我国上市商业银行财务风险综合评价——基于因子分析与灰色关联分析

(广西大学 广西 南宁 530004)

一、引言

商业银行作为金融业的核心部分，其稳健的运营直接关乎金融体系的稳定乃至国家经济的发展。商业银行作为货币借贷的“中介”，其风险主要是商业银行流动资金在运转过程中由于其他因素的影响导致财务状况出现异常，进而产生银行账目亏损的风险。同时，随着我国经济发展进入新常态以及金融体制的不断改革和创新，如何在全面开放的环境中管理好财务风险，进而降低财务风险发生的概率，或者在根本上规避财务风险产生的影响，对于上市商业银行的持续稳健经营尤为重要，为更好地解决风险累计与不良资产等财务风险问题，因此需要重视我国上市商业银行的财务风险评价及管理措施。

目前，我国上市商业银行仍面临着众多的危机与风险。就资本而言，上市商业银行若没有一定数量资本金的支持，更是无法抵补各种资本风险。我国上市商业银行要想在全球金融业中占据一席之地，关于财务风险预警与管理水平等方面的治理还有待进一步加强。当前，国内关于上市商业银行财务预警模型研究处于初级阶段，“亚投行”的设立以及“一带一路”的发展给上市商业银行的发展带来了机遇和挑战。一方面上市商业银行的发展涉及银行业的正常运转，另一方面还对其经济发展起到“风向标”的作用。由于我国独特的基本国情，随着经济社会的快速发展，经营环境及范围的竞争也随之加剧，在风险与机遇伴行的同时，我国上市商业银行如何及时应对财务风险的控制及管理，还应从实际国情出发进行研究思考和学习。

本文运用科学的方法对上市商业银行的财务风险进行综合评价和分析，通过构建上市商业银行财务风险预警指标，客观地分析我国上市商业银行的财务运行情况，并针对如何加强财务风险的管理和防范提供相应的参考建议。

二、文献综述

(一)国外相关研究

国外学者对财务风险预警模型的研究较为深入，以美国为代表的“CAMEL Rating System”是商业银行针对相应风险评价的最广泛方法之一；此外，财务比率综合分析法也是常用的财务风险分析方法，尤其是该方法中的“杜邦财务分析体系”是最具意义的分析方法。自20世纪60年代以来，世界各国根据不同的情形，已经归纳总结了多种财务风险预警的研究方法。当下研究主流的模型和方法有：单变量预警模型、多元线性判别分析、Logit回归模型、因子分析、神经网络分析等，均已取得较为丰富的研究成果。Joseph Sinkey F.JR(1975)首次对出现财务风险的商业银行进行多元线性判别分析，通过新识别的资产负债表和收益报表将有财务风险与无风险的进行匹配，并使用多重判别分析(MDA)来检验群体均值差异，来预测相关风险值。Ohlson J A(1980)、Mousavi(2011)等运用Logit回归模型，对破产公司进行研究，通过对一百多家破产的公司和两千多家经营稳健的公司进行了对比分析，预测准确率高达95%以上。

(二)国内相关研究

国内方面虽起步较晚，但在国外研究的基础上仍有相关学者对商业银行财务风险等做出相关评价分析。张爱民(2001)以Z值模型为基准，再结合主成分分析法，通过构建Z值主成分预警模型，并对ST相关企业进行预警分析，预警成功率高达90%以上。杨淑娥(2005)采用人工神经网络分析，选择120家上市公司的财务指标作为样本数据，并使用同期60家公司作为检验样本建立了财务危机预警模型，得到了较为准确的分析判断。罗晓光(2011)在对商业银行财务风险进行深入分析的基础上，采用Logistic回归法构建了一个多指标综合监控的银行财务风险测度模型，以期能够有效地识别风险，通过事前控制确保商业银行的健康稳定发展。王庆华(2015)以在深圳证券交易所上市并发行公司债的制造业企业为研究样本，以企业主体信用评级为财务风险水平的衡量标准，将企业财务风险进行多等级划分，运用多分类Logistic回归分析探讨企业财务风险的影响因素。李燕(2017)运用因子分析赋权法确定了各指标的权重，构建了城市商业银行财务风险预警体系的综合度量模型，并对某城市商业银行的财务风险指标进行实证检验和分析。蔡永斌(2018)运用因子分析法，对房地产上市公司财务风险进行评价，发现较低的盈利能力、偿债能力、营运能力及成长能力是导致房地产企业风险较高的主要因素，并对此提出相关风险控制策略研究。

