| 较高的贷款损失拨备在一定程度上会减少贷款的数量，但它却极大地增强了银行防范信贷风险的能力，减小了因发生贷款无法全部或足额偿还给银行造成损失的可能性，因而提升了银行资产质量，增加了银行的盈利能力。
5、资本充足度：银行资本充足率是资本与总资产比率，衡量银行资本规模适度与结构合理的标准，既与银行的总体风险状况匹配，也与银行谋求利润最大化的经营目标相协调。
6、股东权益比例（等于股东权益总额/资产总额），资本充足度指标。这指标反映的是所有者提供的资本在总资产中的比重，并反映企业基本财务结构是否稳定、充足。
7、存贷比（等于报告期期末贷款余额/报告期期末客户存款余额），流动性状况指标。该指标变量主要是用来衡量中国商业银行的流动性状况。一般该比率越高，则银行资产的流动性越好。
8、资产增长率（等于本期总资产增长额/年初资产总额），发展能力状况指标。
（二）数据选取
在选取样本数据时，由于农业银行、光大银行和广东发展银行未上市，深发银行正处于被新桥集团并购的过渡期，因此，上述四家银行被剔除。
表1：10家商业银行的相关指标（数据来源：中证网）
|
指标
|
X1
|
X2
|
X3
|
X4
|
X5
|
X6
|
X7
|
X8
|
|
工商
|
0.15
|
0.13
|
0.56
|
0.03
|
1.04
|
0.16
|
0.06
|
0.47
|
|
建设
|
0.16
|
0.13
|
0.61
|
0.03
|
1.04
|
0.21
|
0.06
|
0.48
|
|
中行
|
0.14
|
0.13
|
0.65
|
0.03
|
1.08
|
0.12
|
0.07
|
0.46
|
|
交通
|
0.16
|
0.14
|
0.63
|
0.03
|
0.96
|
0.23
|
0.06
|
0.53
|
|
兴业
|
0.25
|
0.12
|
0.69
|
0.01
|
1.55
|
0.38
|
0.05
|
0.47
|
|
华夏
|
0.17
|
0.08
|
0.64
|
0.03
|
0.84
|
0.33
|
0.02
|
0.52
|
|
浦发
|
0.2
|
0.09
|
0.7
|
0.01
|
1.91
|
0.33
|
0.03
|
0.6
|
|
招商
|
0.22
|
0.11
|
0.7
|
0.02
|
1.8
|
0.4
|
0.05
|
0.51
|
|
民生
|
0.13
|
0.11
|
0.74
|
0.01
|
1.13
|
0.27
|
0.05
|
0.6
|
|
中信
|
0.1
|
0.13
|
0.72
|
0.01
|
1.1
|
0.43
|
0.08
|
0.57
|
其中，
X1—资产收益率（ROA）X5—拨备覆盖率
X2—资本充足率X6—资产增长率
X3—存贷比X7—股东权益比例
X4—不良贷款率X8—总贷款对总资产比率
四、影响因素的因子分析
因子分析是主成分分析的推广和发展，基本思想是通过变量间的协方差矩阵或相关系数矩阵内部结构的研究，用少数几个不可观测的隐变量，即因子，来解释原始变量之间的相关关系，它也是属于多元分析中处理降维的一种统计方法。本文利用SPSS软件对其进行因子分析，由于以上多项财务指标之间有着一定的相关性，包含的信息会出现重复，且各项指标的单位也不尽相同，因此先对各项指标作标准化处理：
 0
其中 是样本均值, 是标准差。
（一）贡献率的解释
表2：因子的特征值及方差累积贡献率
|
成
分
|
原始特征值
|
旋转前
|
旋转后
|
|
特征值
|
贡献率
|
累积贡献率
|
特征值
|
贡献率
|
累积贡献率
|
特征值
|
贡献率
|
累积贡献率
|
|
1
|
4.029
|
50.367
|
50.367
|
4.029
|
50.367
|
50.367
|
3.225
|
40.306
|
40.306
|
|
2
|
1.864
|
23.295
|
73.662
|
1.864
|
23.295
|
73.662
|
1.974
|
24.676
|
64.982
|
|
3
|
1.162
|
14.521
|
88.183
|
1.162
|
14.521
|
88.183
|
1.856
|
23.201
|
88.183
|
|
4
|
0.463
|
5.783
|
93.967
|
|
|
|
|
|
|
|
5
|
0.207
|
2.585
|
96.552
|
|
|
|
|
|
|
|
6
|
0.140
|
1.752
|
98.304
|
|
|
|
|
|
|
|
7
|
0.129
|
1.613
|
99.917
|
|
|
|
|
|
|
图3：因子旋转前特征值的碎石图
