基于EVA模型我國城市商業銀行價值評估
——以NB銀行為例

在金融改革的浪潮中，互聯網金融異軍突起，迅速發展，對傳統金融業造成了極大的經營壓力與恐慌。其中，電子貨幣以參與度更高、協作性更好、中間成本更低、操作上更便捷等特點，逐步影響著傳統銀行?；ヂ摼W金融模式的出現，給商業銀行業帶來了巨大的挑戰和風險。商業銀行要想在這場變革中屹立不倒，關鍵是對商業銀行進行科學的估值，以及如何提升商業銀行價值。

岳嵐和丁明（2012）認為，相對于廣泛使用的DCF（折現現金流）估值方法，EVA（經濟增加值）估值是基于企業利潤進行的估值，其估值結果不會受到現金流跳變影響，更接近于公司的內在價值。

吳世農（2002）對我國292家上市公司的β系數進行預測性研究，發現經營杠桿、現金股利支付率、盈利變動性、主營收入增長率、凈資產收益率、年振幅和歷史β系數是影響β系數的主要因素。孫嘉琦和呂善利（2011）檢驗了14家上市銀行2008年的截面數據，研究結果表明：β系數與核心資本充足率、流通規模呈顯著負相關，與不良貸款率、每股經營活動現金流量、每股凈資產呈顯著正相關，但并未進一步研究宏觀因素對銀行股β值的影響，且研究樣本數據較少。周光友（2007）、王亮和張磊（2013）通過實證檢驗認為電子貨幣的廣泛使用大大弱化了貨幣供給量的可測性、可控性和相關性，降低了我國貨幣政策中介目標的有效性。

李明發（2009）以民營經濟最為發達的蘇浙兩省為研究范圍，選取2003—2007年間63家樣本上市公司作為樣本研究數據。通過多元逐步回歸分析法對江浙民營上市公司實現可持續增長的影響因素實證分析。結果表明：江浙民營上市公司的可持續增長程度即超增長率與銷售利潤率、每股收益和資產負債率呈負相關，與總資產增長率和銷售收入變異系數呈正相關。

胡琳清、朱新龍、王虹（2013）根據2007—2011年我國制造業上市公司的公開財務報表數據，在定量分析與定性分析的基礎上，運用相關分析和回歸分析的方法，通過實證研究檢驗了資產流動性與可持續增長率之間存在線性關系的正確性。

綜上所述，在商業銀行價值評估過程中，β值測算是估算權益資本成本以及確定最終折現率的基礎。然而，在多數關于商業銀行價值評估的文獻中，對于β值的測算偏于主觀，不能客觀地對商業銀行價值進行評估。針對企業價值評估中階段性增長模型中的穩定增長率g進行實證估算研究的文獻較少，簡單地將GDP增長率定義為穩定增長率的方法并不適用于商業銀行這一特殊的行業。所以，在對商業銀行的價值評估時，我們需要探討適合的方法，以使得評估更有針對性，更有操作性。

一、 經濟增加值——EVA理論

經濟附加值是由美國學者Stewart提出，并由美國著名的思騰思特咨詢公司注冊并實施的一套以經濟增加值理念為基礎的財務管理系統、決策機制及激勵報酬制度。它是基于稅后營業凈利潤和產生這些利潤所需資本投入總成本的一種企業績效財務評價方法。

EVA價值評估模型是由EVA指標和傳統的現金流量折現估價模型衍生的又一企業價值評估模型，其從股東財富增長的角度來評估企業價值。它的優點是能夠充分利用公司提供的全部公開信息，使評價更加全面，反映的結果更加真實；并且剔除了資本成本的影響，不同資本結構的企業也因此能在相同的基礎上進行比較，體現了企業的內在價值和市場公允價值；同時實現了商業銀行的員工績效評價標準和企業價值評估方法的統一，使商業銀行員工的切身利益和企業價值最大化目標直接掛鉤，加強了商業銀行的激勵約束機制建設。

由于商業銀行是金融機構，與一般企業相比，不論是從業務層面，還是資本結構層面，都有很大的差異，故而在計算EVA時結合銀行業務和特殊的資本結構，對EVA各個指標進行逐個分析，才能得出符合商業銀行要求的真實的EVA數據。

二、 案例分析——NB銀行價值評估

將EVA理論運用到具體實際的價值評估當中，通過具體的計算過程，為城市商業銀行利用EVA價值評估模型提供政策建議。本文選取的是2007年最早一批上市的城商行——NB銀行。近年來，NB銀行積極推進管理創新和金融技術創新，努力打造公司銀行、零售公司、個人銀行、信用卡、金融市場、票據、資產托管、投資銀行八大利潤中心，實現利潤來源多元化。

