我國村鎮銀行外部成長環境評估實證研究

吳留鎖 吳衛國

摘 要：良好的外部成長環境對于村鎮銀行增強自身核心競爭力和實現可持續發展具有重大的現實意義。本文綜合了突變級數（CPM）和徑向基函數神經網絡（RBFNN）兩種模型的優點，建立了評估村鎮銀行外部成長環境的CPM-RBFNN模型，并通過仿真實驗驗證了模型的有效性和準確性，得出了一套更加科學的外部成長環境評估仿真系統，以此來指導村鎮銀行科學選擇落戶地點。

關鍵詞： 外部成長環境；突變級數；徑向基函數神經網絡；CPM-RBFNN模型；仿真系統

中圖分類號：F832.35 文獻標識碼：A〓 文章編號：1003-9031（2014）11-0066-06 DOI：10.3969/j.issn.1003-9031.2014.11.14

一、引言

自2006年12月，銀監會發布了《關于調整放寬農村地區銀行業金融機構準入政策、更好地支持社會主義新農村建設的若干意見》并決定在四川、青海、甘肅、內蒙古、吉林、湖北等六省（區）進行村鎮銀行試點以來，我國邁入了村鎮銀行服務農村經濟的新時代。2007年2月8日，四川儀隴惠民村鎮銀行作為首家村鎮銀行揭開了我國村鎮銀行歷史的嶄新序幕。銀監會為響應國家扶持“三農”和新農村建設的政策號召，近年來又陸續出臺了一系列規范、扶持農村金融機構尤其是村鎮銀行的文件，重點對村鎮銀行的持股比例、資本充足率水平、選址原則、具體工作內容、政策保障措施以及社會責任方面進行了重大部署，在這些政策的推動下，截至2013年末，我國經銀監會批準設立的村鎮銀行達到了2420家（見圖1），短短數年間，村鎮銀行實現了直線式的規模擴張。但是，農村經濟金融環境較為復雜，使得村鎮銀行出現了“難以進村”的落戶難問題，也與設立初衷有所偏離。本文重點對我國村鎮銀行的外部成長環境進行了實證分析，以期能夠為村鎮銀行選擇落戶地點提供參考，使其能夠按照“兼顧經濟效益和社會責任”的原則充分發揮其扎根農村、服務農村的職能。

村鎮銀行物理網點的位置即決定了其成長的先天性外部環境，外部成長環境評估問題實質上包含了網點選址問題。目前國外很多學者都關注了銀行選址問題的探討，如Davis（1990）傳統微觀經濟學供求理論對金融機構選址進行了研究，認為金融機構的選址首先必須要有供給和需求[1]。Miliotisl.P（2002）等借助于先進的GIS系統構建了金融機構選址模型[2]。Turkay Dereli（2010）通過對土耳其村鎮銀行網點布局的考察，認為一個地區的經濟因素（如所在轄區的GDP、商業區繁華程度等）和人口因素（如人口密度、農業人口占比、人均收入等）對村鎮銀行選址會產生影響[3]。Beck T，Augusto de la Torre（2007）在Davis研究的基礎上進一步提出了“獲取可能性邊界”的概念，分析了最優約束下金融服務的供求均衡，為金融機構選址提供了進一步的微觀基礎[4]。上述研究都是針對國外銀行選址進行的，目前鮮有文獻針對我國銀行尤其是村鎮銀行選址問題進行研究。周國紅、陸立軍（2002）提出了分層遞階評價體系對中小企業的成長環境進行了評估[5]。陳學彬、葉磊（2005）使用模型探討了銀行選址問題[6]。周焱榮（2008）詳細論述了商業銀行正確選址的方法[7]。許圣道、田霖（2008）通過實證研究發現我國當前農村地區金融機構網點數量受社會經濟因素和金融基礎設施的顯著影響[8]。梅強、吳亞東（2009）使用因子分析方法評價了中小民營企業的成長環境[9]。宋根節、婁燕強（2010）運用熵權法和灰色關聯度分析的組合方法進行研究[10]。丁建新（2012）等使用灰色關聯度分析法對建設銀行衡水市分行的部分網點進行了評估[11]。

本文將在前人的研究基礎上，從均衡經濟效益和社會責任的角度出發，基于網點選址，構建CPM-RBFNN模型，綜合評估村鎮銀行的外部成長環境。所使用的突變級數評價法的最大優點是只需考慮最底層指標間的相對重要性，無需確定各評價指標的準確權重值，這免了確定各評價指標權重值的主觀性。同時，對于底層指標中定性指標在獲取數據時采用拉依達法則和均值方法過濾并綜合多位專家的意見。使用徑向基神經函數網絡模型對突變級數的評價結果進行仿真實驗，進一步降低最底層指標專家打分產生人為主觀性。

