基于綜合指數法的重慶商業銀行風險分析*

張維維 戴家琳 袁紅念

（1.重慶銀行博士后科研工作站； 2.重慶工商大學金融學院）

一、引言

改革開放以來中國經濟經歷了由弱到強的蓬勃發展，國內平均生產總值持續提升。與此同時，市場經濟體系也在逐步成熟，銀行業已成為現代金融經濟的核心。2013年至2020年，銀行業總資產規模從151.4萬億上升至319.74萬億。商業銀行已成為國民經濟內部結構調整和運行過程中的主要工具，是中國銀行業發展不容忽略的關鍵板塊。

重慶有三家本地商業銀行，分別是重慶銀行、重慶三峽銀行、重慶農村商業銀行。經過多年發展，三家銀行憑借地理優勢已經成為了重慶銀行業的中流砥柱。不僅為居民提供了便捷的金融資金服務，也促進了地方經濟的發展。雖然商業銀行的發展已經逐漸趨向穩定經營的狀態，但是隨著市場化利率的逐漸推進和互聯網發展等外部市場的變動，其經營環境也變得更加嚴峻，進而也暴露出了更大的金融風險。

因此，為使得銀行能夠更穩定地經營，更好地服務于區域經濟的發展，本文從重慶市商業銀行金融風險的角度出發，利用綜合指數法對重慶市商業銀行進行金融風險測度，以期能夠對銀行的風險管控提供理論參考意見，提升銀行的競爭力。

二、文獻綜述

關于商業銀行風險定義，吳少新[1]指出，商業銀行風險是銀行經營管理活動所導致的一種延遲反映。被分為系統性風險和非系統性風險。毛銀輝和陸智強[2]在研究中將非系統性風險劃分信用風險、流動性風險、資本風險、經營風險。

國內外關于商業銀行金融風險的測度方法主要有網絡模型，CoVaR模型， SRISK方法、KMV模型、綜合指數法等。李明輝和黃葉苨[3]利用CoVaR模型研究了中國16家商業銀行的系統性風險溢出。王廣龍等[4]采用SRISK方法將我國與歐美國家的銀行情況進行了對比。

本文采用綜合指數法構建銀行風險指標體系，最終得出風險變化趨勢，并對該趨勢進行研究，最終為重慶市商業銀行的風控提供參考意見。

三、金融風險測度指標體系構建

（一）簡介

商業銀行承擔著資金的融通，支付利息聚集資金，再收取利息把資金貸款給有需求的客戶，兩類業務的利差就是銀行主要收入。在經營過程中，其金融風險就是各種不確定因素帶來損失的概率。重慶市地方商業銀行主要由重慶銀行、重慶三峽銀行和重慶農村商業銀行構成。重慶銀行于2007年成立，是西部地區最早成立的股份制商業銀行。2008年重慶三峽銀行成立，經營規模在西部城商行中位列前茅，是促進地區經濟發展的主力部隊。同年，重慶農村商業銀行順利在香港上市。

商業銀行的風險可劃分為系統性風險和非系統性風險。系統性風險主要指由于各種因素導致整個金融市場發生劇烈動蕩，它不能通過金融工具組合被消除。非系統性風險是由各企業獨特的經營情況所引起，在金融市場上可通過投資工具的組合將其抵消。非系統性風險可細劃為信用風險、流動性風險、資本風險、經營風險等。

（二）指標體系選擇

商業銀行金融風險可以分為系統性和非系統性，本文分別從這兩個方面進行分析選取指標，最后利用綜合指數來衡量整體的風險承擔情況。

系統性金融風險產生的原因是體系內生風險和宏觀經濟的影響。內生風險可以分為經濟波動、宏觀政策變動、貨幣流通量波動以及物價水平波動等。此外，由于商業銀行將資產和負債作為經營手段，以此來追求盈利。因此，在宏觀層面選取GDP增長率、銀行間同業拆借利率等指標作為主要因素，在微觀層面選取了資本充足率、ROA、ROE、流動性比例和存貸比指標。

非系統性風險是可以被分散的風險。按照其下屬類別選擇各自對應的指標來進行測量。信用風險選取了貸款集中度、不良貸款率、單一集團客戶貸款比例指標，流動性比例，資本風險選擇了資本與存款比率、資本充足率作為流動性風險測度，經營風險主要選取了營業收入增長率和資產周轉率。這樣，商業銀行金融風險測度指標體系如表1所示。

表1 金融風險測度指標體系

（三）綜合指數法

綜合指數法是用來衡量測評對象綜合水平的評價方法，主要是利用統計學手段來處理各指數值。相比較其他金融風險測度方法而言，綜合指數法是一種非常靈活且直觀的方法，對歷史數據的要求相對不高，且不需要考慮產生金融風險的原因。因此，本文利用綜合指數法計算出各銀行的綜合指數得分來測度銀行的風險程度。

