基于熵權-改進TOPSIS的商業銀行財務風險評價

○東華理工大學經濟與管理學院 何紫荊

一、引言

商業銀行是我國金融體系的主體，在整個金融體系的健康發展中起至關重要的作用。“金融活，經濟活；金融穩，經濟穩”，隨著金融供給側結構性改革以及“六穩”等工作的不斷推進，國內的經濟總體運行較為平穩，但風險依然蘊含其中。2020年8月，經營了20余年的包商銀行由于資不抵債申請破產，其風險處置成為我國銀行業具有重大歷史意義的標桿事件。其破產為商業銀行的審慎經營提出了挑戰，更縝密的風險監管網絡以及更精準的風險識別能力對銀行業至關重要。在利率市場化以及數字金融發展的新時代背景下，機遇與挑戰同在。商業銀行面臨的競爭環境空前嚴峻，增強風險捕獲能力，提高競爭力是推進商業銀行實現可持續發展的基礎，也是商業銀行能夠更好服務于實體經濟的重要支撐。銀行業亟需構建滿足發展規劃及戰略目標的風險評價體系和模型，以準確評價銀行業的風險總體水平、反映內部風險防控情況、把握與監管機構及經濟環境之間的關系，為銀行可持續發展奠定堅實基礎。

二、風險評價相關文獻綜述

(一)風險評價方法回顧

風險評價的發展方向主要可以分為兩類，一類是以分析報告、專家打分為主的定性評價研究，一類是以統計模型為主的定量評價方法。就統計模型而言，單變量的統計分析方法較早地應用在對商業銀行的風險度量與分析上，其優點在于方法簡單且結果直觀，但無法完全反映商業銀行的整體狀況[1]。隨后，多變量分析法得到發展，比較著名的就是Altman(1968)[2]基于22個財務指標建立五變量Z-Score模型。鄭文通(1997)[3]針對風險價值法的相關理論和國外應用情況進行了研究，探究評估企業風險的方法效用。朱秉青(2001)[4]基于專家調查意見的模糊方法，將模糊數學方法運用到財務風險評價中，將定性分析與定量方法相結合，對風險評價方法進行了拓展。隨著研究的不斷深入，國內外學者不斷嘗試將新的模型應用于風險評價。至今，因子分析法、神經網絡模型、模糊分析法、優劣解距離法等多種評價方法已經應用在對各類領域的風險評價當中。其中，TOPSIS綜合評價方法由于不受樣本規模和指標的限制，可以對目標單位進行排序、計算簡便、結果精確，適用于多種情境下的綜合評價。

(二)風險評價指標體系的相關研究

有關商業銀行的官方風險指標體系中，比較著名的是美國金融管理當局對商業銀行及其他金融機構制定的駱駝評價體系，其主要是從資本充足性、資產質量、管理水平、盈利狀況、流動性和敏感性等六個方面構建等級評定制度。我國銀監會則根據國內商業銀行的特性，發布了《股份制商業銀行風險評級體系(暫行)》規定，從定性和定量兩個角度出發，對銀行的資本充足狀況、資產安全狀況、管理狀況、盈利狀況、流動性狀況、市場風險等六個方面制定銀行風險評級體系。此外，按照《巴塞爾協定》基于誘發風險的原因將商業銀行面臨的風險分為信用風險、市場風險、流動性風險、操作風險、國家風險、法律風險、聲譽風險以及戰略風險等八項。從現有的文獻中可以看出，大部分有關銀行風險評價的研究多專注于財務風險、信用風險和流動風險，這些風險的評價體系大多基于財務數據，財務數據的可獲得性強且評價結果客觀。如琚望靜等(2019)[5]從商業銀行的資本風險、盈利風險、信用風險、流動性風險、成長性風險等五個方面構建財務風險評級體系。任英華等(2020)[6]從資產、負債、資產與負債的匹配度、資產安全性等四個方面對我國商業銀行的流動性風險進行評價。但這些風險僅是企業在金融環境下可能遭受的部分風險，在網絡發達、信息傳播速度迅猛的新時代背景下，金融市場的復雜性，造成了企業風險的多樣性。以上學者的研究及官方機構的規定豐富了商業銀行風險指標體系，具有科學性及可操作性，但還需要不斷探索新的體系，以符合新時代發展需求。

