基于因子分析和聚类分析上市银行资产分析与评价.docVIP

基于因子分析和聚类分析上市银行资产分析与评价 　　【摘 要】本文采用因子分析的方法对16家上市银行的6个资产指标进行分析，使用方差最大正交旋转法对因子进行旋转，选取两个主因子，将这两个因子得分加权计算出综合得分，并对各个银行进行排序；再利用因子得分进行聚类分析，将样本银行分成两类，最后根据结果对银行资产状况作出相应的评价。 　　【关键词】资产状况；因子分析；分层聚类 　　0 引言 　　各国金融体系不可否认的最重要的主体之一即为商业银行。当经济不景气在全球蔓延的同时，面临着人民币对内贬值对外升值的巨大压力情况下，我国的金融体系面对的是日益严峻的考验。这对我国商业银行的管理和经营有了更高的要求――使商业银行不得不持续调整其经营观念，不断寻找新的管理方案，在金融风暴中不断提升自身运营能力。资产是银行的基础，好的资产对于银行的运营有着重要的意义。近年来，对于银行资产状况的分析一直是研究的重点之一，已经取得了很多的研究成果。如[3-5]。 　　本文搜集了5家国有银行（工商银行、交通银行、农业银行、建设银行、中国银行）以及其他11家商业银行（招商银行、上海浦东发展银行、中国民生银行、兴业银行、平安银行、南京银行、宁波银行、中信银行、光大银行、北京银行、华夏银行）的半年报，选取股东权益率，资本充足率，存贷比，核心一级资本充足率，资产总额，净利润这6个影响指标，由于这些指标具有一定的相关性，所以采取可以对指标进行降维的因子分析，并利用因子得分进行聚类，将这16家上市银行分成两类。 　　1 因子分析和聚类分析方法简介 　　因子分析由Charles Spearman提出，因子分析属于多元统计中降维的一种统计方法，它的目的就是要减少变量的个数，用少数因子代表多个原始变量。因子分析是通过对变量之间关系的研究，找出能表示原始变量的少数几个因子，使得少数因子能够反映原始变量的绝大部分信息，然后根据相关性的大小将原始变量分组，使得组内的变量之间相关性较高，而不同组的变量之间相关性较低。 　　因子模型如下：设Xi，（i=1，2，…，p）为p个变量，若： 　　X =a F +a F +…+a F +ε X =a F +a F +…+a F +ε …X =a F +a F +…+a F +ε （m≤p） 　　称（F ，F ，…F ）为公共因子，是不可观测的量，它们的系数称为因子载荷阵。ε 是特殊因子，是不能被前m个公共因子包含的部分。且该模型满足：cov（F，ε）=0，即F与ε不相关； 　　D（F）=1 1 ？埙 1=I ，即F ，F ，…F 互不相关，且方差为1； 　　D（ε）=σ σ ？埙 σ ，即各个特殊因子不相关，不要求方差相等。 　　因子得分的计算：假设选取了n个因子F ，F ，…F ，因子得分计算方法是：用每个因子的方差贡献率做权数，对每个因子进行加权，然后加总，即F= F + F +…+ F ，λ 为第i个因子的方差贡献率。 　　分层聚类分析的思想是：最开始时，将每个样品独自聚成一类，假如有n个样品就有n类，把距离较近的两个样品化为一类，聚成n-1类，再把剩下的最近的两类化成一类，聚成n-2类，这样下去，最后合并为一大类。 　　2 上市银行资产的因子分析与聚类分析 　　本文参照相关的研究成果并结合各个银行2013年半年报中的有关资产的指标确定了如下指标体系：X1-股东权益率，X2-资本充足率，X3-存贷比，X4-核心一级资本充足率，X5-资产总额，X6-净利润。选取的样本为五家国有银行和十一家全国性股份制银行。 　　2.1 因子分析及其结果 　　表1 KMO和Bartlett球度检验统计量 　　从表1看出，Bartlett球度检验结果为92.765，伴随概率P0.01，说明相关阵与单位矩阵有显著性差异，同时KMO值为0.521，表示各个变量间有较强相关性，适合建立因子模型。 　　表2 解释总方差 　　从表2中看到前两个因子累积方差贡献率达到了81.690%，因此选取2个主因子进行分析。 　　表3 旋转载荷矩阵 　　使用方差最大化正交旋转法，得到旋转后因子载荷矩阵（表3）。令主因子分别为F ，F 。由表可见，X ，X ，X 在第一个因子上载荷较高，所以F 可表示资本的充足性，称为“充足性因子”。同理，F 中X ，X ，X 在第二个因子上载荷较高，所以F 可表示资产利润，称为“利润因子”。 　　表4 因子得分系数矩阵 　　利用表4可以得到因子得分函数： 　　F =0.288X +0.366X -0.148X +0.383X +0.043X +0.031X 　　F =0.072X -0.036X +0.325X -0.095X +0.395X +0.406X 　　在计算因子得分的基础上，根据其方差