《商业银行操作风险损失数据分析26924.docx》由会员分享，可在线阅读，更多相关《商业银行操作风险损失数据分析26924.docx（16页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、商业银行操作风险损失数据分析李志辉 本文系教育部人文社会科学研究博士点基金项目（03JB790019）中期成果。作者简介：李志辉（1959年1月），男，南开大学金融学系教授、博士生导师，研究方向：国际金融、金融风险管理、商业银行管理。范洪波（1977年4月），男，南开大学经济学院金融学系博士生，研究方向：风险管理。 范洪波（南开大学学金融学系系，天津 3000071）摘 要要新巴塞塞尔资本协协议将操作作风险纳入入风险管理理框架，操操作风险正正日益成为为全球银行行业风险管管理中的一一个研究焦焦点。操作作风险的度度量与管理理由于损失失数据的缺缺乏进展缓缓慢。本文文介绍了国国内外银行行业操作损损失数
2、据的的整理和主主要的操作作损失数据据库，并分分析了商业业银行内、外外操作损失失数据，以以期为中国国银行业尽尽快提高操操作风险的的管理水平平提供些许许参考。关键词商业银行行；新巴塞塞尔资本协协议；操作作风险；数数据库Analyysis of OOperaationnal RRisk Loss DData in CCommeerciaal BaanksLi Zhhihuii Faan Hoongboo（Depaartmeent oof Fiinancce NaanKaii Uniiverssity Tiaanjinn 3000071）Abstrract: Witth beeing addeed i
3、nnto rrisk manaagemeent fframeeworkk of the new Baseel caapitaal acccordd, opperattionaal riisk hhas iincreeasinngly beenn a rreseaarch focuus inn gloobal bankking riskk mannagemment. Mannagemment and quanntifiicatiion oof opperattionaal riisk hhas bbeen impeeded by tthe llack of ddata on ooperaatio
4、nnal llossees. TThis papeer inntrodducess thee opeeratiionall rissk looss ddata colllectiion exerrcisees annd thhe maain ddatabbasess, thhen aanalyysizees innternnal ddata and exteernall datta onn opeeratiionall rissk. TThe aaim iis too proovidee somme reefereencess forr thee impproveementt of operr
5、atioonal riskk mannagemment in CChineese bbankiing iindusstry.Keywoords: Commmerciial BBankss; Neew Baasel Capiital Accoord; Operratioonal Riskk; Daatabaase一、引言2004年年6月266日，新巴巴塞尔资本本协议正式式公布，标标志着操作作风险管理理时代的来来临，操作作风险正日日益成为全全球银行业业风险管理理的重要研研究领域。国国际上一些些大银行在在操作风险险的度量与与管理上已已经积累了了较为丰富富的经验，并并取得一定定的成就。目目前，我国国商
