時間：2023-07-31 16:50:28
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇市場風險數據分析范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
關鍵詞：大數據；銀行發展；機遇；挑戰
中圖分類號：F832.2 文獻標識碼：A 文章編號：1674-7712 （2013） 20-0000-01
信息技術的發展為銀行的發展帶來更多的機遇，同時也帶來較大的挑戰，尤其是近幾年來，信息數據正在迅速的膨脹，如果銀行不能夠掌握更好的發展方向，可能會影響到銀行的管理質量。進入2012年以來，大數據庫概念逐漸被人們所熟知，在這樣的背景下，需要銀行關心系統數據的管理質量，及時分析數據中存在的問題，從而更好的保證銀行的發展質量水平。大數據時代的來臨，為銀行今后的發展提供了機遇，同時也帶來了一定的挑戰。只有通過對大數據時代有著科學的認識，在能夠保證銀行的信息數據管理水平。
一、大數據的特點及意義
（一）大數據特點
大數據有自身的特點，首先它的數據規模比較大，而且增加相對比較迅速，從原有的TB級別躍升至PB甚至是EB級別，這樣會增加銀行信息管理系統的運行壓力，甚至會導致系統的癱瘓。其次，大數據的類型相對較多，既包含有傳統的結構化數據，同時也包含較多的非結構化數據，這些非結構化的數據在進行處理時，對系統的要求更加嚴格，系統分析能力需要進一步的提升。再次，數據的價值非常關鍵，而且存在比較大的隱蔽性，這樣就會導致數據分析能力下降，對于銀行的系統來說，運行壓力會大大上升。
（二）意義
隨著我國商業的發展，銀行原有的數據系統已經不能夠適應社會經濟發展的需求，只有建立更加完善的管理系統，才能夠更好的提升銀行管理質量水平。傳統的數據倉庫在對數據分析要建立在模型基礎之上，而且數據的分析大都是企業自身信息系統中產生的運行數據，這樣的數據一般都具有標準化、結構化的特點。但是當前許多企業的發展需要非機構化的數據支撐，尤其是物聯網、社交網絡和電子商務日益成熟的階段，需要建立更加完善的非結構化的信息系統，幫助企業進行更加全面的數據分析，提升企業的運行效率和管理質量，最終達到企業市場發展的目標。
二、銀行發展的應對策略
隨著大數據時代的到來，銀行要想更好的發展就要轉變原有的發展方式，積極引進先進的信息技術，提升銀行內部的管理質量。尤其是在電子商務和互聯網的發展喜愛，市場的敏感度在不斷上升，大數據在這樣的環境下有著更加明顯的分析優勢。但是如果進入到金融領域就會對其產生比較大的不利影響。因此需要銀行制定出更加科學的應對策略，保證銀行的發展質量水平。當前我國互聯網以及阿里巴巴等已經開始使用大數據庫技術來提供相應的金融服務，比如支付寶、淘寶網等，借助大數據技術來對客戶進行分析，決定是否給企業貸款。在這樣的過程中幾乎不用人工干預，因此可以體現出大數據技術的優越性。
大數據技術能夠為今后銀行的發展提供更加寬闊的平臺，這已經成為金融業發展的必然趨勢。對于銀行來說，他們在機構性數據的處理上技術比較先進，比如客戶的基本身份信息，但是對于客戶的其他信息銀行都不夠了解，比如客戶的性格特征、興趣愛好以及生活習慣等，這樣就會使得銀行信息不全，在貸款時就會產生比較大的風險。同時在傳統的數據分析中，銀行對網頁瀏覽信息以及客戶之間資金往來信息處理上比較困難，進而會因想到整個銀行系統的發展水平。因此需要銀行提升對大數據技術的認識，增強大數據的處理能力，使其在金融市場競爭中獲得更加有利地位。銀行還要加大與電子商務企業的合作，獲得更多的客戶信息，在大數據的分析中得到更多的信息，進而更好的保證客戶需求，提升銀行的服務質量。
在大數據的平臺支持下，銀行的發展還需要加強技術創新，不但完善銀行內部的管理結構，從而更好的滿足銀行發展的需求，降低銀行的發展風險，提升銀行的服務質量。同時在大數據的技術支持下，銀行還能夠掌握更多的客戶信息，改善自身與客戶之間的交互，簡化銀行業務，為銀行的發展帶來更多的機遇。并且在未來的銀行數據分析中更趨向于數據分析的挖掘，為銀行的提供更多的非結構化信息，不斷豐富銀行企業的業務形式，改變銀行的服務水平，最終達到銀行發展的目標。
三、銀行發展面臨挑戰
（一）大數據庫建設
在大數據時代背景下，銀行所面臨的競爭在不斷增多，它不僅僅來自同行業的競爭，同時還來自外部的挑戰，如果銀行企業不能夠找到更加科學的管理方式，最終會影響到銀行在市場競爭中的發展地位。傳統的商業智能、數據倉庫二本能夠對結構化的數據進行存儲，而且操作相對簡單。但是在大數據背景下，以往的數據庫分析能力不能夠滿足銀行數據發展的需求，尤其是在非結構數據不斷增多的情況下，增加了銀行的信息風險，對銀行發展帶來較大的挑戰。除此之外，一些大數據大多數都是類型豐富的碎片化數據，沒有相對固定的模式，分析環境相對較為復雜，給銀行的精細化管理和專業化經營都帶來巨大的挑戰性。
（二）銀行人才培養
信息時代的帶來，大數據背景下的發展模式已經被越來越多的企業和銀行所采納，這樣可以更好的滿足企業的發展，適應社會發展的需求。但是大數據分析和傳統的數據分析存在較大的差別，當前銀行的管理還主要是基于報表數據以及部分數據模型，不能夠描繪出全面的經營結構圖示。通過大數據模式的分析，可以更好的展現出銀行發展方式，提升銀行的數據管理效率。這就需要先進的技術人員，不斷提升銀行內部人員的技術水平，能夠掌握更加先進的信息管理方式，充分利用大數據對銀行信息管理系統進行改造升級，不斷滿足社會經濟發展的需求。
在進行大數據建立時不僅需要技術支撐，還需要人員素質的提升，這樣才可以保證銀行內部的信息處理效率，保證銀行各項數據信息的準確性，為銀行今后的發展提供更多的數據，減少銀行的市場風險。但是銀行人員的素質培養不是一蹴而就的，他需要銀行內部加大對大數據培訓工作的認識，提升員工的大數據管理觀念，掌握更多信息技術，在今后的發展能夠充分發揮自身技術優勢，提升銀行市場發展質量。大數據技術發展給銀行的發展帶來了許多的挑戰，因此需要企業抓住發展的機遇，改變自身的發展模式，衍生出更多的商機，在發展中做出更加科學的方案，加強銀行企業應對市場風險的能力，最終保證銀行的健康發展。
四、大數據在銀行中的應用場景
（一）客戶管理
在大數據的分析中，首先需要建立科學的客戶管理方式，從而保證銀行的客戶信息管理質量。尤其是在當前我國社交網絡的背景下，服務的渠道和方式在不斷增多，以往的銀行數據分析模式已經不能夠適應社會發展的需求，通過建立大數據客戶管理模式，能夠讓銀行在制定發展戰略時從產品的角度出發，結合客戶信息需求，開發出更加適合市場發展的銀行商品，為客戶提供更加完美的銀行服務。在客戶管理的過程中，銀行可以充分利用大數據分析平臺，通過對客戶的社交網絡、電子商務以及終端設備等產生的非結構數據進行分析，從而建立更加全面的客戶信息，針對不同客戶的需求開發出不同的商品，增強銀行服務質量，減少客戶的流失。比如在客戶流失數據分析中，銀行可以借助大數據平臺搜集到客戶的行為信息記錄，并且分析出客戶流失的原因，找到自身服務中存在的問題，及時調整自身的發展路線，減少該類客戶的流失數量，保證銀行的利益。
（二）風險管理
在銀行的市場發展中必然會存在一定的風險，因此需要銀行管理人員建立良好數據風險分析部門，從而更好的滿足銀行市場的發展需求。但是隨著大數據技術平臺的產生，原有的數據分析已經不能夠適應市場風險分析的發展趨勢，需要銀行風險管理人員利用大數據平臺，加強與社會媒體的互動，及時了解金融市場的發展動向，建立更加科學的風險分析數據，為銀行的市場發展奠定良好的環境，降低銀行的發展風險。
（三）營銷管理
銀行在營銷過程中也可以借助大數據平臺，通過對形式多樣的用戶進行數據分析、挖掘，將客戶分為不同的群體，并為其提供更加專業化的服務，提升銀行的信譽形象。同時在這樣的分析中還有助于獲取用戶信息，了解客戶的消費習慣和風險收益偏好等，為客戶打造隔年個性化的產品營銷服務方式，將最適合的產品介紹給用戶，提升銀行的營銷管理質量，保證銀行的營銷精準性，保證客戶對銀行的認可程度。
五、總結
綜上所述，銀行的發展需要大數據技術平臺的支撐，從而為其提供更加良好的環境，增強銀行的市場競爭活力。同時在大數據技術支持下，銀行還可以降低自身的市場風險，掌握更加全面的客戶信息，制定出更加科學的營銷發展方案，提升銀行的市場競爭力，在金融行業中處于更加有利地位。但是在發展過程中也存在一定的挑戰，需要銀行不斷去克服，找到更加適合自身發展的道路。
參考文獻：
[1]吳蓓，劉海光.淺析大數據時代的信息安全[J].計算機光盤軟件與應用，2013（15）：13-14.
