我國上市商業銀行財務風險綜合評價
——基于因子分析與灰色關聯分析

(廣西大學 廣西 南寧 530004)

一、引言

商業銀行作為金融業的核心部分，其穩健的運營直接關乎金融體系的穩定乃至國家經濟的發展。商業銀行作為貨幣借貸的“中介”，其風險主要是商業銀行流動資金在運轉過程中由于其他因素的影響導致財務狀況出現異常，進而產生銀行賬目虧損的風險。同時，隨著我國經濟發展進入新常態以及金融體制的不斷改革和創新，如何在全面開放的環境中管理好財務風險，進而降低財務風險發生的概率，或者在根本上規避財務風險產生的影響，對于上市商業銀行的持續穩健經營尤為重要，為更好地解決風險累計與不良資產等財務風險問題，因此需要重視我國上市商業銀行的財務風險評價及管理措施。

目前，我國上市商業銀行仍面臨著眾多的危機與風險。就資本而言，上市商業銀行若沒有一定數量資本金的支持，更是無法抵補各種資本風險。我國上市商業銀行要想在全球金融業中占據一席之地，關于財務風險預警與管理水平等方面的治理還有待進一步加強。當前，國內關于上市商業銀行財務預警模型研究處于初級階段，“亞投行”的設立以及“一帶一路”的發展給上市商業銀行的發展帶來了機遇和挑戰。一方面上市商業銀行的發展涉及銀行業的正常運轉，另一方面還對其經濟發展起到“風向標”的作用。由于我國獨特的基本國情，隨著經濟社會的快速發展，經營環境及范圍的競爭也隨之加劇，在風險與機遇伴行的同時，我國上市商業銀行如何及時應對財務風險的控制及管理，還應從實際國情出發進行研究思考和學習。

本文運用科學的方法對上市商業銀行的財務風險進行綜合評價和分析，通過構建上市商業銀行財務風險預警指標，客觀地分析我國上市商業銀行的財務運行情況，并針對如何加強財務風險的管理和防范提供相應的參考建議。

二、文獻綜述

(一)國外相關研究

國外學者對財務風險預警模型的研究較為深入，以美國為代表的“CAMEL Rating System”是商業銀行針對相應風險評價的最廣泛方法之一；此外，財務比率綜合分析法也是常用的財務風險分析方法，尤其是該方法中的“杜邦財務分析體系”是最具意義的分析方法。自20世紀60年代以來，世界各國根據不同的情形，已經歸納總結了多種財務風險預警的研究方法。當下研究主流的模型和方法有：單變量預警模型、多元線性判別分析、Logit回歸模型、因子分析、神經網絡分析等，均已取得較為豐富的研究成果。Joseph Sinkey F.JR(1975)首次對出現財務風險的商業銀行進行多元線性判別分析，通過新識別的資產負債表和收益報表將有財務風險與無風險的進行匹配，并使用多重判別分析(MDA)來檢驗群體均值差異，來預測相關風險值。Ohlson J A(1980)、Mousavi(2011)等運用Logit回歸模型，對破產公司進行研究，通過對一百多家破產的公司和兩千多家經營穩健的公司進行了對比分析，預測準確率高達95%以上。

(二)國內相關研究

國內方面雖起步較晚，但在國外研究的基礎上仍有相關學者對商業銀行財務風險等做出相關評價分析。張愛民(2001)以Z值模型為基準，再結合主成分分析法，通過構建Z值主成分預警模型，并對ST相關企業進行預警分析，預警成功率高達90%以上。楊淑娥(2005)采用人工神經網絡分析，選擇120家上市公司的財務指標作為樣本數據，并使用同期60家公司作為檢驗樣本建立了財務危機預警模型，得到了較為準確的分析判斷。羅曉光(2011)在對商業銀行財務風險進行深入分析的基礎上，采用Logistic回歸法構建了一個多指標綜合監控的銀行財務風險測度模型，以期能夠有效地識別風險，通過事前控制確保商業銀行的健康穩定發展。王慶華(2015)以在深圳證券交易所上市并發行公司債的制造業企業為研究樣本，以企業主體信用評級為財務風險水平的衡量標準，將企業財務風險進行多等級劃分，運用多分類Logistic回歸分析探討企業財務風險的影響因素。李燕(2017)運用因子分析賦權法確定了各指標的權重，構建了城市商業銀行財務風險預警體系的綜合度量模型，并對某城市商業銀行的財務風險指標進行實證檢驗和分析。蔡永斌(2018)運用因子分析法，對房地產上市公司財務風險進行評價，發現較低的盈利能力、償債能力、營運能力及成長能力是導致房地產企業風險較高的主要因素，并對此提出相關風險控制策略研究。