（一）NB銀行EVA的計算

在計算EVA過程中，要進行必要的調整，NB銀行2008—2013年NOPAT（稅后營業凈利潤）具體計算如表1。

商業銀行資本總額的確定主要根據股東權益以及根據EVA原理進行的會計事項調整，NB銀行2008—2013年TC（資本總額）的具體計算過程如表2。

（二）NB銀行WACC的計算

本文采用經典資本資產定價模型（CAPM）來確定權益資本成本。CAPM認為，企業的權益資本成本只與整個市場的系統性風險存在關系，其計算公式如下：

企業的權益資本成本=無風險利率+權益風險溢價×β

由上式可知計算權益資本成本的關鍵是估計β，那么就有必要對影響β的因素進行實證分析。

1．β值實證分析

（1）模型構建

①因變量的選擇——權益資本的風險系數

β系數起源于資本資產定價模型（CAPM），它的真實含義就是特定資產或資產組合的系統性風險度量?？捎镁€性回歸法計算得出，即用個別證券的收益率時間序列對某一標準（通常是市場指數收益率）序列建立模型，通過最小二乘法估計出β系數。

②自變量的選擇

研究普遍認同導致β系數差異的影響因素主要有兩大類：宏觀經濟因素（如經濟周期、利率、通貨膨脹等）和公司的基本特征（如公司的規模、財務結構等）。本文實證研究選取的因素主要是宏觀經濟因素與公司基本特征因素，初步建立如下多元線性回歸模型：

其中，下標t表示時間，β表示銀行系統性風險度量值、X1到X14的具體含義見表3。

表1 2008-2013年NB銀行NOPAT計算表 單位：千元

（2）實證結果

①樣本選取和數據來源

考慮到數據的可獲得性，根據NB銀行季度財務報表選取以上數據，通過EVIEWS軟件做回歸模型分析。首先進行描述性統計，見表4。

表2 2008-2013年NB銀行TC計算表 單位：千元

表3 商業銀行系統性風險的影響因素

表4 2007-2013年NB銀行β值和各因素描述性統計

數據來源：NB銀行季報

通過對NB銀行與經濟數據進行描述性統計可以發現：β系數的變化幅度較小，其均值和中值均接近于0.8。說明NB銀行的系統性風險與整個市場相比較??；電子貨幣使用率指標的交易額占比（X14）和銀行卡滲透率（X8）的標準差較小，說明序列變動穩定；國內生產總值增長率（X9）變動幅度較大，最大值為14.5%，最小值為6.6%，表明近年來我國經濟運行環境變化較大；不良貸款率（X3）、資產負債率（X6）等指標的波動不大；每股現金凈流量（X7）的波動較大，標準差較大，這也進一步說明了采用現金流模型評估企業價值的不穩定性。

②模型回歸

對多元線性方程進行回歸分析，回歸結果見表5。

由回歸分析顯示, 擬合程度指標R2=0.783，調整R2=0.605。F值和相伴概率分別為4.398和0.000，所有變量在5%的顯著性水平下均通過了顯著性檢驗，這說明模型的擬合效果比較好。DW值為2.19，說明模型中基本不存在自相關性。

回歸結果中可以看出，核心資本充足率X2、資產負債率X6、銀行滲透率X8、城商行銀行卡交易額占比X14、銀行經營規模X12與β值具有負相關關系，即其值越小，銀行系統風險就越低；每股經營現金流量X7、匯率指數X10與β值具有正相關關系，即其值越高，銀行系統風險就越大。

根據歷年數據走勢來看，資產負債率、核心資本充足率等變量變動平穩，可以取平均值來預測：其中，資產負債率X6=92.896%、核心資本充足率X2=11.529%。而對于波動的變量，不適合采用簡單平均值進行預測。對于時間序列有三種類型的預測模型：移動平均（MA）模型、自回歸（AR）模型和自回歸移動平均（ARMA）模型。根據不同類型的自相關行為選取不同的模型進行預測，具體過程可以通過EVIEWS軟件實現。得出，經營規模X12=8.50；銀行卡交易額X14=0.046； 匯率指數X10=4.766；每股經營現金流量X7=1.394；銀行卡滲透率X8=0.362。