6、业银行行对操作风风险的认识识尚处于起起步阶段，度度量方法比比较简单，尚尚未形成成成熟的理念念和管理工工具，商业业银行违规规、欺诈等等各种操作作风险事件件层出不穷穷，造成了了巨额损失失。新巴塞尔资资本协议中中提出了操操作风险三三种基本的的度量方法法，即基本本指标法（BBIA）、标标准法（SSA）和高高级计量法法（AMAA）。其中中，基本指指标法（BBIA）和和标准法（SSA）着眼眼于银行的的收入指标标，虽然简简单易行，但但操作风险险暴露与总总收入指标标间的相关关性是不确确定的 Jimmy Shih, AH Samad-Khan and Pat Medapa（2000）通过使用PwC的OpVar数
7、据库中的数据进行实证，结果显示操作损失同业务收入呈对数线性相关。（PPezieer,J.，20002），因因而不能作作为商业银银行操作风风险度量的的有效方法法，而且标标准法（SSA）会导导致“监管套利利” 监管套利是指由于存在监管差异，金融机构通过内部业务转换从而全部或部分地规避金融管制，牟取额外利益的行为。此处指由于SA法中巴塞尔委员会设定的各业务部门风险权重不一，银行倾向于发展低权重（）的业务从而减少操作风险资本的计提。（Chappellee，Cramma，Hbnner aand PPeterrs，20004）。高高级计量法法（AMAA）使用商商业银行操操作风险损损失数据计计算操作风风险资
8、本，风风险敏感度度大为提高高。但运用用AMA最最大的挑战战在于缺乏乏足够高质质量的操作作损失数据据。根据新新巴塞尔资资本协议的的要求，用用于计算监监管资本的的操作风险险高级计量量法，必须须基于对内内部损失数数据至少55年的观测测数据。银银行如果是是初次使用用高级计量量法，也必必须使用33年的历史史数据。二、商业银银行操作损损失数据的的搜集进展展虽然如巴林林银行、大大和银行、国国民威斯敏敏斯特银行行和住友银银行等各种种各样的操操作损失事事件引起了了银行业的的注意，但但相对于信信用风险和和市场风险险，操作损损失数据的的搜集显著著滞后。1997年年，英国银银行家协会会（BBAA）对其3300位会会员
9、进行调调查发现还还未设专人人负责银行行层面的操操作风险，也也几乎没有有银行系统统的报告操操作风险损损失。19999年，英英国银行家家协会、国国际互换与与衍生品协协会（ISSDA）和和罗伯特莫莫里斯协会会联合进行行了一次更更为广泛的的调查，555家主要要跨国银行行的问卷反反馈表明它它们逐渐开开始对操作作风险管理理采取行动动。对操作损失失数据的搜搜集和整理理最受人关关注的是巴巴塞尔委员员会所进行行了几次数数据搜集：2001年年，巴塞尔尔委员会下下属的风险险管理小组组（RMGG）进行了了两次主要要的数据搜搜集，其目目的是收集集银行内部部操作风险险资本分配配相关的信信息。第一一次即为QQIS2的的第一
10、批（TTrancche 11） Basel Committee on Banking Supervision, “Working Paper on the Regulatory Treatment of Operational Risk”, Sep 2001.，搜集集整个银行行层面和业业务部门层层面的内部部操作风险险资本分配配的数量以以及总收入入和其它的的风险暴露露指标。第第二次为QQIS2的的第二批（TTrancche 22） Basel Committee on Banking Supervision, “The Quantitative Impact Study for Operatio
11、nal Risk: Overview of Individual Loss Data and Lessons Learned”, Jan 2002.，搜集集同具体操操作风险损损失事件相相关的信息息。这两次次数据调查查的样本是是来自欧洲洲、北美、亚亚洲和非洲洲11个国国家的300家银行，但但是采集的的样本并不不代表银行行业的整体体水平。所所有反馈信信息的银行行除1家外外均是第11组的银行行（一级资资本超过330亿欧元元）。而且且，数据甚甚至不一定定代表样本本银行的水水平，其中中的19家家银行未对对报告的详详细情况进进行说明。2002年年，RMGG在前两次次数据搜集集的基础上上进行了更更大规模的的
