周 旺，許信旺，陳柳英

(池州職業(yè)技術(shù)學(xué)院國際經(jīng)濟(jì)貿(mào)易系，安徽池州 247000)

基于因子分析模型的商業(yè)銀行信用風(fēng)險測度分析

周 旺，許信旺，陳柳英

(池州職業(yè)技術(shù)學(xué)院國際經(jīng)濟(jì)貿(mào)易系，安徽池州 247000)

我國金融業(yè)開放程度的迅速提高以及金融體制改革步伐的快速發(fā)展，無疑增大了國內(nèi)銀行業(yè)在國際競爭中的壓力和挑戰(zhàn)難度。我國的商業(yè)銀行面臨著各種各樣的風(fēng)險，其中商業(yè)銀行信用風(fēng)險占主導(dǎo)地位，其對商業(yè)銀行的發(fā)展產(chǎn)生了嚴(yán)重的影響。本文以安徽省商業(yè)銀行為例，用因子分析模型來研究影響商業(yè)銀行信用風(fēng)險的必要因素。根據(jù)美國的風(fēng)險評價體系并且結(jié)合商業(yè)銀行的現(xiàn)狀和特點，將成長性指標(biāo)納入風(fēng)險考核體系，嘗試構(gòu)建適用于商業(yè)銀行信用風(fēng)險評價的指標(biāo)體系，并運(yùn)用因子分析法進(jìn)行實證分析，找出各種影響指標(biāo)，根據(jù)分析結(jié)果提出相應(yīng)的建議，為我國商業(yè)銀行規(guī)避信用風(fēng)險提供借鑒。

商業(yè)銀行；信用風(fēng)險；因子分析

我國商業(yè)銀行面臨的風(fēng)險主要有信用、市場、操作、流動性、清算等幾種類型[1]，其中影響最深的為信用風(fēng)險。企業(yè)發(fā)展的不確定性導(dǎo)致商業(yè)銀行放出的貸款面臨無法回收而最終形成可能性呆帳的風(fēng)險。因此，把國際先進(jìn)的信用風(fēng)險管理經(jīng)驗運(yùn)用到我國的商業(yè)銀行風(fēng)險管理模式中，創(chuàng)造出適合我國商業(yè)銀行風(fēng)險管控的模型，才能夠適應(yīng)金融全球化的新形勢[2]。

美、英等發(fā)達(dá)國家對信用風(fēng)險評估方法的研究經(jīng)歷了一個較長的發(fā)展時期且逐漸趨于成熟。他們對信用風(fēng)險的評價方法越來越多，包括Z-score模型、KMV模型、多重判別分析方法(MDA)、Credit Metrics、麥肯錫模型和CSFP信用風(fēng)險附加計量模型等[3]。研究方法從定性到定量、從簡單到復(fù)雜，信用風(fēng)險的評估方法不斷推陳出新，其管理技術(shù)也日臻完善，許多定量技術(shù)、支持工具和軟件已在商業(yè)領(lǐng)域應(yīng)用。我國商業(yè)銀行和金融市場尚處于轉(zhuǎn)軌和發(fā)展的初期階段，信用風(fēng)險管理技術(shù)比較落后[4]。因此，我國迫切需要借鑒國外的信用風(fēng)險管理方法，以便進(jìn)一步加強(qiáng)對商業(yè)銀行信用風(fēng)險的管控。

