劉悅

摘要：商業(yè)銀行如何盡可能地利用自身資源，提高對(duì)信用風(fēng)險(xiǎn)的控制，更好地適應(yīng)經(jīng)濟(jì)新常態(tài)，已然成為銀行必然面臨的問(wèn)題。商業(yè)銀行信用風(fēng)險(xiǎn)是其所面臨的最關(guān)鍵的一種風(fēng)險(xiǎn)，故有必要測(cè)度銀行的信用風(fēng)險(xiǎn)。采用2016年16家上市商業(yè)銀行財(cái)務(wù)數(shù)據(jù)，借鑒國(guó)內(nèi)外研究，利用因子分析法，對(duì)銀行業(yè)信用風(fēng)險(xiǎn)進(jìn)行測(cè)度，并對(duì)這16家銀行作排名分析，為商業(yè)銀行信用風(fēng)險(xiǎn)防范提供參考。

關(guān)鍵詞：因子分析;商業(yè)銀行;信用風(fēng)險(xiǎn)

一、引言

隨著金融體制的深化改革，商業(yè)銀行的業(yè)務(wù)類(lèi)型也面臨著轉(zhuǎn)型，調(diào)整和變革經(jīng)營(yíng)模式，這種變化使商業(yè)銀行面臨更多風(fēng)險(xiǎn)，信用風(fēng)險(xiǎn)是商業(yè)銀行最關(guān)鍵的一種風(fēng)險(xiǎn)無(wú)疑在加大，其占銀行總體風(fēng)險(xiǎn)的60%左右[1]。目前信用風(fēng)險(xiǎn)度量方法較多，如KMV、Credit Metrics等動(dòng)態(tài)評(píng)估方法，但由于我國(guó)信用風(fēng)險(xiǎn)管理技術(shù)落后[2]，在實(shí)際中多數(shù)方法無(wú)法應(yīng)用，有必要建立適合新常態(tài)下我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)測(cè)度體系。

二、文獻(xiàn)回顧

國(guó)外對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)測(cè)度研究早有成就，信用風(fēng)險(xiǎn)測(cè)度模型包括傳統(tǒng)測(cè)量和現(xiàn)代測(cè)量?jī)煞N。常見(jiàn)傳統(tǒng)度量模型主要有：ZETA、MDA、Z-score及Logit模型等;而目前最流行也是研究最多的如Credit Metric、Credit Risk+、KMV、KPM等模型被歸類(lèi)于現(xiàn)代測(cè)量模型。

國(guó)內(nèi)學(xué)者關(guān)于商業(yè)銀行風(fēng)險(xiǎn)測(cè)度研究頗多。楊秀云和萬(wàn)言等分別用KMV模型對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)做實(shí)證分析，發(fā)現(xiàn)我國(guó)銀行業(yè)信用風(fēng)險(xiǎn)測(cè)度中KMV模型識(shí)別能力有限，模型所需指標(biāo)參數(shù)不穩(wěn)定，不適用于我國(guó)國(guó)情[3][4]。徐雨珊發(fā)現(xiàn)Credit Risk+ 模型所用的違約概率數(shù)據(jù)在我國(guó)尚不能實(shí)現(xiàn)[5]。也有學(xué)者利用主成分分析度量，如劉杰、黃楊朔等，但所選指標(biāo)缺乏全面性[6][7]。在此基礎(chǔ)上，本文引入非利息支出比率，此比率基本反映銀行取得收入所需付出的非利息支出，這一比值越低，則說(shuō)明銀行的非利息支出越少，賺取收入的能力將越強(qiáng)。本文用因子分析法構(gòu)建指標(biāo)體系，財(cái)務(wù)數(shù)據(jù)易得，更適合我國(guó)國(guó)情。

三、研究設(shè)計(jì)

（一）樣本選擇及數(shù)據(jù)來(lái)源

本文研究樣本為16家上市商業(yè)銀行，其在我國(guó)商業(yè)銀行體系中極具代表性。數(shù)據(jù)來(lái)自2016年商業(yè)銀行年度報(bào)告及國(guó)泰安數(shù)據(jù)庫(kù)，選取整理后，計(jì)算出這16家銀行評(píng)估信用風(fēng)險(xiǎn)的四大指標(biāo)，其中，資本充足率從每個(gè)銀行年度報(bào)告中搜尋，營(yíng)業(yè)支出比率與非利息支出比率為從財(cái)務(wù)報(bào)表中搜尋數(shù)據(jù)后手工整理，使用stata14進(jìn)行數(shù)據(jù)分析。

（二）變量選取

見(jiàn)表1。

四、實(shí)證分析

（一）數(shù)據(jù)的檢驗(yàn)

KMO檢驗(yàn)接近于1，說(shuō)明變量之間偏相關(guān)關(guān)系更強(qiáng)，所選取數(shù)據(jù)更適合運(yùn)用因子分析法，KMO值大于0.6以上適合。KMO結(jié)果為0.6316，大于0.6，適合作因子分析。

（二）因子數(shù)的確定

從結(jié)果看出，前3項(xiàng)因子特征值大于 1，發(fā)揮主要作用，且累計(jì)的方差貢獻(xiàn)率為 90.32%，一般情況應(yīng)該選取累計(jì)方差貢獻(xiàn)率達(dá)到85%為合適，此結(jié)果大于 85%，故可認(rèn)為前 3 項(xiàng)因子即可反映所有指標(biāo)整體水平，發(fā)揮主要作用。

