英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
设计用于金融风险控制的管理信息系统
摘要：本文对金融系统风险进行了定量评估，提出了旨在改进金融风险管理的管理信息系统。 在识别各种金融机构和金融市场的风险来源的基础上，我们使用覆盖金融风险概率和相关损害的矩阵来评估本地风险并进行风险分类，并使用自组织映射神经网络模型来评估整体风险。此外，借助射频识别技术和大数据分析平台（Hadoop平台），构建了一个管理信息系统，该系统可以执行三个核心功能：实时监控，分析和评估以及自动控制，这将有助于监管机构实现金融风险源的全过程和全面智能管理。
关键词：金融系统；金融风险；管理信息系统
1 引言
随着中国金融业的快速发展，一些金融机构无止尽的借入长短贷，导致金融市场的杠杆率迅速上升，金融体系高度不稳定。不完善的金融监管机制是不明智的，不能有效降低可能严重损害公司或投资者的经营风险。例如，2017年连续发生的银行券风险事件，1月底中国农业银行因票据支付欺诈损失39亿元;4月初中国银行兰州分行10亿票据无法兑付; 6月一家票据经纪人通过交易银行承兑汇票从天津银行上海分行骗取了7.86亿元。此外，随着金融机构的业务创新，许多产品将由两个或更多的机构共同发行（例如：银行与银行、银行与信托公司、银行与证券公司、银行与基金公司、证券公司与基金公司等等），交叉风险事件将越来越多地发生。2016年6月，万佳基金的一家子公司发现其8亿美元资金被挪用，用于偿还合作伙伴的理财产品。此类事件通常涉及大量资金，对相关机构造成严重的经济和声誉损失。如今，如何完善金融体系的风险管理已成为了学者和政府监管部门面临的紧迫任务。
风险评估是风险管理的基础。近年来，研究人员在金融风险评估方面做了大量的工作，有些致力于降低主观评价因素的影响，如采用层次分析法确定指标权重[1]。有些致力于应用新兴技术来改进现有模型，例如将云计算技术用于模糊综合评估方法[2，3]。也有些人正在努力寻找更准确评估风险的新方法，如测量市场因素(例如:利率、汇率、股价及商品价格等)波动率与资产价格(收益)关系的敏感性[4-6]。但是到目前为止，很少有研究提出一种系统地测量和监控金融风险的方法。
本文将对金融系统的风险源进行检测，从其特点上进行分类，并利用新技术设计一个风险管理信息系统，以实现对风险源的实时监控和动态评价，提高金融系统的风险管理效率。 本文的其余部分结构如下。第二部分简要介绍风险源的识别。第三部分讨论风险评估的方法，并提出风险分类的规则。第四部分为管理信息系统开发。最后一部分为结论。
2 风险源识别
银行、证券和信托作为金融体系的重要组成部分，是金融业系统性风险的三个重要来源。
2.1 银行风险
银行风险根据业务特点可分为同业风险，影子银行风险和外汇市场风险三大类。
2.1.1 银行同业风险
随着银行同业业务的发展，以非标准化债权资产为形式的多种资产负债表以外的融资迅速增长，银行间业务的野蛮生长日益诱发或有风险。此外，商业银行的多元化和一体化业务逐渐改变产品属性和交易结构，这类金融产品层层嵌套，交易产品处于拉伸市场，这将增加交叉融资风险，甚至威胁到银行信贷的基础。
2.1.2 影子银行风险
影子银行风险主要来自财富管理产品（WMP），地方政府债务和房地产贷款。理财产品的最大风险是到期错配引起的流动性风险。 理财产品的还款期越来越短，但其基础资产（主要是票据资产）是长期借款，通常超过1年。因为如果利率上升或经济状况恶化导致某些借款人违约，银行很可能在长期投资中蒙受损失。在这种情况下，如果所有持有理财产品的客户都决定要回自己的钱，那么就没有足够的钱来支付他们了。
当地方政府以PPP、产业投资基金、债转股组合融资等方式进行融资，以缓解地方财政收支差距日益加剧的困境时，就会出现地方政府融资平台的风险。我国房地产融资很大一部分来源于影子银行体系，它是房地产与金融生态系统的高度交叉，房地产风险可能会恶化金融机构的资产质量，导致地方金融风险，甚至系统性金融风险。
