【我國六家商業(yè)銀行操作風(fēng)險的度量探究15000字（論文）】

PAGE3我國六家商業(yè)銀行操作風(fēng)險的度量研究內(nèi)容摘要操作風(fēng)險由來以久，巴林銀行的倒閉將學(xué)界引向?qū)Σ僮黠L(fēng)險或理論或量化的研究。盡管如此，國內(nèi)操作風(fēng)險引發(fā)的銀行重大損失事件還在不斷上演著，對其的管理問題亟待解決。但定性的研究只是浮于表面，通過各種模型的建立對操作風(fēng)險進行量化后再從定性分析出發(fā)才是追根溯源、對癥下藥。計量層面面臨最大的難題是數(shù)據(jù)的缺乏，國內(nèi)銀行有效的內(nèi)部損失數(shù)據(jù)大多沒有被保存下來，因此本文選取的收入模型是基于商業(yè)銀行外部較易獲取的公示數(shù)據(jù)來進行，以六家商業(yè)銀行的凈利潤為目標(biāo)變量，選取真實GDP、上證指數(shù)、存貸利差、企業(yè)景氣指數(shù)、銀行業(yè)景氣指數(shù)、不良貸款率及法定存款準(zhǔn)備將率為自變量，對數(shù)據(jù)進行多元回歸分析，找到其中凈利潤能夠被選去變量解釋的部分進行剔除，則剩余的部分就是操作風(fēng)險對凈利潤的影響。實證的結(jié)果顯示，中國銀行、農(nóng)業(yè)銀行、建設(shè)銀行、交通銀行、工商銀行五家的操作風(fēng)險度量結(jié)果均低于10%，說明起操作風(fēng)險管控水平較高，而工商銀行操作風(fēng)險度量結(jié)果較高為19.02%，表明其操作風(fēng)險管控水平有待加強。最后本文為我國商業(yè)銀行的操作風(fēng)險管理能力的提高提出相應(yīng)的建議和措施。關(guān)鍵詞：商業(yè)銀行操作風(fēng)險度量收入模型一、引言 1（一）研究背景 1（二）研究意義 1二、文獻綜述 2（一）國內(nèi)文獻綜述 2（二）國外文獻綜述 3三、商業(yè)銀行操作風(fēng)險基礎(chǔ)理論概述與成因分析 3（一）操作風(fēng)險的基礎(chǔ)理論 3（二）國內(nèi)商業(yè)銀行操作風(fēng)險管理現(xiàn)狀 4四、實證分析 6（一）模型選擇與基本思想 6（二）數(shù)據(jù)選擇 7（三）基于收入模型的實證分析 12（四）回歸結(jié)果分析與討論 15五、大型商業(yè)銀行操作風(fēng)險管理完善建議的探討 17（一）完善整體規(guī)劃設(shè)計，提高風(fēng)險重視程度 17（二）重新審視發(fā)展戰(zhàn)略，聚焦鎖定內(nèi)控管理 17（三）擴大資金注入，培養(yǎng)專業(yè)化隊伍 18結(jié)論 20參考文獻 21一、引言（一）研究背景自2000年始，金融業(yè)也迎來風(fēng)險因子的變革，業(yè)界逐漸意識到近現(xiàn)代以來金融業(yè)發(fā)展歷程中，操作風(fēng)險使得銀行陷入困境的事件在重復(fù)發(fā)生上演著，極其重大切后果嚴(yán)重的操作風(fēng)險事件也是不勝枚舉。西方金融界最為人熟知的操作風(fēng)險造成銀行巨大損失的案例有：20年代末英國巴林銀行倒閉案，2008年法國興業(yè)銀行交易員欺詐案等。近年來，國內(nèi)商業(yè)銀行操作風(fēng)險給銀行帶來損失案件也在增多，如2015年河南農(nóng)業(yè)銀行業(yè)務(wù)員私刻公章，2017年廣發(fā)銀行違規(guī)擔(dān)保案件，2017年民生銀行的假理財案等。上述案例無不引發(fā)嚴(yán)重的商業(yè)銀行損失后果?？萍荚诓粩喟l(fā)展的今天，金融業(yè)也得到了助推。隨著互聯(lián)網(wǎng)的高度信息化，商業(yè)銀行從中獲得新的發(fā)展路徑，所經(jīng)營的范圍也全面變大，這也意味著操作風(fēng)險一旦過于嚴(yán)重將引發(fā)整個金融系統(tǒng)的動蕩。而電子化又使得操作風(fēng)險變得更為隱蔽也更難追根溯源，因此量化操作風(fēng)險，尋找其根源所在不論對微觀的商業(yè)銀行發(fā)展層面還是宏觀的社會經(jīng)濟穩(wěn)健層面都十分重要。（二）研究意義 某種角度而言，商業(yè)銀行是通過經(jīng)營或管理絕大多數(shù)風(fēng)險從而盈利，因此商業(yè)銀行的整體經(jīng)營歷程就與各類風(fēng)險伴生，風(fēng)險因此也成為商業(yè)銀行各種困難境遇的“始作俑者”。隨著時代的發(fā)展，商業(yè)銀行經(jīng)營過程中的各類風(fēng)險在每個時代中都展現(xiàn)的極具破壞力，風(fēng)險防控愈來愈成為各商業(yè)銀行長期持續(xù)發(fā)展的關(guān)鍵倚靠，其也在整個金融業(yè)的宏觀建設(shè)中展現(xiàn)其重要性。從廣義的銀行風(fēng)險角度來說，銀行的風(fēng)險最主要由市場風(fēng)險、信用風(fēng)險、流動性風(fēng)險、操作風(fēng)險等構(gòu)成。就商業(yè)銀行面對的各種風(fēng)險來說，因大部分風(fēng)險都有直接數(shù)據(jù)來源而操作風(fēng)險往往只能通過定性來分類，而操作風(fēng)險是銀行面對各類風(fēng)險中最難以量化度量但又會給銀行造成巨大損失的，因此本文通過收入模型度量我國規(guī)模較大的六家商業(yè)銀行的操作風(fēng)險，通過研究來提出對操作風(fēng)險的管控建議。二、文獻綜述（一）國內(nèi)文獻綜述在國內(nèi)研究操作風(fēng)險的方面主要在對其管理架構(gòu)、量化計算及治理防控措施這幾方面，下文將從上述三方面進行展開。在管理架構(gòu)方面，任楠（2015）基于操作風(fēng)險定義，期望從商業(yè)銀行內(nèi)部控制視角，通過銀行自身的機制完善來探索對操作風(fēng)險進一步的發(fā)現(xiàn)、評級、量化和管理等內(nèi)容[1]。劉愛娟（2016）提出銀行人員是基于其自身風(fēng)險意識和自身道德來進行業(yè)務(wù)操作，只有當(dāng)風(fēng)險成為一種內(nèi)在理解的價值時，一種行之有效的操作規(guī)范才能在實踐中顯現(xiàn)[2]。在框架構(gòu)成上，其中一種是基于新巴塞爾協(xié)議和和其他學(xué)者研究之上，詹捷（2017）在以往的操作風(fēng)險案例經(jīng)驗之上，通過完善COSO管理體系多方面、多層次、多視角地探索了在銀行的內(nèi)控機制中是否存在著與風(fēng)險呈現(xiàn)的各方面關(guān)系，最終得出基于風(fēng)險純理論上的定性的研究和不同銀行展現(xiàn)出的銀行不盡相同的內(nèi)控方式在實際操作風(fēng)險管理中起著重要作用[3]。還有一種管理模式從操作風(fēng)險定義出發(fā)，狄子新(2017)指出在總結(jié)國外銀行于操作風(fēng)險的防范經(jīng)驗后，使之與國內(nèi)銀行在操作風(fēng)險面對的問題相聯(lián)系，認(rèn)為既要使風(fēng)險管理框架變得統(tǒng)一且全面又要建設(shè)針對操作風(fēng)險的預(yù)警系統(tǒng)，使用數(shù)據(jù)信息的共享給予其助力[4]。在如何量化及計算操作風(fēng)險方面，張學(xué)陶(2006)使用收入模型度量操作風(fēng)險，得出結(jié)論即不良貸款率和經(jīng)濟增長率影響目標(biāo)變量程度最大[5]。