“穩(wěn)金融”背景下商業(yè)銀行風(fēng)險(xiǎn)預(yù)警研究

■/ 王 楨 孫書(shū)瑾

2018 年7 月中央政治局首次提出包括“穩(wěn)金融”在內(nèi)的六穩(wěn)之策。作為金融市場(chǎng)的中流砥柱，銀行穩(wěn)，金融才可能穩(wěn)。但是，一方面，銀行業(yè)景氣指數(shù)和銀行家信心指數(shù)近年來(lái)一直在下滑，如圖1所示；另一方面由于利率市場(chǎng)化的進(jìn)一步開(kāi)放、新型金融的持續(xù)發(fā)展、商業(yè)銀行監(jiān)管要求趨嚴(yán)等，都使銀行的利潤(rùn)空間不斷縮減；第三我國(guó)《存款保險(xiǎn)條例》的推行更說(shuō)明從政策角度，商業(yè)銀行進(jìn)入可破產(chǎn)時(shí)代。

面對(duì)國(guó)內(nèi)國(guó)際經(jīng)濟(jì)形勢(shì)，國(guó)家政策上要求金融穩(wěn)定、銀行穩(wěn)定，而實(shí)際情況是銀行正面臨生存環(huán)境緊縮、經(jīng)營(yíng)風(fēng)險(xiǎn)加劇的境況。為了防止危機(jī)發(fā)生，建立一個(gè)綜合性的預(yù)警系統(tǒng)相當(dāng)有意義。本文綜合商業(yè)銀行風(fēng)險(xiǎn)監(jiān)管的主要指標(biāo)建立多變量判定模型，希望預(yù)警分析對(duì)商業(yè)銀行風(fēng)險(xiǎn)監(jiān)管有一定意義。

圖1 2008-2016年銀行家信心指數(shù)和銀行業(yè)景氣指數(shù)

一、選取研究方法

從單一指標(biāo)入手預(yù)測(cè)企業(yè)的危機(jī)已經(jīng)趨向成熟，但作用畢竟有限。一是分析者對(duì)于單一指標(biāo)的主觀性較強(qiáng)，對(duì)于不同的指標(biāo)看法不同。二是單一指標(biāo)會(huì)受到其他指標(biāo)的影響，如果運(yùn)用單一指標(biāo)分析，不能得到全面的結(jié)果。三是單一指標(biāo)的可操控性較強(qiáng)，公司在面對(duì)危機(jī)時(shí)，為了掩蓋實(shí)際狀況可能會(huì)粉飾指標(biāo)，這對(duì)分析者的預(yù)測(cè)結(jié)果有極大的影響。

為了彌補(bǔ)這一方面的不足，國(guó)內(nèi)外學(xué)者進(jìn)行了較為全面的研究。最早是20 世紀(jì)60 年代埃德沃特·艾·埃特曼創(chuàng)建了Z 分?jǐn)?shù)模型，它是運(yùn)用多變量判定模式建立的模型，旨在預(yù)測(cè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。但由于該模型沒(méi)有加入現(xiàn)金流量比率這一項(xiàng)，有一定的局限性。直到1996年，我國(guó)學(xué)者周守華和楊濟(jì)華擴(kuò)大樣本容量并加入了流動(dòng)性指標(biāo)對(duì)Z模型進(jìn)行了修正，建立了適用于我國(guó)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警F 模型。這個(gè)模型選取的指標(biāo)較為全面，但由于各行業(yè)之間還是存在較大的差異，并且只考慮的80家上市公司（40家ST企業(yè)，40家非ST企業(yè)），樣本選擇不足，以致于減小了模型的說(shuō)服能力。楊淑娥，徐偉剛2002 年利用主分量因子法對(duì)134 家上市企業(yè)（67 家ST 企業(yè)，67 家非ST 企業(yè)）財(cái)務(wù)指標(biāo)進(jìn)行研究，添加了更充足的財(cái)務(wù)指標(biāo)和樣本數(shù)據(jù)，建立Y分?jǐn)?shù)模型，進(jìn)一步彌補(bǔ)了之前的不足。但之前的綜合風(fēng)險(xiǎn)預(yù)警模型的研究均沒(méi)有涉足銀行業(yè)。我國(guó)商業(yè)銀行的風(fēng)險(xiǎn)預(yù)警基本停留在控制多項(xiàng)單一指標(biāo)，而沒(méi)有涉及綜合性指標(biāo)的風(fēng)險(xiǎn)預(yù)警系統(tǒng)的建立。同時(shí)，考慮到銀行業(yè)風(fēng)險(xiǎn)控制指標(biāo)的特殊性，不適合使用現(xiàn)有的建立在制造業(yè)基礎(chǔ)上的Y分?jǐn)?shù)模型，因此，有必要建立銀行業(yè)風(fēng)險(xiǎn)預(yù)警Y分?jǐn)?shù)模型。

