贷款损失准备金计提与商业银行监管方法研究

论文摘要

商业银行是市场经济环境下金融业的重要组成部分,商业银行监管构成了金融监管的重要组成部分。随着商业银行的跨国发展以及国际上著名的银行破产案件和金融危机的发生,国内外学术理论界和金融监管部门对商业银行监管日益重视。本课题以巴塞尔新资本协议的三个支柱(最低资本要求、外部监管和市场约束)为框架,运用矩阵博弈研究了商业银行贷款损失准备金计提策略选择问题,运用灰色系统理论、二元语义评价方法、人工神经网络和案例推理技术对商业银行监管的方法进行了研究。本文的创新点主要在以下几个方面:1、运用矩阵博弈理论分析了理性银行在不同经济状况下的最优选择,并应用区间灰数的优势关系研究了在赢得矩阵中元素为不能直接比较大小的区间灰数的情况下银行计提贷款损失准备金的策略。研究表明在传统的准备金制度下,理性的银行会选择尽量少持有准备金。2、在分析美国CAMELS现场监管模型和我国的商业银行评级体系的基础上,定性定量相结合,结合灰色聚类分析方法和二元语义信息评价方法的特点,构建了基于灰色聚类分析和语言评价方法的商业银行现场监管模型,应用于商业银行现场监管评级。3、应用SOM神经网络模型研究了商业银行的分类评级;考虑在商业银行分类评级过程中,评级指标既有时点指标,又包括时段指标,将一段时间内的时点数据看作一个区间数,在SOM神经网络模型基础上,根据区间灰数距离计算方法,构建了GSOM模型,对商业银行根据风险状况进行聚类分析。4、构建了GCBR框架,以灰色关联度作为CBR中案例检索的相似度计算工具,应用灰色优势分析来选择最适合的案例,在不存在绝对优势近邻案例的情况下,通过计算综合关联度选择最为适合的案例。并将GCBR应用到商业银行非现场监管中,从案例库中选择同被监管银行情况最为相似的银行案例进行对被监管银行实施监管的参考。5、根据我国股份制商业银行1998年～2005年的数据,采用固定效应面板数据模型,实证研究了我国股份制商业银行的市场约束状况,结果表明我国银行业的市场约束力较弱,有待加强市场约束的作用。6、结合我国“分业经营,分业监管”的现状,对监管部门内部现场监管和非现场监管间的协调问题、巴塞尔新资本协议框架下的三大支柱间协调问题、以及分业经营下不同金融部门间的监管协调问题,进行了规范性的研究,构建了智能监管系统框架和基于XBRL的集成金融监管信息系统框架。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景及研究目的
• 1.1.1 选题背景
• 1.1.2 课题研究的目的和意义
• 1.2 国内外研究现状综述
• 1.2.1 国外研究现状
• 1.2.2 国内研究状况
• 1.2.3 目前的不足
• 1.3 研究内容与论文结构安排
• 1.3.1 研究目标
• 1.3.2 研究内容
• 1.3.3 论文结构安排
• 1.4 研究方法和技术路线
• 1.4.1 研究方法
• 1.4.2 技术路线
• 1.5 小结
• 第二章 银行监管的理论基础
• 2.1 银行监管的基本内容
• 2.1.1 银行监管的概念
• 2.1.2 银行监管的理论基础
• 2.1.3 银行监管的目标
• 2.1.4 银行监管的基本原则
• 2.1.5 银行监管的主要内容
• 2.2 DIAMOND－DYBVIG银行挤提模型
• 2.2.1 模型假设条件
• 2.2.2 基本模型
• 2.2.3 分析
• 2.3 巴塞尔资本协议
• 2.3.1 1988 年的巴塞尔协议
• 2.3.2 20 世纪90 年代对巴塞尔协议的补充与完善
• 2.3.3 2004 年的巴塞尔新资本协议
• 2.4 小结
• 第三章 基于矩阵博弈理论的贷款损失准备金制度分析
• 3.1 贷款损失准备金制度
• 3.1.1 传统准备金制度
• 3.1.2 动态准备金制度
• 3.1.3 我国贷款损失准备金制度现状
• 3.2 基于矩阵博弈的准备金计提策略分析
• 3.3 基于区间灰数矩阵博弈的贷款损失准备金计提策略分析
• 3.3.1 灰矩阵博弈
• 3.3.2 势最优纯策略的求解
• 3.3.3 势最优纯策略的优超分析
• 3.3.4 基于区间灰数博弈矩阵博弈的贷款损失准备金计提策略
• 3.4 小结
• 第四章 基于灰聚类分析和语言评价方法的银行现场监管研究
• 4.1 CAMELS 和我国商业银行风险评级体系
• 4.1.1 CAMELS 监管模型
• 4.1.2 我国商业银行风险评级体系
• 4.2 基于灰色聚类分析和语言评价的银行现场监管
• 4.2.1 语言评价方法
• 4.2.2 灰色聚类分析
• 4.2.3 指标权重
• 4.2.4 基于灰色聚类和语言评价的监管方法
• 4.3 算例实证
• 4.4 小结
• 第五章 基于SOM 和GSOM 商业银行非现场监管聚类分析
• 5.1 SOM 模型及其在商业银行非现场监管中的应用
• 5.1.1 SOM 模型
• 5.1.2 基于SOM 的商业银行非现场监管方法
• 5.2 基于GSOM 的商业银行非现场监管方法
• 5.2.1 区间灰数距离
• 5.2.2 基于区间灰数的灰SOM 模型
• 5.2.3 基于GSOM 的商业银行智能非现场监管
• 5.3 小结
• 第六章 基于GCBR 方法的商业银行非现场监管
• 6.1 CBR 概述
• 6.2 基于灰色关联度的CBR 案例检索方法
• 6.2.1 算法
• 6.2.2 基于灰色关联度的案例推理框架
• 6.3 基于GCBR 方法的商业银行非现场监管
• 6.4 小结
• 第七章 我国股份制商业银行市场约束状况实证研究
• 7.1 我国股份制商业银行市场约束力研究
• 7.2 模型和数据
• 7.3 结果分析
• 7.4 政策建议
• 7.5 小结
• 第八章 银行监管的协调
• 8.1 现场监管和非现场监管之间的协调
• 8.2 巴塞尔新资本协议三大支柱的协调
• 8.3 不同金融监管部门间的信息共享和协调
• 8.4 小结
• 第九章 总结与展望
• 9.1 论文的主要结论
• 9.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文