劉毅和鄭又源(2011)使用基本指標(biāo)法和標(biāo)準(zhǔn)法通過對工行、中行、建行、農(nóng)行四家大型國有商業(yè)銀行的數(shù)據(jù)進行造作風(fēng)險資本金分析，認(rèn)為其與我國銀行情況不符，結(jié)合國內(nèi)經(jīng)濟發(fā)展?fàn)顩r的模型才能適應(yīng)[6]。李達、陳穎等（2016）表示收入模型在操作風(fēng)險的解釋中具有可用性，大多數(shù)聚焦于量化操作風(fēng)險的學(xué)術(shù)成果都通過于此，其所需數(shù)據(jù)易于獲取[7]。謝琳娜(2016)使用兩種數(shù)據(jù)模型（時間序列、面板數(shù)據(jù)）相接連，探討了操作風(fēng)險大小是否與銀行經(jīng)營規(guī)模大小和獲利能力高低呈現(xiàn)負(fù)相關(guān)[8]。趙雯婷(2017)探究出占比6.96%的銀行收入變動由操作風(fēng)險引起的結(jié)論是通國收入模型對三大國有銀行（建行、工行、中國）數(shù)據(jù)分析得出[9]。盛國祥、王傳玉、付春艷（2017）概覽歸納絕大部分國內(nèi)外學(xué)者有關(guān)收入模型的解讀，為使之能加大實踐中的科學(xué)性及合理性，加深對其實際經(jīng)驗的聯(lián)系[10]。童晶等(2018)通過分析工、農(nóng)、建、中、交五大國有商業(yè)銀行的市場風(fēng)險和信用風(fēng)險數(shù)據(jù)，基于將凈利潤作為被解釋變量的收入模型，總結(jié)道市場風(fēng)險相關(guān)較信用風(fēng)險對銀行凈利潤影響更大[11]。在操作風(fēng)險治理防控措施方面，司倩（2015）為解決內(nèi)控機制與操作風(fēng)險防控的聯(lián)系問題，基于內(nèi)控視角的外部事件分析并結(jié)合學(xué)界各大該領(lǐng)域的理論研究，認(rèn)為可能做到內(nèi)控的完整與風(fēng)險的規(guī)避雙線同行[12]。宋敏燕（2017）表示作為長久以來存在的風(fēng)險問題，操作風(fēng)險的產(chǎn)生能與各種人員操作業(yè)務(wù)相聯(lián)系，如柜臺業(yè)務(wù)等[13]。（二）國外文獻綜述關(guān)于操作風(fēng)險基本概念的追溯最早是是19世紀(jì)末期，彼時的英國銀行家協(xié)會給操作風(fēng)險下了以下定義為操作風(fēng)險內(nèi)涵的最初概述：銀行的一種損失，這種損失主要來自于人員問題、操作過程缺失、詐騙及犯罪、技術(shù)失誤和系統(tǒng)故障引起[14]。而重點在尋找操作風(fēng)險的研究方法上，國際上有定量和定性兩大方向。較早在定量方向上的研究有DuncanWilson(1995)，其通過整理收集大量的歷史銀行中的損失數(shù)據(jù)來計算給定置信區(qū)間VaR值，進而找到需要多少風(fēng)險資本才能抵御操作風(fēng)險.最后結(jié)果顯示合理的衡量方法需要兩種方式的共同使用[15]。AlexanderJ.McNeil.(1999)在文章中缺少具有實踐邏輯上的有效管理工具和方法，但確實最早使用極值理論進行量化分析的[16]。RoekafeFla(2002)使用均值衡量金融機構(gòu)中損失與在險價值的差額，將其命名為條件在險價值即CVaR[17]。JohnJordan(2004)在其文章中只是對操作風(fēng)險的更高級量化手段進行簡要提示，更深度內(nèi)容卻有缺失。極值理論下的損失數(shù)據(jù)計量可以得到足夠應(yīng)對操作風(fēng)險發(fā)生時的用以抵御的資本金額度[18]。AliBayrakdaroglu和NeseYalcn(2013)則認(rèn)為在操作風(fēng)險管控中要用數(shù)據(jù)說話，數(shù)據(jù)是作為衡量操作風(fēng)險絕對重要的存在，因此建立重大損失數(shù)據(jù)庫，對其進行嚴(yán)格的整理、加工的完善過程，基于此的風(fēng)險光控才是科學(xué)的、有效的、可施行的[19]。Sanford、Andeww和Moosa(2015)主要開創(chuàng)性地把數(shù)值模擬工具的方式聯(lián)合數(shù)值模擬工具研究管理實證，提出理論依據(jù)[20]。三、商業(yè)銀行操作風(fēng)險基礎(chǔ)理論概述與成因分析（一）操作風(fēng)險的基礎(chǔ)理論1.商業(yè)銀行操作風(fēng)險的定義最早給出商業(yè)銀行操作風(fēng)險定義的是英國銀行家協(xié)會，在此之后巴塞爾委員會給出了更精確受認(rèn)可程度更高的定義，即：“由不完善或有問題的內(nèi)部程序、人員及系統(tǒng)或外部事件所造成損失的風(fēng)險，該定義包括法律風(fēng)險，但不包括策略風(fēng)險和聲譽風(fēng)險[22]。”本文之所以使用巴塞爾委員會給出的操作風(fēng)險定義，是基于定義本身的精確度而言，相較來說巴塞爾委員會所提出的操作風(fēng)險定義是更為精確和適宜的。本文所指操作風(fēng)險則是廣義的操作風(fēng)險即排除信用、市場風(fēng)險兩大類風(fēng)險之外的其他所有風(fēng)險總和。2.商業(yè)銀行操作風(fēng)險的特征操作風(fēng)險主要普遍隱藏在銀行經(jīng)營管理的各個部分，而信用風(fēng)險主要分布于銀行賬戶，市場風(fēng)險則可能僅在賬戶交易中存在。因此，特征總結(jié)來看如下:一是遍在性與隱匿性。一方面從操作風(fēng)險的定義來看，銀行的每一個近乎微小細(xì)節(jié)的部分都可能存在著操作風(fēng)險，任何業(yè)務(wù)都脫離不開其可能存在的影響。另一方面分布的廣泛意味著操作風(fēng)險搜尋起來的困難，這種困難帶來一種操作風(fēng)險帶有隱匿特征的后果。二是不平衡性和內(nèi)生性。值得一提的是，任何銀行操作風(fēng)險的發(fā)生都無法找到損失與收益的精確對應(yīng)關(guān)系，這意味著操作風(fēng)險不同于銀行可能面臨的其他風(fēng)險那般，其是一種純粹的損失風(fēng)險，這也就是損失與收益的不平衡。再次，縱觀歷史金融領(lǐng)域操作風(fēng)險案例，操作風(fēng)險的不平衡性決定著本身具有的內(nèi)生性。體現(xiàn)在任何非金融機構(gòu)的外部人員無法獨立造成操作風(fēng)險發(fā)生損失，只有內(nèi)部的失誤或有目的的內(nèi)外聯(lián)動才能產(chǎn)生。三是損失程度高且無直接量化數(shù)據(jù)。首先若將操作風(fēng)險的損失分類，從其發(fā)生路徑可以將其分為直接的和間接的。直接的損失即其字面含義，而間接的損失則通過機會成本的產(chǎn)生及其他成本而顯現(xiàn)。不論何種，從歷史經(jīng)驗來看造成損失的純經(jīng)濟數(shù)值而言都是極大的。其次，操作風(fēng)險產(chǎn)生的原因眾多但卻都無法將其直接顯示一目了然的經(jīng)濟數(shù)字，數(shù)據(jù)的收集以及數(shù)據(jù)庫的建立更需要昂貴的經(jīng)濟成本支撐，就此而言我國截至今日銀行也能夠統(tǒng)一使用的方法也未誕生。（二）國內(nèi)商業(yè)銀行操作風(fēng)險管理現(xiàn)狀1.我國商業(yè)銀行操作風(fēng)險監(jiān)管歷程宏觀層上，新常態(tài)時代意味著以往的超高速的經(jīng)濟時代已然逝去，表現(xiàn)在微觀上就是企業(yè)的版圖拓寬的發(fā)展中減速，利潤獲取變難，各類風(fēng)險都將點滴地發(fā)生。因此我國銀行業(yè)面對如此的經(jīng)濟大環(huán)境，全面完善且精細(xì)化的管理成為重中之重。