基于随机线性规划的银行资产负债管理模型优化及实证研究.doc

1、基于随机线性规划的银行资产负债管理模型优化及实证研究作者姓名： 常钟文 指导教师： 高 莹 副教授 单位名称： 工商管理学院专业名称： 金融学东北大学2010年06月Optimization of commercial bank Asset-liability management based on Stochastic linear programming model and Empirical studyBy Chang Zhong WenSupervisor: Associate Professor Gao YinNortheastern UniversityJune 2010毕业设计（

2、论文）任务书毕业设计（论文）题目：基于随机线性规划的银行资产负债管理模型优化及实证研究设计(论文)的基本内容：通过对资产负债管理方法进行分析，寻找合适的建模方法，并将在此方法的基础上对银行资产负债管理模型进行优化。得出优化模型之后，对其进行实证分析，通过数据选取、情景生成对模型求解，以得出相应结论和针对结论提出相关建议。毕业设计（论文）专题部分：题目： 设计或论文专题的基本内容：学生接受毕业设计（论文）题目日期第3周指导教师签字：年月日基于随机线性规划的银行资产负债管理模型优化及实证研究摘 要20世纪，为了实现全面系统地进行风险管理，特别是对于银行的利率风险的管理，西方商业银行逐步形成了主宰银

3、行业资金管理的资产负债管理体系。近年来，随着金融市场波动性加剧，银行业务的复杂性随之增加，同时新巴塞尔协议的提出和2008年的金融危机都对银行资产负债管理体系提出了更高的要求，因此开展对资产管理领域的深入研究无疑对我国银行界和学术界具有重大实践意义。建立符合我国国情的商业银行资产负债管理模型成为一个重要命题。随着资产负债管理方法的发展，随机规划成为解决动态资产负债管理问题的一种行之有效的方式。本文以我国的经济环境为基础，在合适的约束条件下，建立了一个具有一般性的符合我国商业银行情况的资产负债管理多阶段随机线性规划模型，以研究在不确定环境下银行的资产负债管理问题。本文将向量自回归(VAR)和一阶

4、自回归运用到随机规划模型中生成情景，并结合历史数据，使用Eviews软件和Lingo软件对该模型进行了实证研究。通过实证研究发现本文所建立的模型具有一定的参考意义和实践价值。关键词：资产负债管理；随机线性规划；向量自回归（VAR）；情景生成Optimization of commercial bank Asset-liability management based on Stochastic linear programming model and Empirical studyAbstractIn order to achieve the goal of comprehensive and

5、 systematic risk management, especially for the bank interest rate risk management, Western commercial banks gradually developed an asset liability management system in 20th century. In recent years, as financial market volatility increased, the complexity of banking business increased as well. At t

6、he same time, the proposal of Basel II and the occurrence of 2008 financial crisis put higher demands to Assets and Liability Management system. Thus, developing ALM study in depth is undoubtedly of great practical significance for banking and academia of China.With the development of asset and liab

7、ility management technology, stochastic programming became an effective way for dynamic asset-liability management problem. In this paper, based on our economic environment, we establish a multi-period stochastic linear simple recourse model which is fit for our country to study bank asset and liabi

8、lity management under uncertainty. We use Vector Auto Regression(VAR) to generate scenarios in this stochastic programming model and use Eviews and Lingo to do empirical study of the model. The empirical study indicates that the optimal model has certain practical value for reference.Key words: Asse

9、t and liability management; stochastic linear programming; Vector Auto Regression(VAR); scenario generation东北大学毕业设计（论文） 目录目 录毕业设计（论文）任务书I摘 要IIAbstractIII第1章 绪论11.1 选题背景及意义11.2国内外研究进展31.2.1国外研究进展31.2.2国内研究进展51.3本文内容7第2章 相关理论及模型回顾92.1资产负债管理概述92.2资产负债管理方法102.3随机规划122.4商业银行资产负债管理的理论模型132.4.1简单补偿的多阶段随机线性

