风险测度

风险测度（共9篇）

风险测度 篇1

1 引言

违约风险 (Default Risk) 又称信用风险 (Credit Risk) , 是指交易对手未能履行约定契约中的义务而造成经济损失的风险, 即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性。违约风险是金融风险的主要类型, 它通常针对债券而言。违约风险越高, 投资者则要求发行人为高风险支付更多利率。因此, 通过考察利息率 (贴现率) 的高低可以表示公司负债违约风险的高低[1,2]。

公司债券和股票对于公司的收益的分享是不同的[3]。假定一家公司共有两种融资方式:债券和股票。债券持有者因借钱给公司, 所以对财产索取具有优先权。假如公司破产, 债券所有者可以索取公司的剩余价值, 一般剩余价值往往会小于本金。例如债券持有者借给公司1亿元, 公司的剩余价值只有4 500万元, 那么, 债券所有者只能在借出的100元中拿回45元。股票所有者则不能拿到任何剩余资产, 股票持有者所持股票一文不值。只有当公司业绩上升时, 股票持有者的收益才会丰厚;当公司业绩不景气时, 股权持有者的收益也不好。可以看出, 股权持有者的收益比债券持有者的收益变化幅度大。不过, 股权持有者担负有限责任, 这一规则使得股权持有者的最大损失不会超过股票投资价值。因此, 股权的收益好像拥有以公司资产为标的资产的看涨期权[4,5]。

2 鞅及测度变换

随机过程{xn, n≥0}称为关于{yn, n≥0}的下鞅, 如果对于n≥0, xn是{y0, y1, …, yn}的函数, E[xn+]<∞, 并且:E[xn+1|y0, y1, …, yn]≥xn, x+n=max{0, xn}。

随机过程{xn, n≥0}称为关于{yn, n≥0}的上鞅, 如果对于n≥0, xn是{y0, y1, …, yn}的函数, E[xn-]<∞, 并且:E[xn+1|y0, y1, …, yn]≤xn。x-n=max{0, -xn}。

随机过程{xn, n≥0}称为关于{yn, n≥0}的鞅, 则E[xn+1|y0, y1, …, yn]≤xn。

从定义可以看出, 如果一个随机变量的时间序列没有表现出任何的趋势性, 就可以称之为鞅;如果随机变量序列趋向上升, 则称之为下鞅;反之, 若该过程趋向减小, 则称之为上鞅。实际上鞅是一种用条件数学期望定义的随机运动形式, 或者说具有某种可以用条件数学期望来进行特征描述的随机过程。鞅是用条件数学期望表达的随机过程, 因此, 鞅的数学期望形式基于相应的概率测度, 一旦概率测度 (或者分布) 发生变化, 那么原来的鞅随机过程就可能不是鞅了。同时, 也可以通过测度变换, 把任意的随机过程转化为鞅。这样, 可以在计算中采用比较容易计算的概率测度, 如果需要也可以转化为原来的概率测度, 这为计算数学期望提供了巨大的方便。

戈萨诺夫 (Girsanov) 定理在随机基{Ω, P, F}上定义随机过程:其中:βt是Ft-可测的随机过

戈萨诺夫定理说明给定维纳过程wt, 把它的概率分布d P乘以拉登-尼克迪姆导数 (Radon-Nikodym derivative) ξt, 就可以获得一个新的维纳过程wt′和相应的概率分布Q, 这两个过程相差一个Ft-可测的漂移项βtdt。

3 企业违约风险

根据以上对公司资产、股票、债券的叙述, 提出如下假设:

(1) 允许卖空股票, 没有交易费用、税收和保证金, 证券高度可分, 交易连续。

(2) 公司债券、股票没有红利支付。

(3) 无风险利率r为常数, 并且对所有到期日都相同, 投资者可以此利率无限制地存款或贷款。

(4) 不存在无风险套利机会。

(5) 信息结构由布朗运动产生。

(6) 企业资产Vt, 企业股票St, 企业负债Dt, 则Vt=St+Dt。

假设企业资产符合几何布朗运动, 则d Vt=μVtdt+σVtdw, wt是标准一维布朗运动, 令Y=ln Vt, 则

由伊藤公式, 则:

把无风险证券作为标准化证券:

使用伊藤定理:因为股票资产具有风险, 所以漂移项 (μ-r) 不为0, 并且具有 (μ-r) >0, 是下鞅, 根据戈萨诺夫定理, 把St转换为鞅。

定义Ft-适应的随机过程:, 并且满足诺维科夫条件则:

根据风险中性定理, St′是等价鞅测度下的鞅, 因此漂移项为零, 即

任一或有权益标准化后为Q鞅, 由前面分析可知,

由于wt′为一维标准布朗运动, 根据一维标准布朗运动的性质, 增量wT′-wt′服从均值为0, 方差为T-t的标准正态分布, 即:

Vt=St+Dt, Dt=Vt-St=Vt-[VtN (d1) +DTe-r (T-t) N (d2) ], 由贴现公式:

4 数值模拟

假设一个公司, 现在资产为120万元, 资产由股票和债券组成。假定债券在5年内到期, 到期面值为100万元, 不支付任何利息。假设股票在今后5年内也无任何红利;无风险利率6%, 公司资产的波动率为每年25%。利用上述公式进行计算, 可得股票价值为51.45万元, 风险债券价值为68.55万元, 风险债务的利息率为7.55%, 可以看出股票价值加上债券价值等于公司的总资产, 即120万元。风险债券的利息率是7.55%, 这一利率高于无风险利率 (6%) 1.55%, 采用这个利率得到5年期面值100万元的无息债券的现值为68.55万元。

通过改变输入变量, 可以得出风险债券的利息率的变化情况, 例如将债券的面值从100万元增加为200万元, 在保持其他已知变量不变的基础上, 可以得到债券的贴现率从7.55%增长到13.36%。如果将公司资产波动率从25%提高到35%, 在其他已知条件不变的情况下, 风险债券的利息率从7.55%增长到9.42%。

可以看出, 当参数发生变化时, 风险债券的贴现率会随着参数变化的情况进行变化, 但贴现率较大时, 则反映出较高的违约率。

摘要：信用风险对于银行、债券发行者和投资者来说是一种非常重要的决策影响因素。本文根据企业资产中债权和股权之间的相互关系, 认为股权价值是基于公司资产价格的期权费用, 根据戈萨诺夫定理, 利用风险资产贴现价格是在特定的概率测度下的鞅, 得到了衡量企业负债违约风险的计算公式。

关键词：企业负债,违约风险,鞅,测度变换

参考文献

[1]刘志强, 金朝蒿.认股权证的等价鞅测度定价模型与数值方法[J].经济数学, 2004, 21 (2) :136-140.

[2]朱丹.附有回售条款的可转换债券的鞅定价[J].湖南师范大学自然科学学报, 2005, 28 (4) :23-26.

[3]邹杰涛, 于海滨, 吴润衡, 韩立杰.或有要求权在公司负债定价中的应用[J].数学的实践与认识, 2007, 37 (17) :36-41.

[4]Merton R.On the Pricing of Corporate Debt:The Risk Structure of Inter-est Rates[J].Journal of Finance.1974, 29 (2) :449-470.

[5]Black F, Scholes M.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy, 1973, 81 (3) :637-654.

风险测度 篇2

关键词：供应链管理；系统动力学；ARIMA模型；突变风险

中图分类号：F253.4 文献标识码：A 文章编号：1003-5192(2012)02-0050-07

Measurement of Supply Chain Disruption Risks Based on ARIMA Model

MA Zhi-qiang1, CHEN Jing-xian2, SHI Guo-hong1

(1.School of Management, Jiangsu University, Zhenjiang 212013, China; 2.School of Business, Nantong University, Nantong 226019, China )

Abstract:Combined system dynamics and ARIMA-intervention-analysis method, this paper developed a new approach to measure supply chain disruption risks. We investigated a two-echelon supply chain system that consists of a manufacturer and a retailer where the transportation between two firms may be disrupted. We propose a system dynamic model to depict the supply chain system’s behavior under transportation risk. Then, we obtain the descriptive statistics’ results of supply chain performance(total inventories, total profits and backorders)based on the simulation data that output by Venple. Moreover, we developed the ARIMA models of supply chain performance series, and used intervention analysis approach to study the method that measures the transportation disruption risk. Our results show that the transportation risk between manufacturer and retailer make total inventories and backorders of the supply chain increase 12.44% and 15.49% per period, respectively. However, total profits of the supply chain decrease 172.41% per period.

Key words:supply chain management; system dynamics; ARIMA model; disruption risks

1 引言

突变管理（Disruption Management）是由丹麦学者Clausen等人于2001年首次提出［1］，也有国内学者将突变管理称为干扰管理［2］或中断管理［3］。供应链管理作为运作管理的重要研究领域，供应链突变风险管理也受到了相应的重视，目前的研究侧重于应对供应链突变风险的相关策略研究，如：Qi等学者研究了两级供应链生产成本突变时的供应链协调机制［4］；Xu等人则研究了当生产成本发生突变时的二重供应链的协调问题，设计了新的供应链协调机制来应对突变风险［5］；Xiao和Qi研究了当制造商生产成本突变后的基于全单位数量折扣和增量式数量折扣的供应链协调契约［6］；Chen和Xiao则研究了利用线性数量折扣协调方案和Groves批发价格协调方案等两种方案协调具有需求突变的供应链系统［7］；Giannakisa和Louisb依据供应链突变的触发事件分析、建模、参数分析和仿真分析的思维流程建立了在突变事件发生时的供应链模型，并给出了一个利用离散事件仿真方法来管理供应链突变风险的框架与思路［8］；陈敬贤等人先后针对需求突变风险和交货延迟风险提出了基于前馈反馈最优控制策略的供应链风险控制策略［9,10］，等等。

已有的研究文献从多个方面给出了多种应对供应链突变风险的策略与机制，但却忽视了分析突变风险对供应链绩效的影响，而测度风险的影响是供应链风险管理的基础［11］。少数研究从企业绩效的层面，利用上市公司公布的数据，定量描述了突变风险对企业绩效的影响，如Kleindorfer和Saad利用美国化学行业1995~2000的关于事故的大量数据，从实证研究的角度讨论了构建的框架模型在实际风险管理中的应用［12］；Hendricks和Singhal以1989~2000之间美国上市公司公布的827个中断事件的调查研究为基础，研究了供应链突变风险的长期股票价格效应和股权风险效应［13］；进一步，Hendricks和Singhal又以1989~2001之间美国上市公司公布的838起突变风险事件为样本研究了供应链突变风险对股东财富的影响［14］，等等。考虑到上市公司公布数据的有限性以及公司之间复杂供需信息的隐匿性，由上市公司公布数据很难获取供应链突变风险对供应链整体绩效的影响，这也是此类研究的主要不足。另外值得一提的是，Hendricks和Singhal的多篇实证研究文献收集数据的时间跨度较大，在如此长时间跨度范围內，企业内外部环境变化较大，财务数据的变异很难说仅仅是由于供应链风险所造成的。因此，此种方法的误差相对较大，这也是此种研究方法的不足之一。另外，也有学者利用经典风险估计方法或主观评估方法研究了供应链风险测度问题，如陈敬贤等运用蒙特卡罗法研究了供应链需求波动风险的测度模型［15］，陈敬贤等先后利用灰色关联评价和不确定性评估法研究了供应链风险综合评估［16,17］，等等。此类研究的不足主要在于：（1）经典风险估计方法适用于单个典型的供应链风险测度，但前提是风险事件的概率易于量化，否则测度风险事件对供应链绩效的影响将变得十分困难；（2）主观评价方法虽然能有效处理多个风险的综合评估，但却是建立在专家评分的基础上实现风险评估的，此类方法的适应性值得思考。因此，设计一种有效测度供应链风险特别是突变风险的方法是十分重要的。考虑到管理实验研究法的诸多优势，本文将以供应链中的运输突变风险为研究对象，基于系统动力学仿真和时间序列模型相结合的方法，在建立可控实验的基础上，利用动力学仿真获取相关绩效数据，设计一种新的测度供应链突变风险影响程度的方法，期望为供应链风险管理研究提供一点新的研究思路，同时为企业的供应链管理实践提供新的理论方法。

2 供应链系统动态模型

系统动力学（System Dynamics）是由Forrester教授于1956年创立，主要是研究系统反馈结构与行为的一门科学，在处理具有时间延迟的高阶非线性动态复杂问题时有着较强的优势［18］。SD自产生后，在供应链管理领域就有着极其重要的应用，如著名的啤酒游戏模型就是基于系统动力学而提出的［19］。大量研究表明，供应链是个复杂的非线性系统。本文首先基于系统动力学构建包含一个制造商和一个零售商的二级供应链系统，然后在此基础上利用动态仿真平台的实验来模拟制造商和零售商间运输发生突变情境下供应链系统的动态行为，进而研究运输突变风险对供应链绩效的影响。

2.1 模型结构

构建系统因果反馈结构是利用系统动力学进行建模的基础。本文研究的供应链包含一个零售商，它对市场销售一种产品且市场对于该产品的需求为随机性需求，零售商从单一制造商处订购产品，制造商具有一定的生产能力满足零售商的订货。在界定基本变量的基础上，图1给出了该供应链变量间的因果回路关系，所示变量的含义及其确定如表1和表2所示。

图1分成三个部分描述供应链系统动态行为：最上面部分是零售商所面对的外部需求，中间部分是零售商的因果回路，下面部分是制造商的因果回路。图中箭头上的+和－分别表示反馈的极性为正反馈和负反馈。由图1可知，供应链系统由负反馈主导，系统趋于稳定，满足系统动态仿真的基本要求。例如，当零售商库存量（RI）增加时，零售库存缺少量（RIG）减少，零售商订货量（RO）减少，零售商未满足订货量（ROB）减少，制造商对零售商的发货量（STR）减少，零售商渠道库存量（RPI）减少，则该反馈回路为负反馈回路。