就整體的風(fēng)險管理而言，相較于西方金融業(yè)來說，理念的、方是的、技術(shù)的各個核心方面我國的整體管理水平都不占優(yōu)勢，當(dāng)將整體的狀況落點于操作風(fēng)險的一隅之地，這種優(yōu)勢缺失更變得不可忽略。因此我們應(yīng)當(dāng)將探索的焦點落于操作風(fēng)險發(fā)生的時間性質(zhì)之上，回顧近年國內(nèi)案例，不難發(fā)現(xiàn)違規(guī)、內(nèi)部欺詐甚至是腐敗占事件發(fā)生的大頭，找到損失時間的源頭，對其處理和進步一規(guī)范完善才能對癥。操作風(fēng)險具有特殊性，損失的后果絕不是經(jīng)濟損失這么簡單。就銀行也而言，聲譽事至關(guān)重要的，尤其在我國儲蓄存款占比極高特殊國情之下，銀行業(yè)作為國民極度關(guān)注的產(chǎn)業(yè)，有關(guān)其聲譽的任何風(fēng)吹草動都能引起蝴蝶效應(yīng)。這就意味著，面對操作風(fēng)險銀行本身存在著隱瞞的動機，一旦有任何操作鞥線時間被隱瞞，對操作風(fēng)險的整體研究都是不利的。再言之，我國大型的銀行目前的分布狀況為極度的廣泛和零散，極致的細(xì)節(jié)難以完整的錄入。2.我國商業(yè)銀行操作風(fēng)險管理存在問題各種因素的影響下，此處所指的問題主要基于我國國內(nèi)與國際先進銀行全方面對比中發(fā)現(xiàn)，問題如下：（1）意識層面：風(fēng)險管理意識的欠缺此處所言的風(fēng)險管理意識欠缺不是商業(yè)銀行對總體風(fēng)險管控的意識缺失，而是就單獨的操作風(fēng)險而言。對比發(fā)現(xiàn)，相較于信用風(fēng)險、市場風(fēng)險這類直接的經(jīng)濟數(shù)列中直接展示的內(nèi)容，商業(yè)銀行內(nèi)部對操作風(fēng)險的認(rèn)識是片面的，無系統(tǒng)認(rèn)知的前提下，就會導(dǎo)致對其對管制的方法論也是片面的。就風(fēng)險防控而言，事前的風(fēng)險防范對信用風(fēng)險和市場風(fēng)險都萬分重要，而一旦映射到操作風(fēng)險時這一關(guān)鍵點就沒能完全做到。當(dāng)我們聚焦于操作風(fēng)險的計量會發(fā)現(xiàn)，大多來自于學(xué)界的計量而銀行本身卻只是施行定性的分析方法，這種慣性下的思維及方法論是需要改變的。（2）技術(shù)層面：風(fēng)險管理技術(shù)的短缺就理念上的研究而言，相比國外國內(nèi)的開始是滯后的，理念指導(dǎo)著管理的方式致使其跟隨腳步也是較晚的。橫向來看，不論是從系統(tǒng)性來講還是實踐經(jīng)驗來看都比較欠缺。因而技術(shù)在大環(huán)境如此中，相較于國外通過電子工具管理操作風(fēng)險和外部監(jiān)察審計的綜合手段，國內(nèi)則展現(xiàn)的單一且片面又缺乏多機構(gòu)的聯(lián)合管制。就算是大型的國有商業(yè)銀行，在上述的執(zhí)行力上都顯得蒼白。（3）架構(gòu)層面：風(fēng)險管理架構(gòu)的不系統(tǒng)首先，組織架構(gòu)不系統(tǒng)。無論在任何領(lǐng)域，制衡機制都是系統(tǒng)運行必然存在的一部分。國際先進的銀行中，制衡機制在操作風(fēng)險的組織框架中幾乎無處不在，針對于此的有關(guān)部門也每日向管理層匯報操作風(fēng)險的具體情況從而協(xié)助決策的制定。對比來看，國內(nèi)有上述操作的銀行數(shù)量非常少，大多的風(fēng)險管理架構(gòu)并不系統(tǒng)，具體來看縱向的業(yè)務(wù)部門操作風(fēng)險并不由專人檢測，專業(yè)性缺失則意識薄弱。就銀行整體組織架構(gòu)而言，銀行部門龐雜下專門部門的缺失可能無標(biāo)準(zhǔn)統(tǒng)一的操作風(fēng)險評估，整體的銀行效率也將大幅降低。其次，監(jiān)管制度不系統(tǒng)。至今時今日，我國銀行業(yè)操作風(fēng)險的將官制度適應(yīng)面過窄，橫截面上如該制度約束前臺而無法覆蓋到后臺，前臺即一線業(yè)務(wù)人員，后臺即管理層?？v向上就體現(xiàn)為時間的都有限性，如我國規(guī)定的日工作時間與工作之外的時間無法全部覆蓋。同時，制度具有不適應(yīng)性，即符合國內(nèi)銀行業(yè)發(fā)展的特殊資本充足率的規(guī)定。再次，考核機制不系統(tǒng)?？伎茩C制主要指針對員工的績效考核，在其內(nèi)容上展現(xiàn)為風(fēng)險約束的缺失，由于績效考核的硬性指標(biāo)只在存款、收入等，當(dāng)頂層理念落到一線時被曲解，一味的績效追求將導(dǎo)致潛在的操作層失誤的增多。在落實過程中，激勵若落實缺乏秩序內(nèi)部欺詐就極易發(fā)生，利益的交叉相錯將削弱原本設(shè)定的風(fēng)險管控預(yù)期。（4）人員層面：文化的限制與專業(yè)性的缺乏文化對于很對企業(yè)而言具有某些不可取代的作用，銀行也不例外，在風(fēng)險管控方面也能形成文化的一面，即風(fēng)控文化。我國經(jīng)濟發(fā)展至今，商業(yè)銀行不斷增多，市場環(huán)境在這之中發(fā)生了極大的轉(zhuǎn)變，復(fù)雜、交錯、激烈成為如今市場的代名詞。大環(huán)境如此之下銀行的發(fā)展就趨向求快、求速、求業(yè)務(wù)的極度擴張和求利潤空間的極速擴大，銀行管控的注意力偏離風(fēng)控太多，風(fēng)控文化就無法影響從業(yè)人員，因而風(fēng)控意識在這之中被不斷淡化。尤其是在銀行的柜員業(yè)務(wù)層面，風(fēng)控文化是最難傳遞并影響他們的，這也解釋了為何在一線操作風(fēng)險發(fā)生的頻率最高。四、實證分析（一）模型選擇與基本思想1.模型選擇目前國內(nèi)操作風(fēng)險管控的現(xiàn)狀并不良好，首先操作風(fēng)險風(fēng)控方面的研究相較于國外而言顯得滯后很多，其次就其制度而言存在不健全不完善問題，而實證研究方面最重要的損失數(shù)據(jù)更是我國這方面研究的一大痛點。數(shù)據(jù)的缺失之外更有發(fā)生操作風(fēng)險損失時隱瞞不報的劣跡事件。國際上選擇定量分析操作風(fēng)險的方法有很多，但根據(jù)巴塞爾新資本協(xié)議一般高級的計量方法都需要相關(guān)機構(gòu)的審批環(huán)節(jié)，同時對數(shù)據(jù)的要求也很高，這在目前國內(nèi)銀行業(yè)中很難辦到。面對國內(nèi)缺少信息披露、數(shù)據(jù)的情況，因此本文選擇收入模型，選取廣義的操作風(fēng)險定義，即非信用分險和市場風(fēng)險則為操作風(fēng)險。2.收入模型法的基本思想收入模型的原理如下：首先，在銀行總收入的基礎(chǔ)上，在銀行的所有財務(wù)指標(biāo)中最大程度上能映射銀行盈利能力的是銀行凈利潤，因此選取銀行凈利潤為目標(biāo)變量Y。而影響凈利潤的風(fēng)險因子廣義上又能分為三種（市場風(fēng)險σMarket2、信用風(fēng)險σCredit2、操作風(fēng)險σOperation2），按照銀行面對的風(fēng)險來選取兩大類變量進行多元回歸分析，即選取信用風(fēng)險和市場風(fēng)險，這兩者的量化方式已有較多研究佐證已然接近成熟。原理基于用銀行凈利潤中由市場風(fēng)險和信用風(fēng)險影響的部分從總收益中提出的思路，提出兩大類變量的影響結(jié)果后，最后留下的便是操作風(fēng)險控制的收益部分。