我国商业银行盈利能力分析：1999

1、我国商业银行盈利能力分析：1999论文摘要：在我国金融业全面对外开放与国内民营银行迅速开展的背景下，本文选取1999-2007年我国10家上市银行的相关指标数据，在引入产权性质这一虚拟变量的根底上，运用因子分析法对我国商业银行盈利能力进行分析并得出相关结论。论文关键词：商业银行,盈利能力,虚拟变量,因子分析法一、引言对于一家银行来说，盈利性水平是商业银行能否继续生存和开展的关键，也是其能否在剧烈的竞争中处于不败之地的决定性因素。随着我国国有商业银行股份制改革的深入和银行上市步伐的加快，我国国有商业银行朝着真正的商业银行方向开展，盈利目标也对我国国有商业银行的经营产生日益重要的影响。在这种背景下

2、，通过对我国商业银行盈利能力影响因素的研究分析，寻找如何提高我国国有商业银行的盈利能力和盈利水平是我国金融界普遍关注的重点，而且提高我国国有商业银行的盈利能力对于我国国有商业银行体制改革和化解我国金融风险具有重要的现实意义。为遵循现有的学术研究标准，本文也用ROA来衡量商业银行的盈利能力，其含义是指商业银行资产收益率，等于商业银行的净收益除以总资产。从图1对全国十家商业银行19992007年间的平均ROA描述中可以看出，中国的四大国有商业银行资产净收益率(ROA)明显低于6家股份制商业银行同期的ROA值。从而可以初步判定，在此期间股份制银行的赢利能力比国有银行强。图1：中国商业银行平均ROA图

3、本文用MS表示10家商业银行中每家银行的存款市场份额，选用MS代表商业银行的市场结构，其理由是市场集中度CR4、HHI都是由MS转化而来。从图2中可以看出，国有银行的市场份额比股份制商业银行明显高出很多。图2：10家商业银行1999-2007市场份额图二、建立ROA的虚拟变量模型根据收集到的数据ROA与MS，再引入虚拟变量D建立如下模型：其中D为虚拟变量，D=1时，为国有商业银行，D=0时，为股份制商业银行。先用stata软件对D=1，即为国有银行时，得到回归方程表达式为：当D=0，即为股份制银行时，得到回归表达式为：比拟上两个表达式，可以看出两者间差异很大，说明国有制银行与股份制银行的赢利能

4、力与市场分额的关系方面存在着很大的差距。接下来再进行邹检验模型(2-2)的经济涵义是在其他因素不变时，存款份额(MS)每增加1个百分点，国有制商业银行的盈利能力(ROA)减少0.0799个百分点；对于股份制银行，模型2-3，却恰恰相反，在其他因素不变时，存款份额(MS)每增加1个百分点，盈利能力(ROA)将增加1.2223个百分点。从这个分析中可以得出：对于国有制银行，减少市场份额，集中精力提高效率，将使其赢利能力增加；而对于现有市场份额比重较少的股份制银行，一旦提高市场份额，盈利能力将大大的增加。在最终得到的模型2-4中，对于国有制银行即D=1，ROA的截距为0.10600.1487-0.0

5、481；对于股份制银行即D=0，ROA的截距为0.1487。不同性质的银行间截距相差0.0481，即在增加同样量的市场份额，股份制银行比国有制银行多增加0.0481个点。三、指标设定与数据选取目前对国内商业银行能力的分析思路主要有两种，第一种通过分析银行效率及资产状况等其影响因素，从侧面考察银行的盈利能力状况。第二种思路那么将重点放在对商业银行盈利能力的直接考察，通过对商业主要盈利指标，如资本利润率、资产收益率等在几年内的变化趋势及与同业的比拟，分析其盈利能力和影响因素。本文采用统计学方法，主要从商业银行自身因素方面分析其盈利能力。一指标选择1、资产收益率(等于税后净利润/总资产)，反映银行资

6、产转化为净利润的能力。由于中国商业银行普遍采用的是存贷差获利的模式，信贷资产对中国商业银行具有更加重要的影响。2、总贷款占总资产比例：资产质量指标。通常情况下，这个比值越高，银行的盈利能力也该越强。特别对于主要依靠存贷差获利的中国商业银行来说，这一指标比率更加重要。但是较大的贷款比率也意味着银行面临较大的信用风险，可能又会降低银行盈利能力。3、不良贷款率等于报告期期末不良贷款总额/报告期期末贷款总额，资产质量指标。不良贷款率高，说明金融机构收回贷款的风险大；不良贷款率低，说明金融机构收回贷款的风险小。4、拨备覆盖率等于贷款损失准备金余额/不良贷款余额，资产质量指标。较高的贷款损失拨备在一定程度

7、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归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 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

8、 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

9、.1 0.43 0.08 0.57 其中，X1资产收益率ROAX5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开展，根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。一奉献率的解释表2

10、：因子的特征值及方差累积奉献率 成 分 原始特征值 旋转前 旋转后 特征值 奉献率 累积奉献率 特征值 奉献率 累积奉献率 特征值 奉献率 累积奉献率 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.

11、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奉献率，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，累计方差奉献率为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%，累计方差奉献率为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

12、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，原有变量的信息丧失的较少，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奉献，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，对解释原有变量的奉献最大；第四个以后的因子特征值都较小，对解释原有变量的奉献很小。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

13、程中未能到达理想效果，应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 F

14、actor1 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

15、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。其奉献率到达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，其奉献率为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，其奉献率为23.2021%，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

16、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

17、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。根据三个主因子的因子奉献率占3个主因子的方差奉献率的比重作为权重计算综合得分，即：由此可计算得到各主因子得分和银行的综合得分，并给出最终的排序情况。表6：各主因子得分及综合得分表 主因子F1 主因子F2 主因子F3 综合得分 排序 中信 1.45594 1.31546 -0.94599 0.784682 1 招商 0.61207 0.04807 1.41631 0.665844 2 兴业 0.19989 0.21509 1.89922 0.651237 3 浦发 0.87883 -1.2271 0.45589 0.178261 4 民生 1

18、.24131 -0.28114 -1.20226 0.172386 5 交通 -0.65901 0.53659 -0.44531 -0.26823 6 建设 -0.83982 0.37697 -0.01142 -0.28138 7 中行 -0.95768 0.75904 -0.32831 -0.31171 8 工商 -1.30511 0.3757 -0.11788 -0.52242 9 华夏 -0.62642 -2.11869 -0.72025 -1.06868 10 五、结论通过以上的实证分析，得出以下的结论：一在引入虚拟变量时，可以得出商业银行的产权性质是影响商业银行盈利能力的主要因素。运用因子分析时，得到综合得分，也可以看出股份制商业银行除了华夏银行综合排名均在国有制商业银行前面，综合排名前3名的分别是：中信银行、招商银行、兴业银行。从商业银行的ROA看，国有商业银行远低于5家股份制商业银行。二从商业银行盈利能力与市场结构的关系来看，国有商业银行的市场份额越大，其盈利能力越差；股份制商业银行的市场份额越小，其盈利能力越强。因此，中国国有商业银行今后不应以扩大存贷款业务为重点,而应以建立和完善商业银行法人治理结构、提高自己的资产质量和科技含量为重点,走科学开展之路；而股份制商业