风险评价测度模型论文（精选7篇）
风险评价测度模型论文 篇1
引言
近年来, 我国消费信贷业务规模日益扩大、信贷品种日益丰富, 消费信贷总量增速趋于稳定, 且发展势头良好。截至2015年底, 我国消费信贷总量已超过2万亿元, 消费信贷品种也拓展到10多类, 但我国消费信贷面临起步晚、信用制度不完善、结构不合理、地区和人群分布不均等客观因素的制约, [1]以至于缺乏完善的信用评分机制, 使得消费信贷没有连续交易的市场反映价格机制, 消费者的资产值与负债值均难以准确获知。同时, 我国消费信贷总量的增长与单一品种的增长不匹配, 具体表现为个人住房消费信贷与其他消费信贷品种在消费信贷总量中占比的两极分化。
从地域上看, 消费信贷绝大部分集中在东部和中部, 其中东部占大部分, 而城镇的额度又远大于农村。虽然近些年这一差距在逐步缩小, 但是缺口仍然存在。此外, 在过去几年内全球性金融危机的频频发生, 使得全球对银行体系的监管力度逐步提高, 而随着巴塞尔协议Ⅲ的出台, 监管者对消费信贷行业的风险测度要求也更为严格。因此, 消费信贷规模的迅速发展与主客观条件制约的矛盾, 以及银行和金融机构建模观念的转变, 对消费信贷信用风险的测度技术提出了新的挑战。
文献综述与测度方法
1. 文献综述
消费信贷信用风险测度早期采用信用评分方法, [2,3]如Edward Gee (1960) 的5C理论运用品格、能力、资本、担保品、业务状况等要素对评分个体进行信用评分。Edward Gee (1970) 的5P理论, 就是根据评分的变化, 衡量消费者的违约风险。而随着评分要素和评分标准的变化, 世纪90年代, Rock (1984年) 、Updegrave (1987年) 、Steenackers和Goovaerts (1989年) 分别运用“七要素理论” (债权人的关系、年收入、负债收入比率、居住与工作时间长度、住宅所有权、是否有支票或存款账户等) 、“八因素风险指标”, 以及用LR模型寻找影响信用贷款的因素, 这些都是早期信用评分模型的雏形。
最近相关的信用评分研究认为, 信用风险的影响因素主要有:货币和债务态度倾向 (Roberts等, 1999) , 如消费行为、还款态度等;人口统计变量 (Crook等, 2004) , 如收入、性别、年龄、工作年限、职业、房产拥有情况、婚姻状况等。这些因素在评分技术上的运用主要有, 线性判别、logit或probit回归, 以及运用较为复杂的人工神经网络、或遗传算法等测度方法, 对借款人进行信用评分。[4]
随着信用评分模型的发展, 研究人员开始关注评分个体自身对信用评分有影响的行为, 即在评分模型中纳入了借款人的行为因子, [5,6]使模型能够体现消费者自身所发生的行为变化 (如每月信贷余额、预期拖延周期等) , 从而进一步对借款人进行未来违约与否的甄别。然而, 无论是信用评分或是纳入了行为评分因子的评分测度, 都存在着“数据完整性要求高、主观因素主导、无法提供组合违约概率值”等原因, 因而在银行产业实践中运用较少。
2.测度方法
从信贷组合层面看, 主要有以下几类典型测度方法:[7,8]
(1) Credit Metrics模型。该模型是1997年美国J.P摩根与美洲银行、瑞士联合银行等数家国际著名金融机构KMV公司在Risk Metrics的基础之, 上共同开发的信用风险度量模型, 称为信用度量术模型。该模型构建在资产组合、Va R等方法的基础上, 运用Va R框架, 对贷款和非交易资产进行估价和风险计算。其通过计算联合转移率以及贴现资产值, 来获得置信水平下的Va R值, 并用于信用风险的衡量, 从而极大地提高了风险量化水平及风险管理能力, 使得不同市场的信用风险有了统一的衡量标准。
(2) 宏观因素驱动的Credit Portfolio View模型。该模型通过对失业率、利率、汇率、政府支出等周期性宏观因素的处理, 用MCMC方法, 模拟周期性宏观因素的变动对评级联合转移概率的影响, 是一种离散化的多时期经济计量模型, 强调了宏观因素对信用风险的影响, 并用宏观因素的变化对信用风险的变动做出了解释。
(3) KMV模型。该模型将股权视为公司资产的看涨期权, 以股票市场交易数据为基础, 利用默顿的期权定价理论, 估计公司资产的市值和波动率。同时, 根据公司的负债计算出阈值, 进一步确定借款人的违约距离, 从而获得与预期违约概率之间的对应关系, 求得公司的预期违约率。KMV模型从公司价值角度出发, 利用默顿期权定价理论, 分析公司的财务结构、公司市值, 以及资产回报波动率的变化并确定违约概率, 从而预期并动态地反映信用风险水平的变化。
(4) Credit Risk+模型。该模型运用保险精算技术, 假设单个债务人的违约概率服从泊松 (Poisson) 分布, 并将信用组合分解成不同的小板块, 每个板块的债务人都被假设为受相同系统风险因素的影响。同一个债务人可被分解到多个板块中, 且被分到同一个板块的债务人拥有相同的违约概率和相关性。进一步计算板块两两之间的违约相关性, 最终获得组合的违约风险。该模型的焦点在于度量价差风险, 关注的是预期到的和未预期到的损失, 而不是关注信用价值的变化。
以上这些各方法各有优缺点和应用侧重点。本研究根据消费信贷组合的特点, 将基于期权定价理论, 提出信誉假设、纳入宏观因素, 对消费信贷组合信用风险测度进行研究, 用MCMC模拟技术对参数进行估计, 并进行仿真研究, 以探究该方法的适用性和稳健性。
模型构建
1.基于信誉的跳跃扩散过程
(1) 基于信誉的假设。关于信誉的假设是构建消费信贷组合测度模型的基础。假设信誉Qi包含了消费者i的所有信用评价信息。信誉是一个不可观测的随机量, 但信贷市场可利用消费者的内部或外部提供的信息, 来间接获得 (如历史信贷经历, 经济条件、信用报告等) ;同时, 信誉是有价值的, 其价值是信誉严格意义上的增函数;消费者的借款申请被许可的概率也是信誉严格意义上的增函数, 一旦消费者违约, 就会形成信用污点广为知晓 (高信誉的消费者的违约成本较大) ;如果在债务到期时, 消费者没有足够的现金还款, 那么, 他将通过额外的举债来提高流动现金, 而这一行为会降低其信誉。[9]
(2) 信誉的测度及参数估计。假设Qt的运动过程可用每期改变概率系数Ct反映, 且满足jump--diffusion过程, [10]则Qt的运动过程可用如下过程表述:d Qt=Ct× (μ+σd Wt+Atd Y) t (1) 。其中, Ct服从概率为Pc的伯努利分布, d Qt是信誉Q在t时间的变化量;μ是漂移率参数;σ是波动率参数;Wt是标准布朗运动;At是在t时期的跳跃幅度, At-N (μA, σA) ;d Yt-P (λ) , 并且d Wt、d Yt、At之间相互独立。采用MCMC模拟技术对模型进行估计。MCMC技术使用的是贝叶斯方法, 并且非常适合复杂非线性随机模型的参数估计。
2. 纳入宏观因素的测度方法
借鉴CPV模型对宏观因素的选择方法, [11]选取国内生产总值 (gdp) 、失业率 (los) 、平均利率水平 (ist) 、汇率 (exc) 、政府支出 (gov) 、总储蓄率 (sav) 等作为宏观经济变量F, 纳入模型中:Si=a Qi+b Fi+εi (2)
其中, Si为消费者i的信誉价值, Qi是模拟得到的消费者i的信誉, F是消费者i受到的宏观影响的一系列宏观变量。
3. 相关系数的计算
其中, Var (Zt) 为Zt的波动率。
4. 组合信用风险的测度
巴塞尔协议对零售信用资本需求x的置信度要求为0.999, 将其乘以LGD (loss given default) 并减去违约损失的期望值, 即可获得CR (credit risk) :
仿真研究
为了进一步检验上述新模型对消费信贷组合信用风险测度的可行性, 同时考虑国内信贷数据可获性的限制, 从上市公司各个行业选取30家上市公司的资产市值作为消费信贷信誉的替代, 并运用MCMC方法对参数进行估计, 从而模拟其信誉的波动路径, 进而计算违约率及组合的信用风险。
