【城市商业银行财务风险预警体系实证探究13000字（论文）】

一、引言随着世界经济一体化，我国金融业对外界的开放度不断提高，涌入了大批外国对手，使我国市场竞争愈发激烈。特别是在国际金融增速逐步减慢的情况下，商业银行的不可预知性风险扩大。而商业银行业务特殊，这决定了其风险波动范围大，如果没有迅速作出恰当反应，就可能酿成无法挽回的损失。城市商业银行作为我国商业银行必不可少的部分，因为其很强的地域特征等原因，使其在与外资银行和国有六大行的竞争中竞争力明显不足。不言而喻，城商行的财务风险相对更为突出。所以如果想减小其发生风险的概率，构建出科学实用并且适用于城商行发展的财务风险预警体系一定是最佳选择。对于城商行来说，财务风险预警体系的建立和完善意义重大。首先，它能帮助其更好的戒备风险，实时掌握各项风险因素，并实施应对策略，以减轻风险带来的损失。其次，它使银行监管者更科学的对城商行财务风险进行评估，降低了城商行财务风险，促进其稳定发展。最后，建立该风险预警体系，可以使投资者更直观了解城商行发展情况，并对银行管理建言献策，降低由于管理者的失误而形成财务风险的可能。二、研究现状与相关理论概述（一）国内外研究现状1.国外研究现状国外学者于上世纪上半叶初步研究商业银行财务风险预警，研究历史久并且取得了十分具有借鉴价值的研究结果。Andrew和Eve（2004）钻研了运营现金流量指标对财务预警成果的影响，最终显示，运营现金流量对变量的增加有影响，并且提出Logistic回归模型比神经网络模型效果更显著。Marshal（2006）分析了在我国进行交易的商业银行财务指标的风险评估是否有效，得出具有很强解释力的指标是资产负债率、息税前利润率和盈余比值的结论。ByookGillan（2016）分析了多个地区商业银行的财务风险，验证了财务风险与银行价值成反比例的观点，他认为银行不应通过减少业务、降低风险而提高价值，而应积极实施风险治理策略。2.国内研究现状与国外相比，我国国内对于银行业财务风险预警体系研究较为落后，其研究成果不多，而且没有特别区别不同行业的适用。吴世农（2001）认为我国财务风险预警体系还缺少大方向，所以以多家发达国家银行为研究对象展开介绍如何建立不同种类的财务风险预警体系，再对于我国银行的情况具体阐述其适用的模型类型。方庆煌（2009）为了更精准防范财务风险，对于商业银行应如何更好的使用风险预警模型做出了研究。肖芬芬（2010）通过借鉴国外学者经验，运用Z值模型对我国工商银行的财务风险着手研究，得出该模型具有可靠性的结论。罗晓光和刘飞虎（2012）在因子分析法确定的指标权重的基础上，利用功效系数法从多个反映角度研究商业银行财务风险，发现此方法对多家银行的实证预测结果与实际相差不大，以此认为功效系数法在商业银行预警体系中具有可用性。孙志娟（2012）分析了我国财务风险预警体系存在评价指标不全面的缺陷，从而引入动态和其他指标，建立了由财务、非财务及EVA等指标构成的全面信贷风险预警系统。马鸿雁（2014）不仅运用成分分析法，还采用了BP神经网络模型，以提升银行稳定性为目标，建立了一个计算精确率接近90%的风险管理预警模型，对于银行危机识别能力进步大有帮助。刘佳萌（2015）对于当前主要使用的风险模型及其理论依据作出解释，而且详细分析了各个国家为了规避财务风险而实行的策略。王昕雨（2016）先对于我国商业银行财务风险的成因作了详细阐述，然后分别分析规避措施，以降低其发生不可预计状况的可能性。李燕（2017）以多家城市商业银行的财务指标为研究对象，采用因子分析法明确其权重，以此建立了一个全方位城商行预警模型。（二）财务风险相关概述1.财务风险的概念通常，财务风险是指企业在从事相关经营时，存在难以预测或控制的要素，这些要素可能使企业遭遇经济损失。2.财务风险的基本特征（1）财务风险具有全面性财务风险无处不在。如果一家公司要获利，就必须进行一系列财务活动，比如筹资、投资以及分配资金等。而这一系列活动都与资金有关，就必然产生财务风险。（2）财务风险具有客观性财务风险不具有主观性，不会因为人的意志而消失或转移，是公司无法避免的不确定因素。如果发生财务风险，公司可以通过一系列措施应对，从而降低其造成的危害。（3）财务风险具有不确定性由于影响市场的因素众多，所以市场变化无常，没有人能够预知。而市场又是影响财务风险的关键要素，这造成财务风险及其不确定，是否发生、发生的时间等都是未知数。