(廣西大學(xué) 廣西 南寧 530004)
商業(yè)銀行作為金融業(yè)的核心部分,其穩(wěn)健的運營直接關(guān)乎金融體系的穩(wěn)定乃至國家經(jīng)濟的發(fā)展。商業(yè)銀行作為貨幣借貸的“中介”,其風(fēng)險主要是商業(yè)銀行流動資金在運轉(zhuǎn)過程中由于其他因素的影響導(dǎo)致財務(wù)狀況出現(xiàn)異常,進而產(chǎn)生銀行賬目虧損的風(fēng)險。同時,隨著我國經(jīng)濟發(fā)展進入新常態(tài)以及金融體制的不斷改革和創(chuàng)新,如何在全面開放的環(huán)境中管理好財務(wù)風(fēng)險,進而降低財務(wù)風(fēng)險發(fā)生的概率,或者在根本上規(guī)避財務(wù)風(fēng)險產(chǎn)生的影響,對于上市商業(yè)銀行的持續(xù)穩(wěn)健經(jīng)營尤為重要,為更好地解決風(fēng)險累計與不良資產(chǎn)等財務(wù)風(fēng)險問題,因此需要重視我國上市商業(yè)銀行的財務(wù)風(fēng)險評價及管理措施。
目前,我國上市商業(yè)銀行仍面臨著眾多的危機與風(fēng)險。就資本而言,上市商業(yè)銀行若沒有一定數(shù)量資本金的支持,更是無法抵補各種資本風(fēng)險。我國上市商業(yè)銀行要想在全球金融業(yè)中占據(jù)一席之地,關(guān)于財務(wù)風(fēng)險預(yù)警與管理水平等方面的治理還有待進一步加強。當前,國內(nèi)關(guān)于上市商業(yè)銀行財務(wù)預(yù)警模型研究處于初級階段,“亞投行”的設(shè)立以及“一帶一路”的發(fā)展給上市商業(yè)銀行的發(fā)展帶來了機遇和挑戰(zhàn)。一方面上市商業(yè)銀行的發(fā)展涉及銀行業(yè)的正常運轉(zhuǎn),另一方面還對其經(jīng)濟發(fā)展起到“風(fēng)向標”的作用。由于我國獨特的基本國情,隨著經(jīng)濟社會的快速發(fā)展,經(jīng)營環(huán)境及范圍的競爭也隨之加劇,在風(fēng)險與機遇伴行的同時,我國上市商業(yè)銀行如何及時應(yīng)對財務(wù)風(fēng)險的控制及管理,還應(yīng)從實際國情出發(fā)進行研究思考和學(xué)習(xí)。
本文運用科學(xué)的方法對上市商業(yè)銀行的財務(wù)風(fēng)險進行綜合評價和分析,通過構(gòu)建上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警指標,客觀地分析我國上市商業(yè)銀行的財務(wù)運行情況,并針對如何加強財務(wù)風(fēng)險的管理和防范提供相應(yīng)的參考建議。
國外學(xué)者對財務(wù)風(fēng)險預(yù)警模型的研究較為深入,以美國為代表的“CAMEL Rating System”是商業(yè)銀行針對相應(yīng)風(fēng)險評價的最廣泛方法之一;此外,財務(wù)比率綜合分析法也是常用的財務(wù)風(fēng)險分析方法,尤其是該方法中的“杜邦財務(wù)分析體系”是最具意義的分析方法。自20世紀60年代以來,世界各國根據(jù)不同的情形,已經(jīng)歸納總結(jié)了多種財務(wù)風(fēng)險預(yù)警的研究方法。當下研究主流的模型和方法有:單變量預(yù)警模型、多元線性判別分析、Logit回歸模型、因子分析、神經(jīng)網(wǎng)絡(luò)分析等,均已取得較為豐富的研究成果。Joseph Sinkey F.JR(1975)首次對出現(xiàn)財務(wù)風(fēng)險的商業(yè)銀行進行多元線性判別分析,通過新識別的資產(chǎn)負債表和收益報表將有財務(wù)風(fēng)險與無風(fēng)險的進行匹配,并使用多重判別分析(MDA)來檢驗群體均值差異,來預(yù)測相關(guān)風(fēng)險值。Ohlson J A(1980)、Mousavi(2011)等運用Logit回歸模型,對破產(chǎn)公司進行研究,通過對一百多家破產(chǎn)的公司和兩千多家經(jīng)營穩(wěn)健的公司進行了對比分析,預(yù)測準確率高達95%以上。