2.2 模型方程与参数

为了完善利用系统动力学模拟供应链系统行为，表1给出了供应链系统中物流和信息流相关变量的方程与参数，表2给出了供应链系统中资金流相关变量的方程与参数。表1从流量、存量、辅助变量和常量四个方面反映了本文中供应链系统物质流和信息流的动态变化。本文假设零售商和制造商均采用order-up-to方式控制库存，但零售商对制造商有渠道库存（RPI）的约束，零售商对制造商的订单量（RO）由库存缺少量（RIG）、平均需求（ED）和渠道库存缺少量（RPIG）共同确定。制造商方面，从外部供应商处购进原材料（RM），综合考虑生产能力（PC）、原材料生产率（RM/PT）、零售商平均订货量（ERO）和制造商库存缺少量（MIG）安排生产（PR），并满足零售商的订单需求。

资金流方面，零售商从制造商处购进产品时需支付转移支付（TP），并对市场销售产品获取销售收入（RSR）。由于市场需求D为随机需求，零售商在周期末需对未满足需求承担缺货惩罚成本（RPC），对产品库存承担库存持有成本（RHC），销售产品时需支付一定的运输成本（RTC），由此构成了零售商的总利润（TRP）。制造商方面，对零售商销售产品获取转移支付（TP），并承担销售产品所需支付的运输成本（MTC），对产品库存承担库存持有成本（MHC），零售商未满足的订单需要支付缺货惩罚成本（MPC），生产产品需要支付生产成本（MMC），由此构成了制造商的总利润（TMP）。

3 仿真分析

本文的仿真实验是在Venple DSS平台通过构建因果模型和微分方程来实现的，仿真周期为100天，模拟了运输突变风险情形下的供应链系统运作。基准模型（无突变）下的供应链系统动态仿真所需的相关参数如表1和表2所示。在基准模型下，考虑到供应链系统边界限制，所以这里并不考虑制造商产能和原材料数量的影响，另外制造商的购买原材料单位成本计入制造成本，如表1所示。而运输突变风险均是通过Venple DSS所提供的脉冲函数PULSE TRAIN來实现的，如（1）式所示

RST=2+INFINITY·PULSE TRAIN(51,5,0,55)(1)

由（1）式可知，突变风险发生在第51天至55天之间，在第55天后相关变量恢复至突变前的状态，突变风险共维持5个仿真周期。另外，运输突变风险是利用制造商与零售商间的产品运输时间变量（RST）来实现的。

根据图1所示的因果关系及表1和表2的初始参数设置，在Venple DSS平台构建了本文的仿真模型。设定仿真周期后，得到了仿真的描述性统计结果，由统计表明：（1）与无突变风险的情况相比，运输突变风险的发生将使得供应链平均总库存增加5.0%，供应链平均总利润降低9.6%，且平均未满足订单量增加46.0%；（2）运输突变风险使得供应链整体库存、利润和需求短缺量的标准差变大，这也说明突变风险使得供应链绩效表现得很不稳定；（3）由样本的5%截尾均值可知，运输突变风险下供应链绩效指标的5%截尾均值与无突变风险的5%截尾均值差别明显，这就说明运输突变风险对于供应链绩效的影响是显著的；（4）95%置信区间在运输突变风险下的变宽则从另一个方面表明突变风险使得供应链绩效指标变得较不稳定，反映出突变风险对于供应链绩效的动态影响。

4 ARIMA干预分析

上文利用SD模型对运输突变风险的影响进行了初步的描述性统计分析，无法在统计显著性要求下分析运输突变风险对供应链绩效的长期效应。而本节将结合SD模型与ARIMA干预分析模型建立存在运输突变风险的供应链绩效时间序列模型，进一步就突变风险对供应链绩效的影响进行分析。

干预分析（ARIMA Intervention Analysis）由Box和Tiao于1975年创立［20］，在社会经济生活中有着广泛的应用。本文利用干预分析方法来测度突变风险对于供应链绩效的影响，主要建模分析步骤与文献［21］类似，时间序列建模则采用Box-Jekins的建模过程来实现。

首先对突变风险发生前（即前50周期）的ti（总库存）序列、tp（总利润）序列和db（需求短缺量）序列进行ADF单位根检验。单根检验的结果表明：db序列为平稳序列，ti的二阶差分序列为平稳序列，tp的一阶差分序列为平稳序列。进一步根据相关性检验，发现ti一阶差分序列的自相关系数拖尾，而偏相关系数二阶截尾；tp一阶差分序列和db序列的自相关系数拖尾，而偏相关系数一阶截尾。采用Akaike信息准则（Akaike Information Criterion, AIC）判定模型阶数，本文最终判断出选用ARIMA(2,1,0)来拟合突变风险发生前的ti序列，选用ARIMA(0,1,1)来拟合突变风险发生前的tp序列，选用ARIMA(1,0,0)来拟合突变风险发生前的db序列，拟合的统计结果如表3、表4和表5所示。由此可得在突变风险发生前，供应链总库存、总利润和需求短缺量的时间序列模型如（2）式、（3）式和（4）式所示

以上各式中B表示后移算子。分别对以上各式所示拟合的模型残差进行自相关检验，发现三个模型的残差无显著的自相关性，可以认为是白噪声过程。因此，模型是适应的。

同样，对以上模型拟合的结果进行残差自相关检验，发现各自的残差无显著的自相关性，可以认为是白噪声过程。因此，利用以上模型描述带有运输突变风险的供应链绩效是有效的。在突变风险发生时，可以利用上述模型测度突变风险对供应链绩效的影响。

上文构建了用于模拟运输突变影响的供应链绩效的干预ARIMA模型，利用模型可进行实际供应链突变风险影响的测量与预测。但考虑到本文的模型数据来源于仿真实验的统计结果，因而突变风险发生后（第51~100周期）的数据也可通过Venple平台的仿真获取，而实际对突变风险影响进行预测时则并不能在突变风险发生时获取突变风险发生后的相关绩效数据。因此，本文这里给出一种用于实际预测突变风险影响的方法，具体步骤如下：

步骤1 根据突变风险发生前的绩效指标数据序列（ti序列、tp序列和db序列）构建ARIMA模型，如本文中的模型（2）、（3）和（4）；

假设实际管理者关注突变风险发生后20个周期绩效指标的变化，根据以上步骤经计算可得到未来20周期内突变风险影响的供应链绩效数据。由计算结果表明：在突变风险发生后的20个周期内，由于突变风险的影响，供应链总库存共增加了670.39个单位，平均每个周期增加12.44%；供应链总利润减少128.36个单位，平均每个周期减少172.41%；供应链需求短缺量共增加33.85个单位，平均每个周期增加15.49%。由此可以发现，5个周期的运输中断对供应链造成了重要影响，相关绩效指标变化较为明显。

5 结束语

供应链突变管理是近年来供应链管理领域新的热点研究问题，但鉴于实际数据的匮乏及企业之间供需关系的隐匿性，有关供应链突变风险的测度研究一直未得到足够的重视。本文以包含一个制造商和一个零售商的供应链系统为研究对象，以制造商对零售商的运输中断事件为例，基于系统动力学构建了运输突变风险下的供应链系统动态模型，并通过仿真实验获取了供应链绩效（总库存、总利润和需求短缺量）指标的时间序列数据，运用ARIMA和干预分析法建立了运输突变风险发生前后的供应链绩效的ARIMA模型，实现了供应链突变风险的测度，并提出了一种在突变风险发生时预测突变风险对未来供应链绩效影响的新方法，给出了该方法的具体步骤。

虽然本文的建模数据来源于动力学仿真平台Venple的输出，但测度供应链突变风险的建模思路对于实际企业测度供应链突变风险具有一定的积极意义。本文的研究结果可为实际企业测度突变风险提供一点新的方法，所提出的预测风险事件对供应链绩效影响的方法为企业管理者有效认识突发事件的影响具有一定的借鉴意义。另外，虽然本文考虑的是简单的二级供应链系统受到单个突变风险的影响，但提出的建模思路及方法完全适用于多级供应链受到多个突变风险影响的情形。当然，如何有效收集突变风险事件及相应供应链绩效的实际数据，从而运用时间序列的理论与方法来研究测度突变风险的理论与方法仍然是未来需要展开研究的主要问题之一。鉴于获取实际相关数据的困难，建议使用案例研究的理论与方法来测度供应链风险，这也是未来需要研究的主要问题之一。

参 考 文 献：

［1］Clausen J, Larsen J, Larsen A, et al.. Disruption management: operations research between planning and execution［J］. OR/MS Today, 2001, 28(5): 40-43.

［2］胡祥培,丁秋雷,张漪,等.干扰管理研究评述［J］.管理科学,2007,20(2):2-8.

［3］于辉.供应链合作与企业应急管理［M］.重庆:重庆大学出版社,2009.

［4］Qi X, Bard J F, Yu G. Supply chain coordination with demand disruptions［J］. Omega, 2004, 32(4): 301-312.

［5］Xu M, Qi X, Yu G, et al.. Coordinating dyadic supply chains when production costs are disrupted［J］. IIE Transactions, 2006, 38(3): 765-775.

［6］Xiao T, Qi X. Price competition, cost and demand disruptions and coordination of a supply chain with one manufacturer and two competing retailers［J］. Omega, 2008, 36(5): 741-753.

［7］Chen K, Xiao T. Demand disruption and coordination of the supply chain with a dominant retailer［J］. European Journal of Operational Research, 2009, 197(1): 225-234.

［8］Giannakisa M, Louisb M. A multi-agent based framework for supply chain risk management［J］. Journal of Purchasing and Supply Management, 2011, 17(1): 23-31.

［9］陈敬贤,施国洪,马汉武,等.受需求风险干扰的供应链系统最优控制策略［J］.系统工程,2008,26(8):23-27.

［10］贡文伟,陈敬贤,王国华.多风险干扰下供应链系统的最优控制策略［J］.工业工程与管理,2010,15(5):7-11.

［11］Tang C S. Perspective in supply chain risk management［J］. International Journal of Production Economics, 2006, 103(2): 451-488.

［12］Kleindorfer P R, Saad G H. Managing disruption risks in supply chains［J］. Production and Operations Management, 2005, 14(1): 53-68.

［13］Hendricks K B, Singhal V R. An empirical analysis of the effects of supply chain disruptions on long-run stock price performance and equity risk of the firm［J］. Production and Operations Management, 2005, 14(1): 35-52.

［14］Hendricks K B, Singhal V R. The effect of supply chain disruptions on shareholder value［J］. Total Quality Management, 2008, 19(7-8): 777-791.

［15］陳敬贤,施国洪,程发新.基于蒙特卡罗模拟的供应链风险估计研究［J］.数学的实践与认识,2011,41(13):1-9.

［16］陈敬贤,施国洪,马汉武.基于改进灰关联分析法的供应链风险评价模型及应用研究［J］.软科学,

2008,22(10):11-16.

［17］张彦如,陈敬贤,陈黎卿,等.基于偏好的供应链不确定型风险模糊评估方法研究［J］.运筹与管理,200

8,17(1):69-73.

［18］王其藩.系统动力学［M］.北京:清华大学出版社,1994.

［19］Sterman J D. Modeling managerial behavior: misperception of feedback in a dynamic decision making experiment［J］. Management Science, 1989, 35(3): 321-339.

［20］Box G E P, Tiao G C. Intervention analysis with applications to economic and environmental problems［J］. Journal of the American Statistical Association, 1975, 70(349): 70-79.

风险测度 篇3

目前国内外在船厂风险领域的研究主要集中在船厂日常经营风险方面的定性研究, 定量研究则很少, 船厂接单风险及其测度的研究文献则更少。Kavussanos、郭欣等以及王晨歌等学者分别从船价及付款方式、成本及合同风险等方面对船厂的一类或多类风险进行定性研究[1,2,3]。定量研究方面, 学者们在借鉴其他领域风险评价或测度研究方法的同时, 认为纯定量分析技术无法解决风险测度中的半结构化和非结构化问题[4], 针对此缺点提出了模糊综合评价法、神经网络法、功效系数法等方法, 如许立坤和林滨采用模糊综合评价法对客观存在的船东风险进行了研究, 并对两家船东进行了实证研究, 取得了较好的效果[5];陶永宏、祁爱琳则从船舶行业层面将BP神经网络法运用到风险测度中, 并考虑造船市场风险滞后性的特点, 用功效系数法进行优化[6]。

1990年中国工程院院士王光远教授发表的《未确知信息及其数学处理》揭开了未确知数学的第一页, 该学科的创建开辟了有别于随机性、模糊性和灰性的研究途径和方法, 在各领域已得到广泛应用, 如:周书敬等将其用于房地产投资环境的评价中, 克服了以往单层次模型的限制, 实现了有结构决策和无结构决策的结合[7];郭奇将此法用于企业经济效益的评价, 并对三个企业的经济效益进行实证研究, 取得较好的效果[8]。这些研究表明, 该理论作为研究未确知信息的一种数学方法, 可以定量描述具有未确知性的事物处于未确知状态时的大小, 避免了采用其他数学方法造成的信息度量的误差, 是一种较为理想的信息度量方法。

2 未确知测度理论在船厂接单风险测度中的可行性分析

首先, 船厂接单风险具有未确知性。一般风险具有客观性、可变性等特征, 但因船厂订单建造周期长、投资额大、技术要求高等特点, 在完成过程中未确知因素大量存在且不断变换, 由此造成其在风险复杂度和强度上都远高于其他行业。船厂接单风险具有五大显著特征:复杂性、高度集中性、相对性、不确定性和潜在性, 其中复杂性和潜在性最易导致风险的未确知性显现。

其次, 尽管专家们对各要素了解已经很专业, 但在风险估值时将他们的判断集中于一个数值点是不现实的, 而未确知测度理论采用区间处理方法可以根据所选取指标的特点和数据的实际状态所决定;且多位学者认为风险等级是有序分割, 各区间性质不同, 笼统采用最大隶属度识别判断不符合实际, 应采用置信度识别原则[9,10], 而未确知测度理论就是采用该原则。

正是船厂接单风险的特性使决策者在识别接单风险时对其真实状态和风险的数量关系不能准确地识别和度量, 这就要求我们利用科学的方法正确识别风险, 改变风险发生的环境条件, 从而减小风险的负面结果, 而未确知测度理论正是解决这一问题的较好方法。

