当前位置: > 论文中心 > 财会论文 >

银行评级的多准则决策支持系统

时间:2013-11-21 10:35 点击:
 摘要:阐述了一个目前在希腊银行所使用的多准则银行评级方法,并将其运用在综合决策支持系统里进行案例研究。通过该系统,可知基于PROMETHEE II方法的整体评价结果,从而为每一年每家银行总体评价得分、相互敏感性分析提供报告结果,并在“实时”状态下,显
  1、引言
  银行在金融和商业环境中的作用日益突显。银行所面临风险的增加,使得新巴塞尔协议框架不断修订并改进,而这一框架,被定义为银行类金融机构致力于风险管理的核心原则。其中有关银行监管的过程,即监管当局负责对各银行的风险进行管理并对化解状况、不同风险间相互关系的处理情况、所处市场的性质、收益的有效性和可靠性等因素进行监督检查,以评估银行的稳健性。Sahajwala和VandenBergh[1]强调的是考虑了银行的财务表现及其内在风险状况和风险管理能力的结构化与量化评估,这种评估的支持监测机构能尽早发现银行环境的变化。
  由于缺乏足够的有关银行违约的历史数据,银行评级系统通常基于实证评估。Sahajwala和VandenBergh[1]提供了几个目前正在实践中使用的系统综述,包括使用最广泛的骆驼(CAMELS)框架,其中涉及的六个主要因素:资本,资产,管理,盈利,流动性和市场风险的敏感性。其他的多准则技术也已用于银行绩效评价。Kosmidou和Zopounidis[2]采用PROMETHEE方法,Raveh[3]采用了联合情景法,而Ho[4]采用了灰色关联分析,Garciaetal[5]使用了目标规划。Fethi和Pasiouras[6]则提供了一个侧重于数据包络分析和来源于运筹学和人工智能领域中最新银行业的效率分析和绩效评估,此系统被广泛地用于银行业务活动当中,包括贷款评估和信贷发放、财务计划、业务流程再造及资产/负债管理。
  本文提出了一个目前在希腊银行使用的基于PROMETHEEII的多准则银行评级方法,并将此方法用在综合决策支持系统里进行案例研究,所选择的银行评估标准与来自希腊银行的专家分析相一致。所选的标准符合骆驼(CAMELS)框架,包括定性、定量的手段,特别强调了有关评价标准、评价过程参数、输入数据相对重要性结果的灵敏性,并用灵敏度分析技术和蒙特卡罗仿真来达到上述目的。
  本文安排如下:第1节描述问题的背景和多准则方法的细节。第2节说明了多准则决策支持系统的实施。最后,第3节总结全文,并对了未来的研究方向进行了展望。
  2、问题背景和多准则方法
  银行评级模型的主要输出是把银行的分类变成有序风险等级(组)。风险等级通常设置为5个等级,等级1表示低风险/高业绩的银行;等级5表明高风险/低业绩银行。整体的业绩又分解成不同的分数(即每一个评价标准)。
  根据目前在希腊银行使用的骆驼(CAMELS)模型,这个基于PROMETHEEII的多准则方法不仅可以使所需要的风险等级变得可行,而且可形成银行整体的性能指标。流程图如图1。
  图1方法模型
  PROMETHEE方法被广泛应用于对一系列两两比较的替代方案进行排名,同时也被用来比较一个预先设定参考点的绝对评价。下面小节将详细描述PROMETHEE方法在文中的应用。第3节将给出详细的评价标准和如何将方法应用于决策支持系统。
  2.1相对评价
  在文中提及的PROMETHEE的银行评价方法是基于两两比较的。对于每对银行(i,j),以及整体业绩指标,其是描述在n个评价准则中银行i的向量。全局偏好指数被定义为局部偏好指数的加权总和,即:
  5.5(最差业绩)。最终的评价模型表达如下:
  这种模式可用于银行的相关业绩排名。除银行的评级,相关排名也要求作为评级/评价过程中的一个重要组成部分,鉴于以这种方式定义整体得分,评级指所定义的时间间隔,[0.5,1.5]的风险等级为1,(1.5,2.5]的风险等级为2,(2.5,3.5]风险等级为3,(3.5,4.5]风险等级为4,(4.5,5.5]风险等级为5。
  2.2绝对评价
  如上所述的基于PROMETHEEII方法的评估提供了一个银行的相对评价,这有助于识别一家银行与其竞争对手相比的优势和弱点。然而,银行的评级模型也应该提供一个不依赖于一系列正在被评估银行的绝对评价。
  绝对评价也使用PROMETHEE方法的框架,但在这种情况下的结果,仅以银行预先指定的参考点为基础。在希腊银行分析师的实践当中,有两个选项被定义为参考点的规范。第一个选项是从乐观的角度,是银行在比较理想点(理想银行)的情况下。这种评价提供了评估银行的能力,并能被更好地执行。第二个选项使用非理想点,并提供了一个相对在"最坏的情况"下的银行评估。有希腊银行分析师定义的非理想点和理想点,包含每个准则的最坏和最好业绩值,即银行在相对于理想点的情况下,局部评价函数做如下调整:
  另一方面,在非理想情况下,局部评价函数如下:
  2.3灵敏度分析
  当然,上面定义的多准则评价引入一些不确定性和主观性,主要是PROMETHEE方法的参数,其中包括准则权重和部分偏好函数中的参数σ和P。
  此外,由于银行在动态环境中运作,识别输入数据的变化也很重要,故可能导致的评级结果变化而引入的灵敏度分析既适合一系列完整的银行,又适合单独的每一个银行。第一阶段,分析灵敏度程序解决这些问题。对于准则权重,分析的目的是定义评级不变银行,每个准则k权重值的范围。这可以很容易地通过加强的条件,即每家银行i全局得分V(xi)保持其预先指定的权重评分范围内。应该指出的是,这是"单因素"敏感性分析的类型(即,每个标准被认为是独立于其他的)。在与希腊银行的分析师合作中,被认为提供了足够的信息,并且很容易被理解。沃尔特斯和Mareschal[14]已经提出了考虑准则全局变化的敏感性分析的例子。
  一个类似的过程也采用标准的偏好函数参数。然而,基于PROMETHEE方法的两两相关评价方案里,部分偏好函数一般对应参数σ和P非单调,非凸函数,这种情况下是不可能定义为评级不变银行特定参数范围。因此,可以明确定义为绝对评价过程的边界。

   论文榜(www.zglwb.com),是一个专门从事期刊推广、投稿辅导的网站。
本站提供如何投稿辅导,寻求投稿辅导代理,快速投稿辅导,投稿辅导格式指导等解决方案:省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。


栏目列表
联系方式
推荐内容
 
QQ在线咨询
投稿辅导热线:
189-6119-6312
微信号咨询:
18961196312