财务视角下银行业股票投资价值评价*

文/马宏石 柴雪（河北大学）

一、研究方法与指标

本文利用因子分析法，基于指标全面性、科学性、可取性等原则，从银行自身特点出发，选取了质量指标：X1不良贷款余额（亿元）、X2不良贷款率%、X3拨备覆盖率%；风险指标：X4资本充足率%、X5存贷款比率%、X6资产负债率%；盈利指标：X7总资产净利率%、X8净资产收益率%、X9成本收入比%；成长指标：X10总资产增长率%、X11净资产增长率%、X12营业收入增长率%、X13净利润增长率%；回报指标：X14每股收益（元）、X15每股收益增长率%等五类共15个指标。数据范围为2020年前两季度，皆源于Wind数据库。

二、投资价值实证分析

本文利用SPSS与Excel进行数据处理，使用因子分析法对银行股票投资价值进行主要维度评价，最后对选取银行计算综合得分并排名，进行投资价值微观评价。

（1）样本筛选：根据资产规模确定38家商业银行作为样本，从中选择资产规模高于4000亿元的银行，考虑到银行层次性和数据可得性，最终选择30家银行，其中国有银行6家（工商、建设、农业、中国、邮储、交通），股份制银行9家（招商、兴业、浦发、民生、中信、光大、平安、华夏、浙商），城商行15家（北京、上海、江苏、宁波、南京、徽商、杭州、中原、长沙、成都、郑州、重庆、江西、青岛、九江）。

（2）标准化处理与适用性检验：对数据进行标准化处理（正向化）后，进行了KMO和Bartlett球形度检验。结果可知，KMO值为0.617，效果较好，球形度检验结果小于0.05，所选样本适合做因子分析。

（3）累计方差贡献率：经过因子分析操作，结果显示累计方差贡献率达到84.296%，这表明通过因子分析提取的5个主成分对原始数据的解释程度较高。

（4）旋转成分矩阵：为使主成分意义更突出，对成分矩阵进行旋转。结果表明：X8、X7、X14、X3、X2属第一主成分F1（盈利质量因子）；而X12、X10、X13、X15、X1属F2（发展质量因子）；X9、X11属F3（管理质量因子）；X5属F4（风险质量因子）；X4、X6则属F5（偿债能力因子）。

（5）因子得分：在SPSS中运用综合计分功能，结合因子得分系数可得总分F，进而帮助判断30家银行股票投资价值。

（6）结果分析：F1排名前三的为招商、宁波、南京，末三位为青岛、江西、中原，F1代表盈利质量，招商净资产收益率为8.01%，总资产净利率64%、每股收益1.97元，均为第一，拨备覆盖率440.81%，仅次于宁波506.02%，招商不良贷款率也很低，排名第五，同时宁波和南京的数据也排名前列，这些银行在盈利水平和资产质量方面表现良好。

F2方面，青岛、宁波、重庆排名前三，而北京、邮储、江西排名靠后，从发展质量来看，青岛营业收入增长率为34.23%，总资产增长率为27.60%，其他如净利润增长率、每股收益增长率等也排名前列。

而宁波净利润增长率为14.58%，排名第一，总资产增长率与营业收入增长率也紧跟青岛其后。江西在营业收入增长率和净利润增长率方面表现不佳，均为负数，净利润增长率低至-23.23%，北京与邮储净利润增长率也均为负数，在-10%左右。可以表明，青岛、宁波等银行发展前景较好。

F3侧重管理质量，邮储、宁波、平安排名前列，郑州为最后一位，前三家银行成本收入比水平都很高，邮储高达51%，宁波为33%，而郑州仅为17%，这也说明邮储非常重视管理。

F4为风险质量因子，成都、邮储排名较好，其中成都存贷款比率60%，说明其存款比例较高，现金流充裕。而华夏为109%，其贷款过多，可能发生存不抵贷情况，风险较高。

F5方面，发现建设资本充足率最高，为16.62%，资产负债率也属较低水平，仅91.68%，而九江资本充足率仅11.16%，资产负债率93.30%，九江偿债能力较弱。

综合来看，宁波排名第一，其投资价值较高。从层次来看，排名前十的银行有八家城商行、一家股份制和一家国有大行。

在中间层次，国有行占较大比重，这说明宁波等城商行投资价值较高，国有行投资价值属中等水平，股份制仅个别（招商）投资价值较高。

三、结论

本文使用因子分析法对股票投资价值从财务角度进行了评价，研究发现，盈利水平、资产质量、发展潜力、管理质量、偿债能力五方面因素对投资价值有着从大到小的影响，实证表明宁波、南京、招商等银行投资价值较高。从银行层次来看本次排名，城商行投资价值＞国有银行＞股份制银行。