摘 要：商業(yè)銀行的穩(wěn)定健康直接關(guān)系到金融體系的穩(wěn)定和國家經(jīng)濟的發(fā)展乃至國家安全。本文在對商業(yè)銀行財務(wù)風(fēng)險進(jìn)行深入分析的基礎(chǔ)上，通過比較“經(jīng)營穩(wěn)健的商業(yè)銀行”和“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”在資本充足性、信用、盈利能力、流動性和發(fā)展能力五個方面存在顯著性差異的指標(biāo)，采用Logistic回歸法構(gòu)建了一個多指標(biāo)綜合監(jiān)控的銀行財務(wù)風(fēng)險測度模型，以期能夠有效地識別風(fēng)險，通過事前控制確保商業(yè)銀行的健康穩(wěn)定發(fā)展，平抑經(jīng)濟波動，為實現(xiàn)國民經(jīng)濟的良性循環(huán)奠定基礎(chǔ)，最終促進(jìn)我國國民經(jīng)濟沿著良好的態(tài)勢發(fā)展。

關(guān)鍵詞：商業(yè)銀行；財務(wù)風(fēng)險；Logistic回歸分析

Abstract：In our financial system commercial banks are as the main parts， the stability and health development is directly related to the stability of financial system and national economy development even to national security. In order to effectively prevent and control the bank financial risk，this paper on the basis of analyzing the causes of bank financial risk，by comparison of commercial banks management stable and commercial banks management appear of financial risk in capital adequacy，credit，profitability，liquidity and development ability in five aspects significantly index，and then uses Logistic regression method to make up a multiple index and comprehensive monitoring bank financial risk measuring model，it is expected to effectively distinguish financial risks，by beforehand control to ensure the stability and health development of commercial banks，restrain the economy fluctuation，lay foundation of realizing the virtuous cycle of national economy and promote china’s national economy to develop along good situation.

Key Words：commercial bank，financial risk measuring，Logistic regression

中圖分類號：F830.33 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-2265（2011）11-0055-05

商業(yè)銀行作為金融業(yè)的核心，作為經(jīng)營貨幣信貸業(yè)務(wù)的特殊企業(yè)，其風(fēng)險性與生俱來。而商業(yè)銀行業(yè)務(wù)的多樣性、復(fù)雜性和交叉性特征，決定了一旦商業(yè)銀行出現(xiàn)財務(wù)風(fēng)險將會很快波及到金融體系的各個方面，如果處理不當(dāng)甚至可能引發(fā)經(jīng)濟危機。然而鑒于我國商業(yè)銀行有其自身的特點，很難直接將國外的商業(yè)銀行財務(wù)風(fēng)險警情測度模型直接應(yīng)用于我國商業(yè)銀行財務(wù)風(fēng)險預(yù)警，并且由于國內(nèi)銀行有政府的隱性擔(dān)保，迄今為止很少有商業(yè)銀行經(jīng)營失敗，因而國內(nèi)關(guān)于商業(yè)銀行財務(wù)風(fēng)險預(yù)警模型方面的研究也都處于起步階段。本文在借鑒國內(nèi)外關(guān)于商業(yè)銀行財務(wù)風(fēng)險預(yù)警研究的基礎(chǔ)之上，試圖從反映商業(yè)銀行各個方面能力的指標(biāo)入手，建立一個商業(yè)銀行財務(wù)風(fēng)險預(yù)警模型，對商業(yè)銀行財務(wù)風(fēng)險狀況進(jìn)行綜合評價，客觀地反映商業(yè)銀行財務(wù)運行狀況，及時發(fā)現(xiàn)商業(yè)銀行存在的風(fēng)險，為商業(yè)銀行經(jīng)營管理決策提供依據(jù)。

一、商業(yè)銀行財務(wù)風(fēng)險概述

商業(yè)銀行財務(wù)風(fēng)險是指商業(yè)銀行的資金在運營過程中，由于經(jīng)營狀況不佳或資本結(jié)構(gòu)不合理而承擔(dān)的風(fēng)險。銀行財務(wù)風(fēng)險預(yù)警是指銀行監(jiān)管當(dāng)局依照相關(guān)金融監(jiān)管法律法規(guī)與審慎經(jīng)營原則，通過選定一系列反映銀行風(fēng)險跡象的指標(biāo)，運用規(guī)范的統(tǒng)計分析方法實現(xiàn)對銀行財務(wù)風(fēng)險早期識別的過程。

