商业银行盈利能力影响因素的实证分析——基于偏最小二乘回归(PLSR)算法

鄢祖容

(中央财经大学 财政税务学院，北京 100098)

一、引言与文献综述

商业银行是整个金融体系的核心，确保其稳定、良性、持续的盈利能力不仅对防控金融风险、维持金融市场健康运行至关重要，而且关乎宏观经济稳定与社会发展大局。时至今日，商业银行体系在我国经济生活中发挥着极其重要且无法替代的作用，是我国在全面建成小康社会之后开启全面建设社会主义现代化国家第二个百年奋斗目标新征程的重要支撑与桥梁；也正因如此，其盈利能力一直都是政府和学术界关注的焦点。但必须承认，受中国金融发展起步晚、金融理念落后、非市场因素占据主流等因素影响，我国商业银行盈利一直以利差主导型模式为主；即便如此，与国际发达经济体商业银行相比，我国商业银行尽管存在管理相对落后、品种单一、缺乏创新等一系列问题，但仍能保持强劲的盈利能力。近年来，随着中国金融开放进程的深入推进，中国以银行业为代表的金融机构越来越需要直面国际金融机构的竞争，加之利率市场化带来的金融脱媒、互联网金融的异军突起等原因，中国商业银行过往以利差主导的盈利法宝遭遇挑战；而外资银行和民营银行的陆续加入更是进一步对国内商业银行盈利空间形成挤压。在这样一种背景下，采用一种科学有效的方式去探究中国商业银行盈利能力影响因素问题，不论是对监管部门制定恰当的监管、引导政策还是对商业银行执行正确的发展战略都具有重要的现实意义。

从文献检索来看，对商业银行盈利能力影响因素进行研究的国内外文献颇为丰富。国外研究方面，Caludio等(2017)实证考察了商业银行盈利能力的影响因素，结果表明资产规模、风险承担水平以及金融创新对商业银行盈利能力产生显著影响，并且风险承担水平与盈利能力有着长期的负相关关系。近期的一项研究表明，过度金融创新会导致商业银行传统业务盈利能力受损且政策不确定性将大幅上升,而内部运营能力的提升将减少这种盈利不确定性(Dell’Ariccia等，2021)。Garcia等(2009)基于中国商业银行特征数据研究发现，资产质量高且富有创新力的商业银行往往具有更强的盈利能力，而政府过度的政策干预会明显削弱商业银行盈利能力，对金融创新也会产生制约作用。Karakaya和Er(2013)的研究结果表明，资产规模、不良贷款率、费用收入比对商业银行盈利能力产生的影响最为明显。Stiroh和Rumble(2006)通过实证研究发现，宏观经济的良好表现有利于提升发达国家大型商业银行的盈利能力，然而宏观经济的改善可能会刺激商业银行盲目扩大自身资产规模，采取较为激进的经营策略，最终会对自身盈利能力产生不利影响。Garcia和Vazquez(2007)在研究中同样证实了这一点。Demirgae和Huizinele(2020)建立了一个关于商业银行盈利能力的SV-TVP-VAR模型，将影响商业银行盈利能力的因素分为短期和长期，并且通过实证研究发现，货币政策环境、宏观经济表现以及居民年财富是影响商业银行盈利能力的主要长期因子；而在短期内，净息差与存贷比将对盈利能力产生较大影响。Lopez等(2020)通过研究发现，当比较负名义利率和低正利率时，银行的利息收入损失几乎完全被存款费用储蓄和非利息收入收益(包括证券和费用的资本收益)抵消，低存款银行在非利息收入方面表现出强劲的盈利能力。此外，Claessens等(2021)也认为，与高利率货币政策相比，低利率货币政策对净息差的影响更大，且可能对商业银行盈利能力形成负面冲击。Celine和Ruth等(2014)进一步指出，与欧美发达经济体银行不同的是，发展中国家商业银行的金融创新与银行自身经风险调整后的盈利能力呈显著的正相关关系，因此就目前而言，发展中国家商业银行金融创新正处于提升盈利能力的黄金阶段。Abbott等(2020)在研究澳大利亚商业银行的盈利能力和生产效率中发现，通货膨胀、不良贷款对盈利能力的影响显著，而信贷规模没有显著的影响。