最后得出的結(jié)果也能解釋凈利潤波動（σ構(gòu)造回歸公式如下：Y上述中Yi（i=1～6）為被解釋變量；xn為各風(fēng)險因子；αn為解釋變量的系數(shù)；被解釋變量中Y1為中國銀行凈利潤，Y2為農(nóng)業(yè)銀行凈利潤，Y3為建設(shè)銀行凈利潤，Y4為交通銀行凈利潤，Y5為招商銀行凈利潤，Y6為工商銀行凈利潤。自變量中X1為真實GDP，X2為上證指數(shù)，X3為銀行存貸利差，X4為企業(yè)景氣指數(shù)，X5為銀行業(yè)景氣指數(shù)，X6為法定存款準(zhǔn)備金率，X7為不良貸款率。結(jié)合上述，本文選取六家商業(yè)銀行的14年的年度凈利潤為目標(biāo)變量，選取市場、信用風(fēng)險等其他風(fēng)險因素為自變量。構(gòu)建多元回歸模型計算變量的方差，則操作風(fēng)險的方差可以從如下得出：σσ2是操作風(fēng)險的方差；σtatal2若前提假設(shè)風(fēng)損服從正態(tài)分布成立，則操作風(fēng)險按正態(tài)分布相關(guān)數(shù)理內(nèi)容就等同于標(biāo)準(zhǔn)差的3.1倍，則置信區(qū)間在99.9％中的操作風(fēng)險值就能成功獲取。（二）數(shù)據(jù)選擇宏觀層面的經(jīng)濟大環(huán)境、銀行經(jīng)營優(yōu)良情況、銀行資產(chǎn)質(zhì)量、相關(guān)政策的實施等因素都能對銀行凈利潤造成影響。若從宏觀層面經(jīng)濟分析來看，最能代表宏觀經(jīng)濟的無外乎是國內(nèi)生產(chǎn)總值，然而國內(nèi)生產(chǎn)總值中包含著通脹等因素并不是最貼近實際經(jīng)濟運行狀況的指標(biāo)，因此相較而言真實的國內(nèi)生產(chǎn)總值（RGDP）選取更優(yōu)。本文選取的六大銀行均為上市銀行，因此上證指數(shù)（INDEX）也納入指標(biāo)中，同時商業(yè)銀行的盈利來源大部分都是信貸業(yè)務(wù)，因此一年期存貸款利差（DBDL）納入代表宏觀市場風(fēng)險的指標(biāo)。企業(yè)景氣指數(shù)（BPI1）也在某種程度上代表著宏觀經(jīng)濟層面的現(xiàn)在和未來運行狀況而銀行業(yè)景氣指數(shù)(BPI2)則代表著中觀層面中行業(yè)的現(xiàn)狀和前景。不良貸款率（NLR）側(cè)面反應(yīng)銀行盈利能力的同時也納入銀行經(jīng)營狀況行列。法定存款準(zhǔn)備金率（LDRR）是中央銀行對商業(yè)銀行實行的三種貨幣政策的其中一種，同時其一定程度上也代表著銀行資本的流動性。綜上所述，能夠代表各風(fēng)險因素的指標(biāo)都被納入模型中檢驗，以期最大程度上將操作風(fēng)控體現(xiàn)出來。選取的指標(biāo)分別為真實GDP內(nèi)生產(chǎn)總值、上證指數(shù)、企業(yè)景氣指數(shù)、銀行業(yè)景氣指數(shù)、貸存利差、法定存款準(zhǔn)備金率及各大銀行不良貸款率。下面將對選取指標(biāo)進行詳細(xì)闡述與展示，并對近14年數(shù)據(jù)進行簡要分析。1.凈利潤在銀行的年度財務(wù)報表中，凈利潤年末利潤總額與企業(yè)應(yīng)交稅費的差額，是銀行經(jīng)營成果的體現(xiàn)。2007年～2020年中國銀行、農(nóng)業(yè)銀行、建設(shè)銀行、交通銀行、招商銀行、工商銀行進利潤如表4-1所示：表4-12007-2020年四大國有銀行和招商銀行工商銀行凈利潤（億元）年度中國銀行農(nóng)業(yè)銀行建設(shè)銀行交通銀行招商銀行工商銀行2007620.17437.87691.42206.41152.43819.92008650.73514.53926.42285.2209.461111.512009853.49650.021068.36302.11182.351293.520101096.91949.071350.31391.72257.691660.2520111303.191219.561694.39508.17361.272084.4520121457.461451.311936.02584.72452.722386.9120131637.411662.112151.22624.61517.422629.6520141771.981795.12282.47660.35560.492762.8620151794.171807.742288.86668.31580.182777.220161840.511840.62323.89676.51623.82791.0620171849.861931.332436.15706.91706.382874.5120181924.352026.312556.26741.65808.192987.2320192018.912129.242692.22780.62934.233133.6120202050.962164.002735.79795.7979.593176.85數(shù)據(jù)來源：四大國有商業(yè)銀行和招商銀行工商銀行網(wǎng)站及歷年年報.從上表可見六家銀行在近十四年內(nèi)凈利潤都呈現(xiàn)穩(wěn)定增長的趨勢，其中中國銀行、農(nóng)業(yè)銀行、交通銀行、工商銀行四家發(fā)展到2020年利潤規(guī)模都超過2000億元，交通銀行和招商銀行的凈利潤相對前四家次之，均為超過1000億元，但總體來看六家銀行的發(fā)展都非常平穩(wěn)。2.真實GDP最能代表一個國家宏觀經(jīng)濟狀況的無非是名義GDP，本文本應(yīng)選取名義GDP作為解釋變量，然而鑒于名義GDP無法反應(yīng)社會經(jīng)濟通脹情況，所以選取名義GDP增長率/CPI所得的真實GDP即RGDP來進行衡量。具體的結(jié)果在表4-2所示：表4-22007-2020年GDP增速與CPI指數(shù)年份GDPCPI真實GDP200714.2104.7713.5520089.7105.869.1620099.499.319.46201010.6103.3210.2520119.5105.399.0120128.1102.657.8920137.8102.67.6020147.3101.997.1620156.9101.446.820166.71026.5720176.9101.66.7920186.4102.16.2720196.1102.95.9320202.3102.52.24數(shù)據(jù)來源：《中國統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》、中國人民銀行網(wǎng)站．根據(jù)上表數(shù)據(jù)可知，2011年前我國GDP增長速度極快，2011年后進入GDP增長放緩期，到2020年進入近14年中GDP增速最低期，這可能與2020年全國性的新冠肺炎疫情有關(guān)。我國各行各業(yè)自2020年3月始停產(chǎn)停工，人民都足不出戶抵御疫情，因此國內(nèi)生產(chǎn)總值出現(xiàn)大幅下跌。而CPI在近14年中都變化不大，基本維持在101～105的區(qū)間中，因此真實GDP在近14年中主要受名義GDP增長率的影響。3.上證指數(shù)宏觀層面而言，上證指數(shù)是可以呈現(xiàn)一定的經(jīng)濟變動的。本文選取的六家大型商業(yè)銀行都是在A股上市的公司，上證指數(shù)無疑對凈利潤產(chǎn)生或正或負(fù)的影響。