本文采用贝叶斯网络对商业银行的操作风险进行了一定程度的预报,通过构建由关键风险指标(KeyRiskIndicators,KRIs)和关键风险诱因(KeyRiskDrives,KRDs)组成的操作风险拓扑结构,建立起相应的预警机制,采用我国商业银行业近年来发生的操作风险损失实际数据,对相关节点进行了赋值,并根据父子节点之间的贝叶斯网络关系,对预警系统进行了正向和逆向推理,为商业银行实施操作风险的事前管理提供了理论基础和操作模式。

1 贝叶斯网络方法

111 贝叶斯规则

统计推断的贝叶斯过程是人们根据获得的数据不断修正关于客观世界主观判断的过程。贝叶斯规则的基础是具有一定因果联系的事件之间的条件概率。

假如我们已知某商业银行零售银行条线(RetailBanking,以下简称RBK)的操作风险主要来自两个方面(如图1):泄露私密(BreachofPrivacy,简称BP)和内幕交易(InsiderTrading,简称IT)。其中,由BP导致的操作风险占30%,由IT导致的

作者简介:陆静(1966.7)),男,汉,四川乐山人。重庆大学经济与工商管理学院讲师、博士,重庆大学机械工程博士后流动站博士后,研究方向:金融风险管理、资本市场与资产定价。

)56)

Vol122,No14

管 理 工 程 学 报

2008年第4期

P(RBK=/R0)=1-P(RBK=/S0)=0109有了先验概率,我们可以利用图1进行简单的推理得到图2:当我们观察到节点IT各分布状态不变,节点BP风险程度上升,如处于正常状态的概率下降到95%时,通过贝叶斯规则的传递,零售银行条线RBK发生风险的后验概率将由91%上升到10197%。112 贝叶斯网络

在操作风险预警系统的构造中,涉及的节点非常多,为此我们需要利用贝叶斯网络。贝叶斯网络又称信度网络,是

图1 零售银行操作风险先验概率分布(单位:%)

贝叶斯规则的扩展。一般地,关于一组变量X={X1,X2,+,Xn}的贝叶斯网络包括两个部分:表示X中变量条件断言的网络结构S;与每一个变量相联系的局部概率分布集合P,两者定义了X的联合概率分布。如果以Xi表示变量以及该变量对应的节点,Pa表示S中Xi的父节点,则X的联合

i

概率分布为:p(x)=

i=1

Fp(x|p

i

n

a

i

)。贝叶斯网络将贝叶斯规

则和有向无环图的网络拓扑结构有机结合起来,可以帮助我们从不完全、不精确或不确定的知识或信息中推理。如果网络中任一节点的状态确定时,网络本身就可以利用贝叶斯规则在网络中进行正向或逆向推理,从而得出网络中任一节点

图2 零售银行操作风险后验概率分布(单位:%)

的后验概率,这是贝叶斯网络最吸引人的特点,也是其可以建立操作风险预警系统的关键机理。因此,贝叶斯网络的理论基础决定了它在操作风险预警机制的建立中比其他不确定性决策方法(如神经网络、模糊逻辑等)具有明显的优点:¹商业银行操作风险的机理和结构关系较为复杂,神经网络等简单的概率推理方法难以表示风险诱因与风险指标之间的复杂关系,而贝叶斯网络方法可以通过有向图的形式表达关键风险诱因、关键风险指标和整个操作风险体系之间的复杂因果关系,这是其它不确定性推理方法所不能实现的;º基于目前操作风险样本量小,采用BN技术可以充分利用多种来源信息;对信息进行融合,以合理评价操作风险,这也是其它方法不具备的;»采用BN技术,可以对操作风险进行动态评价与监控,有利于保持操作风险管理过程中技术选择的一致性和连续性,符合金融风险变化的动态特征。正是由于BN的这些优点,在全面分析操作风险影响因素的基础上,我们建立了基于BN的操作风险预警机制,以满足对操作风险的动态评价,为商业银行的操作风险管理决策提供有力的工具。

