假设银行i的等级为 2.4蒙特卡罗仿真 如上节所述,分析的流程提供了评级结果敏感性分析的局部信息。而通过蒙特卡罗仿真将会获得进一步的信息。通过该方法,仿真分析了在准则权重变化下评级结果的敏感性,并在这一过程当中,可以很容易地进一步考虑偏好函数的参数。 仿真涉及到在多个情境下准则权重的生成。一是,由随机单元简单生成。二是,决策者依重要性进行排序,然后按照准则的顺序生成随机权重。 在仿真结果当中,通过全局表现评估均值和中位数,并对其标准差和置信区间进行分析。从而对于每一个银行,可以得出不同加权情况下评级分布的有用结论。 3.决策支持系统的实施 综合决策支持系统(DSS)使多个用户在一个共享数据库下工作。银行高级分析师负责评估过程中主要参数的设定,即准则权重、相应偏好函数类型等主要参数,以及通过添加或删除标准来修改评价标准集合。而较低级别的分析家们可以充分接触多准则评估过程中的所有功能,但不允许他们使评价参数发生永久性改变。除数据库管理和多准则工具的使用,DSS还提供包括一个用户界面友好,方便图形和表格格式编制的几种预备报告功能。 以下小节将说明DSS提供的功能和基于多准则方法的实施方式。需要指出的是,出于保密原因,在此图中的所有结果都只是指示性的,它们与任何银行实际数据没有关联。 3.1评价数据、准则、偏好参数 考虑系统中涉及希腊银行历史信息的一些数据。该系统可以使用不同的数据库,这取决于分析银行的类型。最初,系统中引入了31个评价准则集合[1]。一个评价标准的范例清单(见表1),这些准则是在与负责监测和评估银行业绩的专家分析师密切合作下选定的。按照骆驼(CAMELS)框架,该标准被组织成6类(资金,资产,管理,盈利,流动性,对市场风险的敏感性)。总体而言,17个定量标准和14定性标准已初步选定。由希腊银行分析师定义的所有定性标准设定为[0.5,5.5]区间范围,较低值表示较好的业绩。 每类准则的权重和每一准则水平都已由希腊银行分析师确定。该系统还包括一些额外的模块,这些模块是支持规范的准则权重分析,即采用rank-ordercentroid(ROC)和rank-rum(RS)方法。图2说明了准则权重系统的截图。近似的ROC和RS根据分析师所指定的准则排名顺序计算。如图2,RS的估计值非常接近于用户自定义每个标准组的相对重要度。同样也观察到了每一准则水平。总体而言,定量的准则分配了70%的权重,其余30%属于定性准则,这是一个基于"硬性数据",给予重要度高于涉及主观评价的定性准则重要度的政策规范。 所有量化标准的评估都采用了PROMETHEE方法的高斯偏好函数,而定性标准采用线性偏好函数。图3描述了资本充足率的局部偏好函数。这个函数值随准则值而降低,从而表明,较高的资本充足率值与更高的业绩和更低的风险相关。图的右侧部分,用户-分析师可以指定最少和最喜欢值(理想,非理想)函数的类型以及相关参数。图左侧是对用户所做改变的自动更新。 3.2多准则评价 第2节中,系统提供了多种选择,涉及:(1)银行、评价标准、分析的时间周期(2)评价类型(绝/相对)(3)准则权重的规范(4)情景分析,蒙特卡罗仿真情景分析使用(如图4) 通过该系统可知基于PROMETHEEII方法的整体评价结果。为每一年每家银行报告总体评价得分、相互敏感性分析。用户可修改权重或偏好函数参数以自动更新准则和评价结果,从而说明在"实时"状态下,银行业绩和评级变化的影响。 灵敏度分析结果,与有关的标准和相应的偏好函数参数的权重也可在单独的表内,如图5。 每一标准的银行评级不会改变,且其权重范围(上限和下限)可以显示。"稳定指数",在表的最后一列所示,表示每个准则权重变化的最小百分比(不同的颜色来区分减少和增加)。 3.3情景分析 在情景分析下,通过蒙特卡罗仿真可以获得针对准则权重灵敏度排名的进一步结果。用户-银行分析师可以在此指定不同的权重方案。结果涉及银行全局业绩得分(平均值,中位数、95%置信区间)统计数据以及每家银行的评级分布。此外,通过情景分析报告可以获得准则权重和仿真运行的所有评级之间的关系。特别是,每一标准的相关系数表明了在银行评级和准则相对重要性之间的连接强度。准则负相关可被视为银行的强势。在这个意义上,准则的权重越高,银行的评价得分就越低(越好)。 作为额外的信息,对于每个准则,它的平均权重可以通过被评定为特定等级银行的全情境计算获得。特别是,假设权重的向量W1,W2,…….,针对每次仿真运行和引用Sik,即在银行i被设定为等级K的情况下进行仿真运行的仿真集(|Sik|代表运行的次数), 是在Sik下所有情景的平均权重向量,此式提供了一种关于已选银行评价结果的逆向分析信息。