二、CPM和RBFNN模型簡介

（一）CPM模型

突變理論是由法國數學家雷內·托姆（Rene·Thom）于20世紀70年代所創設的一門新興數學分支學科。它解釋了自然界內不連續、突變現象，被譽為“自牛頓和萊布尼茨以來數學界的又一次偉大的智力革命”。突變理論雖涉及拓撲學、微積分、結構穩定性、奇點等深奧的數學理論，但其應用模型較為簡單，廣泛應用于多目標評價和多目標決策問題。突變級數評價法的基本思想是：首先將最終評價目標進行多層次的矛盾分解，把突變理論與模糊數學相結合產生突變模糊隸屬函數，由初等突變模型的分歧集方程推導出歸一化公式，然后逐層次計算突變級數，最終歸為系統總突變級數，從而進行多目標評價和多準則決策。其步驟如下：

1.構建突變級數評價指標系統。根據評價系統的目的，按評價系統的內在作用機理，將系統分解為由若干評價指標組成的多層系統，排列成倒立樹狀目標層次結構，由評價總指標到下層指標，逐漸分解到下層子指標。原始數據只需要知道最下層子指標的數據。因為一般突變系統某狀態變量的控制變量不超過4個，所以，相應地一般各層指標（單指標的子指標）分解到不要超過4個。

2.確定指標系統中各層次的突變系統模型及歸一方程。常用的初等突變系統模型為：尖點突變、燕尾突變和蝴蝶突變，其特點如表2所示。

f（x）表示突變系統的勢函數，是狀態變量，x是狀態變量，a、b、c、d是控制變量，二者相互矛盾，共同決定系統所處的狀態。在模型示意圖中一般將主要控制變量寫在前面，次要控制變量寫在后面。如果一個指標僅分解為二個子指標，則該系統可視為尖點突變系統；如果一個指標僅分解為三個子指標，則該系統可視為燕尾突變系統；如果一個指標分解為四個子指標，則該系統可視為蝴蝶突變系統。歸一公式是突變系統的分歧集，分歧集的求法如下：

假如突變系統有兩個控制變量U、V和一個狀態變量x，其勢函數為F■（x），則分歧集是以下兩個微分方程的解集合。

■？圯 ■

在歸一公式中各變量均取值于（0，1），稱為突變級數。初始突變級數的絕對值必須按照“越大越好”的原則投入準則模型方可用歸一公式計算。對同一對象X各控制變量（如a、b、c、d），它們之間若不存在明顯的相互關聯作用，則稱該對象各控制變量為非互補型，對應的按大中取小的原則取值；同一對象各控制變量之間若存在著明顯的相互關聯作用，則稱該對象X各控制變量為互補型，對應的X按平均值法取得。

3.利用歸一公式進行評價。根據多目標模糊決策理論，對于同一方案在多種目標情況下，如D■、D■…D■設為模糊目標，則理想的策略為C=D■■■D■■…■Dn，其隸屬度函數為：U■（x）=U■（x）∧U■（x）∧…∧U■（x）。對于不同的方案C■C■…Cm，記方案C■的隸屬度函數值為U■（x），由于初始突變級數均為“越大越好”型，因此總的隸屬函數也越大越優。因此，對方案C■和方案C■，若U■（x）>U■（x），則表示方案C■優于方案C■。對各評價對象按其總評價指標的得分大小進行優劣排序。

（二）RBFNN模型簡介

RBFNN即RBF神經網絡，也稱徑向基函數神經網絡（Radical Basis Function）。徑向基函數神經網絡是一種高效的前饋式神經網絡，它具有其他前向網絡所不具有的最佳逼近性能和全局最優特性，并且結構簡單，訓練速度快。同時，它也是一種可以廣泛應用于模式識別、非線性函數逼近等領域的神經網絡模型。

三、構建村鎮銀行外部成長環境評估的CPM-RBFNN模型

首先，從我國現有村鎮銀行中選取一定數量的樣本，使用突變級數評價法獲得樣本點的外部成長環境評價值。然后，以樣本點的特征數據作為輸入變量，以突變級數評價值為輸出變量，訓練本文所構建的徑向基函數神經網絡模型，徑向基函數神經網絡的訓練過程實際上是一種對輸入值和輸出值之間的非線性擬合，通過不斷調整各層之間的連接權重值，使總體誤差逐漸逼近直到達到所設定的誤差目標的要求，訓練成熟的網絡就像是一個“黑匣子”，里面包含了數據之間所隱含的非線性關系，這種非線性關系既蘊藏了突變級數的復雜算法，又進一步降低了人為主觀性，揭示了我國村鎮銀行選擇落戶地點的內在規律。訓練成熟的神經網絡可以直接用來評估村鎮銀行的外部成長環境。

