论文部分内容阅读
长期以来,国内外学者的研究焦点集中于信用风险和市场风险领域，而忽略了操作风险的存在。然而操作风险始终存在于商业银行的经营过程之中，对商业银行的发展产生极大消极影响，监管当局逐渐认识到加强和完善操作风险管理的急迫性与重要性。此外，金融自由化的发展和金融衍生工具的不断创新作为一把双刃剑，一方面为商业银行带来巨大的发展前景，另一面也引发一系列的风险及挑战。故而，如何正确认识并准确度量商业银行操作风险从而防范监管遗漏风险则变得至关重要。鉴于此，本文首先借助损失分布法计算单一类型操作风险监管资本和整体操作风险监管资本。为了进一步研究操作风险损失事件的相关结构，引入单一Copula模型以及混合Copula模型，利用蒙特卡洛模拟方法计算较为准确的整体操作风险监管资本。最后探究了基于单一Copula模型以及混合Copula模型下整体操作风险监管资本度量误差变化规律以及操作风险监管遗漏风险的变化规律。
在理论层面，本文介绍了国内外关于单一Copula模型和混合Copula模型在风险管理方面的应用以及操作风险度量不确定性的研究现状。然后对损失分布法的相关理论以及Copula的基本理论与特征做了系统的阐述。其中详细介绍了损失分布法度量操作风险的步骤以及三种阿基米德族Copula函数，并探讨构建混合Copula模型的方法。
在实证研究中，选取1987年到2019年中国商业银行内部欺诈和外部欺诈的损失数据做为本文的研究对象。基于损失数据的统计特征，分别利用损失分布法，单一Copula模型以及混合Copula模型进行实证分析，借助蒙特卡洛模拟方法计算商业银行操作风险监管资本。实证结果表明，在99%的置信度水平下，损失分布法下确定的整体操作风险监管资本合计为104916万元。基于Gumbel Copula模型确定的监管资本为57614万，混合Gumbel-Frank Copula模型下确定的监管资本为37450万元。相比于单一Copula模型，混合Copula模型对两种操作风险损失事件之间的相关结构刻画最为全面和准确，同时计提的操作风险监管资本金较小，避免了高额操作风险监管资本金影响商业银行的利润。
由于操作风险监管资本存在不可忽视的度量误差，在单一Copula模型下，度量误差受参数估计的影响，在混合Copula模型下，度量误差同时受到Copula参数和权重参数的影响。通过对操作风险监管资本的度量误差的程度作出预测，就可以确定监管遗漏风险的暴露程度。度量误差越大，监管遗漏风险就越大，反之亦然。在单一Copula模型下，随着Gumbel Copula的参数取值的增大，度量误差先降后升最后保持上下波动的状态。度量误差随监管资本的增加先逐渐降低然后区间内聚集波动。进一步，随着度量误差的增加，其波动率先上升后下降，度量误差预测的可靠程度先降低后增加。
在混合Gumbel-FrankCopula模型下，保持FrankCopula参数不变和权重参数不变，随着Gumbel Copula的参数取值的增大，度量误差先降低然后上升最后保持平稳下降的趋势。在Gumbel Copula的参数变化的影响下，随着监管资本的增加，度量误差首先表现为波浪式上升而后平稳下降，监管资本度量误差波动率随着监管资本的增加先降低后大幅增加。在混合Gumbel-Frank Copula模型下，保持Gumbel Copula参数不变和权重参数不变，随着Frank Copula的参数取值的增大，度量误差保持上升趋势，度量误差同样随着监管资本的增加而逐渐上升，且监管资本度量误差波动率随着监管资本的增加而增加。
在混合Gumbel-FrankCopula模型下，整体操作风险监管资本度量误差随FrankCopula权重参数的变化趋势同度量误差随GumbelCopula权重参数变化趋势基本一致，区别在于监管资本度量误差对Gumbel Copula权重参数变化更为敏感，波动性更大。确切来说，随着权重参数的增加，度量误差先升后降再升最后逐渐降低。同样的，度量误差随监管资本增加表现为先升后降再升最后逐渐降低的趋势。随着度量误差的增加，其波动率是逐渐收敛的，度量误差预测的可靠性逐渐增加。