根據各變量的預測結果，結合β值多元回歸方程，可以得出β=0.622。

表5 回歸結果

2．無風險收益率

本文根據對我國資本市場具體情況的理論分析，擬采用銀行一年期整存整取存款的平均年利率作為無風險利率的替代，根據每年調整的情況，將每期調整結果進行年度化，則2008—2013年的無風險利率結果如表6。

表6 2008-2013年無風險收益率

在進行預測時，幾何平均法比算術平均法更能體現長期均衡的狀態，因此這次采用幾何平均法對歷年無風險利率進行計算：

3．市場風險溢價

本研究中市場風險溢價采用Damodaran估算發布的2006—2013年度中國市場風險溢價，具體如表7所示 。

在進行預測時，幾何平均法比算術平均法更能體現長期均衡的狀態，因此這次采用幾何平均法對歷年市場風險溢價進行計算:

4．債務資本成本的估算

NB銀行有著良好的經營狀況，表8揭示了其近年來發行的企業長期債券，由此可以計算得出，債務資本成本的有效估算值。綜上所述，NB銀行2009年—2013年債務資本成本匯總結果如表9。綜上所述，2008—2013年NB銀行EVA計算結果如表10。

（三）NB銀行企業價值評估

假設NB銀行分三個階段：第一階段為收益快速增長階段，根據中小銀行自身規模不同，存在一個高速發展的時期，擴張速度與銀行當下的發展情況密切相關；第二階段為收益固定增長階段，在若干年后，當銀行初具規模時，由于市場競爭等客觀原因，銀行進入一個相對穩定的發展周期，此時的增長率可以看作是銀行的可持續增長率；銀行的第三個階段為收益穩定階段，此時銀行已具有較大規模，在主營方面保持穩定的收入。

公式表示如下：

EVA1i為第一階段的第i年的經濟增加值；n1為銀行的快速增長階段。

EVA2i為第二階段的第i年的經濟增加值；n2為銀行的固定增長階段。

EVA3i為第三階段的第i年的經濟增加值；r為折現率。

根據商業銀行EVA計算公式可知，對于預測期EVA的計算，最重要的是確定NOPAT (稅后營業凈利潤)、WACC（加權資本成本）、TC（資本總額）以及可持續增長率g。

1．預測期內穩定增長率g的估算

假設NB銀行未來高速增長的階段為3年，3年之后則進入穩定期?；贜B銀行良好持續的發展態勢，本文假設其未來持續經營，并以某一固定增長率作為EVA永續增長率。本文采用三階段模型來對其進行續存價值評估。根據商業銀行EVA計算公式可知，對于預測期EVA的計算，關鍵在于確定固定增長率g。

表7 2008-2013年中國市場風險溢價

表8 NB銀行發行外債情況

表9 NB銀行2009-2013年債務資本成本

表10 2008-2013年NB銀行EVA計算表

（1）基本假設

a．銀行目前的資本結構是一個目標結構，并且打算繼續維持下去；

b．銀行目前的股利支付率是一個目標支付率，并且打算繼續維持下去；

c．不愿意或者不打算發售新股；

d．銀行的銷售凈利率將維持當前水平，并且可以涵蓋負債的利息；

e．銀行的資產周轉率將維持當前的水平。

（2）模型建立

①變量選取

根據理論分析，從影響可持續增長率變化的四個方面中選取。經營效率指標為：存貸比X1、銷售利潤率X2、總資產周轉率X3；財務政策指標為：權益系數X4、留存收益率X5；資本結構指標為：資產負債率X6；成長能力指標為：總資產增長率X7、營業利潤增長率X8、資本積累率X9。

②實證檢驗

根據理論分析，可持續增長率與總資產周轉率、營業利潤率和總資產增長率呈正相關，實證結果見表13，與理論相悖，因此，可以初步判斷模型具有多重共線性。在發現模型確實存在多重共線性后，便需要對模型進行修正。對于時間序列數據，一般采用差分法將原模型轉變成差分模型，利用增量間較弱的線性關系來消除或者降低多重共線性。在實際分析中，還常常用到剔除變量法進行修正。最終回歸結果如表14。

表13 實證結果（一）

表14 實證結果（二）

回歸結果顯示先決系數=0.851，回歸擬合效果較好，F值和相伴概率P分別為9.759和0.001。根據各個解釋變量的變動情況，對可持續增長率進行預測估算：存貸比、銷售凈利率、權益系數和資產負債率歷年變化不大，假設NB銀行2013年之后經營情況沒有重大變化，那么，未來存貸比、銷售凈利率和資產負債率可以簡單的以平均數代替：X1=0.654、X2=0.424、X4=14.8、X6=0.93、X8=0.5467、X5=0.3045。