本文在國外商業(yè)銀行財務(wù)風(fēng)險預(yù)警研究的基礎(chǔ)上，結(jié)合我國商業(yè)銀行的實際，借鑒《商業(yè)銀行風(fēng)險監(jiān)管核心指標(biāo)》和其他常見的用于評價商業(yè)銀行財務(wù)風(fēng)險的指標(biāo)，從資本充足性、信用、盈利能力、流動性和發(fā)展能力五個方面選取17個指標(biāo)作為初選指標(biāo)來評價商業(yè)銀行財務(wù)風(fēng)險（見表1）。利用多元統(tǒng)計分析中的主成分分析法，運用特征方程和正交變換的數(shù)學(xué)處理方法對選取的商業(yè)銀行風(fēng)險預(yù)警指標(biāo)進(jìn)行賦權(quán)，在此基礎(chǔ)上，運用商業(yè)銀行風(fēng)險預(yù)警指標(biāo)和風(fēng)險預(yù)警指標(biāo)權(quán)重得出風(fēng)險預(yù)警綜合指數(shù)值，對商業(yè)銀行的財務(wù)風(fēng)險做出量化評估，從而得到“經(jīng)營穩(wěn)健的商業(yè)銀行”和“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”兩組研究樣本，接著利用均值方差模型，通過比較兩組研究樣本的財務(wù)特征的顯著性差異，找出影響商業(yè)銀行財務(wù)風(fēng)險的主要因素和指標(biāo)，建立一個包括7個解釋變量的Logistic回歸模型，并對模型的預(yù)測能力進(jìn)行了檢驗。

二、研究樣本的選取

截止到2010年底我國商業(yè)銀行主要包括：上市的16家商業(yè)銀行、城市商業(yè)銀行、農(nóng)村商業(yè)銀行、城市信用社和農(nóng)村信用合作社等，由于資料來源的限制，本文收集了包括所有上市的商業(yè)銀行和幾十家城市商業(yè)銀行在內(nèi)的56家商業(yè)銀行2006年、2007年和2010年的財務(wù)報告，利用財務(wù)報告的數(shù)據(jù)整理計算出上文確立的商業(yè)銀行財務(wù)風(fēng)險測度指標(biāo)后，首先利用因子分析法確定了商業(yè)銀行財務(wù)風(fēng)險指標(biāo)集的權(quán)重。依據(jù)確定的權(quán)重計算出各個商業(yè)銀行風(fēng)險綜合評價分?jǐn)?shù)，綜合得分越高，銀行的經(jīng)營狀況越好。根據(jù)得分結(jié)果，實際得分與得分平均值的比值大于1.4定義為無警、實際得分與得分平均值比值小于等于1.4大于1.2定義為輕警、實際得分與得分平均值比值小于等于1.2大于0.8定義為正常、實際得分與得分平均值之比小于等于0.8大于0.6定義為重警、實際得分與得分平均值之比小于等于0.6定義為巨警。將無警和輕警界定為“經(jīng)營穩(wěn)健的商業(yè)銀行”，將重警和巨警界定為“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”，由此本文得到所需的兩組研究樣本和檢驗?zāi)Ｐ蜏?zhǔn)確性的兩組研究樣本。

首先，進(jìn)行KMO檢驗和Bartlett檢驗。KMO檢驗和Bartlett檢驗是常用來檢驗數(shù)據(jù)是否適合做因子分析的兩個統(tǒng)計指標(biāo)，本文借助SPSS17.0對風(fēng)險測度指標(biāo)進(jìn)行KMO檢驗和Bartlett檢驗來確定風(fēng)險指標(biāo)是否適合做指標(biāo)精簡，檢驗結(jié)果見表2。

從表2可知選取的銀行2006年、2007年和2010年指標(biāo)數(shù)據(jù)的KMO檢驗值分別為0.513、0.527和0.518，銀行2006年、2007年和2010年指標(biāo)數(shù)據(jù)的Bartlett檢驗值為0，綜合兩個檢驗值的結(jié)果說明選取的財務(wù)風(fēng)險警情測度指標(biāo)具有較強的相關(guān)性，則樣本數(shù)據(jù)適合做因子分析。

其次，利用2006年、2007年和2010年的數(shù)據(jù)提取公因子并選取特征根的值大于1的因子。本文采取主成分分析法提取公因子共同度檢驗表（見表3）。