3 船厂接单风险测度模型

3.1 船厂接单风险测度指标体系的建立

测度指标体系的建立是船厂接单风险测度的重要内容, 其能否全面准确地反映风险影响要素将直接关系到测度结果的有效性。通过参阅大量文献和对南通、扬州及南京等地船厂进行实地调研, 确定指标体系。

本文建立的指标体系遵循一条主线、四大目标和五大原则:

(1) 一条主线, 即以供应商—船厂—船东为主线。订单的风险是由宏观经济风险波及到造船市场, 最终从供应商和船东的风险行为综合作用于船厂, 供应商和船东的风险是外部风险的集中体现, 这是船厂订单风险的传导机制, 也即风险的变化规律。这条主线贯穿风险的始末, 只要抓住这条主线, 就严格遵循风险的变化规律。

(2) 四大目标, 即费用、进度和质量及稳定性的目标。前三种风险管理的三大铁定目标同时也是风险传统的三大信号;对于最后的稳定性是特指船东的可靠度, 每在船市萧条期, 船东遇到危险就将风险转嫁给船厂, 做出弃船、撤单的行为, 对船厂造成很大的危害, 可见订单的可靠度也是不可忽视的。

(3) 五大原则, 即层次化与扁平化相结合、完备性与简明性相结合、动态与静态相结合、指导性与实用性相结合、普遍性与特殊性相结合的原则。

3.2 风险区间的划分及指标的处理

本文按照分值将警度区间划分为五个等级, 考虑到制造业通常以50%作为经济强弱的临界点, 所以本文以50分作为有无风险的临界点, 50~60分作为第一风险区间, 依次划分区间, 五个区间分别对应风险一级至五级。分类标准如表1所示。

(1) 定量指标的处理。本文中共有9个定量指标, 由于各指标的特性不同, 所以各自划分的标准也要因指标而异。其中:船型创新度指标的风险指对船型的不同创新程度所带来的技术上的不确定, 本文用风险值表示。该指标是由船型的建造历史重复性和船型的技术难度来决定的, 且船型的技术难度又是相对于船型的建造重复性而言的, 二者存在乘积关系。正常情况下, 船型的建造历史重复度越高, 船型建造时的技术难度也就越低, 风险性也就越小;反之亦然。根据船厂造船的实际情况, 首制船风险最高, 同类船型建造3次以上即为成熟船型, 风险基本上就已经很小了。本文按照造船技术的难度, 将目前我国所造主要船型分为五个等级 (如表2) , 其中难度最高的为一级, 难度越高则对应的风险也就越大。故船型的计算公式表示为:Hk=Xi×Yj, 其中Hk表示船型的创新风险, i表示同类船型船厂历史建造次数, Xi表示船舶的船型重复性所对应的风险系数, j表示对应船型类别。

与表2一一对应, 表示船型的技术难度等级分布形式如下:

Hk相应的等级分类分别如表3所示。

钢材综合利用率根据行业实际情况最高在94%左右, 本文以92%作为低风险的警戒线。国内钢材综合价格指数波动幅度是由中国钢铁工业协会编制的反映我国钢材价格走势的综合指标, 由于该指标的风险主要发生在未来的一段时间, 所以该指标应以船东询单当时的指数为基准, 考虑未来1至2年内的波动风险, 根据《中国船舶工业年鉴》, 通常以10%作为最高风险的警戒线。船厂工人工资占行业平均工人工资指标参照《中国船舶工业年鉴》计算得出。汇率波动 (上升) 幅度指标根据汇率波动程度对船厂的实际影响来划分, 该指标具有一定的预测性, 实际值应以实际询单时间为基期, 考虑未来1至2年内的波动风险。新船价格指数、船东资产负债率依据《中国船舶工业年鉴》所拟定。历史违约次数指标, 如果船东违约2次及以上, 则其信誉在行业内基本就荡然无存了。

(2) 定性指标的处理。本文所构建的指标体系以定性指标居多, 要将这些因素参与数学计算, 需要运用适当的数学工具将其定量化。本文选择利用未确知有理数或盲数表达专家对船厂接单风险要素的估计, 可以更客观合理地反映评价对象的实际情况。论文所有指标的划分结果如表1所示。对于极大值指标, 对应的风险等级依次为风险高、风险较高、风险中、风险较低、风险低;而对于极小值指标, 对应的风险等级则相反。

本文确定的船厂接单风险测度指标体系如表4所示。

注:论文是以供应商-船厂自身-船东这样一条主线分析识别风险的, 上表的排列顺序与此主线的不一致是为了排版的整洁性需要, 对论文的结果无影响

3.3 船厂接单风险未确知测度模型构建

设有m个待评价的对象, n个评级指标, xij表示第i个评价对象关于第j个属性的测度值, 对于每个xij有p个测度等级。令μijr=μ (xij∈cr) 表示测量值属于第r个评级等级的Cr的程度, 且满足非负有界性、归一性以及可加性。

未确知测度分布函数中直线型未确知测度函数是应用最广的函数, 本文采用此构造方法构造出分类标准的未确知测度函数:

本文采用客观的赋权重的方法———熵值法来确定单指标的权重p, 设μij所确定的信息熵为:

则vij反映了向量μij各分量取值的集中程度, 即指标Ij的重要程度, 称vij为指标的分类区分度。令:

显然, 故称ωijr为指标分类权重, 则综合指标的未确知测度为:

由于评级空间是一个有序分割类, 即评级等级有序, 判别准则不适用最大隶属原则, 因此, 引入置信度识别准则进行计算。设置信度为λ (0.5<λ<1) , 通常取0.6或0.7, 本文对此重新确定, 实例中计算结果为0.9, 令:

则判断xi属于第k0个评级等级ck0, 即xi不低于ck0等级的置信度为λ, 或低于ck0等级的置信度是1-λ。

综上可知, 构建基于未确知测度的综合测度流程如图1所示。

4 案例分析

2012年9月20日, B公司向A公司询单, 订单为MR型成品油船建造合同。B公司是一家历史悠久的公司, 航线遍及中国以及东南亚、澳洲、欧洲、地中海等地, 运输网络完善。C公司是A公司钢板的主要供应商。A公司与B公司是首次合作, C公司也同样是新的供应商。该张订单对于A公司因不同的建造次数而风险差异很大, 因此本文分首制船、建造过2条和3条以上三种情况探讨其风险大小。

(1) 假设为首制船, 根据表3, 对应的风险区间为60~70。

1) 定量指标及定性指标的处理。首先, 定量指标数据如表5所示。

注:预测数据来自前瞻产业研究院及中国外汇交易中心, 实际数据由中国船舶网、myspic及克拉克松等网站收集和整理

其次, 对于定性指标, 本文采用专家调查法。要将专家意见参与数学计算, 需要运用适当的数学工具将其定量化, 本文选择利用未确知有理数或盲数表达专家对船厂订单风险要素的估计, 可以更客观合理地反映评价对象的实际情况。然而由于人类自身认识能力受到各种条件的约束, 具有一定的有限性和局限性, 所以专家意见的正确性和准确性也是相对的。这种相对性, 我们用可信度来描述, 取区间[0, 1]某个值来量化表示。设α表示可信度, 这α=1表示最可信, α=0表示最不可信[13]。对专家可信度进行度量, 我们常采用如下方法之一或结合使用: (1) 由专家本人根据自己的专业知识和对信息的掌握程度给出; (2) 由作者根据该专家的成就或者相关经历给出; (3) 由周围对专家较为了解的人给出。本文考虑到所研究对象的复杂性和专业性, 决定选取方法 (2) 。对于专家数量的选取, 一般以5~10人为宜, 也可以因情况而异。设有n名专家F1、F2、…、Fn组成专家组, 对船厂订单风险要素进行估计, 各个专家评价结果的可信度相应为α1、α2、…、αn。计算步骤如下:

(1) 专家F1关于专家组的综合可信度为:

(2) 专家组的综合可信度为:

(3) 由于专家评估区间有交叉, 需对专家估计的区间的端点值aij、bij (j=1, 2, …, n) 按大小进行排序。若设所得序列为ai1, ai2, bi1, bi2, …, aik, bik, 则根据此序列可组成新的区间序列[ai1, ai2], [bi1, bi2], …, [aik, bik], 设此时的置信度为γ1、γ2、…、γk, γj (j=1, 2, …, k) 的求解按比例分配的方法得到。以区间[ai1, ai2]的可信度γ1为例:

本文经选取专家调研及其可信度评价等过程, 最后根据公式 (6) 和 (7) 分别求得各专家和专家组的综合可信度分别为:α1=0.2, α2=0.2, α3=0.3, α4=0.1, α5=0.2;α=0.9;各指标的评估结果如表6所示。

由表6可看出, 测度指标评估区间有交叉, 因而进行无交叉化处理及可信度的计算。对于要素“主机供应可靠性I111”, 首先对ai1和bi1重新排序, 结果为70、75、80、85, 于是得到新的区间序列:[70, 75]、[75, 80]、[80, 85]。根据公式8可得γ1、γ2、γ3:;同理可得γ2、γ3分别为0.5和0.3。则对要素“主机供应可靠性I111”的估计结果为:I111:, 根据未确知有理数及盲数期望的定义及运算法则计算得:

, 由于E (f1 (x) ) 的总可信度α=1, 故该一阶未确知有理数实际上就是实数78, 即x1=78。用同样的方法可得出“其他关键设备供应可靠性I112”, 结果如下:

同理可得其他指标相应的结果, 篇幅限制, 不再一一列出。

2) 指标测度过程以二级指标下的底层指标“主机供应可靠性I111”、“其他关键设备供应可靠性I112”为例来说明单指标测度过程。对于I111, 将专家组评分综合值x1=78代入分类标准的未确知测度分布函数方程中:μ111 (x∈c1) =0, μ111 (x∈c2) =0.3, μ111 (x∈c3) =0.7, μ111 (x∈c4) =0, μ111 (x∈c5) =0, 故指标I111的单指标测度向量为: (0 0.3 0.7 0 0) ;同理, I112的单指标测度向量为: (0.8 0 0 0.2 0) 。由以上各个单指标测度向量可得同一个二级指标下的测度矩阵为:;同理可得:。由公式 (2) — (4) 可得:;同理得v112、ω112为0.5020、0.4475。

故I11指标下的分类权重为:, 由公式 (4) 可得:;同理可得:μ12= (0 0.1857 0.1108 0.2314 0.4721) , μ13= (0 0 00.1975 0.8025) 。同样根据公式 (2) — (4) , 重复两次上面的计算, 可得最终的测度值:μ= (0.210.2287 0.5942 0.0329 0) 。

3) 识别与排序。由于评价空间是一个有序分割类, 因此可用置信度判断准则来进行判断。根据前面的计算, 取λ=0.9, 由上述综合测度评价向量和公式 (5) 可知, k=3, 故该订单的风险等级为三级。该结果对决策者来说, 该订单的风险较大, 要极其慎重考虑, 建议不接单。

(2) 假设建造过两次, 依据上述算法, 则对应的测度值为 (0.1375 0.3421 0.1649 0.3555 0) , 相应的风险等级为四级。

(3) 假设建造过三次以上, 依据上述算法, 则对应的测度值为 (0.0308 0.0264 0.0851 0.38250.4752) , 相应的风险等级为五级。

据此分析, 后两种情况下订单均可接, 只是前者风险更大一些, 建造时要将风险严格控制。

5 结论与启示

本文针对当前造船市场风险巨大的现状, 探寻船厂接单的风险测度模式, 经过研究得出以下结论:

(1) 本文将未确知测度理论引入到船厂接单风险测度研究中, 并与客观的赋权重的方法———熵权法有机结合, 根据船型建造次数不同则风险差异较大的规律分三种情况进行探讨, 测度出企业的风险级别并给出接单建议。这表明未确知测度理论能够定量解决船厂的接单风险问题, 避免纯主观的盲目性, 为决策者接单决策提供科学的理论依据。

(2) 不同的时间及不同的船厂测度对应的权重和结果也不同, 本文在此只对船型不同、建造次数进行了分类讨论和测度, 船厂应根据实际情况进行分类测度。另外, 该测度方法若与网络技术相结合形成决策系统, 将为船厂提供更加高效的决策工具, 这也为笔者及其他学者后续研究指明了方向。

摘要：受全球金融危机的影响, 船厂接单风险再次笼罩整个船舶行业, 这些风险较为复杂且具有较大的不确定性, 对此提出未确知测度理论来测度经营者因信息掌握不全条件下的风险, 以期为决策者作出接单决策提供科学依据。对未确知测度理论的概念和应用现状进行概述, 分析该理论在接单风险测度中的可行性, 并依据1-4-5思维方法建立船厂接单风险测度指标体系, 构建船厂接单风险测度未确知测度模型;最后, 通过案例进行有效性和实用性分析。

关键词：接单风险,测度指标体系,未确知测度理论,风险测度

参考文献

[1]KAVUSSANOS.International comparison of market risks across shipping-related industries[J].Market Policy&Management, 2010, 7 (30) :200–204

[2]郭欣, 刘舟豪, 徐雅啸, 等.后经济危机时代船舶修造企业的材料成本管理[J].造船技术, 2011 (1) :5–10

[3]王晨歌.浅析造船合同下的撤单风险[J].重庆科技学院学报, 2012 (10) :51–53

[4]李晓宇.高新技术风险测度系统研究[D].北京:北京交通大学, 2006:12–13

[5]许立坤, 林滨.船东风险评估实证研究[J].中国造船, 2010 (1) :26–27

[6]陶永宏, 祁爱琳.基于功效系数及神经网络的造船业风险测度研究[J].中国造船, 2010 (5) :193–194

[7]周书敬.房地产投资环境未确知测度的综合评价方法[J].统计与决策, 2006 (11) :15–16

[8]郭奇.基于未确知测度理论的工业企业经济效益评价[J].数学的实践与认识, 2011, 41 (2) :45–49

[9]王超.确知测度理论的冲击危险性综合评价模型及应用研究[D].北京:北京交通大学, 2011:12–15

风险测度 篇4

关键词：系统性金融风险；评价指标体系；因子分析；ARIMA

中图分类号：F832.1 文献标识码：A 文章编号：1003-9031（2012）09-0054-05 DOI：10.3969/j.issn.1003-9031.2012.09.14