本文的研究思路是運(yùn)用主分量分析法，對(duì)86家國(guó)內(nèi)商業(yè)銀行（包括國(guó)有商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行和農(nóng)村商業(yè)銀行）2013—2017 年的指標(biāo)數(shù)據(jù)和2013—2017 年美國(guó)各州破產(chǎn)銀行破產(chǎn)前一年數(shù)據(jù)進(jìn)行實(shí)證研究，建立Y分?jǐn)?shù)模型，判斷商業(yè)銀行各項(xiàng)主要指標(biāo)的變化對(duì)Y 值的影響，從而估計(jì)臨界點(diǎn)，科學(xué)但較為保守的對(duì)商業(yè)銀行風(fēng)險(xiǎn)進(jìn)行預(yù)警。

二、選取研究樣本及研究指標(biāo)

商業(yè)銀行與其他企業(yè)不同，從經(jīng)營(yíng)業(yè)務(wù)到資產(chǎn)結(jié)構(gòu)都有自己的特點(diǎn)。本文在選擇研究樣本時(shí)剔除了三家政策性銀行和外資銀行。對(duì)于政策性銀行，由政府發(fā)起設(shè)立，設(shè)立的目的就是為了配合政府的經(jīng)濟(jì)政策進(jìn)行融資，既不屬于商業(yè)銀行業(yè)不屬于中央銀行。而剔除外資銀行的原因是外資銀行與中資銀行有以下幾點(diǎn)區(qū)別：外資銀行的業(yè)務(wù)范圍較中資銀行較窄，相對(duì)沒(méi)有完整的產(chǎn)品線；雖然外資銀行受中國(guó)銀監(jiān)會(huì)監(jiān)管，外資銀行的監(jiān)管體系并不和中資銀行完全相同，因此在實(shí)證研究中有另類(lèi)影響；外資銀行在中國(guó)的發(fā)展過(guò)程中，一直被中資銀行壓制，并不占優(yōu)勢(shì)。各方盈利點(diǎn)有差異，由此可能會(huì)產(chǎn)生財(cái)務(wù)報(bào)表的差異性，從而影響某些指標(biāo)。

因此本文選取了其余的各類(lèi)商業(yè)銀行，并對(duì)其2013——2017 年期間86 家商業(yè)銀行的256 組數(shù)據(jù)進(jìn)行分析，對(duì)中國(guó)銀行業(yè)做出了比較全面的詮釋。由于國(guó)內(nèi)銀行鮮有破產(chǎn)，為了使Y 模型有效探索銀行破產(chǎn)警戒點(diǎn)，本文選擇2013——2017年美國(guó)破產(chǎn)銀行數(shù)據(jù)加入實(shí)證研究。數(shù)據(jù)來(lái)源為聯(lián)邦存款保險(xiǎn)公司網(wǎng)站（www.fdic.gov）。

本文參考了以往研究的文獻(xiàn)，根據(jù)可操作性原則、優(yōu)先性原則、預(yù)測(cè)性原則和系統(tǒng)性等原則，綜合考慮選取了信用風(fēng)險(xiǎn)類(lèi)指標(biāo)4個(gè)、流動(dòng)性指標(biāo)3個(gè)、效益類(lèi)指標(biāo)3個(gè)和資本充足率指標(biāo)3個(gè)。利用SPSS對(duì)初選指標(biāo)進(jìn)行顯著性檢驗(yàn)，發(fā)現(xiàn)在95%的置信區(qū)間下，有7 個(gè)指標(biāo)組數(shù)據(jù)之間有顯著性差異，如表1所示：