12、操作损失失数据搜集集（LDCCE）。这这次有899家银行提提交了数据据，是前两两次30家家银行的近近3倍，889家银行行提供的组组合数据涵涵盖了逾44,70000个损失失事件。参参加银行按按照8个标标准化业务务部门和77个一级损损失事件（共共56种业业务部门事件组合合）对损失失事件进行行分类，提提交其20001年度度总损失金金额10,000欧欧元以上事事件的信息息，包括：事件发生生季度、总总的损失金金额、保险险赔偿和“其他”赔偿。下下表是对参参加银行提提交的损失失信息按照照巴塞尔委委员会定义义的8种业业务部门和和7种损失失事件类型型进行的细细化，表中中每个小格格里上面的的数据分别别表示损失失事
13、件数和和在总损失失事件中所所占比重，下下面的数据据表示损失失程度和在在总损失程程度中所占占比重。表1 操操作风险损损失事件及及损失程度度分布矩阵阵（单位：次、百万万欧元）事件类型业务部门内部欺诈外部欺诈雇用合同以以及工作状状况带来的的风险事件件客户、产品品以及商业业行为引起起的风险事事件有形资产的的损失经营中断和和系统出错错涉及执行、交交割以及交交易过程管管理无事件类型型信息合计H117(0.04%)49.4(0.633%)20(0.04%)5.0(00.06%)73(0.15%)2.5(00.03%)73(0.15%)157.99(2.033%)16(0.03%)8.0(00.10%)8(0
14、.002%)0.5(00.01%)214(00.45%)49.6(0.644%)2(0.000%)0.6(00.01%)423(00.89%)273.55(3.511%)H247(0.10%)59.5(0.766%)95(0.20%)40.4(0.522%)101(00.21%)64.8(0.833%)108(00.23%)193.44(2.488%)33(0.07%)87.9(1.133%)137(00.29%)17.6(0.233%)4603(9.744%)698.44(8.966%)8(0.002%)1.1(00.1%)5132(10.886%)1163.1(14.992%)H31268
15、(2.688%)331.99(4.266%)171077(36.119%)787.11(10.110%)2063(4.366%)340.00(4.366%)2125(4.500%)254.11(3.266%)520(11.10%)87.5(1.122%)163(00.34%)26.5(0.344%)5289(11.119%)424.55(5.455%)347(00.73%)37.4(0.488%)288822(61.110%)2289.0(29.336%)H484(0.18%)21.2(0.277%)1799(3.811%)324.99(4.177%)82(0.17%)20.4(0.266%)
16、308(00.65%)156.44(2.011%)50(0.11%)1072.9(13.776%)47(0.10%)18.2(0.233%)1012(2.144%)619.44(7.955%)32(0.07%)23.2(0.300%)3414(7.222%)2256.8(28.995%)H523(0.05%)23.0(0.299%)322(00.68%)21.0(0.277%)54(0.11%)11.6(0.155%)25(0.05%)10.5(0.133%)9(0.002%)15.0(0.199%)82(0.17%)78.6(1.011%)1334(2.822%)93.5(1.200%)3(
17、0.001%)0.3(00.00%)1852(3.922%)253.44(3.255%)H63(0.001%)0.2(00.00%)15(0.03%)3.9(00.05%)19(0.04%)7.6(00.10%)27(0.06%)5.0(00.06%)8(0.002%)100.00(1.288%)32(0.07%)40.1(0.511%)1381(2.922%)174.11(2.233%)5(0.001%)0.8(00.01%)1490(3.155%)331.66(4.255%)H728(0.06%)6.4(00.08%)44(0.09%)4.6(00.06%)39(0.08%)10.2(0.
