区域银行信用卡发卡潜力研究

徐梦男

近年来区域银行信用卡业务发展势头强劲，年均发卡增速超过20%，交易笔数及交易金额即使在疫情影响下也分别保持了10%及20%以上的增速。相较而言，全国性银行信用卡业务增速显著低于区域银行。

随着区域银行信用卡业务规模的迅速扩张，全国性银行对区域银行的挤出效应也逐渐凸显，区域银行信用卡增速出现放缓趋势，从发卡量看，区域银行信用卡发卡增速已从2016年50%以上的峰值逐渐下滑至当前20%左右。

区域银行信用卡业务未来的发展空间还有多大？是否仍有区域银行存在发展潜力待挖掘？针对上述问题，笔者希望通过建立一个可量化的研究模型，以分析区域银行的信用卡发卡潜力。

研究思路

区域银行的信用卡发卡潜力受银行内部因子及外部因子共同影响。

内部因子，即银行内部指标，如银行资质情况、信用卡业务开办情况等，可以通过资产规模、历史发卡量等对上述指标进行量化。内部因子属于银行个性化指标，不同银行内部因子不同。

外部因子，即银行外部指标，如经济发展水平、市场饱和度等，可以通过GDP、城镇化程度、人均在册卡量等对上述指标进行量化。外部因子属于银行共性指标，但由于区域银行业务开展存在地域限制，同一地区区域银行外部因子相同，不同地区区域银行外部因子不同。

结合上述思路，构建区域银行信用卡发卡潜力模型：

发卡潜力=内部潜力×50%+外部潜力×50%（1）

内部潜力=资产规模×w1+存量卡渗透率×w2（2）

外部潜力=城镇化率×w3+人均在册卡量×w4+人均GDP×w5（3）

公式（1）中内外部潜力各占50%的权重为笔者借鉴相关刊物后确定。公式（2）、公式（3）中W代表各指标权重。

指标分析。对于模型所选取的城镇化率、人均在册卡量、人均GDP、资产规模、存量卡渗透率五个指标（表1），具体情况说明如下。

城镇化率：城镇化率水平代表地区消费水平，从而决定信用卡需求量，地区城镇化率水平越高，则该地区信用卡发卡潜力越大。

人均在册卡量：人均在册卡量即各地区人均已持有信用卡数量，代表当地市场空间。人均在册卡量越高，则该地区信用卡市场饱和程度越高，发卡潜力越小。

人均GDP：人均GDP代表当地信用卡需求水平，人均GDP越高，当地信用卡需求越大，则发卡潜力越大。

资产规模：资产规模代表银行潜在可投入信用卡业务的资源多少，资产规模越大，则银行发卡潜力越大。

存量卡渗透率：存量卡渗透率即銀行已发行银行卡与当地人口数的比值，代表该银行剩余发卡空间。渗透率越高则代表银行剩余发卡空间越小。笔者选取了交通银行存量卡渗透率为标准，银行存量卡渗透率与标准值差值越小，则代表发卡潜力越大。

权重计算。针对上述模型中各指标权重值W的计算，采用了“变异系数法”。变异系数法是直接利用各项指标所包含的信息，通过计算得到指标的权重，是一种客观赋权的方法。

变异系数法的基本原理是在指标评价体系中，指标值在个体间差异度代表了指标的实现难度。差异度越大表示指标实现难度越大，这样的指标更能反映个体间的差距，因此应在模型中赋予更高的权重。举例来说，指标A各个体的值为{1，1，1，1}，指标B各个体的值为{1，10，100，1000}，显然指标B的差异度更大，在变异系数法中，指标B的权重值W应更大。

变异系数法具体步骤如下：

一是变异系数确定。变异系数法的第一步是计算资产规模、存量卡渗透率、城镇化率等五个指标的变异系数。

变异系数主要用于度量指标的差异化程度，如上文中提到的指标A与指标B，直观地看B的差异度更大，但是如何量化A与B的差异化程度，变异系数是较为有效的衡量指标。变异系数值越大则代表该指标个体之间的差异越大，按照变异系数法原理，该指标应被赋予更高权重。变异系数具体公式为：