操作风险占70%,也就是说,由于银行内部员工对客户信息保密不当,遭到客户投诉并使得银行实际发生的损失占零售银行操作风险损失总和的30%,而由于银行员工与行外人员勾结作案,导致银行实际发生的损失占零售银行操作风险损失总和的70%。用/N0分别表示节点BP和IT处于正常状态,即没有发生泄露私密或内幕交易;用/F0分别表示节点BP或IT已经出现了操作风险案件;用/S0表示RBK没有发生操作风险,即处于安全状态;/R0表示RBK已经出现操作风险。根据经验,该银行BP正常的概率为99%、发生风险的概率为1%,IT正常的概率为98%、发生风险的概率为2%(如图1),由BP和IT同时作用导致RBK操作风险的先验条件概率如表1。

表1 零售银行业务操作风险的先验条件概率

BP=/N0IT=/N0

RBK=/S0RBK=/R0

0191501085

IT=/F001355015

BP=/F0IT=/N001501355

IT=/F00108501915

这样,根据贝叶斯规则,我们可以方便地计算RBK处于安全状态和出险状态的先验无条件概率:

P(RBK=/S0)=P(BP=/N0)@(P(RBK=/S0|BP=/N0,IT=/N0)@P(IT=/N0)+P(RBK=/S0|BP=/N0,IT=/F0)@P(IT=/F0))+P(BP=/F0)@(P(RBK=/F0|BP=/N0,IT=/N0)@P(IT=/N0)+P(RBK=/F0|BP=/N0,IT=/F0)@P(IT=/F0))=0199@(01915@0198+01355@0102)+0101@(015@0198+01085@0102)=019011

2 商业银行操作风险预警系统的构建

211 我国商业银行操作风险现状

由于我国商业银行对操作风险的研究和应用还处于起步阶段,许多商业银行不但没有建立完整的操作风险分析和管理体系,甚至连操作风险案件的历史资料也没有得到有效保存,现阶段很难获取我国商业银行操作风险的内部数据。因此,我们主要依赖于外部数据。随着银行公司治理的改进,近年来我国商业银行在信息披露方面有了较大改善,商业银行操作风险案件经常被媒体详细地披露出来,为研究提

)

57)陆 静等:基于贝叶斯网络的操作风险预警机制研究

供了有利条件。我们收集了1990年至2005年以来在国内公开出版的平面媒体如金融时报、财经杂志等和虚拟媒体如新浪、网易等网站上披露的单笔损失金额大于5万元人民币的操作风险案件365个。

统计表明,我国商业银行操作风险发生频率较高的业务条线主要是商业银行、支付和结算、零售银行中,其中商业银行业务条线发生了187个操作风险案件,占全部操作风险发生数量的51123%,支付和结算业务中发生了147个操作风险案件,占全部操作风险发生数量的40127%。因此,我们在构建操作风险预警系统时主要围绕上述三个条线展开。212 操作风险预警系统的贝叶斯网络拓扑结构

为了便于系统的运行和观察,我们将构成预警系统的节点分为两类,第一类是风险原因节点或关键风险诱因节点,它是直接的风险源,可以通过观测直接得到;第二类是征兆

节点或关键风险指标节点,它可以通过贝叶斯网络计算得到。

按照新协议认定的产品线对应表,结合我国商业银行操作风险的具体表现形式及原因,我们将商业银行的所有经营活动分为公司金融、交易和销售、零售银行业务、商业银行业务、支付和结算、代理服务、资产管理、零售经纪等8个条线,并且把这8个节点定义为关键风险指标,它们产生的操作风险汇总就构成了全行的操作风险。至于关键风险诱因,根据我们对所搜集到的样本的分析,在零售银行业务确定了盗用资产、头寸计价错误、贿赂、泄露私密和内幕交易等诱因节点;在商业银行业务确定了欺诈、窃取账户资金、洗钱、产品缺陷、超过客户的风险限额、客户记录错误和会计错误等诱因节点;在支付和结算方面,确定了数据维护错误、违反规章制度和交割失败等诱因节点(表2)。

表2 商业银行操作风险预警系统节点及先验损失分布

先验损失参数

节点名称

简称

均值

方差

VaR01999

节点名称

盗用资产(Misappropriationofassets)

关键

零售银行业务(RetailBanking)

RBK

4171

1147

4270

风险诱因

头寸计价错误(Mismarkingofposition)贿赂(Bribes)

泄露私密(Breachofprivacy)内幕交易(Insidertrading)欺诈(Fraud)

窃取账户资金(Accounttake-over)洗钱(Moneylaundering)

关键

商业银行业务(CommercialBanking)CB

关键风险指标

客户记录错误(Incorrectclientrecords)会计错误(Accountingerror)