“駱駝”評級體系是國際普遍認(rèn)可和使用范圍較廣的一種綜合信用等級評定制度,它主要通過商業(yè)銀行和其他金融機(jī)構(gòu)的資本充足率及變化趨勢、資產(chǎn)質(zhì)量、存款結(jié)構(gòu)及償付保證、盈利狀況、人力資源情況五個指標(biāo)數(shù)進(jìn)行衡量，測度風(fēng)險概率。在我國，影響商業(yè)銀行信用風(fēng)險的因素較多，其中最主要的影響指標(biāo)有：資本充足率X1、核心資本充足率X2、不良貸款率X3、撥備覆蓋率X4、資產(chǎn)凈收益率X5、資產(chǎn)負(fù)債率X6、總資產(chǎn)周轉(zhuǎn)率X7、股東權(quán)益周轉(zhuǎn)率X8、凈資產(chǎn)增長率X9、總資產(chǎn)增長率X10。本文根據(jù)CAMEL五項指標(biāo)衍生的變量因子，通過因子分析模型測算安徽省商業(yè)銀行的信用風(fēng)險，為我國商業(yè)銀行規(guī)避信用風(fēng)險提供借鑒[5]。因子分析研究優(yōu)勢是以最少的信息丟失將眾多原有變量濃縮成少數(shù)幾個具有一定命名解釋性的因子，并根據(jù)原始變量與因子的關(guān)系以及因子得分進(jìn)行分析、評價的多元統(tǒng)計分析方法[6]。

1 研究對象和方法

選取安徽省2014-2016年5家國有銀行、8家股份制銀行以及2家農(nóng)村商業(yè)銀行共15個樣本10項影響指標(biāo)的平均數(shù)據(jù)。通過具有代表性的指標(biāo)來分析影響商業(yè)銀行信用風(fēng)險的因素，其中數(shù)據(jù)來源于中國經(jīng)濟(jì)信息網(wǎng)、大智慧網(wǎng)、中國人民銀行網(wǎng)和中國銀行業(yè)監(jiān)督管理委員會提供的銀行年報，并采用SAS9.4進(jìn)行分析。

2 研究過程及結(jié)果分析

2.1 利用信用風(fēng)險影響因子構(gòu)建相關(guān)系數(shù)矩陣

通過SAS9.4多變量分析-因子分析法，將數(shù)據(jù)中10項指標(biāo)進(jìn)行比較，用這些潛在的影響因子來解釋原有指標(biāo)參數(shù)之間的相關(guān)關(guān)系。我國金融市場和商業(yè)銀行正處于轉(zhuǎn)軌和興起的初期階段，信用風(fēng)險管控能力尚存在不足，需要借鑒國外信用風(fēng)險管理方法，結(jié)合我國金融業(yè)實情創(chuàng)建適合我國商業(yè)銀行信用風(fēng)險管控模型。

表1 信用風(fēng)險影響因子相關(guān)系數(shù)矩陣

由表1相關(guān)系數(shù)矩陣可知，核心資本充足率和資產(chǎn)凈收益率相關(guān)系數(shù)為0.4052。根據(jù)KMO(KaiserMeyerOlkin)檢驗標(biāo)準(zhǔn)，參數(shù)值小于0.7，具有一定的相關(guān)性，且股東權(quán)益周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率有非常強(qiáng)的相關(guān)性，其相關(guān)系數(shù)達(dá)到了0.7941。表1中原始參數(shù)關(guān)聯(lián)值在0與1之間較多，變量間均體現(xiàn)出較強(qiáng)的相關(guān)性，進(jìn)行因子分析是合適的。這些指標(biāo)所解釋的信息具有重復(fù)性和相關(guān)性，表明銀行業(yè)的穩(wěn)定發(fā)展與這些重點潛在因子密不可分。

2.2 構(gòu)建變動參數(shù)的特征值

根據(jù)SAS9.4因子分析法，得出各個因子對應(yīng)特征值，找出明顯特征值,建立因子載荷矩陣。

表2 信用風(fēng)險影響因子的載荷矩陣

在表2中，前5個特征值較大，累計的樣本方差和為87.79%，其余5個特征值均較小。取其前5個公共因子為建立因子載荷矩陣依據(jù)，作為商業(yè)銀行風(fēng)險評價指標(biāo)體系因子分析模型的變量因子。

2.3 形成正交旋轉(zhuǎn)矩陣和旋轉(zhuǎn)相關(guān)結(jié)構(gòu)

根據(jù)SAS9.4參量分析，為了充分體現(xiàn)意義明確的因子含義，通過軟件分析我們將因子載荷陣進(jìn)行方差最大法旋轉(zhuǎn)(表3)，且得到旋轉(zhuǎn)后的因子載荷矩陣(表4)。