（一）構建村鎮銀行外部成長環境評估CPM模型

1.村鎮銀行選址的基本原則

在銀監會發布的一些列文件中，對我國村鎮銀行選址的原則做出了明確、清晰的規定 。總體來說，村鎮銀行作為一種新型銀行機構，其經營目標也是利潤最大化，其選址也必須圍繞“三性” 平衡的原則來進行。具體來看，可以從以下幾個方面歸納出村鎮銀行選址的基本原則和要求。

一是堅持以客戶為中心兼顧普惠的原則。客戶體現了需求，是村鎮銀行盈利的來源，必須堅持以“三農”金融服務需求為導向，堅持固定網點建設與簡易便民服務相結合，盡力向貧困落后地區和中西部地區傾斜，著力提高廣大農村地區金融服務的覆蓋面和可得性，充分滿足廣大農民的基礎金融服務需求。

二是堅持一切從實際出發原則。結合當地實際，充分考慮地情、民情、行（社）情等因素，為村鎮銀行今后的經營活動創造一個良好的環境。

三是堅持利潤最大化原則。村鎮銀行還處于創設初期，在選址時必須高度重視其可持續性發展的問題，能夠獲得不斷增長的利潤是村鎮銀行成長壯大的基本條件。因此，必須堅持市場化運作與政策扶持引導相結合，實現成本核算和承擔社會責任的科學平衡。

四是堅持風險分散原則。村鎮銀行如果能較好地分散風險，對于其實現利潤最大化具有重要作用。在選址時，應充分當地金融基礎設施的完善情況，以為日后建立健全風控機制打下良好基礎。

2.指標選取

結合本文以上對村鎮銀行選址基本原則的論述，考慮經濟效益和社會責任，將外部宏觀和微觀的成長環境分為人文經濟、區位和競爭度三大維度，選取了所在轄區GDP（A1）、人口密度（A2）、人均收入水平（A3）、農業人口占比（A4）、地租成本（A5）、交通便利程度（A6）、商業區繁華程度（A7）、周邊同業機構數量（A8）、區域政策因素（A9）等9個底層指標。根據上文關于指標選取以及突變級數評價法模型的說明，本文構建了如圖2所示的村鎮銀行外部成長環境評估突變級數評價的指標框架。由于人文經濟維度的子指標有4個所以其適用于蝴蝶突變，競爭維度有2個子指標，適用于尖點突變。同理，最高層指標C和區位維度適用于燕尾突變。

（二）構建村鎮銀行外部成長環境評估的CPM-RBFNN模型

根據CPM模型的特點，筆者構建了由輸入層、隱層、輸出層三層構成的RBFNN模型。其中，輸入層有9個輸入單元，對應于村鎮銀行選址指標系統中A1、A2、…、A9等9個底層指標，隱層節點的個數按照經驗法則：a=（a■+a■）■+k確定。其中a■和a■分別為輸入層、輸出層節點的個數，常數k為取值于[1，10]之間的整數。輸出層節點數為1，對應于基于CPM的村鎮銀行外部成長環境的評估結果。徑向基函數采用高斯函數（見圖3），即radbas函數，radbs（n）=e■。

四、實證分析

（一）數據來源及處理

考慮到中西部地區近年來村鎮銀行的快速發展，本文在中西部地區選取的樣本數量稍微多于東部地區。其中，東部9家，中部20家，西南6家，東北8家。通過查閱各地統計年鑒，咨詢專家，并借助百度地圖以及實地調研獲取了樣本點的相關數據。

使用如下公式對底層指標的數值進行標準化處理以消除量綱。

y■=■

其中，i=1，2…9（對應底層指標），j=1，2…43（對應樣本）。

定性指標的數值來源于經驗數據，對于經驗值本文首先采用拉依達準則進行處理以消除異常值，用剩下的合理值的均值作為指標的最終值。

拉依達準則：如果X～N（？滋，？啄■），對于P（|x-？滋|>3？啄≤0.0003的集合的補集稱為異常點集。

X～N（？滋，？啄）？圯■～N（0，1），P（|x-？滋|>3？啄）=？椎（3）

P（|x-？滋|>3？啄）？蕎0.003？圯？椎（■）？蕎？椎（3）+0.0003=0.999

通過Matlab中的normcdf（）和norminv（）函數得到？椎（3）=0.9987和0.999對應的臨界值為3.0902。

？椎（■）？蕎0.999 ？圯 ■？蕎3.0902 ？圯 |x-？滋|？蕎3.0902？啄。

也即滿足|x-？滋|>3.0902？啄的值均為異常值，應予以刪除。

（二）使用CPM模型獲得各樣本點的評價值

由于各對象的控制變量之間存在明顯的關聯性，所以均按“互補性”原則把下層指標遞歸到上一層。使用MatlabR2013a編程實現對樣本村鎮銀行外部成長環境突變級數評價（見表2）。