（一）定性分析
1.優勢分析。商業銀行在多年發展中，擁有廣大的客戶群體，積累了客戶基本資料、客戶交易、客戶存貸款等大量數據。在大數據時代，商業銀行憑借其雄厚的資本，可以建立大數據服務器等設備，將這些傳統數據與其他來源數據進行整合，數據分析人員通過云計算等技術手段挖掘出有價值的信息，從各個角度分析客戶需求以及識別信貸風險，從而有助于商業銀行更加科學地評價經營業績、評估業務風險、配置全行資源，引導銀行業務科學健康發展。
2.劣勢分析。在現有的銀行交易系統中，客戶的身份證、交易流水等大量信息已被銀行掌握，但缺少如客戶的家庭情況、收入狀況、消費習慣、興趣愛好等其他方面的信息。另外，目前小微企業客戶信息以及商業銀行的產業鏈客戶信息也比較缺乏，直接影響著銀行對這些客戶提供金融服務的水平。再者，大數據時代下，需要金融專業人才和數據分析人才相互配合，才能充分挖掘數據價值，但數據分析人員較為匱乏也將成為商業銀行的軟肋。
3.機會分析。剛剛進入大數據時代，商業銀行應率先構架大數據戰略體系，制定大數據發展戰略，突破同質性，實施差異化業務發展戰略，從而贏得先機。如果大數據獲得成功應用，將為銀行創造先發競爭優勢，使銀行決策從“經驗依賴”向“數據依據”轉化，打造不可復制的核心競爭力。“數據—信息—商業智能”將逐步成為銀行定量化、精細化管理的發展路線，數據分析也將成為其風險防控的法寶。
4.威脅分析。大數據在給商業銀行帶來前所未有的機遇的同時，也給其帶來了諸多威脅，例如大數據存在的風險、網絡安全、數據失真等。在大數據開發利用過程中，云計算技術將會得到廣泛應用。但是云計算將數據存入云端，而云端往往是由第三方服務器實現存取的，如果第三方將數據泄露，將會給銀行帶來極大的風險。另外，互聯網金融正在顛覆著傳統的金融模式，網商具有活躍的交易記錄和巨大的金融需求，但商業銀行很難開發到這些客戶，將給銀行帶來挑戰。
（二）定量分析
除了對大數據時代商業銀行信用風險管理面臨的內外部環境進行定性分析外，還可以進行定量分析。具體思路為：
①確定包括優勢與劣勢、機會和威脅等多于10個的內外部環境因素；
②利用主觀賦權法、客觀賦權法、層次分析法（AHP法）等任一方法確定各因素的權重；
③給各個因素打分，分值范圍為1到5分，評分越高說明因素越重要；
④將各個因素的權重與得分相乘，從而最終計算出各個因素的加權分數；
⑤各個因素加權分數計算代數和得出公司的總加權分數，然后根據分數進行判斷。某商業銀行內外環境分析如附表所示。由附表可以看出，該銀行外部機會大于外部威脅，內部優勢大于內部劣勢，應抓住大數據帶來的機遇，充分利用信息技術，更加科學地評估業務風險、配置全行資源，引導銀行業務科學健康發展。
二、基于大數據的商業銀行征信系統構建
目前，我們已經進入了大數據時代，由于大數據包含的信息量大而且非常復雜，傳統的系統已不能滿足銀行新的分析需求，有必要建立一個統一的數據環境，構建大數據的商業銀行征信系統，采取新分析算法，搭建大數據跨業務的統一應用平臺，從而滿足銀行精細化管理、差異化服務、提升風險分析能力的需求。
（一）大數據時代商業銀行征信系統概述
在金融交易安全日益突出的今天，如何迅速、有效地發現各類欺詐行為，對保證商業銀行的正常運作和國家人民財產安全都顯得十分重要。商業銀行征信系統要針對信貸風險防控工作的實際特點，通過客戶交易信息以及客戶其他信息收集來加強客戶信用風險監測。系統總體見附圖。附表某商業銀行內外環境分析內部環境評分權重加權分外部環境評分權重加權分⑴整體競爭優勢明顯；30.100.30⑴云計算的快速發展；50.150.75⑵良好的客戶群體；50.150.75⑵數據來源多樣化；50.251.25⑶資本雄厚，有能力建立大數據庫；40.050.20⑶科技發展為數據應用提供支持；40.200.80⑷擁有專業客戶人才；30.200.60⑷精準評估業務風險；40.251.00⑸良好的內控環境；50.251.20⑸先入為主的機會；40.150.60優勢⑹豐富的風險防控經驗；50.251.25機會⑹精細化管理的趨勢。40.100.40小計1.004.30小計1.004.80⑴缺乏個人客戶基本信息；-30.25-0.75⑴網商的競爭；-50.3-1.50⑵缺乏小微企業基本信息；-30.20-0.60⑵大數據安全風險；-50.25-1.25⑶缺少產業鏈客戶的信息；-40.20-0.80⑶網絡安全面臨挑戰；-30.2-0.60⑷缺乏專業的數據分析人才；-30.10-0.30⑷外部風險事件的影響；-30.15-0.45⑸缺乏非結構化數據收集能力；-50.15-0.75⑸外部風險來源多樣化。-30.1-0.30劣勢⑹商業運營模式面臨變革。-30.10-0.30威脅小計1.00-3.50小計1.00-4.10優勢劣勢合計0.80機會威脅合計0.70系統將從海量數據中提取出有關聯的數據信息，以發現潛在或已知的風險，系統將數據倉庫、模型庫、知識推理、人機交互四者有機地結合起來，充分發揮數據挖掘的作用，通過建立風險評估模型較好地處理數據資源中存在的模糊性和隨機性，在成熟的模式識別技術和智能分析技術的輔助下，對銀行業務的全方位、多角度的可靠性分析和風險評估，有助于商業銀行實施全面風險管理體系，從而進一步提高融資、貸款、授信等方面的風險評估、監控水平。
（二）大數據時代商業銀行征信系統工作原理
1.數據原料。數據原料是商業銀行風險防控中的關鍵一環，它直接影響到數據挖掘的效率、精準度以及所得模式的有效性。目前，商業銀行針對客戶資料和消費記錄都建立了功能龐大的消費市場數據庫系統，在以大數據引領、以智能化為核心的產業變革時代，銀行要真正將數據作為風險控制的源點，有效整合來自銀行網點、PC、移動終端設備、社交網絡、征信機構等傳來的結構化和非結構化的海量數據，既要獲取常規渠道的數據，又要收集社會化媒體數據，真正將數據作為戰略性資產，實現從管控風險向經營風險方向的轉型。
2.數據工廠。數據工廠是利用數據挖掘理論與技術將數據中潛在的、有用的模式搜索出來，是整個征信系統最為關鍵的一步，也是技術難點。在數據工廠中，系統通過數據抽取工具、數據集成工具、數據過濾工具、數據挖掘工具以及模式評估工具等，從海量數據原料中提取輔助決策的關鍵性數據，并經過歸納總結、推理、分析數據，利用數據挖掘中分類、聚類、偏差檢測、概念分析、異類分析、關聯分析、時序演變分析和元數據挖掘等功能，完成對銀行信用風險控制、銀行市場風險評估和銀行操作風險評估，從而幫助決策者對信息預測和決策起作用。
3.數據產品。數據工廠最終的結果是數據產品，把所有最終經挖掘發現的知識直觀地通過可視化技術展示給商業銀行，以幫助其理解和解釋數據挖掘的結果，控制信貸風險。這些數據結果既包括傳統的諸如違約率、違約損失率、違約暴露和違約期限等客戶信用信息，也包括客戶的其它方面的信用記錄、客戶的信用評級以及對市場風險的評估。當然，整個數據挖掘過程是一個不斷反饋、循環往復的過程，信用評級結果也是動態變化的。
4.數據應用。經過數據挖掘得出的風險評估結果為商業銀行評估信貸業務的風險和收益情況提供了量化工具，改變了單純被動信用風險管理模式。在此背景下，商業銀行應規范貸款審批標準和審批程序，優化金融信用監控機制，完善組織架構和規章制度，實施風險動態防控，使信貸風險管理體系健康運行。
三、大數據時代商業銀行信用風險管理應注意的問題
在“大數據”時代，商業銀行面臨著信用風險防控的新形勢，要積極做好如下應對工作。
（一）風險意識要思維開放
商業銀行在進行風險預測時，需要考量政策、人為的操作風險、市場環境等等眾多因素，但現有的技術水平難以支撐挖掘大數據的商業價值。因此，商業銀行需要具備一種像互聯網一樣的開放式思維，建立分析數據的習慣，重視“大數據”開發利用，關注與風險預測高度相關的大數據信息，如客戶的基礎信息（如客戶開立賬戶時留存的住址、年齡、從事行業、性別等等）、客戶交易信息（如客戶在ATM機上的存取款情況、使用銀行卡、購買理財、使用其他業務的記錄等等）、外部的信息（從互聯網、電信運營商、證券交易所等處挖掘來的有關信息）等，用數據說話，從而提高不確定風險的預測水平。
