袁 杰，袁國軍

(皖西學院 經(jīng)濟與管理學院，安徽 六安 237012)

當前，我國城市商業(yè)銀行的資本實力大幅增強，資產(chǎn)規(guī)模迅速提升，同時，城商行也在積極的借助資本市場力量尋求快速發(fā)展的機會。截至2017年底，我國7家國內(nèi)商業(yè)銀行已在A股上市。至2018年初，成都銀行也順利登上A股市場。

可以看出，我國城市商業(yè)銀行正在不斷成長，城商行將不斷涉及股改、股權(quán)轉(zhuǎn)讓、重組、IPO業(yè)務以及外資和民間資本進入銀行業(yè)等事件。而合理的股權(quán)估值將成為這些資本活動的順利開展的基礎。

由于銀行的特殊性，在進行股權(quán)價值評估時選取的估值方法時，很難套用普通企業(yè)的價值評估方法。因此，對于銀行這種特殊的行業(yè)，在資產(chǎn)評估實務中選取普通企業(yè)的評估方法將造成較大的結(jié)果誤差。因此，我國已有很多學者對于商業(yè)銀行價值評估方法進行了探究，費亞群、李文卿運用EVA折現(xiàn)方法計算銀行整體價值并與市場價值進行對比研究[1]。李斌運用收益法、成本法、市場法對商業(yè)銀行對并購中商業(yè)銀行的價值評估進行探究[2]。洪志軍、譚躍、程錦將實物期權(quán)方法應用在銀行并購價值評估中[3]。陳艷利、殷翠微從非上市城商行股權(quán)轉(zhuǎn)讓定價被高估狀況出發(fā)，研究市場法在非上市城商行中的可行性[4]。可以看出，城商行的資產(chǎn)評估或價值評估研究，我國學者大多是從兩個方向進行研究：一是，對資產(chǎn)評估中各種估值方法在商業(yè)銀行價值評估方法的適用性進行對比研究。二是，某種方法在城商行資產(chǎn)評估中的可行性。在現(xiàn)階段，根據(jù)查閱我國學者研究成果和已上市商業(yè)銀行公告中披露的資產(chǎn)評估報告及說明顯示，收益法在商業(yè)銀行價值評估中使用較多，也得到國內(nèi)學者一致認可[5-7]。對于收益法，在商業(yè)銀行評估指導意見《資產(chǎn)評估專家指引第3號——金融企業(yè)收益法評估模型與參數(shù)確定》以及目前對商業(yè)銀行價值評估研究中，均提及了存款預測的必要性和重要性，但兩者均未提及如何對于存款量這一復雜的指標的預測方法。而在近期的商業(yè)銀行資產(chǎn)評估說明與報告中，如2010年深圳發(fā)展銀行股份有限公司擬平安銀行股份有限公司整合項目評估報告，2015年南京棲霞建設股份有限公司收購河北銀行8.75%股權(quán)項目評估說明，2014年江蘇金智科技股份有限公司，擬轉(zhuǎn)讓所持有的江蘇銀行股份有限公司部分股權(quán)項目，2016年張家港銀行及杭州銀行首次公開發(fā)行股票招股說明書，也均未提及對于存款這一重要指標的預測方法。存款預測的合理性是銀行整體評估值合理的前提條件，如何選擇合適的存款預測模型是現(xiàn)階段銀行資產(chǎn)評估實務中亟待解決的問題。

因此，對我國的城商行估價中的應用進行進一步的研究，不但有助于完善我國城商行價值評估和價值管理理論體系，還有助于加強城商行管理者和資本投資者的決斷能力，在我國產(chǎn)評估行業(yè)不斷發(fā)展完善的今天，具有一定的現(xiàn)實意義。

