上市銀行治理結構對治理績效的灰色度分析

楊 靜

（石河子大學 經濟與管理學院，新疆 石河子 832000）

0 引言

上市銀行的治理問題是我國社會經濟得以健康發展的關鍵，上市銀行的治理效果關系到整個經濟和金融行業的未來發展。在整個經濟體制轉型的大環境下，我國的上市銀行需要進行大范圍的改革和治理。如果上市銀行的治理效果不能適應新經濟形式和自身發展需要，那么銀行公司的可持續發展會受到嚴重的制約[1，2]。因此，上市銀行需要合理安排公司的股權結構，確定相關部門權利和義務的關系[3]，以提高上市銀行的經營績效和治理效果，實現上市銀行的盈利目標。

根據國外研究成果發現，上市銀行的治理結構與治理績效存在緊密的關系。Belkhir等[4]通過分析美國銀行董事會的規模和銀行治理績效的關系發現，董事會的規模越大，銀行治理績效越高。Cornett等[5]研究美國大型商業銀行發現，獨立的董事會比率和銀行治理績效成正比關系。而國內學者在研究上市銀行治理結構與治理績效關系時得出了不一致的結論。李維安[6]發現銀行高管薪酬與銀行治理績效之間不存在明顯的相關性。曹廷求等[7]研究相關文獻認為銀行董事會人員規模增加帶來的成本要高于其獲得的收益，所以董事會的規模擴大會對銀行治理績效造成反作用影響。本文對上市銀行的治理結構進行分析，探討公司治理結構和治理績效的關系，分析公司治理理論和實證研究的差異及原因，以改善上市銀行的治理結構，提高銀行公司的績效，增加金融業的競爭力。

1 研究設計

1.1 模型構建

上市銀行治理結構的最終目標是在保證銀行正常經營的情況下股東利益的最大化。因此，需要建立“股東會-董事會-高層管理-監理會”的基本治理體系[8]。相關職能部門協調互助、相互制衡，以保證上市銀行在經營決策中的科學性、高效性和穩定性，同時對金融風險可以有效預防和控制。

灰色度系統[9]根據系統中數據信息的相關程度進行歸類，即將系統中相關聯的數據信息和非相關聯的數據信息進行區分。而灰色度系統中數據信息的相關性是基于數據序列曲線的幾何相似程度來判斷的，數據序列曲線越接近，數據信息的相關性越高；反之，則相關性越低。獲得數據信息的相關性之后可以得出數據信息對目標對象的影響程度。這種確定灰色度系統中數據信息的相關性方法稱為灰色度分析法。

灰色度分析法是灰色度系統中重要的分析方法之一，該方法可以研究一個系統的動態變化性，通過對系統未來發展過程中主要影響因素的相對變化進行預測。這種方法的優勢在于不需要大量的數據信息作為基礎，就可以較好地發現因素之間的相關性。兩個因素之間的相關性叫做相關程度。相關程度表示了系統在發展過程中，出現的因素之間大小、速度等指標的相對變化性。如果因素之間的相對變化性基本保持一致狀態，則可以認為因素之間的相關性較高；反之，則相關性較低。

基于灰色度分析法的模型構建步驟如下：

（1）確定待分析的數據信息

設X0為系統的行為數據序列，影響因素數據序列Xi(i=1，3，…，n) 為比較數據序列，Xi=(Xi(1)，Xi(2)，…，Xi(k))，其中，i為因素序號，k為指數序號。

（2）設計函數得到相應的數據序列變化趨勢

對于系統的行為數據序列和影響因素數據序列，進行無量綱數據處理，計算數據序列的初始值，則數據初始值序列為：

根據灰色度分析的基本理論，對于離散型函數曲線有：

（3）計算絕對相關程度

對數據長度相同的序列，則其絕對相關程度為：

其本質為數據序列之間的幾何相似度。

（4）計算相對相關程度

設數據序列的初始值為：

接著計算得到：

則相對相關程度為：

其本質為數據序列之間的變化速度相似度。

（5）計算綜合相關程度

綜合相關程度不僅表現出因素i和因素j的幾何相似度，而且體現出因素i和因素j相對于初始值的變化速度相似度，是一種較為全面的綜合性關聯程度。通常，設置θ θ =0.5[10]。則有：

因此，通過灰色度分析模型的計算，可以對待評估的系統行為和影響因素進行分析。

1.2 樣本選取

我國的上市銀行主要有三類：國有商業銀行、股份制商業銀行和城市商業銀行。本文選擇國有商業銀行和股份制商業銀行作為樣本數據。具體來說，樣本空間中的上市銀行有：中國銀行、中國工商銀行、中國建設銀行、中國農業銀行、交通銀行、招商銀行、華夏銀行、浦發銀行8家。樣本數據源于這8家銀行2016年的年度數據報告[11]。

1.3 變量選擇與定義

基于灰色度分析模型的主要變量和定義如下頁表1所示。

2 灰色度分析

2.1 灰色度相關性分析

認定上市銀行公司的資本收益率（ROA）和風險補償后的資本收益率（RCROA）為系統的行為數據序列，分別為Y1和Y2。影響因素數據序列包括表1的年度平均資本的對數（Insize）等15個相關因素，為X1，X2，…，X15。

