運用因子分析法對城市商業銀行信貸風險進行評價研究

于闖

摘要：貸款業務是商業銀行傳統主營業務，信貸風險的大小直接關系到城市商業銀行的穩健經營。文章結合信貸風險的內涵以及影響因素，選擇相應財務指標，借助SPSS軟件運用因子分析法對我國城市商業銀行信貸風險進行評價研究。

關鍵詞：城市商業銀行；信貸風險；因子分析法

一、引言

我國于20世紀90年代開始進行利率市場化改革，1996年，我國正式放開銀行間同業拆借利率，這標志著我國向利率市場化改革邁出了重要一步。隨后我國采取積極穩健的政策和措施扎實推進我國利率市場化改革進程，2007年7月19日，經中共中央國務院審議批準和中國人民銀行決定，我國政府在金融市場領域全面放開金融機構貸款利率管制。由于受到利率市場化改革的影響，為了能夠在信貸市場占有一席之地，各家商業銀行都在不斷的根據宏觀經濟變動情況和借款者的信用程度來靈活的調整貸款利率。但是與四大行相比，城市商業銀行服務產品種類過于單一從而導致其利潤主要來自于存貸差，因此我們更應該重視其信貸風險的防控。本文結合信貸風險的內涵以及影響因素，選擇相應財務指標，通過因子分析法對我國城市商業銀行信貸風險進行評價。

二、信貸風險評價指標體系

（一）銀行安全性的分析

銀行的安全性要求銀行在經營活動中，必須保持足夠的清償能力，經得起重大風險和損失，能隨時應付客戶提存，使客戶對銀行保持堅定的信心。因此我們選取資本充足率和資本積累率兩個指標來進行衡量。

資本充足率亦稱“資本充足性”，是保持銀行正常運營和健康發展所必需的資本比率條件。資本充足率越高銀行有更多的可用自有資本用來補償損失，從而使其對于信貸風險的防控越有保障。

資本積累率即股東權益增長率，資本積累率顯示企業當年資本積累能力，是評價企業發展潛力重要指標。

資本充足率和資本積累率為統計上的逆指標（成本指標），這兩個指標越小，說明城市商業銀行的信貸風險越低。

不良貸款率指銀行不良貸款占總貸款余額的比重，該比率越高，說明銀行信貸資產質量越低，所面臨的信貸風險就越大。因此不良貸款率應該控制在一個合理的范圍內。

貸款增長率是反映商業銀行貸款數量增加的重要指標。但隨著貸款數量的增加，必然會出現一部分貸款無法收回的可能性，這大大加劇了城市商業銀行的信貸風險。

不良貸款率和貸款增長率均屬于統計學中的正指標（效用指標）其數值越大，意味著城市商業銀行的所面臨信貸風險就越大。

（二）銀行流動性的分析

商業銀行流動性是指商業銀行滿足存款人提取現金、支付到期債務和借款人正常貸款需求的能力。保持適度的流動性是商業銀行流動性管理所追求的目標。

所謂存貸比，是指銀行一定時期內的貸款總額比上存款總額的比值，即銀行貸款總額/存款總額。一般來說存貸比越大，表示銀行在貸款上占用的資金就越多，銀行資產流動性越差，貸款風險越大，但若過小，則銀行又無法通過其信貸資產獲得利潤。

資產負債率是指公司年末的負債總額同資產總額的比率。資產負債率表示公司總資產中有多少是通過負債籌集的，如果資產負債比率達到100%或超過100%說明公司已經沒有凈資產或資不抵債。資產負債率越高說明面臨的信貸風險越大，該指標同時又不宜過小，一般應維持在92%左右較為合適。這兩個指標屬于適度性指標。

（三）銀行盈利性分析

商業銀行的盈利性是指商業銀行的經營管理者在可能的情況下即在保持安全性和盈利性的前提下，盡可能的追求利潤最大化。我們選取總資產收益率，凈資產收益率以及凈利息收入占凈利潤比來對其盈利性進行衡量。

總資產收益率是指銀行利潤與其全部資產總額的比值，總資產收益率將資產負債表和損益表有機結合起來來分析其獲利能力。

凈資產收益率是指銀行一定時期內的凈利潤與其資產平均總額的比率。這一比率越高說明其獲利能力越強。

三、城市商業銀行信貸風險評價研究

（一）原始指標處理

在對所選取的樣本數據進行因子分析之前首先要進行判斷。由于所選取指標有正向指標、適度性指標和逆向指標之分，因此在評價銀行信貸風險時，需要對數據指標進行去除數量及處理，使指標趨同化。將適度性指標視為逆向指標，對正向指標取倒數使其逆向化，其它指標不變。綜上所述，對主成分綜合模型評分結果的判斷為排名越高的銀行，其信貸風險越大。將上述處理后的樣本數據輸入SPSS20.0 軟件。