一、資產(chǎn)評估中存款預測方法與預測模型的選擇

城商行的吸收存款預測與其他經(jīng)濟預測一樣，首選需要對預測模型進行選擇，這是城商行存款預測的核心，也是價值評估中最為關鍵的部分。對于商業(yè)銀行而言，經(jīng)濟因素、政治因素、法律因素以及政策因素等均會對存款造成不同的影響[8-9]，如何選擇合適的存款預測模型也是一項較為困難的工作。選擇一個合理的存款預測模型，不僅需要對預測模型的特點、類型進行分析，還需要結(jié)合城商行評估的特殊性以及資產(chǎn)評估工作的具體情況，使得預測結(jié)果客觀、可行和準確。

一般的經(jīng)濟預測可分為兩類：定性和定量分析。其中，定性研究主要方法有德爾菲法、判斷預測法、市場調(diào)查法、類推法等。定量研究方法主要運用計量統(tǒng)計方法，對數(shù)據(jù)資料進行分析，得到所需要的預測結(jié)果。預測模型還需結(jié)合計量經(jīng)濟學、數(shù)理經(jīng)濟學等理論方法?，F(xiàn)階段常用的預測模型主要有：線性回歸模型、移動平均模型、趨勢外推模型、灰色模型、ARIMA模型、投入產(chǎn)出模型以及神經(jīng)網(wǎng)絡模型[10]。

表1 預測模型對比分析

數(shù)據(jù)來源：筆者整理

如前文所述，存款預測是一個復雜的問題，不僅需要考慮經(jīng)濟因素、政治因素、法律因素以及政策因素等，還需要考慮銀行所處區(qū)域以及銀行自身狀況。然而對于資產(chǎn)評估而言，運用少量的數(shù)據(jù)，即可進行準確且期限較長的預測，將成為城商行存款預測模型的首選。

然而，灰色理論是基于小樣本和不良信息不確定性系統(tǒng)。以提取有價值的信息，實現(xiàn)進化規(guī)律的正確模擬，并用少量數(shù)據(jù)實現(xiàn)定量預測[11]?？梢钥闯觯y行存款的復雜與不確定性，以及資產(chǎn)評估中可能存在的樣本缺乏，信息缺乏等情況，也正是符合灰色模型的理論基礎。

因此本文考慮灰色模型中的EGM(1,1)、ODGM(1,1)、EDGM(1,1)、DGM(1,1)、Verhulst灰色模型對城商行的吸收存款數(shù)據(jù)進行適用性及預測效果分析。

二、資產(chǎn)評估中存款預測模型構(gòu)建

由于存款量是等時等間距的，因此常用的單階單變量的預測模型有EGM(1，1)、ODGM(1,1)、EDGM(1,1)和DGM(1，1)模型等。

(一)GM(1,1)模型

根據(jù)歷年銀行存款量X(0)=x(0)(1),x(0)(2),x(0)(3),…,x(0)(n)，X(1)為X(0)的1-AGO序列，則X(1)=x(1)(1),x(1)(2),x(1)(3),…x(1)(n)。而Z(1)=z(1)(2),z(1)(3),z(1)(4),…,z(1)(n)為X1的緊鄰均值生產(chǎn)序列。

其中

(二)ODGM(1,1)模型

(三)DGM(1,1)模型

DGM(1,1)模型是GM(1,1)模型的一種離散的形式，其建模的過程與GM(1,1)模型是基本類似的，只是DGM(1,1)的模型參數(shù)序列為β=[β1,β2]T,且矩陣B與矩陣Y變更為一下形式：

則β=(BTB)-1BTY。從而，DGM(1,1)模型為:

x(1)(k+1)=β1x(1)(k)+β2

(四)EDGM(1,1)模型

EDGM(1,1)模型是GM(1,1)模型的一種均值估計參數(shù)模型，是以x(0)(k)+az(1)(k)=b均值差分方程式的解當做響應式而得到的模型稱為均值差分的GM(1,1)模型。