從表3可知，提取公因子后變量的貢獻(xiàn)率較大，信息丟失較小，提取因子的效果較為理想。

在商業(yè)銀行財務(wù)風(fēng)險的評價過程中，評價指標(biāo)權(quán)重的確定對商業(yè)銀行財務(wù)風(fēng)險的界定起著舉足輕重的作用。傳統(tǒng)方法上對權(quán)重的確定大都采用層次分析法（AHP），因為它具有高度的邏輯性、系統(tǒng)性、簡潔性和實用性。但它的應(yīng)用都是通過專家征詢直接進(jìn)行定量確定，由于現(xiàn)實世界信息的不完備性和主觀判斷固有的含糊性，導(dǎo)致指標(biāo)權(quán)重確定的不準(zhǔn)確性，而且加大了指標(biāo)權(quán)重確定的工作量?；诖耍疚牟捎靡蜃臃治龇?，克服了層次分析法的缺點，以減少指標(biāo)權(quán)重確定過程中人為因素的干擾，提高指標(biāo)權(quán)重的可靠性和商業(yè)銀行財務(wù)風(fēng)險界定的準(zhǔn)確性，對于商業(yè)銀行財務(wù)風(fēng)險的預(yù)警具有重要的意義。

利用因子分析法進(jìn)行指標(biāo)賦權(quán)的步驟是：設(shè)商業(yè)銀行財務(wù)風(fēng)險預(yù)警指標(biāo)為X1，X2，X3，…，XM，其中M表示商業(yè)銀行財務(wù)風(fēng)險預(yù)警指標(biāo)個數(shù)。假定共有N個公因子，分別表示為F1，F(xiàn)2，F(xiàn)3，…，F(xiàn)N（N≤M），則預(yù)警指標(biāo)和公因子之間的關(guān)系可以表示為：

寫成矩陣的形式為： 。其中X為商業(yè)銀行財務(wù)風(fēng)險預(yù)警指標(biāo)向量，A為公因子負(fù)荷系數(shù)矩陣，F(xiàn)為公因子向量， 為殘差向量。公因子F1，F(xiàn)2，F(xiàn)3，…，F(xiàn)N之間彼此不相關(guān)，稱為正交模型。結(jié)合正交變換和因子分析法的公式，指標(biāo)XM的權(quán)重可以確定為：

因此本文采用常用的VARIMAX對因子載荷矩陣進(jìn)行旋轉(zhuǎn)，得到因子載荷矩陣Aij（i=1，2，…，17，j=1，2，…，7），則風(fēng)險指標(biāo)X i的權(quán)重W i為：

根據(jù)確定的指標(biāo)賦權(quán)公式計算2010年商業(yè)銀行財務(wù)風(fēng)險評價各指標(biāo)權(quán)重，計算過程和結(jié)果見表4。

利用相同的方法計算2006年和2007年商業(yè)銀行財務(wù)風(fēng)險評價指標(biāo)的權(quán)重，最終計算的2006年、2007年和2010年商業(yè)銀行財務(wù)風(fēng)險評價指標(biāo)的權(quán)重見表5。

最后根據(jù)各家商業(yè)銀行數(shù)據(jù)和商業(yè)銀行財務(wù)風(fēng)險評價指標(biāo)體系的權(quán)重計算各商業(yè)銀行風(fēng)險綜合評價分?jǐn)?shù)。

以2006年、2007年和2010年風(fēng)險綜合評價得分平均值為依據(jù)，將實際得分與得分平均值之比大于等于1.4和實際得分與得分平均值之比小于等于1.4大于1.2的銀行劃分為“經(jīng)營穩(wěn)健的商業(yè)銀行”，將實際得分與得分平均值之比小于等于0.8大于0.6和實際得分與得分平均值之比小于0.6的銀行劃分為“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”。由此得到本文構(gòu)建商業(yè)銀行財務(wù)風(fēng)險模型所需的33家“經(jīng)營穩(wěn)健的商業(yè)銀行”和49家“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”兩組研究樣本，以及檢驗?zāi)Ｐ蜏?zhǔn)確性的27家“經(jīng)營穩(wěn)健的商業(yè)銀行”和6家“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”。