（三）基于CPM評價結果訓練RBFNN模型

為了檢驗徑向基函數神經網絡對于突變級數評價結果的擬合效果，本文構建了BP神經網絡模型進行對比分析，BP網絡的拓撲結構為：輸入層由9個神經元構成，隱層由14個神經元構成，輸出層由1個神經元構成，目標誤差也設為1e-6。運用MatlabR2013a軟件進行編程，將樣本的前38組作為訓練組，用來訓練網絡。后5組作為測試組，用來檢測網絡的可行性。

通過對比圖4與圖5，可以看出徑向基函數神經網絡經過35步達到誤差目標，BP神經網絡經過56步達到誤差目標；通過圖6可以看出徑向基函數神經網絡的輸出值曲線和突變級數評價值曲線比較接近，而BP神經網絡的輸出值曲線和突變級數評價值曲線的偏差明顯大的多。因此，徑向基函數神經網絡相對于BP神經網絡收斂速度更快、模擬精度更高，逼近能力更強。從表4可以發現，徑向基函數仿真系統與突變級數評價值有很強的一致性，誤差控制在了1.1%之內，說明了該仿真系統具有很好的泛化能力。利用本文中訓練好的徑向基函數網絡仿真系統來評估村鎮銀行的外部成長環境是科學的有效的。

五、結論及政策建議

1.針對前人的研究人為主觀性強的問題。本文構建了三道降低主觀性的工序：首先，對于定性指標使用拉依達法則過濾掉經驗數據中的極端值，并使用均值化結果作為終值；其次，使用更加科學的突變級數評價法獲得樣本點的評價值；最后，運用徑向基函數神經網絡模型進行仿真實驗一方面進一步降低評價結果的人為主觀性，使結果更加科學可信，另一方面得到了一套可以用于指導村鎮銀行進行外部成長環境評估的仿真系統。

2.村鎮銀行的外部成長環境是銀行實現利潤的基礎。一個好的選址有利于增強銀行的持續盈利能力，在選址的過程中應盡量避免人為主觀性決策，應綜合考慮各種因素，使用科學的模型。從本文的實證結果看，徑向基函數神經網絡模型擬合的精確度很高，預測值的相對誤差控制在1.1%的范圍之內，突變級數—徑向基函數神經網絡模型可以作為村鎮銀行選擇落戶地點的參考模型。

3.從徑向基函數神經網絡的輸出值看。東部地區的村鎮銀行外部成長環境的評價值普遍高于其他地區，原因是東部地區經濟實力較為雄厚、人流量較大、交通便利、人均收入水平較高等因素覆蓋掉了農業人口占比不高對評價結果的影響，為村鎮銀行的成長提供了良好的基礎。從村鎮銀行經營者的角度看，在追求經濟效益的同時應加大對農業農民的扶持力度，將經營范圍適當向農業發達地區傾斜，將經營網點向經濟基礎較好的村鎮延伸。同時，廣大的中西部農村地區應該加大基礎設施建設，以農產品為依托發展農產品加工業以提高農業的經濟效益，為村鎮銀行的落戶創造積極條件。■

（責任編輯：張恩娟）

參考文獻：

[1]Davis E.P. International financial Centers： An Industrial- Analysis[R]. Lodon，1990：51.

[2]Milioltisl.P， Dimopoulou.M， Giannikos. I. A Hierarchical Location Model for Locating Bank Branches in a Competitive Environment[J].Transactions in Operational Research，2002，9（5）：549-565.

[3] Turkay Dereli. An Empirical Model for Bank Branch Planning： the case of a Turkish Bank[Z].2010.

[4]Beck T，Augusto de la Torre. The Basic Analytics of Access to Financial Services[J].Financial Markets， Institutions and Intruments，2007，2（16）：79-117.

[5]周國紅，陸立軍. 科技型中小企業成長環境評價指標體系的構建[J]. 數量經濟技術經濟研究，2002（2）：32-35.

[6]葉磊.銀行分支機構選址分析[J].農村金融研究，2005（10）：43-45.

[7]周焱榮.銀行優化網點網絡布局方法初探[J].河北金融，2008（6）：20-22.

[8]許圣道，田霖.我國農村四區金融排斥研究[J].金融研究，2008（7）：195-206.

[9]梅強，吳亞東. 基于因子分析的中小民營企業外部成長環境綜合評價[J].中國管理信息化，2009（6）：78-79.

[10]宋根節，婁燕強.基于熵權法和灰色關聯的商業銀行網點選址分析[J].金融經濟，2010（3）：106-108.

[11]丁建新，刑亞楠，金浩.基于灰色關聯分析法的商業銀行網點選址研究—以建設銀行衡水分行為例[J].浙江金融，2012，1（1）：50-53.