中国商业银行声誉风险度量研究——来自国有银行的证据

《中国商业银行声誉风险度量研究——来自国有银行的证据》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号10532学号B101800017分类号密级博士学位论文中国商业银行声誉风险度量研究——来自国有银行的证据学位申请人姓名胡敏培养单位金融与统计学院导师姓名及职称张强教授学科专业金融学研究方向金融分析与管理论文提交日期2014年06月04日万方数据学校代号：10532学号：B101800017密级：湖南大学博士学位论文中国商业银行声誉风险度量研究——来自国有银行的证据学位申请人姓名胡敏培养单位金融与统计学院导师姓名及职称张强教授专业名称金融学论文提交日期2014年06月04日论文答辩日期2014年09月12日答辩委员会主席晏艳阳教授万方数据ResearchontheMeasurement

2、ofCommercialBanksReputationalRiskinChina:EvidencefromStateBanksbyHUMinB.E.(XiangtanUniversity)1994M.E.(HunanUniversity)2006AdissertationsubmittedinpartialsatisfactionoftheRequirementsforthedegreeofDoctorofEconomicsinFinanceintheGraduateSchoolofHunanUniversitySupervisorProfessorZHANGQiangJune,2014万方数

3、据湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本

4、学位论文。本学位论文属于1、保密□，在______年解密后适用本授权书。2、不保密。（请在以上相应方框内打“√”）作者签名：日期：年月日导师签名：日期：年月日I万方数据博士学位论文摘要爆发于2007年的美国次贷危机和2009年的希腊主权债务危机严重冲击了全球银行体系的内在结构和秩序，多家银行发生不良声誉事件，极大地威胁了整个银行体系的正常功能，国内外银行业监管机构及商业银行决策层逐渐认识到声誉风险管理特别是声誉风险度量的重要性和必要性。然而，由于以下三个方面的不足，声誉风险度量仍然处于低层次阶段：一是对于声誉风险的复杂性、系统性和紧迫性，商业银行的管理层和监管机构尚未形成共识；二是声誉风险与

5、其他金融风险往往存在复杂的相关性，很难将其单独分离出来；三是有效度量声誉风险的相关研究刚刚起步，成熟的研究成果不多，缺乏度量商业银行声誉风险的有效手段。事实上，声誉风险度量是商业银行声誉风险管理的核心，如何运用经济学、统计学等有效识别和度量商业银行声誉风险，进而探讨商业银行声誉风险对应的经济资本要求，在理论和实践中都具有相对突出的价值和意义。本文遵循了“现实需求→确定研究框架和思路→构建模型并实证→经验借鉴→政策建议”这一经典的研究范式和技术路线，综合运用利益相关者理论、间接互惠理论和声誉传递理论，重点研究了商业银行内部声誉风险形成和处理的博弈模型，并借鉴国内外银行业经验和声誉风险管理实际，深

6、入系统地剖析声誉风险度量问题，提出一整套切实可行的强化声誉风险内部控制、构建声誉风险监管机制的政策建议。首先，本文对声誉风险的相关概念进行界定，并对我国商业银行声誉风险度量的基本框架和思路进行分析。本文所指“声誉风险度量”是指以发生概率为标准的声誉风险自身大小度量和以弥补商业银行的非预计损失所需要的资本为标准的声誉风险经济资本度量。本文设定了声誉风险的基本度量框架，为后文的研究提供了基本思路。考虑到声誉风险源的突发性、声誉风险数据的可获性差和度量模型的泛化，遵循商业银行外部监管和商业银行内部评估的需要，本文对多种声誉风险度量的模型和方法进行筛选，最终结合贝叶斯网络法，构建了适合我国商业银行的声

7、誉风险指标体系。其次，本文对商业银行声誉风险度量和经济资本度量进行了研究。在银行声誉风险度量方面，本文收集了颇具代表性的中国银行、农业银行、工商银行和建设银行等银行声誉事件的数据，借鉴国内外银行业经验和声誉风险管理实际，构建度量我国商业银行声誉风险的基本评价指标体系，并运用Netica软件包构建贝叶斯网络模型，通过贝叶斯网络参数学习，得到各个节点的条件概率分布，同时进一步运用Superdecisi