18、133%)131(00.28%)77.0(0.999%)6(0.001%)2.3(00.03%)16(0.03%)2.3(00.03%)837(11.77%)113.22(1.455%)8(0.002%)0.05(0.000%)1109(2.355%)216.55(2.788%)H859(0.12%)61.5(0.799%)20(0.04%)1.2(00.02%)794(11.68%)50.7(0.655%)539(11.14%)158.66(2.033%)7(0.001%)513.22(6.588%)50(0.11%)28.0(0.366%)1773(3.755%)97.1(1.255%)2
19、6(0.06%)3.4(00.04%)3268(6.911%)913.77(11.772%)H935(0.07%)10.5(0.133%)617(11.31%)23.4(0.300%)803(11.70%)18.7(0.244%)54(0.11%)11.5(0.155%)13(0.03%)6.7(00.09%)6(0.001%)0.7(00.01%)135(00.29%)22.7(0.299%)36(0.08%)3.8(00.05%)1699(3.599%)97.9(1.266%)合计1564(3.311%)563.55(7.233%)200399(42.339%)1211.3(15.554%
20、)4028(8.522%)526.66(6.76%)3390(7.177%)1024.5(13.114%)662(11.40%)1893.4(24.229%)541(11.14%)212.55(2.733%)165788(35.007%)2292.6(29.441%)467(00.99%)71.1(0.911%)472699(100%)7795.5(100%)来源：Riisk MManaggemennt Grroup, Thee 20002 Looss DData Colllectiion EExerccise for Operratioonal Riskk: Summmary of tthe
21、 DData Colllecteed, RReporrt too Bassel CCommiitteee on Bankking Supeervission, Bannk for Inteernattionaal Seettleementts, MMarchh 20003.注：H1公司财务务；H2交易与销销售；H33零售银银行业务；H4商商业银行业业务；H55支付与与清算；HH6代理理服务；HH7资产产管理；HH8零售售经纪；HH0无业业务部门信信息。由表1可以以看到，损损失事件并并不是按照照业务部门门和事件类类型平均分分布的，主主要集中于于零售银行行业务部门门（61.110%）、交易与与销售
22、部门门（10.886%）、商业银银行业务（7.222%）和零售经经纪（6.911%），这四个个部门所占占的比重为为86.009%。就操作风风险事件类类型而言，也也出现类似似的集中化化趋势。外外部欺诈引引起的损失失事件占到到了总数的的42.339%，涉涉及执行、交交割以及交交易过程管管理的风险险事件为335.077%，雇用用合同以及及工作状况况、客户、产产品以及商商业行为引引起的风险险事件占比比分别为88.52%和7.117%。上上述四种事事件类型引引发的风险险事件占到到了总数的的93.115%。同损失事件件数目的分分布相比，损损失金额的的分布相对对更平稳。零售银行业务部门的损失事件发生的频率最
23、高，其损失金额占比也最大（29.36%）。比重略低的是商业银行业务部门（28.95%），但其损失事件数目却只占到了7.22%。在事件类型方面，损失金额主要集中于涉及执行、交割以及交易过程管理（29.41%）、有形资产的损失（24.29%）、外部欺诈（15.54%）和客户、产品以及商业行为引起的风险事件（13.14%）。注意到，商业银行业务、零售经纪部门中由于有形资产的损害而导致的损失金额占到了20.34%；零售银行业务部门中的外部欺诈事件、交易与销售部门和商业银行业务部门中的涉及执行、交割以及交易过程管理事件产生的损失金额占比超过了27%。三、操作风风险损失数数据库（一）操作作损失数据据库的类
