搜索
－2－总第329期2011年第7期运用贝叶斯网络量化和控制商业银行操作风险——一个基于实际业务流程的例子刘睿巴曙松刘家鹏摘要：操作风险量化是为降低和控制风险服务的。运用贝叶斯网络分析量化操作风险并改进控制，对提升商业银行的操作风险管理水平是一条有效途径。论文以我国银行的一个典型业务—远期结售汇为例，研究了实践中建立和运用贝叶斯网络来估计操作风险发生频率的具体方法。以流程分析和映射为基础，阐述了风险映射与节点识别、网络结构建立、网络节点描述、节点赋值的实施步骤，并说明了利用贝叶斯网进行因果推理和诊断推理的方法。关键词：操作风险；贝叶斯网；业务流程JEL分类号：G21，C53，D81，文献标识码：A一、引言作为新资本协议第一支柱下的主要风险类型，对操作风险进行量化并在此基础上实施有效控制以降低风险，一直是商业银行和学术界探索的难点问题之一。虽然在此次金融危机中巴塞尔委员会对新资本协议进行了多方面的补充修订，但对操作风险管理和量化的问题却并未提出新的建议。实践中，对国际银行业的调查（BCBS,2009）结果显示，被调查银行中只有少数银行实施了操作风险高级法，且这些银行在模型选择和估计方法上也存在巨大差异①。对我国银行业而言，迄今各大银行为实施新资本协议已经做了数年的准备②。目前，针对第一支柱下的信用风险和市场风险，多数新资本协议银行都准备实施敏感性较高的内部评级法（高级法或初级法）和内部模型法。而对于操作风险，各银行则都不约而同地选择了最简单的“标准法”③。这很大程度上反映出现阶段我国银行在操作风险管理方面基础还很薄弱，缺乏风险数据的积累。同时也反映出我国银行在量化技术的认识及研究方面还面临诸多的困难。一方面，从特征上看，操作风险在银行内的分布点多面广，类型复杂多样，形成原因各异且随环境持续变化。这种特性对于风险量化和评估形成了严峻的挑战。同时，由于起步较晚，国内主要银行操作风险历史损失数据的积累严重不足，多数银行在未来一段时间内（如3至5年）要依据内部损失数据来对操作风险作者简介刘睿（1976-），男，博士，云南大学工商管理与旅游管理学院；巴曙松（1969-），男，博士，研究员，博士生导师。国务院发展研究中心金融研究所副所长；刘家鹏（1969-），男，博士，清华大学公共管理学院博士后流动站。*基金项目：本文的研究受云南省教育厅科学研究基金（编号：08Y0015）的资助。①调查表明，来自17个国家的121家银行中只有42家实施了高级法，且这些银行在损失强度和损失频率的估计方法和具体损失分布的选择上差异很大。参见BCBS(2009)。②按照银监会2007年发布的《中国银行业实施新资本协议指导意见》的要求，第一批新资本协议银行将从2010年底起开始实施新资本协议。相关银行目前都在为此做着积极准备。③根据银监会2009年发布的《商业银行操作风险监管资本计量指引》，新协议当中风险敏感性最低的“基本指标法”已经被排除了。运用贝叶斯网络量化和控制商业银行操作风险进行建模还存在较大难度。另一方面，目前银行业在对操作风险进行量化的途径和目标尚存争议。普遍来说，商业银行对操作风险进行计量并计提资本是作为实施新资本协议的一个副产品而兴起的。高级法的实施重点往往被认为是在计量方法的开发上，而不是在操作风险管理的核心上面——对业务流程的梳理和对事件原因、影响的分析。加上实践中操作风险管理对比内控、合规等成熟职能尚没有形成自身的特色，这就很难使银行了解通过这一过程增加了哪些价值。在这种情况下，考虑到实施高级法可能产生较高的成本，银行往往缺乏对其进行深入研究的动力。实际上，只有在能够有效提升银行对操作风险的理解和控制效果的前提下，一种量化方法才会真正得到运用并不断被完善，否则只会成为银行的负担。我们认为，商业银行的操作风险管理——包括风险识别、评估、监测和控制——都是基于实际业务流程展开的，损失数据的有效使用也必须依赖于具体的流程环境，因此风险敏感的量化方法应当能够恰当地反映业务流程中的风险发生机制和控制机制，而不能仅依赖于历史损失数据。