从Wind数据库获得各个行业30家上市公司5年的月度数据。理论上而言, 参数初始值设置并不会影响参数估计的结果, 因此, 取μ和σ为历史均值与波动率, pc-U (0, 1) 、λ=5。然后, 用MCMC方法对参数进行估计。
在宏观变量的选择上, 考虑到多重共线性和内生性问题, 将宏观因素设置为:GDP (gdp) 、1—3年贷款利率 (ist) , 以及政府支出 (gov) 。对信誉及宏观变量取对数并进行一阶差分后, 对30家上市公司的资产进行回归分析:
实证结果显示, 多数公司的回归结果具有β1>0、β2>0、β3<0、β4>0的特点, 即对多数公司而言, 信誉、GDP、政府支出的增长, 会促进公司信誉价值提高。而GDP和政府支出增速提高, 预示着大部分公司会有更高的产量及更多的利润, 相应的公司就会有更高的资产及信誉价值。同时, 利率快速上涨 (即较高的贷款利率) 使公司融资更为困难, 在一定程度上限制了公司的扩张和成长, 相应的公司资产和信誉价值就会下降。
结合以上模拟获得的信用价值, 运用真实违约概率来反求阈值。具体方法是:将模拟获得的各个公司信誉价值分别连接成折线图置于同一二维坐标系中。然后, 作一条平行于X轴的水平线, 从X轴出发由下往上平移, 一旦有折线与水平线相交则计数, 直到所计数值占总公司数量的百分比值等于真实违约率, 该水平线对应的Y值即为阈值 (经过对数取值处理) 。由于信贷违约率在我国的信贷市场上较难获得, 运用2015年末商业银行不良贷款率作为替代, 即假定真实违约率为1.67%, 而由此运用该无条件违约概率, 确定模型的阈值K约为8.13。利用该阈值对公司违约率进行预测, 测算出平均违约率为1.43%。进一步, 对信誉值Si进行差分得到波动率σ△Si, 结合式 (3) 、式 (4) , 得到了平均相关系数ρ为0.00217。从数值看, 在消费信贷行业中该值还是较客观的, 这也得益于在模型中纳入宏观因素。De Andrade等 (2010) 认为, 大部分相关系数较小的原因, 在于模型中缺少或是在因素考虑中缺乏宏观因素造成的。
根据我国历史银行资产的回收率约为30%, 设置损失率LGD为70%;风险敞口EAD (即组合的总市值) 约为15万亿元, 结合获得的违约率PD=1.43%, 将这些参数带入公式 (6) , 可得到巴赛尔协议要求 (置信水平为0.999) 下, 30家公司的组合信贷风险值为3011亿元。
在测度分析中, 主要论述了相关系数ρ的计算、相关系数ρ对整个组合信用风险测度的影响。因此, 出于稳健性检验的考虑, 对违约率 (PD) 、违约损失率 (LGD) 、组合信用风险 (CR) 进行了敏感性分析。发现相比违约损失率, 信用风险受到违约率的影响更为敏感, 若将LGD (X轴) 、PD (Y轴) 、CR (Z轴) 置于三维立体图中, 对立体图关于面YOZ的投影是一个倒U型。
结合相关系数ρ对组合信用风险的测度、预测的违约率和信用风险值看, 本模型的测度结果是较为谨慎的。
结论
基于期权定价理论, 通过对信誉的假设和宏观因素的纳入, 结合巴塞尔协议的测度要求, 构建了测度消费信贷组合信用风险的结构模型。该模型不仅从理论上较好地解释了信用风险的来源 (即来自自身、宏观环境的影响) , 而且能动态地反映各时期信用价值的变化, 为组合信用风险的测度提供了新思路。
从实践角度看, 虽然消费信贷组合信用风险结构模型较为完整地实现了消费信贷组合信用风险的仿真测度, 但是由于受到我国消费信贷数据缺乏的限制和银行等金融机构信用评分机制不完善等因素的影响, 对样本的选择、关于损失率等作了假设, 与真实的消费信贷组合特征可能有一定的差异。但结合预测的违约率和信用风险值, 模型的仿真结果对消费信贷组合信用风险的测度还是较为谨慎、可靠的。
摘要：由于消费信贷具有额度小、规模大、品种多、期限灵活等不同于公司信贷的特点, 因而消费信贷组合的风险测度, 不能完全照搬默顿的公司信贷组合模型。通过构建基于信誉和期权定价的消费信贷组合信用风险测度模型, 同时鉴于消费信贷数据缺乏, 运用该模型对上市公司的资产进行了仿真研究。结果显示, 该模型对消费信贷组合信用风险的测度还是较为谨慎、可靠的。
关键词：期权定价理论,消费信贷,公司信贷组合模型,仿真研究
参考文献
[1]杨大楷, 俞艳.中国个人消费信贷状况及风险防范研究[J].金融论坛, 2005 (7) :45-50.
[2]石庆焱, 靳云汇.个人信用评分的主要模型与方法综述[J].统计研究, 2003 (8) :36-39.
[3]石庆焱.一个基于神经网络——Logistic回归的混合两阶段个人信用评分模型研究[J].统计研究, 2005 (5) :45-49.
[4]吴德胜, 梁樑.遗传算法优化神经网络及信用评价研究[J].中国管理科学, 2004 (1) :68-74.
[5]刘莉亚.商业银行个人信贷信用评分模型的构建与应用[J].财经研究, 2007 (2) :26-36.
[6]贾良定, 陈秋霖.消费行为模型及其政策含义[J].经济研究, 2001 (3) :86-92.
[7]沈沛龙, 任若恩.现代信用风险管理模型和方法的比较研究[J].经济科学, 2002 (3) :32-41.
[8]崔炳文.新巴塞尔协议下中国商业银行信用风险管理研究[D].天津:天津大学 (博士学位论文) , 2006.
[9]Modeling Credit Risk of Portfolio of Consumer Loans Author (s) :Madhur Malik and Lyn Thomas School of Management, University of Southampton, United Kingdom, SO17 1BJ, 2010.
[10]Zhou C S.A jump diffusion approach to modeling credit risk and valuing defaultable securities[Z].Federal Reserve Board, Washington.D.C., 1997.
[11]靳凤菊.基于CPV模型的房地产信贷信用风险的度量和预测[J].金融论坛, 2007 (9) :40-43.
风险评价测度模型论文 篇2
一、高校财务预警指标体系建立
随着教育改革的不断深入, 高校逐渐形成“自主办学、独立经营、自我约束、自我发展”的法人办学体制, 高校无风险运作的时代已经不复存在。高校财务风险体现在融资风险、收费风险、建设投资风险、后勤社会化财务风险、财务管理失衡风险等。结合高校财务运作的特点, 遵循真实性、可对比性、全面性、重要性、动态性原则, 建立高校财务预警指标体系。财务预警指标包括以下内容。
(一) 偿债能力指标
偿债能力是指高校偿还到期债务的能力, 主要预警指标设置为:
(二) 盈利能力指标
盈利能力是指高校获取经济效益的能力, 主要预警指标设置为:
(三) 营运能力指标
营运能力是指高校合理、有效地利用教学资源完成预期目标的能力, 主要预警指标设置为:
(四) 发展能力指标
发展能力是指高校可持续发展的能力, 主要预警指标设置为:
(五) 现金流量指标
现金流动能力是指高校维持短期日常运转的资金保障能力, 主要预警指标设置为:
二、高校财务风险警情测度模型建立
要建立一套行之有效的财务风险警情测度系统, 模式的合理选用与建立是非常关键的一步。本文根据高校的相关资料, 构建其财务预警模型, 总体思路如下:运用层次分析法 (AHP) , 通过向高校财务部工作三年以上的专家进行问卷调查, 计算求出各预警指标的权重, 其和值为1。经过加权平均处理, 最终求出反映高校整体状况的综合系数, 建立起多元线性函数财务预警模型, 最后根据综合得分值大小, 设置警限区间, 预测警情。
(一) 建立层次结构模型
具体内容如下:
(1) A:代表高校总体, 为目标层。
(2) Ai表示反映高校能力的五个方面, 为主因素层。即A1:偿债能力;A2:盈利能力;A3:营运能力;A4:发展能力;A5:现金流动能力。