國內(nèi)方面雖起步較晚,但在國外研究的基礎(chǔ)上仍有相關(guān)學(xué)者對商業(yè)銀行財務(wù)風(fēng)險等做出相關(guān)評價分析。張愛民(2001)以Z值模型為基準,再結(jié)合主成分分析法,通過構(gòu)建Z值主成分預(yù)警模型,并對ST相關(guān)企業(yè)進行預(yù)警分析,預(yù)警成功率高達90%以上。楊淑娥(2005)采用人工神經(jīng)網(wǎng)絡(luò)分析,選擇120家上市公司的財務(wù)指標作為樣本數(shù)據(jù),并使用同期60家公司作為檢驗樣本建立了財務(wù)危機預(yù)警模型,得到了較為準確的分析判斷。羅曉光(2011)在對商業(yè)銀行財務(wù)風(fēng)險進行深入分析的基礎(chǔ)上,采用Logistic回歸法構(gòu)建了一個多指標綜合監(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。王慶華(2015)以在深圳證券交易所上市并發(fā)行公司債的制造業(yè)企業(yè)為研究樣本,以企業(yè)主體信用評級為財務(wù)風(fēng)險水平的衡量標準,將企業(yè)財務(wù)風(fēng)險進行多等級劃分,運用多分類Logistic回歸分析探討企業(yè)財務(wù)風(fēng)險的影響因素。李燕(2017)運用因子分析賦權(quán)法確定了各指標的權(quán)重,構(gòu)建了城市商業(yè)銀行財務(wù)風(fēng)險預(yù)警體系的綜合度量模型,并對某城市商業(yè)銀行的財務(wù)風(fēng)險指標進行實證檢驗和分析。蔡永斌(2018)運用因子分析法,對房地產(chǎn)上市公司財務(wù)風(fēng)險進行評價,發(fā)現(xiàn)較低的盈利能力、償債能力、營運能力及成長能力是導(dǎo)致房地產(chǎn)企業(yè)風(fēng)險較高的主要因素,并對此提出相關(guān)風(fēng)險控制策略研究。
本文在國內(nèi)外研究的基礎(chǔ)上,按照以下思路進行分析:首先,理清財務(wù)風(fēng)險產(chǎn)生的風(fēng)險源頭,明晰財務(wù)風(fēng)險的產(chǎn)生發(fā)展是個動態(tài)傳導(dǎo)的過程;其次,財務(wù)風(fēng)險是個復(fù)雜的集成系統(tǒng),形成原因包含人為等多變因素,本文適當?shù)倪x取相應(yīng)的財務(wù)風(fēng)險預(yù)警指標并及時確定好風(fēng)險閾值,即風(fēng)險發(fā)生的界限;最后,根據(jù)選取的指標構(gòu)建預(yù)警模型并對其綜合評價分析。
本文在借鑒國內(nèi)外有關(guān)商業(yè)銀行財務(wù)風(fēng)險預(yù)警指標的研究成果和多家城市商業(yè)銀行的年報數(shù)據(jù)中所記錄的金融監(jiān)管核心財務(wù)風(fēng)險指標的基礎(chǔ)上,按照科學(xué)性和實用性的原則,從資本充足性、經(jīng)營能力、資產(chǎn)質(zhì)量、流動性和盈利性這五個方面,選取表1所示的18個指標作為評價上市商業(yè)銀行財務(wù)風(fēng)險的監(jiān)管指標體系。
表1 上市商業(yè)銀行財務(wù)風(fēng)險監(jiān)管指標體系以及臨界值