表1 灰色度分析模型的變量和定義

根據灰色度分析模型的基本要求，表1中的部分變量需要進行倒數化處理[12]，需要進行倒數化的變量是股權狀態變量中的7個變量：CR1、CR3、CR5、H1、H3、H5、Z。因此，8家上市銀行的行為數據序列和影響因素數據序列如表2所示。

表2 8家上市銀行的行為數據序列和影響因素數據序列表

（1）計算絕對相關程度

對于Y1和X1數據序列，其初始值為：

則絕對相關程度為：

按此方法可以計算其他影響因素的絕對相關程度。全部計算完畢后可以得到灰色度分析絕對相關矩陣為：

（2）計算相對相關程度

對于Y1和X1數據序列，其初始值為：

則相對相關程度為：

按此方法可以計算其他影響因素的相對相關程度。全部計算完畢后可以得到灰色度分析相對相關矩陣為：

（3）計算綜合相關程度

采用公式（10）計算因素之間的綜合相關程度，取θ=0.5，則灰色度分析綜合相關矩陣為：

2.2 灰色度相關性排序和優勢分析

（1）灰色度絕對相關程度排序和優勢分析

對于灰色度分析絕對相關矩陣：

矩陣中的行元素中，ε21、ε22、ε23、ε24、ε25、ε210、ε211、ε212、ε214這9個元素的值均大于第一行對應元素，ε26、ε27、ε29、ε115這4個元素的值和第一行對應元素相等，其他兩個元素值低于第一行對應元素。因此，系統不存在最優解，只有準優解。第一行15個元素之和為8.668，小于第二行15個元素之和的8.688，所以，系統行為數據序列Y（2RCROA）為準優解。

比較矩陣中的列元素，對15個影響公司績效的因素按絕對相關程度排序，結果為：X11＞ X2＞ X8＞ X5＞ X13＞ X4＞X3＞ X12＞ X10＞ X7＞ X6＞ X14＞ X15＞ X9＞ X1，即 pd＞CR1＞Z＞H1＞ssize＞CR5＞CR3＞dmn＞nd＞H5＞H3＞sms＞lnpay＞dsize＞lnsize。因此，獨立董事的人員數量對上市銀行公司的績效相關程度最高，而年度高層管理前三名的總報酬的對數值對銀行績效的影響效果最差。

（2）灰色度相對相關程度排序和優勢分析

對于灰色度分析相對相關矩陣：

矩陣中的行元素中，存在部分元素的第二行值大于第一行對應值，部分元素的第二行值小于第一行對應值。因此，系統同樣不存在最優解，只有準優解。第一行15個元素之和為11.351，小于第二行15個元素之和的11.752，所以，系統行為數據序列Y（2RCROA）為準優解。

比較矩陣中的列元素，對15個影響公司績效的因素按相對相關程度排序，結果為：X15＞ X4＞ X3＞ X14＞ X1＞ X9＞X11＞ X10＞ X5＞ X12＞ X2＞ X13＞ X7＞ X6＞ X8，即 lnpay＞CR5＞CR3＞sms＞lnsize＞dsize＞pd＞nd＞H1＞dmn＞CR1＞ssize＞H5＞H3＞Z。 因此，年度高層管理前三名的總報酬的對數對上市銀行公司的績效相關程度最高，而第一和第二大股東股權比例的比值對銀行績效的影響效果最差。

（3）灰色度綜合相關程度排序和優勢分析

對于灰色度分析綜合相關矩陣：

矩陣中的行元素中，存在部分元素的第二行值大于第一行對應值，部分元素的第二行值小于第一行對應值。因此，系統同樣不存在最優解，只有準優解。第一行15個元素之和為10.01，小于第二行15個元素之和的10.205，所以，系統行為數據序列Y（2RCROA）為準優解。

比較矩陣中的列元素，對15個影響公司績效的因素按綜合相關程度排序，結果為：X11＞ X4＞ X3＞ X15＞ X14＞ X1＞X9＞ X2＞ X10＞ X5＞ X8＞ X12＞ X13＞ X7＞ X6，即 pd＞CR5＞CR3＞lnp ay＞sms＞lnsize＞dsize＞CR1＞nd＞H1＞Z＞dmn＞ssize＞H5＞H3。因此，獨立董事的人員數量占董事會總人數比例對上市銀行公司的績效相關程度最高，而前三大股東的股權比例總和的10000倍對銀行績效的影響效果最差。

3 結論

本文以上市銀行為例，研究公司治理結構與治理績效的關系。基于中國銀行、中國工商銀行、中國建設銀行、中國農業銀行、交通銀行、招商銀行、華夏銀行、浦發銀行8家上市銀行年度報告數據，本文選擇了灰色度分析法作為研究上市銀行治理結構與治理績效關系的基本方法，從絕對相關程度、相對相關程度和綜合相關程度三個方面對上市銀行治理結構與治理績效關系進行灰色度相關性分析，并對15個影響因素按照灰色度相關性進行排序。分析結果發現，風險補償后的資本收益率（RCROA）相對于資本收益率（ROA）而言作為銀行績效指標更加合適，獨立董事的人員數量則影響銀行績效作用最為明顯，而股東的股權比例對銀行績效影響效果最差。