关键

支付和结算(PaymentandSettlement)PS

3132

0171

349

风险诱因

公司金融(CorporateFinance)交易和销售(TradingandSales)资产管理(AssetManagement)零售经纪(RetailBrokerage)代理服务(AgencyServices)

全行操作风险(OperationalRisk)

CFTSAMRBASOR

2121302148016911107198

113011211122010201412139

557274333320306615

数据维护错误(Datamaintenanceerror)违反规章制度(Guidelineviolations)交割失败(Deliveryfailure)

ICRAEDMEGVDF

31402171116121081139

11411108111011790169

107034211745049

5176

1147

12203

风险诱因

超过客户的风险限额(Exceedingclientexposurelimits)

ECEL

3122

1161

1139

产品缺陷(Productdefects)

简称

均值

MAMPBRBPITFRATOMLPD

016921711161217131915138312231563181

方差014111391110113011451131113411791179

先验损失参数

VaR01999

1451911741875681781519672529

注:¹假定损失金额服从对数正态分布;º均值和VaR01999的单位:万元。

按照贝叶斯网络模块化的要求以及关键风险诱因与关键风险指标之间的逻辑关系,我们绘制了操作风险贝叶斯网络拓扑结构(如图3)。图3中,带阴影的节点为关键风险指标,其余节点为关键风险诱因。每一节点旁的方框显示了该节点操作风险损失的先验分布值。节点间的有向弧表示贝)

58)

叶斯网络的构造关系。如节点/RBK0表示零售银行业务条线的操作风险,节点/OR0表示全行的操作风险,这两个节点之间的有向弧表示零售银行业务导致的全行操作风险。而节点/RBK0的风险直接由盗用资产、头寸计价错误、贿赂、泄漏私密和内幕交易等关键风险诱因构成。

Vol122,No14

管 理 工 程 学 报

2008年第4期

图3 商业银行操作风险贝叶斯网络拓扑结构及先验分布

213 对预警系统节点的赋值

在确定了操作风险贝叶斯网络结构后,需要对节点进行赋值,即计算各节点的先验分布值。按照巴塞尔银行监管委员会关于风险资本的定义,操作风险不是各节点发生损失的概率,而是在一定置信水平下发生损失的金额,即在险价值VaR。新协议规定,抵御操作风险的置信水平必须与抵御信用风险和市场风险的置信水平相当,即9919%。卡罗尔.亚历山大[6]的研究表明,操作风险损失金额通常服从对数正态分布。根据我们对已获得经验数据的分析,对数正态分布的拟合程度最高。因此,我们假定操作风险贝叶斯网络中各节点均服从对数正态分布,并分别计算了它们的分布参数和VaR01999(如表2),其中个别节点如TS、AM等由于数据量太少,无法进行参数估计,其先验分布是征询了几家国内商业银行风险管理部门专业人士的意见后确定的。尽管表2中部分先验损失参数带有一定的主观性,但并不影响贝叶斯网络方法的应用。实践中,商业银行只需根据该行操作风险的经验数据对先验损失参数进行修正即可。214 预警系统的灯号检测方法

灯号模型是检测金融风险预警状况的一种比较直观、形象的工具,它是借用交通管制的红、绿、黄信号灯的概念,来提示金融风险的大小。在操作风险预警系统中,我们利用灯号模型来显示预警的结果,具体步骤如下:¹选择预警系统的检测节点,在图3中,我们重点关注的是关键风险指标节点的变化情况,因此,选择了这些节点来进行预警监测;º被检测节点的状态值与灯号的关联,根据各操作风险节点所处的不同状态,分别以/绿灯0、/黄灯0、/红灯0和/黑灯0表示;»确定被检测节点状态值的临界点,临界点表明风险状态变化时,量变引起质变的数量界限的数值。临界点的确定对判断操作风险影响很大,它是操作风险监测预警灯号模型应用的关键,一般来讲,可根据对操作风险的静态风险推断值(初

始状态值)和动态风险推断值来确定临界点。我们假定关键风险指标节点和全行操作风险节点处于各类状态的临界值如表3所示,也就是说,根据历史经验,全行操作风险处于正常状态时,其损失强度或损失金额应小于等于310000万元,预警系统显示绿灯;处于轻警状态的损失强度区间为(310000,500000],预警系统显示黄灯;处于中警状态的损失强度区间为(500000,700000],预警系统显示红灯;当操作风险损失强度大于700000万元时,预警系统显示黑灯,全行将发生严重的操作风险,其余类推。