本文的创新之处在于考虑了不同操作风险损失事件之间的非线性相关关系，将阿基米德族Copula函数组合在一起构建混合Copula模型，更加全面准确地捕捉两种操作风险损失事件之间的相关结构。进一步地，基于单一Copula模型和混合Copula模型，利用蒙特卡洛模拟方法对整体操作风险监管资本度量误差进行研究分析，从Copula参数和权重参数两个角度出发，探讨整体操作风险监管资本度量误差的变化规律，进一步研究监管遗漏风险的变化规律。
在理论层面，本文介绍了国内外关于单一Copula模型和混合Copula模型在风险管理方面的应用以及操作风险度量不确定性的研究现状。然后对损失分布法的相关理论以及Copula的基本理论与特征做了系统的阐述。其中详细介绍了损失分布法度量操作风险的步骤以及三种阿基米德族Copula函数，并探讨构建混合Copula模型的方法。
在实证研究中，选取1987年到2019年中国商业银行内部欺诈和外部欺诈的损失数据做为本文的研究对象。基于损失数据的统计特征，分别利用损失分布法，单一Copula模型以及混合Copula模型进行实证分析，借助蒙特卡洛模拟方法计算商业银行操作风险监管资本。实证结果表明，在99%的置信度水平下，损失分布法下确定的整体操作风险监管资本合计为104916万元。基于Gumbel Copula模型确定的监管资本为57614万，混合Gumbel-Frank Copula模型下确定的监管资本为37450万元。相比于单一Copula模型，混合Copula模型对两种操作风险损失事件之间的相关结构刻画最为全面和准确，同时计提的操作风险监管资本金较小，避免了高额操作风险监管资本金影响商业银行的利润。
由于操作风险监管资本存在不可忽视的度量误差，在单一Copula模型下，度量误差受参数估计的影响，在混合Copula模型下，度量误差同时受到Copula参数和权重参数的影响。通过对操作风险监管资本的度量误差的程度作出预测，就可以确定监管遗漏风险的暴露程度。度量误差越大，监管遗漏风险就越大，反之亦然。在单一Copula模型下，随着Gumbel Copula的参数取值的增大，度量误差先降后升最后保持上下波动的状态。度量误差随监管资本的增加先逐渐降低然后区间内聚集波动。进一步，随着度量误差的增加，其波动率先上升后下降，度量误差预测的可靠程度先降低后增加。
在混合Gumbel-FrankCopula模型下，保持FrankCopula参数不变和权重参数不变，随着Gumbel Copula的参数取值的增大，度量误差先降低然后上升最后保持平稳下降的趋势。在Gumbel Copula的参数变化的影响下，随着监管资本的增加，度量误差首先表现为波浪式上升而后平稳下降，监管资本度量误差波动率随着监管资本的增加先降低后大幅增加。在混合Gumbel-Frank Copula模型下，保持Gumbel Copula参数不变和权重参数不变，随着Frank Copula的参数取值的增大，度量误差保持上升趋势，度量误差同样随着监管资本的增加而逐渐上升，且监管资本度量误差波动率随着监管资本的增加而增加。
在混合Gumbel-FrankCopula模型下，整体操作风险监管资本度量误差随FrankCopula权重参数的变化趋势同度量误差随GumbelCopula权重参数变化趋势基本一致，区别在于监管资本度量误差对Gumbel Copula权重参数变化更为敏感，波动性更大。确切来说，随着权重参数的增加，度量误差先升后降再升最后逐渐降低。同样的，度量误差随监管资本增加表现为先升后降再升最后逐渐降低的趋势。随着度量误差的增加，其波动率是逐渐收敛的，度量误差预测的可靠性逐渐增加。
本文的创新之处在于考虑了不同操作风险损失事件之间的非线性相关关系，将阿基米德族Copula函数组合在一起构建混合Copula模型，更加全面准确地捕捉两种操作风险损失事件之间的相关结构。进一步地，基于单一Copula模型和混合Copula模型，利用蒙特卡洛模拟方法对整体操作风险监管资本度量误差进行研究分析，从Copula参数和权重参数两个角度出发，探讨整体操作风险监管资本度量误差的变化规律，进一步研究监管遗漏风险的变化规律。