基于本文將依據(jù)選擇的指標體系進行計算所有上市商業(yè)銀行財務(wù)風(fēng)險指標綜合得分,依據(jù)綜合得分以及風(fēng)險臨界值基礎(chǔ)上將所有上市商業(yè)銀行的財務(wù)風(fēng)險采用相應(yīng)區(qū)間進行劃分。此外,考慮到不同商業(yè)銀行的地區(qū)差異性,通過加權(quán)算術(shù)平均綜合計算上市商業(yè)銀行財務(wù)風(fēng)險的平均得分,此時,為保證得分的綜合性,本文繼續(xù)將所有上市商業(yè)銀行的綜合得分求取平均值,然后將各個綜合得分與平均值進行比值,并令該比值p為綜合得分比值系數(shù),依據(jù)現(xiàn)實經(jīng)驗條件將該綜合得分比值系數(shù)進行如下劃分:p<0.8為風(fēng)險,0.8
1.4為穩(wěn)健。
本文所提出的基于因子分析法與灰色關(guān)聯(lián)分析法針對的上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警體系簡便、科學(xué)、適宜,適合上市商業(yè)銀行財務(wù)風(fēng)險的預(yù)警分析。通過分析各個指標對總體風(fēng)險的影響程度作為求解其權(quán)重的依據(jù),能夠分析出該商業(yè)銀行財務(wù)所面臨的具體問題,使得財務(wù)風(fēng)險預(yù)警評價更加真實可靠。
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,同時選擇多元統(tǒng)計分析中的因子分析法、灰色關(guān)聯(lián)分析,利用兩者進行對比分析,通過運用特征方程和正交變換等處理對商業(yè)銀行風(fēng)險預(yù)警指標進行賦權(quán),最后,根據(jù)每個指標權(quán)重計算得出風(fēng)險預(yù)警綜合指數(shù)值,從而對商業(yè)銀行的財務(wù)風(fēng)險做出量化評估。
1.因子分析
本文首先采用因子分析法來構(gòu)建財務(wù)風(fēng)險預(yù)警模型,其基本模型如下:設(shè)財務(wù)風(fēng)險預(yù)警指標X=(X1,X2,X3,…,Xp),同時將指標數(shù)據(jù)標準化處理后E(X)=0,且原始變量可以用m(m≤p)個因子線性表示:
X1=α11F1+α12F2+…+α1mFm+ε1
X2=α21F1+α22F2+…+α2mFm+ε2
… … … … …
Xp=αp1F1+αp2F2+…+αpmFm+εp
對于F=(F1,F(xiàn)2+…+Fp)為公共的因子,相關(guān)系數(shù)可組成系數(shù)矩陣A并稱之為載荷因子,如下所示。εi(i=1,2,3,…,p)為特殊因子。該模型滿足E(F)=0,E(εi)=0,Cov(F,εi)=0。
其次通過正交旋轉(zhuǎn)將所有的財務(wù)預(yù)警指標在盡可能少的因子之間有密切的關(guān)系,并根據(jù)各因子的方差貢獻率在p個因子的累計方差貢獻率的比重來確定每個因子的權(quán)重,最后計算上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警的綜合得分,進行排名綜合分析。
2.灰色關(guān)聯(lián)
灰色關(guān)聯(lián)分析法是將研究對象及影響因素的因子值視為一條線上的點,與待識別對象及影響因素的因子值所繪制的曲線進行比較,比較它們之間的貼近度,并分別量化,計算出研究對象與待識別對象各影響因素之間的貼近程度的關(guān)聯(lián)度,通過比較各關(guān)聯(lián)度的大小來判斷待識別對象對研究對象的影響程度。本文在研究我國上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警時,運用灰色關(guān)聯(lián)度模型衡量各大商業(yè)銀行財務(wù)指標互動關(guān)系。首先,通過設(shè)置商業(yè)銀行財務(wù)風(fēng)險指標序列和結(jié)構(gòu)比較序列,構(gòu)建原始數(shù)據(jù);其次,求絕對差序列;然后,計算關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度;最后建立關(guān)聯(lián)度矩陣進行實證分析。通過Matlab對財務(wù)指標數(shù)據(jù)進行分析,驗證上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警模型并對其的影響程度進行綜合分析評價。