本文在国内外研究的基础上，按照以下思路进行分析：首先，理清财务风险产生的风险源头，明晰财务风险的产生发展是个动态传导的过程；其次，财务风险是个复杂的集成系统，形成原因包含人为等多变因素，本文适当的选取相应的财务风险预警指标并及时确定好风险阈值，即风险发生的界限；最后，根据选取的指标构建预警模型并对其综合评价分析。

三、研究设计

(一)预警指标体系及临界值的确定

本文在借鉴国内外有关商业银行财务风险预警指标的研究成果和多家城市商业银行的年报数据中所记录的金融监管核心财务风险指标的基础上，按照科学性和实用性的原则，从资本充足性、经营能力、资产质量、流动性和盈利性这五个方面，选取表1所示的18个指标作为评价上市商业银行财务风险的监管指标体系。

表1 上市商业银行财务风险监管指标体系以及临界值

基于本文将依据选择的指标体系进行计算所有上市商业银行财务风险指标综合得分，依据综合得分以及风险临界值基础上将所有上市商业银行的财务风险采用相应区间进行划分。此外，考虑到不同商业银行的地区差异性，通过加权算术平均综合计算上市商业银行财务风险的平均得分，此时，为保证得分的综合性，本文继续将所有上市商业银行的综合得分求取平均值，然后将各个综合得分与平均值进行比值，并令该比值p为综合得分比值系数，依据现实经验条件将该综合得分比值系数进行如下划分：p<0.8为风险，0.81.4为稳健。

本文所提出的基于因子分析法与灰色关联分析法针对的上市商业银行财务风险预警体系简便、科学、适宜，适合上市商业银行财务风险的预警分析。通过分析各个指标对总体风险的影响程度作为求解其权重的依据，能够分析出该商业银行财务所面临的具体问题，使得财务风险预警评价更加真实可靠。

(二)模型方法的选择

本文在国外商业银行财务风险预警研究的基础上，同时选择多元统计分析中的因子分析法、灰色关联分析，利用两者进行对比分析，通过运用特征方程和正交变换等处理对商业银行风险预警指标进行赋权，最后，根据每个指标权重计算得出风险预警综合指数值，从而对商业银行的财务风险做出量化评估。

1.因子分析

本文首先采用因子分析法来构建财务风险预警模型，其基本模型如下：设财务风险预警指标X=(X1，X2，X3，…，Xp)，同时将指标数据标准化处理后E(X)=0，且原始变量可以用m(m≤p)个因子线性表示：

X1=α11F1+α12F2+…+α1mFm+ε1

X2=α21F1+α22F2+…+α2mFm+ε2

… … … … …

Xp=αp1F1+αp2F2+…+αpmFm+εp

对于F=(F1，F2+…+Fp)为公共的因子，相关系数可组成系数矩阵A并称之为载荷因子，如下所示。εi(i=1，2，3，…，p)为特殊因子。该模型满足E(F)=0，E(εi)=0，Cov(F，εi)=0。

其次通过正交旋转将所有的财务预警指标在尽可能少的因子之间有密切的关系，并根据各因子的方差贡献率在p个因子的累计方差贡献率的比重来确定每个因子的权重，最后计算上市商业银行财务风险预警的综合得分，进行排名综合分析。

