區(qū)域銀行信用卡發(fā)卡潛力研究

徐夢(mèng)男

近年來區(qū)域銀行信用卡業(yè)務(wù)發(fā)展勢(shì)頭強(qiáng)勁，年均發(fā)卡增速超過20%，交易筆數(shù)及交易金額即使在疫情影響下也分別保持了10%及20%以上的增速。相較而言，全國性銀行信用卡業(yè)務(wù)增速顯著低于區(qū)域銀行。

隨著區(qū)域銀行信用卡業(yè)務(wù)規(guī)模的迅速擴(kuò)張，全國性銀行對(duì)區(qū)域銀行的擠出效應(yīng)也逐漸凸顯，區(qū)域銀行信用卡增速出現(xiàn)放緩趨勢(shì)，從發(fā)卡量看，區(qū)域銀行信用卡發(fā)卡增速已從2016年50%以上的峰值逐漸下滑至當(dāng)前20%左右。

區(qū)域銀行信用卡業(yè)務(wù)未來的發(fā)展空間還有多大？是否仍有區(qū)域銀行存在發(fā)展?jié)摿Υ诰颍酷槍?duì)上述問題，筆者希望通過建立一個(gè)可量化的研究模型，以分析區(qū)域銀行的信用卡發(fā)卡潛力。

研究思路

區(qū)域銀行的信用卡發(fā)卡潛力受銀行內(nèi)部因子及外部因子共同影響。

內(nèi)部因子，即銀行內(nèi)部指標(biāo)，如銀行資質(zhì)情況、信用卡業(yè)務(wù)開辦情況等，可以通過資產(chǎn)規(guī)模、歷史發(fā)卡量等對(duì)上述指標(biāo)進(jìn)行量化。內(nèi)部因子屬于銀行個(gè)性化指標(biāo)，不同銀行內(nèi)部因子不同。

外部因子，即銀行外部指標(biāo)，如經(jīng)濟(jì)發(fā)展水平、市場(chǎng)飽和度等，可以通過GDP、城鎮(zhèn)化程度、人均在冊(cè)卡量等對(duì)上述指標(biāo)進(jìn)行量化。外部因子屬于銀行共性指標(biāo)，但由于區(qū)域銀行業(yè)務(wù)開展存在地域限制，同一地區(qū)區(qū)域銀行外部因子相同，不同地區(qū)區(qū)域銀行外部因子不同。

結(jié)合上述思路，構(gòu)建區(qū)域銀行信用卡發(fā)卡潛力模型：

發(fā)卡潛力=內(nèi)部潛力×50%+外部潛力×50%（1）

內(nèi)部潛力=資產(chǎn)規(guī)?！羨1+存量卡滲透率×w2（2）

外部潛力=城鎮(zhèn)化率×w3+人均在冊(cè)卡量×w4+人均GDP×w5（3）

公式（1）中內(nèi)外部潛力各占50%的權(quán)重為筆者借鑒相關(guān)刊物后確定。公式（2）、公式（3）中W代表各指標(biāo)權(quán)重。

指標(biāo)分析。對(duì)于模型所選取的城鎮(zhèn)化率、人均在冊(cè)卡量、人均GDP、資產(chǎn)規(guī)模、存量卡滲透率五個(gè)指標(biāo)（表1），具體情況說明如下。

城鎮(zhèn)化率：城鎮(zhèn)化率水平代表地區(qū)消費(fèi)水平，從而決定信用卡需求量，地區(qū)城鎮(zhèn)化率水平越高，則該地區(qū)信用卡發(fā)卡潛力越大。

人均在冊(cè)卡量：人均在冊(cè)卡量即各地區(qū)人均已持有信用卡數(shù)量，代表當(dāng)?shù)厥袌?chǎng)空間。人均在冊(cè)卡量越高，則該地區(qū)信用卡市場(chǎng)飽和程度越高，發(fā)卡潛力越小。