(3) Bij代表主因素层中Ai下的第j个指标, 为指标层。其中:
B11~B14代表偿债能力A1下的四个指标, 即B11:流动比率;B12:现金负债比;B13:基建投资负债率;B14:资产负债率。
B21~B22代表盈利能力A2下的两个指标, 即B21:总资产收益率;B22:教学科研收益率。
B31~B33代表营运能力A3下的三个指标, 即B31:学校年度收入支出比;B32:赤字与事业基金比;B33:经费自给率。
B41~B44代表发展能力A4下的四个指标, 即B41:资产权益比率;B42:自有资金动用程度;B43:现金净额增长率;B44:未来三年招生增长率。
B51~B52代表现金流动能力A5下的两个指标, 即B51:现金支付能力;B52:自有资金余额占年末货币资金比。
(二) 问卷调查
为了评价各指标的重要性, 向被调查者说明调查目的以及评分方法, 通过咨询专家得到各层次判断矩阵, 计算各层次权重向量, 并经过一致性检验, 得到各层次权重系数, 具体计算过程如表1~6所示。
(三) 建立多元线性函数财务预警模型
经过加权平均处理, 求出反映高校整体状况的综合系数, 计算结果如图1所示。
(四) 计算指标层总层次权重系数
主要计算过程如表7所示。
三、高校财务风险警情测度模型完善与运用
根据综合所得分值的大小, 将警情划分为多个警度区间, 可以分为无警、轻警、中警、重警、巨警五个警度, 并作相应地警情分析, 分别用绿灯、白灯、黄灯、红灯、黑灯来警示。
在建立模型时只采用定量分析方法, 难以反映出宏观经济环境变量如利息率、失业率等的影响。事实上, 有时往往非定量因素比定量指标对企业财务状况反映更可靠、灵敏和有效。因此, 将定量和定性预测相结合, 才能体现预警系统的效用。
另外, 本文仅宽泛地提供了一种财务预警系统, 留待高校管理者思考的是如何从财务预警的结果中找到对本单位最重要和最明显的财务危机表现特征。通过财务预警的过程和结果, 挖掘财务危机的特征和原因, 及时采取相应措施, 才能将损失降到最低程度, 从而提高高校的经营管理水平。
参考文献
[1]黄辉:《高校财务风险的衡量指标》, 《统计与决策》2005年第23期。
[2]张友棠:《财务预警系统管理研究》, 中国人民大学出版社2005年版。
[3]黑继丰、卢海滨:《高校财务预警与银行贷款风险防范》, 《河北金融》2007年第6期。
风险评价测度模型论文 篇3
20世纪90年代开始,随着我国资本市场的建立和发展,上市公司数量从无到有,经济实力从弱到强,不断地发展壮大起来,现在已经成为国民经济的重要组成部分。然而,2008年后,由于受美国次贷危机的影响,一些上市公司遭遇重创,从中凸显其应付复杂环境能力的缺失。从财务角度而言,缺乏健全的财务风险预警系统是导致很多上市公司被特别处理的重要原因之一。因此,对上市公司实施财务风险预警监控,及时发现上市公司在筹资、投资等方面的财务风险,并在财务风险进一步加剧时采取有效措施降低损失,对促进上市公司的稳定健康发展具有重要意义。
关于财务风险预警的研究国内起步较晚,学者们采用不同的预警模型进行研究,目前已经取得了一些有价值的成果。吴世农等(2001)选取70家财务困境和70家财务正常的公司,运用Logistic回归分析、Fisher线性判定分析和多元线性回归分析分别建立了三种预警模型,最后发现Logistic回归分析法建立的预警模型误判率最低。张林(2004)引入CBR技术到财务预警领域,弥补了现有企业财务预警技术的不足,并给企业的警度测控、警兆辨识以及防警排警等提供了新的思路。罗幼喜等(2005)采取主成分分析的方法和Fisher建模对上市ST公司进行研究,研究表明该模型的性能指标优于传统预测方法。张根明等(2006)选取制造业上市公司并运用BP神经网络法建立财务预警模型,研究表明运用BP神经网络法进行分行业的财务预警的预测精度较高。赵海燕等(2013)对我国重点农业产业化龙头企业光明乳业采用功效系数法进行财务预警实证分析,研究表明该公司的财务风险处于轻警区间,其中获利能力的财务风险最大,提出降低成本费用来规避风险。财务风险的不确定性应该是财务预警中最容易被大家忽视的一个问题,然而忽视其不确定性就会影响财务预警的准备度。王光远教首次提出把掌握证据信息不充分尚不足以确定事物真实的数量关系或真实状态,因而在决策者心中产生的一种纯属主观认识上的不确定性叫做“未确知性”,具有未确知性的信息叫做未确知信息。上市公司面临的财务风险因素指标就具有这种未确知性,基于此,本文站在未确知性的财务风险因素角度,建立多层次的基于熵权的未确知测度预警模型,并实际应用于青岛市某一上市公司进行财务预警,观察其应用效果。
二、上市公司财务风险预警未确知测度模型的建立
(一)上市公司财务风险评估指标体系的建立未确知测度模型的建立需要依靠一套完善的财务风险预警分析指标体系,结合当前上市公司各项经营活动面临的不确定性,建立财务信息与非财务信息相结合的财务风险预警指标体系,可以大为提高财务风险预警分析的效能和准确性,克服传统的企业财务风险评价体系中纯粹的财务指标模式的弊端,其基本结构如下。
(1)偿债能力。偿债能力是指企业偿还到期债务的能力。企业面临的偿债风险是企业采取负债经营方式遇到一些不可抗的原因导致不能到期还本付息时,企业可能就面临着债务危机。此时若企业没能及时发现并采取措施控制,就有可能继续恶化导致破产。衡量偿债能力的指标选用速动比率和流动比率、资产负债率、产权比率和获利倍数。
(2)盈利能力。盈利能力是指上市公司赚取利润的能力。企业面临的盈利风险是企业主营业务不突出,经营业绩不强,导致股东收益的不确定性。反映盈利能力评价指标形式较多,结合相关财务风险实证研究成果及上市公司实际情况,选取净资产收益率、总资产报酬率和营业利润率来评价盈利能力。
(3)发展能力。发展能力是指企业为使扩大规模不断通过自身生产经营壮大起来的一种潜在能力。企业面临的发展风险是指企业不断扩大积累时销售增长效益性较低,资产规模也没有得到有效扩大,净收益增长滞后于企业整体的发展,从而导致企业的发展滞后。衡量发展能力的指标选用销售收入增长率、总资产增长率、净利润增长率和营业利润增长率。
(4)营运能力。营运能力是指企业经营各项资产以获取利润的能力。企业面临的营运风险是指企业各项资产周转方面管理不善,导致周转速度较慢、资源使用效率较差,很有可能会给企业带来经济损失。衡量营运能力的指标选用总资产周转率、流动资产周转率、应收账款周转率和存货周转率。
(5)获现能力。获现能力是指企业利用各种资源获取现金的能力。企业面临的获现风险是指企业在生产经营谋求发展时在短期内无法获得现金,导致企业不能及时偿还负债,从而企业会面临信用危机,严重时会导致财务危机。衡量获现能力的指标选用现金债务总额比、净利润现金保障率和销售获现比率。
(6)企业经营业绩信息。企业经营业绩不能只局限在过去的经营成果,同时要对影响公司潜在的未来的经营决策因素进行监测。在激烈的市场竞争中,企业还应把目光投向顾客满意度、市场份额以及新产品开发等领域。事实证明,企业满足不了顾客的需求,占领不了市场的主动权就会产生财务风险。本文采用顾客满意度、市场份额以及新产品开发作为企业经营业绩信息的指标,这三个方面的评价通过专家打分法进行评估。
(7)人力资源状况。人力资源是企业适应市场需要时建立的一支强大高效的团队,一个企业的经营成败很大程度上依赖能否吸引高素质的员工。如企业创始人的个人能力和性格特征对企业风险的形成就有决定性作用,人力资源这方面的评价指标都较难量化,需要专家进行仔细的调查并给出合理的打分获得。衡量人力资源状况本文选用了企业家品质及能力、管理团队品质和员工能力3个指标。
基于上述风险预警体系的分析,在遵循有效性、全面性、可比性、可行性的原则下,建立如表1所示的上市公司财务风险预警指标体系。
(二)财务风险评价等级划分本文将风险划分为五个等级:无警、轻警、中警、重警、巨警(如表2)。对于所选取的指标,定量指标可直接计算得到,定性指标可以通过专家打分法,按照各评价指标的标准,对各评价指标的五个等级进行具体界定。