本文在國內外研究的基礎上，按照以下思路進行分析：首先，理清財務風險產生的風險源頭，明晰財務風險的產生發展是個動態傳導的過程；其次，財務風險是個復雜的集成系統，形成原因包含人為等多變因素，本文適當的選取相應的財務風險預警指標并及時確定好風險閾值，即風險發生的界限；最后，根據選取的指標構建預警模型并對其綜合評價分析。

三、研究設計

(一)預警指標體系及臨界值的確定

本文在借鑒國內外有關商業銀行財務風險預警指標的研究成果和多家城市商業銀行的年報數據中所記錄的金融監管核心財務風險指標的基礎上，按照科學性和實用性的原則，從資本充足性、經營能力、資產質量、流動性和盈利性這五個方面，選取表1所示的18個指標作為評價上市商業銀行財務風險的監管指標體系。

表1 上市商業銀行財務風險監管指標體系以及臨界值

基于本文將依據選擇的指標體系進行計算所有上市商業銀行財務風險指標綜合得分，依據綜合得分以及風險臨界值基礎上將所有上市商業銀行的財務風險采用相應區間進行劃分。此外，考慮到不同商業銀行的地區差異性，通過加權算術平均綜合計算上市商業銀行財務風險的平均得分，此時，為保證得分的綜合性，本文繼續將所有上市商業銀行的綜合得分求取平均值，然后將各個綜合得分與平均值進行比值，并令該比值p為綜合得分比值系數，依據現實經驗條件將該綜合得分比值系數進行如下劃分：p<0.8為風險，0.81.4為穩健。

本文所提出的基于因子分析法與灰色關聯分析法針對的上市商業銀行財務風險預警體系簡便、科學、適宜，適合上市商業銀行財務風險的預警分析。通過分析各個指標對總體風險的影響程度作為求解其權重的依據，能夠分析出該商業銀行財務所面臨的具體問題，使得財務風險預警評價更加真實可靠。

(二)模型方法的選擇

本文在國外商業銀行財務風險預警研究的基礎上，同時選擇多元統計分析中的因子分析法、灰色關聯分析，利用兩者進行對比分析，通過運用特征方程和正交變換等處理對商業銀行風險預警指標進行賦權，最后，根據每個指標權重計算得出風險預警綜合指數值，從而對商業銀行的財務風險做出量化評估。

1.因子分析

本文首先采用因子分析法來構建財務風險預警模型，其基本模型如下：設財務風險預警指標X=(X1，X2，X3，…，Xp)，同時將指標數據標準化處理后E(X)=0，且原始變量可以用m(m≤p)個因子線性表示：

X1=α11F1+α12F2+…+α1mFm+ε1

X2=α21F1+α22F2+…+α2mFm+ε2

… … … … …

Xp=αp1F1+αp2F2+…+αpmFm+εp

對于F=(F1，F2+…+Fp)為公共的因子，相關系數可組成系數矩陣A并稱之為載荷因子，如下所示。εi(i=1，2，3，…，p)為特殊因子。該模型滿足E(F)=0，E(εi)=0，Cov(F，εi)=0。

其次通過正交旋轉將所有的財務預警指標在盡可能少的因子之間有密切的關系，并根據各因子的方差貢獻率在p個因子的累計方差貢獻率的比重來確定每個因子的權重，最后計算上市商業銀行財務風險預警的綜合得分，進行排名綜合分析。

