利率市場化下我國商業銀行財務風險預警模型的建立

摘 要：隨著我國利率市場化的逐步推進，以風險防范為視角對上市商業銀行的財務風險進行合理評價，對銀行業的健康發展和持續經營有著重要的作用和現實意義。因此，本文深入分析商業銀行財務風險，通過因子分析找到在不同財務風險等級銀行之間存在顯著差異性的指標，在此基礎上建立Logistic回歸模型來對我國商業銀行的財務風險進行預測。

關鍵詞：商業銀行 財務風險 Logistic回歸

2015年10月，在降息降準的同時，央行宣布對商業銀行和農村合作金融機構等不再設置存款利率浮動上限，標志著歷經幾十年中國的利率管制基本放開，市場化基本完成。

利率市場化可以使商業銀行在定價方面更靈活，其定價更有主動權。然而，利率市場化后，一國的利率波動性會加強，商業銀行盈利能力受到挑戰，在某些金融監管與市場機制不完善的國家和地區，利率市場化甚至導致大批銀行倒閉。因此在我國的商業銀行在利率市場化之中時刻保持對于風險的警惕是十分重要的。本文運用Logistic回歸模型建立銀行財務預警模型，為我國商業銀行的風險控制提供一些參考。

一、商業銀行財務風險概述

本文的研究對象即商業銀行的財務風險，由于銀行業本身的經濟交易活動和經營性質具有特殊性，經營交易的活動大都是以貨幣為基礎的，貨幣資金的運動會造成經營狀況的不確定性，而這些以貨幣資金為主的經營交易活動最終形成商業銀行的財務活動。

我國的銀行監管機構中國銀行業監督管理委員會在 2004 年發布的《股份制商業銀行風險評級體系（暫行）》對商業銀行的風險進行了較為全面的分類，在該評級體系中將商業銀行風險分為六大類。本文在借鑒國外商業銀行風險預警的基礎上，結合我國商業銀行的實際，從資本充足性、資產質量、盈利能力、管理水平和流動性五個方面選取12個指標作為初選指標來評價商業銀行財務風險（見表1）。

為了建立Logistic回歸模型，必須要有發生財務風險和財務穩健兩組進行對照。但是我國商業銀行中，發生財務失敗的很少，對照組數據難以取得。因此本文首先利用多元統計分析中的因子分析法，運用商業銀行風險預警指標和風險預警指標權重得出風險預警綜合指數值，從而得到“經營穩健的商業銀行”和“經營出現財務風險的商業銀行”兩組研究樣本。接著比較兩組研究樣本的財務特征的顯著性差異，找出影響商業銀行財務風險的主要因素和指標建立一個包括 4個解釋變量的logistic回歸模型。

二、研究樣本的選擇

截止到2014年底我國商業銀行數量已達到一定規模。由于資料來源的限制，本文從國泰安數據庫收集了包括所有上市的商業銀行和幾十家城市商業銀行在內的49家商業銀行2012年-2014年的財務報告，整理計算出商業銀行財務風險測度指標。運用SPSS軟件進行因子分析確定商業銀行財務風險指標集的權重，因為數據在進行因子分析時都已經進行了標準化，因此3年綜合得分的均值都為0，因此本文根據綜合得分對整體得分的偏離率進行劃分將綜合得分處于整體得分區間60%以上的銀行劃分為“經營穩健的商業銀行”，其他為“經營出現財務風險的商業銀行”兩組。

三、模型建立

1.因子分析。因子分析前首先需要對樣本進行KMO和Bartlett檢驗來確定風險指標是否適合進行因子分析，檢驗結果見表2。可知選取的銀行2012年、2013年和2014年指標數據的KMO檢驗值都介于0.5-1之間，Bartlett檢驗值都為0，可以認為樣本數據適合做因子分析。

其次，利用2012年、2013年和2014年的數據提取公因子并選取特征根的值大于1提取公因子。本文采取成分分析法提取公因子共同度檢驗表（見表3）。發現一般以上共同度都超過 0.7，提取公因子后變量的貢獻率較大，因此主因子能夠反映大多數變量的信息。

