基于因子分析法的中国上市银行盈利性分析

2008年第1期总第10期29基于因子分析法的中国上市银行盈利性分析李睿*摘要：近年来，金融全球化是大势所趋，外资金融机构在带来先进的理念和相对完善的制度的同时也带来了严酷的竞争。而盈利性作为商业银行的核心指标之一，对它的研究甚至可以追溯到商业银行的起源。借鉴于计量经济学的思想，从上述两个问题出发，本文运用因子分析法对中国14家上市银行2006年的盈利状况进行了定量分析。以KMO检验和Bartlett检验为标准来筛选作为候选变量的10个财务指标，使筛选后得到的7个变量更合理、更具代表性。运用SPSS软件，在经过主成分法提取因子、载荷矩阵正交旋转和因子协方差矩阵检验后，模型得出了评价上市银行“盈利性综合实力”的三项因子，分别命名为：盈利性因子、投资回报因子和成长性因子。然后通过回归得到14家银行三项因子的得分系数并从银行规模和利润增长模式两个不同的角度进行分析。发现盈利性因子中，新近上市银行因资产质量较高而大多排在前列；投资回报因子中，非国有控股银行“短小精悍”而更胜一筹；成长性因子中，同样是非国有控股银行因资产基数小、质量高而更具增长性。在文章的最后，令方差贡献率为权重计算出各样本的综合得分和排名，并从各行具体经营状况的角度进行总评。提出影响排名的“公司之外的因素”，简要分析了国有控股银行和非国有控股银行各自的优劣之处以及IPO对企业发展的重要作用。关键词：中国上市银行；盈利性；因子分析法；利润增长模式2007年，中国进行IPO的商业银行高达7家1，使得中国银行业上市银行数翻了一倍。2007年，外资银行获准能以独资银行的形式进入中国几乎所有的银行服务领域，同国内银行竞争市场。面对如此的机遇与挑战，提升竞争力是当务之急，而盈利性作为衡量银行竞争力的重要指标之一，对它进行科学的度量并对其影响因素进行分析是必要的。目前国际上通用的衡量指标有美国CAMEL评级系统、穆迪评级系统等，中国人民银行也颁布了诸如《商业银行风险监管核心指标》等管理条例。但总的来说，国内对商业银行盈利性的评价与分析大多停留在原理的阐述和简单的统计描述上，深入系统的量化分析与评价还较少涉及2。本文从中国银行业实际出发，以14家上市银行2006年的年报数据为基础，运用因子分析法3，就盈利性分析给出了较为全面、客观的结论。因子分析法即用少数几个因子去描述许多指标或因素之间的联系，将相关比较密切的几个变量归在同一类中，从而修正变量间的多重共线性。而每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），进而以较少的几个因子反映样本的大部分信息。运用这种研究技术，我们可以方便地找出衡量上市银行盈利能力的主要指标有哪些，以及它们的影响力（权重）。此外，还可以为市场细分做前期分析。在这一领域中，毛定祥所著的《基于因子分析与有序样本最优分割的商业银行盈利性流动性安全性综合评价》给以了较为系统的阐述。但是它在选取盈利性变量时，所采用的仅是定性分析4，缺乏科学的定量检验。且该选取还是建立在“2003年大部分商业银行实现盈利的主要途径是利差收入”这一假设上的。本文放宽了上述假设，从公司整体、投资者以及未来收益等多角度对变量进行选取。并且在定性分析之外运用KMO检验和Bartlett检验对衡量盈利性的候选变量进行筛选，使结果更加全面、准确。*李睿，中南财经政法大学新华金融保险学院2005级金融学专业。1按上市时间先后分别为：兴业银行、中信银行、交通银行、宁波银行、南京银行、北京银行、建设银行。2毛定祥：《基于因子分析与有序样本最优分割的商业银行盈利性流动性安全性综合评价》[J]，《上海大学学报》，2007.3何晓群：《现代统计分析方法与应用》[M]，北京，中国人民大学出版社，1998.4文中如此叙述：“商业银行实现盈利的主要途径是利差收入，关键在于3个要素：资产收益、其他收入与经营成本。据此，我们构建如下盈利性指标：……”。李睿：基于因子分析法的中国上市银行盈利性分析30一、基本假设与变量初选（一）基本假设1．各银行的经营状况在其财务报表中得到真实、充分的体现2．各银行的会计统计口径一致3．经“KMO检验和Bartlett检验”筛选后得到的变量能充分地描述该银行的盈利性（二）变量初选截止2007年12月31日，中国银行业共有14家上市银行。在结合国家相关监管条例5、万国测评等咨询公司对银行财务分析的经验以及参考杜邦分析法等较成熟的理论后，暂列出以下10个财务指标作候选的分析变量（见表1）。表1候选分析变量X1净资产收益率（%）X6每股经营现金净流量（元）X2主营业务利润率（%）X7主营业务收入增长率（%）X3资产收益率（%）X8总资产增长率（%）X4每股收益（元）X9净利润增长率（%）X5每股净资产（元）X10股东权益增长率（%）查找相关资料，得到数据，且因各候选变量单位不同，特进行标准化处理，消除量纲（见表2）。表2标准化后2006年中国银行业上市银行财务数据银行名称X1X2X3X4X5X6X7X8X9X10深圳发展银行0.67-0.59-0.941.050.660.330.20-0.753.33-0.39宁波银行0.601.642.06-0.35-0.62-1.180.071.72-0.300.23浦发银行-0.720.36-0.981.472.460.76-0.39-0.29-0.340.52华夏银行-0.95-1.67-1.63-0.270.232.430.251.60-0.56-0.99民生银行0.62-1.30-0.65-0.14-0.440.420.560.55-0.18-0.48招商银行-0.86-0.560.320.270.980.750.460.780.392.49南京银行1.241.561.410.31-0.23-0.44-0.95-0.430.06-0.52兴业银行1.38-1.16-0.292.211.21-0.112.001.22-0.04-0.43北京银行1.07-0.150.320.06-0.390.460.13-0.77-0.39-0.48交通银行-0.570.600.16-0.56-0.420.23-1.04-0.20-0.31-1.07工商银行-1.390.17-0.25-1.01-0.82-0.73-2.20-0.89-0.351.45建设银行-0.620.830.60-0.85-0.77-0.461.03-0.51-0.75-0.84中国银行-1.31-0.130.68-0.97-0.72-1.16-0.45-1.51-0.060.67中信银行0.840.40-0.82-1.22-1.12-1.300.33-0.51-0.50-0.18资料来源：根据上海证券交易所、深圳证券交易所网站所公布2006年各公司年报及Wind资讯的相关数据整理计算。