一、系统性金融风险的测度及预警研究现状

（一）我国研究现状及不足

我国对于系统性金融风险测度及预警的研究开始于20世纪80年代中期，相比国外银行业系统性风险的研究，我国的研究比较零散，且以定性研究为主。从国内近年的研究成果可以看出，系统性金融风险测度的研究主要集中在指标法及模型法两方面。如张维（2004）描述了不良资产水平、资本金水平等16个指标分布区值，并分五个区阐述系统性金融风险状况[1]。沈悦和张珍（2007）、葛志强、姜全（2011）设计了危机预警指标体系，并且借鉴国际惯例、国际金融法规和一些专家意见确定了各项指标的安全区间[2-3]。高志勇（2010）运用CAPM模型对美国银行业系统性金融风险进行了实证分析[4]。贺聪、洪昊（2011）将违约率作为一个宏观经济变量，采用逻辑回归方法构建了其与其他经济变量间的宏观审慎管理压力测试模型[5]。

我国现有测度方法的困境及缺陷主要有以下几点：一是过于专注复杂模型，而随着经济现象复杂程度的加深，模型可信度也在降低，有着严格假设条件和繁杂理论结构的模型往往难以准确刻画风险的累积过程。二是受我国金融业市场化操作时间不长，缺乏如发达国家那样完善的市场数据采集渠道的影响，国内学者较难开展针对我国实际进行的研究。三是我国现有研究对预警指标体系的选择主要侧重于国内因素，对开放条件下一些重要的外部冲击考虑较少，且对预警指标的选择、各层次指标权重及风险阀值的确定、风险区间的判定多借鉴国外文献或依靠专家分析法，趋于主观。

（二）本文研究方法及思路

本文采用指标法、因子分析及ARIMA预测相结合的方式对我国系统性金融风险进行识别、测度及预测。指标法能够避免构建数理模型的复杂性及不稳定性；因子分析法更为客观准确，剔除了人为取舍指标，或主观判定指标权重等原因对综合评价效果的影响；而ARIMA对短期预测简便高效，能较准确地发现我国2012年金融风险状况。

二、系统性金融风险综合评价指标体系的构建

本文选择来自经济子系统、银行子系统、国际收支子系统及泡沫风险①四个方面的共24个指标构建我国系统性金融风险综合评价指标体系（见表1）。考虑到近二十年来我国成功抵御了1997年亚洲金融危机和2008年美国次贷危机，本文选取1995—2011年这个时间段，并对四个子系统评价指标的年度基本数据进行收集与整理。数据来源为中国统计年鉴、金融统计年鉴，中经网，WIND数据库，中国人民银行、银监会、外汇管理局、经济学家网站等。

三、我国系统性金融风险的测度及预测

（一）因子分析法测度我国系统性金融风险

首先，将评价体系中指标原始数据导入SPSS16.0，进行因子分析的适用性检验，发现原始指标抽取公共因子后共同度全部在0.74以上，说明指标间可测量共同特质较多，所选取指标适合进行因子分析。其次，本文旨在计算金融稳定指数，综合指数越大表明经济金融形势越稳定，因此本文选择对指标进行正向化——负向指标取反，适度指标将其初值与均值的差额取反。最后，确定公共因子及计算因子得分。由公共因子方差贡献率可知，7个因子对数据变异量累积解释程度高达85.59%，已提取了指标体系内涵的绝大部分信息，因此可以将这前7个因子f1～f7作为我国系统性金融风险状况的代表性因子。表2可以看到7个公共因子分别从不同方面反映了我国系统性金融风险的特征。第一因子涵盖的信息最为丰富，主要反映了短期外债/外债总额、外债总额/外汇储备、失业率、资本充足率、房地产贷款/贷款总额及证券化率6个方面风险，共解释了21.38%的系统性金融风险。

将SPSS输出的7个因子f1～f7的得分按照方差贡献率为权数加权平均可以得到因子综合F的得分，由于原始数据已被正向化，因子综合得分即为系统性金融稳定指数，刻画了1995—2011年系统性金融风险的变动情况。其得分越高意味着系统性风险越小，经济金融状况越稳定；反之，得分越低意味着系统性风险越大，经济金融状况越不稳定。

（二）ARIMA法预测我国系统性金融风险

在Eviews5中对f进行一阶差分剔除趋势性因素后进行单位根检验，ADF检验统计量为-3.28，小于显著性水平为1%的临界值-2.73，即一阶差分后的f序列式平稳的。进一步进行均值检验可知，一阶差分后其均值也近似为零。因此，适合运用ARIMA模型对f序列进行预测。又由于f一阶差分无论是自相关、偏自相关都表现出拖尾的特性，考虑用ARIMA（1，1，1）对f进行建模，模型估计AR（1）及MA（1）的系数分别为0.088、0.334。因此，模型可以写为：ft-2.088ft-1+2.176ft-2-0.088ft-3=ut-0.334ut-1①

表3为f序列的ARIMA（1，1，1）模型残差自相关及异方差的LM②检验结果，可以看出残差序列不存在自相关也不存在异方差，模型是适合的。

（5）国际收支长期不平衡，外汇储备规模显著过剩。近年来，国际收支顺差式不平衡，以及跨境资金异常流入是我国国际收支和跨境资金流动的主要风险。截至2011年末，我国的外汇储备规模已达31810亿美元，远远超过了保证进口支付或者应对偿还外债的需要，外汇储备呈现出显著过剩的特征。一方面，过剩的外汇储备大量购买美国国债及其他有价证券，支持了美国财政收支和经常收支的双赤字。一旦双赤字扩大的恶性循环达到一定程度而难以为继，美国为刺激经济复苏不得不采取量化宽松的货币政策，长期看必然导致美元贬值，我国持有巨额美元资产将面临重大损失风险。另一方面，国际收支长期大额顺差，外汇储备增长较快，致使我国货币投放量过多，通货膨胀风险加大，影响国民经济持续健康发展；同时增加人民币升值压力，强化市场交易主体套利交易动机，影响外汇市场有序平稳运行。如果未来市场预期发生逆转，将可能导致跨境资本集中流出，对我国经济金融造成严重冲击。

四、系统性金融风险的防范

根据前文实证分析可知，我国系统性金融风险来源复杂而多变，同时国际监管制度改革对我国产生不容忽视的影响，而从我国现状看，我国已形成“一行三会”的金融监管格局，随着金融业的发展，金融机构综合经营已成为必然趋势，这在一定程度上对分业监管格局下的金融稳定形成了挑战。关注并监测系统性金融风险是中国人民银行履行维护金融稳定的职能行为，如何防范和化解系统性金融风险、规避全球性金融危机的负面影响是中国人民银行紧迫的现实问题。

在宏观审慎管理框架下，需要建立一个统一的、对系统性金融风险保持高度警惕的监管制度，实行专业化监管和统一监管相结合，从防范系统性金融风险的目标出发，扩大监管范围。

（一）建立完备的金融体系风险监测和评估制度

宏观审慎管理是以防范和控制系统性风险为宗旨，而系统性金融风险涵盖了所有可能造成金融不稳定的金融行为。因此，除了商业银行、证券公司和保险公司受中国银行业监督管理委员会、中国证券监督管理委员会和中国保险监督管理委员会专职监管以外，其他金融行为如场外金融产品和交易行为、跨市场资本流动和投机行为等也应一并纳入宏观审慎管理范畴。从目前国际趋势及我国的国情来看，要加强以下五个领域的风险监控力度：一是加强对金融衍生品的风险监管，重在完善金融衍生品立法，平衡创新与规范的关系。二是加强系统重要性金融机构的风险监管，重在判定系统重要性金融机构，并强化其抗风险能力。三是加强对影子银行的风险监管，重在对国内影子银行的界定和业务规范。四是加强对私募基金的风险监管，重在促进私募基金的规范化和透明化等问题。五是加强对金融控股集团的风险监管，重在分析金融机构之间或金融机构与市场之间的潜在连锁效应、以及监管真空等问题。在整体监管框架下，中国人民银行可以采用定性和定量指标确定系统性金融风险水平或级别，从国际经济金融、国内宏观及区域经济金融等各项指标基础上构建一套正确反映金融体系健康与稳定的金融预警制度，以此进行监测分析，评估和判断金融稳定状况。

（二）建立和完善逆周期信贷调控机制

在我国，信贷仍然是最重要的货币投放方法和银行主要利润来源，且信贷波动是银行体系顺周期性的主要表现，也是造成系统性金融风险的重要来源。因此中国人民银行等相关部门应该客观分析宏观形势对货币投放的需求，进行适时、灵活的逆周期调控，建立健全贷款动态拨备要求和额外资本要求，通过逆周期的资本缓冲，平滑信贷投放，引导货币信贷适度增长，实现总量调节和防范系统性风险有机结合，维护银行体系的稳健运行。

（三）加强宏观审慎监管与微观审慎监管的有效协调

中国人民银行和各个金融监管部门根据职责分工实现统筹协调，密切关注宏观经济形势变化和各行业运行状况，研究分析跨行业、跨市场的金融机构业务的发展情况，促进监管政策和措施协调。强化金融风险化解和处置行动的配合，加强金融稳定信息共享，实现信息共享的规范化和常规化。通过上述措施，使宏观审慎监管与微观审慎监管各有侧重，互为补充，相互促进，既防止单个银行发生重大风险，又防范整个银行体系的系统性风险。

（四）构建多样化和多层次的金融体系

金融体系的多样化和多层次不仅有利于形成金融市场价格发现机制，避免市场主体的高度同质化造成的市场交易量低和无法有效定价，还有助于促进金融主体行为的相互独立和异质化，降低金融业务的相关性，防止金融主体行为“羊群效应”引发的金融不稳定。为此，要鼓励建立多种类型、不同层次的金融体系，积极发展多元化、异质化的金融业务模式和业务品种，夯实防范系统性风险的基础。

（责任编辑：陈薇）

参考文献：

[1]张维.论系统性金融风险的识别与控制[J].金融理论与实践，2004（3）.

[2]沈悦，张珍.中国金融安全预警指标体系设置研究[J].山西财经大学学报，2007（10）.

[3]葛志强，姜全.我国系统性金融风险的成因、实证及宏观审慎对策研究[J].金融发展研究，2011（4）.

[4]高志勇.系统性风险与宏观审慎监管——基于美国银行业的实证研究[J].财经理论与实践，2010（5）.

风险测度 篇5

中国能源战略为“科学、绿色、低碳”,加快调控转型,强化节能优先,实行总量控制,保障合理需求,优化多元结构,实现绿色低碳,科技创新节能、提效,合理控制能源需求。煤电能源供应链形式特点呈现“耗电→耗油耗电→耗煤→电能损失→耗电”的循环过程[1]。煤电能源供应链中各节点企业组成的多环节、多主体、多阶段、多区域的复杂系统[2],链条中各环节之间相互依赖,任何环节出现风险都可能波及上下游其他环节,甚至使链条风险被传递、延展,最后导致整个链条断裂[3,4,5]。煤电能源供应链外生风险因素的出现、内部主体投入产出的变化都会形成风险[6],风险递展一旦超出供应链弹性临界就会威胁到能源系统的运行效率。煤电能源供应链风险特 征与其他 供应链风 险特征具 有很大的 区别[7],本文针对中国国情,研究过程是对一般供应链风险理论的细化。

就供应链风险管理 ( SCRM) 而言,供应链风险源于不确定性[8]。Milliken ( 1987) 将不确定性分为状态不确定性、效果不确定性和响应不确定性[9]; Krickx ( 2000) 分类的结论是主观不确定性 ( 认识不确定性) 和客观不确定性 ( 随机不确定性)[10]; Blackhurst et al. ( 2004) 将供应链的不确定性进行描述方法划分为区间分析、模糊方法与规划及概率分析[11]。一些学者认为供应链的不确定性源于供应商、生产商和顾客[12,13]。供应商原因包括提前期的不确定 ( 生产延迟、供给延迟和运输延迟) 以及订货量的不确定; 生产商原因包括系统可靠性问题 ( 产品库存和需求处理方式) 、设备故障以及执行计划偏差; 顾客原因包括需求预测偏差、购买力波动、从众心理以及人性特征。但是, “不确定性”是价值中性的, 既包括收益的机会,又包括损失的可能; 供应链风险可视为可能的后果和相关不确定性的组合, 分为随机性风险、危险因子和深层不确定性[14]。Tang ( 2006) 从运营风险角度,将供应链不确定性分为供应管理 ( 供应网络设计、供应商选择、订单分派和供应契约) 、需求管理 ( 时间、需求和产品转移) 、产品管理 ( 生产方式) 和信息管理4个角度[15]。综上所述,可将煤电能源供应链的不确定性存在形式分为两种: 一种是“环境的不可预见性”[16]; 另一种是内部风险性,即“个体生产率计量的困难”[17]。风险主要包括市场不确定性、规制不确定性、行为不确定性和技术不确定性等[18,19]。

1 问题描述

1. 1 供应链部门关系

中国煤电能源供应链的部门关系,如图1所示:

( 1) 煤炭行业准入管制相对复杂,产业组织中一方面是大量“小、散、乱”的小型煤矿,另一方面是相对规范的大型煤炭企业。中国煤炭生产过程存在规模经济,煤炭市场中仅有少量的具有有效规模的煤炭企业可提供有效供给。2013年6月29日,全国人大常委会通过了对于修改《中华人民共和国煤炭法》的决定,对煤炭行业取消煤炭生产许可证和煤炭经营资格证。煤炭经营许可证颁发的初衷在于维护煤炭经营秩序,但随着煤炭市场化和煤炭物流产业的发展,继续利用集权经济手段干预市场反而增加交易成本并产生行政寻租。

( 2) 解决“市场失灵”的矛盾,首先需要解决煤炭运输问题[20]。运力交易市场的不健全和不完善是交易成本增加的主要原因。重点合同煤与铁路运输计划挂钩,而非重点合同煤运输则要自筹运力,由此导致的点车费、加车费等运力“寻租行为”推高了煤价。没有“重点煤”合同销售 量指导的情况下,基于煤、电企业市场份额的运力配额分配方法谈判相对冗长,大型煤炭生产商的运力配额受到新政策影响的程度较小,而小型煤炭生产商可能更难参与竞争以维持其运力配额。

