基于因子分析法的商业银行信用风险测度研究.docx

?

?

基于因子分析法的商业银行信用风险测度研究

?

?

刘悦

摘要：商业银行如何尽可能地利用自身资源，提高对信用风险的控制，更好地适应经济新常态，已然成为银行必然面临的问题。商业银行信用风险是其所面临的最关键的一种风险，故有必要测度银行的信用风险。采用2016年16家上市商业银行财务数据，借鉴国内外研究，利用因子分析法，对银行业信用风险进行测度，并对这16家银行作排名分析，为商业银行信用风险防范提供参考。

关键词：因子分析;商业银行;信用风险

一、引言

随着金融体制的深化改革，商业银行的业务类型也面临着转型，调整和变革经营模式，这种变化使商业银行面临更多风险，信用风险是商业银行最关键的一种风险无疑在加大，其占银行总体风险的60%左右[1]。目前信用风险度量方法较多，如KMV、CreditMetrics等动态评估方法，但由于我国信用风险管理技术落后[2]，在实际中多数方法无法应用，有必要建立适合新常态下我国商业银行信用风险測度体系。

二、文献回顾

国外对商业银行信用风险测度研究早有成就，信用风险测度模型包括传统测量和现代测量两种。常见传统度量模型主要有：ZETA、MDA、Z-score及Logit模型等;而目前最流行也是研究最多的如CreditMetric、CreditRisk+、KMV、KPM等模型被归类于现代测量模型。

国内学者关于商业银行风险测度研究颇多。杨秀云和万言等分别用KMV模型对商业银行信用风险做实证分析，发现我国银行业信用风险测度中KMV模型识别能力有限，模型所需指标参数不稳定，不适用于我国国情[3][4]。徐雨珊发现CreditRisk+模型所用的违约概率数据在我国尚不能实现[5]。也有学者利用主成分分析度量，如刘杰、黄杨朔等，但所选指标缺乏全面性[6][7]。在此基础上，本文引入非利息支出比率，此比率基本反映银行取得收入所需付出的非利息支出，这一比值越低，则说明银行的非利息支出越少，赚取收入的能力将越强。本文用因子分析法构建指标体系，财务数据易得，更适合我国国情。

三、研究设计

（一）样本选择及数据来源

本文研究样本为16家上市商业银行，其在我国商业银行体系中极具代表性。数据来自2016年商业银行年度报告及国泰安数据库，选取整理后，计算出这16家银行评估信用风险的四大指标，其中，资本充足率从每个银行年度报告中搜寻，营业支出比率与非利息支出比率为从财务报表中搜寻数据后手工整理，使用stata14进行数据分析。

（二）变量选取

见表1。

四、实证分析

（一）数据的检验

KMO检验接近于1，说明变量之间偏相关关系更强，所选取数据更适合运用因子分析法，KMO值大于0.6以上适合。KMO结果为0.6316，大于0.6，适合作因子分析。

（二）因子数的确定

从结果看出，前3项因子特征值大于1，发挥主要作用，且累计的方差贡献率为90.32%，一般情况应该选取累计方差贡献率达到85%为合适，此结果大于85%，故可认为前3项因子即可反映所有指标整体水平，发挥主要作用。

（三）因子的命名

在确定提取共同因子个数后，需依据因子的不同特点进行命名，为尽可能降低主观因素对其影响，处理获得旋转后因子载荷矩阵，由于篇幅限制表格省略。

Factor1主要反映资产利用率、营业支出比率、非利息支出比率。资产利用率衡量商业银行资产利用效率，营业支出比率反映经营者获取一定收入所耗费的支出，这两个比率体现银行经营能力。非利息支出率体现银行取得收入所需付出的非利息支出，也体现银行控制成本的能力，因此将F1命名为经营能力因子;

Factor2主要反映股权乘数、营业净利率、资产利润率、资本充足率。股权乘数反映经营者运用股权的能力，营业净利率显示银行的获利能力，资产利润率表明银行运用所有资产赚取利润的能力。资本充足率可用于衡量商业银行运用自有资本承受损失的能力，关乎银行经营安全，间接影响银行盈利能力，因此将F2定为盈利能力因子;

Factor3主要反映人民币存贷比例、拨备覆盖率。人民币存贷比例反映银行所持有的流动性，拨备覆盖率反映银行的风险可控程度和财务稳健程度，体现银行的安全程度，因此将F3定为安全能力因子。

（四）因子计算

求出因子得分系数矩阵（在此只列举一个）。

F1=-0.27552X1+1.37460X2-0.46925X3+0.44533X4+0.40455X5+0.21788X6+0.08118X7-0.04790X8-0.00426X9+0.02969X10

得到3项因子得分后，根据各因子方差贡献率，计算商业银行综合得分，计算方法为：

F=0.4816·F1+0.2434·F2+0.1782·F3

（五）计算得分值

根据上述公式求出各银行信用风险综合得分，银行得分高，信用风险则低。结果如表2：

五、