10、规划模型132.4.2 Kuzy-Ziemba银行资产负债管理随机规划模型14第3章 银行资产负债管理模型优化193.1模型假设193.2变量分类和定义193.2.1控制变量193.2.2决策变量203.3.3确定性参数203.2.4随机性参数203.3模型建立213.3.1目标函数213.3.2约束条件223.3.3最终表达式23第4章 实证研究254.1数据选取254.2情景生成254.2.1短期存款利率和中长期存款利率情景生成264.2.2债券收益率情景生成274.2.3短期贷款利率和中长期贷款利率情景生成274.2.4短期存款流和长期存款流情景生成304.3模型求解324.4模型结果分

11、析33第5章 结束语355.1主要结论355.2相关建议355.3局限及展望36致谢37参考文献39附录43- 49 -东北大学毕业设计（论文） 第1章 绪论第1章 绪论1.1 选题背景及意义随着科技的迅猛发展，金融业不论是从结构还是产品种类上比之从前都有了长足改变。金融市场的波动性更是日益加剧，银行对各种风险的敏感性增大，为了实现全面系统地进行风险管理，特别是对于银行的利率风险的管理，西方商业银行逐步形成了资产负债管理(ALM)体系。旨在使银行以有限的现金，在兼顾安全性(Safety)、流动性(Liquidity)、盈利性(Profitability)的情况下，进行最适当的资产配置(Asse

12、t Allocation)。近年来，国外金融界和学术界纷纷致力于资产负债管理相关领域的研究，对ALM体系问题的研究和探讨不断深入，新的研究模型和方法层出不穷，国外银行资产管理方式从形式到内容都有了更深层次的变化。资产负债管理在银行的经营管理中的作用也变得日益突出。随着资产负债管理体系的发展和完善，银行资产负债管理所涉及的内容在不断延伸。银行资产负债管理一般分为两种，一种是狭义上的资产负债管理，主要是指在利率波动的环境中，通过策略性改变利率敏感资金的配置状况，来实现银行的目标，或者通过调整总体资产和负债的持续期，来维持银行正的净值；另一种是广义上的资产负债管理，是指为规避各种风险，增强流动性以及

13、提升银行市值，基于法律法规和市场等约束下，按一定的策略进行资金配置动态规划来实现流动性、安全性和盈利性等的目标组合1。最近几年，新巴塞尔协议的提出和经济形势的发展又对银行资产负债管理提出更高要求。新巴塞尔协议希望通过结合有效的银行管理、加强市场约束和监管来实现金融体系的稳定性和安全性，由三大支柱组成：一是最低资本要求，二是监管当局对资本充足率的监督检查，三是信息披露。新巴塞尔协议提高了对银行管理尤其是资本充足率和金融产品安全性的监管要求，拓展了对风险的认识，不再以考虑信用风险为主，而是几乎涵盖了银行所面临的一切风险，并且对各种风险都规定了相应的资本标准要求。2008年金融危机中，新巴塞尔协议暴

14、露出种种缺陷，但大多数监管机构仍然对新协议保持支持态度，原因在于：第一，新协议三大支柱下的规定较为完整，第一支柱提出了包括信用衍生品和资产债券化在内的全面资本要求；第二支柱鼓励银行提高风险监管技能，以更好地评估银行的特有风险；第三支柱对市场约束的规定提高了包括债券化和风险削减在内的信息披露的数量和质量。第二，新协议的资产债券化框架提高了对银行资产债券化风险暴露的监管资本要求，减少了高风险资产债券化所带来的资本不充足情况，并在第一支柱下提出了包括债券化资产风险暴露在内的银行须持有资本数量的几种计量方法2。尽管我国尚没有开始实施新巴塞尔协议，但是从新协议在欧洲、美国的实施情况以及新协议在次贷危机后