人均GDP：人均GDP代表當(dāng)?shù)匦庞每ㄐ枨笏?，人均GDP越高，當(dāng)?shù)匦庞每ㄐ枨笤酱螅瑒t發(fā)卡潛力越大。

資產(chǎn)規(guī)模：資產(chǎn)規(guī)模代表銀行潛在可投入信用卡業(yè)務(wù)的資源多少，資產(chǎn)規(guī)模越大，則銀行發(fā)卡潛力越大。

存量卡滲透率：存量卡滲透率即銀行已發(fā)行銀行卡與當(dāng)?shù)厝丝跀?shù)的比值，代表該銀行剩余發(fā)卡空間。滲透率越高則代表銀行剩余發(fā)卡空間越小。筆者選取了交通銀行存量卡滲透率為標(biāo)準(zhǔn)，銀行存量卡滲透率與標(biāo)準(zhǔn)值差值越小，則代表發(fā)卡潛力越大。

權(quán)重計(jì)算。針對(duì)上述模型中各指標(biāo)權(quán)重值W的計(jì)算，采用了“變異系數(shù)法”。變異系數(shù)法是直接利用各項(xiàng)指標(biāo)所包含的信息，通過計(jì)算得到指標(biāo)的權(quán)重，是一種客觀賦權(quán)的方法。

變異系數(shù)法的基本原理是在指標(biāo)評(píng)價(jià)體系中，指標(biāo)值在個(gè)體間差異度代表了指標(biāo)的實(shí)現(xiàn)難度。差異度越大表示指標(biāo)實(shí)現(xiàn)難度越大，這樣的指標(biāo)更能反映個(gè)體間的差距，因此應(yīng)在模型中賦予更高的權(quán)重。舉例來說，指標(biāo)A各個(gè)體的值為{1，1，1，1}，指標(biāo)B各個(gè)體的值為{1，10，100，1000}，顯然指標(biāo)B的差異度更大，在變異系數(shù)法中，指標(biāo)B的權(quán)重值W應(yīng)更大。

變異系數(shù)法具體步驟如下：

一是變異系數(shù)確定。變異系數(shù)法的第一步是計(jì)算資產(chǎn)規(guī)模、存量卡滲透率、城鎮(zhèn)化率等五個(gè)指標(biāo)的變異系數(shù)。

變異系數(shù)主要用于度量指標(biāo)的差異化程度，如上文中提到的指標(biāo)A與指標(biāo)B，直觀地看B的差異度更大，但是如何量化A與B的差異化程度，變異系數(shù)是較為有效的衡量指標(biāo)。變異系數(shù)值越大則代表該指標(biāo)個(gè)體之間的差異越大，按照變異系數(shù)法原理，該指標(biāo)應(yīng)被賦予更高權(quán)重。變異系數(shù)具體公式為：

公式（4）中，σi為指標(biāo)i的標(biāo)準(zhǔn)差，為指標(biāo)i的均值，Vi為變異系數(shù)值。

結(jié)合上述公式，以城鎮(zhèn)人口比重、人均GDP、人均在冊(cè)卡量三個(gè)指標(biāo)為例，經(jīng)計(jì)算變異系數(shù)值分別為0.22、0.52、0.71，代表了三個(gè)指標(biāo)中，人均在冊(cè)卡量指標(biāo)在各地區(qū)之間的差異最大，人均GDP次之，城鎮(zhèn)人口比重各地區(qū)差異最?。ū?）。

二是權(quán)重計(jì)算。根據(jù)公式（4）計(jì)算獲得各指標(biāo)的變異系數(shù)后，即可進(jìn)一步計(jì)算獲得各指標(biāo)權(quán)重W，具體公式為：

公式（5）中Wi為指標(biāo)i權(quán)重，Vi為對(duì)應(yīng)指標(biāo)變異系數(shù)。公式（5）原理即計(jì)算各指標(biāo)變異系數(shù)值Vi在所有指標(biāo)中所占的比重，Vi值越大的指標(biāo)，其權(quán)重值Wi越大。