( 3) 中国现有的煤炭储配中心包括: 社会储配中心 ( 如曲靖市、大同市、青岛市、三门峡市、九江市等) 和电厂煤场。煤炭储配中心的主要目的是应对不确定性因素,从而确保煤炭供应的稳定性和安全性。近年来,中转港口、接卸港口和电厂煤场存储过多,加之中国煤炭市场持续低迷,煤价一路走低,电力企业也出现“回避储配中心、转购市场煤”的行为。

( 4) 燃煤发电产业是中国50% 以上煤炭的需求者,属于高物流、高能耗、高污染的传统产业。因此,发电企业的发展,不仅需要实现其利润最大化,而且应该履行燃煤发电企业社会责任、减少对环境系统的负外部性影响、提高社会福利水平的发展要求。由于价格管制,使得煤炭企业和发电企业无法在价格上达成统一,所以,多数发电企业依靠专用性政策获得利润,致使其管理水平无法提高、风险应对能力相对较弱。

( 5) 电网公司的职能包括输电、变电、配电及调度。中国电网结构相对薄弱,电力负荷高峰时段电力系统的零备用运行致使电网安全受到极大威胁。其主要存在问题包括: 电网建设长期滞后、交流弱联系统稳定性较差、二次系统安全性较差、电网输电能力不足 ( 如电磁环网问题) 、电网无功补偿容量不足、负荷中心电源支撑不足、外力破坏以及部分装备质量较低。

( 6) 电力终端用户是煤电能源供应链的最终环节。为深化资源性商品价格改革,根据国家发改委通知 ( 2013) ,将逐步调整销售电价分类结构。根据用电负荷特性,政府将现行居民生活、非居民照明、商业、非工业、普通工业、大工业、农业生产用电价格等八类销售电价逐步归并为居民生活、农业生产、工商业及其它等3个用电部门,并按其电负荷特性进行分档。

( 7) 政府对煤炭市场和电力市场的规制局限包括两个方面: 一方面,规制的作用容易随之受规制煤炭企业和燃煤发电企业活动的类型以及规制形式的变动而改变; 另一方面,在规制被取代前,必须针对煤电双方的经济活动,对其替代措施的特性进行评估。但是“市场化”并不意味着政府完全不干预电煤交易,相反地,有效的规制 ( 如价格限制、激励计划或促进竞争等) 还可赋予政府比较大的相机行事权利。政府的机构改革和职能转变,才是实现政府内部权力优化配置, 以及厘清和理顺政府与市场、与社会之间的关系的有效措施 ( 李克强,2013) 。

1. 2 风险源传递关系

( 1) 煤电能源供应链的管理应以煤炭市场和电力市场的需求为导向。理想状态下,生产、运输、配置和销售都应建立在能源需求完全信息的基础上。但是,政策工具及市场环境作用于宏观经济后,同时也增强了消费者偏好的不确定性, 使需求预测的难度加大,从而导致能源供应链的经营风险增加。有效的煤电能源供应链管理,不仅应反映能源资源类产品价格的联动关系,而且应反馈市场变化趋势和消费者偏好。

( 2) 2004年,国务院国资委将经济增加值 ( EVA) 纳入中央企业的考核体系,每年对其进行测算; 并从2010年起,以EVA取代净资产收益率 ( ROE) ,作为年度绩效考核指标。在价值度量上,与传统绩效度量指标 ( 净利润和股东权益回报率等) 相比,EVA可体现风险与价值的联系,所以,以经济资本计量为基础的EVA是风险与价值驱动型管理合理的考核维度[21,22]。

( 3) 在供应链 风险管理 中,将EVA作为VBM ( Value - based Management) 普遍的中期性价值化绩效度量标准[23]。由于EVA受到相互依存的多因素的影响,所以,价值驱动树 ( Value Driver Tree,VDT) 可作为一般性框架来说明运营杠杆和价值性绩效指标 ( 如EVA) 之间的因果关系[24]。VDT的作用包括: 1将顶级绩效分解到运营杠杆层面,如图2 ( a) ; 2通过风险调整资本成本和风险调正绩效指标 ( Risk - adjusted Performance Metrics,RAPM) ,将风险因子纳入绩效指标,如图2 ( b) 。Walters ( 1999) 从中期规划角度定义了3个运营性价值驱动因子[25],包括1营业利润率 ( 供应链销售量的增加和协同) ; 2资产利用率 ( 改进生产管理可提高成本效率) ; 3经营性现金流 ( 运营资本管理可缩短现金周转周期) 。

1. 3 指标体系构建

假设中国煤电能源供应链中的决策者均为风险规避型,企业主要通过3种关键的驱动因素来创造价值,即: 利润的增长、发掘新的价值空间和提高资本的功效。此时企业价值的驱动因子从功能上可体现行业特色,同时可反映市场的需求。利用VDT对EVA进行分解,得到9个风险源 ( 需求不确定性、供给不确定性、政策不确定性、资源衰竭、能源质量、设备安全、资金获取能力、偿付能力和财务监管能力) 和1个其他风险。再根据中国煤电能源供应链的实际情况与指标选取的原则,结合煤、电产业的各位专家的意见,通过定性分析对指标进行筛选。最终形成“中国煤电能源供应链指标体系” ( Coal - Electricity Supply Chain Risk Management Index System, C - ESCRMIS) 。具体步骤: 1通过VDT分解风险源,从两个维度对各级指标进行拆分; 2把数据无法获得的指标替换或删除; 3将高度相关的指标进行合并。

为了构建煤电能源供应链风险评价测度模型, 需要厘定中国煤电能源供应链风险源传递关系及指标结构 ( 图3) 。在指标分解图中,从两个维度对煤电能源供应链的风险进行分类:

维度1: 中断风险和运营风险。中断风险包括R1、R7、R8、R9、R10、R11和R12; 运营风险包括R2、R3、R4、R5和R6。

维度2: 内生风险和外源风险。内生风险包括R1、R2、R3、R4、R5、R6和R7; 外源风险包括R8、R9、R10、R11和R12。

2 数据及模型

2. 1 数据收集

2. 1. 1 问卷设计

( 1) 对研究变量进行定义,将各个指标的含义进行简洁的定义与解释;

( 2) 通过与能源经济、产业经济、物流管理、财务管理等方面的专家及相关研究人员的分析讨论,对问卷中的表述进行修改和完善;

( 3) 选择部分专业人员进行问卷的预调查, 对调查问卷中不合适的内容、用词或排版等问题进行进一步的修改和完善;

( 4) 通过邮件、电话和实地调研等形式,正式发放调查问卷;

( 5) 定期回收问卷,为确保问卷的质量,根据搜集到的样本信息进行描述性统计及模型的拟合。

问卷调查所需收集的数据涉及中国煤电能源供应链风险指标,因此应选择对相应行业相关人员进行问卷调查。本次问卷将电网企业、发电企业、煤炭企业、政府部门及科研单位等设为答卷人的选择范围。问卷的结构安排上包括说明信、 答卷说明、答卷人背景信息、对煤电能源供应链风险指标的解释、结束语等5个部分。问卷分为两部分: 第一部分涉及被调查人的工作单位、工作年限、职位等信息; 第二部分针对各个指标进行调查,指标打分采用五分Likert量表。其中,1为“非常不重要”,2为“不太重要”,3为“一般重要”,4为“比较重要”,5为“特别重要”。

2. 1. 2 样本容量选择

Boomsma ( 1982 ) 与Gerbing et al. ( 1988 ) 通过研究证明样本容量最低应达到100,大于200的效果更佳[26,27]。邱政皓等 ( 2002) 研究认为, SEM分析所需的样本容量至少比待估参数的个数多50[28]; 何晓群 ( 2004) 也从χ2检验的有效性角度进行分析,认为100 ~ 200为适合的样本容量[29]。为了保障SEM分析结果的准确性,本文的样本容量拟定为300。在保证需求的范围内, 最大限度的提高统计结果的精确性,将政府部门、煤炭企业、发电企业、电网公司、科研机构及其他部门 ( 运力部门、储配中心和金融系统) 的样本容量的分别拟定为30、50、90、50、60和20。

2. 1. 3 统计性描述

本次问卷调查历时近5个月 ( 2013年12月到2014年4月) ,实际共发放问卷400份,收回374份,回收率93. 50% ,其中有效问卷329份, 有效率为82. 25% 。对问卷回收所搜集到的样本资料进行描述性分析,内容主要为调查样本的个人信息 ( 表1) 。

注: 电力企业员工 ( 149) 包括火力发电企业员工 ( 96) 和电网公司员工 ( 53) 。

2. 2 数据分析

2. 2. 1 探索性因子分析

探索性因子分析的目的是对中国煤电能源供应链风险指标进行分类。数据的探索性因子分析是利用SPSS 19. 0软件进行主成分分析。录入数据后选择Analyze,在Data Reduction的Factor中进行如下操作: 在Descriptives中选择KMO and Bartlett's test of sphericity; 在Extraction中选择主成分Principal Component,并将最大迭代次数设置为200; 在Rotation中选择最大方差旋转法Varimax。结果如表2所示。

根据风险指标的经济意义和实际作用,对各个主成分进行定义和分类:

1定义“主成分1”为“经济风险及意外” ( C1) ,包括: 财务风险 ( R6) 、经济周期 风险 ( R8) 、市场需求风险 ( R10) 和意外灾害 ( R12) 。

2定义“主成 分2”为“主观 性风险” ( C2) ,包括: 道德风险 ( R1) 、信息传递风险 ( R2) 和企业文化差异 ( R7) 。

3定义“主成分3”为“流程风险”或 “客观性风险” ( C3) ,包括: 生产供给风险 ( R3) 、采购风险 ( R4) 和物流风险 ( R5) 。

4定义“主成分4”为“体制风险” ( C4) , 包括: 制度法律风险 ( R9) 和政策风险 ( R11) 。

2. 2. 2 信度分析

信度 ( Reliability) 分析即可靠性分析,可体现测验结果的可信度与稳定性,即测量的一致性程度。信度分析的方法主要包括: 重测信度法 ( 时间一致性稳定系数) 、复本信度法 ( 形式一致性的等值系数) 、折半信度法 ( 项目内在一致性系数) 和α信度系数法等。其中,α信度系数法兼具其他信度分析方法的优点,且适用于态度或意见问卷的信度分析。

若问卷整体信度可达到0. 8以上,则为理想, 信度最低要求应至少达到0. 5以上[31]。一般情况下,Cronbach'sα小于0. 35为低信度; 介于0. 35和0. 7之间为中信度; 大于等于0. 7为高信度, 即属于很可信范围[32]。运用SPSS 19. 0软件对问卷调查数据做Cronbach'sα测试,结果如表3所示。由检验结果可知,问卷的整体属于高信度, 分类部分属于中信度,均符合信度要求。

2. 2. 3 效度分析

效度 ( Validity) 分析即有效性分析,是指测量工具所能测量出样本特质的程度,即衡量工具能否真正衡量到研究者所要衡量的问题,包括: 内容效度、准则效度和结构效度。内容效度主要是检验样本数据的代表性; 准则效度是预测个体在某种情境下行为表现的有效性程度1; 结构效度是指测量结果体现出来的结构与测量值之间的对应程度。验证性因子分析得到的模型拟合系数与标准化因子载荷是比较适合分析结构效度的指 标[33]。在模型拟合较好的情况下,标准化因子载荷达到效度要求的最低标准为0. 45,大于0. 71时则表明其效度较高。本文将进行KMO ( Kaiser - Meyer - Olkin) 检验和Bartlett球形检验,判断变量可否进行因子分析,结果如表4所示。

2. 3 模型拟合

2. 3. 1 测量分析

测量分析的目的是检测概念模型的合理性和可行性。将经过处理的样本数据 ( 包括329个样本和12个观测变量的数据) 代入验证性因子分析模型,考察模型的可行性,以便进一步的修正。运用LISREL 8. 80软件对模型进行数据拟合,得到模型,如图4所示。

在验证性因子分析基础上,进行二阶因子分析。检验结果表明: 除政策风险 ( T - value为0. 37 ) 外, 其余因子 的T - value介于7. 01 ~ 11. 73之间; 但根据其经济意义和实际作用,不予以剔除。二阶因子分析模型与数据拟合程度是可以接受的,结果如表5所示。

2. 3. 2 结构分析

结构分析的目的是度量一阶因子间的相互作用关系。分别建立C1、C2、C3和C4的结构模型,并对T - value小于1. 96 ( 显著性0. 05) 的路径进行修正 ( 表6) 。由图5可知: 主观性风险、流程风险和体制风险可共同影响经济风险及意外 ( 标准化路径系数0. 42、0. 19和0. 43) ; 且经济风险及意外又可反作用于主观性风险 ( 标准化路径系数0. 67) 、流程风险 ( 标准化路径系数0. 45) 和体制风险 ( 标准化路径系数0. 62) 。

2. 3. 3 模型修正

高阶因子分析的系数就是高阶因素的路径系数,该参数反映了高阶因素对初阶因素的解释力, 代表了一阶因子对于二阶因子的相对重要性。标准化的路径系数估计值模型如图6所示: 经济风险及意外 ( C1) 、主观性风险 ( C2) 、流程风险 ( C3) 以及体制风险 ( C4) 等4个一阶因子在“煤电能源供应链风险管理” ( SCRM) 二阶因子的标准化路 径系数分 别为1. 04 ( T - value为7. 91) 、0. 65 ( T - value为6. 68) 、0. 44 ( T - value为5. 09) 和0. 60 ( T - value为4. 03) 。

1经济风险及意外 ( C1) 是煤电能源供应链风险管理的最主要影响因素。测量变量财务风险 ( R6) 、市场需求风险 ( R10) 和意外灾害 ( R12) 的因子载荷分别为0. 53、0. 58和0. 59,均大于最低可接受值0. 45; 经济周期风险 ( R8) 的因子载荷为0. 43,但根据其经济解释,决定予以保留。

2主观性风险 ( C2) 是煤电能源供应链风险管理的次级最主要影响因素。测量变量道德风险 ( R1) 、信息传递风险 ( R2) 和企业文 化差异 ( R7) 的因子载荷分别为0. 60、0. 73和0. 46,均大于最低可接受值0. 45。

