基于因子分析和BP神经网络我国商业银行竞争力评价.docVIP

基于因子分析和BP神经网络我国商业银行竞争力评价 　　摘 要:随着后危机时代的到来,对金融危机的反思不断加强,银行竞争力越发重要。本文以我国具有代表性的十二家商业银行为研究对象,通过运用因子分析和BP神经网络的多指标模型,来科学、全面的评价我国商业银行竞争力。最后根据实证分析得出的结论,本文有针对性的给出提升我国商业银行竞争力的建议。 　　关键词:商业银行;核心竞争力;因子分析;BP神经网络 　　 　　一、引言 　　 　　始于2007年下半年的美国次贷危机引发的全球性金融危机已经被公认是自上世纪30年代的经济大萧条后最严重的金融危机,比97年的亚洲金融危机影响更深刻,更广泛。全世界的金融市场和实体经济都受到了此次金融危机的冲击,损失惨重。我国出口导向型的企业也不同程度的受到损失。金融危机给世界各国留下深刻的教训与反思,特别是对金融体系的监管政策,方式,风险预警等提出了严峻的挑战。对我国银行业来说,提高自身的国际竞争力,风险管理能力,创新经营能力等对于应对金融危机所带来的巨大影响以及“后危机时代“银行业面临的发展和竞争难题具有重要的意义。而研究银行的竞争力对于银行业自身的了解和管理也具有指导意义。 　　 　　二、我国商业银行竞争力的实证分析 　　 　　 　　(一)指标的选择和样本数据 　　按照数据选择典型代表性以及可获取资料的原则,本文选取中国工商银行、中国建设银行、中国银行、农业银行、交通银行、招商银行、北京银行、上海浦东发展银行、深圳发展银行、福建兴业银行、中国民生银行、华夏银行共12家商业银行作为研究对象,数据取自于各银行网站年报。竞争力资产方面选取了存贷款额(x2)与资产规模(x1)这二个指标,竞争力过程选取了资产收益率(x3)、营业利润率(x4)、资本充足率(x5)、不良贷款比率(x6)、存贷比率(x7)、成本收入比(x8)等6个指标,各个指标数据均来源于各个银行网站年报数据整理而得。 　　(二)实证分析 　　运用SPSS13.0软件对上述指标数据进行分析,分析结果显示前三因子对原始指标的贡献分别为47.257%,29.448%,10.444%,累积贡献率达到了87.149%,因此,前三个因子是决定银行竞争力强弱的关键因子,所以选择提取3个公因子比较合适。方差极大法旋转后的因子载荷矩阵中主因子F1的x2、x1的系数分别为0.976、0.966,远远大于其他变量的系数所以F1主要是由存贷款额(x2)、资产总额(x1)所决定,而这二个指标主要是衡量银行竞争力资产的指标;综合因子F2的x4、x5的系数分别为0.766、0.819、远远大于其他变量的系数,所以F2主要是由营业利润率(x4)、资本充足率(x5)所决定,而这二个指标主要是衡量银行盈利能力和安全能力的指标;综合因子F3的x3、x6的系数分别为0.860、0.558,远远大于其他变量的系数,所以F3主要是由资产收益率(x3)、不良贷款比率(x6)所决定,而这两个指标主要是衡量银行竞争力过程当中盈利能力和安全性的指标。 　　通过对SPSS软件的设置,可以在工作文件中直接得到三个新的变量facl_1,fac2-1,fac3-1,即为各公因子得分。用旋转后公因子的方差贡献率为权数与该因子得分相乘可得综合得分F。计算公式为:F=(facl_1*39.911+fac2_1*28.791+fac3_1*18.447)/87.149 　　从表2-1中由12家商业银行因子综合得分及排名,可以将12家银行分为三类: 　　第一类,包括工行、中行、农行、建行,这四家国有商业银行综合竞争能力排名靠前,从样本因子得分可以看出,国有商业银行具有相同性质在主因子F1上的得分比较高。 　　第二类,包括招商、浦发、交通、兴业、北京银行,这五家商业银行综合竞争能力排名紧跟在四大商业银行之后,从样本在主因子F2上的得分可知,这五家商业银行的经营收益比较强,具有很大的市场潜力。 　　第三类,包括深发展、民生、华夏银行,综合排名在12家商业银行中排名靠后,从样本各主因子看,这几家银行在主因子F1上得分较低,即资产因子,在主因子F3即安全性因子上的得分相对也较低,应当采取相应的对策,力争把业绩搞上去。 　　 　　三、基于BP神经网络的多指标分析 　　 　　BP网络模型的基本原理是:输入信号xi通过隐层点作用于输出节点,经过非线形变换,产生输出信号yj,网络训练的每个样本包括输入向量P和期望输出量t,网络输出值y与期望输出值t之间的偏差,通过调整输入节点与隐层节点的权重??Wij和隐层节点与输出节点之间的权重Tjk以及阈值,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的权值和阈值,将训练好的网络进行仿真训练,得出最终的结果。 　　本文选取2008年