(五)灰色Verhulst模型

灰色verhulst模型是依據(jù)生物演化繁殖、人口變化等特征對malthusian進行整合，并入一個發(fā)展的限制項得到以下的verhulst模型[12-13]：

Verhulst模型首先根據(jù)原始符合樣本數(shù)據(jù)序列x(0)分別得到一階累加(1-AGO)新數(shù)據(jù)序列x(1)以及緊鄰均值生成序列Z(1)。建立灰色Verhulst模型微分方程為：

式中，a,b為參數(shù)項，其最小二乘估計為

A=[a,b]T=(BTB)-1BTY

式中

從而灰色Verhulst模型為：

x(0)(k+1)=x(1)(k+1)-x(1)(k)，(k=0,1…)

三、資產(chǎn)評估中存款預測模型的效果分析

(一)數(shù)據(jù)選取

選取銀行存款總量數(shù)據(jù)主要源于wind資訊搜集上市城市商業(yè)銀行2007—2016年年報，選取A股上市的城市商業(yè)銀行吸收存款數(shù)據(jù)。如表2。

表2 2007—2016年城商行吸收實際存款量 金額單位：人民幣萬元

數(shù)據(jù)來源：筆者整理

(二)模型適應性分析

根據(jù)各銀行年報中吸收存款量得到2007—2016年各城商行吸收存款的原始數(shù)據(jù)，運用灰色模型進行模擬，其模擬值見表3—表5，由于篇幅所限，只列舉杭州銀行、上海銀行、寧波銀行。

表3 杭州銀行模擬值與實際值對比分析 金額單位：人民幣萬元

數(shù)據(jù)來源：筆者整理

表4 上海銀行模擬值與實際值對比分析 金額單位：人民幣萬元

數(shù)據(jù)來源：筆者整理

表5 寧波銀行模擬值與實際值對比分析 金額單位：人民幣萬元

數(shù)據(jù)來源：筆者整理

(三)模型精度分析

對上述模型進行精度比較。主要為殘差、相對誤差、平均相對誤差、殘差平方和，其公式依次為：

在此次模型中，主要選擇相對誤差，平均相對誤差對模型的精度進行比較。

7家城商行，EGM(1，1)、ODGM(1,1)、EDGM(1,1)、DGM(1，1)和Verhulst灰色模型的精度及誤差值統(tǒng)計，見表6。

根據(jù)表6，可知，對于我國城商行的吸收存款量而言，EGM(1，1)、ODGM(1,1)、EDGM(1,1)、DGM(1,1)和Verhulst灰色模型的預測精度從小到大依次為，Verhulst

表6 城商行相對誤差對比分析

數(shù)據(jù)來源：筆者整理

四、結(jié)論

本文通過分析現(xiàn)階段常用的經(jīng)濟預測模型，考慮到資產(chǎn)評估業(yè)務及銀行存款量的特殊性，建立EGM(1，1)、ODGM(1,1)、EDGM(1,1)、DGM(1，1)和Verhulst灰色模型，分別對杭州銀行、南京銀行、常熟銀行、北京銀行、上海銀行、寧波銀行、江陰銀行，2007—2016年年報所列吸收存款量進行分析，得到如下結(jié)論：

1)銀行吸收存款預測的復雜性與不確定性，以及資產(chǎn)評估實務中，樣本缺乏，信息貧瘠，符合灰色模型的理論基礎。但由于多種灰色模型不同的特點，在預測時所得到的所得到的誤差精度檢驗結(jié)果各不同，因此，進一步解釋了在實際應用模型時精度測試的重要性。

2)對于資產(chǎn)評估業(yè)務中城商行吸收存款預測而言，Verhulst模型穩(wěn)定性較差，灰色模型擬合精度排序為：Verhulst

3)在資產(chǎn)評估實務中，可以選取DGM模型，與城市商業(yè)銀行戰(zhàn)略規(guī)劃，以及銀行業(yè)監(jiān)管指標相結(jié)合對銀行存款量進行預測。