（二）數據整合要注重質量
大數據很多時候是從一種非傳統的角度去分析、挖掘、利用數據價值的思路。由于數據來源龐雜廣泛，需要不斷利用技術創新去挖掘利用大數據的價值，再加上數據之間的關聯性很強，商業銀行應建立自己的數據地圖，整合銀行內部數據和大數據鏈上的其它外部數據，堅持做到數據要依照標準化采集，確保數據來源真實可靠，杜絕以假亂真；同時構建專門的數據分析方法和使用體系，對數據進行規范化處理，并嚴格按照國家法律法規進行使用，從而確保數據質量，提高數據應用性。
（三）系統建設要高屋建瓴
決策效率、決策質量以及決策成本是評價投資決策的幾個重要影響因素，這些因素在很大程度上影響企業固定資產投資決策的科學性和合理性。基于云會計平臺進行決策相關大數據分析，能夠為企業的固定資產投資決策提供科學、全面、及時的數據支撐。
（一）提高企業的投資決策效率
在經濟全球化、企業規模化背景下，固定投資決策越來越頻繁，其對企業的生產經營活動影響也越來越大。過去，由于數據采集、處理和分析技術的各種限制，企業的固定資產投資決策往往需要花費大量的時間進行數據的收集、整理和對比，并且需要進行長時間的實地考察、調研，這使得投資決策往往要耗費相當長的時間，決策效率相當低下。云計算、大數據技術的應用，企業基于云會計平臺可以直接取得與固定資產投資項目相關的財務和非財務數據，同時通過使企業的業務流程、財務流程以及管理流程相結合，能夠避免部門之間數據的孤立以及傳遞過程中的缺失和時間拖延。通過企業各分子公司的業務系統以及管理系統與云會計平臺無縫對接，能夠為企業固定資產投資決策提供海量的數據，這樣大大節約了投資決策的數據獲取時間。同時，采用大數據技術進行海量決策相關數據的整理、對比和分析，可以顯著提高企業固定資產投資決策的效率。
（二）保障企業的投資決策質量
傳統的投資決策方案一方面會利用有限的數據資料，另一方面依靠投資決策者以往的經驗來決定，其中主觀因素導致的投資風險比較嚴重，決策質量較低。基于云會計平臺，企業通過與互聯網、移動互聯網、物聯網的連接，收集企業投資決策所需的財務與非財務數據，經由后臺的數據模型進行數據整合、清洗、處理，使企業的固定資產投資決策有更加科學、準確、全面的數據支撐，進而減少主觀判斷依據，保障企業的投資決策質量。固定資產投資由于其投資變現能力相對較差，所以企業持有的資產風險相對較大。固定資產投資面臨著債務風險、投資總額變動風險、投資期變動風險以及估算風險等諸多風險，由于固定資產回收期長、流動性差等特點，因此在固定資產投資決策中風險可控性對于企業來說至關重要。基于云會計平臺，企業不再僅僅是單純地進行財務數據的分析，而是對企業自身的財務狀況、負債比重、現金流量、技術支持、人員配置等要素以及外部環境的國際貨幣狀況、市場營銷情況、政府政策、投資環境、市場發展、消費者偏好等一切與投資決策相關的數據進行收集、挖掘，進而對比、分析得到對企業固定資產投資決策有價值的信息。云會計和大數據技術的應用，不但使投資決策更具有科學性，而且能夠通過數據支撐，使風險控制在最小。
（三）減少企業的投資決策成本
企業固定資產的新建、擴建與改良一般涉及到銷售部門、庫房存儲部門、財務部門、生產制造部門等，傳統的投資調研主要通過實地考察、紙質資料收集和整理、電子郵件、電話等途徑，需要大量的人力、物力的支持。基于云會計平臺，企業按需購買軟件服務，通過互聯網和數據端口與所有部門以及子公司相連接，減少了硬件和設備的成本，而且企業無需派大量的調研人員對市場和周圍環境進行實地考察、評估。通過云會計平臺，企業產品的市場銷售情況、投資環境、消費者偏好、相似產品的市場占有量等結構化數據和包括產品相關圖片、視頻、音頻、文本、文檔等半結構化、非結構化數據都能夠方便地被企業收集、整理和分析。企業基于云會計平臺進行固定資產投資決策相關大數據分析，不但可以減少企業投資決策中過多的人力成本，還可以減少相關硬件設備的購買、維護和后續修理費用。
二、大數據、云會計在企業固定資產投資決策中的應用價值
企業固定資產投資，尤其是新建生產設備，往往由于投資回報時間較長，資金占用量較大，關系到企業未來的發展與生死存亡，所以在投資決策前期需進行大量的調研和數據分析，確保決策的科學性和合理性。
一、VaR模型存在的問題
1.樣本數據問題
VaR模型是建立在大量的歷史數據基礎上的,而我國金融市場的數據庫不能滿足風險計量的數據要求,即數據信息量不夠、數據不具有代表性,數據不能及時獲得、反映不夠全面等等。這與我國金融發展的歷史和多年來形成的金融體制有關,因為沒有形成一個開放的金融市場環境,數據信息很封閉。運用數理統計方法計量分析都面臨著樣本數據問題。在利用模型進行分析和預測時要用足夠的歷史數據,對分析數據的檢驗同樣要求數據量,如對VaR模型有效性進行返回測試要求的數據期限更長。如果按照巴塞爾銀行監管委員會的要求,采用99%的置信水平和10日持有期限,一次返回檢驗就需要三年的歷史數據,我國證券市場上的許多股票都難以滿足要求。此外數據有效性也是一個重要問題,而且由于市場的發展不成熟,使一些數據不具有代表性。市場炒作,消息的引導等原因,使數據非正常變化較大,缺乏可信性。壽險產品具有長期性的特點,而壽險發展的時期又不長,上個世紀九十年代隨著央行的普遍降息,壽險產品的增殖利率也多次下調,有的產品只有短短幾個月的生命期,新產品如分紅險,萬能險,投資連結險的大量涌現,各家公司積累的數據不多且可信度不大。并且,由于統計手段限制重視程度不夠等因素使的各家保險公司的數據分析水平處于參差不齊的狀況。
2.風險因子的確定問題
在VaR模型中,首要的一步是對組合中的資產進行風險的分解,從而確定所包含的風險因子,引入的風險因子的個數越多,計算的維數越大,計算越困難,也越精確。因此首先要在精確且完整的反映組合的風險與提高運算效率之間進行權衡。在我國目前的壽險公司中,還沒有公司建立VaR的風險管理體系,即使應用VaR較為完善的銀行等金融機構也沒有建立其VaR風險管理體系,一旦壽險公司等金融機構要用VaR進行風險衡量,就沒有適合我國實際的VaR模型可以利用,就要花費相當長的時間和相當大的財力和人力去進行風險因子的確定。
3.模型問題
由于在計算VaR時使用不同的方法,不同的模型會得到不同的結果,使得VaR的可靠性難以把握。因此無論是監管部門還是金融機構本身對不同的VaR模型進行評價和選擇都是比較困難的。目前在我國使用VaR來管理風險還是一個空白領域,不管是風險管理人員的識別能力還是硬件的機制配套都要從零開始,因此對模型的檢驗、評價和甄選都是一個漫長而艱苦的過程。其中,事后檢測在確認壽險公司所采用的模型是否妥當方面可以擔當重要的角色。事后檢測是指事前風險值和事后實際的損益相結合進行比較。如果經過多次,多期測量,事后的損益值小于事前風險值,則模型基本是可靠的。反之若事后的損益值大于事前風險值,則需要重新修訂模型。任何一種經不起事后檢測的風險度量模型都將被淘汰。
4.利率市場化
利率改革的滯后己經成為中國經濟改革的瓶頸。利率不能由市場所決定,不僅造成了金融抑制,而且使金融資產的配置極為紊亂,存貸利率、長短利率倒掛的現象屢見不鮮,利率的非市場化,還導致了金融資產價格的非市場化,使價格變動的風險很大程度上變成了政策風險,這使VaR模型功能難以有效發揮。利率決定的人為化.還使金融產品的定價無從下手,制約了金融產品和VaR模型的標準化及其推廣。利率改變的實質性推進,是深入發展中國金融風險管理的前提條件。利率也是影響我國壽險公司的一個重要風險因子,特別是我國壽險公司的利差損問題,使利率風險變的更加重要。如果利率的市場化功能不能正常發揮,將使VaR的應用效率大打折扣。
5.真正市場參與主體的塑造
中國金融市場投機行為叢生的一個重要原因,就是市場的主要參與主體都是管理問題比較嚴重的國有機構.這些機構的人(經理人員和市場操作人員)的風險收益結構較為扭曲。因此,每一個初衷良好的金融產品最后都有可能扭曲成追逐風險的工具,這顯然不利于金融風險管理的實施與發展。也許,中國金融市場面臨的首要問題就是真正的市場參與主體的塑造問理.
