简论我国商业银行综合运营能力因子

来源:岁月联盟 作者: 时间:2013-02-15
   【摘要】随着金融危机的爆发,国际金融组织和各国政府对各国金融机构的稳健经营越来越重视,金融机构运营的综合能力也日益受到关注。因子分析是一种可以考察变量与因子间相关性的方法。本文利用因子分析,研究我国商业银行各财务指标与其综合运营能力的相关性,得出银行净利润与其盈利能力显着正相关,而银行承担损失能力及资产质量水平受到核心资本充足率和不良贷款拨备率等指标的影响较大,这些指标的不利变动易造成银行的脆弱性。因此商业银行可以通过对它们的重点管理使风险维持在一个相对稳定的状态,同时增强其盈利能力,使其平稳健康地发展。
  【关键词】商业银行;因子分析;财务指标;相关系数
  一、引言
  随着2007年美国次贷危机的爆发,全球众多金融机构都遭受到不同程度的冲击,所受影响最大的是美国银行业,其倒闭银行每年都有100多家(可以从美国联邦保险机构FDIC网站上查找),当然这些银行都很小。而作为零售业银行的典范—花旗银行也遭受巨大的损失。这次危机波及世界各地,我国金融机构也未能完全幸免。在金融全球化、金融自由化和金融工程化的趋势下,全球金融市场的发展加快,给金融机构带来很多机遇,同时也带来不少挑战。特别地,商业银行作为金融机构的重要主体,更面临着收益和风险的抉择。
  自国有商业银行股份制改造以来,我国银行业得到了快速发展,银行业金融机构资产规模迅速膨胀,在2010年世界企业500强排名中,中国工商银行和中国建设银行双双挤进前二十,这也给银行的经营带来更多的风险。如何控制各类风险,增强银行的综合运营能力,对保证银行业的平稳健康发展尤为重要。
  本文的研究依据是我国商业银行2009年年度报告,探究商业银行各财务指标与其综合运营能力的关系,给出商业银行平稳健康发展的对策。本文首先选取了我国2009年底前上市的14家商业银行的财务指标作为变量,运用SPSS软件进行统计分析,得出银行综合运营能力各因子的得分方程。接着,对实验结果进行分析,进而得出各财务指标对银行平稳运营和盈利能力的影响。经研究,我们发现,在各财务指标中,净利润、核心资本充足率和不良贷款拨备率的不利变动分别会对商业银行的盈利能力、承担损失能力及资产质量水平产生重要影响,这有一定的理论实践意义。
  二、实证分析
  (一)实证方法概述
  因子分析是将具有错综复杂关系的变量(或样品)综合为数量较少的几个因子,以再现原始变量与因子之间的相互关系,同时根据不同因子还可以对变量进行分类,它是属于多元分析中处理降维的一种统计方法。在构建银行综合运营能力的指标体系的过程中,为尽可能比较全面、完整地反映刻画银行的能力,需要从多个角度进行观测,选取多个指标,收集大量数据进行分析。多变量大样本虽然可以为我们提供丰富的信息,却增加了数据采集、处理的难度,而且多个变量间的相关关系加大了分析难度。
  通过对原始变量重新组构,选取的因子的数量远少于原有指标变量的数量,减少分析时的计算工作量,同时它们可以反映原有众多指标的绝大部分信息,不会产生重要信息的丢失。因子间没有线性相关关系,可以对变量的分析提供较大的便利。另外,因子变量都有较为明确的经济含义,为我们的分析提供了更直观的解释。
  (二)商业银行样本和主要财务指标的选取
  首先,为测量我国商业银行的综合运营能力,本文选取了我国2009年底前上市的14家商业银行(见附录一)作为代表,进行实证分析。
  其次,根据上述各商业银行2009年年度报告选取其2007至2009年的财务指标共11个,它们是:平均总资产净回报率、利润总额、净利润、每股收益(基本与稀释)、资本充足率、核心资本充足率、不良贷款率、不良贷款拨备率、贷款总额、存款总额以及每股经营活动中产生的现金流量净额。
  (三)实证分析
  1.因子分析
  首先,将所有数据导入SPSS11.5中,采用主成分分析法提取公因子,并用最大方差法进行因子旋转(旋转后的因子载荷矩阵,见表4),分析结果如表:
  上表示是对数据是否可进行因子分析的KMO和Bartlett检验的结果。KMO检验用于检验变量间的片相关系数是否过小,一般情况下,当KMO大于0.9时效果最好,小于0.5时不适合进行因子分析。从表1看出KMO检验结果是0.725,比较接近0.9,比较适合做因子分析。Bartlett检验的Sig.取值0.000,表示拒绝相关系数矩阵是单位矩阵的原假设,说明各个变量不是相互独立的。
  其次,按特征根大于“1”为标准提取公因子,结果如表2:
  表2表示主成分列表,表中列出了所有11个主成分,且按照特征根从大到小的次序排列。从表中可以看出,第一主成分特征根为4.469,方差贡献率为40.627%,第二个主成分特征根为2.747,方差贡献率为24.971%,前三个主成分的累计方差贡献率为81.804%,已超过了80%,且第4个主成分特征根小于1,故选出3个因子。
  再次,得到因子载荷矩阵,如表3,反映各个变量的变异可以由哪些因子解释。通过因子载荷矩阵就可以给出各变量的因子表达式。如:利润总额=0.970*F1+0.048*F2+0.225*F3。所以利润总额主要由第一个主成分解释。
  最后,我们得到了旋转后的因子载荷矩阵,如表4。
  通过此表就可以把主成分表示为各个变量的线性组合。选取对各个因子影响大的变量得出因子得分方程,并对因子命名:
  F1(盈利能力因子)=0.986*净利润+0.982*存款总额+0.982*利润总额+0.981*贷款总额
  F2(承担损失能力因子)=0.967*核心资本充足率+0.965*资本充足率+0.791*平均总资产净回报率
  F3(资产质量水平因子)=0.852*不良贷款拨备率+0.731*每股收益(基本与稀释)-0.727*不良贷款率+0.472*每股经营活动中产生的现金流净额
  同时,得到因子得分的协方差矩阵,如表5,可以看出3个因子之间是相互独立的。
  2.实验结果解释
  得出因子得分方程后,我们对各财务指标与综合能力因子的相关性进行分析。
  (1)对银行盈利能力进行分析:
  X1=净利润 相关系数1=0.986
  X2=存款总额 相关系数2=0.982
  X3=利润总额 相关系数3=0.982
  X4=贷款总额 相关系数4=0.981
  在对银行盈利能力产生影响的4个指标中,相关系数最大的是净利润指标,说明净利润的微小变化更易对银行的盈利能力产生影响。若净利润下降,则银行的盈利能力会显着降低;若净利润上升,银行的盈利能力也会显着增强。为防范银行盈利能力下降的风险,应密切关注净利润指标。
  同时,还需对存款总额、利润总额和贷款总额的变化充分重视,一方面它们会影响净利润的变化;另一方面,它们还会直接影响银行的盈利能力。

图片内容