(三)優劣解距離法的拓展研究

近年來，多屬性決策在各領域的應用逐漸廣泛，決策者通過建立評價指標對一系列評價對象進行綜合分析，更快、更精準地建立管理機制以減少風險或成本提高的可能性。隨著對傳統TOPSIS法研究不斷深入，學者們也逐漸發現方法中的缺陷。為了更好地使用這種多屬性決策的評價方法，許多學者開始探索改進TOPSIS方法的途徑，以期進一步完善和優化該方法。

通過文獻梳理，發現大多數學者從兩個方面進行改進。一方面，一些學者主要探索確定權重的方法，權重的確定方法主要可以分為主觀賦權法和客觀賦權法，其中常見的主觀賦權法有層次分析法(AHP)、德爾菲法(DLP)等；而相比主觀賦權法，客觀賦權法能夠避免人為因素帶來的偏差，因而逐漸受到學者們的青睞，常見的有包絡分析法、主成分分析法、熵權法等。另一方面，學者們是通過改進正、負理想解或相對貼近度的計算方法以優化傳統TOPSIS法。傳統的TOPSIS采用歐氏距離計算評價對象的各指標與正、負理想解之間的相對距離作為評價依據，而該方法可能存在逆序現象，即與正理想解歐式距離更近的點可能與負理想解的歐式距離也更近[7]。陸偉鋒(2012)[8]則將相對正、負理想解轉換成固定正、負理想解，并采用投影法設定貼近度。Wang(2014)[9]采用一種加權的馬哈拉諾比斯距離代替歐氏距離，對傳統的TOPSIS法加以改進，但馬哈拉諾比斯距離會存在夸大微小變量的問題，可能會對排序結果造成影響。黃魯成等(2019)則提出一種屬性權重未知情境下，采用聯系向量“垂直”距離計算相對貼近度的改進方法。但當多個對象在正、負理想點連線上的投影點相同時，“垂直”距離無法區別其優劣。李華等(2016)[10]試圖引入馬氏距離以代替歐氏距離進行計算，但馬氏距離存在決策指標屬性數不能多于備選方案個數的問題。徐澤水(2001)[11]引入向量夾角余弦，重新定義了目標貼近度概念。向量夾角余弦的引入不但可以克服歐氏距離下可能出現的決策體系失效情況，還可以解決馬氏距離的不足之處[12]。

(四)文獻述評

從以上研究中可以看出，熵權法能在處理較多樣本信息的同時保留更多原始信息，并避免人為主觀因素的干擾，使結果更加客觀。以向量夾角余弦距離代替歐氏距離計算樣本數據與正、負理想解之間的貼進度能夠克服傳統TOPSIS法的弊端，但該方法存在專注于數據個體差異忽視對整體進行系統評判的問題。灰色關聯法能夠考慮各指標數據的內部變化趨勢，更加系統地反映指標數據之間的聯系。因此，本文首先根據我國商業銀行特性構建涵蓋資產流動性風險、資產質量風險、盈利風險、成長風險、資本安全風險、聲譽風險等六個方面的風險評價指標體系；然后采用熵權法確定指標權重，同時引入向量夾角余弦距離和灰色關聯法改進TOPSIS法，并將其應用到對我國上市商業銀行的風險評價中。以期評價結果能夠使商業銀行精準研判風險，及時采取有效應對措施。

三、基于熵權-改進TOPSIS的銀行風險評價體系構建

(一)評價指標及樣本的選取

1.樣本選取

選取在滬深兩地上市的32家商業銀行作為評價樣本，剔除了數據缺失以及財務狀況異常的上市商業銀行。以此數據對改進模型進行算例分析，從而更加客觀、清晰地看到不同模型驗算結果之間地差異，更好地驗證改進模型的合理性和有效性，同時也可以了解目前銀行業中各上市商業銀行風險防控情況，為提升銀行公司治理制度、促進金融企業改革提供參考。

2.風險評價指標的構建

基于監管部門對商業銀行風險管理的相關規定，參照商業銀行CAMELS評級體系以及MPA評估體系，本文共選取了21個可量化的風險指標。從商業銀行的資本充足性、資產質量、流動性、盈利性、成長性和企業聲譽等六個方面構建了商業銀行風險評價指標體系。本文的數據來自萬得數據庫、各財經網站以及證監會官網，對商業銀行的類型劃分以證監會發布的分類為標準。由于《商業銀行流動性風險管理辦法》明確要求商業銀行的流動性覆蓋率不低于100%，因此對于個別沒有披露流動性覆蓋率的上市商業銀行，在進行數據分析過程中采用100%替代。(見表1)

