《{销售管理}我国商业银行业绩评价》由会员分享，可在线阅读，更多相关《{销售管理}我国商业银行业绩评价（9页珍藏版）》请在金锄头文库上搜索。
1、我国商业银行业绩评价摘要：本文运用因子分析分析比较了我国各类型商业银行的经营业绩。与以往分析不同的是，本文在分析过程中综合考虑了银行赢利能力、发展前景与风险等诸方面因素，试图对银行业绩的相对优劣给出客观全面的评价。最后，为我国商业银行整体业绩的提升给出了策略建议。关键词：银行业绩 效率 因子分析1. 文献综述一般来讲，衡量商业银行经营业绩主要通过赢利性和风险两个方面来体现1。衡量商业银行经营业绩的方法很多，传统的方法主要依赖于对各个财务指标的分析，例如文献1、2在谈到银行业绩评价时主要是对各个指标进行分析，或对主要指标如资产利润率、资本利润率进行分解，从中获取关于赢利能力、管理水平方面的更多信
2、息。黄宪（1998）、刘渝东（1999）高正刚（2000）就是基于此种方法对国有银行的经营进行了分析评价。有关银行之间相互比较的文献多集中于经营管理效率（x效率）的课题，常用到的方法包括随机前沿面分析法（SFA，Stochastic Frontier Approach），厚前沿面分析法（TFA，Thick Frontier Approach）、自由分布分析法（DFA，Distribution Free Approach），以及数据包络分析法（DEA，Data Envelopment Analysis）。前三种是参数分析法，最后一种是非参数分析法。文献7总结了有关银行效率的国际研究成果，并对参数
3、分析方法和非参数分析方法进行了对比评价，认为无法判断两种方法的优劣。国内也有众多有关银行效率比较的研究。魏煜、王丽（2000）、赵旭（2000）等运用DEA方法对我国商业银行的效率进行了比较；赵旭（2002）还在银行效率研究中引入了神经网络方法；谭中明（2002）运用因子分析法比较了中美银行的经营效率。上述文献使用的方法虽不同，但都偏重于业绩评价中的赢利性方面，而忽略了同样重要的风险方面。DEA作为银行相对有效性的评价手段，在投入产出要素的确定上存在不少争议，而且由于对贷款质量确定的困难，故未能在分析中考虑风险因素。因子分析方法通过对各种因素协方差矩阵的分析实现有效的降维，对揭示问题的实质有良
4、好的作用，也是一种相对概念的评价方法。谭中明（2002）在指标的选取上侧重投入产出两方面。那么，能否将风险因素引入我国商业银行业绩比较的研究中呢？本文就拟将赢利性、发展前景和风险三方面因素纳入因子分析当中，希望对我国商业银行业绩进行全面分析。2. 数据选取目前国内的全国性商业银行包括工、农、中、建四大国有独资商业银行，交通银行、光大银行、中信银行、华夏银行等全国性的股份制商业银行，福建兴业银行、广东发展银行等由地方性商业银行发展而来的新兴的商业银行，此外还有已上市的深圳发展银行、浦东发展银行、招商银行和民生银行。在选取样本数据时，我们以各银行网站公布的2001年年报为对象，由于未能获得农业银行
5、、华夏银行和广东发展银行的2001年财务数据，故本文最终的样本仅包括了除这三家外的11家商业银行。由于银行业是风险高度集中的行业，因此在选择银行业绩评价指标时，我们兼顾了赢利性指标与风险性指标。而且考虑到市场对银行业绩的持续性的要求，我们引入了代表业务增长性的指标。这样，最终选取了资产利润率（X1）、净资产利润率(X2)、资产利用率（营业收入/总资产，X3）作为赢利性指标；选取人民银行监管比例指标中的存贷比(X4)、不良资产比率(X5)作为风险衡量指标；选取利润增长率(X6)、存款增长率(X7)和贷款增长率(X8)作为业务增长指标；此外还选取了资产赢利基础（贷款/总资产，X9）和权益资本乘数(
6、X10)衡量银行的资产结构的合理性。表1是本文据以研究的11家样本商业银行的业绩评价指标，表中数据根据各银行网站发布的2001年度年报计算获得。为使分析更能体现国内银行机构的经营水平，我们采纳的是各银行合并前的财务报表数据。但由于建设银行年报中公布的各指标除不良贷款比率外均以合并报表为基础，故以其公布的数据为准。表1：11家商业银行业绩评价指标X1 (%)X2 (%)X3 (%)X4 (%)X5 (%)X6 (%)X7 (%)X8 (%)X9 (%)X10工商银行0.142.733.7674.2825.7115.8410.2210.1961.5919.50中国银行0.101.214.0669.