表3 正交旋轉(zhuǎn)矩陣

表4 旋轉(zhuǎn)相關(guān)(結(jié)構(gòu))

根據(jù)表3得到各商業(yè)銀行風(fēng)險評價指標(biāo)體系的因子分析模型。

X1=-0.004059F1-0.061834F2+0.904562F3+0.110211F4；

X2=0.101635F1-0.464699F2+0.679621F3-0.284563F4；

X3=0.110658F1+0.037530F2+0.096535F3-0.674502F4；

X4=-0.113965F1+0.147042F2+0.078114F3+0.858601F4；

X5=0.159511F1-0.845059F2+0.097081F3+0.040908F4；

X6=-0.046585F1+0.791811F2-0.301683F3+0.410265F4；

X7=0.887005F1-0.203712F2+0.252535F3+0.020034F4；

X8=0.965657F1-0.159668F2-0.004972F3-0.102497F4；

X9=0.858562F1+0.255113F2-0.145929F3-0.285005F4；

X10=0.263126F1+0.643008F2+0.461952F3-0.333914F4.

由因子分析模型可知，第一個主因子F1主要由總資產(chǎn)周轉(zhuǎn)率、股東權(quán)益周轉(zhuǎn)率、凈資產(chǎn)增長率3個指標(biāo)決定，這3個指標(biāo)在主因子F1上的載荷均在0.85以上。F1代表安徽省商業(yè)銀行經(jīng)營活動中的盈利能力，商業(yè)銀行的凈資產(chǎn)增長率越大，銀行獲得利潤的可能性越大。一般來說，商業(yè)銀行遭遇信用風(fēng)險，長期無法獲利。

第二個主因子F2主要由資產(chǎn)負(fù)債率和資產(chǎn)凈收益率決定，是代表商業(yè)銀行管理水平的指標(biāo)。通常情況下，商業(yè)銀行負(fù)債越多，越容易產(chǎn)生信用風(fēng)險。負(fù)債的金額達(dá)到很大額度后，銀行沒有足夠的資金進(jìn)行周轉(zhuǎn)，無法得到資金融通，導(dǎo)致無法及時收回貸款，從而產(chǎn)生信用風(fēng)險，影響銀行信譽(yù)。商業(yè)銀行要避免信用風(fēng)險的產(chǎn)生，必須提高自身的管理水平。

第三個主因子F3主要反映了商業(yè)銀行的資本充足性。一個商業(yè)銀行資本充足，就很難遭受信用風(fēng)險。資本充足率是國際銀行業(yè)監(jiān)管最主要的指標(biāo)之一，它是用來衡量商業(yè)銀行抗風(fēng)險能力和金融機(jī)構(gòu)穩(wěn)健性的重要指數(shù)。

第四個主因子F4主要由不良貸款率和撥備覆蓋率決定，表明了商業(yè)銀行的資產(chǎn)質(zhì)量。貸款不良率直接影響商業(yè)銀行利益和正常運(yùn)作，監(jiān)管并降低不良貸款才能保證銀行的利益。就目前來說，撥備覆蓋率是受社會各界普遍關(guān)注的中國銀監(jiān)會監(jiān)管商業(yè)銀行信用風(fēng)險的硬指標(biāo)，撥備覆蓋率也被視作為商業(yè)銀行化解信用風(fēng)險和是否能計提貸款損失準(zhǔn)備的重要指標(biāo)。

2.4 研究對象的因子得分

因子載荷矩陣確定以后，根據(jù)相對應(yīng)的變量因子在15個樣本上的具體數(shù)值，求出因子得分(表5)。

表5 安徽省各商業(yè)銀行在變量因子中得分

由表5可以看出各商業(yè)銀行在每個公共因子上的得分。在第一個公共因子上得分情況最高的是郵儲銀行、光大銀行以及農(nóng)業(yè)銀行。近年來，這3家銀行總資產(chǎn)周轉(zhuǎn)以及資產(chǎn)增長指標(biāo)方面都遇到特別大的問題,特別是農(nóng)業(yè)銀行。長期以來,農(nóng)業(yè)銀行主要服務(wù)于“三農(nóng)”等弱勢產(chǎn)業(yè)、區(qū)域和群體。在與農(nóng)業(yè)相關(guān)的業(yè)務(wù)中，最突出的是“三農(nóng)”貸款，這些貸款額巨大，并具有政策性，使得農(nóng)行的總資產(chǎn)周轉(zhuǎn)以及資產(chǎn)增長都遭遇瓶頸，這兩個指標(biāo)是導(dǎo)致農(nóng)業(yè)銀行產(chǎn)生不良貸款的重要因素，從而影響到第一個公共因子得分。