從表2中可以看到，以外部潛力指標(biāo)為例，人均在冊(cè)卡量變異系數(shù)值最大，差異化程度最高，因此權(quán)重最大;城鎮(zhèn)化率指標(biāo)因?yàn)樽儺愊禂?shù)值最小，因此權(quán)重最小。

三是指標(biāo)標(biāo)準(zhǔn)化。經(jīng)上述兩步驟計(jì)算獲得各指標(biāo)的權(quán)重值后，理論上可將各銀行指標(biāo)值代入發(fā)卡潛力公式，計(jì)算獲得對(duì)應(yīng)潛力值。

但從實(shí)際執(zhí)行看，各銀行指標(biāo)值代入公式前，還需解決各指標(biāo)之間量綱不同，導(dǎo)致的難以橫向比較的問題。以寧波銀行為例，寧波地區(qū)城鎮(zhèn)人口比重73.6%，人均在冊(cè)卡量0.84張，人均GDP14.0萬元，指標(biāo)維度不同、量級(jí)不同，直接將三個(gè)指標(biāo)值按照W3=14.93%、W4=48.93%、W5=36.14%進(jìn)行計(jì)算，結(jié)果沒有意義。

因此我們引入z-score標(biāo)準(zhǔn)化處理公式，對(duì)上述各銀行指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化處理：

公式（6）中Zij為指標(biāo)i中第j個(gè)值標(biāo)準(zhǔn)化處理后的結(jié)果，Xij為指標(biāo)值，為指標(biāo)i均值，σi為指標(biāo)i標(biāo)準(zhǔn)差。

z-score標(biāo)準(zhǔn)化處理公式目的是將不同量級(jí)的數(shù)據(jù)統(tǒng)一轉(zhuǎn)化為同一個(gè)量級(jí)，統(tǒng)一用計(jì)算出的z-score值衡量，以保證數(shù)據(jù)之間的可比性。

各指標(biāo)值通過標(biāo)準(zhǔn)化處理后量綱的差異得以消除，標(biāo)準(zhǔn)化后的變量值圍繞0上下波動(dòng)，大于0說明高于平均水平，小于0說明低于平均水平，可以直接進(jìn)行對(duì)比計(jì)算。仍以寧波銀行為例，標(biāo)準(zhǔn)化處理后，城鎮(zhèn)人口比重、人均GDP指標(biāo)、人均在冊(cè)卡量標(biāo)準(zhǔn)化值分別為0.7、1.48、1.19，即代表三個(gè)指標(biāo)均高于全國各地區(qū)均值。

研究模型建立思路

結(jié)合上述研究思路，將各銀行標(biāo)準(zhǔn)化處理后的指標(biāo)值代入潛力公式，完成模型建立。將綜合潛力得分200分以上銀行定義為高潛力，得分在-100分至200分的銀行定義為一般潛力，-100分以下銀行定義為低潛力。結(jié)果表示，高潛力銀行共計(jì)16家，一般潛力銀行共計(jì)60家，低潛力銀行共計(jì)21家（表3）。

結(jié)果分析

根據(jù)上述區(qū)域銀行發(fā)卡潛力結(jié)果，選取江蘇銀行（高潛力）、盛京銀行（一般潛力）、寧波銀行（低潛力）三家銀行做結(jié)果分析。

江蘇銀行—高潛力銀行。江蘇銀行信用卡發(fā)卡潛力在區(qū)域銀行中排名第4位，其優(yōu)勢(shì)主要集中在資產(chǎn)規(guī)模以及江蘇地區(qū)人均GDP（圖1）。