在国内方面，谢婼青等(2021)系统考察了在金融科技背景下普惠金融对商业银行盈利能力的具体影响，研究发现，商业银行自身普惠金融水平对其盈利能力会产生 “U”字型影响；并且在商业银行进一步增加金融科技投入之后，在逐步应用大数据、互联网等信息技术推动金融服务转型与升级的基础上，普惠金融的推进能够进一步扩大商业银行盈利空间。陈一洪和梁培金(2020)基于商业银行净利润增长驱动因素分解的崭新视角对中国城市商业银行(简称城商行)盈利问题展开详尽探索，研究表明，中国城市商业银行盈利整体呈下行趋势，传统的利差盈利模式如今对银行净利润增长的贡献持续走弱，而近年来以金融创新为代表的非利息收入对城商行盈利能力的提升显著增强。陈绎润和宁阳(2018)在构建面板数据模型基础上，采用系统GMM估计对诸如利率敏感性缺口、人力资本积累、银行成长性等一系列可能成为影响商业银行盈利能力重要因素的变量展开了深入考察，研究发现，银行成长能力、金融杠杆高低、利率敏感性缺口等能够对商业银行的获利能力产生重要影响。李运达等(2020)认为金融科技能够通过降低成本收入比渠道提升商业银行总体盈利能力，但对各类银行的资产利用率影响较小，且对银行全要素生产率存在阻滞效应，这反过来又不利于银行盈利能力的提升。李佳(2020)通过构建基准面板回归模型，深入探究资产证券化过程可能对商业银行盈利能力带来的冲击。他认为，资产证券化的实施不仅会对商业银行盈利能力产生直接促进作用，而且能够通过强化经营管理能力、优化资产结构、降低风险承担等方式间接提升盈利能力；此外，存贷比、不良贷款以及成本收入比都对银行盈利能力产生明显负面效应。朱明星(2013)指出，商业银行金融创新能力对银行绩效具有显著的正向影响，并且进一步指出不良贷款率对银行绩效产生负面影响但不显著，资本充足率、存贷比与银行绩效显著正相关，银行规模、费用收益比对银行绩效有显著负面影响。何张婧(2014)在对有关我国农村商业银行(简称农商行)盈利能力问题进行理论考究的基础上，进一步运用面板随机效应模型与混合效应模型对农商行的盈利能力问题展开了深入分析。研究发现，农商行自身资产质量与规模、民营资本实力大小、政策支持力度等都是影响其盈利能力的重要因素，但金融创新目前依然对农商行收益模式存在负向效应。孙婷(2015)以商业银行盈利能力为被解释变量，以金融创新为核心解释变量，以银行资产规模、净息差、存贷比、成本收入比及资本充足率为控制变量，通过构建多元面板回归模型进行实证研究，发现金融创新、银行规模、净息差和资本充足率对商业银行盈利能力具有显著的正向影响，成本收入比的影响显著为负；而存贷比对不同类型商业银行的影响存在显著区别。王曼舒和张斌(2013)利用中国A股上市的11家商业银行数据，将分位数回归与面板回归相融合，以资本分类视角探讨了商业银行资本与其自身获利能力的相关性。结果发现，无论是资本充足率的提升还是核心资本充足率的增加均会提高银行盈利水平，而且资本充足率水平的高低还与商业银行自身风险承受能力的大小密切相关。刘小瑜和彭瑛琪(2019)运用动态面板回归模型对中国17家商业银行2007—2016年的数据进行实证研究，结果显示负债结构、银行效率与商业银行盈利能力正相关，银行资本、垄断的市场结构对盈利能力产生显著负面冲击，宏观经济指标对商业银行盈利能力的影响不显著。

