基于内部损失事件的商业银行操作风险动因机理、量化建模及动态控制研究

Operational risk events that cause significant amount of losses occur frequently in domestic and foreign commercial banks in the past decades, which draw more and more attention from regulators, bankers, and scholars worldwide. However, there has been limited academic research on this topic considering risk causes and the corresponding quantitative management models, which might be caused by the lack of relevant data. In order to fill this void, our project team has been working on the collection of internal operational loss data from different commercial banks in China for years. Our data set now obtains more than thirty thousand operational risk events Our goal is to conduct detailed analysis on causal model, quantitative measurement and control methods of operational risk management. We present our analysis of risk causes from the aspects of personnel workload, process management and information technology. With our unique data set, we first derive the root causes of risk events, and then with the empirical implications we derived from data, we propose our resource allocation model to help bank manage operational risk losses quantitatively. We incorporate techniques from data mining and machine learning into our econometric model, and aim to establish an operational risk management and control system that can be adapted to the practice of the commercial banking system in China. True, massive and targeted internal loss event database can effectively solve the problems such as the empirical analysis of risk causes, which is based on the external loss event. The ultimate goal of our work is two-folded: i) we want to advance the research on operational risk management in commercial banks, and ii) we hope to provide theoretical support for the banking practice and guide operational risk management in commercial banks.

国内外频发且损失巨大的商业银行操作风险事件引发了监管层、实务界以及学术界的极大关注。内部损失数据不足是制约操作风险研究的最主要因素。本研究基于项目组多年积累并构建的独有的已有三万余条内部损失事件的商业银行操作风险数据库：剖析人员、流程和IT的操作风险形成动因和作用机理，辅以商业银行交易数据、人员信息、客户信息以及流程和IT运营数据实证研究三个动因模型；结合动因模型与现有的操作风险计量模型，构建更为有效的内外部数据整合模型，基于工作量以及IT操作风险构建资本配置模型；基于动因分析和量化建模，运用数据挖掘、机器学习以及案例推理、知识管理、风险检查等工具方法，构建有效的操作风险管控体系。真实、海量且具有针对性的内部损失事件数据能有效应对基于外部损失事件所解决不了的诸如动因实证分析问题。本研究拓展了商业银行操作风险管理研究的前沿领域，为提升商业银行操作风险管理水平提供切实有效的理论支撑和实践指导。

国内外频发的重大操作风险事件使得监管机构和学者逐渐意识到操作风险的巨大危害性。操作风险现已被公认为现代商业银行所面临的最主要的风险之一，它与信用风险、市场风险并称“三大风险”。国内外银行的操作风险在表现形式、形成机理上都存在着较大的差异。国内对操作风险的研究存在内部损失数据的收集和使用缺失、高级计量法应用困难、缺乏动因分析基础等问题。因而，要基于国内商业银行操作风险事件的历史数据，进行符合中国银行业实际的操作风险研究探讨。本项目按计划完成了操作风险内部损失事件库构建、操作风险动因机理探究、内外部损失数据整合基础上的操作风险量化建模以及操作风险管控体系构建等四部分工作。实现了产业界和理论界桥梁的搭建，能够识别实务界痛点，并进行理论建模深化研究。基于流程管理的金融机构合规与操作风险管理研究方面，完成了金融机构风险管理的一般性理论研究（基于流程的风险管理逻辑梳理），并基于优化后的流程，嵌入风险因子于流程节点的合规与操作风险管控研究。在解决操作风险管理理论研究的归因和量化两个难点上，本项目开展了基于内部损失数据开展归因研究，并将操作风险资本计量模型、预算配置模型等与动因模型相结合，构建更为有效的操作风险度量模型。在此基础上，本项目进一步探索分析其他因素对金融机构管理效率的影响。本项目在理论基础上积极服务实践，开发出以业务流程为核心，关联了重要的内外规库、风险点库、违规事件库、风险案例库、违规积分库以及合规考试题库等的ORICM系统，现已应用于十余家金融机构。理论上，基于课题组积累的内部损失事件库能够有效解决操作风险形成机理这一问题，大大拓展了现有操作风险动因研究；并对基于内外部损失数据整合的高级计量法及资本配置研究有参考价值。实践方面对国内商业银行建立内部损失事件库、逐步开展内部损失事件和损失数据积累工作有较强的指导意义，并对商业银行实施操作风险管理有一定的启示作用。