基于因子分析模型的商业银行信用风险测度分析

周 旺，许信旺，陈柳英

(池州职业技术学院国际经济贸易系，安徽池州 247000)

基于因子分析模型的商业银行信用风险测度分析

周 旺，许信旺，陈柳英

(池州职业技术学院国际经济贸易系，安徽池州 247000)

我国金融业开放程度的迅速提高以及金融体制改革步伐的快速发展，无疑增大了国内银行业在国际竞争中的压力和挑战难度。我国的商业银行面临着各种各样的风险，其中商业银行信用风险占主导地位，其对商业银行的发展产生了严重的影响。本文以安徽省商业银行为例，用因子分析模型来研究影响商业银行信用风险的必要因素。根据美国的风险评价体系并且结合商业银行的现状和特点，将成长性指标纳入风险考核体系，尝试构建适用于商业银行信用风险评价的指标体系，并运用因子分析法进行实证分析，找出各种影响指标，根据分析结果提出相应的建议，为我国商业银行规避信用风险提供借鉴。

商业银行；信用风险；因子分析

我国商业银行面临的风险主要有信用、市场、操作、流动性、清算等几种类型[1]，其中影响最深的为信用风险。企业发展的不确定性导致商业银行放出的贷款面临无法回收而最终形成可能性呆帐的风险。因此，把国际先进的信用风险管理经验运用到我国的商业银行风险管理模式中，创造出适合我国商业银行风险管控的模型，才能够适应金融全球化的新形势[2]。

美、英等发达国家对信用风险评估方法的研究经历了一个较长的发展时期且逐渐趋于成熟。他们对信用风险的评价方法越来越多，包括Z-score模型、KMV模型、多重判别分析方法(MDA)、Credit Metrics、麦肯锡模型和CSFP信用风险附加计量模型等[3]。研究方法从定性到定量、从简单到复杂，信用风险的评估方法不断推陈出新，其管理技术也日臻完善，许多定量技术、支持工具和软件已在商业领域应用。我国商业银行和金融市场尚处于转轨和发展的初期阶段，信用风险管理技术比较落后[4]。因此，我国迫切需要借鉴国外的信用风险管理方法，以便进一步加强对商业银行信用风险的管控。

“骆驼”评级体系是国际普遍认可和使用范围较广的一种综合信用等级评定制度,它主要通过商业银行和其他金融机构的资本充足率及变化趋势、资产质量、存款结构及偿付保证、盈利状况、人力资源情况五个指标数进行衡量，测度风险概率。在我国，影响商业银行信用风险的因素较多，其中最主要的影响指标有：资本充足率X1、核心资本充足率X2、不良贷款率X3、拨备覆盖率X4、资产净收益率X5、资产负债率X6、总资产周转率X7、股东权益周转率X8、净资产增长率X9、总资产增长率X10。本文根据CAMEL五项指标衍生的变量因子，通过因子分析模型测算安徽省商业银行的信用风险，为我国商业银行规避信用风险提供借鉴[5]。因子分析研究优势是以最少的信息丢失将众多原有变量浓缩成少数几个具有一定命名解释性的因子，并根据原始变量与因子的关系以及因子得分进行分析、评价的多元统计分析方法[6]。

1 研究对象和方法

选取安徽省2014-2016年5家国有银行、8家股份制银行以及2家农村商业银行共15个样本10项影响指标的平均数据。通过具有代表性的指标来分析影响商业银行信用风险的因素，其中数据来源于中国经济信息网、大智慧网、中国人民银行网和中国银行业监督管理委员会提供的银行年报，并采用SAS9.4进行分析。

2 研究过程及结果分析

2.1 利用信用风险影响因子构建相关系数矩阵

通过SAS9.4多变量分析-因子分析法，将数据中10项指标进行比较，用这些潜在的影响因子来解释原有指标参数之间的相关关系。我国金融市场和商业银行正处于转轨和兴起的初期阶段，信用风险管控能力尚存在不足，需要借鉴国外信用风险管理方法，结合我国金融业实情创建适合我国商业银行信用风险管控模型。

表1 信用风险影响因子相关系数矩阵

由表1相关系数矩阵可知，核心资本充足率和资产净收益率相关系数为0.4052。根据KMO(KaiserMeyerOlkin)检验标准，参数值小于0.7，具有一定的相关性，且股东权益周转率和总资产周转率有非常强的相关性，其相关系数达到了0.7941。表1中原始参数关联值在0与1之间较多，变量间均体现出较强的相关性，进行因子分析是合适的。这些指标所解释的信息具有重复性和相关性，表明银行业的稳定发展与这些重点潜在因子密不可分。