综观现有研究，尽管国内外学者围绕商业银行盈利能力影响因素进行了不同程度的探讨与考察，但仍然属于初步探索性的、不充分的，相关研究结论远未达成一致。更重要的是，现有文献无论是在模型选取还是在估计方法等方面仍然存在着诸多不足，主要表现在以下几个方面：首先，在模型选取与研究方法上，绝大多数文献所选取的变量只是满足了某种预设的统计学标准，或者对模型精度有利，而对那些不满足上述条件但对商业银行盈利极为重要的因素往往被忽视，依据这些实证模型得出的具体结论难免有失偏颇或准确性不高。其次，在估计方法方面，目前许多文献主要利用当下盛行的OLS、两阶段OLS等对相关模型或参数展开估计，甚至有些文献直接对银行特征面板数据进行多元线性分析，而影响商业银行盈利的因素纷繁复杂，变量之间必然存在较强的相关性或内生性，而这往往也会导致与OLS有关的模型估计缺乏稳健性，甚至引起参数估计失效并导致完全相反的结论；此外，部分研究虽采用逐步回归法来排除相关不显著因素从而确保结果稳健，但这种做法也会剔除掉对被解释变量至关重要的信息。再次，主成分分析法与因子分析法尽管能够在一定程度上规避内生性造成的后果，但是这两种方法都只是考虑自变量信息，而未统筹考虑自变量与因变量互动信息，因而也会降低模型估计精度及可靠性。最后，在判定变量重要性或影响强弱方面，目前大量文献主要是以统计意义的显著性程度作为依据，并未回答影响商业银行盈利相关因素的相对重要性，也并未从定量角度将这些影响因素的重要性数值化并给出贡献程度排行榜，从而削弱了研究的政策启示。鉴于以上问题，本文将运用偏最小二乘回归(PLSR)算法，立足于我国现阶段商业银行具体发展情形，围绕商业银行盈利能力的影响因素进行一次系统性、针对性、专门性的梳理，力求从经验角度廓清商业银行盈利能力影响因素这一理论问题。

二、实证过程及结果分析

(一)偏最小二乘回归(PLSR)模型构建原理

偏最小二乘回归(PLSR)模型实质上是统计学中一种较为新颖的数据分析技术，该分析方法集典型性相关分析、多元线性回归分析以及主成分分析等相关技术优势于一体，在统一的算法框架下，利用信息分解思路来获得对因变量解释力度最强的综合因子，同时进一步剔除相关干扰因素，从而获取强稳健性、高精度的回归结果。此外，在统筹运用多种辅助分析技术的基础上来进行变量甄选与模型优劣判别，从而进一步实现分析结果的严谨性与科学性。偏最小二乘回归(PLSR)模型既可针对单因变量建模，也可对多因变量同时建模。由于本文只研究商业银行盈利能力这一单因变量，故只介绍与单因变量建模相关的偏最小二乘回归原理。

单因变量偏最小二乘回归建模的基本思路：考虑由商业银行盈利能力(因变量)以及相关的(=9)个自变量构成的集合为={,,…,}。在考察与之间的关系的过程中，假设有个样本点(本文选取的样本点为345个)，因而获得了×1阶的因变量矩阵×1和×阶的自变量矩阵×。基于偏最小二乘回归算法，首先在矩阵中提取具有最大变异信息且对因变量解释力度最强的首个主成分，之后利用偏最小二乘回归技术分别将与对回归，若满足精度要求则停止算法；否则利用矩阵被首个主成分解释后的残差信息再次提取第二主成分，并再一次实施及对的回归，若达到预设精度则算法终止，否则再次提取，直到满足模型精度要求为止。假设当前共获取了,,…，这h个主成分，此时偏最小二乘回归算法会再次实施Y对,,…，的回归，并通过标准化的逆映射给出因变量关于自变量的回归结果。值得注意的是，偏最小二乘回归模型通常不需要用全部成分建模，而是利用最佳成分数构建，学界一般采用交叉检验法来确定其最优主成分数量。