截止到2018年底我國上市商業(yè)銀行主要有38家,但是由于數(shù)據(jù)統(tǒng)計的不同,本文收集了包括所有上市的商業(yè)銀行2017年四個季度的財務(wù)報告,數(shù)據(jù)來源于wind數(shù)據(jù)庫。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)險測度指標后,首先對數(shù)據(jù)進行處理,將表1中各個財務(wù)風(fēng)險指標的臨界值進行同向化處理,利用因子分析法確定了商業(yè)銀行財務(wù)風(fēng)險指標集的權(quán)重。再依據(jù)確定的權(quán)重計算出各個商業(yè)銀行風(fēng)險綜合評價分數(shù);同時根據(jù)灰色關(guān)聯(lián)分析法,先確定所選擇財務(wù)風(fēng)險預(yù)警指標與上市商業(yè)銀行樣本數(shù)據(jù)之間的灰色關(guān)聯(lián)度,通過灰色關(guān)聯(lián)度的權(quán)重確定方法確定財務(wù)風(fēng)險預(yù)警指標的權(quán)重值,進而進行綜合分析。通過因子分析與灰色關(guān)聯(lián)分析,得出綜合得分越高,表明上市商業(yè)銀行的經(jīng)營狀況越好。
根據(jù)表1中財務(wù)風(fēng)險預(yù)警指標體系中分有正向指標(資本充足率等)、逆向指標(不良貸款率等)和適度指標(貸存率等)三種類型,若不進行數(shù)據(jù)的同向化處理直接利用指標數(shù)值進行計算,會引起結(jié)果的誤差,因此需要對指標進行同向化處理。基于本文將所有指標都調(diào)整為正指標,即指標的數(shù)值越大表示商業(yè)銀行經(jīng)營的越穩(wěn)定——財務(wù)風(fēng)險越小,反之,則商業(yè)銀行財務(wù)風(fēng)險越大。同時,對于逆向指標的數(shù)值越小表示財務(wù)風(fēng)險越小,本文要使得逆向指標其轉(zhuǎn)化為正向指標,通過求其倒數(shù)來計算。此外對于適度指標的處理,適度指標的取值越接近某一確定數(shù)值越好。因為適度指標與某一理想值的距離越小越好,從而相當于一個逆指標,可通過求倒數(shù)將其正向化。具體轉(zhuǎn)化如下所示:
Xj為逆向指標值,Xi為逆向指標的實際值進行 轉(zhuǎn)化后所得的正向指標數(shù)值。
1.因子的檢驗
本文利用Stata 13軟件首先對所有上市商業(yè)銀行的數(shù)據(jù)進行處理,剔除相應(yīng)指標,通過Bartlett’s 球形檢驗和KMO數(shù)值的檢驗得出相應(yīng)的p值為0.000,即顯著性水平為0.000,滿足條件和KMO為0.662>0.6,因此當前指標可以選擇進行因子分析。
2.公因子的選取
本文通過因子分析對所有的指標進行降維處理,并依據(jù)各公因子的特征值均大于1來進行選擇。
表2 各主因子的特征值和方差貢獻率
根據(jù)表2,我們看出,4個公因子方差貢獻率分別為41.62%、25.87%、12.55%、9.01%,同時累計方差貢獻率達到89.04%,進而利用這四個公因子作為評價指標代替表1中預(yù)警指標來描述上市商業(yè)銀行的財務(wù)風(fēng)險。
3.預(yù)測綜合得分
為簡化進行預(yù)測得分表達式,根據(jù)上面表1中各個變量的名稱,依次將核心一級資本充足率等15個指標命名為X1、X2…X14、X15。同時根據(jù)各個因子的綜合得分進行計算。