盡管相較于西方的股票市場而言我國股票市場還有缺陷，但股票市場的確實時地映射著經(jīng)濟的不同走勢。表4-32007-2020年上證指數(shù)年份Index年份Index20075261.5620143234.6820081820.8120153539.1820093277.1420163103.6420102808.0820173307.1720112199.4220182493.9020122269.1320193050.1220132115.9820203473.07數(shù)據(jù)來源：Wind數(shù)據(jù)庫.從表4-3中可以看出，在2008年后至2020年上證指數(shù)都在平穩(wěn)上升，但都未超越2008年金融危機前的指數(shù)值，由此看出該指標(biāo)一定程度上是宏觀經(jīng)濟的縮影。4．存貸利差近年來銀行業(yè)雖說在通過中間業(yè)務(wù)的擴張來尋求盈利的新途徑，但總的來說存貸利差才是長久以來國內(nèi)整個營業(yè)也賴以生存的最倚靠也最基本收入來源，因此本文將銀行業(yè)一年期存貸利差（DBDL）納入模型。表4-42007-2020年存貸款利差年份Loan（%）Deposit（%）L-D（%）20077.474.143.3320085.312.253.0620095.312.253.0620105.812.753.0620116.563.53.062012633201363320145.62.752.8520154.8522.8520164.351.52.8520174.351.13.2520184.751.75320194.151.752.420203.851.752.1數(shù)據(jù)來源：中國人民銀行網(wǎng)站.如表4-4所示，2007～2020年內(nèi)的一年期貸款利率基本呈現(xiàn)下降的趨勢，2020年已達到最低，該狀況應(yīng)與2020年新冠疫情相聯(lián)系，宏觀經(jīng)濟的運行不暢則貸款活躍度降低，貸款利率隨之降低。就存款利率而言，整體也呈現(xiàn)著下降的趨勢，2015年開始浮動不大，基本平穩(wěn)。存貸利差在近14年中基本在3%上下浮動。5.景氣指數(shù)此處所指的景氣指數(shù)包含的是企業(yè)景氣指數(shù)與銀行業(yè)景氣指數(shù)兩個指標(biāo)。由于商業(yè)銀行占大頭的信貸業(yè)務(wù)主要面對的是各類企業(yè)的資金流動，因而在信貸過程中就潛藏著信用風(fēng)險，企業(yè)的景氣程度與企業(yè)的運營狀況相聯(lián)系，其所代表的同樣也是銀行可能遭受損失的程度。值的注意的是，隨著銀行各類業(yè)務(wù)的展開如個人貸款、理財產(chǎn)品等，企業(yè)貸款雖占銀行總貸款比重大卻不是唯一的貸款去向。而銀行業(yè)景氣指數(shù)則可以更為直觀地回顧銀行業(yè)發(fā)展的成果并展望銀行業(yè)未來的發(fā)展前景。如表4-5所示，企業(yè)景氣指數(shù)在2008年大幅下降過一次，之后于2010有所回升。2010年后至2016年都處于小幅的小將階段，知道2017年至今維持在120上下的水平。銀行業(yè)景氣指數(shù)變化趨勢大體上與企業(yè)景氣指數(shù)保持一致，也經(jīng)歷了由下降到回升再到放緩的過程。表4-52007-2020年企業(yè)景氣指數(shù)與銀行業(yè)景氣指數(shù)年份企業(yè)景氣指數(shù)銀行業(yè)景氣指數(shù)2007143.670.72008107.068.52009130.685.52010138.087.22011128.285.42012124.479.12013119.577.92014114.670.72015112.260.52016113.563.92017123.468.32018120.268.72019122.870.72020121.967.9數(shù)據(jù)來源：《中國統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》.6.不良貸款率不良貸款率通常被視為是信用風(fēng)險的主要數(shù)據(jù)來源，因為其代表的是銀行貸款中可能無法收回的款項最后變?yōu)閴馁~，一家銀行不良貸款率與凈利潤呈現(xiàn)反向關(guān)系，意味著其可能會對沖凈利潤。表4-62007-2020年四大國有銀行及招商銀行工商銀行不良貸款率年份中國銀行農(nóng)業(yè)銀行建設(shè)銀行交通銀行招商銀行工商銀行20073.1223.572.602.051.542.7420082.654.322.211.921.112.2920091.522.911.501.360.821.5420101.102.031.141.120.681.0820111.001.551.090.860.560.9420120.951.330.990.920.610.8520130.961.220.991.050.830.9420141.181.541.191.251.111.1320151.432.391.581.511.681.5020161.462.371.521.521.871.6220171.451.811.491.501.611.5520181.421.591.461.491.361.5220191.371.401.421.471.161.4320201.461.571.561.671.071.58數(shù)據(jù)來源：國泰安數(shù)據(jù)庫.從表4-6可以看到，近14年中，中國銀行不良貸款率最高為2007年數(shù)值為3.12%，最低是2012年數(shù)值為0.95%；農(nóng)業(yè)銀行不良貸款率最高為2007年23.57%。最低是2013年1.22%；建設(shè)銀行不良貸款率最高為2017年2.6%，最低是2012和2013年數(shù)值是0.99%；交通銀行不良貸款率最高為2007年2.05%，最低為2011數(shù)值0.86%；招商銀行不良貸款率最高為2016年1.87%，最低為2011年0.56%；工商銀行不良貸款率最高為2007年2，74%，最低為2012年0.85%。橫向來看不良貸款率最高的是2007年農(nóng)業(yè)銀行23.57%，最低為2011年0.54%。總的來看，2009年～2020年除農(nóng)業(yè)銀行的其他商業(yè)銀行不良貸款率均穩(wěn)定在2%以下，值得注意的農(nóng)業(yè)銀行在六家銀行中2018年以前不良貸款率都是最高的，2018年后，不良貸款率才穩(wěn)定下來。7.法定存款準(zhǔn)備金率法定存款準(zhǔn)備金率通常被認(rèn)為是預(yù)防商業(yè)銀行流動性風(fēng)險的存在，來規(guī)定這一指標(biāo)的通常是中央銀行，是中央銀行的貨幣政策。法定存款準(zhǔn)備金率的存在就是的商業(yè)銀行無法將所有吸收地存款用作貸款放出，則例如擠兌此種標(biāo)準(zhǔn)的流動性風(fēng)險事件的發(fā)生概率就變小。大型商業(yè)銀行的法定存款準(zhǔn)備金率取每年年末數(shù)值統(tǒng)計表4-7:年份法定存款準(zhǔn)備金率年份法定存款準(zhǔn)備金率200714.5201418.6200815.5201517.5200915.9201617201018.5201716.5201121201814.5201220201913201319.8202012.5表4-72007-2020年大型金融機構(gòu)法定存款準(zhǔn)備金率數(shù)據(jù)來源：國泰安數(shù)據(jù)庫.（三）基于收入模型的實證分析1.