(三)上市公司财务风险评估未确知测度模型分析设x1,x2,…,xn表示n个待评价对象,记为U={x1,x2,…,xn},U记为论域;对xi∈U,有m个一级评价指标,记为I={I1,I2,…,Im}。对于一级指标Ij∈I有k个二级指标,其中xij表示对象xi关于评价指标Ij的观测值。设评价空间C={c1,c2,…,cp},其中cp表示项目风险等级。
(1)单指标测度。设xij使xi处于第p个评价等级cp的程度为μijp=μ﹙xij∈cp﹚。那么μijp是对程度的一种测量结果,作为一种测度它必须满足:0≤μijp≤1;μ﹙xij∈C﹚=1;μ﹙xij∈pp = 1胰μp﹚=﹙xij∈cp﹚。其i=1,2, …,n,j=1,2, …,m,p=1,2,…,P。
μijp满足以上3个准则后我们称它为未确知测度,简称测度。
(2)指标权重。对象xi关于指标Ij的观测值xij使对象处于c1,c2,…,cp各个评价等级的未确知测度向量为μij=﹙μij1,μij2,…,μijp﹚。
2015年第4期37
三、应用实例
根据上述未确知测度综合评价模型,本文以山东省青岛市某上市公司为例进行财务风险预警研究。对该公司的偿债能力、盈利能力、发展能力、营运能力、获现能力、企业经营业绩信息以及人力资源状况进行调查,并在上海证券交易所网站获得2012年度的报表,把各一级指标分解如表3所示。根据该上市公司的年度报表数据获得相关二级财务指标的结果,并邀请10位业内专家对非财务指标以及上述财务指标得出的结果进行分析并打分(百分制)。为了提高调查结果的准确性和客观性,在企业各部门的中层以上领导中挑选10人发放调查表,以综合企业内部对本公司状况的调查。最后,综合各方面的调查和专家打分结果进行平均化处理和预警评估。
(一)确定单指标测度矩阵
(二)确定各指标权重 用熵权法的公式确定二级指标权重,计算得到二级指标的权重向量为:
(三)综合指标测度 根据公式计算一级指标下的多指标测度,得到测度矩阵为:
而利用AHP法得出一级指标重要性权重向量:
W=[0.1429 0.1388 0.1109 0.1615 0.1497 0.14870.1476]
故综合指标测度向量μ=WI =[0.0202 0.3342 0.34940.1449 0.1076]
(四)置信度评价识别由于评价类别﹛c1,c2,c3,c4,c5﹜的有序性,只能采用置信度识别准则,取置信度λ=0.7,根据上述得出的综合指标测度向量以及置信度识别准则公式,有0.0202+ 0.3342+ 0.3494= 0.7038≥0.7,可以得出k0= 3,即该上市公司财务风险属于中警。
四、结论
本文运用未确知测度理论,根据上市公司实际建立了评价指标体系和模型,并对山东省青岛市某一上市公司的财务风险进行了评价。本文构建的模型解决了由于条件的限制,无法确切知道事物的一个真实状态和真实的数量关系时该如何确定公司的财务风险,其建立过程具有科学逻辑性,运行结果与企业的实际情况相符,因此利用未确知测度理论对企业财务进行预警是可行的。在制定财务风险预警分析指标体系时,将非财务指标与财务指标相结合,有助于更全面和更科学的评价上市公司的财务状况。但是由于运用AHP法确定权重时会引入部分主观的因素,以及上市公司财务数据可能存在失真,使得评价结果的客观性会受到一定程度的影响,因此运用未确知测度模型进行上市公司的财务风险预警尚需进一步的研究。
摘要：本文以山东省青岛市某上市公司为例,采用未确知测度模型进行分析,得出该公司处于中警。研究发现利用未确知测度模型对上市公司进行财务风险预警是可行的,解决了由于条件的限制,无法确切知道事物的一个真实状态和真实的数量关系时该如何确定公司的财务风险,为今后财务预警研究领域提供了新方向。
风险评价测度模型论文 篇4
作为一种新兴的企业战略管理模式,绿色供应链管理越来越受到各国政府、企业及学术界的高度重视。越来越多的企业正在积极探索绿色供应链管理的途径,但是许多企业对于绿色供应链管理的实施仍存在较大顾虑,而且事实上成功实施绿色供应链管理战略的企业很少,这表明企业实施绿色供应链管理是一个风险型战略,对企业管理和控制风险的能力提出了很高的要求。近几年,国内学者大都把研究集中在绿色供应链的生产运作模型、企业关系以及绩效评价等方面[1,2,3,4],只有少量研究对绿色供应链管理风险及相关问题进行定性探讨,如颜江(2007)认为绿色供应链管理过程中存在巨大的风险,并结合我国家电制造企业从信息不对称、外界环境制约、分销商选择、文化差异、企业道德等方面对绿色供应链管理风险因素进行了分析[5]。郑任(2003)、曾艳(2005)等对绿色供应链管理风险的来源进行分析,探讨了绿色供应链战略风险防范的对策[6,7]。本文针对面向制造企业实施绿色供应的风险测度问题进行研究,基于企业问卷调研数据构建科学的绿色供应链风险评价指标体系,并建立基于AHP层次分析法的绿色供应链风险综合测度模型,对企业绿色供应链风险水平进行测度研究,具有重要的实际意义。
2 绿色供应链实施风险评价指标体系构建
本文主要采取企业问卷调查的形式进行资料收集,并参考问卷调查数据信息确定风险评价指标体系及指标权重。
2.1 调查对象的选择与问卷设计
本报告主要研究对象是湖北省制造企业,调研问卷的对象主要针对制造企业中的高层管理者、中层管理者及普通员工,同时邀请到本领域专家作为问卷的调查对象。本文问卷设计以风险评价指标的确定以及评价相对重要性对比信息收集为目标,针对不同的指标层获取两两指标的相对重要性比较信息,以便构建成对比较矩阵进行层次分析。调查过程中,我们针对湖北省多家制造企业、物流领域专家发放问卷150份,回收的有效问卷为80多份。
2.2 绿色供应链实施风险评价指标体系构建
基于企业实施绿色供应链的内外部影响因素分析,并结合问卷调查数据统计,制造企业绿色供应链实施风险指标体系可以确定为三层,第一层为目标层,即制造企业绿色供应链实施风险评价指标,第二层分为7个子指标(企业管理能力、绿色技术水平、企业合作关系、外部环境风险、企业绿色文化、企业绩效风险、信息化水平),第三层为细化指标,如下所示:
①企业管理能力(A1):资源整合能力(B1),风险管理能力(B2),创新能力(B3),绩效管理能力(B4)。
②绿色技术水平(A2):技术研发能力(C1),产品绿色生产技术(C2),绿色设计能力(C3)。
③企业合作关系(A3):企业协同管理能力(D1)、合作企业绿色管理水平(D2),合作伙伴选择(D3)。
④外部环境风险(A4):市场压力(E1),环境资源约束(E2),绿色壁垒压力(E3),政府政策支持(E4)。
⑤企业绿色文化(A5):高层支持程度(F1)、企业员工支持程度(F2)。
⑥企业绩效风险(A6):企业经济绩效(G1)、企业环境绩效(G2)、绿色供应链可持续性(G3)。
⑦信息化水平(A7):信息基础设施(H1),信息化实施效果(H2),信息化人力资源(H3)。
制造企业绿色供应链实施风险评价指标体系如图1所示:
3 基于AHP方法的绿色供应链实施风险综合测度模型
本文采用AHP层次分析法计算各层指标相对于总目标层的权重,并应用综合测度模型对企业进行绿色供应链实施风险综合测评。
3.1 根据问卷调查数据获取评价指标重要性两两判断矩阵
3.1.1 第二层评价指标体系两两判断矩阵
undefined
3.1.2 第三层评价指标体系两两判断矩阵
①企业管理能力:
undefined
②绿色技术水平:
undefined
③企业之间的合作关系:
undefined
④外部环境影响因素:
undefined
⑤企业绿色文化的建设:
undefined
⑥企业绩效风险:
undefined
⑦信息化水平:
undefined
3.2 绿色供应链实施风险评价指标权重
基于AHP层次分析法及一致性检验,计算的绿色供应链实施风险评价指标权重如下表1。
3.3 绿色供应链实施风险综合测度模型
根据以上风险评价指标权重表可得企业绿色供应链风险综合测度模型计算公式:
R =0.0827*B1 +0.0827*B2+…+0.0231*H2 +0.0203*H3