三、模型的構(gòu)建

（一）指標(biāo)體系的建立

商業(yè)銀行財務(wù)風(fēng)險出現(xiàn)前，與商業(yè)銀行財務(wù)風(fēng)險相關(guān)的經(jīng)濟金融指標(biāo)都會不同程度地出現(xiàn)異常變化，銀行的財務(wù)風(fēng)險可以通過這些出現(xiàn)差異的指標(biāo)值的變化來加以預(yù)警，因此尋找商業(yè)銀行財務(wù)風(fēng)險早期預(yù)警信號指標(biāo)，對商業(yè)銀行財務(wù)風(fēng)險評估和財務(wù)風(fēng)險預(yù)警模型的建立至關(guān)重要。導(dǎo)致銀行財務(wù)風(fēng)險的因素是多方面的，各因素相互關(guān)聯(lián)、相互作用，最終引發(fā)銀行財務(wù)風(fēng)險，因此在選取銀行財務(wù)風(fēng)險預(yù)警指標(biāo)時，不僅要考慮指標(biāo)體系的全面性，而且要考慮指標(biāo)對銀行財務(wù)風(fēng)險預(yù)警的非重復(fù)性和非耦合性，盡量使所選的指標(biāo)體系達(dá)到最小完備組合。

因此在構(gòu)建模型前，首先需要對商業(yè)銀行財務(wù)風(fēng)險警情評價指標(biāo)體系進(jìn)行描述性統(tǒng)計分析，檢驗“經(jīng)營穩(wěn)健的商業(yè)銀行”和“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”在出現(xiàn)財務(wù)風(fēng)險之前存在顯著性差異的指標(biāo)，從而找出建立模型所需要的因變量，本文采用M-W-W檢驗和T檢驗比較均值差異，對選取的構(gòu)建模型的兩組變量進(jìn)行比較分析，統(tǒng)計結(jié)果見表6。

從表6可知，“經(jīng)營穩(wěn)健的商業(yè)銀行”和“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”在X23、X25、X33、X41、X42、X43和X51這7個指標(biāo)上出現(xiàn)顯著性差異，因此本文選取這7個指標(biāo)作為因變量進(jìn)行Logistic回歸分析。

（二）模型的建立

一般對于商業(yè)銀行財務(wù)風(fēng)險的評價可以考慮采用多元線性回歸模型，但是在本文中對于商業(yè)銀行財務(wù)風(fēng)險的界定只有“經(jīng)營穩(wěn)健的商業(yè)銀行”和“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”這兩種狀態(tài)，因此，一般的多元線性回歸模型已經(jīng)不能滿足要求。然而，Logistic回歸分析法不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計假設(shè)約束的局限性，不需要滿足正態(tài)分布和兩組協(xié)方差矩陣相等的條件，得出的結(jié)果直接表示企業(yè)發(fā)生財務(wù)失敗的可能性大小，操作簡單、結(jié)果明了，因此本文選用Logistic回歸分析法建立商業(yè)銀行財務(wù)風(fēng)險模型。

在所選取的112個樣本中，令“經(jīng)營穩(wěn)健的商業(yè)銀行”因變量取值為0，“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”因變量為1，以上文所選取的7個風(fēng)險測度指標(biāo)為自變量，利用SPSS17.0進(jìn)行Logistic回歸分析，構(gòu)建的Logistic模型的系數(shù)及相關(guān)參數(shù)見表7。

由表7可知，基于7個財務(wù)風(fēng)險評價因子構(gòu)建的Logistic銀行財務(wù)風(fēng)險預(yù)警模型為：

P為“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”的概率，X23為最大單一客戶貸款比率、X25為撥備覆蓋率、X33為風(fēng)險資本凈利率、X41為人民幣超額備付金率、X42為流動比率、X43為存貸比、X51為凈利增長率。

（三）模型的檢驗

將收集的2010年56個商業(yè)銀行的樣本代入所構(gòu)建的模型中，計算P值，將“經(jīng)營穩(wěn)健的商業(yè)銀行”和“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”的臨界概率值取值為0.5，檢驗結(jié)果見表8。

從表8可以看出，Logistic模型對“經(jīng)營穩(wěn)健的商業(yè)銀行”的預(yù)測精度達(dá)到了92.59%，對“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”的預(yù)測精度達(dá)到了83.33%，對檢驗樣本的總體預(yù)測精度達(dá)87.96%。這說明該模型具有比較好的預(yù)測效果。