(二)样本选取与变量说明

1.样本选取。以A股上市的中国23家商业银行相关数据为研究样本，时间跨度为2006—2019年，共322个观测值。这23家商业银行的资产规模占中国银行业总资产的70%左右，在一定程度上能够从整体反映中国银行业状况。为保证数据的真实性与完整性，同时在多个数据库搜集原始数据并进行比对，对于部分缺失数据(中国交通银行、南京银行、张家港农村商业银行的原始数据存在少量缺失)，利用MATLAB软件通过插值法予以解决。为避免价格因素影响估计结果，采用CPI平减指数对所有与价格相关的变量进行平减处理。本文实证采用的银行特征数据主要来源于CEIC数据库与Bankscope数据库，各上市银行年报、中国人民银行网站、中国金融统计年鉴等作为补充；宏观数据主要来源于Wind数据库。

2.变量说明。

(1)与宏观经济环境与政策相关的指标。

选取全国GDP增长率、人均GDP作为宏观经济环境的代理变量，选取货币供给增长率作为商业银行面临的金融市场环境。

(2)与商业银行经营管理水平相关的指标。

以存贷比衡量商业银行流动性管理水平，以成本收入比测量商业银行成本管理水平，选取风险承受能力作为商业银行风险管理水平的衡量指标。风险承受能力采用综合指标测算法——熵值法计算得到。同时，客户资源作为银行经营管理水平的集中体现也被纳入模型之中，用前十大客户贷款集中度作为代理指标。

(3)与商业银行业务结构相关的指标。

参考标准文献做法，采用净息差代表商业银行传统的利差收入能力，利用非利息收入衡量商业银行金融创新，并取其自然对数。此外，商业银行资产质量作为其业务结构的反映，也是影响其盈利能力的重要因素，故将商业银行不良贷款率作为资产质量的代理变量并纳入模型之中，不良贷款率越高表示资产质量越差。

(4)与商业银行规模相关的指标。

商业银行规模用银行资产规模表示，为减少数据的波动性，同样将数据取自然对数。

综合以上分析，本文具体的变量定义及符号表示如表1所示。

表1 变量释义

(三)实证模型建立

表2 PLSR最佳成分数验证

2.PLSR模型及精度分析。在运用偏最小二乘回归对两个主成分进行建模的基础上，进一步通过线性逆映射方法，得到了商业银行盈利能力对各影响因素的回归方程。需要说明的是，由于在偏最小二乘回归中的用于参数估计的统计量是非标准的，因而运用自助抽样法(bootstrap)实施先验估计从而计算其统计量及渐进值，抽样次数设定为3000次。模型估计结果如表3所示。

表3 PLSR模型输出结果

通过表3呈现的PLSR模型回归结果不难发现，大多数变量的系数符号均通过了相应的显著性检验，只有金融创新、银行规模、存贷比及客户贷款集中度未通过显著性水平检验。但正如偏最小二乘回归建模原理所强调的那样，变量在统计意义上不显著并不能说明该变量对被解释变量不重要。在这种情况下，多数文献采用的解决之策便是通过逐步回归法来排除解释力度不显著的变量，从而保证研究回归结果的合意性。然而此法看似简单、合理，却忽视了被剔除变量中可能包含对因变量至关重要的解释信息，因而不能从整体上反映被解释变量概况。而偏最小二乘回归算法的辅助分析技术——变量投影重要性指标测算却能够克服这一缺陷。当然，这也是本文区别于以往研究的一个创新所在。此外，当在两个主成分基础上实施建模时，模型关于自变量的拟合精度R2X(cum)为85.1%，而模型关于因变量的拟合精度R2Y(cum)为90.3%，而且模型对因变量的预测精度Q2Y(cum)更是达到了87.2%。由此可知，依据偏最小二乘回归算法建立的回归模型在精度上是令人满意的，也从侧面进一步说明确定两个主成分的合理性。