根据湖北省某汽车制造企业绿色供应链战略风险评价指标(B1,B2,B3,B4,…,H3)的评估数据(0.78,0.82,0.73,0.56,0.79,0.43,0.57, 0.73,0.85,0.69, 0.62,0.42,0.77, 0.94,0.35,0.67, 0.75, 0.88, 0.85,0.45,0.55,0.72),应用风险测度模型计算,风险测度为0.613。风险测度值表明该企业实施绿色供应链管理还具有一定的风险,需要采取措施提升企业防范风险的能力,降低绿色供应链采纳风险。
4 制造企业实施绿色供应链管理的风险规避对策
根据以上绿色供应链风险评价指标体系分析,制造企业实施绿色供应链战略应该从企业内部风险控制和外部风险规避两方面制订风险防范与规避措施,提升企业绿色供应链风险管理的能力,以便于绿色供应链管理模式的顺利实施。制造企业实施绿色供应链管理的风险规避对策主要有如下几个方面:
①提高企业管理与规划能力。
从风险排序中得知,企业管理能力是最重要的影响因素,因此加强企业管理能力是实施绿色供应链管理的首要条件。绿色供应链管理相对传统供应链管理多出更多管理目标,涉及更多投入因素,企业必须要全面实施管理,统筹兼顾,建立完善的企业管理系统,制定科学的绿色供应链战略发展规划,积极促进绿色供应链战略的就绪和实施,通过战略、措施、思想认识等方面的准备,保证绿色供应链管理顺利实施来获取竞争优势。在企业管理能力指标中,企业资源整合能力、风险管理能力、绩效管理能力具有同等权重,三者需要平衡、兼顾发展,为企业实施绿色供应链管理战略奠定坚实的管理基础,以应对各种可能的变化。另外,对于企业的创新能力要求虽不及前三者,但同样是不可忽视的管理要素,只有不断创新才能够在竞争中立于不败之地。
②提高企业精细化管理能力。
风险排序结果中,企业绩效风险是仅次于企业管理能力的影响因素。企业实施绿色供应链的目的是为企业节约资源、保护环境,改变以往粗放型的发展模式,同时需要兼顾企业经济效益。因此,企业实施绿色供应链必须提高企业精细化管理能力,制定企业实施绿色供应链管理各个环节的规则制度,将环保的概念融入到每个细小的环节中去,同时从小处着手节约成本,消除产生风险的潜在因素。企业的经济绩效与绿色供应链可持续性是同等重要的指标,表明实施绿色供应管理成本较高,会对企业经济收益带来负面影响,因此在实施过程中必须要全面衡量支出以保证企业经济效益。另外,绿色供应链可持续性决定实施绿色供应链管理的可持续发展能力和稳定性,只有可持续的绿色供应链才能够实现制造企业长期可持续发展的目标。
③积极争取政府政策支持。
企业实施绿色供应链还必须积极争取政府的政策支持。政府有必要进一步完善法制建设,实行严格的环保政策,将环保审查与质量监督结合起来,提高对污染源的惩罚标准与打击力度,在法规与制度上降低传统制造模式的报酬率,为绿色供应链管理模式提供公平的竞争环境。企业应该积极争取政府支持开发高效、节能的新产品的优惠政策支持。同时,对于一些关键性、难度较大,在市场机制的作用下难以通过市场来提供知识创新产品,积极倡导政府投资提供公共产品,降低企业所承担的环境和研发风险。
④提升绿色技术水平和信息化水平。
绿色供应链管理在物料获取、加工、包装、仓储、运输、使用到报废处理的整个过程中需要许多绿色技术的支持。同时,企业信息化水平是企业绿色供应链战略实施的重要技术支持。绿色供应链在实施过程中需要多部门、多企业的协同配合,在供应链各个成员之间沟通、信息共享、协作的基础上共同进行提升整个供应链系统的绿色设计、绿色生产、绿色运营和再回收等技术水平,改善和保护企业生态环境,实现企业可持续发展。因此,企业只有通过信息共享与集成完成绿色供应链各个流程的分析、优化和协同,促进绿色供应链各个企业间的无缝连接,支持绿色供应链战略的成功实施。
⑤强化绿色供应链企业合作伙伴关系。
实施绿色供应链管理对企业的合作伙伴提出了较高的要求。企业合作伙伴的绿色供应链管理水平会影响企业的绿色供应链战略,如供应商无绿色供应链管理概念、供应商不能按照要求提供绿色材料、供应商无持续监测绿色指标能力等都会极大影响企业绿色供应链管理的执行。而企业竞争对手的绿色管理状态也会影响企业绿色供应链管理的正常运行,缺乏绿色管理概念的竞争对手容易造成企业间的恶性竞争局面,使得企业偏离健康的发展轨道。
⑥加强企业绿色文化建设。
由于绿色供应链管理的复杂性、涉及面广和跨组织管理等特点,要求企业管理者和员工必须充分认识到企业和社会所面临的环境保护与资源约束压力,在企业文化上达成共识。企业高层支持对于企业成功实施绿色供应链战略至关重要。高层领导不仅应在资金预算、基础设施投资上予以支持,还应参与绿色供应链实施过程,给实施团队提供及时的指导和帮助。企业在员工思想认识、知识能力和企业绿色文化等方面的准备是绿色供应链战略顺利实施和应用的重要保障,企业只有在员工积极配合的情况下才能将绿色供应链管理战略风险降低到最小的程度。
5 结束语
企业实施绿色供应链管理是一个风险型战略,对企业管理风险的能力提出了很高的要求。对企业实施绿色供应链的风险水平进行测评,在此基础上分析规避绿色供应链实施风险的对策措施是当前企业实施绿色供应链战略急需解决的重要问题。本文根据大量企业的问卷调查数据,以制造企业实施绿色供应链管理的影响因素作为出发点,构建出制造企业实施绿色供应链管理的风险评价指标体系,并运用层次分析法进行综合测评,计算出各层指标相对整体总指标的影响权重,在此基础上构建了风险测度模型。本文研究对于制造企业推进绿色供应链管理的实施具有一定的理论意义和实践意义的。
摘要：作为一种新兴的企业战略管理模式,绿色供应链管理越来越受到各国政府、企业及学术界的高度重视。但绿色供应链管理是一个风险型战略,对企业管理和控制风险的能力提出了很高的要求。文中在构建绿色供应链风险评价指标体系的基础上,基于AHP层次分析法计算绿色供应链风险指标权重,建立企业绿色供应链管理实施风险测度模型,进而对制造企业绿色供应链实施风险进行测度研究。
关键词：绿色供应链管理,层次分析法,评价指标体系,风险测度
参考文献
[1]王能民,孙林岩,汪应洛.基于绿色制造的供应链管理[J].中国机械工程,2002,3,(23):2016-2018.
[2]朱庆华,耿勇.中国制造企业绿色供应链管理实践类型及绩效实证研究[J].数理统计与管理,2006,25,(4):392-399.
[3]Amy H.I.Lee,He-Yau Kang,Chang-Fu Hsu,Hsiao-Chu Hung.A green supplier selection model for high-techindustry.Expert Systems with Applications,2009,36,(4):7917-7927.
[4]Stephan Vachon,Robert D.Klassen.Green projectpartnership in the supply chain:the case of the packageprinting industry.Journal of Cleaner Production,2006,14:661-671.
[5]颜江.家电企业绿色供应链管理中的风险研究[J].现代管理科学,2007,7:49-50.
[6]郑任.绿色供应链中合作机制及绩效评价体系研究[D].合肥工业大学硕士学位论文,2003,5.
[7]曾艳.制造企业实施绿色供应链管理初探[D].厦门大学硕士学位论文,2005,9.
[8]Pawlak.Z.Rough Sets.International Journal of Computerand Information Sciences,1982,11:341-356.
[9]Wernerfelt B.A resource-based view of the firm.StrategicManagement Journal,1984,5,(2):171-180.
[10]张曙红.基于RBV视角的企业绿色供应链核心竞争力研究[J].湖北经济学院学报,2009,6:53-54.