（4）财务风险具有效益性尽管当产生风险时收益与损失同时存在，但是一般来说，风险与收益是成正比例关系。财务风险的确会使公司遭受不确定可能，但是，它也会反推公司做出改变，以提高抗风险能力。3.财务风险相关理论（1）资产管理理论该理论主张简单调整和完善资产结构，重视资产流动性。银行在其资产安全并且能一直稳定经营下去的基础上，满足存款客户和借款客户的需要而借款或放贷，以这种资产变动方式来达到提高资产周转速度的目的。（2）负债管理理论上世纪中期，在经济迅速发展的大背景下，企业对资金的需求量将大大增多。而此时各种金融工具应运而生，筹集资金渠道大大拓宽，银行应该把握机会，通过负债来满足企业的需求。但是这种方式也提高了银行的融资成本，增加其发生经营不确定的可能。（3）全面风险管理理论这些年来，市场经济在我国推进，银行业务在传统基础业务的基础上，扩充了许多金融业务，业务范围大大扩大。与此同时，风险也随着业务范围的扩大而扩大，存在于经营活动的各个环节，这促使银行的风险管理应该全面，亟需建立全面风险管理体系。（三）财务风险预警相关概述1.财务风险预警的概念财务风险预警，即实时探知公司在进行一系列营利事业中出现的影响获利的因素，并做出预警。它可以存在于公司运营活动的各个方面，以数据信息为根源，并结合专业知识，来建立财务风险预警模型，从而监控公司的业务状况，并就可疑风险及发出警告，以便公司可以及时跟进风险处理情况。2.财务风险预警相关理论（1）系统非优理论该理论认为可通过“优”或“非优”来代表企业所有的经营活动状况。顾名思义，“优”表示盈利，“非优”则表示亏损或者出现了难以控制的状况。企业需要清晰确定这两种状态的范围，然后通过预警体系对“非优”情况实时监测并作出反应。（2）危机管理理论该理论提出于上世纪末，它提出在经济不稳定的时期，一些难以预测的非正常状况会大大影响企业正常经营并酿成危机。所以为了避免此类危机发生，企业亟需事前做好系统谋划布局，并对非正常状况采取一系列控制措施。这种理论让公司的安全部门大大受益。（3）策略震撼管理理论该理论是由于存在具有震撼性难以预测的事件而诞生的。在此理论之下，当发生极具震撼性打击事件时，通过紧急信息传输渠道，整个公司都将立刻知晓。而且此时一个团队负责稳定整个公司员工的斗志，第二个团队则需要保持正常工作，还有一个团队将迅速作出反应对抗震撼性打击。3.财务风险预警相关方法（1）单变量分析法单变量分析法，就是利用仅仅一个财务指标来估算财务风险。但随着风险越来越复杂，此方法满足不了企业对风险预警越来越高的要求。由于其在选择财务指标上容易产生缺乏客观性，而且单个指标并不能精确发现整个企业的财务风险，故单变量分析法的结果不可靠。（2）多变量分析法多变量分析方法，选取了多个财务指标来构建预警模型，是在单变量上的优化。具体分类如下：Z-Score模型法该方法主张选取多个指标并确定指标权重，以创建Z线性方程，最后计算出来的Z值看作财务风险的评分。该模型缺陷在于，只能在公司资不抵债的前一年发出预警。回归分析法回归分析法，主要用于探讨变量间的相关性。该方法需要确定能够代表公司情况的财务指标，然后创建非线性回归方程，以获得回归系数，最终得出所研究公司是否存在财务风险的论断。因子分析法因子分析法，是指从变量组中提取本质一样的因子进行研究。该方法通过减少变量来减轻工作量，也节约了寻找数据的支出，同时也可以选出最具有代表性的变量。d.熵权法这个方法用各个指标的权重来确定其应受重视水平。而熵值可用于判定指标的差别水平。熵值与指标的差别水平成反比，差别度高的指标应该引发正视。e. Logistic回归模型法该模型实际上是分类模型，它把财务风险问题变成了公司是否会陷入运转不周的可能性。其需要选出会影响财务情况的代表性因子，确定因变量和自变量，然后经过一系列繁琐过程，得出的预警模型可以预测发生财务风险的可能性。除此之外，还可以基于不同行业建立模型，所以其普适性强。三、我国城市商业银行主要财务风险及其成因（一）我国城市商业银行总体情况1.城市商业银行概况城市商业银行是由成立于1980年的城市信用合作社发展而来的，那时的商业定位是扶持中小企业，促进当地经济发展。在1990年，政府以信用合作社为根基，建立了城商行，并给当地民众供给一系列金融服务。2019年为止，我国总共有134家城商行，并且其中26家已经上市。2.城市商业银行的显著特征城市商业银行具有其他银行没有的独特性，其在规模和运营方面表现出以下特征：（1）总体规模较小我国城商行资本规模受其地区范围制约，故总体规模较小。