【作 者】
杨琦峰（教授），杨启乾，宋 平（教授）
【作者单位】
武汉理工大学经济学院，武汉430070
【摘 要】
【摘要】首先以供应链金融保兑仓融资的重复质押风险为视角，提出了利用贝叶斯网络分析和量化供应链金融操作风险的方法和步骤，然后通过对供应链金融重复质押风险发生诱因进行分析与建模，研究了利用贝叶斯网络的因果推理和诊断推理来分析供应链金融操作风险发生原因的方法，发现供应链金融业务的信息化程度对操作风险的发生频率有显著影响，从风险控制角度为银行开展线上供应链金融业务提供了理论支持。最后，给出了银行供应链金融业务完整的操作风险贝叶斯网络拓扑结构。
【关键词】贝叶斯网络；线上供应链金融；保兑仓融资；操作风险；重复质押风险
【中图分类号】F830.51 【文献标识码】A 【文章编号】1004-0994（2016）32-0095-6
一、引言
近年来，随着各大银行供应链金融业务的展开，风险事件也层出不穷，自2011年以来仅网络媒体公开报道的供应链金融风险案件就有数十起，涉及金额已超过10亿元，给商业银行造成了不小的损失。从目前情况来看，供应链金融领域的风险事件主要涉及操作风险，然而商业银行关于操作风险的管理基础非常薄弱，缺乏对操作风险损失数据的积累，这不仅使我国商业银行履行《新巴塞尔资本协议》（2004年6月26日，由巴塞尔银行监管委员会通过）面临困境，也给商业银行自身发展带来了挑战。对于供应链金融来说，由于其具有融资自偿性特点，商业银行面临的信用风险得到有效屏蔽，而大量的人为操作使得银行面临的操作风险急剧上升，操作风险成为银行开展供应链金融业务面临的主要风险。无论是为了应对巴塞尔银行监管委员会的监管，还是为了银行自身经营管理需要，商业银行都应该重视对供应链金融操作风险的管理。
对操作风险的管理主要有两个方面：一方面是对操作风险的度量，这主要是为计算风险资本以及风险定价提供依据；另一方面是对操作风险的控制，包括内部控制和外部控制。目前对于操作风险度量的研究大多是从监管视角出发，通过寻找某种方法尽可能准确地得出商业银行甚至金融系统整体操作风险的损失分布情况，为商业银行计提风险资本提供参考依据，从而避免操作风险给金融系统的稳定运行带来冲击。随着商业银行业务的发展，尤其是近几年业务线上化进程的加快，商业银行对操作风险的管理不能再停留在被动防御位置。我国金融改革的推进加剧了商业银行之间的竞争，要求商业银行必须对操作风险的管理采取更为积极主动的措施，同时，物联网、云计算等信息技术的发展为商业银行创新操作风险管理方式提供了可能。
供应链金融的操作风险与商业银行传统业务的操作风险有所不同，供应链金融业务与商业银行传统业务相比，业务流程更为复杂，涉及的参与主体更多，因此其操作风险更为复杂，除传统业务具有的操作风险外，还有合规风险、模式风险、流程风险和物流企业等存在的具体操作风险。线上供应链金融引入了电商平台、在线支付平台等参与主体，使得操作风险进一步发生变化。目前国内研究线上供应链金融操作风险的文献不多，较有代表性的文献是从交易联动角度研究线上供应链金融的操作风险，根据交易联动特性，可以很清晰地将线上供应链金融不同阶段的操作风险识别出来。业务的线上化能提高银行监控和风险预警的效率，但同时也会带来很多新的操作风险，如人员操作风险、网络系统风险、欺诈风险等。操作风险的度量是商业银行进行操作风险管理的重要内容，操作风险的度量问题是目前国内外银行业面临的重点、难点问题之一，为此理论界作了较多的研究，主要采用的度量方法有损失分步法、极值理论模型、VaR法、蒙特卡洛模拟法等。然而，可用于度量操作风险的方法虽多，但大多受于银行操作风险损失数据的积累量，很难得到较好的应用，尤其是在我国，这类度量方法更是难以施展拳脚。贝叶斯网络是一种相对能较好地解决这一问题的方法。贝叶斯网络（Bayesian Network，BN）由Pearl于1986年提出，最初被应用于工程学领域，目前已经成为人工智能领域最重要的研究热点之一。