中國郵政儲蓄銀行和蕪湖揚(yáng)子村鎮(zhèn)農(nóng)村商業(yè)銀行的第二個公共因子得分分別為1.6915和1.6281。郵儲銀行依托自身金融綜合服務(wù)優(yōu)勢,服務(wù)于中小企業(yè)，使其中間業(yè)務(wù)迅速突起，拓寬了經(jīng)營范圍，其管理水平相對于農(nóng)村商業(yè)銀行來說是比較高的，以至于郵儲銀行產(chǎn)生的不良貸款額較少，其遭遇的信用風(fēng)險的可能性也較小。建設(shè)銀行發(fā)揮自身優(yōu)勢，通過利潤實現(xiàn)的風(fēng)險加權(quán)資產(chǎn)增速低于內(nèi)部資本積累增速，加強(qiáng)資本精細(xì)化管理模式，并通過資本工作創(chuàng)新，夯實資本基礎(chǔ)，從而產(chǎn)生較高的資本充足率。第三個公共因子得分最高。由于興業(yè)銀行和合肥科技農(nóng)村商業(yè)銀行的管理水平以及經(jīng)營效率有限，近年來其不良貸款也在不斷增加，無法在規(guī)定時間內(nèi)收回貸款，導(dǎo)致資金的周轉(zhuǎn)遇到困難，其第四個公共因子得分較高。

3 討論

隨著我國經(jīng)濟(jì)水平的不斷提高，國內(nèi)銀行業(yè)機(jī)構(gòu)之間的競爭越來越激烈。銀行業(yè)開始從原本的放寬條件下進(jìn)行貸款擴(kuò)張，演變至壓低價格來搶占市場份額。因此，銀行業(yè)必須建立在國際信用風(fēng)險管理經(jīng)驗的基礎(chǔ)上，加強(qiáng)信用風(fēng)險管理的意識，不斷發(fā)展和創(chuàng)新信用風(fēng)險控制的方法，進(jìn)行風(fēng)險測度模型的研究，形成一套完整的銀行內(nèi)部評級體系，提高商業(yè)銀行防范和規(guī)避風(fēng)險的能力[7-8]。

從安徽省商業(yè)銀行的信用風(fēng)險測度結(jié)果可以看出，我國商業(yè)銀行應(yīng)當(dāng)規(guī)范信用風(fēng)險的測量指標(biāo)體系，充分考慮影響商業(yè)銀行信用風(fēng)險的各種因素，利用風(fēng)險分析平臺提供的度量指標(biāo)體系，進(jìn)行風(fēng)險識別和控制。經(jīng)過實證分析，嚴(yán)重影響我國商業(yè)銀行發(fā)展的重要因素是銀行資產(chǎn)中的巨額呆壞賬，大量的呆壞賬使商業(yè)銀行業(yè)資本的充足率處于偏低水平。銀行業(yè)的當(dāng)務(wù)之急是提升銀行資本充足率，降低信用風(fēng)險。我國商業(yè)銀行整體涉及的不良余額巨大，不良貸款比率一直偏高，這樣就會形成過高的風(fēng)險資產(chǎn)和偏低的資本充足率[9]。從15家商業(yè)銀行的因子比較可見，不良貸款的風(fēng)險權(quán)重越高，產(chǎn)生的風(fēng)險資產(chǎn)可能性就越大，得到的資本充足率就越低。導(dǎo)致不良貸款風(fēng)險形成的最主要因素就是信用風(fēng)險。