表1 商業銀行風險評價指標體系

(二)評價模型構建

熵權法是根據各個指標值的離散程度進行賦權的客觀賦權方法，相對變化程度大的指標具有較大的權重，反映了信息熵的效用價值。

1.基于熵權法改進TOPSIS模型

改進TOPSIS法作為一種逼近理想解的決策方法，其基本的思路是首先采用向量規范法構建規范決策矩陣X；其次，基于熵權法確定加權規范化決策矩陣；再次，確定最優值和最劣值，即正、負理想解，然后分別計算各個評價對象與正、負理想解的向量夾角余弦距離；最后獲得各評價方案與最優值的相對貼進度，進行排序。

向量夾角余弦是采用數據信息構造空間中的特征向量，用兩個向量夾角的余弦值作為衡量兩個個體間差異大小，即關聯程度(Similarity)。歐氏距離衡量是空間各點的絕對距離，跟各個點所在的位置坐標直接相關；而余弦距離衡量的是空間向量的夾角，相比歐氏距離，余弦距離更注重兩個向量在方向上的差異，也從根本上解決了線性相關問題的出現。

(1)

(2)

灰色關聯度對樣本量的多少及樣本的規律性要求較低，且計算量小，通常不會出現量化結果與定性分析結果不符的情況，能夠系統地整體評判結果[13]。計算樣本銀行與正、負理想方案之間的灰色關聯數。

i=1,2,…,m; j=1,2,…n

(3)

i=1,2,…,m; j=1,2,…n

(4)

其中，ρ為分辨系數，ρ∈[0,1],一般取值為0.5。

Qi=qi/max1≤i≤m(qi),i=1,2,…,m

(5)

其次，對TOPSIS及灰色關聯度進行加權無量綱化處理。

(6)

(7)

其中，α+β=1，且α∈[0,1]，β∈[0,1]，二者的取值視情況而定，現有文獻一般取α=β=0.5。

最后，計算商業銀行風險評價與理想解的相對貼近度并排序。

(8)

用計算的Ci值進行排序，Ci越大，銀行的風險越高，越需要加強風險防控。

四、算例分析及模型合理性驗證

(一)評價結果及分析

對比分析三種評價方法的相對貼近度和評價排名，從整體結果可以看出，三種風險評價結果的中間排名相似度較高，但是端點位置排序波動較大，尤其是風險排名靠前的部分。產生差距的原因主要是基于歐氏距離計算的傳統TOPSIS法更容易受到量綱的影響，反映信息的能力相對較弱。通過引進向量夾角余弦距離判斷樣本間的相似度，能夠更好地反映出個體之間的差異。但是忽略了企業風險內部變化趨勢與最優理想解的聯系，灰色關聯度則能夠更好的反映內部各因素之間的變化情況。

表2 樣本銀行風險排序對比

如表2所示，基于改進的評價方法得出前三個風險較大的排序是郵儲銀行、交通銀行和建設銀行。基于余弦改進的TOPSIS得出的結果與前者相近，但是風險前三的銀行仍存在一些差異，分別為工商銀行、建設銀行和郵儲銀行，而交通銀行風險排名14，臨近平均水平，這一結果與改進方法相差較大。基于歐氏距離的TOPSIS風險評價結果與前兩種方法整體差距更大，在該方法下風險排名前三的銀行分別是交通銀行、鄭州銀行以及中國銀行，而郵儲銀行風險排名為15、建設銀行風險排名13，排名均處于中間水平。

(二)方法合理性驗證

1.根據32家銀行每項指標的均值來分析。如表3所示，郵儲銀行存在12個指標值均高于樣本均值(正向指標高于均值，負向指標低于均值)，其中成本收入比、基本每股收益、總資產增長率、營業收入增長率、杠桿率、資產負債率等指標值與每項指標均值差異較大，說明郵儲銀行在這些指標方面的質量遠低于大部分樣本銀行；建設銀行則有10個指標值高于樣本均值(正向指標高于均值，負向指標低于均值)，其中凈利潤增長率、資本積累率、營業收入增長率、貸款損失準備充足率、流動性比例等指標值與樣本均值差異較大。