24、型型目前，实际际中的操作作损失数据据库主要有有如下类型型：第一类数据据库的资料料来源于公公开披露的的操作损失失数据，即即此类数据据库由达到到一定金额额（阀值）而而需向公众众披露的损损失数据组组成。普华华永道（PPwC）开开发的第一一版的OppVar数据库是是这一类数数据库的典典型代表。截截至20000年，OOpVarr数据库包包含47000个损失失事件，损损失金额超超过1000万美元。第二类操作作损失数据据库：近期期发展起来来的操作损损失数据库库是建立在在银行公会会基础上的的。在一定定的保密原原则下，通通过签订协协定，银行行将其内部部损失数据据提交给银银行公会以以建立数据据库。作为为回报，参参
25、与其中的的银行可利利用其中数数据补充自自身内部数数据。英国国银行家协协会（BBBA）于22000年年6月建立立的全球操操作损失数数据库（GGOLD）数数据库是典典型的此类类数据库。表2 GGOLD数数据库中的的损失分类类类别子类别人员员工欺诈；劳资矛盾盾引发中断断；损失或或缺少关键键工作人员员程序支付结算算交割风风险；文件件或合同风风险；评估估定价错错误；未按按规定执行行系统系统的开发发与实施；破坏系统统安全；系系统失灵；犯罪行为为外部业务外包供应商风风险；灾难难及基础设设施破坏；政治国国家风险；监管风险险第一类数据据库由于只只记录公开开披露的损损失数据，因因而其阀值值远高于第第二类数据据库。
26、例如如，OpVVar数据库只只记录超过过100万万美元的损损失，而基基于银行公公会的数据据库（如操操作风险OORX）对对损失额超超过250000美元元的都进行行记录（PPEEMOOLLERR，20002）。而而且，这两两类数据库库不但阀值值水平相差差悬殊，而而且设定的的置信水平平也不同。由OpVaantagge和PwwC推行的的操作风险险ORX（操操作风险数数据交流）项项目是另一一类型的数数据库，OOpVanntagee是数据库库的管理机机构（addminiistraativee ageent），PPwC是数数据库的托托管人（ccustoodiann）。ORRX是一个个非盈利性性的社团，位位于
27、巴塞尔尔，其数据据收集始于于20022年1月，以以对现有商商业数据专专业分析为为基础。参参与银行 首批参与银行包括：德意志银行（Deutsche Bank）、摩根大通（JP M操作风险gan Chase）、荷兰银行（ABN-AMRO）、德国巴伐利亚州银行（Bayerische Landesbank）、法国巴黎银行（BNP-Paribas）、德国商业银行（Commerzbank）、欧洲债券结算系统（Euroclear）、丹麦银行（Danske Bank）、富通银行（F操作风险tis bank）、德国抵押联合银行（HypoVereinsbank）、荷兰国际集团（ING）和意大利圣保罗意米银行（Sa
28、npaolo IMI）。按按一定标准准提交数据据；托管人人按客户要要求将数据据匿名化、整整理和标准准化；管理理机构操作作风险将数数据合并，按按客户的需需求进行分分析并提供供报告。之之后，经过过比例调整整或其它的的处理后，管管理机构提提供标准报报告。最后后，参与银银行根据业业务部门和和或区域域和或损损失事件接接收数据（PPEEMOOLLERR，20002）。相相对而言，操操作风险OORX数据据库的运作作更为严格格，它还需需要对数据据的调整和和校验。如如果一家银银行想成为为操作风险险ORXXX协会的会会员，这家家银行必须须论证自己己有足够的的收据搜集集能力。近年来，随随着银行对对操作风险险关注的提
29、提高，新的的操作损失失数据库不不断出现。22003年年，包括花花旗集团、高高盛、瑞士士信贷第一一波士顿、美美洲银行、摩摩根大通、雷雷曼兄弟、美美林、摩根根士丹利以以及瑞士银银行在内的的20家全全球最大的的金融机构构已开始组组建名为全全球监管信信息数据库库白芷，“银行巨头拟建犯罪信息数据库”，金融时报，2003.11.28。这个数数据库利用用了全球22万多个信信息来源和和数据库，其其中包括过过去30年年美国监管管机构所采采取的惩戒戒措施，这这些监管机机构包括证证交会、全全美证券交交易商协会会和纽约证证交所等。（二）数据据库的应用用下图是取自自OpVaantagge（）网网站，给出出的是100多年