我國商業(yè)銀行應(yīng)該從自身實際情況出發(fā)，建立與本行客戶、業(yè)務(wù)和戰(zhàn)略相適應(yīng)的合理的信用風(fēng)險量化模型，隨著經(jīng)驗的積累和環(huán)境的變化調(diào)整、規(guī)范風(fēng)險評價模型。信用風(fēng)險量化管理體系的實施需要銀行培育良好的信用文化，健全風(fēng)險控制的組織架構(gòu)，構(gòu)建有效的風(fēng)險報告流程，落實權(quán)責(zé)制度和激勵約束機(jī)制，完善內(nèi)部控制制度[10]。目前,我國商業(yè)銀行信用風(fēng)險評估指標(biāo)體系有待改善。定量的財務(wù)指標(biāo)數(shù)常常被作為國內(nèi)銀行業(yè)對信用風(fēng)險評估的主要分析值，一方面是源于中國金融信用體系的局部限制，另一方面源于銀行業(yè)對信用風(fēng)險影響因子間相互作用的認(rèn)識還停留在基礎(chǔ)層面。因此，應(yīng)將環(huán)境、市場、企業(yè)信用等非財務(wù)指標(biāo)納入信用風(fēng)險評估指標(biāo)的選擇中，不斷提高商業(yè)銀行在信用風(fēng)險評估中的準(zhǔn)確性、前瞻性和科學(xué)性，對商業(yè)銀行的發(fā)展起到風(fēng)險規(guī)避的作用[11-12]。

[1]王建新,于立勇.基于信用風(fēng)險度的商業(yè)銀行風(fēng)險評估模型研究[J].管理工程學(xué)報,2007(4):5-9.

[2]柯孔林,周春喜.商業(yè)銀行信用風(fēng)險評估方法研究述評[J].商業(yè)經(jīng)濟(jì)與管理,2005(6):55-65.

[3]王春峰,萬海暉,張維.組合預(yù)測在商業(yè)銀行信用風(fēng)險評估中的應(yīng)用[J].管理工程學(xué)報,1999(1):5-8.

[4]周敏,李世玲,張富堂.數(shù)據(jù)組合處理方法在數(shù)據(jù)預(yù)測中的應(yīng)用[J].計算機(jī)測量與控制,2006(14):7-13.

[5]王春峰.基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險評估[J].系統(tǒng)工程管理及實踐,1999(1):68-72

[6]吳靜鳴.我國商業(yè)銀行信用風(fēng)險的早期預(yù)警模型研究[D].廈門:廈門大學(xué),2003.

[7]龔樸,何旭彪.信用風(fēng)險評估模型與方法最新研究進(jìn)展[J].管理評論,2005(5):8-10.

[8]尹永成.對信用風(fēng)險評估發(fā)展及我國商業(yè)銀行信用風(fēng)險評估問題的[D].濟(jì)南:山東大學(xué),2013.

[9]宋清華,李志輝.金融風(fēng)險管理[M].北京:中國金融出版社,2003.

[10]吳晶妹.現(xiàn)代信用論[M].北京:中國金融出版社,2002.

[11]張偉.淺析我國商業(yè)銀行信用風(fēng)險管理[M].華章,2011(23)：1-3

[12]蔡虹,高杰.我國上市公司信用風(fēng)險評估的方法,問題及對策分析[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2003(9):101-105.

2017-03-03

安徽省質(zhì)量工程項目“會計特色品牌《會計專業(yè)》”(2016tszy059)；校級一般教學(xué)研究項目“基于工學(xué)交替模式下的證券投資實踐教學(xué)研究”(2016jyxm14)；安徽高校人文社會科學(xué)研究重點項目“基于FAHP模型下互聯(lián)網(wǎng)金融對安徽省商業(yè)銀行盈利決策影響的測算研究”(SK2017A0776)。

周 旺(1989- )，男，助教，碩士研究生，從事銀行金融、證券投資及稅法研究。

許信旺(1962- )，男，教授，博士，從事園林經(jīng)濟(jì)學(xué)研究。

F832.1

A

2095-7602(2017)08-0185-05