15、的发展争议可以看出，我国银行业必须正视实施新协议所带来的风险与挑战。随着全球经济一体化的加速进行，面对国际银行业的咄咄逼近，这一问题就显得更加突出和紧迫。随着金融市场波动性的加剧，金融机构受到各种因素波动的影响加大，2008年美国次贷危机引发的全球性金融危机再次为银行的风险管理敲响警钟，而当前银行经营风险呈现多元化、复杂化趋势，构建合理、合适的商业银行资产负债管理模型的重要性可见一斑。随着改革开放的进一步发展，中国与国际接轨的趋势势不可挡，我国的商业银行风险管理和资产负债管理也正处在与国际接轨的关键阶段，开展对资产管理领域的深入研究无疑对我国银行界和学术界具有非常重要的实践意义。综上所述，无论

16、是从银行资产负债管理的重要性而言，还是从新巴塞尔协议的提出和金融危机的发生而言，还是从建立符合我国经济情况和政策的商业银行资产负债管理模型对商业银行和学术界的重大意义而言，构建一个具有一般性、符合我国国情的业银行资产负债管理模型非常重要。1.2国内外研究进展1.2.1国外研究进展国外银行界和学术界构建随机资产负债管理模型理论的方法从20世纪六七十年代开始活跃。其中在20世纪六十年代出现了简单补偿的随机线性规划模型，每个随机变量的实现都分别由一个约束条件来处理。该模型结构构思的困难以及计算困难，成为了20世纪六十年代和七十年代利用这种方法的障碍。但是，随着计算机产业的迅猛发展，更复杂的简单补偿随

17、机线性模型逐渐发展起来，有的通过使用专门算法更快地解决问题，有的可以使用现存的线性规划求解程序使得模型更加简单易懂。最初由Charnes和Thore（1966）以及Charnes和Littlechild（1968）发展的机会约束规划。Pogue和Bussard（1972）建立了一个十二个计划期的机会约束模型，模型假设现金需求随机，最大的缺陷是当约束条件满足程度不同时模型不能做相应的调整3。Markowitz（1959）的投资组合理论可以在一个单独的投资计划期里用变量衡量风险。Pyle（1971）在他的模型里将Markowitz的理论运用在银行选择资产和负债的水平，旨在整个期间里保持相当水平。然

18、而，他的模型缺乏银行管理的关键方面：资产负债平衡4。Brodt（1978）改编了Markowitz的理论，并提出一个有效的动态平衡表管理计划，使得在一个多个计划期里给定风险下的利润最大化5。最初由Wolf（1969）建议的序贯决策理论方法。Bradley和Crane（1972）是用这种方法发展了一个债券组合管理模型。序贯决策理论最重要的缺点是所有的资产组合策略都应该一一列举以获得最优解决方案6。Eppen和Fama（1971）使用动态规划方法为3个资产问题建模。尽管利用这些模型成功地处理了银行资产负债平衡表管理中的动态和不确定问题，但是当包含很多项资产和负债时，由于计算困难，它们应用有限7。C

19、ohen和Thore（1970），Booth（1972）和Crane（1971）利用简单补偿的随机线性规划模型方法，在其中加以有限的可能结果和时间期间8,9。 Derwa（1972）,Robinson和Grubmann（1987）关于仿真模型的报告成功地在不同金融机构实施。虽然这些模型可以为银行经理更好地理解，但是其实际用途有限，因为它们只能处理为数不多的情况10,11。Kallberg等（1982）针对一家公司的融资问题建立了一个简单补偿随机规划模型，并成功运用到温哥华城市储蓄信贷协会，做未来五年的投资计划。目标函数是最大化银行利润减去惩罚成本，模型的约束条件包括体现了相关的法律对银行经营方

20、面的规定的约束，y银行初始状态、资金的来源和运用的预算约束，满足存款体现需求的流动性和杠杆率约束，以及经营政策约束和存款流约束12。Kuzy和Ziemba（1986）使用一个多期简单补偿随机线性规划来为银行业资产负债管理建模。归功于该模型的范围和内容，他们的模型可以作为一个此方面研究的里程碑。这种模型的解决方法可以通过使用Kallberg和Kuzy（1976）编写的一种专用码来获得13。Mulvey（1989）和Valdimirou（1992）利用网络结构方法来处理金融问题，但因模型规模过小，很难用来处理实际规模的金融问题14。Zenios（1992）、Hiler和Eckstein（1993）