3体制风险 ( C4) 是煤电能源供应链风险管理的直接性影响因素。测量变量法律风险 ( R9) 和政策风险 ( R11) 的因子载荷分别为0. 43和0. 93。

4流程风险 ( C3) 是煤电能源供应链风险管理的基本性影响因素。测量变量生产供给风险 ( R3) 、采购风险 ( R4) 和物流风险 ( R5) 的因子载荷分别为0. 57、0. 66和0. 69。

2. 3. 4 测度模型

结构方程模型拟合结果中的标准化因子载荷实质上可反映各个观测变量与相应的潜变量之间的相关系数。鉴于此,根据“基于指标相关性的指标权重确定方法”( CRITIC) ,将标准化因子载荷归一化处理,即可得到各指标对应的权重。

其中,ρij为一阶因子Ci的第j个测量指标的相应权重; λij表示因子载荷。

其中,ξ代表煤电能源供应链风险系数,βi 代表一阶因子Ci的权重,Rij代表一阶因子的第j个测量指标的指标值。M表示一阶因子对应的相应指标数目,M = 2,3,4。

由此得到中国“煤电能源供应链风险评价测度模型” ( Coal - Electricity Supply Chain Risk Evaluation,C - ESCRE) 。计算得到“煤电能源供应链风险”指标体系权重分布情况如表7所示。在煤电能源供应链风险管理的过程中,煤炭企业、火电发电企业以及电网企业可根据该指标体系权重系数表进行煤电能源供应链风险系数评价。

风险测度模型如公式 ( 3) 所示。由测度模型可知: 现阶段,中国煤电能源供应链的主要风险源为政策风险 ( R11) 、意外灾害 ( R12) 和市场需求风险 ( R10) 。在其他风险源的影响效果相对较弱的情况下,政府部门、能源企业及科研机构可根据企业实际情况,重点针对政策、市场和意外灾害等3个方面,进行相应的机制安排、框架设计及策略选择。

3 案例分析

3. 1 案例描述

本节设计了一个简单的煤电能源供应链风险评价的算例,以分析评价模型的效果。

假设存在2条煤电能 源供应链 ( SC1和SC2) ,其中涉及到煤炭企业、运力部门、储配中心、燃煤发电企业和电网公司的各个环节 ( 图7) 。由于在每条供应链的管理过程中存在不同等级的风险。现做如下假设:

【假设1】供应链中各个节点企业均是风险规避型的。

【假设2】能源的输配属于物理过程,不考虑能量的损失,且在终端市场消纳; 企业均掌握自身企业的相关信息,且供应链的信息传递需要交易成本; 资金同样受到外生变量 ( 如市场和政策) 的影响。

3. 2 结果与讨论

根据供应链节点企业的掌握信息,对供应链SC1和SC2进行打分 ( 图8) 。利用公式 ( 3) ,对SC1和SC2的风险系数进行计算,结果如表8所示:

由表8可知: ( 1) 虽然SC2的结构与SC1的结构相比相对复杂,但是其风险系数相对较低; ( 2) 对于SC2,虽然其财务风险、道德风险的信息传递风险均对供应链管理的影响较大,且高于SC1,但是经过加权计算后,经济周期风险和市场需求风险对SC1的影响会增加系统的不确定性,且其影响效果更明显,所以SC1的风险系数高于SC2的风险系数。由此可知,SC2的系统安全性高于SC1; SC2可作为投资再生产的最优选择。

4 结论及政策含义

本文针对中国煤电能源供应链的风险管理问题,基于供应链部门关系和风险源传递关系的梳理,构建中国煤电能源供应链指标体系,研究煤电能源供应链风险管理的风险评价测度模型。研究结论如下:

( 1) 从技术经济层面,基于VBM理论,利用VDT对EVA进行分解,从营业利润率、资产利用率和经营性现金流的角度,将中国煤电能源供应链的风险源分为需求不确定性、供给不确定性、政策不确定性、资源衰竭问题、能源质量问题、设备安全问题、资金获取能力、偿付能力、 财务监管能力和其他风险源; 并由此构建适合中国煤电能源供应链风险管理的指标体系,包括: 道德风险、信息传递风险、生产 ( 供给) 风险、采购风险、物流风险、财务风险、企业文化差异、经济周期风险、制度法律风险、市场 ( 需求) 风险、政策风险和意外灾害等12个风险因子。

( 2) 从数量经济层面,通过问卷调查的方式,通过SPSS和LISREL软件,对数据进行处理分析。利用探索性因子分析将12个风险因子分为经济风险及意外、主观性风险、流程风险和体制风险等4类风险集; 测量分析的结果表明12个风险因子对相应的风险集的影响取决于其因子载荷; 结构分析的结果表明4类风险集之间的影响取决于其路径系数,主观性风险、流程风险和体制风险可共同影响经济风险及意外,且经济风险及意外又可反作用于主观性风险、流程风险和体制风险; 经济风险及意外、主观性风险、体制风险和流程风险,按其对煤电能源供应链风险管理的影响程度进 行排序,且路径系 数分别为1. 04、0. 65、0. 44和0. 60。

( 3) 从理论及应用层面,利用CRITIC方法, 构建了中国煤电能源供应链风险评价测度模型 ( C - ESCRE) ,且得到道德风险、信息传递风险、生产 ( 供给) 风险、采购风险、物流风险、财务风险、企业文化差异、经济周期风险、制度法律风险、市场 ( 需求) 风险、政策风险和意外灾害等12个风险因子的系数分别约为0. 08、0. 10、0. 05、0. 06、0. 06、0. 06、0. 08、0. 07、0. 10、0. 15和0. 11。其中,信息传递风险、市场 ( 需求) 风险、政策风险和意外灾害的影响程度较大; 道德风险、经济周期风险和制度法律风险的影响程度次之; 生产 ( 供给) 风险、采购风险、物流风险、财务风险和企业文化差异的影响程度再次之。

基于以上的结论,本文提出如下政策建议:

电力不能储存,生产与消费需要保持时时平衡; 电力投资高度密集、回收期长。如果电力发展严重“超前”就会造成电力设施的闲置成本, 反之,如果发展“滞后”又会导致缺电带来的国民经济损失。电力发展的忽高忽低也会带来煤炭发展的忽高忽低,如“电力短缺带来: 扩建电源→扩建电网→增加煤炭生产规模”,而“电力过剩带来: 减少电源投资→减少电网投资→压缩煤炭生产规模”,中国煤电能源供应链条的每个环节投资都需要一个周期,周期的不同步就会带来煤电产业投资链的一次次起伏,造成社会资源的巨大损失,国有投资损失一般又会通过价格转嫁给社会用户。

电力产业是煤炭产业的最大用户,煤炭是发电所用的重要能源,二者彼此相互依赖、相互影响。如果电力中断,几乎所有的产业都不能正常运转。煤电能源供应链的协调发展可以保证电力的正常运转,为社会生产与生活稳定提供保障。近几年,随着国际煤炭价格的走高、发电装机的扩展迅速,煤炭需求出现激增,导致煤炭市场价格不断上涨。而发电企业电价由政府管制,煤价又构成了发电运行成本的70% ,利润会随着煤价上涨而被压缩,甚至出现亏损,于是,每年的煤电价格之争愈演愈烈,甚至出现了一些燃煤发电商由于亏损宁可放弃发电,带来电力供应出现结构性短缺。尽管国家发改委2004年底出台了“煤电联动”政策,由于煤、电两个利益集团对价格联动的科学依据均存质疑,已经无法执行。可见, 煤电价格关系风险控制问题有必要进行研究以减少煤电能源供应的不稳定性。

风险测度 篇6

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。

风险测度 篇7

随着经济全球化和金融工具发展, 金融市场呈现出前所未有的波动性。金融市场风险的影响范围之广、频率之高、传染力之强, 不仅在微观层面上影响一个企业的兴衰存亡, 还更为宏观的掌控一国甚至多国的经济繁荣和稳定发展。所谓金融市场风险, 指的是基础金融变量发生变动后, 金融资产或者负债的市场价值随之发生变化的可能性, 这里所提的基础金融变量, 包括市场价格、利率、汇率等。94年的墨西哥金融危机、95年巴林银行的倒闭、97年亚洲金融危机、08年美国次贷危机, 这些事件表明, 金融市场风险已经严重破坏和干扰了一个国家甚至整个世界的正常经济秩序, 因此越来越多的学者投入到市场金融风险定量分析管理研究方法之中。

就金融市场风险的特征来看, 其具有不确定性、普通性、扩散性和突发性。具体地说, (1) 不确定性。即投资者对预期收益具有不确定性; (2) 普遍性。金融市场风险是普遍存在的, 我们不可能做到真正消除金融市场风险, 只能是有效管理、积极防御; (3) 扩散性。对于金融活动来说, 并不是独立存在的, 它的外部效应是广泛存在的, 作为整个社会金融活动的中介, 金融机构任意一个节点出现断裂, 都很可能引发一系列的连锁反应, 进而导致金融体系发生动荡; (4) 突发性。风险在潜伏期是不易被察觉和识别, 一些风险责任人或者金融机构为了寻求转机对潜在的风险进行掩盖, 导致金融市场风险不断的积累和扩张, 最终以突发的形式体现出来。近些年, 我国不断推进市场化进程、衍生金融工具的发展、资本项目的开放以及市场风险呈复杂化态势发展, 在一定程度上加剧了金融机构所面临的风险, 也加大了对市场风险进行测量的难度。

二、传统的市场风险度量方法

(一) 方差-协方差法

方差-协方差法是一种参数方法, 它利用市场因子的统计分布VAR进行简化计算。使用参数法有一个前提条件, 即以资产收益率所服从的概率分布作为已知条件, 通常假定为正态分布, 方便相关人员利用置信水平所对应的临界值和收益序列的标准差计算VAR值来获取相应的风险值。

虽然方差-协方差法可以使计算得以简化, 但是在应用性方面方差-协方差有其局限性。大部分的收益率的分布曲线呈现“尖峰厚尾”的态势, 并不是传统的正态标准分布。当收益分布有偏, 即厚尾, 原有的正态分布假设就变得不再合理, 经过方差-协方差法得出的风险值可能会传递误导性信息。因此, 此种方法的风险值计算局限于一定条件之下, 而并非无条件使用。

(二) 历史模拟法

历史模拟法主要依托市场因子的历史分布数据模拟未来的损益分布, 利用分位数得出一定置信水平下的VAR值。历史模拟法简单实用、易于操作, 这是一种非参数方法, 不需要关心市场因子的统计分布, 能够有效的处理市场因子统计分布中的“尖峰后尾”现象, 不存在模型风险, 弥补了方差-协方差法中对于正态分布假定的依赖性。

历史模拟法虽然既简化了操作又解决了正态分布的假定, 但是仍然在应用方面存在缺点。首先, 历史模拟法需要大量的数据样本, 通常不得低于1500个, 现实情况中的金融数据难以满足要求, 大大削弱了计算的精确性。其次, 异常数据的存在可能会导致计算出的风险值波动性大, 产生明显的滞后效应。而且, 历史的市场因子分布数据不可能完全模拟实际金融市场的变化, 有时会产生较大的误差。

当前, 我国金融业的投资组合受众多因素的影响, 且投资组合种类多而复杂, 显然, 上述传统方法的局限性使得它们并不适用于当前金融业的发展。随着理论的深入探索和研究, 一些基于极值理论、分位数回归法、波动性理论的VAR风险测度方法应运而生, 这些模型并不直接通过市场因子的分布来获得风险值, 而是通过建立其他参数模型, 间接的获取风险值估计值。

三、半参数市场风险度量方法及其国内外进展研究

(一) 基于极值理论的半参数方法

极值理论的核心是关注市场因子的分布的尾部, 对分布的尾部建立模型。极值理论模型有两种, 一是传统的分块样本极大值BLOCK模型, 二是POT模型。其中, POT方法在风险测量中的应用更为广泛。POT方法的主要思想是针对收益序列选取阈值, 超出阈值的部分, 定义服从GPD分布, 利用极大似然分布估计函数计算参数, 根据所得参数计算VAR值。极值理论对极端条件下的Va R和概率水平进行了非常准确地描述。

1. 国外极值理论研究简述。

国外学者对极值理论的研究最早可追溯到1943年, 当时Gnedenko学者对三种标准化后的极值存在极值分布进行了充分的证明, 这三种分布分别是Gumbel分布、Weibull分布和Fr ech et分布。随后, 越来越多的学者将目光投向了极值理论。2000年, 很多学者对亚洲6个市场指数进行了Va R分析, 当时使用的方法即为极值理论, 得出如下结论:如果收益分布是非正态的、市场波动复杂的, 那么最稳健的结果为极值理论结果, 要远远好于方差-协方差途径。2000年, Cadle等人利用极值理论对处于亚洲金融危机中的六个亚洲国家和地区的股票市场进行了细致的研究。2004年, Ramadan等人运用极值理论对九个新兴市场的市场风险统计分析, 证实结合极值理论的风险值更加可靠和准确。2005年, Ch r istoffer sen利用极值理论对金融尾部数据的分析研究, 认为其结果更加有效。2007年, Bystrom在风险市场的研究中采用了极值理论, 成效良好。

2. 国内极值理论研究简述。

国内学者对极值理论也将极值理论应用于市场风险的度量并进行了众多研究。2000年, 詹原瑞等人运用极值理论以及两次算子式算法计算阈值, 认为基于极值理论的风险值比传统方法计算的风险值更加有效。2003年, 叶五一和缪柏其对HILL估计方法做出改进, 并应用于上证指数、恒生指数等, 发现其尾部估计结果更为精确2006年, 魏宇利用上证指数、标准普尔500指数作为市场因子, 分别利用正态分布、t分布、极值理论对收益率分布进行拟合, 发现极值理论能更精确的描述尾部特征。