2.灰色关联

灰色关联分析法是将研究对象及影响因素的因子值视为一条线上的点，与待识别对象及影响因素的因子值所绘制的曲线进行比较，比较它们之间的贴近度，并分别量化，计算出研究对象与待识别对象各影响因素之间的贴近程度的关联度，通过比较各关联度的大小来判断待识别对象对研究对象的影响程度。本文在研究我国上市商业银行财务风险预警时，运用灰色关联度模型衡量各大商业银行财务指标互动关系。首先，通过设置商业银行财务风险指标序列和结构比较序列，构建原始数据；其次，求绝对差序列；然后，计算关联系数和关联度；最后建立关联度矩阵进行实证分析。通过Matlab对财务指标数据进行分析，验证上市商业银行财务风险预警模型并对其的影响程度进行综合分析评价。

四、实证分析

截止到2018年底我国上市商业银行主要有38家，但是由于数据统计的不同，本文收集了包括所有上市的商业银行2017年四个季度的财务报告，数据来源于wind数据库。利用财务报告的数据整理计算出上文确立的商业银行财务风险测度指标后，首先对数据进行处理，将表1中各个财务风险指标的临界值进行同向化处理，利用因子分析法确定了商业银行财务风险指标集的权重。再依据确定的权重计算出各个商业银行风险综合评价分数；同时根据灰色关联分析法，先确定所选择财务风险预警指标与上市商业银行样本数据之间的灰色关联度，通过灰色关联度的权重确定方法确定财务风险预警指标的权重值，进而进行综合分析。通过因子分析与灰色关联分析，得出综合得分越高，表明上市商业银行的经营状况越好。

(一)财务风险预警指标的同向化处理

根据表1中财务风险预警指标体系中分有正向指标(资本充足率等)、逆向指标(不良贷款率等)和适度指标(贷存率等)三种类型，若不进行数据的同向化处理直接利用指标数值进行计算，会引起结果的误差，因此需要对指标进行同向化处理。基于本文将所有指标都调整为正指标，即指标的数值越大表示商业银行经营的越稳定——财务风险越小，反之，则商业银行财务风险越大。同时，对于逆向指标的数值越小表示财务风险越小，本文要使得逆向指标其转化为正向指标，通过求其倒数来计算。此外对于适度指标的处理，适度指标的取值越接近某一确定数值越好。因为适度指标与某一理想值的距离越小越好，从而相当于一个逆指标，可通过求倒数将其正向化。具体转化如下所示：

Xj为逆向指标值，Xi为逆向指标的实际值进行 转化后所得的正向指标数值。

(二)因子分析法

1.因子的检验

本文利用Stata 13软件首先对所有上市商业银行的数据进行处理，剔除相应指标，通过Bartlett’s 球形检验和KMO数值的检验得出相应的p值为0.000，即显著性水平为0.000，满足条件和KMO为0.662>0.6，因此当前指标可以选择进行因子分析。

2.公因子的选取

本文通过因子分析对所有的指标进行降维处理，并依据各公因子的特征值均大于1来进行选择。

表2 各主因子的特征值和方差贡献率

根据表2，我们看出，4个公因子方差贡献率分别为41.62%、25.87%、12.55%、9.01%，同时累计方差贡献率达到89.04%，进而利用这四个公因子作为评价指标代替表1中预警指标来描述上市商业银行的财务风险。

3.预测综合得分

为简化进行预测得分表达式，根据上面表1中各个变量的名称，依次将核心一级资本充足率等15个指标命名为X1、X2…X14、X15。同时根据各个因子的综合得分进行计算。

