基于因子研究商业银行经营绩效探究

《基于因子研究商业银行经营绩效探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于因子研究商业银行经营绩效探究　　摘要：由美国次贷危机引发的全球经济危机，给银行的监管者提出了更高的要求。随着全球经济一体化的发展和信息化水平的提高，商业银行不仅面临来自同业的竞争，还要应对监管部门的监管，所以，提高我国商业银行竞争力具有重要的意义。商业银行经营绩效评价是衡量商业银行竞争力的基础。采用因子分析方法，对我国16家上市银行在2012年的年度财务报告进行分析，衡量商业银行的经营绩效。关键词：商业银行；经营绩效；因子分析中图分类号：F830.33文献标志码：A文章编号：1673-291X（2013）29-0167-022013年年初，我国上市银行的年报相继出台，深入解读

2、各商业银行年报是分析商业银行经营状况的一条途径。本文中通过对16家上市银行2012年年报的分析和整理，运用SPSS17.0统计分析软件，采用因子分析方法对上市商业银行的经营绩效进行排序，深入分析影响商业银行经营绩效的因素，并且根据分析结果得出相应的结论。一、衡量指标的确定（一）原始指标的选取6本文选取了11项具有代表性的原始指标，这些指标分别从商业银行的盈利能力、成长能力、安全性、流动性来衡量其经营绩效水平。反映商业银行盈利能力的指标有：成本收入比（英文表示为CIR）、每股收益（EPS）、净资产收益率（ROE）；反映商业银行成长能力的指标有：净利润增长率（NPR）、每股收益增长率

3、（EPSG）、净资产增长率（NAG）；反映商业银行安全性的指标有：不良贷款率（NPL）、不良贷款拨备覆盖率（NPLPC）、资本充足率（CAR）；反映商业银行流动性的指标有：存贷比指标（LDR）以及流动性指标（LR）。（二）指标的处理61.正向化处理。正向指标是原始指标值与商业银行经营绩效水平同向变化的指标。本文的正向指标有净资产收益率、每股收益、净利润增长率、每股收益增长率、净资产增长率。这些指标不需要进行正向化处理。负向指标是原始指标值与商业银行经营绩效水平反向变化的指标。本文的负向指标有成本收入比、不良贷款率。这两项负向指标需要进行正向化处理，即将100-成本收入比（ICIR

4、）作为衡量商业银行盈利能力的指标；将1/不良贷款率（INPL）作为衡量商业银行安全性的指标。ICIR和INPL为修正后的原始指标，并且这两个指标为正向指标。适度指标是指标值在某一范围内，商业银行的绩效达到最佳的指标。本文的适度指标有不良贷款拨备覆盖率、资本充足率、存贷比指标以及流动性指标，这些指标受到相关部门的监管。而本文中这4项指标都在合理的范围内，因此将其视为正向指标。2.标准化处理。本文选取的11项原始指标具有不同的单位，有的是百分比形式，有的是数值形式，所以指标的量纲不同。因此为了避免单位不同对分析结果带来的影响，需要对原始数据进行标准化处理，以使得每一项指标的平均值为0

5、、方差为1。经过标准化处理之后的数据是计算各样本银行综合得分的基础。标准化指标的表示是在原始指标英文表示前添加字母Z，如ICIR标准化处理之后为ZICIR，等等。二、统计分析（一）检验1.检验原始指标分布。运行数据之前需要进行检验，目的是看数据是否适合进行因子分析。本文主要采用KMO检验Bartlett检验，前者主要研究变量间的相关性，其取值范围是0-1，取值越大，表明原始指标之间的相关性越强；后者主要是检验数据是否来自于服从多元正态分布的总体。运用SPSS软件进行KMO检验Bartlett检验后的输出结果显示，KMO的取值为0.473，因此可以做因子分析；除此之外，用来检验的显

6、著性水平的Sig.值接近0且显著小于0.05，这说明样本来自服从正态分布的总体。62.检验原始变量共同度。运用因子分析的前提是从原始变量中能够较大的程度的提取公因子，公因子表示的是对每个变量方差能够解释的比例。运用软件进行原始变量共同度的检测，结果显示除NAG指标的提取共同度为74.4%以外，公因子对其他指标的解释程度都在75%以上，这说明运用主成分分析法能够从原始指标中提取较多的信息，所以运用因子分析是有意义的。（二）因子分析1.特征值、贡献率的计算。运用SPSS17.0软件进行分析，选择因子分析的降维选项，根据尽可能多地保留原始变量信息的原则选取主成分，并且要保证各个主成分之

7、间彼此不相关。一般来说根据大于等于1的特征值的个数选取主成分的个数，或者根据主成分方差累计贡献率大于等于80%来选取主成分个数。本文中应选取4个主成分指标，分别是F1、F2、F3以及F4，并且累计方差达到82.351%。表1经过整理的主成分特征值和贡献率62.旋转因子矩阵。上文依据矩阵变换原理得到了四个相互独立的主成分，然而各个主成分并不一定具有实际意义。为了深入研究主成分的含义，接下来通过旋转因子矩阵和因子得分矩阵来进一步阐述。根据SPSS的因子旋转矩阵，因子1的载荷值中，NA