3.偏最小二乘回归模型的有效性验证。综合上述分析可知，尽管本文所建立的偏最小二乘回归(PLSR)模型达到了预期的精度，但并不代表模型本身满足合理性及适用性标准。下面将采用PLSR的辅助分析技术予以检验。需要指出的是，本次检验结果是通过统计软件分十次对全样本数据进行抽样且每次抽取不少于200个样本进行检验，最后得到的平均检验结果。

(1)模型的合理性检验。

(2)模型的适用性检验。

接下来考察偏最小二乘回归(PLSR)模型对样本的适用性问题。这主要是通过解析样本数据重构的质量来实现。其基本思路是测算相关样本点在自变量()空间模型的标准化距离(Mod,)以及样本点在因变量()空间与模型拟合平面的标准化距离(Mod,)，以此来判断各样本点在拟合模型主平面附近的分布是否均匀，进而得出关于模型适用性优劣的相关结论。根据经典文献，(Mod,)与(Mod,)的统计量一般都服从F分布，通过数值模拟发现F的临界值通常都在2附近(王惠文，1999)。倘若(Mod,)与(Mod,)的统计量比2大很多，则可以断定样本点在模型空间中的重构质量不理想。在多数样本点的重构质量都不理想的情况下，则认为偏最小二乘回归模型的适用性较差(王惠文，1999)。本文实证模型的适用性检验如图1与图2所示。从图1可看出，每个样本点在空间上都有比较理想的质量表现，均未超过临界值2；另外，从图2中可以看出，样本点16、45和112在空间的表现质量明显劣于其他样本重构质量的平均水平，其中(Mod,)=21001，(Mod,)=21177，(Mod,)=220131。综合来看，(Mod,)、(Mod,)、(Mod,)并没有超出临界值2许多，并且其他样本点均小于临界值2，因此可以认为本文实证样本点的重构质量大体上是理想的，因而利用两个主成分建立的PLSR模型有着很好的适用性。

图1 样本点在X空间的标准化模型距离

图2 样本点在Y空间的标准化模型距离

4.变量投影重要性指标(VIP)。变量投影重要性指标(variable importance in projection，VIP)是用来测算自变量对因变量重要性程度的统计指标。本文参照王惠文等(2006)的计算方法给出了各自变量相对因变量——商业银行盈利能力()的VIP值，并根据各自VIP值的大小进行了排序，排序结果如图3所示。从图3可知，除了资产规模(ln)以外，其他变量对商业银行盈利能力的解释力度均大于0.5，因此各变量的选取都非常合理，整体上对因变量的解释力度也较大。同时，与其他变量相比，尽管资产规模(ln)对商业银行盈利能力的VIP值最低，但从VIP值可以判断，其对商业银行盈利能力仍然具有一定影响力。另外需要说明的是，金融创新、存贷比及前十大客户贷款集中度在偏最小二乘回归模型中的参数估计并不显著，然而各自VIP值却在所有变量中排第五、第六和第七位，对商业银行盈利的提升起到重要作用。