一是江蘇銀行資產(chǎn)規(guī)模達(dá)2.1萬億元，在所有區(qū)域銀行中排名第2位;二是江蘇省人均GDP為12.3萬元，在中國所有同級(jí)別地區(qū)中排名第7位。此外，江蘇銀行城鎮(zhèn)化率水平與標(biāo)準(zhǔn)值較為接近，對(duì)其發(fā)卡潛力貢獻(xiàn)較小。人均在冊(cè)卡量及滲透率指標(biāo)為負(fù)貢獻(xiàn)，即當(dāng)下江蘇地區(qū)以及江蘇銀行存量信用卡規(guī)模較大，剩余市場(chǎng)空間相對(duì)偏小。

發(fā)卡思路上，一方面江蘇銀行具有較強(qiáng)的資產(chǎn)規(guī)模優(yōu)勢(shì)，推動(dòng)行內(nèi)提高零售業(yè)務(wù)資源投入是其提高信用卡業(yè)務(wù)規(guī)模的重要抓手;另一方面江蘇地區(qū)信用卡業(yè)務(wù)已趨向成熟，在冊(cè)卡量、滲透率指標(biāo)偏高，但江蘇地區(qū)的經(jīng)濟(jì)優(yōu)勢(shì)（人均GDP、城鎮(zhèn)化率）帶來的信用卡需求仍可以提供一定的新增市場(chǎng)空間，提高卡產(chǎn)品的差異化程度將有利于銀行快速搶占剩余市場(chǎng)，并在存量市場(chǎng)競爭中保持優(yōu)勢(shì)。

盛京銀行—一般潛力銀行。

相較于江蘇銀行，盛京銀行各指標(biāo)值較為均衡，其中資產(chǎn)規(guī)模、城鎮(zhèn)化率水平、人均在冊(cè)卡量指標(biāo)對(duì)其發(fā)卡潛力產(chǎn)生正向貢獻(xiàn)，滲透率、人均GDP指標(biāo)對(duì)其發(fā)卡潛力產(chǎn)生負(fù)向影響（圖2）。

一是盛京銀行資產(chǎn)規(guī)模存在優(yōu)勢(shì)，截至2019年底約1.1萬億元，區(qū)域銀行排名第12位。二是遼寧省人均在冊(cè)卡量相對(duì)較少，約0.3張/人，地區(qū)排名第22位，發(fā)展空間較大。三是遼寧省城鎮(zhèn)化率水平相對(duì)較高，地區(qū)排名第12位，為信用卡業(yè)務(wù)提供了一定的市場(chǎng)需求。四是遼寧省人均GDP相對(duì)較低，5.7萬元/人，地區(qū)排名第20位。五是盛京銀行存量卡規(guī)模較高，發(fā)卡增量空間受限，超過當(dāng)?shù)亟煌ㄣy行滲透率約0.2%，區(qū)域銀行排名第13位。

發(fā)卡思路上，一是遼寧省發(fā)卡空間仍有剩余，盛京銀行應(yīng)合理利用自身資產(chǎn)規(guī)模優(yōu)勢(shì)，提高信用卡業(yè)務(wù)資源投入，搶占剩余市場(chǎng)空間。二是針對(duì)遼寧省人均GDP劣勢(shì)，盛京銀行可以考慮有針對(duì)性地推出貼近日常生活優(yōu)惠權(quán)益的卡產(chǎn)品，以優(yōu)惠拉動(dòng)當(dāng)?shù)鼐用裥庞每I(yè)務(wù)需求。

寧波銀行—低潛力銀行。

寧波銀行屬于低潛力銀行，雖然寧波銀行有著較強(qiáng)的資產(chǎn)規(guī)模優(yōu)勢(shì)，且寧波地區(qū)經(jīng)濟(jì)水平較為發(fā)達(dá)，人均GDP、城鎮(zhèn)化率水平均全國領(lǐng)先，但增量市場(chǎng)空間的不足拉低了其發(fā)卡潛力，寧波地區(qū)的存量卡規(guī)模較大，尤其是寧波銀行，其存量卡滲透率遠(yuǎn)超當(dāng)?shù)赝瑯I(yè)水平，剩余市場(chǎng)空間較小（圖3）。