(二) 基于分位数回归的半参数方法

所谓分位数回归方法, 其实它是一个用来对Va R计算的新框架, 主要适用于应用

厚尾分布的数据。如果使用分位数回归法, 那么就可直接对那些处于任意水平的条件分位点进行建模, 而无需特定的分布形式和特定的分布参数。

1. 国外分位数回归研究动态简述。

国外应用分位数回归法进行了包括很多领域在内的项目的研究, 如2005年Yu, Philippe和Zh ang对英国1991年至2001年的工资结构的分布情况进行了系列研究;2005年, Georgios和Leonidas对美国和希腊证券市场中的市场风险值进行了估计, 采用的模型为GAVia R模型;2006年, Papapetr ou对希腊公私企业中的工资差距情况进行了调查研究;2007年, Tay lor对超级市场的日常销售情况进行了预测, 采用的方法为指数加权分位数回归法。

2. 国内分位数回归研究动态简述。

国内对分位数回归进行研究的学者通常为数学领域学者。2007年, 丁军军和陈建宝对股票风险进行了实证分析, 当时应用的模型为CAVia R模型;2008年, 陈建宝和丁军军对分位数回归技术进行了详细的综述;2009年, 陈建宝和段景辉对中国性别工资差异进行了分析研究, 采用的方法为分位数回归分析, 同年, 二人又用相同的方法对中国城乡家庭收入差异的影响因素进行了研究;2009年, 陈建宝和杜小敏对我国居民和收入进行了实证分析, 应用的方法为分位数回归法。

(三) 基于波动性理论的半参数方法

市场因子分布除?“尖峰后尾”这一显著特性外, 还有一显著特点, 即波动集聚性。大波动的发生紧随着多个小波动的产生, 形成簇拥的现象。所谓波动性, 其实指的就是一段时间内金融资产呈现出的变化性。在金融市场中, 投资的波动性和风险二者之间具有非常密切的联系。一般地, 波动性理论用来对资产的风险性进行测量。

1. 国外波动性理论研究动态简述。

国外学者对波动性理论进行了大量研究。1990年, Glosten、Runkle和Jogannathan提出了TAR CH模型, 在该模型中, 为了更好地对正负信息的非对称作用进行描述, 加入了名义变量;1992年, Bollerslev对金融实践序列模型ARCH和GARCH进行了深入研究, 并就其预测效果进行比较, 得出的结论是:GARCH模型要比ARCH模型的预测准确率高;1993年, J.M.Zakoian和R Rabemananjara对法国股票收益进行了研究, 这在一定程度上扩展了TARCH模型, 并发现, 可以对方差中关于参数的正数约束条件进行放松, 如果TARCH模型没有约束条件, 那么就可以更好地对非线性的波动性进行描述。

2. 国内波动性理论研究动态简述。

国内学者也进行了大量的波动性理论研究。2002年, 彭文平和肖继辉对我国股市价格的高波动性进行了研究, 入手点为中国政策的多变性;2004年, 吴世农对股价波动方差和成交量之间的关系进行了探讨;2007年, 万蔚和江孝感等人运用GARCH模型、EGARCH模型和TGARCH模型对中国股票日益收益率波动等动态特征进行分析, 结果证明EGARCH模型更适用于股市波动性变化;2007年, 孙卓元对上证综指进行了实证分析, 得出的结论是上海证券市场的波动性具有扩张性和持续性等特点。

四、不同半参数方法的对比分析

在对金融市场风险进行分析的时候, 基于极值理论的半参数方法、基于分位数回归的半参数方法和基于波动性理论的半参数方法这三种半参数方法的使用最为广泛, 但是不论对于哪一种方法来说, 都有其适用性及局限性。

基于极值理论的半参数方法可以非常准确地描述任何一个序列的尾部分位数, 因为极值理论是专门用来分析收益率系列尾部的, 并且它的每一个步骤都经过了非常严格的推算。此外, 极值理论金融对数据进行的是真实的拟合, 无需任何假设, 直接分析处理收益序列的尾部即可, 极值理论的计算结果就和收益序列的实际分布的吻合度更高。但是, 使用极值理论对收益序列尾部分布情况进行描述的时候, 因为它只限于一个分布序列, 而无法了解序列本身的整体情况, 而且在分析数据的时候, 由于数据是估计所得的, 所以会导致该方法计算出的结果不够稳定。此外, 极值理论法需要大量的数据, 但是在真正建模的时候, 应用的数据并不需要那么多, 这无形中导致数据浪费, 且会对最终计算结果的准确性产生影响。

基于分位数回归的半参数方法可以涵盖非常全面的因素信息, 对于半参数分位数回归模型来看, 不仅包括线性部分, 还包括非线性部分, 半参数分位数回归模型就可更好地捕捉到每一个变量 (包括线性信息和非线性信息) 的变动情况。不仅如此, 收敛速度也非常快。对于半参数分位数回归模型来说, 它所要求的样本量同非参数回归模型对比之下需求量少, 就可以巧妙地解决在实际应用过程中, 非参数方法因为数据量不够而出现的问题, 加之其本身具有的线性部分, 使得模型的收敛速度更快一些。除了拥有较快的收敛速度, 基于分位数回归的半参数方法的稳健性也是非常好的。半参数分位数回归模型对模型设定的要求并不像参数模型那么严格, 特别是在非正态性或异常值对数据产生较大影响的时候, 半参数分位数回归模型的稳健性是非常好的。此外, 基于分位数回归的半参数方法可对因变量的变化进行全面地反映。半参数分位数回归模型可以对因变量条件分布的不同位置进行相应的分析, 这样就可以对因变量的变化进行全面地研究, 不仅如此, 就其对异常值的敏感程度来看, 半参数分位数回归远远小于均值。但是就基于分位数回归的半参数方法本身来看, 其在理论、方法和实践应用方面都有待于进一步完善, 具体地说:在理论方面, 基于分位数回归的半参数方法的理论有待于进一步完善, 目前国内学者在这一领域的研究处于相对滞后的水平, 研究成果不多;在方法方面, 基于分位数回归的半参数方法在多元分析方面还不够成熟, 有待于进一步分析研究;在应用方面, 基于分位数回归的半参数方法在社会、经济等各领域还没有过多实践, 只在金融领域刚刚起步。

使用基于波动性理论的半参数方法可以获得很好的拟合度和预测性, 拟合度体现在在合理的假设条件下, 对基于波动性理论的半参数方法的渐进正态性和收敛速度进行研究, 得出的结果要优于一般的波动性模型;预测性好体现在在不同分布假定情况下, 对基于波动性理论的半参数方法的条件方差进行分析, 以对Va R进行度量, 发现在基于t分布和GED分布假定的情况下可以更好地反映出收益率的风险特性。但是使用基于波动性理论的半参数方法也存在一定的弊端, 如该方法只对收益偏离平均收益的程度进行了描述, 但是这种收益可以是正向的, 也可以是负向的, 在实际应用过程中, 人们最为关心的是负偏离, 也就是损失情况, 但是波动性却未对偏离方向进行描述。此外, 基于波动性理论的半参数方法只对损失进行了描述, 而未具体到损失到底有多大。

五、半参数方法存在的问题及解决办法

同传统的参数方法和非参数方法相比, 半参数方法具有很大的理论优势, 它同时融合了参数方法和非参数方法, 但并不是简单的叠加, 而是有机融合, 且在实践过程中取得了很好的估计效果, 但是在使用过程中, 半参数方法也存在一定的问题, 具体如下:第一, 半参数方法的发展历史并不长, 相关的理论还有待于进一步完善, 特别是在一些领域发展时间较短, 如生产率增长测算等, 是在上世纪90年代后期才开始的, 不成熟的理论必然会对其在实证方面起着一定的限制作用;第二, 半参数方法的分量一般都是未知的, 且不容易掌握和控制, 这就会在一定程度上对实际测算问题的精度产生一定的影响;第三, 半参数方法对使用者和研究者提出了更改的要求, 而目前我国对半参数方法的研究还不多, 相关的文献也很有限, 所以这必然会在一定程度上制约半参数方法的应用和发展。

为了更好地将半参数方法应用到实践中, 就应从以下几方面着手:首先, 应继续完善半参数方法的理论, 借鉴国内外成功经验, 结2合0研14究领年域第的9实期际情中况旬, 完刊善理论;其次, 由于半参数方法的分量具有 (未总知第的5特6点4, 期在) 实际研究的过程中, 应尽可能对这部分T分i量m做e到s更好地掌握, 以保证测算结果的准确性;最后, 对于研究者或者使用者来说, 应不断学习新知识, 提升自己的业务水平和专业水平, 以更好地驾驭并发扬半参数方法。

六、结语

随着经济全球化和金融自由化的不断发展, 我国金融企业会面临越来越多的金融风险, 特别是金融市场风险, 必将成为现代金融机构面临的重要风险之一。就目前我国金融风险管理的现状来看, 市场风险不断提高, 但同时对风险量化管理的模型和技术还不够完善, 特别是对于半参数方法来使, 不论是理论, 还是实践, 都有待于进一步完善。对于金融企业来说, 在今后很长一段时间内, 都应将提高对金融市场风险的重视, 并加大对半参数方法研究的力度。

参考文献

[1]周开国, 缪柏其.应用极值理论计算在险价值 (VaR) ——对恒生指数的实证分析[J].预测, 2002, 21 (3) :37-41.

[2]朱国庆, 张维.关于上海股市极值收益渐近分布的实证研究[J].系统工程学报, 2000, 15 (4) :338-343.

[3]詹原瑞, 田宏伟.极值理论 (EVT) 在汇率受险价值 (VaR) 计算中的应用[J].系统工程学报, 2000, 15 (1) :44-53.

[4]王树娟, 黄渝祥.基于GARCH-CVaR模型的我国股票市场风险分析[J], 同济大学学报, 2005, 3 (02) :260-263.

[5]陈斌.金融风险管理手册[M].机械工业出版社, 2002:11.

[6]叶青.基于GARCH和半参数法的VaR模型及其在中国股市的风险分析中的应用[J].统计研究, 2000, (12) .

[7]Lijian Yang, A semi parametric GARCH model for foreign exchange volatility, Journal of Econometrics, 2005.

风险测度 篇8

一、价值创造:现金流风险管理的目标

早期学者认为企业现金流的主要职能是保证资产流动性和现金周转率, 从而确保企业在任何发展阶段都可以拥有充足的发展资金。随着现金的积累, 过多的剩余现金降低了企业的财务运作效率, 企业管理层逐渐意识到, 现金也可以作为一种短期投资的资源。随着企业逐渐追求利润的最大化, 管理层在追求收支平衡时, 却发现在企业的运作过程中, 现金作为一种稀缺资源经常出现短缺等现象, 会造成企业面临破产等严重后果。20世纪80年代以后, 企业开始进入货币和资本市场, 现金流管理进入了价值管理的阶段。管理层开始创建价值创造型企业, 关注现金流的创值。

从以上分析可见, 传统的现金流管理目标是保障现金在企业经营活动中的流动性, 防止现金流断流现象和财务风险。但是, 资本本质和环境的变化, 使得价值创造成为现金流管理的宗旨, 现金流的创值管理并非否定现金流的平衡性管理。现金流的流动性、安全性管理和平衡性管理, 与现金流的创值管理内在是相辅相成的。一般认为平衡性管理是现金流创值管理的基础, 缺少了平衡性管理, 企业没有办法进行正常的经营活动, 更无法谈论创造价值;而创造价值是现金流管理的最终目标。

二、基于生命周期的现金流风险控制

根据爱迪斯教授的企业生命周期理论, 本文进一步将企业的生命周期归结为四个阶段:初创阶段、发展阶段、成熟阶段和衰退阶段。

初创时期企业人财物均不够充足, 资金紧张, 同时需要大量的现金来购买厂房设备和支付员工薪资, 而收回极少的销售现金。此时的现金流风险控制方式主要是筹集经营所需现金、控制企业财务风险, 衡量投资项目的变现能力以及融资项目的成本, 严格挑选企业现金流的来源和筹资渠道等。

发展时期, 企业经营状况良好, 市场规模扩大, 主导现金流的是经营现金流, 经营现金流的盈余较多, 能够满足企业投资现金流的需求。此时现金流管理的重点, 是加强经营现金流的管理和投资现金流的管理。

成熟阶段, 企业经营现金流基本稳定和充足, 对内投资日益降低和减少, 筹资活动带来大量的现金流流出。此时, 经营现金流成为了企业的基本现金流, 主要用于投资活动, 因而, 这一阶段的重点在于管理好投资现金。

企业进入衰退阶段, 现金变动额整体体现为净减少, 较低的经营净现金流难以满足再投资所需要的资金, 大量债务需要偿还, 企业一般倾向于保留股利或者举债维系生存, 而不会将大量的现金返还给投资者们。

三、在险值技术:度量现金流风险的新工具

度量现金流风险的传统方法是财务指标和波动性指标。财务指标主要包括获现能力、偿债能力、盈利能力、财务弹性和发展能力四大类, 各大类指标中又包含许多更为明细的指标。财务指标可以比较好地反映企业现金流与企业债务、收入以及利润之间的关系, 还能够相对清晰地展现企业现金流的内部结构及其增长情况, 为企业有效地防控财务风险提供评判依据。其不足之处在于这些无法明确判断企业的现金流风险是否过高, 不能为管理层提供更为准确的风险报告。波动性指标是用方差和标准方差描述现金流的波动性, 从而刻画现金流风险。波动性指标能够较为直观和高效地传递企业过去的经营阶段所发生的现金流运转及其波动情况。而由于该指标对获得相关数据量的需求比较大, 难以获得持续的现金流波动性指标, 从而很难对将来可能的风险进行预测。

近年来, 借鉴在险值的概念, 有学者提出了现金流在险值 (Cash Flow at Risk, CFa R) , 据此作为企业现金流风险度量的工具。运用弹性概念将企业的市场风险、管理决策风险与该企业的销售收入、营业成本、财务费用等指标联系起来, 为企业董事会、高管、股东与外部财务分析师之间的沟通交流营造良好的氛围和环境, 这正是运用在险值技术度量企业现金流风险的内涵和价值所在。

良好的统计意义上的方法支持, 可以为企业财务风险度量及其管理策略的实施提供有力支撑。根据计算的CFa R, 风险管理者可以为企业的现金流管理设计出最优的对冲管理策略, 如确定风险对冲的时间和数量、选择有效的风险对冲工具等。与传统方法相比, 现金流在险值技术越来越受到企业风险管理者乃至诸多咨询机构的青睐和重视, 则是源于其有科学的计量方法予以支持, 但是由于计算方法复杂, 需要掌握扎实的数据运算能力和相当的财务知识, 实际操作起来比较复杂。