四、結(jié)論

本文將Logistic回歸法引入商業(yè)銀行財務(wù)風(fēng)險預(yù)警模型，從資本充足性風(fēng)險、信用風(fēng)險、盈利能力風(fēng)險、流動性風(fēng)險和發(fā)展能力風(fēng)險五個方面建立了適合商業(yè)銀行的財務(wù)風(fēng)險預(yù)警模型，得出以下結(jié)論：

（一）虛擬了“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”

通過將樣本銀行的數(shù)據(jù)進(jìn)行主成分分析，確定指標(biāo)的權(quán)重，計算得到各個樣本的綜合得分。最后將樣本銀行的綜合得分值與綜合得分平均值的比值作為劃分“經(jīng)營穩(wěn)健的商業(yè)銀行”與“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”的界定線，既克服了我國缺乏破產(chǎn)銀行樣本以及商業(yè)銀行風(fēng)險評估歷史數(shù)據(jù)的困難，又避免了以往人為評估銀行風(fēng)險狀況的主觀隨意性，提出了評價商業(yè)銀行風(fēng)險度的新方法。

（二）經(jīng)營穩(wěn)健的商業(yè)銀行和經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行存在顯著性差異的指標(biāo)

通過對“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”和“經(jīng)營穩(wěn)健的商業(yè)銀行”進(jìn)行M-W-W檢驗和T檢驗比較均值差異，對兩組變量進(jìn)行比較分析，得出“經(jīng)營出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行”和“經(jīng)營穩(wěn)健的商業(yè)銀行”相比，在最大單一客戶貸款比率、撥備覆蓋率、風(fēng)險資本凈利率、人民幣超額備付金率、流動比率、存貸比、凈利增長率這7個指標(biāo)存在顯著性差異，因此應(yīng)將最大單一客戶貸款比率、撥備覆蓋率、風(fēng)險資本凈利率、人民幣超額備付金率、流動比率、存貸比、凈利增長率這7個指標(biāo)作為商業(yè)銀行財務(wù)風(fēng)險的重點監(jiān)測指標(biāo)。

（三）基于Logistic回歸法構(gòu)建了商業(yè)銀行財務(wù)風(fēng)險模型

利用篩選的最大單一客戶貸款比率等7個指標(biāo)作為因變量構(gòu)建了Logistic模型，通過對模型預(yù)測精度的檢驗，說明該模型具有較好的預(yù)測效果，監(jiān)管部門和商業(yè)銀行經(jīng)營者可以利用該模型對商業(yè)銀行的財務(wù)風(fēng)險進(jìn)行分析判斷。

參考文獻(xiàn)：

[1]張美戀，王秀珍.基于徑向基神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行風(fēng)險系統(tǒng)研究[J].集美大學(xué)學(xué)報，2005，（3）.

[2]Ohlson J.A.1980.Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Operation Research，9，（15）.

[3]中國銀監(jiān)會銀行風(fēng)險早期風(fēng)險預(yù)警綜合系統(tǒng)課題組.單體銀行風(fēng)險預(yù)警體系的構(gòu)建[J].金融研究，2009，（3）.

[4]張友棠，韓鵬，張勇.國有商業(yè)銀行隱性財務(wù)危機的成因與檢測指標(biāo)分析[J].武漢理工大學(xué)學(xué)報，2006，（10）.

[5]郭志剛主編.社會統(tǒng)計分析方法[M].北京：中國人民大學(xué)出版社.2006年.

[6]何惠珍.上市保險公司財務(wù)模型選擇探討[J].宏觀經(jīng)濟研究，2010，（6）.

[7]John H. Boyd and Gianni De Nicolo.2005.The Theory of Bank Risk-Taking and Competition Revisited. Journal of Operation Research，，9（15）.

[8]李光敏，李國屏，于雷.灰色層次分析法在農(nóng)用地定級因素因子權(quán)重確定中的應(yīng)用[J].湖北師范學(xué)院學(xué)報（自然科學(xué)版），2008，（2）.

[9]全春光，程曉娟.企業(yè)財務(wù)危機指標(biāo)篩選探究[J].當(dāng)代經(jīng)濟管理，2010，（8）.

[10]紅梅. 基于Logit模型上市公司財務(wù)預(yù)警實證研究[J].合作經(jīng)濟與科技，2007，（4）.

（責(zé)任編輯 耿 欣）