风险评价测度模型论文 篇5
1 产业集群内部风险概述
产业集群内部风险主要体现在:结构性风险;网络型风险;生态型风险;生命周期风险和技术性风险等。
1.1 结构性风险
主要研究学者有Tichy(1997)和Fritz(1998)等人,其主要观点是集群未能随不断变化的生产制造范式迅速做出相应调整,以致原有产业的永久性衰退导致整个区域集群的没落。当缩小的区域集群已不足以激励创新时, 该区域也就最终衰落成没有任何内在潜能去重新获取竞争优势的老工业区[2]。
1.2 网络型风险
主要研究学者有Granovettor、Harrison(1994)、Hakansson、刘斯敖、吴莉云(2006)、Prouder,(1996);Meyer(1982),Scott(1989);Abrahamson,Fombrun(1994);Anton Oleinik(2004);Fleming, Lee,(2006)等人,其主要观点是组织对外界环境破坏的应变能力受到相互依赖性的影响[3]。集群中的企业或部门常常以相互依赖的网络形式展现,这个网络最初是合理的,可以获得聚集经济。但随着集群的发展成熟,在合作网络中由于相互依赖而形成锁定效应使集群创新力僵化、失去弹性。网络型风险又可以进一步细分为:信息共享风险(路径锁定风险;恶性竞争分析;战略趋同风险;创新惰性风险和资产专用性风险)和植根性风险等。吴晓波,耿帅(2003)借助植物学研究领域中描述自花结实的术语—“自稔性”,构造出区域集群“自稔性”风险成因模型。他们认为集群自身特性在构成集群竞争优势的同时,也内生了封闭自守、战略趋同、资产过度专用和创新惰性等最终导致集群走向衰退的根本性风险。这种观点与网络型风险观点有很大的相似性。
1.3 生态型风险
秦婉顺、顾佳峰从组织生态学角度讨论对集群的影响。组织生态学关于组织死亡的研究表明,企业的灭亡率与族群的密度正相关,与族群的嵌入(Niche)重合度相关。他们从企业群层面上分析一个企业群体内部调整,对于企业灭亡各会产生多大影响; 并分析了不同规模企业组成的企业群中,企业灭亡对群体内部的调整度的敏感性,企业群内部调整会使企业灭亡率上升[4]。
1.4 技术与生命周期风险
Bent Dalum (2002)认为, 新技术的产生可以创造一个新的集群,或为现存的集群提供更好的机会,它也可以使一个集群的发展停滞,甚至走向衰落。集群的演化与技术生命周期息息相关[5]。易明、杨树旺、王文成(2006)认为主要有三个方面的因素影响技术的演化过程:一是技术本身,二是使用该技术的企业群体,三是技术选择环境[6]。
奥地利区域经济学家Tichy·G 在弗农“产品生命周期”基础上,提出了区域产品周期理论(regional product cycle)。他认为,企业集群存在的生命周期中可分为四个阶段:诞生阶段、成长阶段、成熟阶段、衰退期,如同产品存在生命周期,集群也具有一个从生产、发展、成熟、衰亡的过程,当集群走向成熟甚至衰亡的时期,企业集群由于其资源高度集中于一个产业或者一个单一产品,可能拖垮整个区域经济,置身于其中的企业也无法生存下去。丹麦学者Bent Dalum 等(2002)在波特的基础上,以北欧的无线电通信工具集群为例,提出了技术生命周期理论,当集群不能跟随技术改进生产时,集群就会面临崩溃的风险。
2 产业集群内部风险识别及其模糊定量测度
目前对于产业集群风险的研究方法主要集中在定性研究上,对于风险的定量化研究尚不多见[7],陈红儿、王少君(2007)曾经尝试过用模糊数学中的AHP层次分析方法,以温州柳市低压电器产业集群为例来对产业集群风险中的网络风险进行定量化研究,并得出了相应的结论[8]。层次分析法(Analytic Hierarchy Process简称AHP)是美国运筹学家T. L. Saaty教授于70年代初期提出的,AHP是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。它的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次,使之条理化,根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来,将一层次元素两两比较的重要性进行定量描述。而后,利用数学方法计算反映每一层次元素的相对重要性次序的权值,通过所有层次之间的总排序计算所有元素的相对权重并进行排序。在本文中,将应用AHP层析分析法尝试对产业集群的内部最大化风险进行定量化的识别分析。
3 实证分析—以某产业集群的内部风险识别为例
对于某产业集群,通过对特定产业领域的专家和企业高管进行访谈和问卷调查,得出其共识的集群内部的产业风险分别有:结构型风险;网络型风险;生态型风险;技术与生命周期风险,设定的评价指标有:产业集群内企业数量;产业集群内企业总销售收入;产业集群内企业技术专利数量;产业集群内企业信息共享性;产业集群的开放性等。建立的产业集群内部风险评价指标体系如图1所示[9]。各个指标两两比较判断矩阵如表1所示,下面我们采用AHP分析法来确定该产业集群各种风险的排序及找出当期该产业集群所面临的最大风险。
基于同样的原理可以得到各个产业集群内部风险两两比较判断矩阵,这里仅以基于集群内企业数量(条件1)的产业集群内部风险两两比较判断矩阵为例。
具体算法如下:
用根法对表1判断矩阵的特征值和特征向量进行求解,其步骤为:
(1)计算判断矩阵每一行元素的乘积(Mi表示第i行的乘积)
(2)计算Mi的n次方根W1
(3)对向量
W=(W1,W2,W3,W4,W5)T=(0.2759,0.6931,0.7740,2.2081,3.0640)T进行归一化处理得到:
undefined
undefined
undefined
则所求的特征向量undefined
(4)计算判断矩阵的最大特征值λmax。
undefined
undefined
下面进行满意一致性判断
undefined
由于平均随机一致性表为10:
由表3可知,当n=5时,RI=1.12,则 ,由于undefined,表明判断矩阵通过满意一致性检验。
下面是产业集群内部风险评价指标判断矩阵的计算结果:
表4中的“权重”一列为满足一致性判断矩阵的最大特征值对应的特征向量。
根据同样的算法原理,我们可以得到基于集群内企业数量(条件1)及其它条件的产业集群内部风险两两比较判断矩阵的单排序计算结果:
下面进行层次总排序及一致性计算,计算原理同前面的步骤,则该产业集群的集群风险相对于集群内企业数量、企业总销售收入、企业申请的专利数量、企业信息共享性和集群的开放性等5项指标的层次总排序计算结果如表5所示。
表5中第一行的数据分别对应着四种风险评价指标的权重,层次总排序的计算过程如下:
结构型风险权重=0.0393×0.428+0.0988×0.57+0.1103×0.25+0.3148×0.17+0.4368×0.56=0.3988
网络型风险权重=0.0393×0.310+0.0988×0.21+0.1103×0.25+0.3148×0.17+0.4368×0.25=0.2232
生态型风险权重=0.0393×0.0745+0.0988×0.11+0.1103×0.44+0.3148×0.39+0.4368×0.10=0.2288
技术与生命周期型风险权重=0.0393×0.1875+0.0988×0.11+0.1103×0.06+0.3148×0.27+0.4368×0.09=0.3988
最后对层次总排序进行一致性检验:
undefined
undefined符合一致性检验.上式中Wi是四种评价指标的权重,CIi是一致性指标,其数据分别由表8中数据计算获得。
根据上面的计算结果排序,我们可以得出该产业集群面临的风险排序的先后顺序为:结构型风险、生态型风险、网络型风险和技术与生命周期型风险。即结构型风险最大,技术与生命周期型风险为最小。
4 结束语
本文基于模糊AHP模型对影响产业集群内部风险因素进行了识别,并对各风险因素的影响强度进行了模糊定量测度和排序,这对于防范和规避产业集群内部风险具有较强的指导意义和应用价值。产业集群内部存在着诸如产业结构风险、产业生态风险、网络型风险和技术与生命周期型风险等,由于这些风险因素经常处于一个动态和不确定的变化过程中,该问题的研究是一个复杂的系统工程,本文的研究只是一种新的尝试,还有许多问题值得进一步思考。如,产业集群内部各风险因素之间相互作用及其形成的机理、各风险因素的来源与特征、产业集群内部风险预警系统的构建以及这些风险因素的防范、化解与控制等仍需进一步探讨和研究。
摘要：基于问题的模糊不确定性,运用模糊AHP模型对产业集群内部风险进行识别和定量测度,并以某一具体产业集群为例,以说明该模型的有效性、可靠性和实用性为企业和政府进行产业决策提供一种新思路和新方法。
关键词：产业集群,风险识别,模糊AHP模型,定量测度
参考文献
[1]王发明,蔡宁,朱浩义.基于网络结构视角的产业集群风险研究——以美国128公路区产业集群衰退为例[J],科学学研究,2006(6):885-888
[2]TICHY G.Are today’s Clusters the Problem Areas of Tomorrow?”[M]//Competence Clusters Ed.M Steiner(Leyam,Graz).1997
[3]ABRAHAMSON E,FOMBRUN C J.Macrocultures:determinantsand consequences[J].Academy of Management Review,1994,19(4):728-755
[4]秦婉顺,顾佳峰.企业集群内部调整对于企业死亡的影响[J].数量经济技术经济研究,2003(8):44-47
[5]BENT D,PEDERSEN C R,VILLUMSEN G.Technological Life Cy-cles:Regional Clusters Facing Disruption[M].