21、，Golub（1995）等建立在收入固定条件下的资产组合最优化模型，运用抽样方法生成利率，并运用最优化方法得到模型的解15。Carino（1994）等针对保险公司资产负债管理中出现的不确定性问题建立了RusselYasuda Kasai模型，目标函数是满足高收益条件下公司的长期价值最大化。据报道，处理这种模型的时候使用了并行计算机16。Cemal Berk Oguzsoy和Sibel Guven（1996）建立了一个简单补偿的多阶段随机线性规划模型。该模型被应用于土耳其某商业银行，是多期线性规划模型成功运用的一个典范17。Giorgio Consigli（2000）等建立了一个动态金融资产负债

22、管理的一般模型计算机辅助的资产负债管理模型，构建了一个具有普遍意义的计划期较长的模型框架。该模型可以根据具体情况和计算机软硬件条件进行改进，使模型能够更好地适应和符合真实状况，可以适应金融风险控制要求严格的公司，如银行和跨国控股公司18。Pieter Klaassen（2002）用迭代非聚合算法来求解多阶段随机规划模型，用从基础分布中随机抽取生成的方法来近似描述不确定性19。1.2.2国内研究进展程迎杰和秦成林（2000）建立了一个带有简单补偿的商业银行负债管理多阶段随机规划模型，该模型假设资产投资回报率和资金借入成本是确定的，而随机存款流是不确定的，在资本风险约束、流动性风险约束和利率风险约

23、束的条件下，在一个计划期内选择资产和负债投资组合20。刘红平（2001）分析了商业银行资产负债持续期模型，给出了四种活期储蓄持续期的计算方法，以及资产负债结构受利率的影响程度，同时结合我国某商业银行的实际情况，分别应用资产负债比例管理方法和持续期模型对其进行实证分析，并提出了应对利率波动的措施21。庄新田和黄小原（2001）为实现银行资产流动性、安全性和盈利性之间的均衡，运用银行资产负债管理理论方法，建立了由两个子模型资产负债结构和信贷风险控制组成的银行资产负债管理模型，对优化方法进行了分析，并进行了仿真计算。其第一层子模型以满足银行法律法规和银行监管为约束条件，以最大化资产盈利为目标，得到最

24、优资产配置。其第二层子模型从信贷风险产生的根源，对企业破产概率进行研究，建立了基于生存函数的信贷风险控制模型22。赵文杰（2003）用风险收益权衡分析方法研究资产负债管理，资产负债管理包括优化资产负债组合，最优定价金融产品，最佳风险控制和利润最大化23。史长林（2006）对免疫管理技术、风险价值技术和动态技术这三方面在资产负债管理中的应用分别进行研究，并对其进行一一比较，结合国内实际情况进行了实证研究24。潘莹（2006）在假设的不确定利率环境下建立了资产负债管理随机规划模型，结合利率期限结构和金融资产定价理论，探讨了如何更好的解析利率和资产价格的不确定性25。金秀、黄小原和冯英洁（2007）

25、建立了带有简单补偿的银行资产负债管理随机线性规划模型。其结合我国实际的经济环境，考虑了未来银行资产收益以及存款流的不确定性。以浦发银行为研究对象，和实际情况进行比较，得出以下结论：通过模型优化，较好地规避了不确定性风险，所得收益要高于实际收益26。高莹，张瑞德和刘洋（2007）在简单补偿的多阶段随机线性规划模型的基础上，结合我国银行业的风险承受能力和资本监管的客观约束条件，提出来一个适合我国国情的资产负债管理模型，并利用此模型从银行业整个行业的角度进行了实证研究27。张海明（2007）用目标规划的方法建立了商业银行全面资产负债管理模型，该模型可以针对商业银行面临的信用风险、利率风险以及流动性风