6.道德危機
利用VaR模型,各壽險公司可以控制自己公司面臨的風險,但可能會導致“道德危機”的問題,即為了降低風險資金的要求,人為減少VaR模型的風險暴露。同樣,壽險公司的各個部門有時為了追逐高利潤而不被高層機構察覺,就人為減少風險暴露。因為VaR模型的保密性,使監管機構對于模型的檢驗十分困難,模型存在的一些嚴重問題可能無法發現和及時調整。
7.難以預測的業務增長狀況
我國保險市場潛力巨大,但也有相當的不確定性,很難對業務的發展狀況做出準確預測。與保費收入增長緩慢的市場相比,我國保險市場正處于一個快速增長的時期,每年不斷增長的保費收入將能夠滿足當年保險給付的資金需求和營運費用的支出需求,而以各種準備金形式存在的保險資金需要尋求更加安全的增值空間,以應對未來集中給付的高峰。一個不穩定的市場產生的VaR信息將不能有效的反映公司面臨的風險。
二、VaR方法的完善與修正
應用VaR模型在實踐中有上述因素的影響,導致即使在置信區間內,偶發事件也會非常集中的發生,由此帶來的風險是致命的,極端情況的發生將給公司帶來巨大的損失。另外,VaR對交易頻繁,成交量大的金融產品風險測量比較準確,但對交易不活躍,成交量小的金融品種風險測度的準確性就差些。最后,我國金融證券市場受許多不確定因素的影響,市場的有效性不高。因此在應用此方法測量風險時,仍需結合其他一些定性定量方法,以保證測量風險更準確、更有效。這就需要對VaR方法做進一步的完善和修正:
1.完善的數據庫體系
保險經營中的各類風險數據、損失數據是保險經營的數理基礎,從相當程度上也可以說,風險數據、損失數據是保險經營的保險資源。在具體運用風險價值方法時,我們不僅需要獲得各個風險的數據,也需要總的風險數據。
總的風險需要協方差距陣來整合,協方差距陣需要長期觀察統計才能得出。但目前我國無法得到該數據,可以用其他國家的數據然后根據中國的實際進行調整。保險經營依據這些保險資源從事保險展業,通過展業擴充豐富這類資源以提高保險經營水平和展業范圍。而我國的壽險公司即使是一些大型公司也缺乏完善的數據庫.更為重要的是,我們利用各種可能的方法和技術對數據進行有效的數據分析,得出科學和可靠的結論.最后,壽險公司不僅要建立自己公司的數據庫,還要注意運用其它公司的數據和保險行業協會的數據,這對一些小型公司和開發新業務的公司尤為重要.
市場持續在變化,導致使用歷史資料所估算出的風險無法反映最新的市場狀況。這個缺點也是所有采用歷史資料方法所共有的缺點。解決的方法所起來簡單,就是定期更新模型。可是要做到這一點,就必須設置專門的機構或部門來負責,需要人力和財務上的支持。
2.加強補充壓力測試和情景分析
為了彌補VaR對非正常情況下風險衡量的不足,應當加強壓力測試和情景分析的補充,還必須注意采用返回檢驗,來檢驗模型的有效性。壓力測試和情景分析有許多相似之處,都是對未來的極端情況(往往是不利的情況)做出主觀上的想象,然后將金融機構或資產組合置于這一設想環境中來考察它的表現。只是壓力測試是針對市場中的一個或相關一組變量,如假定利率驟升100個點或股價暴跌20%,在短期內的變化進行假設分析,研究和衡量的是這組市場變量異常變化給投資組合帶來的風險。情景分析是從更廣泛的視野更長遠的時間范圍來考察金融機構或投資組合的風險問題。所謂返回檢驗即是將實際的數據輸入到VaR模型中去,然后比較該模型的預測值與顯示結果是否相同的過程,以此來檢驗VaR模型的有效性,并做出適當的模型修正。
除此以外,還需在管理和制度建設方面的進一步完善,改進法人治理結構,建立適合自身的風險管理體系和完善的風險管理報告體系,通過這些,將進一步增強VaR的有效性、適用性,擴展其在壽險領域的應用。
參考文獻:
[1]皮埃特羅•潘澤:用VaR度量市場風險[M].機械工業出版社,2001
[2]王春峰:金融市場風險管理[M].天津大學出版社,2001
[3]盧仿先 曾慶五:壽險精算數學[M].南開大學出版社,2001
關鍵詞：云金融；商業風險；互聯網金融；預警管理
解析互聯網金融的商業風險整體分析互聯網金融風險。按照《巴塞爾協議》內有關全面風險管理的要求，借鑒國際上的有益經驗，本文將互聯網風險劃分為上文所提到的三種類型風險。其中政策法律風險細分成了國家、行業和機構等層面，商業風險主要有市場、信譽和操作等風險，技術分為安全和技術選擇風險，如圖1所示。解析基于業務平臺的互聯網金融商業風險。從上述分析得知，互聯網金融主要被分成了三大平臺，分別是業務、管理和協作三大平臺。互聯網金融資金需求的雙方在業務平臺上撮合成交；通過國家管理者、行業管理者以及互聯網企業各分支機構對其實行各層監管，上述各監管組成了互聯網金融管理平臺；軟硬件開發維護者及網絡服務商主要擔任協作業務及管理平臺的運營，他構成了互聯網金融融資類的業務協作平臺。在業務層，資金融通雙方都面對了商業風險。一是市場風險。互聯網金融市場風險主要是由利率和流動風險組成。互聯網風險一方面會受到行業監管、行業分化和行業競爭等的影響，另外還會遭受央行貨幣政策刺激，兩者同時加劇了利率風險。互聯網金融機構一般會發揮資金周轉的作用，沉淀資金有可能會在第三方中介滯留兩天至兩周的時間，不具備有效的擔保及監管，很容易會出現資金挪用的情況，若是缺少流動性監管或出現資金鏈的斷裂，必然會導致支付危機的出現。另外不斷出現的互聯網金融業務平臺也會上限，不具備用戶優勢的平臺將會借助提升利率和縮短投資期限的形式來吸引投資者加盟，這就必然會引起平臺流動性風險，并且很多用戶在平臺跑路消息報道的基礎上，針對平臺的投資僅僅限于打新投資，這顯然會提升互聯網金融的流動性風險。二是信譽風險。信譽風險就主體劃分，主要分為自然人信貸風險及企業信貸風險兩種。自然人信貸風險主要是指自然人違約，其出現違約主要是由于其抗風險的能力較弱進而出現了道德問題。自然人信貸風險主要是由于借款人的經濟情況具有不確定性，尤其是該種借貸用在了生產經營商。互聯網金融業務內會牽涉到大量的自然人信貸范疇，由自然人承擔對應的償還義務，但是自然人的經營狀況、身體健康情況和消費習慣等都會引起還款風險。另外自然人借款人的個人觀念及道德問題都會造成違約風險。企業信貸風險和自然人借款人的動機以及償債能力的影響因素存在較大的差異。通常企業借款人主觀上惡意不按時清償債務可能性較低，對比之下，由于經濟實力、行業發展和經營狀況等因素導致的資金短缺更加容易使其違約。因此在對信譽風險實施評價時，自然人信用風險要更側重對其償還意愿的評估，但是企業借款人信用風險的評估則更加側重對其償還能力的評估。三是操作風險。互聯網金融操作風險主要指的是互聯網金融的活動內，由于人員匱乏、內部流程制定不當或是實施失敗以及系統不足所造成的直接性或間接性損失的可能性。目前用戶數據、用戶操作行為數據、交易數據、文本數據等大數據系統出現交織，由于沒有通過授權方位、系統退化、雇員欺詐、服務提供商風險和客戶安全保護意識較低等交易內，操作風險正是來自這些繁瑣和復雜的數據系統行為的結合內。依據操作風險的不同來源，可以劃分為內部操作風險及外部操作風險兩種。內部操作風險主要因為績效考評、審計監管及內部控制等多方面的互聯網金融企業內部因素所引發；外部操作風險主要是因為私人泄露、釣魚網站的盛行等外部因素引起的。追究其根本原因就是在于大數據，互聯網金融企業對用戶注冊無法實現有效管理，并且不能很好地分析和管理交易中出現的大數據，另外是否可以合理地對各種數據進行保存也是當前互聯網金融企業迫切需要解決的問題。互聯網金融商業風險特點。一是擴散速度快，破壞力強大。傳統銀行業務通常是通過紙質或是銀行內部系統來操作，一旦出現了錯誤，是有充分的時間查找、連接并且追回損失的。但是包含了交易數據、用戶操作行為數據和用戶數據及文本數據等大量數據的云金融為載體的互聯網金融，一旦出現了問題或是差錯，將會難以立刻糾正，并且互聯網金融業務運作速度飛快，等到發現問題后再攔截和追討損失基本無望。二是風險會交叉傳染。一方面互聯網金融業務平臺內包含了融資類、支付類和理財類業務，業務相互之間存在交叉性；此外互聯網金融商業風險內的市場風險、信譽風險和操作風險就像是多米諾骨牌，一旦一個出現風險將會引發一系列的風險。三是很難區分風險責任。互聯網金融辦理的過程一般都會涉及到外包商、電力和電信等其他多種合作方式，因此一旦某個方面出現了服務終端、客戶信息泄露和系統崩潰，將會直接對互聯網金融企業造成極大的損失，并且難以對責任實行區分。責任不能區分的直接結果就是一旦發生了損失，將難以對有關方的損失賠付進行明確。