2.2 构建变动参数的特征值

根据SAS9.4因子分析法，得出各个因子对应特征值，找出明显特征值,建立因子载荷矩阵。

表2 信用风险影响因子的载荷矩阵

在表2中，前5个特征值较大，累计的样本方差和为87.79%，其余5个特征值均较小。取其前5个公共因子为建立因子载荷矩阵依据，作为商业银行风险评价指标体系因子分析模型的变量因子。

2.3 形成正交旋转矩阵和旋转相关结构

根据SAS9.4参量分析，为了充分体现意义明确的因子含义，通过软件分析我们将因子载荷阵进行方差最大法旋转(表3)，且得到旋转后的因子载荷矩阵(表4)。

表3 正交旋转矩阵

表4 旋转相关(结构)

根据表3得到各商业银行风险评价指标体系的因子分析模型。

X1=-0.004059F1-0.061834F2+0.904562F3+0.110211F4；

X2=0.101635F1-0.464699F2+0.679621F3-0.284563F4；

X3=0.110658F1+0.037530F2+0.096535F3-0.674502F4；

X4=-0.113965F1+0.147042F2+0.078114F3+0.858601F4；

X5=0.159511F1-0.845059F2+0.097081F3+0.040908F4；

X6=-0.046585F1+0.791811F2-0.301683F3+0.410265F4；

X7=0.887005F1-0.203712F2+0.252535F3+0.020034F4；

X8=0.965657F1-0.159668F2-0.004972F3-0.102497F4；

X9=0.858562F1+0.255113F2-0.145929F3-0.285005F4；

X10=0.263126F1+0.643008F2+0.461952F3-0.333914F4.

由因子分析模型可知，第一个主因子F1主要由总资产周转率、股东权益周转率、净资产增长率3个指标决定，这3个指标在主因子F1上的载荷均在0.85以上。F1代表安徽省商业银行经营活动中的盈利能力，商业银行的净资产增长率越大，银行获得利润的可能性越大。一般来说，商业银行遭遇信用风险，长期无法获利。

第二个主因子F2主要由资产负债率和资产净收益率决定，是代表商业银行管理水平的指标。通常情况下，商业银行负债越多，越容易产生信用风险。负债的金额达到很大额度后，银行没有足够的资金进行周转，无法得到资金融通，导致无法及时收回贷款，从而产生信用风险，影响银行信誉。商业银行要避免信用风险的产生，必须提高自身的管理水平。

第三个主因子F3主要反映了商业银行的资本充足性。一个商业银行资本充足，就很难遭受信用风险。资本充足率是国际银行业监管最主要的指标之一，它是用来衡量商业银行抗风险能力和金融机构稳健性的重要指数。

第四个主因子F4主要由不良贷款率和拨备覆盖率决定，表明了商业银行的资产质量。贷款不良率直接影响商业银行利益和正常运作，监管并降低不良贷款才能保证银行的利益。就目前来说，拨备覆盖率是受社会各界普遍关注的中国银监会监管商业银行信用风险的硬指标，拨备覆盖率也被视作为商业银行化解信用风险和是否能计提贷款损失准备的重要指标。

2.4 研究对象的因子得分

因子载荷矩阵确定以后，根据相对应的变量因子在15个样本上的具体数值，求出因子得分(表5)。

表5 安徽省各商业银行在变量因子中得分

由表5可以看出各商业银行在每个公共因子上的得分。在第一个公共因子上得分情况最高的是邮储银行、光大银行以及农业银行。近年来，这3家银行总资产周转以及资产增长指标方面都遇到特别大的问题,特别是农业银行。长期以来,农业银行主要服务于“三农”等弱势产业、区域和群体。在与农业相关的业务中，最突出的是“三农”贷款，这些贷款额巨大，并具有政策性，使得农行的总资产周转以及资产增长都遭遇瓶颈，这两个指标是导致农业银行产生不良贷款的重要因素，从而影响到第一个公共因子得分。

中国邮政储蓄银行和芜湖扬子村镇农村商业银行的第二个公共因子得分分别为1.6915和1.6281。邮储银行依托自身金融综合服务优势,服务于中小企业，使其中间业务迅速突起，拓宽了经营范围，其管理水平相对于农村商业银行来说是比较高的，以至于邮储银行产生的不良贷款额较少，其遭遇的信用风险的可能性也较小。建设银行发挥自身优势，通过利润实现的风险加权资产增速低于内部资本积累增速，加强资本精细化管理模式，并通过资本工作创新，夯实资本基础，从而产生较高的资本充足率。第三个公共因子得分最高。由于兴业银行和合肥科技农村商业银行的管理水平以及经营效率有限，近年来其不良贷款也在不断增加，无法在规定时间内收回贷款，导致资金的周转遇到困难，其第四个公共因子得分较高。