（三）因子的命名

在確定提取共同因子個(gè)數(shù)后，需依據(jù)因子的不同特點(diǎn)進(jìn)行命名，為盡可能降低主觀(guān)因素對(duì)其影響，處理獲得旋轉(zhuǎn)后因子載荷矩陣，由于篇幅限制表格省略。

Factor1主要反映資產(chǎn)利用率、營(yíng)業(yè)支出比率、非利息支出比率。資產(chǎn)利用率衡量商業(yè)銀行資產(chǎn)利用效率，營(yíng)業(yè)支出比率反映經(jīng)營(yíng)者獲取一定收入所耗費(fèi)的支出，這兩個(gè)比率體現(xiàn)銀行經(jīng)營(yíng)能力。非利息支出率體現(xiàn)銀行取得收入所需付出的非利息支出，也體現(xiàn)銀行控制成本的能力，因此將 F1命名為經(jīng)營(yíng)能力因子;

Factor2主要反映股權(quán)乘數(shù)、營(yíng)業(yè)凈利率、資產(chǎn)利潤(rùn)率、資本充足率。股權(quán)乘數(shù)反映經(jīng)營(yíng)者運(yùn)用股權(quán)的能力，營(yíng)業(yè)凈利率顯示銀行的獲利能力，資產(chǎn)利潤(rùn)率表明銀行運(yùn)用所有資產(chǎn)賺取利潤(rùn)的能力。資本充足率可用于衡量商業(yè)銀行運(yùn)用自有資本承受損失的能力，關(guān)乎銀行經(jīng)營(yíng)安全，間接影響銀行盈利能力，因此將 F2定為盈利能力因子;

Factor3主要反映人民幣存貸比例、撥備覆蓋率。人民幣存貸比例反映銀行所持有的流動(dòng)性，撥備覆蓋率反映銀行的風(fēng)險(xiǎn)可控程度和財(cái)務(wù)穩(wěn)健程度，體現(xiàn)銀行的安全程度，因此將 F3定為安全能力因子。

（四）因子計(jì)算

求出因子得分系數(shù)矩陣（在此只列舉一個(gè)）。

F1=-0.27552X₁+1.37460X₂-0.46925X₃+ 0.44533X₄+0.40455X₅+0.21788X₆+0.08118 X₇-0.04790X₈-0.00426X₉+0.02969X₁₀

得到 3 項(xiàng)因子得分后，根據(jù)各因子方差貢獻(xiàn)率，計(jì)算商業(yè)銀行綜合得分，計(jì)算方法為：

F=0.4816·F1+0.2434·F2+0.1782·F3

（五）計(jì)算得分值

根據(jù)上述公式求出各銀行信用風(fēng)險(xiǎn)綜合得分，銀行得分高，信用風(fēng)險(xiǎn)則低。結(jié)果如表2：

五、結(jié)論與建議

在表2中16家銀行得分都是負(fù)數(shù)，得分正負(fù)表示某銀行和平均水平的位置關(guān)系，平均水平為零點(diǎn)。從結(jié)果看出，興業(yè)銀行信用風(fēng)險(xiǎn)最大，排在首位;民生銀行排名第二，寧波銀行占據(jù)第三，四大國(guó)有銀行名次較靠后。四大國(guó)有銀行的信用風(fēng)險(xiǎn)較低，主要是由于國(guó)家政策扶持下，其經(jīng)營(yíng)能力、盈利能力、安全能力有一定的保障。另外，安全能力方面，平安銀行、北京銀行、招商銀行較強(qiáng)。

綜上，文章所選指標(biāo)測(cè)度銀行信用風(fēng)險(xiǎn)比較合理。因此，銀行信用風(fēng)險(xiǎn)測(cè)度對(duì)儲(chǔ)戶(hù)來(lái)說(shuō)發(fā)揮一定的實(shí)際作用。商業(yè)銀行要加強(qiáng)信用風(fēng)險(xiǎn)管理，提高經(jīng)營(yíng)能力與盈利能力，安全能力才能更有保障，進(jìn)而提高銀行的抗風(fēng)險(xiǎn)能力。

參考文獻(xiàn)：

[1]王英姿，王光偉.商業(yè)銀行信用風(fēng)險(xiǎn)度量模型的演進(jìn)及實(shí)踐研究[J].財(cái)會(huì)通訊，2012 （2）：148-150.

[2]周敏，李世玲，張富堂.數(shù)據(jù)組合處理方法在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)測(cè)量與控制，2006 （07）：939-941.

[3]楊秀云，蔣園園，段珍珍.KMV模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理中的適用性分析及實(shí)證檢驗(yàn)[J].財(cái)經(jīng)理論與實(shí)踐，2016，37 （01）：34-40.

[4]萬(wàn)言，李俐莎.商業(yè)銀行信用風(fēng)險(xiǎn)度量實(shí)證分析——以16家上市銀行為例[J].財(cái)會(huì)通訊，2012 （23）：121-123.

[5]徐雨珊.Credit Risk～+模型及其對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理的適用性[J].商場(chǎng)現(xiàn)代化，2018 （08）：115-116.

[6]黃楊朔，王玉峰.基于主成分分析法的商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)與控制[J].財(cái)會(huì)通訊，2016 （05）：96-97.

[7]劉杰.基于主成分分析的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)研究[J].中國(guó)集體經(jīng)濟(jì)，2009 （31）：83-84.