表3 各因子預(yù)測回歸系數(shù)
根據(jù)表3正交旋轉(zhuǎn)得出的因子得分系數(shù)矩陣,由于貸款減值準備對貸款總額比率指標系數(shù)為0,故剔除X11后將各個公因子用方程進行表達如下:
factor1=-0.09803×X1-0.11108×X2-0.3259×X3-0.01626×X4-0.14053×X5-0.05686×X6+0.09511×X7-0.02416×X8-0.16464×X9-0.17138×X10+0.16916×X12-0.43868×X13+0.94966×X14+0.03707×X15。同理能得出factor2、factor3、factor4。
依據(jù)四個主因子的方差貢獻率作為權(quán)重進行加權(quán)匯總,得出綜合得分函數(shù):
F=(0.4162×factor1+0.2587×factor2+0.1255×factor3+0.0901×factor4)/ 0.8904
其中,綜合得分函數(shù)里面各系數(shù)分別為主成分因子的方差貢獻率,0.8904是累積方差貢獻率,最終得到F為上市商業(yè)銀行金融穩(wěn)定性評判的綜合指數(shù)。
圖1 各上市商業(yè)銀行綜合穩(wěn)定得分值
數(shù)據(jù)來源:根據(jù)stata計算得分情況整理。
此時,為保證得分的綜合性,本文繼續(xù)將所有上市商業(yè)銀行的綜合得分求取平均值,然后將各個綜合得分與平均值進行比值,并令該比值p為綜合得分比值系數(shù),依據(jù)現(xiàn)實經(jīng)驗條件將該綜合得分比值系數(shù)如圖1所示。
通過結(jié)果分析可以看出排名靠前的幾家商業(yè)銀行分別是浦發(fā)銀行、中國民生銀行、中信銀行、交通銀行、中國光大銀行、招商銀行、北京銀行等綜合得分穩(wěn)定值較高,即財務(wù)風(fēng)險較低,這主要由于該幾家商業(yè)銀行有充足資本金。根據(jù)相關(guān)數(shù)據(jù)看出,該幾家商業(yè)銀行的資本充足率均高于11%,平均值達到12.99%。核心資本充足率平均達到9.71%,遠高于其他商業(yè)銀行,由于核心資本充足率是提高影響業(yè)績的渠道之一,而股東權(quán)益是核心資本最主要的組成部分,隨著核心資本充足率要求的提高,銀行將趨于降低資產(chǎn)的風(fēng)險權(quán)重,如提高國債、政策性金融債券等的投資比重,從而降低凈息差或凈利息收益率,使得等量生息資產(chǎn)只能帶來較少的凈利息收入。
從商業(yè)銀行的規(guī)??矗瑓^(qū)域性的上市商業(yè)銀行的財務(wù)風(fēng)險最小,國有控股的四大商業(yè)銀行次之,地方性中小股份制商業(yè)銀行的財務(wù)風(fēng)險最大。其中,以招商銀行為例,招商銀行的資本充足率達到15.48%、非利息收入占比達到34.42%,這也說明資本情況以及經(jīng)營能力在財務(wù)風(fēng)險中起到關(guān)鍵性作用;國有四大行之一的中國農(nóng)業(yè)銀行排名較為靠后,主要是由于中國農(nóng)業(yè)銀行特殊的客戶群體,尤其是其較高的不良貸款率,使其在經(jīng)營能力以及資產(chǎn)質(zhì)量方面也受到影響,導(dǎo)致綜合得分較低。對于地方性中小股份制商業(yè)銀行財務(wù)風(fēng)險較高的原因不僅有低的資本充足率也有高的不良貸款率,且經(jīng)營能力相比國有行低下,綜合使得其排名靠后。
1.關(guān)聯(lián)系數(shù)矩陣的計算
本文對財務(wù)風(fēng)險預(yù)警指標首先進行定義:稱r(x(mk),x(ik))為因素m與因素i在第k列的關(guān)聯(lián)系數(shù),且
2.結(jié)構(gòu)因素關(guān)聯(lián)度的計算