2.灰色關聯

灰色關聯分析法是將研究對象及影響因素的因子值視為一條線上的點，與待識別對象及影響因素的因子值所繪制的曲線進行比較，比較它們之間的貼近度，并分別量化，計算出研究對象與待識別對象各影響因素之間的貼近程度的關聯度，通過比較各關聯度的大小來判斷待識別對象對研究對象的影響程度。本文在研究我國上市商業銀行財務風險預警時，運用灰色關聯度模型衡量各大商業銀行財務指標互動關系。首先，通過設置商業銀行財務風險指標序列和結構比較序列，構建原始數據；其次，求絕對差序列；然后，計算關聯系數和關聯度；最后建立關聯度矩陣進行實證分析。通過Matlab對財務指標數據進行分析，驗證上市商業銀行財務風險預警模型并對其的影響程度進行綜合分析評價。

四、實證分析

截止到2018年底我國上市商業銀行主要有38家，但是由于數據統計的不同，本文收集了包括所有上市的商業銀行2017年四個季度的財務報告，數據來源于wind數據庫。利用財務報告的數據整理計算出上文確立的商業銀行財務風險測度指標后，首先對數據進行處理，將表1中各個財務風險指標的臨界值進行同向化處理，利用因子分析法確定了商業銀行財務風險指標集的權重。再依據確定的權重計算出各個商業銀行風險綜合評價分數；同時根據灰色關聯分析法，先確定所選擇財務風險預警指標與上市商業銀行樣本數據之間的灰色關聯度，通過灰色關聯度的權重確定方法確定財務風險預警指標的權重值，進而進行綜合分析。通過因子分析與灰色關聯分析，得出綜合得分越高，表明上市商業銀行的經營狀況越好。

(一)財務風險預警指標的同向化處理

根據表1中財務風險預警指標體系中分有正向指標(資本充足率等)、逆向指標(不良貸款率等)和適度指標(貸存率等)三種類型，若不進行數據的同向化處理直接利用指標數值進行計算，會引起結果的誤差，因此需要對指標進行同向化處理。基于本文將所有指標都調整為正指標，即指標的數值越大表示商業銀行經營的越穩定——財務風險越小，反之，則商業銀行財務風險越大。同時，對于逆向指標的數值越小表示財務風險越小，本文要使得逆向指標其轉化為正向指標，通過求其倒數來計算。此外對于適度指標的處理，適度指標的取值越接近某一確定數值越好。因為適度指標與某一理想值的距離越小越好，從而相當于一個逆指標，可通過求倒數將其正向化。具體轉化如下所示：

Xj為逆向指標值，Xi為逆向指標的實際值進行 轉化后所得的正向指標數值。

(二)因子分析法

1.因子的檢驗

本文利用Stata 13軟件首先對所有上市商業銀行的數據進行處理，剔除相應指標，通過Bartlett’s 球形檢驗和KMO數值的檢驗得出相應的p值為0.000，即顯著性水平為0.000，滿足條件和KMO為0.662>0.6，因此當前指標可以選擇進行因子分析。

2.公因子的選取

本文通過因子分析對所有的指標進行降維處理，并依據各公因子的特征值均大于1來進行選擇。

表2 各主因子的特征值和方差貢獻率

根據表2，我們看出，4個公因子方差貢獻率分別為41.62%、25.87%、12.55%、9.01%，同時累計方差貢獻率達到89.04%，進而利用這四個公因子作為評價指標代替表1中預警指標來描述上市商業銀行的財務風險。

3.預測綜合得分

為簡化進行預測得分表達式，根據上面表1中各個變量的名稱，依次將核心一級資本充足率等15個指標命名為X1、X2…X14、X15。同時根據各個因子的綜合得分進行計算。

表3 各因子預測回歸系數

根據表3正交旋轉得出的因子得分系數矩陣，由于貸款減值準備對貸款總額比率指標系數為0，故剔除X11后將各個公因子用方程進行表達如下：

factor1=-0.09803×X1-0.11108×X2-0.3259×X3-0.01626×X4-0.14053×X5-0.05686×X6+0.09511×X7-0.02416×X8-0.16464×X9-0.17138×X10+0.16916×X12-0.43868×X13+0.94966×X14+0.03707×X15。同理能得出factor2、factor3、factor4。