2.1.3 外汇市场风险
如果“黑天鹅”事件发生，并引发资本外流，人民币汇率将加速贬值，这可能会引发国内资产价格波动的风险日益明显，特别是在国外垃圾资产价格处于历史高位的情况下。
2.1.4 交叉感染风险
银行，非银行金融机构和私人金融机构都发展影子银行业务。随着信用链的延伸，各个交叉口可能发生交叉感染风险，并通过资本的交叉流动向外延伸，那么就会导致整个金融体系爆发连锁反应。
2.2 证券风险
证券市场的第一个风险是政策风险，例如。中央银行利率政策的变化。除了提供对市场的信心和“追逐风险”的感觉外，逐渐提高的利率使证券的估值更低。市场流动性与证券价格同步下降，低流动性将对外部经济产生溢出效应，从而引发系统性金融风险。证券市场的第二个风险是操作风险。公司的利润受到经济周期或商业经营周期、竞争对手变化、公司自身管理和决策水平的影响。公司利润的减少会导致投资者收益减少或本金损失。对证券市场的第三种风险是感染风险。问题在于，美国证券存在一个非常重大的风险，即它们会很快贬值，即使只是暂时的。如果这种情况发生，它将对中国证券产生非常负面的影响，因为投资者出售他们的赢家（中国证券），以支付他们的输家（证券股票）。
2.3 信托风险
典型的信托业务主要是信托贷款。对于多数信托贷款项目，其融资方与需求方是一一对应的，主要风险是信托违约风险，如房地产贷款违约风险、商业企业贷款违约风险、基础产业违约风险等。
2.3.1 非典型金融机构
公共基金、私募股权基金、小额贷款公司、P2P借贷平台等非典型金融机构存在以下潜在风险:一是经营风险。当长期借款标准被拆分成短期借款标准，大额资金被拆分成小股时，金融机构在外部冲击的情况下有可能承担资金链断裂的风险，如果出现信心危机，挤兑是不可避免的。另一个是道德风险。许多非典型金融机构没有完善的内部控制制度，对中间账户资金缺乏严格的监管，诈骗和逃窜是目前最常见的犯罪类型。此外，不透明的信息常常导致“庞氏骗局”。
3 风险评估
本文采用风险矩阵法（RMM）和自组织映射（SOM）神经网络模型对金融风险源进行评估，建立了一个科学、复杂、全面的评价体系，风险评估流程图如图1所示。局部评价的目标是对风险源的实时控制，而总体评价的目的是为财务系统的管理提供参考。
3.1. 局部风险评估
局部评价是指利用风险矩阵，根据风险事件发生的概率和损失发生的概率，对金融系统中各种风险源的风险水平进行定量计算。
3.1.1 风险事件损失估计
金融风险损失是指由于各种不可预见的不确定因素的影响，投资者的实际收入少于预期收入造成的损失。 以操作风险为例，例如在2016年，具体的操作风险损失可分为六类：内部欺诈，外部欺诈，合同风险，客户异常行为，不规范的操作流程，科学技术进步，如图2所示。
3.1.2 风险发生概率评估
通过对金融系统风险源的调查，咨询专家和风险管理者，可以得到风险发生的概率。根据风险类别建立事件风险概率评价指标体系(表1)，根据风险事件发生的可能性，将风险分为小、小、中、大、大五个等级，如表2所示。
3.1.3 风险等级
一般认为风险值R等于风险发生概率p乘以风险损失q，即R = f (p, q)。在这里,我们使用风险矩阵来计算风险值,把五个层面风险概率和五个层面风险损失放入矩阵,建5个 9 5风险矩阵(表3),不同的q和p组合将决定不同的风险值，将风险值划分为I、II、III、IV、V五个等级，结果如表4所示。
3.2 总体风险评估
总体风险评估采用SOM神经网络模型进行。SOM神经网络是由一个完全连接的神经元阵列竞争网络,它可以模拟神经系统的大脑自组织映射函数，并在学习过程中实现无教学的自我组织学习[7]，可以避免评价过程中的人为因素，提高评价的客观性。
3.2.1 评估模型
根据SOM神经网络的基本原理，需要利用样本数据对评价模型的网络进行训练。根据样本数据的内在特征，利用聚类函数对样本数据进行分类。当样本数据的分类数与预先设定的风险等级一致时，说明聚类性能达到了风险等级评价的要求。然后比较待处理数据与样本数据的特征相似性，其中特征最相似的待处理数据的风险等级就是样本数据的风险等级。