表3 各因子预测回归系数

根据表3正交旋转得出的因子得分系数矩阵，由于贷款减值准备对贷款总额比率指标系数为0，故剔除X11后将各个公因子用方程进行表达如下：

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。

依据四个主因子的方差贡献率作为权重进行加权汇总，得出综合得分函数：

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

其中，综合得分函数里面各系数分别为主成分因子的方差贡献率，0.8904是累积方差贡献率，最终得到F为上市商业银行金融稳定性评判的综合指数。

图1 各上市商业银行综合稳定得分值

数据来源：根据stata计算得分情况整理。

此时，为保证得分的综合性，本文继续将所有上市商业银行的综合得分求取平均值，然后将各个综合得分与平均值进行比值，并令该比值p为综合得分比值系数，依据现实经验条件将该综合得分比值系数如图1所示。

通过结果分析可以看出排名靠前的几家商业银行分别是浦发银行、中国民生银行、中信银行、交通银行、中国光大银行、招商银行、北京银行等综合得分稳定值较高，即财务风险较低，这主要由于该几家商业银行有充足资本金。根据相关数据看出，该几家商业银行的资本充足率均高于11%，平均值达到12.99%。核心资本充足率平均达到9.71%，远高于其他商业银行，由于核心资本充足率是提高影响业绩的渠道之一，而股东权益是核心资本最主要的组成部分，随着核心资本充足率要求的提高，银行将趋于降低资产的风险权重，如提高国债、政策性金融债券等的投资比重，从而降低净息差或净利息收益率，使得等量生息资产只能带来较少的净利息收入。

从商业银行的规模看，区域性的上市商业银行的财务风险最小，国有控股的四大商业银行次之，地方性中小股份制商业银行的财务风险最大。其中，以招商银行为例，招商银行的资本充足率达到15.48%、非利息收入占比达到34.42%，这也说明资本情况以及经营能力在财务风险中起到关键性作用；国有四大行之一的中国农业银行排名较为靠后，主要是由于中国农业银行特殊的客户群体，尤其是其较高的不良贷款率，使其在经营能力以及资产质量方面也受到影响，导致综合得分较低。对于地方性中小股份制商业银行财务风险较高的原因不仅有低的资本充足率也有高的不良贷款率，且经营能力相比国有行低下，综合使得其排名靠后。

(三)灰色关联分析

1.关联系数矩阵的计算

本文对财务风险预警指标首先进行定义：称r(x(mk)，x(ik))为因素m与因素i在第k列的关联系数，且

2.结构因素关联度的计算

因为关联系数是比较数列与参考数列在各个时刻的关联程度值，所以它的数不止一个，当信息过于分散不便于进行整体性比较时，有必要将各个时刻的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示。在得到关联系数矩阵后，便可计算某一因素的关联度系数。

表4 财务风险预警指标根据Matlab得出的系数

3.综合得分评价的计算

对比较序列与参考序列的关联度从大到小排序，若二者的变化态势趋于一致，说明二者关联度大；反之，则说明二者的关联度较小。根据以上因素间的关联程度，主要是用关联度的大小次序描述，而不仅是关联度的大小。将m个子序列对同一母序列的关联度按顺序进行排列起来，便组成了关联序，记为{x}，它反映了对于母序列来说各子序列的“优劣”关系。若roi>roj，则称{xi}对于同一母序列{xo}优于{xj}，记为{xo}>{xj} ；roi表示第i个子序列对母数列特征值。roi值越接近1，说明相关性越好。笔者依据Matlab得出的各财务指标系数，就上市商业银行综合得分进行计算。

图2 各上市商业银行综合得分值

数据来源：根据Matlab计算得分情况整理。

通过计算结果分析图2可以看出排名靠前的几家商业银行分别是浦发银行、中国民生银行、招商银行、交通银行、中信银行，这些银行综合得分，超出平均水平(横线代表平均水平)较多，即该几家商业银行综合实力较好。而诸如像重庆农村商业银行、张家港银行、吴江银行等地方性商业银行综合得分较低，与之前利用因子分析得出的结果类似。可以看出，各地商业银行规模发展与其面对的客户群体等因素均会对商业银行财务风险综合评价产生一定的影响。此外，国有四大行之一中国银行在其中得分较低，主要是由于其随着贷款增长率的不断提升，不良贷款率也会随之增加，且其盈利性指标之一利息收入增长率却逐渐下降，在相比较其他国有行时，导致其综合得分较低，排名靠后。