一是寧波銀行在寧波地區(qū)發(fā)卡滲透率較高，約18.99%，超過當(dāng)?shù)亟煌ㄣy行（模型下的參照物）15.42%，增量卡空間受限。二是寧波地區(qū)人均在冊(cè)卡量指標(biāo)較高，約0.84張/人，全國排名第5位，市場(chǎng)飽和度較高。三是寧波銀行存在資產(chǎn)規(guī)模優(yōu)勢(shì)，截至2019年底，資產(chǎn)規(guī)模達(dá)14389億元，區(qū)域銀行排名第7位。四是寧波地區(qū)經(jīng)濟(jì)較發(fā)達(dá)，人均GDP約14萬元/人，地區(qū)排名第4位，城鎮(zhèn)化率達(dá)73.6%，全國排名第7位。

發(fā)卡思路上，寧波銀行面臨著較為飽和的信用卡市場(chǎng)，未來增量市場(chǎng)空間相對(duì)較小，因此存量市場(chǎng)的滲透率提升是主要發(fā)力方向。建議可以發(fā)揮自身資產(chǎn)規(guī)模優(yōu)勢(shì)，并有效結(jié)合寧波當(dāng)?shù)亟?jīng)濟(jì)發(fā)展特色，一方面做好存量客戶的經(jīng)營，提高存量客戶的貢獻(xiàn)度，另一方面提高信用卡產(chǎn)品差異度，推出不同圈層定制化卡產(chǎn)品配套特色權(quán)益，進(jìn)一步提高存量市場(chǎng)滲透率。

優(yōu)化與總結(jié)

從整體來看，模型存在以下局限性及可優(yōu)化點(diǎn)。一是指標(biāo)的選擇：本模型中相關(guān)指標(biāo)的選擇較多依賴經(jīng)驗(yàn)總結(jié)，且受限于數(shù)據(jù)源獲取途徑，對(duì)于模型中相關(guān)指標(biāo)是否是最優(yōu)選擇，仍需在后續(xù)的研究中持續(xù)優(yōu)化完善;二是指標(biāo)對(duì)于發(fā)卡潛力的影響：不同指標(biāo)作用于銀行發(fā)卡潛力的效果受地域特色影響而有所差異。以本模型中城鎮(zhèn)化率指標(biāo)為例，不同地域特色下，城鎮(zhèn)化水平對(duì)發(fā)卡潛力影響的程度不同，如云南省雖然城鎮(zhèn)化率水平較低，但農(nóng)村地區(qū)的信貸業(yè)務(wù)發(fā)展較好，也可以為信用卡業(yè)務(wù)提供一定的市場(chǎng)空間，因此綜合而言，云南省的發(fā)卡潛力值理論上應(yīng)略高于模型計(jì)算結(jié)果。在后續(xù)的研究中可以考慮引入相關(guān)參數(shù)，將地域特色這類因子納入模型計(jì)量范圍;三是指標(biāo)的動(dòng)態(tài)變化：模型中的指標(biāo)值為截面數(shù)據(jù)（不同主體在同一時(shí)間點(diǎn)的數(shù)據(jù)）而非時(shí)間序列數(shù)據(jù)，模型的動(dòng)態(tài)性仍有所欠缺。

綜上而言，本模型是區(qū)域銀行信用卡業(yè)務(wù)發(fā)展理論研究的一次初步嘗試，有待優(yōu)化。筆者也期待在未來隨著該模型的持續(xù)完善，可以實(shí)現(xiàn)在發(fā)卡側(cè)點(diǎn)對(duì)點(diǎn)的結(jié)論輸出，協(xié)助銀行完善信用卡業(yè)務(wù)發(fā)展路徑規(guī)劃，推動(dòng)行業(yè)穩(wěn)定健康發(fā)展。

（本文僅代表作者本人觀點(diǎn)，不代表作者所在單位意見。）

作者供職于中國銀聯(lián)

責(zé)任編輯：楊琪