描述性統(tǒng)計量分析表4-8目標(biāo)變量凈利潤的描述性統(tǒng)計凈利潤均值中位數(shù)最大值最小值標(biāo)準(zhǔn)差Jarque-BeraProbability中國銀行CB1490.721704.702050.96620.17502.751.5964090.450136農(nóng)業(yè)銀行ABC1469.911728.612164.00437.87608.751.5441080.462063建設(shè)銀行CBC1938.132216.852735.79691.42679.941.4569410.482647交通銀行BCM566.64642.48795.70206.41195.411.5194080.467805招商銀行CMB523.30538.96979.59152.43271.830.7540960.685883工商銀行ICBC2320.682696.263176.85819.90790.881.7497880.416906表4-10不良貸款率描述性統(tǒng)計變量均值中位數(shù)最大值最小值標(biāo)準(zhǔn)差偏度峰度真實GDP0.080.070.13550.22440.02570.1762664.028262上證指數(shù)2996.713076.885261.561820.81855.23551.0996844.603939存貸利差2.9233.332.10.3201-1.3939614.461182企業(yè)景氣指數(shù)122.85122.36143.61079.96430.5168382.780737銀行業(yè)景氣指數(shù)73.2170.787.260.58.38500.4508652.025147法定存款準(zhǔn)備金率16.7716.752112.52.6257-0.0398241.959774表4-10不良貸款率描述性統(tǒng)計變量均值中位數(shù)最大值最小值標(biāo)準(zhǔn)差偏度峰度中國銀行CB1.5051.4253.120.950.6255671.6784044.764693農(nóng)業(yè)銀行ABC3.54291.723.571.225.8221073.21842511.60948建設(shè)銀行CBC1.48141.4752.60.990.4507921.2423434.028804交通銀行BCM1.40641.482.050.860.3466010.1411082.382015招商銀行CMB1.14361.111.870.560.4195350.2120621.870141工商銀行ICBC1.47931.512.740.850.5224861.0475853.696022以上EViews.11SV結(jié)果顯示在顯著性水平0.05的條件下，六家商業(yè)銀行等Jarque-Bera統(tǒng)計值的P值遠(yuǎn)大于0.05，不能拒絕商業(yè)銀行凈利潤服從正態(tài)分布的原假設(shè)，即初步認(rèn)為這六大型商業(yè)銀行銀行凈利潤服從正態(tài)分布。2.數(shù)據(jù)平穩(wěn)性檢驗（單位根檢驗）表4-11銀行凈利潤ADF檢驗結(jié)果變量ADF值P值1%5%10%平穩(wěn)性CB-6.5588480.0003-4.12199-3.14492-2.713751平穩(wěn)ABC-3.3400890.0386-4.200056-3.175352-2.728985平穩(wěn)CBC-3.9039910.0143-4.12199-3.14492-2.713751平穩(wěn)BCM-2.0756080.2558-4.200056-3.175352-2.728985不平穩(wěn)D（BCM）-5.4278060.0016-4.200056-3.175352-2.728985平穩(wěn)CMB-3.0688890.0566-4.12199-3.14492-2.713751不平穩(wěn)D（CMB）-3.2449640.0477-4.297073-3.212696-2.747676平穩(wěn)ICBC-4.1273930.0099-4.12199-3.14492-2.713751平穩(wěn)表4-12風(fēng)險因子ADF檢驗結(jié)果變量ADF值P值1%5%10%平穩(wěn)性RGDP-1.4564140.5227-4.05791-3.11991-2.701103不平穩(wěn)D（RGDP）-4.3542460.0069-4.12199-3.14492-2.713751平穩(wěn)INDEX-6.5764890.0002-4.121990-3.144920-2.713751平穩(wěn)DBDL-4.0471200.0144-4.297073-3.212696-2.747676平穩(wěn)BPI1-6.5650290.0003-4.121990-3.144920-2.713751不平穩(wěn)BPI2-2.8924400.0752-4.121990-3.144920-2.713751不平穩(wěn)D（BPI2）-5.9566050.0008-4.200056-3.175352-2.728985平穩(wěn)LDRR-1.7773540.3723-4.121990-3.114920-2.713751不平穩(wěn)D（LDRR）-4.4772280.0077-4.297073-3.212696-2.747676平穩(wěn)表4-13銀行不良貸款率ADF檢驗結(jié)果變量ADF值P值1%5%10%平穩(wěn)性CB-6.781420.0003-4.200056-3.175352-2.728985平穩(wěn)ABC-2.9627080.0727-4.297073-3.212696-2.747676平穩(wěn)D（ABC）-37.443330.0001-4.200056-3.175352-2.728985平穩(wěn)CBC-4.204310.0099-4.200056-3.175352-2.728985平穩(wěn)BCM-4.2639290.0105-4.297073-3.212696-2.747676平穩(wěn)CMB-3.6188560.0249-4.200056-3.175352-2.728985平穩(wěn)ICBC-5.0736790.0027-4.200056-3.175352-2.728985平穩(wěn)從以往經(jīng)驗來看，經(jīng)濟數(shù)據(jù)中的縱向的事件序列展現(xiàn)出不平穩(wěn)的特性，因此要對其進行單位根檢驗（ADF檢驗）來衡量序列是否存在單位根。用EViews.11SV進行檢驗得到結(jié)果如表4-11，4-12，4-13所示:以上EViews.11SV運行結(jié)果顯示，大部分變量原始序列基本在５％的顯著性下均能拒絕原假設(shè)，從而認(rèn)為原始時間序列變動率數(shù)據(jù)不存在單位根，數(shù)據(jù)平穩(wěn)；而對少數(shù)幾項存在單位根的數(shù)據(jù)序列進一步分析，其在一階差方序列情況下ADF值均小于５％顯著水平的檢驗臨界值，即在５％顯著性水平下可拒絕序列存在單位根的的原假設(shè)，又稱這些數(shù)據(jù)序列為一階單整序列。3.