26、险这些最重要的风险进行模拟28。李宇红（2007）系统性地综述了随机规划在保险领域的运用和发展，并结合我国的金融改革和实践，构造了随机规划模型，纵向对比分析资产负债管理的传统理论和最新发展29。张国龙（2007）建立了一个兼具实用性和代表性的动态资产负债管理模型框架，在这一框架下可以处理大规模的生成，以符合满足精度和稳定性的要求，又能够体现出风险规避的特征，同时模型还可以修改和扩充，以和特定投资机构的要求30。谢远涛，高晓斐，杨娟（2008）通过建立动态优化模型以求得资金运用约束、清偿力约束和资产增值公式约束下给定的最小化的养老金保险成本，尝试建立了一个有显式解的动态规划模型，找出显式解并分析

27、其均衡解的动态特征。该模型把许多诸如投资组合的不确定性变量拿到模型外面建模实现，回避了封闭性的要求，抛弃了有限状态的假定，避免了转化为线性规划问题所产生的巨大计算量，甚至还存在均衡解，利用这个均衡解可以轻易调整资产配置额来实现长期稳定均衡31。王际科，迟国泰，洪忠诚（2009）以资产组合收益率的波动为标准反映风险，在既定的组合收益率下，以组合风险最小为目标，以VaR风险收益率为约束，以法律、法规和经营管理约束为条件，建立了银行资产负债管理优化模型。该模型的特色与创新为以收益率最大损失的形式、而不是收益额的形式来反映VaR，使组合决策更为方便；运用资产负债管理比率建立约束条件，控制流动性风险；以

28、VaR约束保证既定收益率选取的合理性,使资产配给的风险限定在银行的承受能力范围内32。刘艳萍，涂荣，迟国泰（2010）用信用风险溢酬修正现金流的贴现率，构造了基于信用风险久期免疫条件；以组合收益最大为目标函数,建立了基于信用风险久期免疫的资产负债组合优化模型。通过建立信用风险久期的免疫条件匹配银行的资产与负债，回避了利率风险和信用风险对银行所有者权益的影响；通过用反映违约风险的贴现率表述信用久期函数，揭示了信用风险对久期的影响；通过看跌期权公式建立了贴现率与违约风险的函数关系，揭示了违约风险对贴现率的影响33。1.3本文内容本文结构安排如下。第1章为绪论，主要阐述了对我国商业银行资产负债管理模

29、型进行优化使之符合我国国情的原因和意义，并简要介绍了国际银行资产负债管理模型的发展动态，以及我国商业银行资产负债管理模型相关的研究。第2章为相关理论及模型回顾。首先系统性阐述了资产负债管理的发展阶段，然后列举出资产负债管理的研究方法，通过对研究方法的分析比较，选择出最合适解决不确定性问题的随机规划方法来研究资产负债管理，并且选择随机规划中非常适合运用于金融领域的补偿模型来进行建模，最后，因为Kuzy和Ziemba（1986）所建立的商业银行资产负债管理模型非常经典并且具有里程碑意义，因此列举出了Kuzy-Ziemba多阶段随机规划模型。第3章为银行资产负债管理模型优化，在Kuzy-Ziemba

30、多阶段随机规划模型基础上，根据我国现阶段商业银行的情况，对其进行优化，使之成为适合我国银行业的模型。该模型建立在一系列符合我国银行业的假设之上，考虑了未来收益的不确定性、未来存款流的不确定性以及存款储备金的重要性，并对模型的约束条件进行了相应修改。第4章为实证研究，对基于随机线性规划的商业银行资产负债管理的优化模型进行实证研究，以浦发银行为实证对象。在数据选取之后，对模型中需要生成情景的序列进行分析，选择出比较合适的方法来进行情景生成。生成情景之后，对模型进行求解。对序列进行分析是使用Excel和Eviews6.0计量软件完成的，情景生成过程是在Eviews6.0计量软件中实现的，模型的求解过