观察表2因子的特征值及方差累积贡献率，第一组数项（第二列～第四列）描述了初始因子解的情况。可以看到：第一个因子的特征根为4.0294，解释原有8个变量总方差的50.3669%（即4.0294/8*100），累计方差贡献率为50.3669%。第二个因子的特征根为1.8636，解释原有8个变量总方差的73.6623%，累计方差贡献率为73.6623%。其余数据含义类似。在初始解中由于提取了8个因子，因此原有变量的总方差均被解释掉。
第二组数项（第五列～第七列）描述了因子解的情况。可以看到：自动提取了三个因子，三个因子共解释了原有变量总方差的88.1834％。总体上，原有变量的信息丢失的较少，所以因子分析效果较好。
第三组数据项（第八列～第十列）描述了最终因子解的情况。可以看到：因子旋转后，累计方差比率没有改变，也就是没有影响原由变量的共同度，但却重新分配了各个因子解释原有变量的方差，改变了各因子的方差贡献，使得因子更易于解释。
在图3中，横坐标为因子数目，纵坐标为特征值。可以看到：第一个因子的特征值很高，对解释原有变量的贡献最大；第四个以后的因子特征值都较小，对解释原有变量的贡献很小。已经成为可被忽略的“高山脚下的碎石”，因此只要提取三个因子就足够了。
（二）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：旋转前主因子载荷矩阵表4：旋转后主因子载荷矩阵
|
|
Factor1
|
Factor2
|
Factor3
|
|
X1
|
0.4938
|
-0.7452
|
0.4123
|
|
X2
|
-0.7231
|
0.3624
|
0.5309
|
|
X3
|
0.7884
|
0.5154
|
0.0223
|
|
X4
|
-0.8608
|
-0.3015
|
-0.2642
|
|
X5
|
0.7537
|
-0.2001
|
0.4489
|
|
X6
|
0.8047
|
0.1767
|
0.1561
|
|
X7
|
-0.5500
|
0.6681
|
0.4807
|
|
X8
|
0.6181
|
0.5504
|
-0.4274
|
|
|
Factor1
|
Factor1
|
Factor1
|
|
X3
|
0.9391
|
-0.0710
|
0.0267
|
|
X4
|
-0.8807
|
0.0485
|
-0.3516
|
|
X8
|
0.7996
|
-0.2913
|
-0.3789
|
|
X6
|
0.7545
|
-0.1659
|
0.3262
|
|
X7
|
-0.0040
|
0.9520
|
-0.2713
|
|
X2
|
-0.3237
|
0.9031
|
-0.1253
|
|
X1
|
-0.0363
|
-0.3368
|
0.9243
|
|
X5
|
0.5023
|
-0.1380
|
0.7336
|
观察表3，表4，不难发现旋转后主因子载荷明显向0或1两极方向分化，这将大大有利于对公因子进行解释。故本案例采用旋转后的模型。
（三）主因子命名
第一主因子主要解释了存贷比率、不良贷款率、总贷款对总资产比率、资产增长率这4个原始指标。其贡献率达到40.3064%，故在这三个因子中占了主要地位，是最重要的解释因子。这个因子主要反映了银行的流动性、资产质量的状况，由此可以将其命名为资产质量因子。
第二主因子主要解释了资本充足率、总权益对总资产比率这2个原始指标，其贡献率为24.6760%。这两个原始指标都是反映银行资本的充足度情况，由此可以将其命名为资本充足度因子。
第三主因子主要解释了资产收益率、拨备覆盖率这2个原始指标，其贡献率为23.2010%，在三个因子中还是占一定的作用。这两个指标分别反映银行的盈利能力与流动性水平，故在此可命名为流动性因子。
根据表4可以写出全国性商业银行的因子分析模型：
(四)因子得分
表5：各主因子得分系数表
|
|
factor1
|
factor2
|
factor3
|
|
X1
|
-0.1248
|
-0.0206
|
0.5337
|
|
X2
|
0.0016
|
0.5100
|
0.1371
|
|
X3
|
0.3239
|
0.0719
|
-0.0709
|
|
X4
|
-0.2805
|
-0.1490
|
-0.1504
|
|
X5
|
0.1054
|
0.1290
|
0.4100
|
|
X6
|
0.2236
|
0.0538
|
0.1185
|
|
X7
|
0.1326
|
0.5478
|
0.0274
|
|
X8
|
0.2797
|
-0.1720
|
-0.3719
|
由上表的因子得分系数，可以写出这三个主因子的得分函数：
把10家全国性商业银行的观测值代入以上的因子得分函数，可以得出各个银行的因子得分。 2/3 首页 上一页 1 2 3 下一页 尾页 |