互聯網金融的風險預警系統
數據作為中心的體系設計原則。互聯網金融風險預警系統設計內必須要遵循下面幾點：一是系統性原則。互聯網金融風險預警系統屬于一個針對互聯網金融風險實行檢測、預測和預警的系統，是大型的體系，該體系內包含了互聯網金融行業的所有，因此建立該系統時必須要考慮每一個用戶和金融產品的提供者等全部參與到金融活動內的人的利益，同時還要實行系統性建設。二是時效性原則。互聯網金融行業最大的特點是高速，充分體現了互聯網金融活性具有的及時性特點，因此在實行互聯網金融風險預警系統的建設中，必須要實時防范并且及時處理，確保可以及時判斷風險和快速應對，避免造成太多損失。三是科學性原則。在預警系統的建立中要確保科學性，保障系統可以準確對金融風險實行判斷，防止對金融風險作出錯誤估計，最終導致不必要損失。將數據當做中心系統層級。在互聯網金融預警系統內存在以下幾層：一是數據管理層。預警系統主要是基于數據建立的，對此必須要建立和健全系統對數據的管理機制，建設和企業規模相適應的數據管理中心，便于對數據的收集、整理、加工和存儲。而且在數據中心還要實行管理過程內確保數據的準確性、完整性及安全性。二是數據整合層。風險預警系統的最主要任務是要通過分析互聯網金融行業內的海量數據，進而實現對其中風險的語境，這就必須要系統地對金融風險存在更為透徹的認識，自金融風險的定義出發，重新整合和分析數據，進而提取出有用的信息，信息整合能夠很好地保證信息的準確性及可靠性，數據提取層主要是整合及提取數據。三是數據分析層。數據分析層主要是分析數據，判定數據的風險。這就要保證系統具有完備的智能性。四是數據的解釋層，數據解釋層是對風險的解釋，更加準確地來講就是通過風險和企業現狀結合得出分析結果，其中包含了風險的可靠性、危險度、產生根源和處理方法。
建立互聯網金融風險預警模式
（一）風險預警設計思路
在上述分析的基礎上，針對定性風險評估指標使用模糊綜合評價法對其實行量化，對互聯網金融商業風險進行測度。依據選擇的權重系數測定互聯網金融商業風險預警綜合評分值，依據設定的預警區域范圍來確定互聯網金融的風險預警區域，從而選擇互聯網金融商業風險的相應策略權重系數的選擇在風險測度內是最關鍵的問題，對市場風險、信譽風險及操作風險實施分別測度中，須確定各個具體指標的權重系數問題；另外就是互聯網金融商業風險預警評分值測度過程內的市場風險、操作風險以及信譽風險分別權重系數確定的問題。
（二）構建互聯網金融風險預警指標體系
在業務平臺基礎上的互聯網金融商業風險主要被分成了市場、信譽和操作風險三個維度，而且各個維度的風險有著豐富的含義，很難使用單一指標來客觀描述。為了使得評價指標變為更精準，本文使用主客觀結合的方式設計互聯網金融三個維度的商業風險。 針對定量指標，筆者結合有關學者的研究成果和銀行體系定量指標來計算，最終對定性指標使用問卷調查的方式，結合模糊綜合評價方法得到最終對應的評分值。
（三）建立互聯網金融商業風險預警
通過假設互聯網金融商業風險內各變量間均是相互影響并且相互作用的，建立互聯網金融業風險的結構方程模型，并且對上述指標之間的關系進行檢驗。互聯網金融商業風險的三維關系假設主要為：H1：市場風險防控對互聯網金融商業風險的預警防控的直接正影響；H2：信譽風險防控對互聯網金融商業風險預警防控的直接正影響；H3：操作風險防控對互聯網金融商業風險預警的直接正影響；H4：市場風險防控及信譽風險防控的直接雙向正關系；H5：市場風險防控及操作風險防控的直接雙向正關系；H6：信譽風險防控及操作防控間的直接雙向正關系；H7：市場風險防控依賴各種要素不受信譽風險及操作風險防控影響；H8：操作風險防控依賴的各要素不會受市場和信譽風險防控影響；H9：信譽風險防控依賴的各要素不會受市場和操作風險防控影響；H10：除市場、操作和信譽風險以外的其他因素都是殘差項。劃分衡量互聯網金融商業風險的指標為：一是互聯網金融機構個體的指標，包含財務健康情況及機構規模；二是互聯網金融整體指標，包含了信貸質量、資產規模、資產及負債匹配數量；三是互聯網金融機構指標，包含了業務發展模式、產品類型、風險度量等。見表1所示。在模型內市場、信譽和操作風險分別作為三個外生潛變量分別由各自所屬顯變量測量，互聯網金融風險系統的各變量相互間是存在關聯性的，因此假設三個外生潛變量之間存在相互變聯系。互聯網金融的融資業務風險是內生的潛變量，主要是表1內的八個顯變量反應。
分析互聯網金融商業風險預警結果
首先要對預警信號閾值實行確定。預警信號閾值是觸發預警后續行動的臨界值，閾值要綜合數據的模型、歷史數據經驗和專家經驗以及同業信息確定，并且還要考慮互聯網金融的融資平臺的風險偏好、客戶與平臺的聯系、監管部門檢查評估互聯網金融融資平臺和監管要求等因素。一旦風險表征值超出了預警信號的閾值，將會觸及預警流程，進入風險預警系統，將實現對風險級別的定位。其次是定位互聯網金融商業風險的預警級別。依據評估風險大小，劃分互聯網融資風險為正常狀態、關注狀態、次級狀態、可以狀態以及損失狀態5個等級，分別用綠、藍、黃、橙、紅五種顏色的燈來表示。詳情見表2所示。第三是分析互聯網金融商業風險預警的結果。在處于綠色信號燈范圍情況下，互聯網金融平臺必須要考慮和其開展對應的業務活動，還要增強互聯網金融平臺的效益，平臺必須要大量的吸收該種類型的業務；在處于藍色信號燈的范圍下，互聯網金融平臺則可以考慮接受和其開展對應的業務，那些已經有的處于藍燈狀態的業務，則可以考慮持有；在處于黃燈信號的范圍時，互聯網金融平臺可以按照公司的戰略和客戶征信情況，適當考慮是否需要開展其他方面的業務，若是已經存在了處于黃燈狀態的業務，要及時防范并且調整，或是改變持有策略或是適當轉出業務；在處于橙色燈信號時，互聯網金融平臺則不應當考慮其借貸，若是當前業務已經處于信號燈為橙色的狀態，要立即采取對應措施來降低損失；若是當前處于紅色信號范圍內，則互聯網金融平臺必須將其拉進黑名單，針對已經處于紅燈狀態的業務，則要采取強硬的手段實行積極挽回，盡力彌補損失，實行不良征信評價。
參考文獻：
1.卜亞，張敏.互聯網金融創新監管機制構建——基于激勵相容的視角[J].技術經濟與管理研究，2016（1）
2.李灝來，李越冬.國家審計“管理”互聯網金融風險的路徑研究[J].會計之友，2016（3）
3.黃建康，趙宗瑜.互聯網金融發展對商業銀行的影響及對策研究——基于價值體系的視域[J].理論學刊，2016（1）
由于房地產具有抗通貨膨脹、保值、增值性,房地產投資逐漸成為世界最有吸引力的投資方式之一。而在我國,隨著各地房價的高歌猛進,以及股市的飄搖不定,房地產投資已成為廣大投資者和投資機構獲取高額利潤和實現資產增值的重要渠道。同時,鑒于房地產投資巨額性、風險性、外部性和政策影響性,以及投資資金或資源的有限性,投資者必須在確定的即期支出與不確定的未來收益之間做出抉擇,選擇適合自己的投資形式和投資產品。因此,房地產投資決策應基于對目標項目科學、公正的投資分析之上,只有這樣才在一定程度上保證決策的正確性和資產的增值性。