例如,在选定银行2010年分配到风险等级2的情况下,准则权重为CAP1和CAP2,高于可以根据这些标准的权重在分配给该银行风险等级3的情况下的准则权重。4、结论 银行业绩的监测和评价在最近金融危机背景下获得越来越多的关注。本文提出了一种多准则方法旨在提供全面的专家支持分析,特别强调了把结果的敏感性分析应用到主要评价参数中,从而推导出有关银行优劣势的有用结论。 该方法已在综合决策支持系统(DSS)中实施,目前使用于希腊银行。DSS为用户及分析师提供了一种增强性的数据库管理功能,包括一些分析选项和报告工具。 专业银行分析师将多准则方法和DSS作为他们日常监测和评估银行业绩的支持工具。更进一步来说,其目的是发展能够尽快识别银行所可能面临问题的早期预警系统,并且对宏观经济因素的考虑也能进行加强分析,以及在外部因素对银行业绩和多样化的冲击下,实施执行压力测试。数据同样考虑了来自发达国家和发展中国家的其他银行部门,从而为增强其他市场风险及一个国家整体银行业风险相关性的背景下,提供有用的分析信息。 参考文献: [1]R.Sahajwala,P.VandenBergh,SupervisoryRiskAssessmentandEarlyWarningSystems,TechnicalReport4,BankofInternationalSettlements,Basel,Switzerland,2000. [2]K.Kosmidou,C.Zopounidis,MeasurementofbankperformanceinGreece,South-EasternEuropeJournalofEconomics6(2008)79-95. [3]A.Raveh,TheGreekbankingsystem:reanalysisofperformance,EuropeanJournalofOperationalResearch120(2000)525-534. [4]C.T.Ho,Measuringbankoperationsperformance:anapproachbasedongreyrelationanalysis,JournaloftheOperationalResearchSociety57(2006)337-349. [5]F.García,F.Guijarro,I.Moya,RankingSpanishsavingsbanks:Amulticriteriaapproach,MathematicalandComputerModelling52(2010)1058-1065. [6]D.Fethi,F.Pasiouras,Assessingbankefficiencyandperformancewithoperationalresearchandartificialintelligenttechniques:asurvey,EuropeanJournalofOperationalResearch204(2010)189-198. [7]J.Butler,J.Jia,J.Dyer,Simulationtechniquesforthesensitivityanalysisofmulti-criteriadecisionmodels,EuropeanJournalofOperationalResearch103(1997)531-546. [8]A.Derviz,J.Podpiera,PredictingbankCAMELSandS&Pratings:thecaseoftheCzechRepublic,EmergingMarketsFinanceandTrade44(2008)117-130. [9]C.Spathis,K.Kosmidou,M.Doumpos,AssessingprofitabilityfactorsintheGreekbankingsystem:amulticriteriaapproach,InternationalTransactionsinOperationalResearch9(2002)517-530. [10]巴塞尔银行监管委员会,外部信用评级与内部信用评级体系[M].罗平,译.北京.中国金融出版社,2004:451. [11]赵向飞.上市公司信用能力的综合评价)-AHP与模糊评价的整合[J].统计与决策,2005(4):116-117. [12]赵利亚,孙树华.层次分析法在财务分析中的应用[J].财会通讯,2009(3):96-97. [13]苏盈,吴永飞,杨晓光.商业银行风险评级的比较研究[J].金融管理,2005(9):12-13. 基金项目:上海市研究生创新基金项目(编号:JWCXSL1202) |