因為關(guān)聯(lián)系數(shù)是比較數(shù)列與參考數(shù)列在各個時刻的關(guān)聯(lián)程度值,所以它的數(shù)不止一個,當信息過于分散不便于進行整體性比較時,有必要將各個時刻的關(guān)聯(lián)系數(shù)集中為一個值,即求其平均值,作為比較數(shù)列與參考數(shù)列間關(guān)聯(lián)程度的數(shù)量表示。在得到關(guān)聯(lián)系數(shù)矩陣后,便可計算某一因素的關(guān)聯(lián)度系數(shù)。
表4 財務(wù)風(fēng)險預(yù)警指標根據(jù)Matlab得出的系數(shù)
3.綜合得分評價的計算
對比較序列與參考序列的關(guān)聯(lián)度從大到小排序,若二者的變化態(tài)勢趨于一致,說明二者關(guān)聯(lián)度大;反之,則說明二者的關(guān)聯(lián)度較小。根據(jù)以上因素間的關(guān)聯(lián)程度,主要是用關(guān)聯(lián)度的大小次序描述,而不僅是關(guān)聯(lián)度的大小。將m個子序列對同一母序列的關(guān)聯(lián)度按順序進行排列起來,便組成了關(guān)聯(lián)序,記為{x},它反映了對于母序列來說各子序列的“優(yōu)劣”關(guān)系。若roi>roj,則稱{xi}對于同一母序列{xo}優(yōu)于{xj},記為{xo}>{xj} ;roi表示第i個子序列對母數(shù)列特征值。roi值越接近1,說明相關(guān)性越好。筆者依據(jù)Matlab得出的各財務(wù)指標系數(shù),就上市商業(yè)銀行綜合得分進行計算。
圖2 各上市商業(yè)銀行綜合得分值
數(shù)據(jù)來源:根據(jù)Matlab計算得分情況整理。
通過計算結(jié)果分析圖2可以看出排名靠前的幾家商業(yè)銀行分別是浦發(fā)銀行、中國民生銀行、招商銀行、交通銀行、中信銀行,這些銀行綜合得分,超出平均水平(橫線代表平均水平)較多,即該幾家商業(yè)銀行綜合實力較好。而諸如像重慶農(nóng)村商業(yè)銀行、張家港銀行、吳江銀行等地方性商業(yè)銀行綜合得分較低,與之前利用因子分析得出的結(jié)果類似??梢钥闯觯鞯厣虡I(yè)銀行規(guī)模發(fā)展與其面對的客戶群體等因素均會對商業(yè)銀行財務(wù)風(fēng)險綜合評價產(chǎn)生一定的影響。此外,國有四大行之一中國銀行在其中得分較低,主要是由于其隨著貸款增長率的不斷提升,不良貸款率也會隨之增加,且其盈利性指標之一利息收入增長率卻逐漸下降,在相比較其他國有行時,導(dǎo)致其綜合得分較低,排名靠后。
根據(jù)兩種方法的實證結(jié)果分析(表5)可以看出,排名前面的均為浦發(fā)銀行、中國民生銀行、中信銀行、交通銀行,其中的中信銀行根據(jù)不同方法排名略有差異(第3和第5),而排名較為靠后的均有貴陽銀行、儲蓄銀行、徽商銀行。由不同方法對比結(jié)果發(fā)現(xiàn),總體兩者差異不大,這也充分體現(xiàn)了這兩種方法應(yīng)用于商業(yè)銀行財務(wù)風(fēng)險綜合評價分析的優(yōu)勢,具有一定的科學(xué)性、合理性。
此外,通過得分排名對比發(fā)現(xiàn),中國銀行的排名依據(jù)不同的實證方法排名差異較大。在因子分析得分中,中國銀行排名中等,為第10名;在灰色關(guān)聯(lián)分析中,中國銀行得分較低,排名第29。這也進一步體現(xiàn)了兩種方法的依據(jù)指標的側(cè)重點各有不同,因子分析主要在提取出的每一個因子中體現(xiàn)具有高度相關(guān)性的指標,可在許多變量中找出隱藏的具有代表性的因子,并將相同本質(zhì)的變量歸入一個因子,可減少變量的數(shù)目,同時也可以檢驗變量間關(guān)系的假設(shè);而灰色關(guān)聯(lián)分析則是根據(jù)因素之間發(fā)展趨勢的相似或相異程度,側(cè)重于所選的財務(wù)預(yù)警指標樣本與確定的商業(yè)銀行評價對象之間的關(guān)聯(lián)程度大小,灰色關(guān)聯(lián)分析對于一個系統(tǒng)發(fā)展變化態(tài)勢提供了量化的度量,非常適合動態(tài)歷程分析。