31、程是在Lingo9.0软件中实现的。第5章为结束语，是对全文的总结，包括对该模型实证结果进行分析得出结论，指出模型的局限性以及对未来的展望。东北大学毕业设计（论文） 第2章 相关理论及模型回顾第2章 相关理论及模型回顾本章对相关理论及经典模型进行了回顾，首先系统性阐述了资产负债管理的发展阶段以及研究方法，通过对研究方法的分析比较，选择出最合适的随机规划方法来进行建模，并且列举出具有里程碑意义的Kuzy-Ziemba多阶段随机规划的银行资产负债管理模型。2.1资产负债管理概述资产负债管理是银行以利润最大化为目标，运用一定的策略对资产负债结构进行合理配置，来保证银行资产的安全性、流动性和盈利性的管

32、理方法。它强调银行管理层应尽可能地对资产与负债的数额、组合比例和收益或成本进行控制以实现银行的目标，对资产的管理控制必须与对负债的管理控制协调起来，使资产负债管理具有内在协调性，控制面临风险的可能性34。银行资产负债管理经历了三个发展阶段。首先是上世纪五十年代左右的银行资产管理阶段，当时西方商业银行的负债来源单一，范围狭窄，国际金融市场欠发达，资金渠道有限，银行经营思想和风险管理理念注重的是资产管理，即银行主要决策领域并非存款和其他负债而是资产。其次是上世纪六十年代的负债管理阶段，当时资金来源出现紧张局面，而西方经济持续繁荣，商业银行面临巨大的贷款需求，为创造更多的利润，西方银行开始倾向于开发

33、新的筹资渠道、监控存款与非存款型负债的组合与成本，因而在经营理念中更加重视负债管理。主要调控手段是利率和银行的负债营销战略。第三是上世纪七十年代中期开始的全面资产负债管理阶段。当时商业银行面对金融市场利率的剧烈波动，不得不引入诸多新技术，其目的在于识别、计算、控制表内外头寸，控制利率风险等经营风险。其继承了前期银行资产管理阶段和负债管理的相应职能需求，但更重视银行资产和负债管理的综合均衡以及科学管理。因此，国外银行界积极寻求科学合理的银行资产管理技术、方法和模型，以有效地实现银行利润控制和价值创造流程的顺利延展。这些因素最终催生了今天主宰银行业的资产负债管理方法。2.2资产负债管理方法一个基本

34、的资产负债管理模型是由具体的评价目标或者财务目标、各种限制约束条件以及相应的计算方法组成的。大多数早期的资产负债管理模型一般比较简单，模型中变量较少，一般只能解决短期问题或者能以公式明确表示出来的多阶段问题。但是随着实际的需要，资产负债管理方法不断得到完善和提高，目前主要有现金流量匹配（Cash Flow Matching）、缺口分析（Gap Analysis）、久期匹配（Duration Matching）、动态财务分析（Dynamic Financial Analysis）以及随机规划（Stochastic Programming）等资产负债管理方法。(1)现金流匹配（Cash Flow

35、Matching）现金流匹配的基本框架是通过购买债券资产组合，使得每一时期从债券获得的现金流入与该时期约定的现金流出在时间和数量上保持一致，以此避免再投资风险。这种方法的局限性在于，一方面是如果想要实现现金流匹配，就必须要能够准确预测资产和负债两方面的现金流发生的时间和规模，而这对于实际经营来说基本上是无法做到的；另一方面是即使建立起了资产和负债之间的现金流匹配，这也会对公司经营产生过分的束缚，在强调现金流匹配的同时却会降低运营的灵活性。(2)缺口分析（Gap Analysis）缺口分析在本质上是利率风险管理。在资产负债管理中，净利息收入是银行利润的重要来源，因此利率的变化对银行的盈利性起着主

36、导作用。利率敏感性缺口是指一定时期内需要重新确定利率的资产减去该时期内需要重新确定利率的负债，如果前者大于后者，则此时为利率敏感性正缺口，反之则为利率敏感性负缺口。当利率上升时，资产收益的增长会快于资金成本的增加，这样利差就会增大，此时的正缺口对商业银行有利；而当利率下降时，会减少利差，此时的正缺口对商业银行不利。负缺口的情况正好与此相反。因此，缺口分析就是银行通过对资产负债结构的调整来减轻利率波动带来的影响，并赚取利润。缺口分析的优点是易于解释和理解，但缺口分析属于短期分析和静态分析，并且它忽略了现金流量的时间变化，因此具有一定的局限性。(3)久期匹配（Duration Matching）久

