关于现代商业银行风险管理技术发展及我国商业(3)

高级衡量法是巴塞尔委员会在《巴塞尔新资本协议》中所推出的一系列较为复杂的计量方法的总称，主要包括内部衡量法、损失分布法和极值理论模型三种，它们均建立在对损失数据的分布进行合理假设的基础上，运用量化的分析方法对操作风险的资本要求进行测算：(1)内部衡量法类似于信用风险度量中的内部评级法，是指基于对预期操作风险损失的度量来估计风险资本要求的水平，即假定预期损失(损失分布的均值)和非预期损失(损失分布的尾部)之间具有稳固的关系，这种关系既可能是线性的，也可能是非线性的。利用内部度量法计算风险资本要求是基于这样一个框架：将银行的操作风险暴露分解成8大业务种类(与基本指标法相同)和7大风险损失事件类型。对于每个业务类别／损失事件组合(共有7×8—56个组合)，银行可使用自身的损失数据来计算该组合的预期损失EL。监管资本则由预期损失(亦即损失分布的均值)和非预期损失(损失分布的尾部)的关系来确定；(2)损失分布法(LDA)是一种较为复杂的操作风险量化方法，它使用操作风险损失事件的数据库来计算操作风险资本金数量。在对损失事件频率和损失强度的有关假设基础上。对每一业务线／损失事件类型的操作风险损失分布进行估计。损失分布法依赖于银行的内部数据来把握其特有的风险特征。每一个银行中的每一种业务都具有自己的风险特征。这些特征是基于该业务的内在风险(如产品类型、复杂性和)和控制机制(如、系统、内控和政策等)。由于每个银行都是独特的，量化其风险特征的唯一途径就是检查分析其实际的损失数据；(3)极值理论近年来被引入到操作风险的量化领域。具体方法与风险的极值理论模型相似。

4．一体化风险模型

全面风险管理体系的形成和发展对风险管理在技术上、上提出了更高的要求，从而促使银行开始寻求新的解决之道。目前，在世界范围内诞生了一批风险管理专业化公司，以及基于全面管理理念而建立的新一代风险管理模型——一体化风险度量模型。这些一体化模型将信用风险、市场风险、操作风险三大类风险和其他风险进行整合管理，为商业银行实现全面风险管理目标，提供了技术基础。具有代表性的模型有：(1)由AIgorithmics(简称Algo)公司设计的风险观察(RiskWatch)模型，在市场定价的基础之上开发出“未来定价(MarktoFuture)”方法来为资产组合定价；(2)由AXIOM软件公司建立的风险监测(RiskMonitor)模型，将方差一协方差，蒙特卡罗模拟，历史模拟及多因子分析等方法进行整合，对所有市场，业务线及工具的风险提供一种可以持续、一致测量的方法；(3)由Askari公司开发的风险账本(RiskBook)模型，用一种一致的分析提供多种风险的视角；(4)由IQFinancialSystems公司创立的RiskIQ模型，基于RAROC的风险综合管理模型；(5)金融工程公司(FinancialEngineeringAssociates，Inc．)风险管理模型，在风险矩阵RiskMetrk的基础之上改进了VaR技术，可以使用户确定新的交易将如何影响整个资产组合的VaR，并提供了VaR成份分析；(6)网际测险公司(Measurisk．Conr)风险管理模型，基于监管者的规定，对客户的基金在总体水平上的风险做出综合评估。

二、我国商业银行风险管理技术存在的不足

(1)风险管理工具与技术落后

目前，西方发达的商业银行在风险的量化管理方面远远领先于我国的商业银行。我国商业银行在风险管理工具和技术方面的差距主要表现在：首先，国外商业银行通常会大量运用金融衍生工具进行资产保值的风险转移策略，这主要得力于国外发达的金融衍生品市场。我国目前除了一些地方性的商品交易所和正在筹建的金融期货交易所，尚无成熟的金融衍生品市场，由此限制了我国商业银行运用金融衍生品对以市场风险为主的银行风险进行控制；其次，国外已经相对成熟的大量风险量化模型，如VaR等，在我国还处于萌芽阶段，风险管理人员对模型的运用能力还有待加强；第三，由于起步较晚，尚未建立起同时为监管者、市场和银行所接受的数据甄别标准，使得我国商业银行大多无法建立完善的、整合的历史损失数据库，而没有数据就意味着基于数据分布的量化模型根本无法建立。

由于风险量化管理的不足，使得银行在日常管理中更多地使用定性分析和人为直接控制，主要依靠缺口管理和指标分析法进行风险管理。如信用风险管理，大多依据贷款投向的政策性、合法性及安全性；又如资本的计算，由于无法达到《巴塞尔新资本协议》的量化标准，还只能采取标准法进行衡量。

(2)数据库的缺乏

数据库是构建整个操作风险量化管理体系的基础，它储存着大量内外部共享性分类信息。通常而言，这些信息分别与特定业务、损失事件或风险目标相对应．这些存储的数据包括前台交易记录信息、各种风险头寸、金融工具的信息、极端损失事件、外部损失事件等等。数据结构由操作风险管理方法的复杂程度而定，通常可以分为动态数据和参考数据(静态数据)两大类。前者包括与具体业务相联系的交易数据以及内外部损失数据，后者则主要包括产品数据和风险管理模型数据等。