(四)对比结果分析

根据两种方法的实证结果分析(表5)可以看出，排名前面的均为浦发银行、中国民生银行、中信银行、交通银行，其中的中信银行根据不同方法排名略有差异(第3和第5)，而排名较为靠后的均有贵阳银行、储蓄银行、徽商银行。由不同方法对比结果发现，总体两者差异不大，这也充分体现了这两种方法应用于商业银行财务风险综合评价分析的优势，具有一定的科学性、合理性。

此外，通过得分排名对比发现，中国银行的排名依据不同的实证方法排名差异较大。在因子分析得分中，中国银行排名中等，为第10名；在灰色关联分析中，中国银行得分较低，排名第29。这也进一步体现了两种方法的依据指标的侧重点各有不同，因子分析主要在提取出的每一个因子中体现具有高度相关性的指标，可在许多变量中找出隐藏的具有代表性的因子，并将相同本质的变量归入一个因子，可减少变量的数目，同时也可以检验变量间关系的假设；而灰色关联分析则是根据因素之间发展趋势的相似或相异程度，侧重于所选的财务预警指标样本与确定的商业银行评价对象之间的关联程度大小，灰色关联分析对于一个系统发展变化态势提供了量化的度量，非常适合动态历程分析。因此在进行分析时，我们要充分理解各自的侧重点。此外在对于上市商业银行财务风险预警评价分析时不能仅仅依靠财务指标数据分析，也要考虑不同时期，由于中央银行以及国家政府相关政策的实施以及本商业银行的经营理念、宏观经济发展形势等众多因素也会对商业银行财务风险预警的综合评价产生不同程度的影响。

最后，对上市商业银行在进行财务风险预警综合评价时，依据不同时期的政策，以实际商业银行金融市场为引导，在风险控制的基础上，针对上市商业银行的财务指标体系，明确商业银行信贷管理制度，积极应对财务风险与商业银行业务发展的利益关系，增强财务风险防范意识，通过综合评价分析为商业银行经营策略方针提供相关财务政策建议。

表5 上市商业银行综合得分排名对比

续表

五、结束语

本文基于因子分析法与灰色关联分析法，将上市商业银行财务风险预警进行整理归纳，并积极引入灰色关联度参数，计算财务风险预警指标权重，建立高效、科学、合理的评价方式，计算综合评价得分，提升商业银行财务风险管理水平。在建立风险预警模型时，上市商业银行首先厘清自身所面对的财务风险，依据财务风险的不同情形，建立有效的风险识别体系和风险预警体系，尤其是在构建风险预警指标体系时，针对不同商业银行，严格控制审批贷款流程，防止不良贷款率的上升，实时控制风险到商业银行各个部分，增强各部门之间信息共享交流，通过评价沟通及时反馈，严格改善风险管理调控机制，建立风险预警模型，不断提升商业银行风险控制管理水平。

同时商业银行自身端正经营指导思想，增强内部人员风险管理素质；严格落实各类贷款管理条例，使贷款更为透明、有效，减少不良贷款的发生，此外，上市商业银行更应注重贷款资金的区域分布，不仅注重经济发达地区的贷款投向，还应择优处理到其他偏远地区，合理分配贷款期限，健全风险内控体系和应对措施，减少商业银行对金融体系的冲击影响。

综上所述，在对上市商业银行综合评价的基础上，通过两种不同的方法应用于财务风险预警，为上市商业银行综合实力进行排名。同时也要考虑到不同时期的实时相关政策，因此上市商业银行财务风险预警评价分析与实际情况不总一致，从而为其他投资或者商业银行经营决策者提供相应的决策依据，能够及时根据财务预警指标做出策略调整，进一步减少财务风险带来的损失。