应用主成分研究法对我国商业银行信用风险评估指标探究.docVIP

应用主成分研究法对我国商业银行信用风险评估指标探究 　　【摘 要】基于前人研究，尝试建立我国商业银行信用风险评价指标体系。运用主成分分析法进行实证研究，结果表明流动比率、存货周转率、速动比率、资产负债率等指标对我国商业银行信用风险的贡献率比较大。针对研究结果提出了相应的建议，并对今后的研究给予展望。 【关键词】主成分分析；信用风险评估；指标体系；我国上市公司 1.引言 随着金融全球化进程不断加快，我国商业银行面临的竞争和风险愈加严峻，信用风险管理的科学化也显得越来越重要。 当前，对我国商业银行信用风险评估指标的研究文献主要有4篇，其中管杜鹃（2011）[1]提出了选取商业银行信用风险评估指标原则且通过分析商业银行信用风险的影响因素，定性地从四个方面构建了商业银行信用风险评估指标体系。张渝，周宗放（2006）发表了两篇关于商业银行信用风险评价指标选择方法的文章，一篇是熵权选择方法[2]，一篇是基于模糊熵的选择方法[3]。而刘杰（2009）[4]则是站在银行的角度，在“骆驼评级体系”的基础上引进成长性指标，尝试构建了我国商业银行信用风险评价体系，并运用主成分分析法进行实证研究，选取了不同的上市银行作为样本，最后得出各银行排名。本文欲站在企业的角度，通过主成分分析法，对众多评价指标进行研究，提取主成分，分析哪些指标对银行的信用风险影响比较大从而针对存在的问题提出相应的政策建议。 2.我国商业银行信用风险评估的指标 商业银行信用风险评估系统复杂，而首要任务是根据指标选择原则构建信用风险评估指标体系。根据各学者对商业银行信用风险的影响因素分析及企业财务指标的归纳可得，商业银行信用风险评估指标系统主要可以由以下四个方面构成，简化得主要有十三个指标，如表1所示。 3.主成分分析法[5] 主成分分析是Hotelling首先提出的一种多元统计方法，其基本思想是通过降维，在损失极少量信息的前提下将大量指标转化成几个综合指标以达到化繁为简而抓住问题最本质的东西。转化而来的综合指标称作主成分，每个主成分均是初始变量的线性组合，且互不相关，比初始变量更优越。 假设研究对象涉及个指标，分别用表示，这些指标构成的向量为。记向量的平均值为，协方差矩阵为。 对进行线性变换，得新变量，记作，那么满足以下关系： 因为可以对初始变量进行任意地类似于以上的线性变换，那么不同的变换得到的特性也可能不同。因此，的方差应尽可能大而且之间相互独立。 各新变量在总方差中所占比重递减。实际研究中，一般只挑选前面几个方差最大的作为主成分，从而达到删繁就简、抓住问题本质以提高效率的目的。 主成分的确定通常有两种方法，一是从初始变量的协方差矩阵出发，二是从原始变量的相关矩阵出发，两者略有不同。本文笔者采取的是从相关矩阵出发求解主成分，并在SPSS18.0软件中实现。 4.实证研究 上市公司的财务报表在网上都能查到，本文搜集了10个样本数据[6]，而非财务指标――上市公司信用风险等级变换系数除了万科、国农、中国宝安、深物业、招商地产等已经拿到AAA级证书的公司外，其余根据Z值法估算得到，如下表2所示： 在SPSS中进行主成分分析，可提取4个主成分，我们在此分别命名为F1、F2、F3、F4。其中，流动比率、速动比率、资产负债率、存货周转率、主营业务利润率、息税前利润率、企业信用等级变换系数等指标在第一主成分F1上载荷较高；固定资产周转率和总资产周转率在第二主成分F2上载荷较高；应收账款周转率和流动资产周转率在第三主成分F3上有较高载荷；净资产收益率在第四主成分F4上载荷较高。因此提出的四个主成分已经基本包含了初始的全部指标信息。 通过初始载荷因子矩阵表（略）中的数据可以得到四个主成分中每个指标所对应的系数。主成分表达式，如下所示： 结果分析：从（*）式综合得分模型结果可以看出，流动比率、存货周转率、速动比率、资产负债率四个指标的权重最大；企业信用等级转换系数（或企业以往的信用状况）、总资产周转率、息税前利润率、主营业务利润率四个指标所占权重大小次之；固定资产周转率、净资产收益率、净利润增长率、流动资产周转率四个指标的权重大小属第三个层次；应收账款周转率的权重最小几乎可以忽略不计。 5.结论与展望 根据上述研究结果表明，对于控制我国商业银行信用风险来说，最需要关注的是企业的偿债能力，其次是企业以往的信用状况、营运能力中的存货周转率、总资产周转率以及获利能力中的息税前利润率和主营业务利润率。 问题往往会在放松约束的情况下，变得更复杂。有时，删繁就简反而能更有效地抓住问题的本质，但也可能因此忽略偶然因素或小概率实践的发生，这又是另一个层面有待研究的问题了。 参考文献