二、房地產投資分析
房地產投資分析指在房地產投資活動之前,投資者運用自己或投資分析人員的知識和能力,全面調查擬投資項目的各方面制約因素,對所有可能的投資方案進行比較論證,從中選擇最佳方案并保證投資有較高收益水平的分析活動。房地產投資分析的內容包括市場分析、區位條件分析、基礎數據估算分析、經濟分析、不確定性分析、風險分析、方案比選分析等方面。本文主要從市場分析、經濟分析和風險分析三方面做簡要介紹。
1.市場分析
房地產投資項目在投資決策前,調查市場狀況,辨識投資風險,選擇投資機會的過程,稱為房地產投資項目的市場分析。房地產市場分析是理性投資者所做的必不可少的一項工作。房地產市場分析主要以市場調查和市場預測為手段,在獲取市場信息的基礎上,對投資項目的現金流量及市場價值的變化科學預測,為投資項目的經濟分析、風險和不確定性分析奠定基礎,為投資者、決策者把握市場機會和正確進行決策提供依據,以使投資者在開發結束或持有期內獲得最大利潤,實現增值的最大化。
2.經濟分析
經濟分析是房地產投資分析的核心部分,主要通過經濟分析指標的計算定量分析目標項目在經濟上的可行性。經濟分析指標根據是否考慮資金的時間價值可分為靜態分析指標與動態分析指標兩大類。由于資金本身就具有時間價值,而且將一定資金投入到某一項目后也會產生一定的機會成本,因此,筆者認為財務凈現值、財務內部收益率、動態投資回收期等動態分析指標更為科學、合理,更有利于輔助投資者做出正確的決策。
3.風險分析
房地產投資與其他投資一樣,可能帶來較高收益的同時也伴隨著較大的風險存在。房地產投資風險就是從事房地產投資而造成損失的可能性大小,這種損失包括所投入資本的損失與預期收益未達到的損失。由于房地產投資具有價值量大、周期長、不可移動性、變現能力差等特點,使得房地產投資的風險程度更高,在投資過程中可能會面臨自然風險、意外風險、財務風險、市場風險、政策風險、利率風險等諸多風險。
風險分析是風險評價的主要手段,其方法就是根據不確定性因素在一定范圍內的隨機變動,分析確定這種變動的概率分布和他們的期望值、標準差、變異系數和置信區間,并由此說明擬投資項目在特定收益狀態下的風險程度。以市場風險的分析為例,在開發期或持有期內,市場可能會出現繁榮、正常和衰退三種情況。為此,投資人應通過深入的市場調查和數據分析,預測各個狀況發生的可能性和該狀況下可能的收益水平,并通過計算期望收益標準差、變異系數、置信區間等對市場風險進行評價。
【關鍵詞】家庭個人理財 股票 風險控制
一、研究背景
隨著金融體制的不斷完善和金融產品的日益豐富，家庭資產呈多樣化發展，城鄉居民家庭參與資本市場投資活動的程度不斷加深，越來越多的普通居民開始涉足股市，由于個人之間風險意識、信息充足率、專業知識等方面的差別，投資收益存在很大的差別。
股票由于其高流動性和高收益性，受到廣大投資者的歡迎，而其高風險卻往往重視不足。本文希望在分析我國家庭個人投資股票的基本情況的基礎上，對個人投資股票的風險控制提出相關建議。
二、我國家庭個人投資股票的現狀
（一）我國家庭個人投資股票的比例
從目前的情況看，家庭個人投資方向中，銀行儲蓄仍然占據了半壁江山，占總投資的57.5%，現金為17.93%，股票則為15.45%。鑒于銀行儲蓄的高流動性和高安全性，銀行儲蓄一直是居民和機構投資的首選。在當前通貨膨脹的背景下，銀行儲蓄收益偏低，扣除通脹之后無法實現保值增值的目的，這也促使投資者在滿足日常流動性的基礎上將部分資金投入收益更高的領域，股票市場就是典型的高收益工具。
（二）我國家庭個人投資股票的盈虧狀況
虧損與收益的對應，是金融市場上的常態。損失和收益交替出現，和經濟形勢的好壞交替呈同步變動。除了經濟形勢之外，行業的周期性發展和國家政策的轉變也會影響到盈虧狀況。
家庭個人投資股票是否盈利，除了上述基本面的情況，還與個人對風險的識別能力與規避風險能力有關系。
通過具體的數據分析，我們可以發現從股市中盈利的群體只占總人數的22.17%，其余77.83%則為虧損或者持平。這正好體現了股市“二八”法則，即在股市中，二成投資者盈利，八成投資者虧損或持平。
三、投資股票面臨的風險
家庭個人投資股票面臨的風險有多種，但在一般情況下，家庭個人面臨的風險主要是違約風險、利率風險和通脹風險，其他風險較少遇到。
（一）違約風險
違約風險是指債務人無法按時支付利息和償還本金的風險。違約風險不多見，ST風險警示的股票存在退市的風險，但退市后仍可以在三板市場交易，而且可以參與分紅。至于債券違約，2012年山東海龍債由于資不抵債，瀕臨違約，政府出資解除了違約風險。
（二）利率風險
利率下調，銀行存款收益低，從而造成買證券者增多、證券價格便會隨之上升；相反，利率上調，銀行存款收益高，則證券價格也隨之下跌。
（三）通脹風險
物價指數上漲時，債券價格下降，但是，股票卻是一種保值手段，因為物價上漲時企業資產也會隨之增值，因此，物價上漲也常常引起股價上漲。不過總的來說，物價上漲，債券價格下跌，股市則會興旺。
（四）技術風險
技術風險是指股票市場內部因技術性操作因素引起股價波動而產生的風險。技術風險因素包括投機者的投機性操作、股市的強弱變動趨勢、股價循環、信用交易和證券主管部門對股票市場的限制性規定。不同公司的技術風險差異可通過Beta系數來反映。
四、股票投資的風險控制
（一）分散系統風險
分散風險可以通過分散投資工具、投資時間、投資行業三個原則來實現。
1.投資工具分散
將資金平均分散到多家公司股票上，總的投資風險會大大降低。市場上的投資工具對利率的變動有不同的效果，如果選擇兩只反向變動的資產，則可以對沖風險。有研究表明，對任意選出的60種股票的組合進行投資，其風險可將至11.9%左右。
2.時間分散
股市在得知上市公司派息消息后，股票價格會有明顯地變動。短期投資宜在發息日之前大批購入該股票，在獲得股息和其他好處后，再將所持股票轉手；而長期投資者則不宜在這期間購買該股票。
3.行業選擇分散
2013年以無錫尚德、江西賽維等為代表的光伏產業的衰落很好的說明了投資行業的重要性。股票投資不僅要對不同的公司分散投資，而且這些不同的公司也不宜都是同行業的或相鄰行業的，最好是有一部分或都是不同行業的，不同行業、不相關的企業才有可能對沖風險，從而能有效地分散風險。
（二）回避市場風險
市場風險來自各種因素，需要綜合運用回避方法。
1.掌握趨勢
對每種股票價位變動的歷史數據進行詳細的分析，從中了解其循環變動的規律，了解收益的持續增長能力。
2.搭配周期股
有的企業受其自身的經營限制，一年里有部分時間停工停產，其股價在這段時間里大多會下跌，為了避免因股價下跌而造成的損失，可策略性地購入另一些開工、停工剛好相反的股票進行組合，互相彌補股價可能下跌所造成的損失。
3.選擇買賣時機
以股價變化的歷史數據為基礎，算出標準誤差，并以此為選擇買賣時機的一般標準，當股價低于標準誤差下限時，可以購進股票，當股價高于標準誤差上限時，最好把手頭的股票賣掉。
4.注意行業周期
企業的經營狀況往往呈一定的周期性，經濟氣候好時，股市交易活躍；經濟氣候不好時，股市交易必然凋零。要注意不要把股市淡季作為大宗股票投資期。
（三）避免利率風險
了解企業營運資金中自有成份的比例，利率升高時，負債較多的公司會遇到資金困難，從而殃及股票價格，而利率的升降對那些借款較少、自有資金較多的企業或公司影響不大。
參考文獻
[1]甘犁.中國家庭金融調查報告[M].西南財經大學出版社，2012.