30、内损损失金额大大于1000万美元的的70000多起损失失事件的全全部损失（总总金额达22720亿亿美元）。在在图中按照照风险类型型进行分组组。图1 按按损失事件件划分的操操作风险损损失可以看到，该该例中记录录的全部损损失70%的部分来来自客户、产产品以及商商业行为的的操作，这这些损失来来自非故意意或无意地地未满足对对特定客户户的职业义义务，或来来自于产品品的特性或或设计缺陷陷。另两类类显著的损损失事件类类型是内部部欺诈和外外部欺诈，分分别达到了了10%和和7%。Shih等等（20000）使用用OpVaar数据库的的数据通过过OLS和和WLS验验证了银行行规模（资资产、业务务和员工人人数）与操操
31、作损失间间的相关性性，结论发发现：三个个规模变量量同操作损损失额都相相关，其中中以收入相相关性最强强，取对数数后的规模模变量间的的显著性强强于未取对对数时的，这这表明操作作损失额与与规模变量量的关系是是非线性的的；T统计计量的结果果表明通过过显著性检检验；但RR2只有0.05，表表明操作损损失波动的的绝大部分分是其他因因素导致的的。（三）操作作风险损失失数据库的的局限性操作风险损损失数据库库是管理操操作风险的的有用工具具，与单纯纯依靠银行行自身经验验相比，数数据库增加加了事件发发生频率的的数据和有有关损失严严重性的数数据。但是是，就其提提供的行业业或个别银银行的风险险状况的准准确性来说说，数据
32、库库存在一定定程度的局局限。1可审计计性首先一个问问题是被提提供的数据据没有经过过独立的外外部审计。如如果这些数数据出现在在银行财务务报表中，那那么它们应应该是经过过审计的，或或至少是可可以被审计计的。但并并非所有数数据都是如如此。一个个数据库要要想获得较较高的预测测准确性，就就要考虑是是否接受未未经独立审审计的数据据。这一问问题还涉及及到参加银银行之间的的信任程度度。2管理标标准数据库中的的数据并不不总是可比比的，因为为它是汇集集了全行业业的数据。银银行间管理理和监控标标准各异，管管理质量也也不尽相同同。出于对对成本收益益的考虑或或竞争目的的，某些银银行可能对对某些特定定风险降低低了管理标标
33、准。无论论什么原因因，数据库库只能显示示出这些银银行在哪里里损失了资资金，而不不能提供这这些类损失失的具体情情况。3起点标标准对于报告起起点的选择择也会影响响数据的数数量及其准准确性。选选择起点时时，既要考考虑数据库库的所有使使用者，也也要依据数数据提供者者和损失的的不同而不不同。有些些数据，特特别是交易易数据唾手手可得；而而有关非交交易损失的的数据就不不那么容易易获得，并并且这些数数据更多地地受到成本本收益关系系的左右。四、内、外外操作损失失数据到目前为止止，多数银银行才开始始内部操作作损失数据据的搜集，还还未建立起起内部操作作损失数据据库，已经经建立起来来的数据库库中的损失失事件多数数为高
34、频、低低额的。内内部操作数数据的不足足使得各银银行难以精精确计算操操作风险资资本要求，尤尤其是对于于高额低低频的事件件类型。然然而，人们们已经认识识到高额低频的损损失事件构构成了操作作风险资本本要求的主主体（Baaud, Fracchot and Ronccallii，20002）。要要提高资本本度量的精精度，银行行需要从公公共或者行行业数据库库中获取外外部数据以以补充其自自身数据。然而，使用用外部数据据度量操作作风险会产产生内外数数据的不同同质、扩大大规模问题题和缺乏兼兼容性等一一系列问题题。问题的的根源在于于损失数据据的产生过过程，而这这与数据的的搜集途径径有关。外外部数据库库一般只记记录
35、极端损损失，即损损失额最高高的部分（公公开披露的的部分），并并且没有经经过严格的的统计处理理。这样综综合了内部部数据与外外部数据进进行的损失失分布估计计会偏向于于高额损失失，因而计计算出来的的操作风险险资本要求求会严重高高估。多数数案例中，只只有超过阀阀值以上的的损失数据据才会计入入损失数据据库，而各各家银行内内部、行业业和公共的的损失数据据库的阀值值水平不一一致，公共共数据库中中损失值往往往高于其其它两个。表3 内、外外损失数据据比较数据属性优势劣势内部数据1.可直接接反映银行行的历史损损失。2.资料搜搜集较为容容易且可节节省搜集成成本。1.银行过过去的损失失经验可能能未涵盖尾尾部损失。2.