近年来，有不少学者将贝叶斯网络应用到金融机构操作风险管理的研究当中。最先使用贝叶斯网络对操作风险进行量化分析的国外学者是Carol Alexander，该学者通过建立因果模型的方式分析了金融机构特定类型的操作风险。在运用贝叶斯网络分析银行业操作风险发生频率和损失金额时，可以利用专家经验，将定性信息有效地转化为定量数据，从而解决数据不足的问题。国内学者在这方面也做了部分研究。刘家鹏、詹原瑞、刘睿（2007、2008）与邓超、黄波（2007）对贝叶斯网络在商业银行操作风险量化分析方面的建模与应用做了初步研究。陆静等（2006、2008、2011）综合考虑信用风险、操作风险、市场风险和流动性风险，研究了贝叶斯网络在商业银行风险预警上的应用，并通过建立灯号模型来实现风险预警的自动化管理，展示了贝叶斯网络在商业银行风险管理中的作用。可见，贝叶斯网络的作用不仅仅局限在度量操作风险上，在操作风险的控制与管理中也有较好的应用，而操作风险源于开展业务的过程，因此，从业务流程的角度分析操作风险十分必要，对此有部分学者进行了相关研究。Adusei-Poku（2005）首次深入业务流程层面，对外汇和货币市场的交易流程可能存在的操作风险进行了建模分析。刘睿、巴曙松、刘家鹏（2011）以商业银行远期结售汇业务为例，从业务流程的角度研究了实践中商业银行通过建立和运用贝叶斯网络进行操作风险量化分析的方法。
Adusei-Poku（2005）、刘睿等（2011）的研究为结合业务流程分析提供了建模范式，由于他们的研究仅分析了银行传统的业务模式，虽然对银行传统业务的操作风险度量与控制有一定借鉴意义，但是对目前商业银行火热开展的供应链金融业务尤其是线上供应链金融业务，比较难以提供参考。供应链金融与商业银行传统业务有很大的不同，操作风险发生了较大的变化，不仅包含传统业务的操作风险，还涉及模式风险、流程风险以及不同参与主体间的协作风险，并且业务的线上化也会对操作风险产生较大的影响，现有文献鲜有分析这一变化的。本文通过对供应链金融重复质押风险发生诱因进行分析与建模，在介绍如何利用贝叶斯网络的因果推理和诊断推理来分析供应链金融操作风险发生原因的基础上，阐释了供应链金融业务的线上化对银行进行操作风险控制的影响，为银行开展线上供应链金融业务提供了理论上的支持。最后，给出了银行供应链金融业务完整的操作风险贝叶斯网络拓扑结构，以期为银行全面管理供应链金融业务的操作风险提供理论参考。
二、贝叶斯网络方法介绍
（一）贝叶斯公式
贝叶斯公式的事件形式可以表述如下：
P（B|A）=[P(A|B)P(B)P(A)]=P（B）∙[P(A|B)P(A)] （1）
其中：P（B）表示事件B的先验概率；P（B|A）表示事件B的后验概率；[P(A|B)P(A)]称为“可能性函数”（Likelyhood），可以看成是一个调整因子，使其通过对先验概率调整而更接近真实概率。
从（1）式可以看出，贝叶斯公式实际上就是：后验概率=先验概率×调整因子，这就是贝叶斯推断的含义。先预估一个“先验概率”，然后加入实验结果，看这个实验结果对“先验概率”到底是起增强作用还是削弱作用，通过实验结果修正“先验概率”，从而得到更接近事实的“后验概率”。这也是贝叶斯统计和经典统计学的不同之处。经典统计学完全凭借实验结果做出推断，而贝叶斯统计是在考虑先验概率的条件下，根据实验结果对先验概率修正后做出推断。因此，贝叶斯统计可以弥补数据不足的缺陷，通过引入先验概率，既克服了单纯依靠经验（即先验概率）存在的主观不确定性，也解决了数据不足导致估计误差较大的问题，是解决线上供应链金融操作风险度量问题的有效手段。根据情况的不同，也可以用随机变量密度函数的形式表示贝叶斯公式，即：
π（θ|x）=[p(x|θ)π(θ)m(x)] （2）
其中：π（θ|x）是给定X的条件下θ的条件密度，也即θ的后验密度；π（θ）是人们根据经验确定的，称为θ的先验密度；
p（x|θ）表示在随机变量θ给定某个值时总体指标X的条件分布，称为似然函数；m（x）是x的边缘密度函数，与θ无关。
可见，θ的后验分布与p（x|θ）π（θ）成比例，似然函数