7、2827.5141.046.739.3548.0012.10建设银行0.194.303.8066.4719.35-31.4712.708.6254.4622.63交通银行0.295.894.1097.8416.11-5.7316.6412.2056.3520.31光大银行0.071.403.4872.4121.39-35.2933.7734.0554.8920.00中信银行0.319.953.4463.17-2.2835.5644.6253.5932.10招商银行0.5427.973.9465.428.1578.0430.3027.7052.6351.80浦发银行0.6115.034.1462
8、.037.5733.2539.7138.9955.9324.64深发展0.3311.093.6057.1814.84-13.0968.0040.0044.5133.61民生银行0.4711.913.6956.402.80170.2997.2595.6852.9625.34福建兴业0.398.213.6787.755.9850.6366.7078.2560.4421.05需要说明一些指标的计算，我们采用各银行认同的计算方法，其中：存款=短期存款+长期存款+财政性存款+应解汇款+短期及长期保证金贷款=贷款+贴现+进出口押汇不良贷款比率=一逾两呆/贷款 其中贷款数不包括贴现和押汇3. 因子分析过程本
9、文的因子分析过程借助于SPSS 10.0实现。3.1 样本数据的处理首先对业绩评价指标中的存贷比（X4）和不良贷款比率（X5）进行正向化处理（其他指标均属于正向指标）。中国人民银行的监管比例指标确认的二者的标准值为：存贷比75%，不良贷款比率25%。经过分析我们认为，存贷比应归为适度指标，过大的存贷比固然增加银行的风险，但存贷比过低也会因保守而影响赢利能力；不良贷款比率应属于反向指标。对二者的正向化使用公式：X*4=1/ABS(X4-75%); X*5=1/X5 然后对正向化后的样本数据进行标准化处理。事实上我们选取的指标都是比例指标，亦可不进行标准化处理3，但分析结果的因子解释不尽人意，因此
10、我们选择标准化数据进行分析。3.2 样本方差的解释选择标准化数据的相关系数矩阵进行因子分析，SPSS 10.0得出的特征值和贡献率列表如下：表2：样本相关系数矩阵的特征值及方差贡献率原始特征值提取因子的方差贡献成分特征值贡献率(%)累计贡献率(%)特征值贡献率(%)累计贡献率(%)14.66446.63746.6374.66446.63746.63721.79017.90064.5371.79017.90064.53731.42114.21478.7521.42114.21478.75241.26412.64591.3961.26412.64591.3965.5385.37996.7766.1
11、911.91398.68879.413E-02.94199.63083.339E-02.33499.96493.354E-033.354E-0299.997102.922E-042.922E-03100.000以主成分方法作为因子提取方法，选定的因子提取标准为：特征值1。可见有四个满足条件的特征值，它们对样本方差的累计解释率达到了91.396%，因此提取四个因子即可对所分析问题作出较好的解释。3.3 因子载荷矩阵由于原始因子载荷矩阵在因子解释过程中未能达到理想效果，故选择方差最大化方法进行因子旋转，得到的因子载荷矩阵如下：表3：旋转后的因子载荷矩阵F1F2F3F4X1.491.779.288-
12、.105X2.220.906.198-.157X3-.1205.133E-02.973-3.502E-02X4-.262-.245-.101.794X5.955.220-1.056E-02-2.681E-02X6.867.155.3022.780E-02X7.830.221-.375-.232X8.912.152-.325-6.543E-02X98.590E-021.359E-025.606E-02.907X10-8.241E-02-.911.3693.521E-02因子载荷矩阵列示了提取的各因子与原始指标间的线性关系，即各因子是原始指标的线性组合。例如：F1=0.491X1+0.220X2-
13、0.120X3-0.262X4+0.955X5+0.867X6+0.830X7+0.912X8+0.0859X9-0.0824X103.4 因子解释从因子载荷矩阵可以看出，因素F1中业绩评价指标X5 , X6 ,X7 ,X8具有大的载荷，其中X6 ,X7 ,X8是我们选取的业务发展指标，不良贷款比率X5是度量资产质量的，在这里可以理解为度量发展的质量，因此将F1命名为业务发展因子。指标X1 , X2在因素F2中有较大的载荷，这两项指标是我们选取的赢利能力指标，因此将F2命名为赢利能力因子。在F3中选取X3 , X10作为被解释的指标，其中资产利用率X3即可以作为赢利能力的衡量指标，同时又是重要
14、的度量资产利用效率的指标，而权益乘数X10则反映了银行融资政策效率和资金选择技巧，故将F3命名为资产管理效率因子。剩余的存贷比X4和资产赢利基础X9由因素F4解释，二者都度量银行资产的存量结构，同时也反映了潜在的风险，我们将其命名为资产结构因子。表4：因子解释因子F1F2F3F4被解释指标X5 ,X6 ,X7 ,X8X1 , X2X3 , X10X4 , X9因子命名业务发展因子赢利能力因子资产管理效率因子资产结构因子3.5 因子得分运用SPSS 10.0的因子得分功能分别对各银行在四个主要因子上进行评分，然后根据各因子的方差贡献率与四者累计的方差贡献率之比对得分进行加权汇总，得到各银行的总因子得分，并按照总得分的降序得出11家银行的排名（见表5）。例如，Yi是第i个银行的总得分，Sij (j=1, 2, 3, 4)为其在第j个因子上的得分，则有：Yi=0.5103*Si1+0.1959*Si2+0.1555*Si3+0.1384*Si4表5：因子