金融市場中各變量的變化或波動將導致未來資產組合收益存在不確定性，因而產生金融市場風險。在此定義中，金融市場中各變量指的是包含股票的價格、利率、衍生品價格等變量，這些變量同時也被稱作市場風險因子。以上定義可以得出結論，金融市場風險基本上可以定義為金融資產價格風險。
而在金融市場中，銀行業作為金融體系中十分重要的組成部分，同時也成為貨幣傳導機制的重要一環，自然對商業銀行的監管將成為金融風險管理研究的課題之一。首先，金融產品的多樣化擴大了銀行的收入來源，隨著我國逐步推行利率市場化、各商業銀行的中間業務尤其以表外業務為主的規模不斷發展擴大，商業銀行所面臨的風險也隨之擴大。其次，我國國內市場化進程不斷深化、利率市場化程度不斷加深，越來越開放的市場環境使得國內大多傳統分業經營的界限日益模糊，商業銀行走上混業經營成為銀行業未來發展的必由之路。與此同時，眾多金融衍生工具的誕生、銀行業務的不斷完善創新，都為商業銀行創造了巨大的利潤，也帶來了不容忽視的金融風險。如何在提升商業銀行自身的市場競爭力的同時增強銀行本身的抗風險能力，現成為眾多商業銀行經營管理的核心內容。
二、文獻綜述
（一）國外文獻綜述
1952年哈里馬克維茨在他的博士論文中開創性的提出了一種關于資產組合選擇的方法，馬克維茨提出基于投資組合中的兩個基本參數，理性投資者會以此做出合適的資產組合的選擇，這兩個參數即預期收益和風險，這就是現代風險管理理論發展的基礎。至1960年前后，威廉夏普與林特納提出了資本資產定價模型（CAPM），資本資產定價模型推進了風險管理的研究進程，它基于馬克維茨的理論將單個資產分為兩部分即是否能被分散化的風險。1995年，巴塞爾委員會提出VaR必須成為商業銀行資本充足性評判依據的要求，并在聲明之后對VaR模型是否適用于商業銀行風險管理的分析做了詳細的介紹。在1995年末美國證交委員會提出上市公司需定期披露自身信息并將VaR作為報告期的重要衡量指標的建議后，研究者們及銀行家們對VaR模型的使用日益重視，且模型在金融業的適用范圍日益擴大。
進入21世紀后，研究者們對VaR模型進行更深入和擴展的研究2004年，羅伯特首次基于VaR提出了條件VaR模型（CAVaR），在此模型中模型參數來自于分位數回歸，這也是條件自回歸模型的首次亮相。2010年，羅伯特又對三類基本方法，即Delta正態法、歷史模擬法、蒙特卡羅模擬法的優缺點進行了比較分析。
（二）國內文獻綜述
2006年，梁志森指出在我國商業銀行的市場風險管理上，VaR 的應用雖具有一定的局限性，但在一定程度上是可以克服的，即表明VaR在中國銀行業風險管理領域同外國一樣具有相當的適用性。2007年，何飛平對VaR模型的隨機波動進行了討論，并對此情況下的VaR值進行實證分析，結果顯示隨機波動模型下的VaR值更具準確、動態性。隨后在2008年，牛茜指出使用VaR模型來計量市場風險與風險管理是我國商業銀行未來的可行之路，但我國銀行在使用模型時仍然存在數據缺失與后尾分布現象。2012年，劉靜，高翔就當下我國銀行業中存在的普遍現象和問題，針對性的提出風險管理審計在我國商業銀行業中實施的必要性，并深入探索研究更符合我國商業銀行經營狀況的風管審計新體系。
三、商業銀行市場風險的度量
（一）度量方法介紹VaR介紹
1、VaR的定義
所謂VaR，簡單來說就是指在正常情況與給定的置信水平下，資產、投資組合在未來一段時間內將會遭受的最大可能損失。可以表示為：
Prob（P
其中，Prob表示概率密度；P=P（t+t）-P（t），表示組合在未來持有期即t內的損失；c即為給定置信水平；VaR表示在給定置信水平c下資產組合的風險價值。
2、VaR的基本特點及參數
基本特點：
（1）基本公式僅能準確計算正常波動狀態下的市場風險而非極端情況；
（2）VaR具有可比性；
（3）VaR值越大說明風險投資組合面臨的風險越大，反之則越小；
（4）正常情況下，時間跨度越短，收益率越貼合正態分布；
（5）VaR值的基本參數為置信度和收益率。
基本參數：
（1）持有期
持有期是指計算在某段時間內持有資產的最大損失值，即VaR的時間范圍。一般在計算持有期時需考慮流動性、正態性、數據約束及頭寸調整這四個方面。并且在一般情況下，其他因素保持不變，流動性越大，持有期越短，資產組合面臨的風險越小。
（2）置信度
置信度是指資產組合的實際損失低于事先估計VaR值的可信度。置信度的選擇需考慮歷史數據的可得性與充分性，并且對于同一個資產組合，在不同置信度下得出的VaR值也不盡相同。因此，選擇恰當的置信區間對計算VaR模型十分重要。
（二）VaR模型對我國商業銀行市場風險的實證分析
1、樣本區間的選擇
上海銀行間同業拆借利率（SHIBOR）是我國銀行間利率市場化最具有代表性的數據且具有很高的市場化程度，因此實證分析選取此數據作為模擬變量。本文選取2012年1月4日至2014年6月17日之間的上海銀行間同業拆借利率（SHIBOR）作為樣本，同時考慮到市場交易量以及利率對市場變動反應的靈敏程度，選擇其中的隔夜加權利率作為觀測對象，選擇樣本容量為608，樣本數據的持有期為一天，即t=l。文中數據均來源于上海銀行間同業拆借利率網站，應用Eviews6.0軟件對數據進行分析處理。
2、樣本數據分析
（1）ADF檢驗
用單位根的方法對時間序列的平穩性進行檢驗，平穩性檢驗結果如表1：
由檢驗結果可知：在三個顯著性水平下，單位根存在的零假設均被拒絕，即表明了SHIBOR對數日收益率序列是平穩的。
（2）VaR檢驗
由表2可得滯后階數為3階，接下來，通過檢驗單位根來考察模型的穩定性，見圖1：
由圖1可見，所有的特征根都落在單位圓內，即都小于1，表明該VAR模型的結構穩定，因此可以對其進行格蘭杰因果關系檢驗、脈沖響應函數分析和方差分解。
（3）格蘭杰因果關系檢驗
為了能進一步確定變量之間的相互關系，下面進行格蘭杰因果關系檢驗，結果如表3：
由表3可得以下結論：
（1）隔夜SHIBOR與一個月SHIBOR互為格蘭杰因果關系；
（2）在95%置信度下，隔夜SHIBOR利率和一個月SHVIBOR利率與上證指數并無格蘭杰因果關系；
（3）上證指數與一個月SHIBOR互為格蘭杰因果關系，但與隔夜SHIBOR沒有格蘭杰因果關系，也就是說上證指數的變動能夠引導一個月SHIBOR利率，或者說一個月SHIBOR利率能夠反應上證指數的變化，但是隔夜SHIBOR利率卻做不到這一點。
四、結論
通過本文前面的介紹可以得出：VaR模型對我國商業銀行的利率風險管理具有適用性及很好的衡量作用，雖然運用這種方法仍存在一定的限制條件。因此，建立以VaR模型為基礎的利率風險管理體系具有重要的現實意義，現根據上面的分析得出如下結論：
第一，要建立與我國商業銀行利率管理體系相適應的VaR模型，商業銀行是一個需要實時數據作為支撐的行業，并且VaR模型需要應用大量精確有效的歷史數據，因此本文選取的數據是從2012年1月起至2014年6月總共610個數據，分析得出的結果具有時效性及可參考性。相反，如果數據缺乏則會在很大程度上限制VaR模型的實際運用，且會加大應用過程中返回測試的困難，因而降低了模型的有效性；
第二，建立在我國商業銀行利率風險的實際管理情況下來選擇合適的置信度和持有期，結合現在我國商業銀行利率風險的管理現狀與文章中對VaR模型的實際應用情況，同時參考現階段數據的缺失對風險管理的影響，建議商業銀行考慮選取95%的置信水平，持有期為10個交易日來進行利率風險的管理；
[論文摘要]本文就我國商業銀行的客戶信用風險、市場風險和操作風險展開研究，分析商業銀行風險的識別途徑提出風險評估的相應評估、計量方法最后研究了客戶信用風險的應對、市場風險的控制和監控以及操作風險的轉移方法以期為實現我國商業銀行的全面風險管理打下良好的基礎。