通過以上計算，利用EVIEWS軟件可以估計NB銀行可持續增長率g=7.175 %

2．預測期EVA的確定

根據銷售百分比法確定幾個重要變量的預測值，進而預測出NOPAT和TC值，見表15、表16、表17：

表15 預測變量

表16 2014-2016年NB銀行NOAPT預測表 單位：千元

根據三階段EVA價值評估模型公式以及預測期各指標的計算，NB銀行EVA估算如表18。

三、結論與建議

本文從EVA經濟增加值的視角出發，就現階段比較熱門的互聯網金融因素作為研究對象，探討了中國城市商業銀行的企業價值，并就折現率中的β值以實證研究方法對其影響因素的相互關系進行深入探討，互聯網新環境下電子貨幣的使用對商業銀行系統風險具有十分重要的影響。

進一步深化對銀行企業價值評估的研究。對于今后評估企業價值提供了一個更加全面的探討。城商行在探索如何提升自身價值問題時應該考慮提高資本成本率，積極促使優化資本結構。銀行可以通過調整資產組合，降低高風險、高成本資產在資產總額中的比例，優化資產結構來降低成本，減少無效及低效資產占用，提高資本充足率。

另外，管理者不僅要確認銀行的價值，更主要的是適應新經濟的變化，迎接新形勢下的挑戰，不斷創造城商行的經營價值。互聯網金融的因素也漸漸成為影響城商行資本成本率，進而影響銀行價值的重要因素。管理者應從電子貨幣滲透率等因素多做考慮，進一步提升城商行的價值。

根據以上分析，本文從以下幾個方面提出防范商業銀行系統性風險、提升城商行價值的建議：

第一，商業銀行應加大與電商平臺及第三方支付企業的合作，擴大自身在支付結算上的覆蓋領域，拓寬資金運用渠道，提高資金運用效率，擴大經營范圍的多元化，提高抗風險能力；銀行應不斷加強對信息技術的投入，發展電子銀行、自建電子商務平臺，擴展線上服務范圍等，滿足客戶需求，穩住現有客戶，吸引流失客戶。在互聯網新環境下，商業銀行要充分認識到電子貨幣的重要性，利用搶占電子貨幣使用率的方式來有效防范銀行系統風險。

第二，拓展收入渠道，提高商業銀行的利潤率。商業銀行應積極創新服務模式，加大產品創新以滿足用戶不同需求。由于互聯網金融環境下，網絡銀行和第三方支付平臺等機構對商業銀行存款的分流影響銀行存貸比，進而影響到商業銀行系統風險。因此，商業銀行應積極應對互聯網金融沖擊，創新服務模式和創新金融產品，滿足用戶不同需求，吸引流失的存款，從而增加收入，提升銀行的價值。

表17 2014-2016年NB銀行TC預測表 單位：千元

表18 NB銀行EVA預測表 單位：千元

第三，互聯網金融發展對商業銀行來說是把一雙刃劍，一方面為商業銀行帶來了服務創新，提供了更廣闊的平臺；另一方面，非金融機構加入互聯網金融陣營的步伐，加劇了市場競爭，對商業銀行的業務產生一定的沖擊。為了應對互聯網金融的沖擊，防范銀行系統風險，商業銀行應積極利用互聯網金融技術，創新服務模式，以提高電子貨幣使用率來規避銀行系統風險，緩解存款分流的劣勢并獲得新的發展，并提升銀行價值。

《含苞》 張浩

[1]岳嵐,丁明.基于EVA模型的商業銀行估值方法淺析[J].商情，2012(9):12-22.

[2]肖作平,吳世農.我國上市公司資本結構影響因素實證研究[J]. 證券市場導報，2002(8):39-44.

[3]孫嘉琦,呂善利.上市銀行β系數與財務變量相關性的實證研究[J].中國農業銀行武漢培訓學院學報，2011(2):30-33.

[4]Rosenberg Bar，Mckibben Walt. The Prediction of Systematic and Specific Risk in Common Stocks[J]. Journal of Financial and Quantitative Analysis.1973.8(2):317-333.

[5]王亮,張磊.電子貨幣對我國貨幣政策中介目標有效性的影響[J].現代管理科學，2013(5)：60-62.

[6]李明發.江浙民營上市公司可持續增長實證研究[D].江南大學,2009.

[7]胡琳清,朱新龍,王虹.企業資產流動性與可持續增長率關系的實證研究——基于我國制造業上市公司的經驗數據[J].會計之友,2013(2):111-2.