四、案例分析:某全球性医药公司现金流风险测度及其影响

某全球性医药公司是一家具有150多年历史, 在医疗卫生领域、农作物领域和材料科技领域具有核心竞争力的跨国公司。在全球73个国家, 拥有290多家子公司。伴随着后金融危机时代来临, 该公司所面临的市场环境变得更加复杂。如何建立一套完善的现金流管理方案, 为企业经营和发展提供良好的资金环境, 形成竞争优势, 成为该公司在发展过程当中迫切需要解决的重要问题。本文分别用三种方法对该公司的现金流风险进行测度, 并分析该公司的现金流风险控制对企业未来发展的影响。

(一) 全球性医药公司现金流风险测度

1. 财务指标分析。

运用因子分析法构建现金流状况评价模型, 结合该全球性医药公司财务报表数据计算得出该公司现金流量比率为0.3688, 债务保障率为0.1695, 应收账款周转率为80.96, 存货周转率为-1.41等19个指标。分析发现, 净现金流量迅猛增长的部分原因在于更低的税收和较好的经营活动的影响。

2. 波动性指标分析。

本文采用Var (CF/K) 对现金流波动性进行测度, CF/K表示公司现金流与当期期初固定资产的比值。该公司2013年年末现金流为58.32亿欧元, 当期期初固定资产为98.98亿欧元, 现金流标准差为0.59, 可以看出该公司在2012-2013年现金流波动性较低。

3. 在险值技术度量。

CFa R值是现金流的短缺或现金流预期值与真实值之差, 在假设已经知道现金流的波动性、期望收益等指标, 且现金流是正态分布的情况下, 其计算公式为:CFa R (95%的置信水平) =1.65×现金流的波动性。需要注意的是, 现金流波动性所乘的参数1.65在不同的置信水平下也会相应地发生变化。根据上述所得出的现金流波动性, 在95%的置信水平下, 计算CFa R值为0.97。需要注意的是, 本文采用的CFa R方法估计现金流在险值是一种较为简单的计算方式, 在具体应用CFa R方法时还应该根据企业的自身特征, 选择不同的测量方式, 建立合适的风险敞口模型来进行计算。

(二) 现金流风险控制对全球性医药公司未来发展的影响分析

1. 现金流对企业经营活动影响分析。

2013年, 该医药公司现金净流量从2012年的45.3亿欧元增长到51.71亿欧元, 增长14.2%, 很大程度上得益于经营活动的现金流入。该公司构建并完善了现金流预算制度, 生产和销售状况良好, 能够支付到期债务本息。该公司加强经营现金流的管理, 不断优化企业的内部控制, 同时结合风险评估的结果, 运用相应的控制措施和控制手段, 将风险控制在可承受范围之内。

2. 现金流对企业投融资活动影响分析。

2013年该公司用于投融资活动的现金流由2012年的37.83亿欧元降低到25.35亿欧元, 投融资活动活跃度降低。该医药公司在投融资决策前对市场进行充分考察, 选择附加值较高或者盈利水平较好的项目, 保障企业现金流得到合理安全的应用。同时, 该医药公司为防范多元化经营所带来的风险。融资时制定融资计划, 保证融资来源的结构合理性, 采用积极手段防范利润分配风险, 保证融资现金流的良好循环。

五、结语

综上, 现金流管理的目的是为了实现企业价值最大化, 现金流风险度量是为了使管理层能够准确认识到企业现金流管理中存在的风险, 并对其进行防范。合理有效的现金流风险防范措施可以在很大程度上降低风险, 从而更有效地实现企业价值。

(一) 关注现金流环境, 保障现金流安全

现金流环境包括内部控制框架下的控制环境和从现金流管理角度出发的从属于调控环境的各种因子。影响企业运作方式优化和风险管理实施的一个重要方面, 是不同的管理层对于企业管理理念和经营风格有着不同的追求和定位, 组织结构能够为管理目标的实现提供有效的保障。企业应当根据自身的实际情况, 选择适合本企业生存发展的组织结构。在管理理念日新月异的时代, 企业应该不断开拓创新, 让其组织构架模式朝多元化的方向发展。企业还应当实行现金流风控优先的原则, 持续优化和完善企业内部控制制度, 且切实地将相关理念和内容作为财务人员坚持的目标。

(二) 完善现金流控制活动, 形成资金有效利用

企业应积极编制现金预算, 清晰地列示每一笔现金流的收支情况和收支部门。通过实行现金预算编制, 企业在出现现金流不足或多余等情况时, 能够及时制定筹集和分配方法。在企业经营的任何阶段, 都需要通过现金预算的编制, 完善企业现金流的控制活动, 从而为企业内部资金的有效利用提供依据, 更好地利用企业现金流实现价值创造。

(三) 建立风险识别和控制系统

建立健全独立的风管机构与补充现有的风险管理制度, 是实现企业现金流风险有效防范的路径之一。企业的风险管理部门可以对企业内部现金流进行风险评估与检测, 发布风险评估报告, 并通过构建现金流防御系统, 在企业现金流出现异常情况和特殊状况时, 及时有效地侦查出企业运营中的财务困境及其成因。此外, 还可增加现金流风险的定量分析。一方面, 通过企业信息管理系统以及主要财务报表提供的各类资料和数据, 对比企业当前财务指标状况与历史情况, 预测企业未来可能的变化规律和走向, 以此来发现并及时解决企业内部可能存在的疑难杂症。另一方面, 对比该企业与同行业其他典型企业的相关财务指标和经营状况, 有效辨别该企业仍然存在的各种财务问题以及现金流管理困难, 以便管理层拿出解决方案。

参考文献

[1] .焦瑞新.基于CFa R的企业现金流风险度量研究[J].北京理工大学学报 (社会科学版) , 2010, (3) :61-65.

[2] .陈志斌, 叶玲娜.企业现金流状况评价模型构建研究[J].东南大学学报 (哲学社会科学版) , 2011, (5) :52-60.

风险测度 篇9

关键词：风险度量,证券组合投资,下方风险

引言

对于证券投资风险度量理论的研究是金融经济学领域里最核心的课题之一, 也是具体证券投资活动中至关重要的一环, 受到越来越多投资者和研究者的关注。自Markowitz (1952) 的证券投资组合理论出现之后, 对风险测度方法的探索不再仅仅停留在非定量的主观判断上, 而是从定量、投资者心理、风险方向等多个方面对投资风险大小进行客观计量。新型的风险测度模型和测度方法能够更真实地反映投资回报的不确定性, 为投资者提供更具价值的参考依据, 便于事先指导和控制投资行为。

一、Markow itz均值———方差模型

Markowitz于1952年提出的均值——方差模型使用了两个风险计量指标:投资收益率均值和收益率方差, 前者用于衡量证券盈利性的大小, 后者则是测度证券风险的指标。均值——方差模型有两个基本的成立依据:其一是“风险回避性”, 即认为投资者在一定收益条件下追求风险最小;其二是“非满足性”, 即认为投资者在一定风险条件下追求收益最大。

设投资者选择n种证券进行组合投资, ri为第i种证券的随机收益率, Ri=E (ri) 是期望收益率, σi2=D (ri) 描述风险, R= (R1, R2, …, Rn) T为该投资组合的收益率向量, 投资比重向量为X= (X1, X2, …Xn) T, l= (1, 1…, 1) T是n维单位列向量。又令投资收益率的方差 (标准差) 表示组合投资风险, 即n种组合资产间的协方差矩阵:∑= (σij) nxn, 是对称矩阵, 其中σij=cov (ri, rj) 。由此, 可得:

n种证券的组合投资收益Rp:Rp=∑ni=1XiRi=RTX;投资风险σP2:σP2=∑ni=1∑nj=1XiXjσij=XT∑X

综上, 在不允许卖空的条件下, Markowitz在均值———方差模型为:

该模型的成立需要严格的假设条件:证券市场是有效的;投资者理性规避风险;证券收益率都服从正态分布, 风险用收益率的方差表示;各证券相关联的, 用相关系数及协方差表示等等。

均值———方差模型为Markowitz的证券组合理论提供了有力的数学论证, 开启了量化风险评估的新途径, 以收益率度量投资回报的方法已被广泛接受;但以方差作为风险的计量指标却引发了越来越多的质疑:模型要求正负偏差相互对称, 即投资者同等对待上、下风险。有学者发现, 从心理学角度损失和盈利对风险的贡献是不同的——投资者对损失往往赋予更大的权重, 直接以整体方差衡量风险大小不符合投资者对风险的真实心理感受。为寻求替代方法, 既能具备理论的完善性、计算的便利性, 又能符合风险度量对现实状况和心理感受的满足度, 经济学家提出了刻画损失在风险构成中作用的下方风险 (Downside-Risk) 方法。其理论出发点是:对于非对称、非规则性的收益率分布, 投资者只要将低于给定目标收益率的各种可能情况归为风险计量范围, 即可有效地描述所有潜在风险。

二、基于下方风险测度的投资模型

1. (下) 半方差模型

假设同前。又设h为一实数, 令 (ri-h) -=min (ri-h, 0) , (ri-h) +=max (ri-h, 0) 。用矩阵建立基于半方差、半协方差的风险测度模型如下:

其中, Qh=Qh-+Qh+, Qh-= (Covh- (ri, rj) ) nxn, Qh+= (Covh+ (ri, rj) ) nxn

Covh- (ri, rj) , Covh+ (ri, rj) 分别表示为第i种证券和第j种证券关于h的半协方差。

该模型克服了均值———方差模型的正态性限制, 适于任意分布情况, 并强调了投资者对风险的真实感受;但是其算法却比均值——方差模型更为繁琐, 过大的计算量削弱了该模型的应用性。为降低运算复杂度, 改进模型如下:单个证券的风险为:σi2=E[ (ri-Rj) -]2

证券组合的风险为:

相应地, 证券组合的风险函数为:

f (x) =∑ni=1∑nj=1xixjσ-ij=XTΩ-X

其中Ω-= (σ-ij) n, 为负半方差风险相关矩阵, σ-ij=E[ (ri-Ri) -· (rj-Rj) -]为第i种证券和第j种证券的协方差, (ri-Ri) -=min (ri-Ri, 0) 。

在建立 (下) 半方差风险测度模型如下:

改进的 (下) 半方差模型不仅克服了Markowitz均值———方差模型正态分布假设的局限性, 而且计算也相对简单, 同时兼顾了不同证券的特点, 具有相当强的实际操作性。

2. (下) 半绝对离差模型

上述模型都依赖于收益率方差, 而大量事实显示, 方差的存在性值得怀疑。于是, 出现了用收益率的绝对离差代替方差描述风险的大小的半绝对离差模型。假设同上。

由定义, 单个证券的投资风险为:

证券投资组合的整体风险为:

因此, 则基于 (下) 半绝对离差的证券组合投资模型:

(下) 半绝对离差模型不要求证券收益率服从正态分布, 更符合实际, 且计算简便, 能够很好地刻画投资者对风险的态度, 有较强操作性。但该模型不具备良好的组合解析能力, 它消除了各种证券之间的差异和相互关系, 一定程度上存在模拟失真。

3. 下偏矩模型

下偏矩LPMq (Lower Partial Moments) 是下方风险方法的一种, 主要通过资产收益分布左尾部分的某种矩来刻画风险。Bawa (1975) 和Fishburn (1977) 提出了一般形式的下偏矩指标:

其中, h为投资者的目标收益, f (r) 为证券收益r的累积概率分布函数, q (q=1, 2…, n) 为偏矩阶数。

在投资实践中, 更常用的是Harlow&Rao (1989) 提出的基于收益离散分布的下偏矩指标:

其中, Pp为证券组合收益rp发生的概率, 不同q值下, LPMq意义不同。从应用角度看, 一般取q≤2, 即q=0, 1, 2。q=0时, LPM0为低于目标收益率的概率;q=1时, LPM1为单边离差的均值, 又称目标不足;q=2时, LPM2为目标 (下) 半方差。

以式 (3-6) 为目标函数, Harilow (1991) 构建了基于下偏矩的投资组合选择模型。

假设同前。又令h为投资者的目标收益, ρ0表示该投资者可接受的最小收益, l= (1, 1…, 1) T是n维单位列向量。其中, m为收益率观测点的个数, 偏距阶数q的取值为q≤2。

Harilow下偏矩对风险计量的假设条件非常简单, 仅要求投资者为风险厌恶型, 这正符合了大多数投资者的特征;另外, 下偏矩能够反映投资者区别对待正负偏差的心理感受;第三, 以下偏矩为目标函数的优化模型可以为投资者提供比Markowitz模型更多的下方保护。因此, 无论从理论研究上还是实际应用上, 下偏矩优于方差方法。

三、结论

经济学者提出了许多技术指标来测度证券组合的投资风险。Markowitz率先使用方差量化评估风险, 具有意义直观明显、计算方便等优点。但方差忽略了投资者对待收益正、负偏差的不同态度, 因此人们提出了下方风险概念, 引入半方差、半绝对离差、下偏矩等指标。下方风险理论考虑了不同投资者的风险偏好, 更符合客观事实。本文分析了几种基于下方风险测度的投资模型, 并从度量指标和计算复杂度等角度, 比较了它们的优点和不足, 在实践活动中, 投资者可结合自身情况, 选取适当的投资模型对投资组合进行有效评估。

参考文献

[1]Markowitz H.Mean-Variance Analysis in Portfolio Choice and Capital Market.Basil Blackwell, NewYork, 1987.

[2]Atsushi Yoshimoto.The mean variance approach to portfolio optimization subject to transaction costs.Journal of the Operations Research Society of Japan, 1996 (1) .

[3]L.Chiodi, R.Mansini, M.G.Speranza.Semi-absolute deviation rule for mutual funds portfolio selection.Annals of Operations Research2003 (124) :245-265.

[4]印凡成, 周淳, 黄健元.半绝对偏差投资组合模型构建及其应用[J].经济数学, 2010 (27) , 57～61.