3.2.2 训练过程
由于训练样本数据是一个潜在的、隐含的标准，因此利用不同风险水平的中位数来构建训练样本是合理的。为保持局部评估和总体评估的一致性，结合局部风险等级评估，总体评估采用相同的五个等级：一级、二级、三级、四级、五级。将它们换算成数值[0，1]，便于计算，五个等级的中间值分别为0.9、0.7、0.5、0.3、0.1。建立的SOM神经网络学习过程的输入样本见表5。
3.2.3 评估过程
将各个风险源的局部评价结果作为SOM神经网络模型的输入数据，根据相似性度量的结果对待处理数据进行分类，输出的是数据的风险水平，即金融系统风险水平整体，可作为金融系统风险管理者的决策参考。
4 管理信息系统设计
4.1 系统模块设计
本系统主要由采集中心、分析中心和控制中心三个基本模块组成。该信息采集中心主要用于收集国家有关风险源的信息。分析中心用于确定风险源的风险等级，控制中心用于控制风险。大数据平台管理系统利用云将各金融机构的数据平台与金融市场连接起来，实现风险源信息共享，共同提高金融系统的风险管理水平。本系统的模块设计流程图如图3所示。
4.2 系统功能设计
4.2.1 信息获取功能
信息采集由采集中心完成，获取风险源的原始数据。数据收集是通过射频识别(RFID)完成的。它由射频信号组成，实现非接触信息的传输和被传输信息的识别。它主要由应答器(如标签)和阅读器组成。应答器附加在目标对象上收集数据，读写器用于读取标签信息并传输数据。我们在金融系统的关键指标上设置了标签来完成实时监控，并通过射频将标签上的数据传输到阅读器上，再将阅读器上的数据传输到采集中心，如图4所示。
4.2.2 分析功能
数据分析由分析中心进行。局部分析采用风险矩阵法对各风险源的状态进行评价。首先在系统中预置事件发生频率及其后果等风险事件信息，分析中心根据预置信息对风险源状态进行评估，并对评估结果发送相应的控制指令。总体分析是通过SOM神经网络对金融系统的风险进行评估，帮助风险管理者及时发现管理缺陷，为风险管理者提供管理决策参考。
4.3 控制功能
控制中心可以根据预先设定的反应机制和评价结果，实现风险源的自动控制，如图5所示。可在系统中预设危险源异常状态及相应的反应机制，若控制中心收到异常报告进行评估结果，则在异常状态库中查询，一旦检测到评估结果与库中任意状态匹配，系统将自动开启相应的控制模式；若未发现匹配状态，则将异常状态报告发送至手动控制室，由工作人员进行控制。最后将控制结果反馈到控制数据库、异常状态库和大数据平台进行数据更新。
4.4 大数据管理
系统的大数据管理功能由大数据平台实现，大数据平台主要用于存储系统的全部数据，是系统数据流的传输中心。Hadoop作为一个开源的分布式计算平台，擅长处理非结构化数据(反馈传感器、文本、多媒体数据等)、半结构化数据(设备日志、系统日志等)。使用Hadoop架构实现分布式存储层支持的HDFS和分布式并行任务处理器支持的map reduce (MR)，两者共同完成分布式集群的主要任务。
5 结论
本文将射频识别技术、基于Hadoop平台的大数据管理技术、信息系统管理技术等新兴技术引入到财务风险管理系统中。我们提出了金融系统风险源识别与评价体系。利用风险矩阵对各种风险源进行评价，利用SOM神经网络对金融风险系统进行评价，从局部和总体两方面提供了一套完善、全面的风险管理方案。通过无线射频识别技术和大数据分析platform-Hadoop平台,构建管理信息系统可以执行三个核心功能:实时监控、分析和评估,和自动控制,这将有助于监管机构来实现整个过程全面的智能管理财务风险来源。
作者们感谢中国国家社会科学基金(资助:16FJL011)和中国政法大学(资助:14ZFG79002)。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[235969]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