图3 各变量VIP指标

(四)实证结果分析

1.影响商业银行盈利能力的前六大因素。从PLSR模型输出结果可以看出，风险承受能力()、净息差()、实际GDP增长率()、居民财富(ln)这些变量都与商业银行盈利能力正相关，这与实际经济意义及理论分析相一致；同时，成本收入比()、货币供给增速()及不良贷款率都与商业银行盈利能力显著负相关，这与理论分析及经济实践也是吻合的。此外，净息差()、资产质量()、成本收入比()、风险承受能力()、金融创新()、存贷比()这六大因素的VIP值均大于1，在VIP图中占据前六位，因而对商业银行盈利能力的影响也最为突出。首先，净息差与资产质量是影响商业银行盈利能力的前两大因素，这充分说明对于当今中国处于转型阶段的银行业来说，尽管发展非利息业务都被各大商业银行作为开拓新利润源泉的重要战略工具，但传统的吸收存款和信贷业务以及由此派生出的定价能力仍然是目前影响各大商业银行盈利能力的头等因素，而且严格控制不良贷款率以确保资产质量稳定对强化自身盈利能力同样至关重要。其次，成本收入比是影响商业银行盈利能力的重要因素。如前文所述，成本收入比衡量的是商业银行在日常运营过程中对成本费用的控制、规划以及运用的能力，与商业银行自身盈利能力直接相关。再次，风险承受能力也是影响商业银行盈利能力的一大关键因素。事实上，商业银行风险承受能力的高低直接决定着其业务范围的广度与深度。风险承受能力越强，商业银行越有更多的机会从事较高风险的非利息业务，利润模式就越多元化。此外，存贷比是影响商业银行盈利能力不可忽视的因素。存贷比衡量了商业银行对流动性风险的控制能力，流动性风险向来都是监管部门和银行部门重点关注的对象，对商业银行盈利能力的影响不容小觑。最后，金融创新对商业银行盈利能力的影响同样值得重视。中国改革开放四十多年来，商业银行的角色由政府的银行转换为市场的银行，业务范围也由传统的存贷业务模式向多元化、多类型、精准化和服务化的全能型模式转变，其中的每一步都伴随着组织机构、治理模式的不断改革和金融产品与服务的持续创新，对盈利能力乃至盈利模式的影响也是深刻的。

2.金融创新、存贷比及前十大客户贷款集中度的回归系数不显著。金融创新、存贷比、前十大客户贷款集中度尽管是影响商业银行盈利能力的重要因素，但都对银行盈利能力的回归并不显著。就金融创新而言，可能的原因在于：首先，由于使用整体银行样本数据进行回归，而金融创新对各类商业银行的盈利效应具有较大异质性，从而导致在总体样本回归中金融创新对全样本商业银行盈利能力的拉动作用并不明显；此外，金融创新与盈利能力之间可能并非简单的线性回归关系，特别是考虑到商业银行风险承受在其中发挥的调节作用时，商业银行的金融创新对盈利能力的影响可能会发生基于风险承受能力的非线性变化。而对存贷比来说，这可能是由于此部分的实证研究采用的是全样本商业银行数据。由于各类型商业银行对流动性控制的差异，这一指标对不同类型商业银行盈利能力的影响也不尽相同。当采用全样本数据进行分析时，存贷比对各类商业银行盈利能力的正、负效应会就此抵消，从而导致总体影响不显著。至于前十大客户贷款集中度的回归系数不显著，可能的原因是前十大客户中应包括信用优质客户与信用劣质客户，从而同时存在信用优质客户贷款集中的提升效应与信用劣质客户贷款集中的阻滞效应，最终导致前十大客户贷款集中度对银行盈利正向能力影响不显著。

3. 实际GDP增长率()的系数符号与预期不符。实证结果表明，实际GDP增长率()与商业银行盈利能力具有负相关关系，但并未通过显著性检验。这一结论与理论分析是相悖的。究其原因，宏观经济增长尽管能够从整体上为商业银行创造良好的盈利场景，资产增值、投资回报率高企、实体经济部门资金需求激增等都能够为商业银行带来畅通的盈利渠道；然而，在经济繁荣背景下，商业银行受利润驱使往往会采取较为激进的扩张策略，实行降低信贷门槛、扩大资产规模、逐利资本市场甚至投资金融衍生品等一系列过激举措，这不仅在一定程度上增加了商业银行运营成本，而且放大了商业银行承担的风险水平，从而对商业银行盈利能力产生抑制作用。

4.银行资产规模对商业银行盈利能力影响弱。进一步分析PLSR模型回归结果，银行资产规模与商业银行盈利能力呈正相关关系，但并不显著，而且其VIP值为0.2359，位列VIP指标图的最后一位。资产规模对商业银行盈利能力贡献度小，说明对商业银行整体而言，规模经济优势已经比较微弱，单纯地依靠资产规模的扩张已经不能为商业银行带来明显的收益。在物联网科技、大数据、云计算等先进信息技术成为时代主题的今天，商业银行如果想在竞争中胜出、保证自身的盈利，就必须与科技相融合，走科技提升服务、技术引领发展的道路。