（二） KMO抽樣充足性檢驗和巴特萊特球形檢驗

判斷變量是否適合做因子分析，一般我們通過KMO和巴特萊特檢驗來進行判斷。巴特利特球度檢驗以原有變量的相關系數矩陣為出發點，其原假設 ：相關系數矩陣是單位陣，即相關系數矩陣為對角矩陣且主對角元素均為1，KMO的統計量的取值在0和1之間。KMO越接近于1，意味著變量之間的相關性越強，一般來說KMO大于0.5即表示原有變量適合做因子分析。

由表1可知其KMO的值=0.577>0.5適合做因子分析，巴特利特球度檢驗用來檢驗變量之間的相關性，其sig=0.00<0.05表明變量之間相關性很強即樣本數據適合做因子分析。通過以上兩種判定，我們認為本文當中所選取變量適合做因子分析。

（三）提取公因子

通過SPSS軟件對數據進行分析處理可以得到以下輸出結果。分別為碎石圖和解釋方差提取分析表。在表2和圖1中，通過主成份方法把所要研究的變量提取出三個公共因子，第一個主成份貢獻度為53.517%，第二個主成份貢獻度為25.163%，第三個主成分貢獻度11.935%。這三個公共因子的累積方差貢獻度高達 90.615%>85%符合因子分析的要求。

（四）因子命名

為了方便分析因子模型，我們利用SPSS軟件可以得到旋轉成份矩陣，結果如表 3所示。由表3可知資本充足率，資本積累率，存貸比，資產負債率在第一主成分上有較高的載荷，即第一主成分主要解釋了這幾個變量所以將其命名為銀行的安全性；總資產收益率，凈資產收益率，凈利息收入占凈利潤比這幾個變量在第二主成分上具有較高的因子載荷，即第二主成分主要解釋了這幾個變量，所以將其命名為城市商業銀行的盈利能力。不良貸款率和貸款增長率在第三主成分上具有較高的載荷，即第三主成分主要解釋了這幾個變量，所以將其命名為銀行信貸資產質量。通過對所選取的指標的命名真正實現了降維的目的，同時也便于對城市商業銀行信貸風險的整體分析。

（五）因子得分

為了便于后面的分析，我們需要計算因子得分。我們通過成分得分系數矩陣如表4所示，計算因子得分，結果如下：

F1=0.009*Z不良貸款率-0.213*Z貸款增長率-0.011*資本充足率+0.174*Z資本積累率+0.181*Z存貸比+0.227*Z資產負債率-0.077*Z總資產收益率+0.183*Z凈資產收益率+ 0.149*Z凈利息收入占凈利潤。

F2=0.414*Z不良貸款率+0.041*Z貸款增長率+0.418*Z資本充足率+ 0.187*Z資本積累率+0.075*Z存貸比 - 0.065*Z資產負債率 +0.020*Z總資產收益率+0.017*Z凈資產收益率-0.223*Z凈利息收入占凈利潤。

F3=-0.062*Z不良貸款率+0.068*Z貸款增長率+0.106*Z資本充足率-0.029*Z資本積累率-0.005*Z存貸比- 0.225*Z資產負債率+0.900*Z總資產收益率- 0.153*Z凈資產收益率+0.107*Z凈利息收入占凈利潤。

綜合得分F=0.53517*F1 + 0.25163*F2+0.11935*F3。

由表5可知各城市商業銀行信貸風險程度綜合排名前三位依次為北京銀行、成都銀行、廈門銀行。F1代表銀行資產安全性和流動性；F2代表銀行資產盈利能力；F3則主要代表銀行信貸資產質量。上海銀行、寧夏銀行、重慶銀行3家銀行的信貸風險度排名在后3 位，從整體上說，這三家城市商業銀行的信貸風險低于其它8 家城市商業銀行。但是觀察F1的排名和綜合排名，發現北京銀行在安全性和流動性等方面問題嚴重，由此我們可找出北京銀行控制信貸風險的入手點，即注意對其信貸資產安全性和流動性控制，如降低不良貸款率，在貸款增長的同時注意銀行自身資產規模的壯大等。

參考文獻：

[1]陳德勝.商業銀行全面風險管理[M].清華大學出版社，2009.

[2]朱星宇，陳勇強.SPSS多元統計分析方法及應用[M].清華大學出版社，2011.

[3]巴署松.新巴塞爾資本協議研究[M].中國金融出版社，2003.

[4]章彰.商業銀行的信用風險管理——兼論巴塞爾新資本協議[M].中國人民大學出版社，2002.

（作者單位：貴州大學經濟學院）