37、期匹配（或称免疫）法是指在资产组合中将资产与负债的利率风险相匹配，同时它考虑到银行的现金流量和市场价值，在一定程度上弥补了缺口分析的缺陷。久期指的是以现金流量的折现值为权重计算的一项金融工具或全部资产组合的加权平均偿付期。使用久期匹配可以来管理利率期限结构曲线形状变动等引起的现金流量的波动风险、流动性风险及信用风险。由于久期随利率的波动而变化，因此即使最初资产与负债的久期是匹配的，随着利率的变化它们的久期就可能不再匹配，为此学术界提出“有效久期”的概念。有效久期依赖于资产价格相对于利率变化的变动率，这个变动率由其凸性衡量。也就是说，金融机构为确保资产负债的匹配，不仅要求资产负债的久期匹配，而且

38、通过控制资产和负债的凸性，要求资产和负债的久期和凸性的匹配，来更精确地规避风险。(4) 动态财务分析（Dynamic Financial Analysis）动态财务分析是近年来从财产保险公司发展起来的资产负债管理实用工具。动态财务分析从公司整体出发，旨在考察在不同情景或战略决策下，公司的经营业务、竞争状况以及外部经济环境等因素的改变对公司经营结果会造成怎样的影响，公司是否仍然能够保持正常经营，以及公司经营目标是否能够实现。该方法所涉及的风险范围已不再局限于某种单个的或局部的风险，而是从长期的角度动态地、全面地分析整个经营状况。然而，错误的假设会导致动态财务分析方法错误的结论，而且一旦忽略了一些

39、重要的财务目标，人们必须反复改进模型以产生合理的资产负债管理策略。(5)随机规划（Stochastic Programming）随机规划的模型适用于大范围的计划问题，可以应用于电信、电力管理以及财务管理等诸多方面，尤其是在金融领域，随机规划模型得到了成功的运用。在金融领域中，随机规划模型中的决策期表示的是交易期，即决策者重新分配其资产组合的时期，投资者会根据不同资产的不同收益率而更新他们的最优投资组合。进入21世纪以来，随着计算机技术的发展，随机规划模型能够处理包含更多不确定性变量更多复杂的资产负债管理问题，因此逐渐被众多金融机构所采用，发展出适用于不同金融机构的随机规划方法35。通过对以上五

40、种资产负债管理方法的分析和比较，再纵观国外资产负债管理理论研究现状与发展趋势，这一领域研究所采用的技术方法，以及实践应用的关键问题和研究难点，可以看出，目前随机规划已经成为国外研究金融机构资产负债管理的主流方法。随机规划在解决复杂大型问题方面具有极大的优势，能够很好的反映出问题的不确定性的特点，可以有效地对应金融市场中存在的各种不确定因素。与国外资产负债管理理论清晰的发展轨迹和较为完善的理论体系相比，国内资产负债管理理论研究落后于国外先进水平有几十年的差距。面对我国金融市场愈加开放的环境，不确定因素的显著增加，在我国金融机构内部很有必要建立起适合于自身情况的有效的随机规划方法资产负债管理模型。

41、因此，本文选择随机规划方法建模，接下来本文将对随机规划的相关理论进行简单的阐述。2.3随机规划在十九世纪五十年代中期，Dantzig（1955）和Beale（1955）第一次阐明随机规划模型是数学规划模型。随机规划是处理随机性数据的一类数学规划，其与确定性数学规划最大的不同在于其系数中引进了随机变量，这使得随机规划比起确定性数学规划更适合于实际问题。在管理科学、运筹学、经济学、最优控制等领域，随机规划有着广泛的应用。对资产负债管理者来说，随机规划模型主要是通过运用事件树、生成情景等，为金融机构的资金配置提供一个描述未来资产价格、收益和风险等不确定性因素在某种概率条件下的变动趋势的分析框架。金融