p（x|θ）综合了总体信息和样本信息，先验密度π（θ）内含着先验信息，这样后验密度π（θ|x）就综合了样本信息、总体信息和先验信息。因此，与上文描述的贝叶斯公式事件表现形式一样，从随机变量的密度函数表现形式也可以看出，贝叶斯公式实际上是人们用总体信息和样本信息对先验分布进行调整的结果。并且，贝叶斯网络方法的另一个突出特点是，现阶段得到的后验分布可以作为未来某一阶段的先验分布，这也是一个对θ分布不断修正的过程，未来随着数据量的增加，对θ的认识将会越来越接近θ的真实分布情况。这一点对于线上供应链金融来说至关重要，因为目前线上供应链金融业务开展的时间较短，数据量不大，但是线上供应链金融的线上化特征使得开展该业务所产生数据的搜集工作变得更容易，搜集的数据也更准确、更全面，这给未来的修正工作带来了极大的便利和可行性。因此，贝叶斯网络在研究线上供应链金融操作风险的问题上极为适用。
（二）贝叶斯网络
贝叶斯网络也叫“因果网络”、“知识图”等，是关于不确定知识表示和推理的有效模型，也是一个用于表示变量间概率依赖关系的有向无环图DAG，图中的每一个节点表示一个变量或者事件，有向边表示节点间的依赖关系，每一个节点又对应着一个条件概率表CPT，表示该变量与其父节点间的依赖关系程度。用数学语言可描述为：BN=（DAG，CPT）。其中， DAG=｛<Xj，Xi>|（Xi[∈]X，Xj[∈]XParents（i））｝表示一个有向无环图；XParents（i）表示第i个节点的父节点集，Xj是Xi的父节点；CPT=｛p（Xi|XParents（i））|Xi[∈]X｝表示条件概率表。
实际上，贝叶斯网络可以理解为对全联合概率分布的一种特殊表示，在给定父节点的先验概率和子节点的条件概率的情况下，可以计算出全联合概率分布中的每一个条目，计算式如下：
P（x1，…，xn）= P（xi|parents（Xi）） （3）
其中：Xi是第i个随机变量；xi是随机变量Xi的某一个特定取值；Parents（Xi）是Xi的父节点；parents（Xi）是Parents（Xi）的一个特定取值。
下面用一个具体例子来说明。假设天空多云的概率是0.5，多云的天气有八成的可能性会下雨，多云时喷水器处于工作状态的概率为0.1，而下雨不仅会湿润草坪，雨势过大时还可能使房屋遭到损坏。这种情况下可以建立贝叶斯网络，如图1所示，图中5个节点变量分别为多云（C）、下雨（R）、喷水器（S）、房屋损坏（HD）和湿草坪（WG）。条件概率表示节点之间影响关系的强度，比如P（HD=t|R=t）=0.1表示下雨天气有10%的可能性会使房屋遭到损坏，P（WG=t|R=t，S=f ）=0.9表示在下雨天喷水器不工作的状态下草坪为湿的概率是0.9。
三、线上供应链金融操作风险贝叶斯网络构建
在建立贝叶斯网络时首先需要构建有向无环图DAG，即确定贝叶斯网络的拓扑结构，其次需要对图中的各个节点赋值，即给出条件概率表CPT。因此，建立线上供应链金融操作风险的贝叶斯网络模型的过程可概括为三步：节点的识别、网络结构的确定和节点的赋值。其中，节点的识别是要找出线上供应链金融的关键操作风险指标（简称KRIs）和关键风险诱因（简称KRDs）。
（一）业务模型的建立及节点识别
要构建贝叶斯网络，首先要分析业务流程并建立业务模型，将特定流程中的风险及其影响因素识别出来。对于线上供应链金融保兑仓融资模式的业务流程，本文参考黄丹（2012）、谢琴（2013）的研究，将线上保兑仓业务划分为四个业务流程：融资申请处理、融资审批、贷后管理和回款，具体如表1所示。
对供应链金融业务的流程进行深入分析，贷后质押物管理环节最容易引发操作风险，所以对该环节的分析具有代表性。本文以某银行汽车供应链金融为例，建立重复质押风险的贝叶斯网络。
（二）网络结构的确定
重复质押风险的发生通常由仓单审核不过关和外部欺诈所致，因此从“仓单审核”和“外部欺诈”这两个节点到“重复质押”节点各有一条有向弧。仓单审核工作的好坏受审核人员的素质（“操作人员素质”节点）、是否有不合规操作或欺诈行为（“内部欺诈”节点）以及对该仓单在其他银行的质押信息掌控程度（要掌控仓单在其他银行的质押情况，需要不同银行之间的信息协同共享，因此这一因素可用“银行间信息协同共享程度”节点表示）三个因素的影响，所以从“操作人员素质”、“内部欺诈”和“银行间信息协同共享程度”三个节点到“仓单审核”节点各有一条有向弧。外部欺诈通常是融资方利用银行的信息不对称漏洞，用虚假仓单进行质押融资的行为，所以外部欺诈的发生直接受银行间仓单信息共享情况的影响，因此从“银行间信息协同共享程度”节点到“外部欺诈”节点有一条有向弧。银行间要实现信息的协同共享，需要满足多方面的条件，其中很重要的一点就是各银行的业务信息化水平，因此从“业务信息化水平”节点到“银行间信息协同共享程度”节点有一条有向弧。根据以上分析，可以得到重复质押风险的贝叶斯网络拓扑结构，如图2所示。