[6]易明,杨树旺王文成.产业集群风险成因分析:基于技术变迁的视角[J].管理与经济,2006(2):78-79
[7]陈红儿,王少君.基于层次分析法的产业集群网络风险的研究——以温州柳市低压电器产业集群为例[J].中国集体经济,2007(7):144-145
[8]徐辉.商业银行信贷风险识别及其模糊测度[J].工业技术经济,2007(4):132-136
[9]陈又星.企业变革比较研究[M].广州:暨南大学出版社,2009
风险评价测度模型论文 篇6
关键词：系统性风险,风险监测,条件风险价值
风险是金融机构经营的固有属性。作为一类特殊的金融机构,银行的核心业务之一就是对风险进行有效管理。在日常业务中,银行总是面临各种各样风险的冲击,如何有效测度和应对风险已经成为各商业银行风险管理的核心所在。
当今时代,宏观经济体系的系统性风险对银行业的风险管理形成了重要挑战。Kaufman等[1]对系统性风险( systemic risk) 进行了详细的界定,认为系统性风险通常与金融自由化、金融全球化带来的金融动荡和危机密切相关。无论是由什么原因引起的系统性风险,都会对经济体系产生溢出效应和传染效应,对整个经济体系造成严重的破坏。2008年由美国次贷危机爆发引起的全球金融动荡,使得商业银行在应对系统性风险时更为审慎。
为了应对系统性风险,其核心问题在于如何对系统性风险进行合理度量。只有通过将风险量化识别出其对经济体系的风险溢出效应,才能对风险管理提供正确的方向和指导。
Adrian等[2]提出了条件风险价值( Co VaR) 方法,旨在测量单体金融机构( 或金融市场) 陷入困境时,其它金融机构( 或金融市场) 遭受损失的风险.Co VaR方法主要用于测量银行间的风险溢出效应, 识别出对系统性风险有重要影响的银行机构。与传统的风险计量技术相比,Co VaR可以捕捉到各银行对整个银行体系的风险溢出效应; 从统计技术而言, Co VaR从全局性的角度来测量银行间的风险溢出效应,是一种更为全面的风险测量方法[3]。
因此,本文使用Co VaR模型法来测量中国银行体系的系统性风险,选取了12家在上海证券交易所上市的商业银行为研究对象,采用分位数回归方法对其进行风险评估与测量。实证结论表明,相对于其他商业银行,国有银行对整个银行体系的风险溢出程度较高,并且防范风险的能力较强。
1 Co VaR 模型简介
在20世纪90年代,JP Morgan提出了VaR ( Value at Risk,风险价值) 风险测度方法,广泛应用于各大金融机构和监管部门。用VaR方法测度风险最大的优点在于可以将测度出来的风险值量化, 给管理者或决策者更为清晰直观的认识[4]。但是随着风险研究的深入,VaR方法暴露出了很多弊端。VaR方法最大的缺点是,它只能在正常市场条件下,对资产组合潜在的风险进行估测,但是当遭遇极端的市场条件时,系统性风险因其强烈的传染性, 会在金融市场中迅速扩散,而VaR方法就无法测量这种极端情况下金融机构之间的风险溢出效应。因此,需要寻找其它的风险测量方法,来弥补VaR的弊端。
Adrian等[5]在VaR的基础上提出了Co VaR方法,它可以有效弥补VaR方法的不足之处,测量金融机构之间风险溢出效应。“Co”表示共动性,有条件性和传染性,它可以测量一定概率水平下,某一资产在未来特定时间内的损失等于VaR时,其它资产或投资组合的最大可能损失。
假设有2个金融机构X和Y,2个金融机构的VaR值相等,X的Co VaR = VaR,Y的Co VaR > VaR, 如果只比较2个机构的VaR,X和Y面临着相同的风险,但是Y的Co VaR值较高,因此机构Y面临着更大的 系统性风 险,需要更为 严苛的资 本约束。
2 Co VaR 的测量
2. 1 Co VaR 的定义
VaR ( value at risk ) 按字面解释就是“在险价值”,表示的是在市场正常波动下,某一金融资产或证券组合的最大可能损失[6]。更为确切的是指,在一定概率水平下,某一金融资产或投资组合在未来特定时期内的最大可能损失。因此,VaRiq可以被定义为q的分位数,即
其中: Xi为某一金融资产或投资组合在一定时期内的损失,VaR为置信水平1 - q下这一金融资产或投资组合的最大可能损失。
根据Adrian和Brunnermeier的理论,Co VaRiqj定义为当给定机构j的VaR时,机构i的VaR,反映了当机构j处于极端不利的情况时,机构i的风险水平。因此,Co VaRiqj可以用q分位数来定义,即
Co VaRiqj是机构i的总风险价值,包括自身的风险和机构j的风险溢出效应。为了更好的反映这一部分的风险价值,我们可以将溢出风险价值定义为 ΔCo VaRiqj,公式为
由于不同金融机构的VaR差别很大,为了能更直观的反映机构j对i的风险溢出程度,需要将结果进行标准化处理,即:
Co VaR技术不仅具备主流VaR的功能,而且能测量出金融机构的风险溢出效应,可以准确地反映真实的风险水平。更进一步,假设用i表示全部的金融系统,这个系统能够捕捉j发生风险时整个金融系统的风险变化。
2. 2 运用分位数回归方法测度 Co VaR
本文采用分位数回归方法测度风险溢出价值。 具体方法如下:
为了测度银行间的风险溢出效应,建立q分位数回归模型:
其中: Ri与Rj分别代表银行i与银行j的收益率序列,通过分位数回归,可得到参数估计 ^α 和 ^β。
根据Co VaR的定义,可得如下表达式
为了使计算过程更加方便,在求VaRiq和VaRjq时,采用的方式是将样本数据从小到大排列,取q分位数对应的数值近似代替。
运用同样的方法,可以求得当一家银行陷入困境时,对整个银行系统的风险溢出价值。
3 实证方法及结果
3. 1 数据的选取及处理
目前,在中国有16家上市银行。由于光大银行和农业银行的上市时间是2010年,数据研究性不强,并且平安银行和宁波银行在深圳证券交易所上市,所以本文选取在上海证券交易所上市的12家商业银行的银行股作为研究样本。银行股整体指数用内地银行指数来表示。实证所选取的银行股整体指数及收益率计算的数据以2007年10月12日为起始日,以2013年12月27日为结束日,数据包括2次金融危机( 2008年的美国次贷危机和2011年的欧洲债券危机) 以及危机过后的恢复阶段。本文选取每周五的收盘价作为周股价,如果周五因为特殊原因没有股价,则选取前一交易日的股价为周股价, 这段时间总共能获得313组交易数据,股价数据来自wind数据库。
银行股整体收益率和单个银行股收益率对每个周历史数据取对数一阶差分,由此计算出每个周收益率。为了使计 算结果更 加准确,将结果乘 以100,即
其中: Rt为股票在t日的收益率; pt和pt - 1分别为股票t日和t - 1日的收盘价格。本文选取q = 0. 05,即测定置信度为95% 时的风险溢出效应。
3. 2 单个银行股与银行整体股风险溢出效应的 测度
由于风险溢出效应是双向的,因此,无论是某个银行,还是整个银行体系,有一方陷入风险,就会对另一方产生影响。根据公式( 7) 计算出来的单个银行股和银行整体股的收益率数据,可以计算出双向的风险溢出效应。以工商银行为例,建立q分位数模型:
其中: gs代表工商银行,ndyh代表内地银行,即银行股整体。
运用Eyiews软件进行分析,采用分位数回归方法,将工商银行及银行整体股的收益率数据代入公式( 8) 和公式( 9) ,得出结果如下:
即
将上述结果代入 公式 ( 10) 和公式 ( 11) 中, 即得:
将工商银行的收益率数据从小到大排列,取0. 05的分位数,则R0g.s05= - 7. 05,代入公式( 12 ) 和公式( 13) 中,可得:
同理,可得: VaR0g.s05= - 8. 98,Co VaR0n.d0y5h | gs= - 14. 47,
由此,可以计算出工商银行与银行整体股之间的风险溢出效应。具体公式为
对两者进行标准化处理,可得:
由上述结果可知,用VaR方法计算出来的风险价值要小于用Co VaR方法计算出来的风险价值,说明VaR方法对风险的估计过小。
研究结果可知,当银行业整体爆发风险时,对工商银行的风险溢出效应为3. 2% ,当工商银行爆发风险时,对整体银行业的风险溢出效应为33% ,银行业整体对工商银行的风险溢出效应,要远远小于工商银行对银行业整体的风险溢出效应。这说明当工商银行爆发风险时,对整个银行体系的影响是非常大的,甚至会引发整个银行业的波动。相反,工商银行受外部冲击较小,这说明工商银行防范外部风险的能力较强,这与工商银行作为我国四大国有银行之一的地位是相符的。工商银行作为系统重要性银行,监管部门在对其监管时,要着重控制工商银行自身的风险,避免其风险溢出效应给整个经济体系带来更大的破坏。
3. 3 其他银行与银行整体股风险溢出效应的测度
与研究工商银行的方法类似,我们可以用相同的方法估算出其他银行与银行整体股之间的风险溢出效应,如表1所示。
通过分析实证结果,可以得到: 在q = 0. 05的情况下,任何银行爆发风险,都会对整个银行体系产生影响,其中,国有银行陷入危机时,对整体银行系统风险贡献要明显高于其他商业银行,其他商业银行中,对系统风险贡献度最高的是交通银行,最低的是浦发银行。当整个银行体系陷入危机时,国有银行对风险的防御能力最强,其次是华夏银行和北京银行,中信银行抵抗系统风险的能力最弱。同时,实证结果显示,银行自身风险高,并不意味着其其对整个银行体系风险贡献就大,监管当局要注意区别对待, 加强对系统性风险贡献率大的银行的监管。
4 结 论
本文通过运用Co VaR模型,结合分位数回归方法,以在我国上海证券交易所上市的12家商业银行为研究样本,测度了单个银行与整个银行体系之间相互的风险溢出效应。本文的结论和相关政策建议如下: 目前应用最普遍的测量风险的VaR方法,可能会低估整个金融市场的风险水平。与VaR方法相比,Co VaR方法能够捕捉到金融机构的风险对其他金融机构的风险溢出效应,是一种更全面的风险测量方法; 单一银行的风险水平高,并不意味着对整个银行体系的风险贡献度就大。对整个银行体系的风险贡献度,主要看银行的风险溢出效应。监管当局在关注银行自身风险的同时,应加强那些对银行系统风险贡献度较高的银行的监管,在实践中,可以要求这些银行提高存款准备金,限制其参加高风险的业务等; 我国国有银行对整个银行体系的风险溢出程度较高,并且防范风险的能力较强; 而区域性商业银行抵御风险的能力良莠不齐,对银行体系的风险溢出水平不一,监管当局应区别对待,制定符合各个银行实际情况的监管政策。
参考文献
[1]LEHAR A.Measuring systemic risk:a risk management approach[J].Journal of Banking and Finance,2005(10):2577-2603.