42、机构在处理资金配置时会面临复杂的限制条件，由于随机规划模型和方法采取了一些更接近现实的假设，并提供了一种动态方法来解决多期资金配置中的问题，因此它可以在一个框架中同时处理交易成本、多元状态变量、市场不完全性、税收和交易限制，监管限制、公司政策要求等多因素问题，从而为金融机构大批量地处理和分析多种不确定因素的影响提供了可能性。随机规划的基础模型为预期模型和适应模型，其中更为普遍的是补偿模型，这种模型非常适用于金融领域。随着随机规划模型的发展，多阶段随机规划模型越来越引起人们的关注，因为它能被有效地用来支持不确定性下的决策过程。2.4商业银行资产负债管理的理论模型2.4.1简单补偿的多阶段随机线性

43、规划模型带有简单补偿的多阶段随机线性规划模型的一般模型如下：， (2-1)s.t. 假定随机变量是一个有有限种可能结果的离散变量，此时n阶段带有简单补偿的多阶段随机线性规划模型可以简化为：， (2-2)s.t.， (2-3)， (2-4)， (2-5)其中，下标分别表示离散随机变量、离散随机变量发生的现实、确定型约束条件、变量；分别表示短缺和溢出，分别表示相应的惩罚；分别表示第个随机变量的第个现实发生的概率以及发生；分别表示第个变量在第个确定性约束条件、第个随机性约束条件及目标函数中的系数。2.4.2 Kuzy-Ziemba银行资产负债管理随机规划模型Kuzy和Ziemba（1986）所建立的

44、多阶段随机规划的银行资产负债管理模型作为资产负债管理研究方面的里程碑，现在依然具有重大的参考意义和价值。本文将立足于Kuzy-Ziemba的银行资产负债管理多阶段随机规划模型，并对其作出进一步的改进和优化以符合我国的商业银行的实际情况。Kuzy-Ziemba银行资产负债管理随机规划模型如下。 (1)模型基本结构模型的目标函数：最大化银行利润减去预期惩罚成本后的净现值。模型的约束条件：1)法律约束，相关法律对银行经营方面的规定；2)预算约束，包括银行资产初始状态和资金的来源与运用等；3)流动性和杠杆率约束，满足存款提现需求；4)经营政策约束，各类资产负债的约束比率由银行根据自身情况确定，不同银行

45、间约束比率不同；5)存款流约束。 (2)变量定义和参数说明表示在第期内购买到的第期售出资产的数量，；表示资产的初始持有量；表示在第期内买入的、持有期大于模型计划期的资产的数量；表示第期新增加的类存款，；表示类存款初始持有量；是第期借入的资金数量；是随机约束中第期的短缺量；是随机约束中第期的盈余量；是相应于的惩罚率；是相应于的惩罚率；表示在经济运行正常的情况下，在第期内买入的类资产在第期内的变化量；表示在经济运行不好的情况下，在第期内买入的类资产在第期内的变化量；是资产的交易费用比率，资产是在第期买卖的资产；是第期内买入的类资产的回报率；是第期资本利得（损失）的税率；是第期收入的边际税率；是在第期内买入的，在第期内卖出的资产的比例资本利得（损失）；是在经济运行不好的情况下，预期的类存款提现比例；是类存款利率；是第期折现到第0期的折现率；是表示英格兰哥伦比亚信用联盟法所规定的资产类集；是资本充足性公式中限定的一二级资产；是资本充足性公式中限定的风险最小的资产；是资本充足性公式中限定的风险中级的资产；是第期中的资产覆盖不到的潜在提现的罚息；是第期中的资产覆盖不到的潜在提现提出的流动准备金；是第种抵押资产；是在第期随机约束的离散随机变量，为一组随机约束。 (3)模型公式1)目标函数 (2-6)2)约束条件法律约束, (2-7),