因此在進行分析時,我們要充分理解各自的側(cè)重點。此外在對于上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警評價分析時不能僅僅依靠財務(wù)指標數(shù)據(jù)分析,也要考慮不同時期,由于中央銀行以及國家政府相關(guān)政策的實施以及本商業(yè)銀行的經(jīng)營理念、宏觀經(jīng)濟發(fā)展形勢等眾多因素也會對商業(yè)銀行財務(wù)風(fēng)險預(yù)警的綜合評價產(chǎn)生不同程度的影響。
最后,對上市商業(yè)銀行在進行財務(wù)風(fēng)險預(yù)警綜合評價時,依據(jù)不同時期的政策,以實際商業(yè)銀行金融市場為引導(dǎo),在風(fēng)險控制的基礎(chǔ)上,針對上市商業(yè)銀行的財務(wù)指標體系,明確商業(yè)銀行信貸管理制度,積極應(yīng)對財務(wù)風(fēng)險與商業(yè)銀行業(yè)務(wù)發(fā)展的利益關(guān)系,增強財務(wù)風(fēng)險防范意識,通過綜合評價分析為商業(yè)銀行經(jīng)營策略方針提供相關(guān)財務(wù)政策建議。
表5 上市商業(yè)銀行綜合得分排名對比
續(xù)表
本文基于因子分析法與灰色關(guān)聯(lián)分析法,將上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警進行整理歸納,并積極引入灰色關(guān)聯(lián)度參數(shù),計算財務(wù)風(fēng)險預(yù)警指標權(quán)重,建立高效、科學(xué)、合理的評價方式,計算綜合評價得分,提升商業(yè)銀行財務(wù)風(fēng)險管理水平。在建立風(fēng)險預(yù)警模型時,上市商業(yè)銀行首先厘清自身所面對的財務(wù)風(fēng)險,依據(jù)財務(wù)風(fēng)險的不同情形,建立有效的風(fēng)險識別體系和風(fēng)險預(yù)警體系,尤其是在構(gòu)建風(fēng)險預(yù)警指標體系時,針對不同商業(yè)銀行,嚴格控制審批貸款流程,防止不良貸款率的上升,實時控制風(fēng)險到商業(yè)銀行各個部分,增強各部門之間信息共享交流,通過評價溝通及時反饋,嚴格改善風(fēng)險管理調(diào)控機制,建立風(fēng)險預(yù)警模型,不斷提升商業(yè)銀行風(fēng)險控制管理水平。
同時商業(yè)銀行自身端正經(jīng)營指導(dǎo)思想,增強內(nèi)部人員風(fēng)險管理素質(zhì);嚴格落實各類貸款管理條例,使貸款更為透明、有效,減少不良貸款的發(fā)生,此外,上市商業(yè)銀行更應(yīng)注重貸款資金的區(qū)域分布,不僅注重經(jīng)濟發(fā)達地區(qū)的貸款投向,還應(yīng)擇優(yōu)處理到其他偏遠地區(qū),合理分配貸款期限,健全風(fēng)險內(nèi)控體系和應(yīng)對措施,減少商業(yè)銀行對金融體系的沖擊影響。
綜上所述,在對上市商業(yè)銀行綜合評價的基礎(chǔ)上,通過兩種不同的方法應(yīng)用于財務(wù)風(fēng)險預(yù)警,為上市商業(yè)銀行綜合實力進行排名。同時也要考慮到不同時期的實時相關(guān)政策,因此上市商業(yè)銀行財務(wù)風(fēng)險預(yù)警評價分析與實際情況不總一致,從而為其他投資或者商業(yè)銀行經(jīng)營決策者提供相應(yīng)的決策依據(jù),能夠及時根據(jù)財務(wù)預(yù)警指標做出策略調(diào)整,進一步減少財務(wù)風(fēng)險帶來的損失。