依據四個主因子的方差貢獻率作為權重進行加權匯總，得出綜合得分函數：

F=(0.4162×factor1+0.2587×factor2+0.1255×factor3+0.0901×factor4)/ 0.8904

其中，綜合得分函數里面各系數分別為主成分因子的方差貢獻率，0.8904是累積方差貢獻率，最終得到F為上市商業銀行金融穩定性評判的綜合指數。

圖1 各上市商業銀行綜合穩定得分值

數據來源：根據stata計算得分情況整理。

此時，為保證得分的綜合性，本文繼續將所有上市商業銀行的綜合得分求取平均值，然后將各個綜合得分與平均值進行比值，并令該比值p為綜合得分比值系數，依據現實經驗條件將該綜合得分比值系數如圖1所示。

通過結果分析可以看出排名靠前的幾家商業銀行分別是浦發銀行、中國民生銀行、中信銀行、交通銀行、中國光大銀行、招商銀行、北京銀行等綜合得分穩定值較高，即財務風險較低，這主要由于該幾家商業銀行有充足資本金。根據相關數據看出，該幾家商業銀行的資本充足率均高于11%，平均值達到12.99%。核心資本充足率平均達到9.71%，遠高于其他商業銀行，由于核心資本充足率是提高影響業績的渠道之一，而股東權益是核心資本最主要的組成部分，隨著核心資本充足率要求的提高，銀行將趨于降低資產的風險權重，如提高國債、政策性金融債券等的投資比重，從而降低凈息差或凈利息收益率，使得等量生息資產只能帶來較少的凈利息收入。

從商業銀行的規模看，區域性的上市商業銀行的財務風險最小，國有控股的四大商業銀行次之，地方性中小股份制商業銀行的財務風險最大。其中，以招商銀行為例，招商銀行的資本充足率達到15.48%、非利息收入占比達到34.42%，這也說明資本情況以及經營能力在財務風險中起到關鍵性作用；國有四大行之一的中國農業銀行排名較為靠后，主要是由于中國農業銀行特殊的客戶群體，尤其是其較高的不良貸款率，使其在經營能力以及資產質量方面也受到影響，導致綜合得分較低。對于地方性中小股份制商業銀行財務風險較高的原因不僅有低的資本充足率也有高的不良貸款率，且經營能力相比國有行低下，綜合使得其排名靠后。

(三)灰色關聯分析

1.關聯系數矩陣的計算

本文對財務風險預警指標首先進行定義：稱r(x(mk)，x(ik))為因素m與因素i在第k列的關聯系數，且

2.結構因素關聯度的計算

因為關聯系數是比較數列與參考數列在各個時刻的關聯程度值，所以它的數不止一個，當信息過于分散不便于進行整體性比較時，有必要將各個時刻的關聯系數集中為一個值，即求其平均值，作為比較數列與參考數列間關聯程度的數量表示。在得到關聯系數矩陣后，便可計算某一因素的關聯度系數。

表4 財務風險預警指標根據Matlab得出的系數

3.綜合得分評價的計算

對比較序列與參考序列的關聯度從大到小排序，若二者的變化態勢趨于一致，說明二者關聯度大；反之，則說明二者的關聯度較小。根據以上因素間的關聯程度，主要是用關聯度的大小次序描述，而不僅是關聯度的大小。將m個子序列對同一母序列的關聯度按順序進行排列起來，便組成了關聯序，記為{x}，它反映了對于母序列來說各子序列的“優劣”關系。若roi>roj，則稱{xi}對于同一母序列{xo}優于{xj}，記為{xo}>{xj} ；roi表示第i個子序列對母數列特征值。roi值越接近1，說明相關性越好。筆者依據Matlab得出的各財務指標系數，就上市商業銀行綜合得分進行計算。

圖2 各上市商業銀行綜合得分值

數據來源：根據Matlab計算得分情況整理。

通過計算結果分析圖2可以看出排名靠前的幾家商業銀行分別是浦發銀行、中國民生銀行、招商銀行、交通銀行、中信銀行，這些銀行綜合得分，超出平均水平(橫線代表平均水平)較多，即該幾家商業銀行綜合實力較好。而諸如像重慶農村商業銀行、張家港銀行、吳江銀行等地方性商業銀行綜合得分較低，與之前利用因子分析得出的結果類似。可以看出，各地商業銀行規模發展與其面對的客戶群體等因素均會對商業銀行財務風險綜合評價產生一定的影響。此外，國有四大行之一中國銀行在其中得分較低，主要是由于其隨著貸款增長率的不斷提升，不良貸款率也會隨之增加，且其盈利性指標之一利息收入增長率卻逐漸下降，在相比較其他國有行時，導致其綜合得分較低，排名靠后。