3 商业银行操作风险预警系统的运行

311 通过关键诱因节点风险状态的变化进行正向推理

根据前述的初始状态概率及灯号模型的判别标准,在操作风险预警系统运行中,我们将收集到的各个关键风险诱因节点状态的变化数据输入图3的贝叶斯网络图中,系统按照贝叶斯网络结构进行推理,计算出各关键风险指标节点的后验概率,并用信号灯显示预警情况。

如图4所示,当我们观察到某些关键风险诱因节点的状态发生了变化,如节点/BR0的均值和方差分别变为2169和1131、节点/FR0的均值和方差分别变为6138和1145时,通过贝叶斯网络的传递,关键风险指标节点/RBK0和/CB0的后验参数将发生改变,如图4所示,节点/RBK0的均值和方差分别变为4174和1149、节点/CB0的均值和方差分别变为5191和1148,其对应的损失强度VaR01999分别为4551万元、14408万元,根据表3,零售银行业务条线/RBK0处于轻警状态,而商业银行业务条线/CB0处于中警状态。此时全行操作风险节点/OR0的均值和方差为8106、2140,损失强度的VaR01999为335398万元,全行操作风险预警系统显示黄灯,表示轻警。

)59)陆 静等:基于贝叶斯网络的操作风险预警机制研究

表3 操作风险预警系统被检测节点各状态的临界值

预警临界值

节点名称

零售银行业务(RetailBanking)商业银行业务(CommercialBanking)支付和结算(PaymentandSettlement)

关键风险指标

公司金融(CorporateFinance)交易和销售(TradingandSales)资产管理(AssetManagement)零售经纪(RetailBrokerage)代理服务(AgencyServices)

全行操作风险(OperationalRisk)

简称

无警(绿灯)

RBKCBPSCFTSAMRBASOR

[4500[13000[350[600[300[350[42[30[310000

轻警(黄灯)[5000[14000[350[550[280[400[50[50[500000

中警(红灯)[6000[15000[400[600[320[450[60[70[700000

重警(黑灯)>6000>15000>400>600>320>450>60>70>700000单位:万元

图4 商业银行操作风险的后验分布

表4 全行操作风险状态变化后关键风险指标节点的后验分布

后验分布参数

关键风险指标

零售银行业务(RetailBanking)商业银行业务(CommercialBanking)支付和结算(PaymentandSettlement)公司金融(CorporateFinance)交易和销售(TradingandSales)资产管理(AssetManagement)零售经纪(RetailBrokerage)代理服务(AgencyServices)

简称

均值

RBKCBPSCFTSAMRBAS

51716151313321912135216501721116

方差211711017211331122113301030145

VaR0199923842111359591291455324

VaR01999变化率495174%245109%2194%6105%6135%36177%15134%20113%

显示红灯,此时节点/OR0的均值和方差为8163和21,VaR01999为678168万元。此时,通过贝叶斯网络的传递过程,其关键风险指标节点的后验分布参数也将发生改变。如表4所示,零售银行业务的风险值已经由最初的4270万元增加到238万元,增长了495174%;商业银行业务的风险值已经由最初的12203万元增加到42111万元,增长了245109%;其余节点的风险值都有不同程度的增长,但变化率较小,说明全行操作风险增加主要来自零售银行和商业银行两个条线。其中零售银行和商业银行结点的风险值都远远超过了表4所示的重警临界值,说明这两个业务条线均处于严重的风险状态(黑灯),需要立即采取补救措施。

312 通过全行操作风险节点状态的变化进行逆向推理

贝叶斯网络还可以很方便地进行逆向推理。如果我们观察到全行操作风险(OperationalRisk)状态的变化,则可以了解相关父节点的后验分布。如在预警系统中,全行操作风险)

60)

