【摘要】： 風險的識別和處置是商業(yè)銀行監(jiān)管的核心內容。如何建立有效的商業(yè)銀行風險預警模型,盡早識別和預警銀行風險,從而指導銀行監(jiān)管當局合理配置監(jiān)管資源,及時采取措施防范和化解風險,防止銀行破產倒閉,盡可能減少銀行破產所造成的損失,是銀行監(jiān)管領域的一個重要研究課題,對于完善銀行監(jiān)管機制具有重大的理論意義和現實意義。 迄今為止,國外學者在這方面的研究基本上都是基于對美國商業(yè)銀行的實證研究。由于不同國家的經濟、金融發(fā)展水平不同,銀行體系的發(fā)展模式不同,對銀行的監(jiān)管方式也不同,我國在構建銀行風險預警模型的方法上必然與國外相關研究存在一定的差異。最為突出的一點是,美國銀行業(yè)的發(fā)展時間較長,歷史上發(fā)生過許多銀行破產倒閉的事件,銀行的監(jiān)管體系比較全面,積累了較為完整的監(jiān)管資料,可以直接選取風險高低不同的銀行進行分析。而對于包括中國在內的大多數轉型經濟國家來說,沒有現成的銀行風險狀況數據可以用于構建預警模型。 本文的目的是構建一個適合我國實際的商業(yè)銀行風險預警模型。在借鑒國內外關于銀行風險預警模型的研究基礎上,本文首先對銀行風險類型、預警方法、功能、目標進行了分析;接著構建了商業(yè)銀行風險預警模型的指標體系,提出運用因子分析方法和層次分析法對風險指標進行組合賦權,量化評估樣本銀行的整體經營風險,從而將所有樣本銀行劃分為“穩(wěn)健銀行”和“高風險銀行”兩組;然后采用K-S檢驗和Q-Q概率圖分析對樣本銀行風險指標是否符合正態(tài)性分布進行了檢驗,再采用M-W-W檢驗和T檢驗研究高風險銀行和穩(wěn)健銀行的財務特征,結果表明“穩(wěn)健銀行”與“高風險銀行”在大多數風險指標均值之間均存在著顯著差異,因而選用適當的統計方法建立商業(yè)銀行風險預警模型具有充分的可行性。最后采用Logistic回歸分析法構建了含有6個解釋變量的風險預警模型,并對模型的風險預測能力進行了檢驗。
【圖文】：

撥備覆蓋率Q-Q正態(tài)概率圖

26圖5.2 流動比率Q-Q正態(tài)概率圖根據Q-Q概率圖正態(tài)性判定原則,2006年撥備覆蓋率(4x )不符合正態(tài)性分布,而2007年流動比率(10x )符合正態(tài)性分布,其余指標正態(tài)性判定結果也與K-S檢驗結果相同。根據上述兩種方法的檢驗結果,本文認為我國商業(yè)銀行風險指標總體上不符合正態(tài)性分布假設,因而風險指標平均數差異應使用非參數檢驗法。5.2.2 風險指標均值差異檢驗（1）風險指標均值差異的檢驗方法非參數檢驗是統計分析方法的重要組成部分，它與參數檢驗共同構成統計推斷的基本內容。參數檢驗是在總體分布形式已知的情況下，對總體分布的參數如均值、方差等進行推斷的方法。但是，在數據分析過程中，由于種種原因，人們往往無法對總體分布形態(tài)作簡單假定，但又希望能從樣本數據中獲得盡可能的信息，此時參數檢驗的方法就不再適用了。非參數檢驗正是一類基于這種考慮，在總體方差未知或知道甚少的情況下，利用樣本數據對總體分布形態(tài)等進行推斷的方法。由于非參數檢驗方法在推斷過程中不涉及有關總體分布的參數，因而得名為“非參數”檢驗。1.Mann-Whitney-Wilcoxon檢驗本研究中我們選用非參數檢驗中的Mann-Whitney-Wilcoxon（M-W-W檢驗）
【學位授予單位】：長沙理工大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：O212.1;F830.3

【引證文獻】

相關碩士學位論文 前1條

1 范恒冬;基于神經網絡模型的我國商業(yè)銀行體系風險預警研究[D];安徽大學;2013年

，

本文編號：2672501