同时，量化分析的过程和结果也应当对控制改善和风险管理决策形成明确的指导。因此，恰当的高级方法除了应当在技术上合理可行，更应考虑是否有利于控制的实施、流程的改进和决策的完善。在这些方面，贝叶斯网络具有明显的优势。贝叶斯网络(BayesianNetwork，BN)作为一种概率推理方法，目前已经成为人工智能领域的研究热点之一。其在操作风险管理方面的应用则相对较少。Alexander(2000，2003)最先介绍了利用贝叶斯网络对于特定类型的操作风险，如交易过程风险和人员风险进行量化和管理的方法，主要通过建立因果模型来实现。King(2001)对运用贝叶斯网络建立操作风险的因果关系模型方法进行了描述。Adusei-Poku(2005)认为操作风险通常发生在业务单位层面，因此管理风险和建模也应在同样的（微观）层面上进行。作者运用贝叶斯网对外汇和货币市场交易的过程中可能产生的操作风险进行建模，并得到了相应的经济资本。国内研究方面，陆静等（2008）研究了利用贝叶斯网络针对八大业务条线建立银行层面的操作风险预警系统。刘家鹏等（2008）通过一个客户流失的模型阐述了贝叶斯网的作用。总的来看，这些文献主要侧重于讨论贝叶斯网运用于操作风险管理的思路和框架，但没有结合经营实践和业务流程进行深入研究，难以满足解决实际问题的需要。Adusei-Poku(2005)的研究提供了结合流程分析的建模范式，但在支持推理方面还不够深入，且由于经营环境和业务实践的巨大差异，对我国银行业管理操作风险的借鉴作用有限。如前所述，有效的操作风险量化应当结合对业务环境和具体流程的分析，并能反映出风险的发生机制和控制的作用。遵循这样的思路，本文选取了我国商业银行日常经营中的一个典型业务——“远期结售汇”为对象，研究了建立贝叶斯网络以评估具体业务操作风险的完整过程，并基于我们的例子说明了网络推理的应用。本文的主要贡献在于通过调研，针对我国银行的实际业务流程建立贝叶斯网络提供了从框架到细节的完整方法，进而研究了网络推理的主要可能的运用。并有针对性地提出了我国银行运用该方法应当注意的问题。本文的研究旨在为我国银行业日常管理操作风险提供一个范例，并为高级法的实施提供一个参考路径。二、贝叶斯网与操作风险管理①（一）原理介绍贝叶斯网实质上是一个多元化的概率分布模型，是概率论与图论结合的产物。其节点及节点间连线表示了变量及其之间的联系。它通过赋予初始节点的分布状态和各节点间的条件概率，表达了分析者对于相应情境的认知或看法，并且这种认知可以是不唯一的。其结构表现为无环有向图，弧的方向具有因果含义。贝叶斯网络可以进行正向和逆向的运算，进行敏感性分析，在假设推理上具有严密的逻辑性，分析过程简捷而直观。这种推理实际上是根据已知条件利用贝叶斯法则来进行相关节点的概率计算。一个贝叶斯网络可以做如下描述：①相关内容可参考刘家鹏等（2008）。UsingBayesianNetworktoQuantifyandControlOperationalRiskofCommercialBanksBN=(S,P)(1)其中，S={(Xj,Xi)|Xi∈X,Xj∈pai)}(2)P={p(Xi|pai)|Xi∈X}(3)可见，一个贝叶斯网络包括具有多个节点的有向无环图S，及与每个节点相关的条件概率表P。S的形式可如图1所示。图中的节点代表随机变量。通常认为，节点间有向边表达了一种因果关系。有向图蕴涵了条件独立性假设，网络中的每一节点Xi都条件独立于由Xi的父节点给定的非Xi后代节点构成的任何节点子集,即P(Xi|N(Xi),Pa(Xi))=P(Xi|Pa(Xi))(4)其中，N(Xi)表示非Xi后代节点构成的任何节点子集；Pa(Xi)表示Xi的直接双亲节点。条件概率表可以用P(Xi|Pa(Xi))来描述，它表达了各节点同其父节点间的相关关系—条件概率。