一、引言
伴隨金融風險復雜程度的上升銀行業正在不斷地改進和完善其風險管理理念、手段和技術商業銀行風險管理已經逐步由傳統的資產負債管理模式向以風險資本約束為核心的全面風險管理模式邁進。提升國內商業銀行的全面風險管理能力業是貫徹落實科學發展觀的具體體現事關國家金融安全穩定的大局其意義十分重大。
二、商業銀行風險的識別
商業銀行風險的主要類型有信用風險、市場風險、操作風險。故商業銀行的風險識別相應的為:客戶信用風險識別;商業銀行市場風險識別;商業銀行操作風險識別。
1、客戶信用風險的識別。是指對客戶各項風險因素的捕捉和分別進行判斷的過程.實際上就是對客戶信用風險的盡職調查過程。客戶信用風險評級指標主要包括基本面指標、財務指標兩大類內容。(1)基本面指標。又稱為定性指標或非財務指標包括品質、實力、環境三個主要方面。品質類指標包括管理層素質、股東治理結構、還貸誠意、信用記錄等多個方面。實力類指標從客戶的資金、技術及設備、管理、人員等各方面考量企業實力高低。環境類指標包括市場競爭環境、信用環境、政策法規環境;(2)財務指標。對財務指標的分析主要包括償債能力指標、營運能力指標、盈利能力指標、成長性指標和其他指標等幾個方面。誣膾債能力指標主要考量客戶的資產負債率、利息保障倍數、平衡的流動比率或速動比率等;②營運能力指標主要考量客戶的總資產周轉率、應收賬款周轉率、營運資金周轉率以及流動資產周轉率等等。③盈利能力指標主要考量客戶總資產收益率、銷售利潤率、凈資產收益率。④成長性指標主要計算和分析銷售收人增長率、利潤增長率、權益增長率等。
2、商業銀行市場風險的識別。銀行面臨的風險可以分為重新定價風險、收益率曲線風險、基準風險和期權性風險。重新定價風險也稱為期限錯配風險來源于銀行資產、負債和表外業務到期期限或重新定價期限所存在的差異;重新定價的不對稱性也會使收益率曲線斜率、形態發生變化從而形成收益率曲線風險也稱為利率期限結構變化風險;基準風險也稱為利率定價基礎風險是另一種重要的利率風險來源;期權性風險是一種越來越重要的利率風險來源于銀行資產、負債和表外業務中所隱含的期權。商業銀行應當對每項業務和產品中的市場風險因素進行分解和分析及時、準確地識別所有交易和非交易業務中市場風險的類別和性質。
3、商業銀行操作風險的識別。操作風險識別過程應該以當前和未來潛在的操作風險兩方面為重點。這個過程應該考慮:潛在操作風險的整體情況;銀行運行所處的內外部環境;銀行的戰略目標;銀行提供的產品和服務;銀行的獨特環境因素;內外部的變化以及變化的速度操作風險識別的主要手段有以下幾種:(1)操作風險內部分析。其作為日常業務計劃循環流程的一部分而完成典型的是通過一個業務部門員工會議來完成;(2)操作風險指標分析。銀行可選擇一些和風險產生有關的”關鍵指標”通過監控這些指標發現存在一些能夠引起風險發生的條件;(3)升級觸發指標分析或臨界觸發指標分析。通過將當前交易或事件與預先定義的標準相比較引起銀行管理層對潛在領域進行關注;(4)損失事件數據分析。用以往單個操作風險損失事件的數據記錄等信息來識別操作風險及其誘因;(5)流程圖分析通過繪制業務和管理活動流程圖排查和識別業務流程中的風險點。
三、商業銀行風險的評估
風險估計是商業銀行風險管理的第二步。通過風險識別商業銀行在準確判明自己所承受的風險在性質上是何種具體形態之后隨之需要進一步把握這些風險在量上可能達到何種程度以便決定是否加以控制如何加以控制。
1、商業銀行客戶信用風險的評估
客戶信用風險的評估是指根據客戶經理對客戶信用風險識別判斷的結果對客戶整體的信用風險高低給予評估得到客戶信用風險評級結果。其評估方法主要有:(1)專家判斷法。專家判斷法主要采取"5C"分析框架:借款人的品質(character)、還款能力〔capacit辦資本金大小(capital)、抵押品情況(collateral),所處環境情況(condition),(2)信用評分法即結合信貸專家的業務經驗預先設定的一系列主觀和客觀的風險因素將這些因素設計為相對固定的打分表由評級人按照打分表確定客戶的信用風險評級結果。(3)模型法。其可分兩類:一類是建立對客戶信用風險的多變量判別模型包括線性概率模型、L.ogit模型、Probit模型和多元判別分析模型;另一類為市場模型或套利模型如期權定價型的破產模型、債券違約率模型和期限方法、神經網絡分析系統等。
2、商業銀行市場風險的評估與計量
在市場風險識別后應根據本行的業務性質、規模和復雜程度對銀行賬戶和交易賬戶中不同類別的市場風險選擇適當的、普遍接受的計量方法將所計量的銀行賬戶和交易賬戶中的市場風險在全行范圍內進行加總以便董事會和高級管理層了解本行的總體市場風險水平。可采取不同的方法或模型計量銀行賬戶和交易帳戶中不同類別的市場風險計量方式包括缺口分析、久期分析、外匯敞口分析、敏感性分析和運用內部模型計算風險價值等此外還可采用壓力測試等手段進行補充。商業銀行應采取措施確保假設前提、參數、數據來源和計量程序的合理性和準確性并當對市場風險計量系統的假設前提和參數定期進行評估制定修改假設前提和參數的內部程序。
3、商業銀行操作風險的評估。
操作風險被識別出來后對其進行評估以決定哪些風險具有不可接受的性質應該作為風險緩解的目標。進行這一步驟時通常需要通過考察一項操作風險的驅動者和原因估計該項風險可能發生的概率;此外還應在不考慮控制戰略影響的情況下評估一項操作風險可能的影響。對風險可能影響的評估不僅要考慮經濟上的直接影響還應該更廣泛地考慮風險對公司目標實現的影響。
四、商業銀行風險的應對
做出適當的風險評估后需要決定如何應對這些風險。根據風險發生的概率和影響程度的高低銀行所有人員需選擇合理的風險應對對策包括規避風險、接受風險、降低風險和轉移風險。
I、商業銀行客戶信用風險的應對。客戶信用風險的應對是指基于對客戶信用風險的評估結果銀行應采取相應措施來防范、化解或控制其信用風險。表現為:①根據客戶信用風險評級結果確定客戶準人標準把好商業銀行授信業務的第一道關口;②根據客戶信用風險評級結果對存量客戶進行分類管理。對于信用風險高低不同的客戶銀行應采取不同的管理政策和管理措施;③根據客戶信用風險識別、分析和評估提供的關鍵信息提高對客戶信用風險監控工作的針對性和效率;④參考客戶信用風險評級結果確定貸款定價彌補信用風險可能產生的預期損失。新晨
2,商業銀行市場風險的控制與監測。(1)市場風險的控制與管理。包括:①限額管理。對市場風險實施限額管理制定對各類和各級限額的內部審批程序和操作規程根業務性質、規模、復雜程度和風險承受能力設定、定期審查和更新限額;②完善的市場風險管理信息系統;③對重大市場風險情況的應急處理方案;(2)市場風險的監測與報告商業銀行定期、及時向董事會、高級管理層和其他管理人員提供有關市場風險情況的報告。向董事會提交銀行的總體市場風險頭寸、風險水平、盈虧狀況和對市場風險限額及市場風險管理的其他政策和程序的遵守情況等內容;向高級管理層和其他管理人員提交按地區、業務經營部門、資產組合、金融工具和風險類別分解后的詳細信息等。
3、商業銀行操作風險的轉移。目前商業銀行操作風險轉移技術主要有:(1)購買保險產品。主要有:銀行一攬子保險;董事及高級職員責任保險;未授權交易保險;財產保險和其他險種等;(2)利用金融衍生工具。商業銀行在對其操作風險予以量化的基礎上在資本市場上向投資者出售金融衍生工具以將操作風險有效并分散地轉移到交易對手那里到期時按照約定向投資者支付本息;(3)其他風險轉移方法。在某些情形下銀行部門可以通過一些特殊的形式將其操作風險向其他非金融部門、非商業機構轉移。