36、过于内内部导向(inwaard ffocussed) ，缺乏与与外界的连连结、互动动。外部数据1.可提供供内部损失失数据库较较难掌握之之资讯，如如发生机率率低、损失失严重的事事件。2.其它机机构发生操操作风险的的成因与解解决方式可可供借鉴，避避免重蹈覆覆辙。1.外部损损失数据未未必与银行行直接相关关，因此须须加以筛选选。2.资料搜搜集与管理理困难度较较高。内、外部数数据结合内、外部数数据结合时时，可提高高模型预测测力。数据管理难难度提高资料来源：Hofffman, D.GG. (11998), “NNew TTrendds inn Operratioonal Riskk Meaasureeme
37、ntt andd Manaagemeent,” Operratioonal Riskk andd Finnanciial Insttituttionss, Riisk BBookss, 377.银行广泛使使用两种方方法来处理理外部数据据。第一种种是定量方方法，直接接将外部数数据导入模模型。例如如，对于内内部数据中中很少（或或没有）高高额损失的的损失类型型，美国银银行（Baank oof Ammericca）和花花旗银行的的员工使用用外部数据据来估计其其操作风险险暴露 美国银行度量操作风险的方法见2003年3月纽约联邦储备银行举行的题为“Leading Edge Issues in Operat
38、ional Risk Measurement”会议上John Walter所做的“Implementing a Comprehensive LDA”，http:/www.ny.frb.操作风险g/newsevents/events/banking/2003/con052903.html。花旗银行所用方法见2004年6月ICBI举行的“Risk Capital 04”年会上所做的“Implementing a Loss Distribution Approach”。他他们使用“relaativee rellatioonshiips” “relative relationships”技术假定：内、
39、外部数据可以用同一类型的损失程度分布（比如，对数正态分布）来建模；不同业务部门和事件类型的内、外部数据参数的关系是固定的。例如，假定对于外部欺诈，都有大量的内部数据和外部数据。银行测定内部数据服从和的对数正态分布，外部数据服从和的对数正态分布。进一步假定对于内部欺诈，有足够多的外部数据，但没有内部数据。银行测定外部数据服从和的对数正态分布，根据“relative relationships”技术，内部数据将服从和的对数正态分布。技术修正正报告偏差差和银行控控制环境中中的差异。其其它使用定定量法处理理外部数据据的银行包包括瑞典银银行、意大大利联合商商业银行（BBancaa Inttesa）和和意
40、大利圣圣保罗意米米银行（SSanpaaolo IMI）。第二种是定定性方法，引引入外部数数据加强讨讨论。大通通曼哈顿银银行要求其其部门经理理评估超过过1年期的的高额损失失的频率 见2003年3月纽约联邦储备银行举行的题为“Leading Edge Issues in Operational Risk Measurement”会议上“Leveraging Scenario Analysis in Operational Risk Management”。经经理拿到其其业务部门门对应的外外部数据来来模拟可能能的高额损损失。可以以想象，如如果某种高高额损失过过去10年年中在多家家银行发生生，经理就就
41、很难再假假定在其部部门发生的的概率为00.1%。其其它银行使使用情景分分析补时常常将外部数数据作为可可能的情景景巴克莱银行（Barclays Bank）、意大利联合商业银行（Banca Intesa）、瑞士信贷第一波士顿（Credit Suisse First Boston）、德雷斯顿银行（Dresdner Bank）、富通银行（F操作风险tis Bank）、苏格兰哈利法克斯银行（Halifax Bank of Scotland）、劳氏银行（Lloyds TSB）、苏格兰皇家银行（the Royal Bank of Scotland Group）、日联控投（UFJ Holdings Inc.）