這7 個(gè)指標(biāo)中：1）不良貸款率是評(píng)價(jià)授信資產(chǎn)的重要指標(biāo)，不良貸款率越高，可能無(wú)法收回的貸款越多。不良貸款對(duì)宏觀經(jīng)濟(jì)的影響也是巨大的，不良貸款增多，銀行的放貸意愿越小，容易造成貨幣緊縮，最終反饋給銀行的只能是惡性循環(huán)。2）撥備覆蓋率表示的是銀行可能發(fā)生呆、壞賬準(zhǔn)備金的使用比率，是衡量面對(duì)不良貸款計(jì)提是否充足的重要指標(biāo)。通過(guò)對(duì)撥備覆蓋率的分析可以確定銀行財(cái)務(wù)的穩(wěn)健性和對(duì)風(fēng)險(xiǎn)的控制能力。3）人民幣流動(dòng)性比例是商業(yè)銀行監(jiān)測(cè)流動(dòng)性風(fēng)險(xiǎn)的重要指標(biāo)，流動(dòng)性比例越高，銀行償還人民幣短期債務(wù)的能力越強(qiáng)，抵御風(fēng)險(xiǎn)的能力也越高。4）人民幣存貸比例，表示人民幣貸款與存款的比值。該值越高，證明商業(yè)銀行放出的貸款越多，流動(dòng)性也越差。5）資產(chǎn)利潤(rùn)率：這一指標(biāo)與其他行業(yè)企業(yè)相似，反映企業(yè)能力的指標(biāo)。但對(duì)于商業(yè)銀行來(lái)說(shuō)，資產(chǎn)利潤(rùn)率越高，抵補(bǔ)風(fēng)險(xiǎn)的能力越強(qiáng)。6）成本收入比率反映銀行收入中需要指出的成本，指標(biāo)值越低，銀行獲利能力也越強(qiáng)。所以成本收入比是衡量銀行效益性的重要指標(biāo)。7）資本充足率反映銀行面臨風(fēng)險(xiǎn)是自由資產(chǎn)可抵御的程度，是銀行的資本總額對(duì)其風(fēng)險(xiǎn)加權(quán)資產(chǎn)的比率。因此，資本充足率對(duì)銀行風(fēng)險(xiǎn)控制有重要意義。本文通過(guò)實(shí)證研究會(huì)進(jìn)一步證明這7個(gè)指標(biāo)對(duì)于銀行風(fēng)險(xiǎn)征兆的辨別能力。

表1 選擇指標(biāo)匯總

三、Y分?jǐn)?shù)模型的建立

本文旨在建立預(yù)警銀行風(fēng)險(xiǎn)的綜合性模型，故根據(jù)信用風(fēng)險(xiǎn)、流動(dòng)性、效益性和資本充足等方面選取了合適的指標(biāo)，然后用SPSS統(tǒng)計(jì)軟件中的相關(guān)性分析對(duì)指標(biāo)進(jìn)行篩選并用其主分量因子檢驗(yàn)法建立Y分?jǐn)?shù)模型。

主分量分析法又叫主成分分析法，是利用降維的思想把多數(shù)指標(biāo)轉(zhuǎn)變?yōu)樯贁?shù)幾個(gè)綜合指標(biāo)，這使得每一個(gè)指標(biāo)都能反映大部分原始變量的信息，并且所含信息之間不重復(fù)。在多元統(tǒng)計(jì)分析中，每個(gè)研究問(wèn)題的信息都受每個(gè)不同變量的影響，為了簡(jiǎn)化、全面、系統(tǒng)地分析問(wèn)題，主分量分析法便同時(shí)滿(mǎn)足了這幾類(lèi)要求。主分量分析法的模型通常為：

其中，Z1、Z2、Z3為各個(gè)指標(biāo)的實(shí)測(cè)變量；aii為因子荷載；Xi（i=1，2，…，n）為選擇確定的m 個(gè)主分量因子；Ki（i=1，2，…，n）為主分量因子的權(quán)重；Y 是商業(yè)銀行風(fēng)險(xiǎn)狀況的預(yù)測(cè)值。

將觀測(cè)數(shù)據(jù)導(dǎo)入SPSS 用主分量方法可以提取出各成分的特征值、貢獻(xiàn)值和累計(jì)貢獻(xiàn)值。如表2所示：