公式（4）中，σi为指标i的标准差，为指标i的均值，Vi为变异系数值。

结合上述公式，以城镇人口比重、人均GDP、人均在册卡量三个指标为例，经计算变异系数值分别为0.22、0.52、0.71，代表了三个指标中，人均在册卡量指标在各地区之间的差异最大，人均GDP次之，城镇人口比重各地区差异最小（表2）。

二是权重计算。根据公式（4）计算获得各指标的变异系数后，即可进一步计算获得各指标权重W，具体公式为：

公式（5）中Wi为指标i权重，Vi为对应指标变异系数。公式（5）原理即计算各指标变异系数值Vi在所有指标中所占的比重，Vi值越大的指标，其权重值Wi越大。

从表2中可以看到，以外部潜力指标为例，人均在册卡量变异系数值最大，差异化程度最高，因此权重最大;城镇化率指标因为变异系数值最小，因此权重最小。

三是指标标准化。经上述两步骤计算获得各指标的权重值后，理论上可将各银行指标值代入发卡潜力公式，计算获得对应潜力值。

但从实际执行看，各银行指标值代入公式前，还需解决各指标之间量纲不同，导致的难以横向比较的问题。以宁波银行为例，宁波地区城镇人口比重73.6%，人均在册卡量0.84张，人均GDP14.0万元，指标维度不同、量级不同，直接将三个指标值按照W3=14.93%、W4=48.93%、W5=36.14%进行计算，结果没有意义。

因此我们引入z-score标准化处理公式，对上述各银行指标值进行标准化处理：

公式（6）中Zij为指标i中第j个值标准化处理后的结果，Xij为指标值，为指标i均值，σi为指标i标准差。

z-score标准化处理公式目的是将不同量级的数据统一转化为同一个量级，统一用计算出的z-score值衡量，以保证数据之间的可比性。

各指标值通过标准化处理后量纲的差异得以消除，标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平，可以直接进行对比计算。仍以宁波银行为例，标准化处理后，城镇人口比重、人均GDP指标、人均在册卡量标准化值分别为0.7、1.48、1.19，即代表三个指标均高于全国各地区均值。

研究模型建立思路

结合上述研究思路，将各银行标准化处理后的指标值代入潜力公式，完成模型建立。将综合潜力得分200分以上银行定义为高潜力，得分在-100分至200分的银行定义为一般潜力，-100分以下银行定义为低潜力。结果表示，高潜力银行共计16家，一般潜力银行共计60家，低潜力银行共计21家（表3）。

结果分析

根据上述区域银行发卡潜力结果，选取江苏银行（高潜力）、盛京银行（一般潜力）、宁波银行（低潜力）三家银行做结果分析。

江苏银行—高潜力银行。江苏银行信用卡发卡潜力在区域银行中排名第4位，其优势主要集中在资产规模以及江苏地区人均GDP（图1）。

一是江苏银行资产规模达2.1万亿元，在所有区域银行中排名第2位;二是江苏省人均GDP为12.3万元，在中国所有同级别地区中排名第7位。此外，江苏银行城镇化率水平与标准值较为接近，对其发卡潜力贡献较小。人均在册卡量及渗透率指标为负贡献，即当下江苏地区以及江苏银行存量信用卡规模较大，剩余市场空间相对偏小。

发卡思路上，一方面江苏银行具有较强的资产规模优势，推动行内提高零售业务资源投入是其提高信用卡业务规模的重要抓手;另一方面江苏地区信用卡业务已趋向成熟，在册卡量、渗透率指标偏高，但江苏地区的经济优势（人均GDP、城镇化率）带来的信用卡需求仍可以提供一定的新增市场空间，提高卡产品的差异化程度将有利于银行快速抢占剩余市场，并在存量市场竞争中保持优势。