4 结束语

操作风险管理本身并非全新的理念,只是在银行业经营环境不断变化的时代,如何以一致性、结构化的方式管理操作风险,从而为股东创造财富、提升核心竞争力,才成为全球

Vol122,No14

管 理 工 程 学 报

2008年第4期

银行业与监管当局关注的新焦点。由于操作风险管理过程具有样本量小、结构复杂等特点,较难运用传统的金融风险预警方法构建预警监控系统。本文采用贝叶斯网络方法,通过构建由关键风险指标和关键风险诱因组成的操作风险拓扑结构,分析了各类操作风险指标对操作风险的作用形式,在对各级指标节点赋值的基础上,运用贝叶斯网络测算了各类指标对操作风险的影响程度,从而建立起操作风险的预警系统,以便在出现可能导致巨额操作风险时,商业银行能够及时采取措施化解风险。当然,操作风险预警机制的建立仅仅是商业银行实施全面风险管理的一部份,要有效落实操作风险管理,还需要商业银行具有健全的公司治理结构、良好的风险文化,以及完善的操作风险识别、监控、缓释或转移流程等相关的配套措施。

参

考

文

献

[1] TheBaselCommitteeonBankingSupervision(BCBS).International

convergenceofcapitalmeasurementandcapitalstandards[Z].Basel:BankforInternationalSettlement,June2004.

[2] FrachotA,RoncalliT.Mixinginternalandexternaldataformanaging

operationalrisk[Z].WorkingPaper.GroupedeRechercheopertionanella,CreditLyonnais,France,http:PPgro.creditlynooais.fr,2002.1.

[3] KingJL.OperationalRisk:EVTmodels[Z].WorkingPaper,http:PP

www.genoauk.com,2001.11.

[4] 梁缤尹.我国银行操作风险管理内部模型选择及实施[J].求

索.2005,(1):20~22.

[5] 卡罗尔.亚历山大(英).商业银行操作风险[M].陈林龙等

译,中国金融出版社,2005.1.

[6] AlexanderCarol.Operational

risk:

regulation,

analysis

and

management[M].London:PearsonEducationLimited,2003.

[7] FrachotAntoine,RoncalliOlivier,RoncalliThierry.Lossdistribution

approachinpractice[Z].WorkingPaper,2003.7.

[8] PearlJF.Propagation,andstructuringinbeliefnetworks[J].Articial

Intelligence,1986,29:241~288.

[9] PearlJ.Probabilisticreasoninginintelligencesystems:networksof

plausibleinference[M].SanFracisco:MorganKaufmann,1988.

[10] TheBaselCommitteeonBankingSupervision(BCBS).Consultative

documentonoperationalRisk[Z].Basel:BankforInternationalSettlement,January,2001.

[11] 陈四清.建立科学的风险管理模式,促进零售银行业务健康发

展[J].国际金融研究,2002,(12):9~16.

[12] 樊欣,杨晓光.从媒体报道看我国商业银行操作风险状况[J].

管理评论,2003,(11):43~48.

[13] 刘利.道路交通事故统计分析及预测模型研究[D].重庆大学

硕士学位论文,2004.5.

[14] 谢佩杰.银行计算机系统运行安全原则与策略[J].中国金融

电脑,2001,(6):72~74.

[15] 赵震刚.银行电子化建设要警惕灾难性事故[J].中国金融电

脑,1998,(1):48~49.

[16] 张燕.巴塞尔新资本协议框架下我国银行业操作风险度量研

究[D].湖南大学硕士学位论文,2005,(3).

BuildingupthePre-WarningSystemofOperationalRisk

byMeansofBayesianNetworks

LUJing,TANGXiao-wo

(1.CollegeofEconomicsandBusinessAdministration,ChongqingUniversity,Chongqing400030,China;2.SchoolofManagement,UniversityofElectronicScienceandTechnology,Chengdu6100,China)

Abstract:Becauseoperationalriskofcommercialbankinghasspecialcharacteristicswithfewsamplesandcomplexstructure,itisdifficulttobuilduppre-warningsystembymeansofconventionalfinancialriskpre-warningapproach.WiththeBayesiannetworks,byconstructingoperationalriskpstopologynetworksbeingconsistofKRIsandKRDs,thispaperanalyzesmanyindicatorspactionformsofoperationalrisk.Afterevaluatingeverynode,wecalculatetheseindicatorspinfluenceonoperationalrisk,andbuildingupthepre-warningsystemofoperationalrisk.Thus,oncediscoveringsomeoperationalriskwhichmayresultinhugelossestocommercialbank,commercialbankmayimmediatelytakeactiontoalleviaterisk.

Keywords:bayesiannetworks;operationalrisk;riskmanagement

责任编辑:杜 健

)61)