三、结论与政策启示

在以往学者研究的基础上，本文引入了统计学中最新的数据分析方法——偏最小二乘回归(PLSR)算法及其辅助分析技术，对商业银行盈利能力影响因素进行一次科学化、系统化的梳理。实证研究发现，首先，在选取的11个解释变量中，风险承受能力、净息差、实际GDP增长率、居民财富这些变量都与商业银行盈利能力正相关，这既与实际经济意义相一致，也与相关理论吻合；同时，成本收入比()、货币供给增速()、不良贷款率都与商业银行盈利能力负相关，这与理论分析及经济实践也是吻合的。其次，11个解释变量里面，影响商业银行盈利能力的前六大因素分别是净息差、资产质量(不良贷款率)、成本收入比、风险承受能力、金融创新及存贷比，这些变量的VIP值都超过1，且排在VIP图中前六位；研究还发现，银行资产规模对盈利能力的贡献度最低，排在VIP图中最后一位。此外，实际GDP增长率与商业银行盈利能力呈不显著的负相关关系。

根据实证研究结论，得出以下几点政策建议：

第一，在控制风险的前提下，适度推动商业银行金融创新。创新是进步的动力与源泉，改革开放四十多年来，中国银行业正是通过持续的变革与推陈出新方才取得如今的发展成就。但商业银行当前面临的环境同样不容乐观，来自国内外同行的竞争压力、互联网金融企业的侵蚀以及金融脱媒时代的来临，这些因素都直接或间接挤压了商业银行的盈利空间。因此，我国商业银行必须在控制风险的前提下，通过在金融产品与金融服务等方面不断推陈出新来强化自身盈利能力。

第二，全面增强商业银行风险承受能力，构建立体、多维的金融风险防控网络，守住不发生系统性金融风险的底线。提升盈利能力、夯实商业银行持续发展能力是最终目的，但构建金融风险防控网络、增强风险承受能力确实是提升盈利的重要手段，两者缺一不可。因此，商业银行必须以经营安全性、流动性、盈利性“三性”为根本基调，降低自身经营杠杆率，保证充足资本金，并严格接受社会各界监督及政府部门监管。此外，我国商业银行应提升科学技术水平，加强人才培养，组建一批业务娴熟、风控经验丰富、研发能力强的专业人才队伍；同时还要引进前沿的风险管理理念，搭建起切合自身且全面考虑了实际业务风险分布的概率模型，实现对金融风险的精准量化预测，为风险管理决策提供重要依据(胡文涛等，2019)。

第三，严控成本费用，深挖传统息差业务。必须高度重视传统利差业务板块的稳定性，防止盈利出现大幅波动。一方面，要积极推动利差相关业务的模式创新与技术迭代升级，既要关注负债端，大力优化付息体系，又要强化对自身资产的定价能力，增强定价体系的合理性与科学性。另一方面，商业银行必须不断优化自身的成本费用结构，完善成本费用管控体系，构建起高效的管理组织架构，积极向扁平化、专业化管理架构转型，从而大幅减少信息传递成本；同时还要立足于自身发展实际，制定出切实可行的成本收入比方案，努力构建费用合理与财务合规相统一、成本合意与收支透明相协调的可持续的有利格局。

第四，强化商业银行不良贷款率指标的管控与测评，稳定并提升银行资产质量；同时，也要加强对商业银行各类客户贷款集中的监测与识别，根据不同类型客户的信用资质灵活调整信贷配置，达到分散风险、降低损失之目的，进而提升银行盈利能力。

① 限于篇幅，具体样本银行不予展示。

② 限于篇幅，平面图与椭圆图未给出，有兴趣的读者可与作者联系。