3 讨论

随着我国经济水平的不断提高，国内银行业机构之间的竞争越来越激烈。银行业开始从原本的放宽条件下进行贷款扩张，演变至压低价格来抢占市场份额。因此，银行业必须建立在国际信用风险管理经验的基础上，加强信用风险管理的意识，不断发展和创新信用风险控制的方法，进行风险测度模型的研究，形成一套完整的银行内部评级体系，提高商业银行防范和规避风险的能力[7-8]。

从安徽省商业银行的信用风险测度结果可以看出，我国商业银行应当规范信用风险的测量指标体系，充分考虑影响商业银行信用风险的各种因素，利用风险分析平台提供的度量指标体系，进行风险识别和控制。经过实证分析，严重影响我国商业银行发展的重要因素是银行资产中的巨额呆坏账，大量的呆坏账使商业银行业资本的充足率处于偏低水平。银行业的当务之急是提升银行资本充足率，降低信用风险。我国商业银行整体涉及的不良余额巨大，不良贷款比率一直偏高，这样就会形成过高的风险资产和偏低的资本充足率[9]。从15家商业银行的因子比较可见，不良贷款的风险权重越高，产生的风险资产可能性就越大，得到的资本充足率就越低。导致不良贷款风险形成的最主要因素就是信用风险。

我国商业银行应该从自身实际情况出发，建立与本行客户、业务和战略相适应的合理的信用风险量化模型，随着经验的积累和环境的变化调整、规范风险评价模型。信用风险量化管理体系的实施需要银行培育良好的信用文化，健全风险控制的组织架构，构建有效的风险报告流程，落实权责制度和激励约束机制，完善内部控制制度[10]。目前,我国商业银行信用风险评估指标体系有待改善。定量的财务指标数常常被作为国内银行业对信用风险评估的主要分析值，一方面是源于中国金融信用体系的局部限制，另一方面源于银行业对信用风险影响因子间相互作用的认识还停留在基础层面。因此，应将环境、市场、企业信用等非财务指标纳入信用风险评估指标的选择中，不断提高商业银行在信用风险评估中的准确性、前瞻性和科学性，对商业银行的发展起到风险规避的作用[11-12]。

[1]王建新,于立勇.基于信用风险度的商业银行风险评估模型研究[J].管理工程学报,2007(4):5-9.

[2]柯孔林,周春喜.商业银行信用风险评估方法研究述评[J].商业经济与管理,2005(6):55-65.

[3]王春峰,万海晖,张维.组合预测在商业银行信用风险评估中的应用[J].管理工程学报,1999(1):5-8.

[4]周敏,李世玲,张富堂.数据组合处理方法在数据预测中的应用[J].计算机测量与控制,2006(14):7-13.

[5]王春峰.基于神经网络技术的商业银行信用风险评估[J].系统工程管理及实践,1999(1):68-72

[6]吴静鸣.我国商业银行信用风险的早期预警模型研究[D].厦门:厦门大学,2003.

[7]龚朴,何旭彪.信用风险评估模型与方法最新研究进展[J].管理评论,2005(5):8-10.

[8]尹永成.对信用风险评估发展及我国商业银行信用风险评估问题的[D].济南:山东大学,2013.

[9]宋清华,李志辉.金融风险管理[M].北京:中国金融出版社,2003.

[10]吴晶妹.现代信用论[M].北京:中国金融出版社,2002.

[11]张伟.浅析我国商业银行信用风险管理[M].华章,2011(23)：1-3

[12]蔡虹,高杰.我国上市公司信用风险评估的方法,问题及对策分析[J].科学学与科学技术管理,2003(9):101-105.

2017-03-03

安徽省质量工程项目“会计特色品牌《会计专业》”(2016tszy059)；校级一般教学研究项目“基于工学交替模式下的证券投资实践教学研究”(2016jyxm14)；安徽高校人文社会科学研究重点项目“基于FAHP模型下互联网金融对安徽省商业银行盈利决策影响的测算研究”(SK2017A0776)。

周 旺(1989- )，男，助教，硕士研究生，从事银行金融、证券投资及税法研究。

许信旺(1962- )，男，教授，博士，从事园林经济学研究。

F832.1

A

2095-7602(2017)08-0185-05