(四)對比結果分析

根據兩種方法的實證結果分析(表5)可以看出，排名前面的均為浦發銀行、中國民生銀行、中信銀行、交通銀行，其中的中信銀行根據不同方法排名略有差異(第3和第5)，而排名較為靠后的均有貴陽銀行、儲蓄銀行、徽商銀行。由不同方法對比結果發現，總體兩者差異不大，這也充分體現了這兩種方法應用于商業銀行財務風險綜合評價分析的優勢，具有一定的科學性、合理性。

此外，通過得分排名對比發現，中國銀行的排名依據不同的實證方法排名差異較大。在因子分析得分中，中國銀行排名中等，為第10名；在灰色關聯分析中，中國銀行得分較低，排名第29。這也進一步體現了兩種方法的依據指標的側重點各有不同，因子分析主要在提取出的每一個因子中體現具有高度相關性的指標，可在許多變量中找出隱藏的具有代表性的因子，并將相同本質的變量歸入一個因子，可減少變量的數目，同時也可以檢驗變量間關系的假設；而灰色關聯分析則是根據因素之間發展趨勢的相似或相異程度，側重于所選的財務預警指標樣本與確定的商業銀行評價對象之間的關聯程度大小，灰色關聯分析對于一個系統發展變化態勢提供了量化的度量，非常適合動態歷程分析。因此在進行分析時，我們要充分理解各自的側重點。此外在對于上市商業銀行財務風險預警評價分析時不能僅僅依靠財務指標數據分析，也要考慮不同時期，由于中央銀行以及國家政府相關政策的實施以及本商業銀行的經營理念、宏觀經濟發展形勢等眾多因素也會對商業銀行財務風險預警的綜合評價產生不同程度的影響。

最后，對上市商業銀行在進行財務風險預警綜合評價時，依據不同時期的政策，以實際商業銀行金融市場為引導，在風險控制的基礎上，針對上市商業銀行的財務指標體系，明確商業銀行信貸管理制度，積極應對財務風險與商業銀行業務發展的利益關系，增強財務風險防范意識，通過綜合評價分析為商業銀行經營策略方針提供相關財務政策建議。

表5 上市商業銀行綜合得分排名對比

續表

五、結束語

本文基于因子分析法與灰色關聯分析法，將上市商業銀行財務風險預警進行整理歸納，并積極引入灰色關聯度參數，計算財務風險預警指標權重，建立高效、科學、合理的評價方式，計算綜合評價得分，提升商業銀行財務風險管理水平。在建立風險預警模型時，上市商業銀行首先厘清自身所面對的財務風險，依據財務風險的不同情形，建立有效的風險識別體系和風險預警體系，尤其是在構建風險預警指標體系時，針對不同商業銀行，嚴格控制審批貸款流程，防止不良貸款率的上升，實時控制風險到商業銀行各個部分，增強各部門之間信息共享交流，通過評價溝通及時反饋，嚴格改善風險管理調控機制，建立風險預警模型，不斷提升商業銀行風險控制管理水平。

同時商業銀行自身端正經營指導思想，增強內部人員風險管理素質；嚴格落實各類貸款管理條例，使貸款更為透明、有效，減少不良貸款的發生，此外，上市商業銀行更應注重貸款資金的區域分布，不僅注重經濟發達地區的貸款投向，還應擇優處理到其他偏遠地區，合理分配貸款期限，健全風險內控體系和應對措施，減少商業銀行對金融體系的沖擊影響。

綜上所述，在對上市商業銀行綜合評價的基礎上，通過兩種不同的方法應用于財務風險預警，為上市商業銀行綜合實力進行排名。同時也要考慮到不同時期的實時相關政策，因此上市商業銀行財務風險預警評價分析與實際情況不總一致，從而為其他投資或者商業銀行經營決策者提供相應的決策依據，能夠及時根據財務預警指標做出策略調整，進一步減少財務風險帶來的損失。