图1简单的贝叶斯网络示例与一般的概率模型相比，贝叶斯网络在处理复杂问题方面表现出强大的功能。由于其具有条件独立性的假设，因此只需考虑与该变量相关的有限变量，可以大大简化求解难度，从而使得许多复杂问题的求解成为可能。在推理计算时，只要知道与节点相关的其他节点状态，即可估计该节点的发生概率。因此，贝叶斯网简化了知识获取和推理的过程。同时，贝叶斯网络可以综合先验信息和样本信息，这在样本稀缺时特别有用。另外，其也可以发现数据之间的因果关系，适合于处理不完整数据集。特别的，对银行而言，贝叶斯网对从业务流程的视角来研究操作风险事件背后的原因提供了有力的支持。通过专门的流程分析，银行能够从损失事件和数据中获得改进管理的思路。为分析某类风险的发生机制，银行通过系统性的因果分析，并利用贝叶斯网对重要的风险类型实施的情景分析，可在历史损失数据缺乏的情况下能对关键风险进行估计。具体来说，就是在分析流程和风险诱因的基础上，以操作风险的原因因子或关键风险指标(KeyRiskIndicators，KRIs)为节点建立网络结构，以评估损失频率和损失强度分布。在确认原因因子后，贝叶斯网可以对这些因子及因子对流程的影响进行演算和推理。这种根据业务流程因果关系建立的贝叶斯网提高了风险管理的透明度和可操作性。同时，通过改变相应节点的预设状态，可以方便地进行情境分析，并通过假设最大损失的情境进行压力测试，用于帮助确认最重要的操作风险因子。这对很多难以量化的操作风险类型（如人员风险）是非常重要的。（二）贝叶斯网算例这里先以一个银行客户流失的例子，来演示贝叶斯网络在风险管理决策中的应用。假设有A、B两家银行。经过分析，A银行认为客户流失是由于自身服务不好或对手竞争造成的。根据经验，A银行的服务在80％的情况下是好的，有20％的情况服务不佳，比如说客户等待时间过长等。同时，如果竞争对手经常搞促销（如收费优惠等），这也能造成部分客户流失。据统计大约有10％的时间竞争对手在搞促销。下面我们从A银行的角度来分析。本例中，首先可建立图2中的网络，并根据历史经验数据对网络赋值。网络建立后，因果关系也相应确立。故可基于一定的原因或证据，使用贝叶斯网络进行因果推理，求出在给定原因的情况下结果发生的概率。如在本例中，根据贝叶斯法则可以直接算出在正常情况下客户的流失概率为23.2％（图3）。同样，我们还可以根据发生的结果，使用贝叶斯网络分析造成该结果的原因及发生的概率，即诊断推理。如在本例中，假设某一客户流失，需要分析其原因。利用贝叶斯法则可计算出：P(服务不好|客户流失)＝62.1％；P(对手有促销|客户流失)＝14.7％。相应网络见图4。第三部分中我们将基于一个实际的业务流程来研究如何建立完整的贝叶斯网，并运用其为改进管理服务。三、对业务流程建立贝叶斯网①（一）业务流程描述本文挑选了银行日常业务中比较常见、具有一定代表性的远期结售汇业务作为研究对象。所谓具有代表性，是指其存在广泛，业务量较大，流程较复杂（涉及多个操作环节），并容易产生典型操作错误。这使得本文的研究能具有一定的典型意义和推广价值。远期结售汇业务主要是客户通过与银行签订远期结售汇合同，约定将来办理结汇或售汇的币种、金①我们的例子中，网络结构与先验信息的质量对结果的有效性具有决定性的影响。本文的流程和节点先验信息参考了某银行一线城市的一个中等规模支行的相关信息。同时作者邀请了四名业务专家分别对本文的建模和赋值提供判断。出于保密的考虑，本文中所有与银行经营相关的具体信息和数据都已经过处理，包括先验概率、相关统计数据和计算的结果等。文中给出的数据仅供举例分析之用。图2客户流失的贝叶斯网络构建服务不好服务不好服务不好服务不好竞争对手竞争对手竞争对手竞争对手有促销活动有促销活动有促销活动有促销活动客户流失客户流失客户流失客户流失服务不好概率对手有促销概率 父结点客户流失服务不好有促销