構(gòu)造線性回歸模型結(jié)合前述設(shè)定，本文以銀行凈利潤Profit作為目標(biāo)變量，將真實GDP增長率(名義GDP增長率/CPI)，股票市場指數(shù)Index，一年期存貸款利差(DBDL)，企業(yè)景氣指數(shù)（BPI1），銀行業(yè)景氣指數(shù)（BPI2），大型金融機構(gòu)法定存款準(zhǔn)備金率和不良貸款率（NLR），這7項作為自變量，構(gòu)建多元回歸模型如下:Profit=由EViews.11SV進行OLS線性回歸結(jié)果如下：中國銀行：Profit=2.1771*RGDP-0.0584*INDEX-0.3522*DBDL+0.0846*BPI1+0.0196*BPI2+0.5063*LDRR-0.6131*NLR+0.0247農(nóng)業(yè)銀行：Profit=3.1661*RGDP-0.0131*INDEX-0.3896*DBDL+0.2242*BPI1-0.0022*BPI2+0.8311*LDRR-3.0667*NLR+0.0287建設(shè)銀行：Profit=2.0317*RGDP-0.0083*INDEX-2.43*DBDL-0.377*BPI1-0.2052*BPI2+0.5608*LDRR-0.7751*NLR+0.0182交通銀行：Profit=1.9328RGDP-0.0436*INDEX-0.2766*DBDL-0.3020*BPI1+0.0067*BPI2+0.6778*LDRR+0.7308*NLR+0.0124招商銀行：Profit=1.7068*RGDP-0.2718*INDEX-0.3534*DBDL+0.3195*BPI1-0.5009*BPI2+0.4676*LDRR-2.3386*NLR-0.0191工商銀行：Profit=2.2053*RGDP+0.0072*INDEX-0.2880*DBDL-0.3973*BPI1-20.2484*BPI2+0.6228*LDRR—0.7224*NLR+0.0207表4-14六家銀行模型有效性檢驗中國銀行農(nóng)業(yè)銀行建設(shè)銀行交通銀行招商銀行工商銀行R-squared0.93299110.9286090.9217080.9159230.8097610.921355F-statistic9．9325339.2910368.4090907.7812953.0403998.368134Prob(F-statistic)0.0112080.0129870.0161470.0190890.1195370.016319Durbin-Watsonstat2.6826112.3770231.7533812.2467102.3628572.1748341-R20.06700890.0713910.0782920.0840770.1902390.078645以上分析結(jié)果顯示六家大型商業(yè)銀行的Ｆ統(tǒng)計量的Prob（F-statistic）值均無限趨于０，證明模型中被解釋變量和解釋變量之間線性關(guān)系是顯著，同樣觀察Durbin-Watsonstat的數(shù)值都接近于２，證明各因素之間不存在序列自相關(guān)，可見對六家大型商業(yè)銀行銀行OLS分析結(jié)果是比較理想的。（四）回歸結(jié)果分析與討論1.對模型變量進行分析從表4-15可知，在六大銀行的回歸模型中，真實GDP敏感系數(shù)最高，且都大于零為正數(shù)，同時六家銀行中RGDP系數(shù)最高的是農(nóng)業(yè)銀行，最低是工商銀行。以上結(jié)果表明，真實GDP的變動即宏觀經(jīng)濟的變化對銀行凈利潤影響最大。除工商銀行外，其他五家大型銀行的上陣指數(shù)敏感喜事都小于零為負(fù)數(shù)呈現(xiàn)負(fù)相關(guān)關(guān)系。橫向?qū)Ρ榷?，?fù)向相關(guān)中招商銀行上證指數(shù)波動對招商銀行凈利潤影響最大而建設(shè)銀行上證指數(shù)波動負(fù)面影響最小。從相對值而言，工商銀行上證指數(shù)敏感系數(shù)最小，意味著在六家銀行中上證指數(shù)對工商銀行影響最不明顯。存貸利差中值得注意的是建設(shè)銀行存貸利差絕對值最大。就企業(yè)景氣指數(shù)而言，不同銀行所呈現(xiàn)的數(shù)值或正或負(fù)，這可能主要和不同銀行進行的業(yè)務(wù)對象所在領(lǐng)域不同有關(guān)，其中工商銀行絕對系數(shù)最高，可看出其對工商銀行影響最大。銀行業(yè)景氣指數(shù)中各銀行都為正值，意味著銀行也整體經(jīng)營情況的良好對銀行盈利來說有利。最后是不良貸款率，其都與商業(yè)銀行的凈利潤呈負(fù)相關(guān)，其中農(nóng)業(yè)銀行的不良貸款率對銀行凈利潤的影響最大，達到3.0677的敏感系數(shù)，著可能與2007年農(nóng)行不良貸款率過高相關(guān)。表4-15模型變量分析Y1Y2Y3Y4Y5Y6X12.1771*3.1661**2.0317**1.9328**1.7068**2.2053**X2-0.0584**-0.0131*-0.0083*-0.0436*-0.2718*0.0072*X3-0.3522*-0.3896*-2.43*-0.2766*-0.3534*-0.288**X40.0846*0.2242*-0.377**-0.302*0.3195*-0.3973*X50.0196***-0.0022*-0.2052*0.0067***-0.5009**-0.2484***X60.5063**0.8311**0.5608**0.6778*0.4676*0.6228**X7(CB)-0.6131***X7(ABC)-3.0667*X7(CBC)-0.7751*X7(BCM)0.7308***X7(CMB)-2.3386*X7(ICBC)-0.7224***注：***，**，*分別表示在1%，5%，10%的顯著性水平.2.六家大型商業(yè)銀行操作風(fēng)險計量結(jié)果對比分析根據(jù)Eviews.11SV分析結(jié)果結(jié)合收入模型基本原理，依照相關(guān)公式σ2=σtatal2（1-R2）和OpRisk=3.1σ，模型擬合優(yōu)度系數(shù)Ｒ2表示被解釋變量銀行凈利潤的總變化中能夠由模型中解釋變量解釋部分所占的比例，1-R2表示無法被解釋即操作風(fēng)險占總風(fēng)險的部分。擬合結(jié)果顯示，六家大型商業(yè)銀行的操作風(fēng)險占比分別為6.7%、7.14%、7.83%、8.41%、19.02%和7.86%，根據(jù)國際銀行業(yè)務(wù)實踐來看一般來說銀行所面臨操作風(fēng)險占比大約10%～20%之間，本次分析結(jié)果基本低于這個數(shù)字。表4-14六家商業(yè)銀行操作風(fēng)險所占比中國銀行農(nóng)業(yè)銀行建設(shè)銀行交通銀行招商銀行工商銀行R-squared0.93299110.9286090.9217080.9159230.8097610.9213551-R20.06700890.0713910.0782920.0840770.1902390.078645五、大型商業(yè)銀行操作風(fēng)險管理完善建議的探討（一）完善整體規(guī)劃設(shè)計，提高風(fēng)險重視程度1.操作風(fēng)險意識要從根本提高商業(yè)銀行經(jīng)營過程中面對不同類型的風(fēng)險應(yīng)該有所偏重，當(dāng)面臨信用、市場等直觀風(fēng)險時，將更多的注意力集中在那之上無可厚非，但注意力的偏移不代表對其他風(fēng)險因素的忽視。在銀行風(fēng)控的實踐過程中，行為主體都是人，而人的注意力都是有限的，在實踐過程中就要求專業(yè)人員時刻保持著對操作風(fēng)險這類最容易被忽略內(nèi)容的警惕。除此之外，面對未來可能面臨的危機，最有用的就是對歷史直接經(jīng)驗的收集，這不僅包括從頭到尾的事件發(fā)展細(xì)節(jié)，更包括對操作風(fēng)險危機后隨之而來的數(shù)據(jù)統(tǒng)計，如若不然，當(dāng)再一次與這般時間相遇時，銀行只能處于被動局面重蹈覆轍。