经济新常态下商业银行风险预警系统研究-宏观经济研究院.pdf

2016年第4期 经济新常态下商业银行 风险预警系统研究* 丁德臣 内容提要 经济新常态下商业银行风险预警 境下，中国银行业呈现增长规模趋缓、信用风险 越来越成为关注的热点。传统统计方法的种种缺 加剧、利息收入减少、非银行机构对银行传统业 陷，使得人工智能方法开始受到学者们的青睐。本 务替代等趋势，商业银行面临更为复杂且相互 文综合考虑了商业银行面临的各种系统和非系统 交织的信用风险、市场风险、流动性风险以及操 风险因素，设计了一个商业银行全面风险预警指 作风险等（张小琳，2015）。2013年6月发生的 标体系，接着利用多专家协商机制确定各指标的 “钱荒”，近期国内外股市、国际大宗商品价格巨 权重，然后采用灰色评价模型对商业银行进行风 幅波动和商业银行呆坏账的增加，以及周小川 险评级预测，进一步来发现商业银行潜在的风险 行长最近明确指出的要牢牢守住不发生系统 因素。最后以国内12家上市商业银行为例进行了 性、区域性金融风险的底线，更进一步证明了建 研究，研究表明提出的商业银行风险预警方法是 立商业银行风险预警系统对防范系统性金融风 切实可行的。 险的重要性。 关键词 经济新常态 商业银行 风险预 警 群决策 灰色系统理论 一、目前国内外研究特点与趋势 经济新常态是中国经济过去几十年高速增 预测银行风险与危机的方法可以分为两大 长、演化而成的必然结果，主要表现为发展增速 类，即统计方法和人工智能方法。统计方法在银 由长期高速向中速平稳增长转型、发展方式由 行风险预测中的使用，最早可以追溯到上世纪 粗放型向集约型转型、增长动力由要素和投资 70年代，而人工智能方法最早使用则直到上世 驱动向消费和创新驱动转型的新常态（扬州市 纪90年代才开始。统计方法包括（线性、多元和 农村金融学会课题组，2015）。 二次）判别分析、要素分析和逻辑回归方法等， 在中国经济进入新常态的背景下，宏观经 人工智能方法包括神经网络模型、运筹方法、粗 济对银行资产增长的支撑作用减弱。在产业结 糙集、模糊逻辑和支持向量机方法等。 构转型升级、人口红利消退、利率市场化加速推 （一）基于统计方法的商业银行风险预警研 进、金融脱媒以及互联网金融快速发展的大环 究 *本文得到国家自然科学基金青年项目“基于计算实验方法的银行系统性风险演化模型研究”和山东省高等学校人 文社会科学研究规划项目“基于ERM理论的商业银行风险早期预警系统研究”（J14WF09）的资助。 124 统计模型于上世纪70年代用于银行风险预 与金融环境复杂而多变，不确定性程度极高，因 测，Sinkey（1975）最早使用多元判别分析进行银 而影响商业银行风险预警的输入变量可能很多 行失败的预测。Meyer 和 Pifer（1970）、Martin （包括银行层面、行业层面以及宏观经济层面）。 （1977）使用逻辑回归模型进行银行风险的预警， 所以从理论上讲，人工智能方法非常适用于商 而West（1985）研究发现杂合了因素分析和逻辑 业银行风险预警问题。Tam（1991）最早将传统统 回归方法的混合模型，在银行风险预警方面更加 计模型与神经网络模型相比较，来预测银行风 有效。Kolari（2002）使用Logit模型分析法对美国 险。他试图使用各种方法来预测美国得州银行 大型商业银行进行了风险预警研究。此后，这类 的风险状况。研究发现，BP人工神经网络方法的 模型的研究与使用一直受到学者们的青睐，近期 预测准确率，优于今天仍在使用的多元判别分 的研究有Cox和Wang（2014）采用多元判别分析 析、逻辑回归方法、K-近邻算法等。Tam和Kiang 方法对