表3 商業銀行風險指標值及樣本均值

2.對比各項評價指標排名分析評價結果。根據各風險指標的熵權大小進行降序排列，選取熵值較大的11個風險指標進行排名分析，如表3所示。①聲譽風險來看，信息披露考評指標中，上海證券交易所評價的這32家樣本公司分別為A和B兩級，A級的有20家銀行，剩下的為B級。郵儲銀行為B，低于平均水平，杠桿率指標中，郵儲銀行的杠桿率高達30%，財務杠桿風險位居第一。但郵儲銀行和建設銀行的分紅率表現相對較好，分別為30%和33.09%，位居前十，綜合來看，兩家銀行的聲譽風險較高；②就成長能力而言，資本積累率指標中，郵儲銀行和建設銀行的降序排名分別為16(14.64%)和20(12.23%)，指標質量屬于中等偏下，而總資產增長率的降序排名分別為25(7.36%)和19(9.53%)，指標質量相對靠后；③從成本收入比看，郵儲銀行的盈利能力較弱，降序排序下，比值為樣本銀行中最高，為56.57%。郵儲銀行有著獨特的“個體戶代理”經營模式，其中的代理網點占絕大多數，因此郵儲銀行的蓄代理費等遠高于其他商業銀行。而建設銀行的成本收入比(26.53%)也較高，降序排名第21；④從資產流動性中的存貸比而言，郵儲銀行最低，為53.41。建設銀行則居于中后位，降序排名18；⑤根據資產質量的指標值來看，郵儲銀行的不良貸款情況表現較好，降序排名31，說明其貸款質量較高。建設銀行不良貸款率(1.42%)排名17，風險略高于平均水平。兩家銀行撥貸比均靠近樣本平均水平，建設銀行(3.23%)排名16，郵儲銀行(3.35%)排名17；⑥從資本充足指標來看，郵儲銀行的資產負債率最高，為94.67%，降序排名第1，說明大部分資金來源于債務的資金較多，較少部分來源于股東。相比之下，建設銀行的資產負債率較低，為降序排名28。此外，建設銀行的核心資本充足率(13.88)表現相對好，在樣本銀行中降序排名第2，而郵儲銀行的核心資本充足率(9.9%)略低于平均水平，排名17。

五、主要結論

本文通過對32家上市商業銀行進行實證分析，在綜合分析銀行風險的基礎上，驗證了改進TOPSIS方法的合理性和有效性，進而更好地為評價企業風險、科學地制定風險管理機制提供了方法。

第一、本文建立的風險評價指標在CAMELS評價體系的基礎上，綜合考慮了企業的資產質量風險、成長性風險、資本安全風險、盈利風險、流動性風險和聲譽風險等六個方面的風險指標，考慮了商業銀行特性、社會貢獻、財務及非財務等多種因素，如撥備覆蓋率、不良貸款率、撥貸比、第三方機構評級等多方面對風險的影響。能夠反映銀行的經濟發展情況以及未來發展過程中可能承受的風險強弱，從而促使銀行能夠根據經營情況更好地做好風險防控。

第二、從各指標的熵值來看，對銀行風險影響較大的是深圳交易所通報的對上市公司信息披露質量的評級、杠桿率和成本收入比等指標。因此，銀行應多關注聲譽風險、銀行資產質量風險以及盈利狀況風險等方面的風險防控。尤其是銀保監會新制定的《銀行保險機構聲譽風險管理辦法(試行)》，明確規定銀行機構若存在聲譽風險管理機制極度不完善、聲譽事件造成機構或行業重大損失等情況，將會受到嚴厲處罰。現大多數銀行在應對信用風險、流動性風險、資產質量風險等方面的風險防控機制逐漸成熟，但卻少有銀行在聲譽風險方面形成一套成熟的防控機制。因此，在互聯網媒介發展如此迅猛的背景下，銀行應重點關注負面事件造成的聲譽影響，加強聲譽風險管理機制建設。

第三、從評價結果來看，雖然國有大行在資產質量和資本充足性方面控制表現良好，但其在流動性方面存在較高風險，成長能力不強，總體風險相對突出；國有大行的規模較大、影響范圍廣而深，一旦發生負面事件遭遇監管處罰，會威脅到整個銀行體系的正常運行，也將對整體金融市場的穩定發展造成一定影響。建議銀行完善風險度量體系，尤其是聲譽風險管理機制，使銀行管理層和監管機構形成共識，進一步提高防范金融風險能力，助推經濟高質量發展。