結(jié)合上述，從銀行這個主體出發(fā)，對操作風(fēng)險的管控工作進行強力而統(tǒng)一的領(lǐng)導(dǎo)，塑造良好的體系用以服務(wù)于風(fēng)控管理，同時銀行也應(yīng)持續(xù)豐富和活躍整體的人員所處的文化環(huán)境，如果可能，銀行也應(yīng)將更多精力注入數(shù)據(jù)收集的技術(shù)創(chuàng)新，加大這一方面的投資力度，以實際行動決絕應(yīng)對問題。2.制定并落實操作風(fēng)險規(guī)劃在現(xiàn)今學(xué)界的成果來看，國內(nèi)面臨的是落后于西方經(jīng)濟領(lǐng)域研究的事實，因此想要尋找治理操作風(fēng)險的新路徑、創(chuàng)新治理的規(guī)劃就避不開借鑒方法。為了使我國商業(yè)銀行在治理操作風(fēng)險的具體理念和行動向系統(tǒng)化、有效性、廣泛性轉(zhuǎn)變，學(xué)習(xí)國際的先進經(jīng)驗成果與相互交流學(xué)習(xí)成為必由之路，但在這一過程中更為重要的是將所有方法與理念的本土化，即從國內(nèi)各類風(fēng)險發(fā)生案例的實際出發(fā)，根據(jù)實踐進行經(jīng)驗性轉(zhuǎn)化。這是一個從觀念上的轉(zhuǎn)化為事實上的過程，任何過程的行進中有了監(jiān)督才能增強保證，因而銀行在落實操作風(fēng)險規(guī)劃時須得明確監(jiān)督的主體，這一主體通常為銀行業(yè)的主要負(fù)責(zé)人。再者說，就算是規(guī)劃的本土化過后再到落實個體銀行其中也存在著適應(yīng)性的問題，各家銀行無法做到只享受最后的成果，最終的是性都必須將自身的經(jīng)營狀況與業(yè)務(wù)特點等問題充分分解開來，已找到最佳的適應(yīng)性，（二）重新審視發(fā)展戰(zhàn)略，聚焦鎖定內(nèi)控管理１．根據(jù)外部環(huán)境，更進發(fā)展戰(zhàn)略今時與以往對比來看，外部的宏觀市場環(huán)境已經(jīng)改變太多，2020年新冠肺炎疫情下社會經(jīng)濟的發(fā)展?fàn)顩r給國內(nèi)各個行業(yè)都敲響警鐘，銀行業(yè)也不例外。面對復(fù)雜多樣、或大或小的壓力來源，風(fēng)險只會潛藏更深而風(fēng)險的發(fā)現(xiàn)也將變得更難。銀行的發(fā)展戰(zhàn)略因此要因勢而變，以數(shù)量、規(guī)模為導(dǎo)向的理念就要從此向效益、風(fēng)控導(dǎo)向而行。具體細(xì)節(jié)上的落施以績效考核為例，將內(nèi)部操作合規(guī)等與操作風(fēng)險發(fā)生可能相關(guān)的指標(biāo)納入其中，引導(dǎo)內(nèi)部從也人員從理念到行為的提升。2.戰(zhàn)略領(lǐng)導(dǎo)下，強化內(nèi)部控制機制由于操作風(fēng)險內(nèi)生性的特殊，對其的管控就要轉(zhuǎn)變視角，以往的如市場、信用風(fēng)險防控主要是對銀行外部信息的獲取加以預(yù)防，但操作風(fēng)險就要從銀行內(nèi)部出發(fā)，內(nèi)部風(fēng)險控制就是最主要手段之一。從監(jiān)管來看，有一種三方會談的形式值的我們考慮入內(nèi)，即銀監(jiān)會、銀行自身和外部審計公司之間的信息互換，三者信息的聚合能夠幫助銀行發(fā)現(xiàn)微小的問題。當(dāng)然，在選取外部審計機構(gòu)時，機構(gòu)資質(zhì)需要研究考核，合規(guī)的信息來源才能在應(yīng)用中發(fā)揮效用。在內(nèi)部控制方面本文提供三種路徑：首先，銀行的業(yè)務(wù)過程是各個環(huán)節(jié)聯(lián)動操作的結(jié)果，和其他風(fēng)險一樣，操作風(fēng)險的不同階段即發(fā)生前、發(fā)生中、發(fā)生后也需要完善合理的監(jiān)控，尤其是對于重點的風(fēng)險可能發(fā)生的高概率部門的特殊檢查；其次，要重視數(shù)據(jù)，在銀行內(nèi)部的重點部門中，對于重要的風(fēng)險指標(biāo)要善于保存和記錄，其最具參考性和適用性，為預(yù)防操作風(fēng)險的發(fā)生提供重要依據(jù)。操作風(fēng)險的廣泛性決定著其不可能只存在與可能發(fā)生操作風(fēng)險的重點部門，如銀行柜臺，而對于發(fā)生概率較低的環(huán)節(jié)就可以依靠具體的狀況布置多種預(yù)防和解決策略；最后，是整個風(fēng)險過程的操作聯(lián)動聯(lián)動，對每一細(xì)節(jié)過程的方案進行整合以使其達到預(yù)期效果的最大程度，也即所謂的整合策略效果最大化。（三）擴大資金注入，培養(yǎng)專業(yè)化隊伍1.擴大資金注入完善的風(fēng)控體系中理念創(chuàng)新、規(guī)劃健全、新增專業(yè)部門、數(shù)據(jù)整合、人才招攬等等組成部分等建立都需要大量資金的注入。可現(xiàn)實中，銀行面臨的問題很多，操作風(fēng)險只是其中之一，且縱觀銀行對操作風(fēng)險的態(tài)度，其能夠得到的資源相較起來都是更低的。即使如此，當(dāng)我們將目光投向國際金融業(yè)，我們不得不看到國內(nèi)與他們的差距，基于這種差距我國銀行需要思量獨立的操作風(fēng)險控制環(huán)節(jié)的存在必要性，他能夠為操作風(fēng)險提供最適宜的管理。同時對新建的操作風(fēng)控環(huán)節(jié)相應(yīng)獨立監(jiān)管，排除其他因素的干擾。2.培養(yǎng)專業(yè)化隊伍針對與專門從事專業(yè)操作風(fēng)險的人才市場是短缺的，國際步伐是將操作風(fēng)險隊伍專業(yè)化且獨立培養(yǎng)其理念和經(jīng)驗，這一點國內(nèi)需要即時起步學(xué)習(xí)。專業(yè)的隊伍建立才能助推銀行自身內(nèi)部的文化建立，當(dāng)專業(yè)隊伍群體形成，群體之間就能加固其對操作風(fēng)險理念的認(rèn)同，一定程度上見效了風(fēng)險注意力被分散的可能性。且作為一種新的工作群體，群體目標(biāo)和共同一致的操作風(fēng)險風(fēng)控意愿反過來又能制約著行動。結(jié)論本文運用收入模型的實證分析，選取銀行凈利潤為目標(biāo)變量，真實GDP、上證指數(shù)、存貸利差等自變量，對分組數(shù)據(jù)進行OLS回歸后，得出以下結(jié)論即六家大型商業(yè)銀行的操作風(fēng)險占比分別為6.7%、7.14%、7.83%、8.41%、19.02%和7.86%，其中中國銀行凈利潤6.7%的變動是由操作風(fēng)險影響的，農(nóng)業(yè)銀行凈利潤中7.14%由操作風(fēng)險影響，建設(shè)銀行凈利潤7.83%由操作風(fēng)險影響，交通銀行凈利潤8.41%由操作風(fēng)險影響，招商銀行凈利潤的19.02%由操作風(fēng)險影響，工商銀行凈利潤7.86%由操作風(fēng)險影響。本文根據(jù)實證得出結(jié)論其中招商銀行操作風(fēng)險管理水平最高，但基本于國際銀行規(guī)定10%～20%以內(nèi)，但相較其他五家商業(yè)銀行而言招商銀行風(fēng)險管理依舊存在較大問題。最后本文為商業(yè)銀行操作風(fēng)險管理提供三點建議，即完善整體規(guī)劃設(shè)計、