二、模型建立和求解（一）运用KMO检验和Bartlett检验对变量进行筛选KMO检验6和Bartlett检验（KMOandBartlett’stest）是对各变量的相关系数矩阵进行统计学检验的方法之一，用于评价因子分析的可执行性和有效性。对上述十个候选变量进行检验（见表3）。5中国银行业监督管理委员会：《商业银行风险监管核心指标（试行）》，2006.6Itisameasureofthehomogeneityofvariables.Theextenttowhichtheindicatorsofaconstructbelongtogether.Aratioofthesumofsquaredcorrelationstothesumofsquaredcorrelationsplussumofsquaredpartialcorrelations.Thisvalueapproaches1ifpartialcorrelationsaresmall.2008年第1期总第10期31表310个候选变量的KMOandBartlett’stest结果Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.270Bartlett'sTestofSphericityApprox.Chi-Square69.015df45Sig..012检验结果显示，KMO值=0.270，P=0.012，均不能满足检验的经验性标准。故上述十个候选变量不适合全部进行因子分析，应进行一定筛选。在实际意义中，可解释为个别变量与其余变量的相关性不大，有冗余变量存在，或者个别变量的统计结果存在较大误差。设立筛选条件：1．KMO值0.62．0.005P3．令变量数为N，使N取最大值对十个变量进行穷举，筛选得出最优解（见表4）。表4筛选得变量的KMOandBartlett’stest结果Kaiser-Meyer-OlkinMeasureofSamplingAdequacy..605Bartlett'sTestofSphericityApprox.Chi-Square42.130df21Sig..004KMO值=0.605，根据统计学家Kaiser给出的标准，可以接受因子分析（0.6＜KMO＜0.7Mediocre,可以接受）。P=0.004＜0.005，说明经过巴特利特球度检验，相关阵不是一个单位矩阵，因子模型合适。N=7，筛掉1x、9x、10x三个变量。得到其余七个变量的相关系数矩阵（见表5）。表5筛选得变量相关系数矩阵X2X3X4X5X6X7X8CorrelationX21.000.737-.295-.305-.634-.409-.258X3.7371.000-.209-.369-.593-.133-.009X4-.295-.2091.000.858.365.438.302X5-.305-.369.8581.000.530.261.259X6-.634-.593.365.5301.000.163.399X7-.409-.133.438.261.1631.000.467X8-.258-.009.302.259.399.4671.000从表5中也可直观地看到，大部分系数都在0.3以上，说明筛选得变量之间存在较高的相关性，适合作因子分析。（二）提取因子在得到变量相关系数矩阵后，可以根据相关性大小对变量分组，同组的相关性较高，异组的相关性较低。每组变量所代表的结构即为“因子”。采用主成分法提取因子，因子的特征根越“高”，对解释原变量的贡献越大（见图1）。李睿：基于因子分析法的中国上市银行盈利性分析32ScreePlotComponentNumber7654321Eigenvalue4.03.53.02.52.01.51.0.50.0图1上市银行盈利性财务数据因子碎石图碎石图的横坐标表示因子，纵坐标为特征根。由表6可看出，第一个因子的特征根13.339c。此外21.375c，31.055c。其余因子特征根皆小于1，对原有变量的贡献几乎可被视为“高山脚下的碎石”7，可以忽略不计了。因此，选入前三个作为公共因子，它们的累计贡献率达到82.422%（见表6）。表6主成分特征值及贡献率（旋转前和旋转后的）ComponentExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumulative%Total%ofVarianceCumulative%13.33947.70447.7042.28132.57932.57921.37519.64467.3481.89026.99759.57731.05515.07482.4221.59922.84582.422ExtractionMethod:PrincipalComponentAnalysis.再得出已提取出的三个因子的载荷矩阵，以解释因子的实际意义（见表7）。表7旋转前的因子载荷矩阵Component123X2-.767.433.291X3-.662.655-.032X4.730.455.431X5.769.248.546X6.789-.296-.