表2 主分量特征值、貢獻(xiàn)值和累計(jì)貢獻(xiàn)值

由表可知，主成分的貢獻(xiàn)值以此遞減，但前5個(gè)成分的累計(jì)貢獻(xiàn)值達(dá)到了96.097%。由此可知抽取5個(gè)主成分，對(duì)模型有足夠的解釋力度。5個(gè)主成分也分別對(duì)應(yīng)式（2）中的X1、X2、X3、X4和X5。用SPSS抽取5 個(gè)主成分后可以得到因子載荷矩陣，即對(duì)應(yīng)式（1）中的aii，具體如表4所示：

表3 因子載荷矩陣

由因子載荷模型我們可以得到兩部分信息：

1.每個(gè)主分量代表了不同信息，X1中資本充足率和核心資本充足率遠(yuǎn)遠(yuǎn)高于其他指標(biāo)的解釋能力，故X1表示商業(yè)銀行的風(fēng)險(xiǎn)預(yù)警模型的資本充足指標(biāo)，代表以自由資金抵御風(fēng)險(xiǎn)的能力。X2中資產(chǎn)利潤(rùn)率和成本收入能力解釋能力較強(qiáng)，表示商業(yè)銀行的風(fēng)險(xiǎn)抵補(bǔ)能力。X3中撥備覆蓋率和不良貸款率解釋度較高，表示商業(yè)銀行的風(fēng)險(xiǎn)控制能力。X4和X5中流動(dòng)性比例和存貸比例解釋度較高，表示商業(yè)銀行流動(dòng)性指標(biāo)。

2.通過(guò)因子載荷矩陣我們可以建立出式1的表達(dá)式：

根據(jù)各主分量的特征值將其標(biāo)準(zhǔn)化，再結(jié)合式3，我們可以根據(jù)式2得到商業(yè)銀行預(yù)警模型Y分?jǐn)?shù)模型為：

將2013—2017 年國(guó)內(nèi)商業(yè)銀行和美國(guó)破產(chǎn)銀行的數(shù)據(jù)代入4 式，我們可以觀測(cè)到Y(jié) 值的平均值為0.4988，最大值為1.2362，最小值為0.1344。將Y值以國(guó)內(nèi)商業(yè)銀行和美國(guó)破產(chǎn)商業(yè)銀行為標(biāo)準(zhǔn)進(jìn)行分類(lèi)可以得到下表：

表4 Y值分布表

由此表可知當(dāng)Y＞0.5時(shí)國(guó)內(nèi)正常經(jīng)營(yíng)的商業(yè)銀行樣本數(shù)占比數(shù)量為225 家，占總抽樣樣本的87.89%。當(dāng)Y＜0.5 時(shí)，美國(guó)破產(chǎn)銀行小于此值的有248 家，占該類(lèi)比重96.87%。因此，以0.5 為界比較符合我們的判斷要求。

根據(jù)我們的分析，得到以下評(píng)價(jià)區(qū)域：

四、結(jié)論

從我們的模型計(jì)算結(jié)果看，我國(guó)大多數(shù)商業(yè)銀行在安全線上，只有少數(shù)銀行的個(gè)別年份其Y 分?jǐn)?shù)值在0.5 以下。這非常值得相應(yīng)銀行高度重視，以免出現(xiàn)破產(chǎn)危機(jī)。另外，Y模型建立過(guò)程中，根據(jù)各指標(biāo)的特征值我們可以判斷出事前預(yù)警需要控制的指標(biāo)排序，尤其是不良貸款率在模型中權(quán)重極高，可見(jiàn)其在銀行控制風(fēng)險(xiǎn)中的作用。本文的局限性在于我國(guó)除了海南發(fā)展銀行外，沒(méi)有破產(chǎn)銀行的案例。因此本文采用了國(guó)外銀行破產(chǎn)前的財(cái)務(wù)數(shù)據(jù)，這與我國(guó)的政策及市場(chǎng)還是有一定的出入。隨著《存款保險(xiǎn)條例》不斷推行，商業(yè)銀行的進(jìn)一步發(fā)展，數(shù)據(jù)進(jìn)一步的更新，模型應(yīng)該可以有更好的精確性和適用性。