本文所构造的贝叶斯网络中隐含着一些独立假设，比如条件独立性假设（在给定父节点的条件下，一个节点独立于所有其非后代节点），限于篇幅，这里不再赘述。
（三）网络节点的赋值
对网络的赋值主要是给出各个节点的条件概率表。理论上要得出更高精确度的条件概率表，需要借助足够时间长度的客观历史数据，但是实际中要获得足够的数据有一定的难度。首先，商业银行一般较少对外公布其各条业务线上操作风险的数据；其次，我国线上供应链金融业务开展时间尚短，缺乏足够时间长度的风险数据。由于数据的缺乏，很难完全根据客观数据得出高精度的条件概率，因此本文提供的条件概率是在征询相关行业专家意见后经过主观判断修改确定的。尽管通过这样的方式得到的条件概率值带有很强的主观性，但是并不影响贝叶斯网络解决这类问题的有效性。贝叶斯网络的优势恰好在于其具有开放性，银行的业务人员可以很容易地根据业务流程和管理需要的改变来调整贝叶斯网络的结构。在实际应用中，商业银行可以根据本行搜集的有关线上供应链金融操作风险损失数据对模型结构及条件概率值进行调整。
本文旨在探讨贝叶斯网络在线上供应链金融操作风险研究上的应用，文中所用数据是通过对线上供应链金融领域相关专家的访谈咨询及一定程度的主观判断所得出的，存在一定的主观性，为便于分析，本文将数据做了特别处理，如表2所示。
在得出各个节点的条件概率值后，可以将其输入网络中。至此，对于线上供应链金融保兑仓模式下的重复质押风险贝叶斯网络模型的构建完成，可以进一步对模型进行运算推理，既可以进行因果推理，也可以进行诊断推理。本文使用Hugin Lite 8.1软件对贝叶斯网络进行运算推理。
（四）网络模型的运算及推理
在完成对各个节点的赋值后，经过运算便可以得到所有节点的后验概率分布情况，如图3所示。
根据运算结果可知，在正常情况下，重复质押事件发生的概率为33.17%。
1. 因果推理。因果推理是指由原因推知结果的推理过程，是一种自上向下的推理。我们对模型做进一步分析，对原因节点加入新的证据。比如，当银行提高供应链金融业务信息化水平、全面推行线上供应链金融时，重复质押风险发生的概率降低到14.84%，如图4所示。这是因为随着供应链金融业务的线上化推进，使得不同银行间仓单信息的共享变得更加便捷（银行间信息共享程度高的概率从50%增加到90%），因此银行在进行仓单审核时能更加全面地掌握货物的质押情况，保证仓单审核工作不出差错（仓单审核质量好的概率从64.70%增加到84.43%），并且外部欺诈成功的概率从40%降低到16%。可见，线上供应链金融的推进不仅能降低银行的经营成本，也有助于银行控制操作风险的发生，降低操作风险发生的概率。
综上分析，供应链金融的线上化发展不仅使交易主体之间的信息不对称问题得到缓解，也使交易主体内部不同人员、不同部门之间的信息不对称问题得到了缓解。当供应链金融业务处于线下阶段时，各节点的工作几乎都需要相关业务人员参与，这样可操纵空间更大，所面临的人员风险也更大。而线上化后，大部分业务流程已经固化到各个在线系统中，比如流程设计在系统开发阶段已经固化，在开展业务的过程中，业务人员只能根据系统的流程逐步操作，如果想改变正常的流程，涉及的人员较多，操作成本也较高，因此操作风险发生的概率较低。