根據原始變量對主因子影響的重要程度，可以根據主因子得分系數矩陣（見表5）來得到主要因子 F1、F2、F3 和 F4 （下轉封三）（上接第71頁）的這四個主因子的得分函數，具體公式如下：

各主因子的權重可以按照旋轉后的載荷因子方差貢獻比率來確定，可得到綜合因子的公式，其表達式如下：

F=0.20692F1+0.18741F2+0.18493F3+0.14593F4

運用以上公式，計算我國49家商業銀行2012年主因子綜合得分F。

利用相同的方法計算2013年和2014年我國商業銀行的風險綜合評價分數，并以2012年、2013年和2014年風險綜合評價得分平均值為依據劃分財務出現風險的銀行和財務穩健的銀行。由此得到本文構建商業銀行財務風險模型的73組“經營穩健的商業銀行”和29組“經營出現財務風險的商業銀行”兩組研究樣本，以及檢驗模型準確性的18家“經營穩健商業銀行”和16家“經營出現財務風險的商業銀行”。

2.指標體系的建立。在構建模型前，需要對商業銀行財務風險評價指標體系進行描述性統計分析，找出具有不同風險的兩類銀行之間具有顯著性差異的指標，從而找到建立模型所需要的自變量。本文首先采用K-S檢驗來檢驗變量是否服從正態分布，其次分別采用K-W檢驗和T檢驗比較均值差異。

可見在5%的顯著性水平上，有7個指標包括資本充足率，核心資本充足率單一客戶貸款率，最大十家客戶貸款率，資產凈利潤率，成本收入比，存貸比率在“經營穩健的商業銀行”和“經營出現財務風險的商業銀行”之間存在顯著性差異。因此本文選取這7個指標作為因變量進行logistic回歸分析。

3.模型建立。首先將含有7個指標的兩組共102個樣本導入SPSS中作為因變量進行Logistic回歸，發現資產凈利率這個指標在5%的水平上不顯著，因此將其剔除，再對剩余的其他6個指標進行回歸，重復以上判定，每次將最不顯著的一個指標剔除。在進行三次試回歸后，我們共剔除了3個指標，核心資本充足率、單一客戶貸款率、成本收入比、存貸比。將這四個指標進行一次二元Logistic回歸，得到的結果如表7所示。

根據表4-3-4的結果，我們可以得到最終的回歸方程為：

P=

根據該公式，我們可以計算出102組樣本數據各自的P值，為了檢驗模型的正確性，我們將34組檢驗樣本放入該模型進行檢驗，得到的檢驗結果如表8所示。

從表9可以看出模型對“經營穩健的商業銀行”的預測精度達到了88.89%，對“經營出現財務風險的商業銀行”的預測精度達到了87.5%，對檢驗樣本的總體預測精度達到88.19%。這說明該模型具有比較好的預測效果，可以對公司的財務風險進行預警。

四、結語

通過因子分析，計算各指標的權重，通過各銀行風險綜合得分與平均比值將我國商業銀行劃分為“經營穩健的商業銀行”以及“經營出現財務風險的銀行”。克服了我國缺少破產銀行樣本的困難，而且用實證數據對銀行風險等級進行劃分，更具有科學性。

通過對比不同風險等級的商業銀行的指標之間的差異性，得出四個具有顯著差異性的指標，為我國商業銀行銀行進行風險控制提供了一定的依據。并且用這四個指標建立財務風險預警模型并對模型準確性進行了檢驗，說明該模型具有較好的適用性，可以為我國監管部門進行風險監督提供參考。

參考文獻：

[1]羅曉光；劉飛虎，基于 Logistic 回歸法的商業銀行財務風險預警模型研究[J]，科技與管理，2012.

[2]Ohlson J.A.1980. Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Operation Research，9，（15）.

[3]中國銀監會銀行風險早期風險預警綜合系統課題組，單體銀行風險預警體系的構建[J]，金融研究，2009，（3）.

作者簡介：顧曉敏（1961—），女，浙江象山，東華大學，教授，經濟學博士；蔣丹（1991—），女，江蘇丹陽，東華大學，碩士研究生，現代財務管理。