系統性金融風險綜合指數的構建過程：從宏觀和微觀來選取影響最大的因素，計算各個影響因素的權重；其次，根據權重對各個因素進行加權得到綜合指數。測度時還采用主成分分析法。非系統性風險綜合指數構建過程，首先，合理選取影響因素指標，并計算每個指標相應的指數；其次，通過對信用風險等風險進行加權計算，從而得到一個綜合指數來評價非系統性風險。

四、模型構建

（一）系統性風險測度

1.數據選取

宏觀層面上，選取了2013到2020年的我國CPI增長率等指標，微觀層面上，主要選取了三家銀行的資本充足率、ROA等相關財務指標，同時計算三家銀行的資產規模比重進而得到各自的權重，最終對所有微觀變量進行加權得到相應的綜合指標。

先進行KMO檢驗和Bartlett球形度檢驗，判斷相關矩陣中各個指標相互獨立的程度。對13個變量進行分析，但由于相關系數為非正定矩陣，不能直接做KMO檢驗，故從13個變量中選取了6個來做檢驗，從而得到主成分特征值、方差貢獻率，作為總樣本的近似值。檢驗表明，各個變量之間具有相關關系，運用因子分析適宜。

2.主成分分析

在對數據采運用主成分分析之后，得到荷載矩陣的特征值與方差貢獻率，13個變量被分為3個主成分，主成分1F主要因素為國內生產總值增長率、消費價格指數（CPI）增長率、財政赤字依存度、資本充足率、ROE、流動性比例、存貸比；主成分2F主要因素為M2增長率、人民幣兌美元平均匯率、不良資產率和ROA；主成分3F包含財政赤字增長率和銀行間同業拆借利率。

3.綜合指數

合成的主成分表示為：

同理得到2F、3F。接下來將主成分標準化為iZ，再以方差貢獻率為對應iZ的權重，計算出重慶市商業銀行系統性金融風險綜合指數：

最后，重慶市商業銀行的系統性風險綜合指數得分如表2所示。

表2 系統性風險得分

（二）非系統性風險測度

熵權法可以客觀準確的計算指標權數，所以為了避免不同指標之間的多重共線性問題，本文選擇熵權法來計算指標權數, 根據計算，最終得到的非系統性金融風險綜合指數如表3所示。

表3 非系統性風險得分

五、結論及建議

按照系統性風險的最終指數得分（表2）,可以看到2013年至2020年，重慶市商業銀行總體的系統性風險呈現上升趨勢。從微觀層面分析，三家銀行的凈資產收益率都呈現下降趨勢，這表明銀行的盈利能力有一定程度下降。從宏觀角度來看，GDP增長率也呈現一定幅度的下降趨勢，財政赤字依存度呈現一定幅度的增長。綜上所述，可看出重慶市商業銀行隨外部經濟環境的波動，經營狀況不太理想，系統性風險呈現上升趨勢。

如表3所示，經營風險和信用風險是重慶銀行近8年來承擔的最主要風險，而流動性風險是重慶銀行最小的風險，重慶銀行風險都呈現上升趨勢。從2013年到2020，三峽銀行非系統性風險整體呈現下降趨勢，而在非系統風險中占比最小的是流動性風險。隨著三峽銀行資產規模的擴張，其自身的非系統性風險呈現穩定且下降的趨勢，其資本風險、經營風險占比大，還需要加強控制。對重慶農商行來說，非系統性風險具有上升趨勢。與另兩家銀行相比，農商行的非系統性風險大得多，這與其銀行的規模有關。其資產是其他兩家銀行倍數，其非系統性風險也遠大于其他銀行。但在非系統性風險中，信用風險和經營風險較為突出，流動性風險最小。

綜上分析，重慶市商業銀行非系統風險呈現上升趨勢，信用風險和經營風險較為突出。過去過度依賴存貸款的利息差，但由于近幾年利率市場化改革和互聯網科技迅速發展，存貸利差愈來愈小，加上地方銀行競爭激烈，利潤急劇下降，經營風險、信用風險需要更嚴格管控。

總體上，從微觀層面來講，首先，銀行需要增加盈利能力，在跟隨大型國有商業銀行的基本風向的同時，也要加強自身特色產品的建設，在利率市場化的時代增強盈利能力，穩定經營；其次，銀行要增加資本金調整資本結構，提高資本充足性，以此來抵御風險；第三，地方銀行應該加強自身管理，加強自身的專業化水平，增加相關審查力度，以此降低不良貸款率等相關指標。從宏觀層面來講，第一，面對利率市場化的嚴峻形勢，重慶市商業銀行應更新資本管理形式，建設科學合理的定價體系；第二，跟隨外部數據化的趨勢，銀行也應依靠大數據實現科技金融，解決普惠金融發展過程中存在的問題。