2. 诊断推理。诊断推理是指由结果推知原因的推理过程，是一种自底向上的推理。贝叶斯网络功能强大，不仅可以进行因果推理，也可以加入某个新的证据作诊断推理。例如，现在已经发生了重复质押事件，那么就可以推断出各个环节出现问题的概率。如图5所示，“外部欺诈”成功的概率从40%上升到69.52%，“仓单审核”质量为“差”的概率从35.30%上升到87.46%，与正常情况相比，分别上升了73.8%和148%。可以看出，该次重复质押事件有较大可能是由仓单审核不过关造成的，因此银行在控制重复质押风险时应该把重点放在对仓单的审核上。进一步地，“银行间信息协同共享程度”为“低”的概率从50%上升到84.55%，“业务信息化水平”为“低”的概率从50%上升到77.64%，“操作人员素质”为“低”的概率从20%上升到26.53%，“内部欺诈”成功的概率从20%上升到29.88%，与正常情况相比，分别上升了69.1%、55.3%、32.7%和49.4%。因此，银行应该提升自身业务的信息化水平，加强同其他银行的合作，提升与其他银行的仓单信息共享水平，从根本上遏制重复质押事件的发生。
可以通过继续加入证据做出更为精确的诊断推理，比如银行通过调查发现本次业务的仓单审核工作并无问题，如图6所示。此时与正常情况相比，变化最大的节点是“外部欺诈”，“外部欺诈”成功的概率从40%上升到88.89%，上升幅度为122%，其他节点的变化幅度均在50%以下，可见导致这次重复质押风险的原因极有可能是外部欺诈行为，银行在未来工作中应当着重防范外部欺诈行为的发生。
还可以继续加入新的证据做更精确的推理，从而找出导致重复质押风险发生的真正原因。本文仅以重复质押风险为例，网络结构较为简单，在供应链金融业务完整的操作风险贝叶斯网络模型中，这一诊断推理过程可以不断重复下去，直至找到风险发生的根源。（五）线上供应链金融操作风险完整的贝叶斯网络拓扑结构
为使分析及计算过程更简便，以上仅是对重复质押风险进行的建模分析。类似地，可以对线上供应链金融保兑仓融资模式所有操作风险进行建模分析，从而得到线上供应链金融保兑仓模式完整的操作风险贝叶斯网络模型，进而可以得到线上供应链金融保兑仓融资模式的操作风险损失发生频率。由于供应链金融的线上化，风险之间的传导效应加强，局部的操作风险容易导致灾变风险的发生，因此损失幅度的分布难以通过专家判断获得，在实际中可以在银行的损失数据库达到一定规模后通过机器学习的方式获得。
线上供应链金融的操作风险来自四个阶段子业务的异常，即融资申请异常、融资审批异常、贷后管理异常和回款异常，每个阶段的子业务又包含不同的操作流程。因此，根据各个业务流程中的风险，可以构建线上供应链金融完整的操作风险贝叶斯网络拓扑结构图，如图7所示。
四、结束语
供应链金融风险管理的重点在于操作风险的管理，这是与银行传统信贷业务风险管理的不同之处。操作风险的量化依赖于对操作风险损失数据的搜集情况，但是目前我国银行业尚缺乏损失数据，并且对操作风险的量化只是操作风险管理的一个部分，商业银行要完善风险治理结构，必须对操作风险有一个较为全面系统的认识并建立灵活有效的风险防控体系。对操作风险的控制是线上供应链金融风险控制的重点，也是难点。线上供应链金融的操作风险具有传导性、易发性等特征，操作风险来源于对业务的操作过程，因此从业务流程的角度着手可以充分认识操作风险的发生机制和风险源，这不仅有利于商业银行识别和控制操作风险，也为银行完善和提升管理体制提供了方向。
本文利用贝叶斯网络构建基于业务流程的重复质押风险网络拓扑结构，形象化地展现了重复质押风险的诱因，通过对各级节点的赋值，运用贝叶斯网络的因果推理和诊断推理测算了各类指标对重复质押风险的影响程度，不仅从风险控制角度论证了供应链金融业务的线上化趋势，也为银行量化和控制供应链金融操作风险提供了思路。最后通过给出线上供应链金融完整的操作风险网络拓扑结构，为银行全面管理供应链金融业务的操作风险提供了理论参考。通过本文的研究思路，可以构建商业银行线上供应链金融业务的操作风险内控系统，商业银行就可以动态、实时地监控该业务的操作风险，这对商业银行加快信息化进程、完善风险治理结构都具有积极的意义。
主要参考文献：
谢琴．基于OOPN的线上供应链金融交易联动机理研究［D］．武汉：武汉理工大学，2013．
田菁，宋玉田．线上供应链金融操作风险管理研究［J］． 天津商业大学学报，2015（2）．
Alexander C.．Operational Risk： Regulation， Analysis and Management［M］．London： Prentice hall，2003．
刘家鹏，詹原瑞，刘睿．基于贝叶斯网络的银行操作风险管理系统［J］．计算机工程，2008（18）．