42、、欧洲债券结算系统（Euroclear）起草了“Scenario-Based AMA”，提出了关于情景分析的一般看法，并讨论使用外部数据产生情景。五、我国商商业银行操操作损失数数据搜集进进展近年来，随随着我国银银行改革的的深入，媒媒体对各类类商业银行行损失事件件曝光的不不断增多（见见表4），操操作风险受受到前所未未有的关注注。表4 国国内银行近近年部分操操作损失事事件机构名称发生年份损失金额操作风险产产生根源中国银行广广东开平支支行1993200114.83亿亿美元管理架构缺缺陷、基层层机构行长长权力无相相应制约；银行内部部稽核体系系虚设中国建设银银行吉林分分行1999.1222001.432
43、8444万内外勾结，采采取私刻印印鉴、印章章，制作假假合同、假假存款证明明书，伪造造资信材料料、担保文文件等手段段，进行贷贷款、承兑兑汇票的诈诈骗中国银行北北京分行2000.1222002.66.4亿元元北京“森豪豪公寓”的开发商商以员工名名义，虚构构房屋买卖卖合同，提提供虚假收收入证明套套取按揭贷贷款和重复按揭揭贷款中国农业银银行包头分分行2003.720004.66114988.5万元元银行工作人人员与社会会人员相互互串通、勾勾结作案，挪挪用联行资资金、虚开开大额定期期存单、办办理假质押押贷款、违违规办理贴贴现、套取取银行信贷贷资金，谋谋取高息。中国工商银银行南海支支行199020033超
44、过20亿亿元使用虚假的的财务报表表、经济合合同、证明明文件，使使用虚假的的产权证明明、抵押物物作担保、抵抵押，骗取取银行贷款款中国工商银银行上海外外高桥保税税区支行200220033.6涉案金额：71411万以消费信贷贷名义经营营谋利：姚姚康达将个个人住房贷贷款用于购购买1288套住房，炒炒作房地产产。中国银行黑黑龙江省分分行河松街街支行2005.1*超过10亿亿元内外勾结的的票据诈骗骗案件来源：作者者整理。注：*表示示案件披露露日期。中国银监会会公布的统统计数据显显示：20004年银银监会查出出银行业违违规资金55800多多亿元，处处理各类违违规金融机机构22002个 孙凌燕，卓尚进：“亡羊
45、补牢：商业银行亟待建立正向激励机制”，金融时报，2005年4月5日。针对我国国银行机构构对操作风风险的识别别与控制能能力不能适适应业务发发展的突出出问题，22005年年3月277日中国银银行业监督督管理委员员会发布了了关于加加大防范操操作风险工工作力度的的通知，要要求银行机机构采取切切实措施，有有效防范和和控制操作作风险。由于长期以以来我国商商业银行不不重视操作作风险损失失历史数据据的积累，再再加上我国国商业银行行信息披露露制度不健健全，银行行具有隐藏藏风险事件件的动机，使使得我国商商业银行操操作风险历历史数据较较难收集。到到目前为止止，国内学学术界和实实务界对操操作风险的的研究主要要是对新巴
46、巴塞尔资本本协议中操操作风险管管理框架的的介绍和各各类操作风风险度量模模型的分析析，操作损损失数据的的搜集刚刚刚起步。200220033年，在银银行监管部部门的组织织下，国家家开发银行行、中国工商银银行、中国国银行、中中国建设银银行和中信信实业银行行参加了巴巴塞尔委员员会推行的的“第三次定定量影响测测试”（QISS3），向向巴塞尔委委员会提供供了数据，测测算了新协协议中操作风险险对各行资资本充足率率的影响。QQIS3测测算的工作作量较大，需需要各银行提供全全面并表的的多项数据据。在做了了大量工作作的基础上上，5家银银行均实现现了在全面面并表的基基础上进行行测算。在在测算中，各各参加银行行分别分析析了新资本本协议对自自身的影响响，并特别别注意将QQIS3测测算与本银银行的工作作实际相结结合，改进进了信息管管理系统和和风险报告告系统。2004年年，中国工工商银行出出台了操操作风险管管理框架，并并将其作为为中国工工商银行全全面风险管管理框架的的一部分，这这标志着工工商银行在在我国金融融系统内第第一家正式式将操作风风险的监