盛京银行—一般潜力银行。

相较于江苏银行，盛京银行各指标值较为均衡，其中资产规模、城镇化率水平、人均在册卡量指标对其发卡潜力产生正向贡献，渗透率、人均GDP指标对其发卡潜力产生负向影响（图2）。

一是盛京银行资产规模存在优势，截至2019年底约1.1万亿元，区域银行排名第12位。二是辽宁省人均在册卡量相对较少，约0.3张/人，地区排名第22位，发展空间较大。三是辽宁省城镇化率水平相对较高，地区排名第12位，为信用卡业务提供了一定的市场需求。四是辽宁省人均GDP相对较低，5.7万元/人，地区排名第20位。五是盛京银行存量卡规模较高，发卡增量空间受限，超过当地交通银行渗透率约0.2%，区域银行排名第13位。

发卡思路上，一是辽宁省发卡空间仍有剩余，盛京银行应合理利用自身资产规模优势，提高信用卡业务资源投入，抢占剩余市场空间。二是针对辽宁省人均GDP劣势，盛京银行可以考虑有针对性地推出贴近日常生活优惠权益的卡产品，以优惠拉动当地居民信用卡业务需求。

宁波银行—低潜力银行。

宁波银行属于低潜力银行，虽然宁波银行有着较强的资产规模优势，且宁波地区经济水平较为发达，人均GDP、城镇化率水平均全国领先，但增量市场空间的不足拉低了其发卡潜力，宁波地区的存量卡规模较大，尤其是宁波银行，其存量卡渗透率远超当地同业水平，剩余市场空间较小（图3）。

一是宁波银行在宁波地区发卡渗透率较高，约18.99%，超过当地交通银行（模型下的参照物）15.42%，增量卡空间受限。二是宁波地区人均在册卡量指标较高，约0.84张/人，全国排名第5位，市场饱和度较高。三是宁波银行存在资产规模优势，截至2019年底，资产规模达14389亿元，区域银行排名第7位。四是宁波地区经济较发达，人均GDP约14万元/人，地区排名第4位，城镇化率达73.6%，全国排名第7位。

发卡思路上，宁波银行面临着较为饱和的信用卡市场，未来增量市场空间相对较小，因此存量市场的渗透率提升是主要发力方向。建议可以发挥自身资产规模优势，并有效结合宁波当地经济发展特色，一方面做好存量客户的经营，提高存量客户的贡献度，另一方面提高信用卡产品差异度，推出不同圈层定制化卡产品配套特色权益，进一步提高存量市场渗透率。

优化与总结

从整体来看，模型存在以下局限性及可优化点。一是指标的选择：本模型中相关指标的选择较多依赖经验总结，且受限于数据源获取途径，对于模型中相关指标是否是最優选择，仍需在后续的研究中持续优化完善;二是指标对于发卡潜力的影响：不同指标作用于银行发卡潜力的效果受地域特色影响而有所差异。以本模型中城镇化率指标为例，不同地域特色下，城镇化水平对发卡潜力影响的程度不同，如云南省虽然城镇化率水平较低，但农村地区的信贷业务发展较好，也可以为信用卡业务提供一定的市场空间，因此综合而言，云南省的发卡潜力值理论上应略高于模型计算结果。在后续的研究中可以考虑引入相关参数，将地域特色这类因子纳入模型计量范围;三是指标的动态变化：模型中的指标值为截面数据（不同主体在同一时间点的数据）而非时间序列数据，模型的动态性仍有所欠缺。

综上而言，本模型是区域银行信用卡业务发展理论研究的一次初步尝试，有待优化。笔者也期待在未来随着该模型的持续完善，可以实现在发卡侧点对点的结论输出，协助银行完善信用卡业务发展路径规划，推动行业稳定健康发展。

（本文仅代表作者本人观点，不代表作者所在单位意见。）

作者供职于中国银联

责任编辑：杨琪