[2]Adrian,Brunnermeier.Co VaR[R].Federal Reserve Bank of New York Staff Reports,2008:9.
[3]陈华,伍志文.银行体系脆弱性:理论及基于中国的实证分析[J].数量经济技术经济研究,2004(9):120-135.
[4]高国华,潘丽英.银行系统性风险度量:基于动态Co VaR方法的分析[J].上海交通大学学报,2011(12):53-59.
[5]李玉贤.我国上市商业银行风险溢出效应的测度及分析研究:基于Co VaR模型的分析[J].陕西科技大学学报:自然科学版,2012(2):027.
风险评价测度模型论文 篇7
企业国有资产,是指国家对企业各种形式的出资所形成的权益。主要特征有:是国家以各种形式对企业的出资形成的;二是国家作为出资人对出资企业所享有的一种权益。国有资产运行效率是国有资产管理的核心问题。从微观视角上来看,企业效率的实现与否取决于国家整体上对国有资产的配置是否合理;从宏观视角看,国有资产的经营能从整体上保证效率,那么微观企业的效率就能有效实现。由于国有资产存在运行效率低、成本高、流失严重等问题,因此,在深化国有资产经营体制的改革之中,依据市场经济运行条件对企业国有资产运行效率进行系统评价是十分必要的。
目前,针对国有资产运行效率评价问题的研究主要集中于非经营性国有资产,如单黎明(2008)提出非经营性国有资产运行绩效的分析框架和衡量指标,从规模、结构、效益三个角度对中外非经营性国有资产运行绩效进行实证分析。而针对经营性国有资产,特别是企业国有资产运行效率评价问题的研究较为罕见。未确知数学理论由王光远(1990)提出,是一种不同于模糊信息、随机信息和灰色信息的新的不确定性信息理论。而后,许多学者将该理论应用到各个学科领域当中,其中成果最多的是未确知测度评价模型的应用。例如,张凤霞(2006)应用未确知测度模型,建立了企业信用评价综合体系。王日仙(2008)、郭奇(2010)等将未确知测度模型应用到企业绩效评价中。本文尝试将未确知测度模型引入到企业国有资产运行效率评价中,具体研究逻辑为:建立企业国有资产运行效率评价指标体系及评价标准;构造单指标未确知测度三角函数,计算出单指标测度评价矩阵;采用层次分析法确定指标权重,计算出评价对象的未确知综合评价向量;根据置信度识别准则,得出评价对象的评价等级。
二、企业国有资产运行效率评价的未确知测度模型
(一)未确知测度模型
多目标评价的显著特点是指标之间的不可公度性难以比较,未确知测度模型则能较好的解决这个问题。设为x1,x2,…xn,为n个评价对象,称X={x1,x2,…xn}为n维评价空间,对任意xi∈X,(i=1,2,…,n),有m项评价指标,指标空间I={I1,I2,…,Im}。
xi∈X,(i=1,2,…,n)是评价体系中第i个研究对象,指标Ij∈I,(j=1,2,…,m)反映了所具有的特征。Ij可以是定量的,也可以是定性的。以xij表示xi在指标Ij下的测度值。对每个测度值,设定p个评语等级v1,v2,…,vq,那么评语空间V={v1,v2,…,vq}。并且q是V的一种有限划分。即。
上文提到了xij表示xi在指标Ij下的测度值,但是xij这个观测值究竟处于评语空间状态的具体情况确不知道,所以用一种可能性测度:μijk=μ(xij∈v)i,其含义是测度值xij属于第i个评价等级vi的程度的一种测度,是对程度测量的结果。xij和vi不存在元素和集合的关系。如果μ同时满足:非负有界性、可加性和归一性,即:
就称μ为未确知测度,简称测度。称:
为单指标测度判断矩阵。
(二)指标权重确定
层次分析法(AHP)的基本步骤是:明确要解决问题所包含的层次和范围,建立一个由最高层、若干中间层和最低层组合排列的层次分析结构模型。对每一层次的因素两两进行比较,对各因素的相对重要性以1-9级进行量化标度,引入合适的数值,构造判断矩阵,以确定各个效率评价指标的权重。建立权重判断矩阵:
权重的计算公式即为:
其中,,aij=1(1,2,…,m)。wi∈(0,1)为各指标的权重。
为了确定权重判定矩阵的可信性,需要进行一致性检验,其一致性比率公式如下:
其中,,λ是判断矩阵的最大特征向量,RI参照表1。如果CR<0.1就认为判定矩阵的不一致性在允许的范围之内。
(三)综合未确知测度
计算出单指标测度评价矩阵就可以得到评价对象的综合未确知测度向量Di=(di1,di2,…,dip)',由于指标分类权重向量为wj=(w1,w2,…,wm)i,m为指标个数则:
其中,。称Di=(di1,di2,…,dip)'为未确知综合评价向量。
(四)评价准则
由于评语等级划分是有序的,即,优秀等级好于良好等级,所以不能采用最大测度识别准则。本文使用置信度识别,设置信度为λ∈(0.5,1),通常取值为0.6或者0.7。令:
则认为xi属于第P0个评价等级VP0。
三、实证分析
(一)企业国有资产运行效率评价指标体系及指标标准
本文根据指标选取的系统性、科学性、客观性、可比性及可操作性等原则,构建由25个三级指标、10个二级指标和3个一级指标构成的贵州省遵义市某国有商业企业国有资产运行效率评价指标体系,如表2所示。参照国务院国资委财务监督与考核评价局制定的《企业绩效评价标准值2012》,结合专家意见,制订贵州省遵义市某国有商业企业国有资产运行效率评价标准,如表2所示。原始数据来源于贵州省遵义市某国有商业企业2011年度《资产负债表》、《利润表》和《遵义市统计年鉴2011年》。
(二)单指标未确知测度函数
根据未确知测度模型非负有界性,可加性和归一性的要求,建立单指标未确知测度三角函数,已有的研究采用的是等区间构造分段函数,本文构建单指标未确知测度三角函数是根据插值法,即,将优秀值和差值之间长度分为三个区间,取区间的中点为临界值,这样就克服了区间数据极端值的影响。以资产报酬率为例,其评语等级如表3所示,单指标未确知测度三角函数构造如下:
根据原始数据和单指标未确知测度函数可求得单指标未确知测度矩阵:
(三)计算单指标权重
以积累效率为例,根据公式(2)和(3),求得积累效率各指标权重为:
根据公式(4),并参照表1,求得CR<0.1,通过一致性检验。同理可得其他单指标权重为:经济效益:W13=(0.14,0.43,0.43);盈利能力:W14=(0.125,0.125,0.375,0.375);偿债能力:W15=(0.25,0.75);营运能力:W16=(0.6,0.2,0.2);就业效应:W18=(0.75,0.25);三农效应:W19=(0.5,0.5)。
(四)二级指标测度
根据单指标测度矩阵、单指标权重和公式(5)可求得二级指标测度矩阵为:
则二级指标测度矩阵为:
(五)一级指标测度
根据公式(2)、(3)和(4),求得二级指标权重为:宏观经济效率:W1=(0.75,0.25);微观经济效率:W2=(0。33,0.33,0.12,0.11,0.11);社会效率:W3=(0.28,0.65,0.07)。
由二级指标测度矩阵、二级指标权重和公式(5),可求得一级指标测度矩阵为:
根据公式(2)、(3)、(4),求得一级指标权重:
由一级指标测度矩阵、一级指标权重和公式(5),求得综合评价向量为:
(六)识别评价
取置信度λ=0.7,根据公式(6),当k=2时,0.47+0.28=0.75>0.7。所以,贵州省遵义市某国有商业企业国有资产运行效率评价结果为“良好”。
四、结论