据资料显示，2019年上半年，城商行总资产为36万亿元，仅占银行业金融机构的12.8％。（2）发展依赖性强东部地区作为我国经济发展较好地区，它们的城商行经营业绩表现良好。主要原因有：该地区经济发达，私营企业众多，对城商行贷款业务需求量大；政府收入来源多，给其提供了有利的成长环境；民众收入可观，生活富足，对于银行金融业务兴趣高等。而中西部地区就恰恰相反，其经济发展状况较差，致使该地区城商行盈利水平较低。（3）竞争压力大城商行在其发展定位和经济全球化的影响下，不仅需要和实力强劲的国有六大行竞争，还要面对外资银行进入给自身发展带来的挑战。3.城市商业银行发展现状近几年来，由于金融危机和经济发展方式转变的压力，城商行发展弊端开始显现。目前，在我国的城商行中，存在风险问题的有37家，其中有7家存在高风险问题，并且有些已经破产。2019年5月末，包商银行由于无力偿还债务，央行和银保监会对其共同接受并管理。经过几个月的调整，包商银行还是于2020年11月17日申请破产，理由是其资产严重不足，并且无法履行其债务合约。而包商银行的破产主要原因，就是不良资产。从2005年到2017年，包商银行的主要股东利用注册的多家没有经营业务的公司，使用违法手段交换取得其数目巨大贷款，该笔本金和利息成为坏账。从这一事件当中，反映出国内城市商业银行银行普遍面临的财务风险问题正在凸显，警醒着银行亟需重视财务风险控制。（二）我国城市商业银行目前存在的财务风险1.资本风险资本风险是指银行的资产太少，不能偿还存款和其他欠款而形成的不确定可能。因而，为了避免出现此情况，银行要有适当自有资产。其主要有以下：（1）不适量的风险资本当银行拥有大量资本时，耗费资源也越多，资本投入与产出比不高，不利于银行盈利。而当银行资本过少时，会使其过度依赖外来资金，并且会降低抗风险能力，甚至会被监管机构限制经营范围，这都使银行发展缺乏动力。（2）结构不合理风险适当的资本结构可以减少银行为筹集资金而产生的各项支出，并有利于营造良好银行形象。不适当的资本结构将导致银行融资难，且付出的融资成本显著增加，影响该银行在客户心中的形象，提高其出现不确定状况的概率。2.资产质量风险这是指城商行因从事资产买卖而产生的不确定可能。城商行的资产质量将直接影响其运营过程是否可靠，而且将严重影响银行的损益情况，以及银行在市场上的信用。因此，这要求城商行在处理资产时，必须秉持谨慎性原则，采用各种预防办法，以减轻银行资产发生不确定状况的可能性。3.流动性风险流动风险，是指当客户要求取出现金或者有贷款需求时，城商行不能马上且用合适成本取得资金，从而减少收益的风险。为了保持流动性，城商行要拥有既定数量的流动资产。（三）我国城市商业银行主要财务风险的成因分析1.资本风险成因通过一系列的研究，城商行的资本风险主要来自以下三方面的压力：（1）监管压力银监会严格规定银行资本情况。这种规定不仅体现在银行业务范围、资产允许增加的幅度和分配给股东的权益，还体现在审慎准许银行进入新市场或者设置新机构。这种控制方式给城商行带来了很大压力，给风险管理带来挑战。（2）支付压力当前，在我国全民诚信意识没有足够乐观的大背景下，投资环境瞬息万变，行业挑战不断增加，城市商业银行不可避免地要采取措施防范突发状况。如果意料之外的风险造成重大损失，城商行由于其资本实力不够，无法抵御风险，客户将对于该银行失去信任，从而终止存款业务，最终产生支付压力。（3）开发银行的压力银行业务范畴与风险资产成正比例，但是风险资产多少必须受到资本限制。所以，当城商行的资本水平较低，那么它可以支持的风险资产也将较低，这显然会限制城商行进一步扩展业务。2.资产质量风险成因它主要分为三个部分。第一，对于银行而言，城商行贷款在单一产业过度聚集，使其规避风险能力弱、存在极大的潜在危险。第二，在制度层面，我国之前实行计划经济体制，地方政府过多干预经济，最终致使金融贷款变成坏账。最后，在法律法规方面，法律制度缺少对银行银行资产的保护，并且整个市场对于法律的认识亟待增强。3.流动性风险成因它主要有两方面。第一，在固定结构下，市场发生波动时，大量客户会取出存款，银行不易将其资产变现而满足取款需求。第二，借款客户由于自身各种原因，推迟清偿借款，这会造成银行资产周转不便。四、城市商业银行财务风险预警体系的构建（一）确定构建方法据我了解，构建银行财务风险预警体系的方法相对较多，包括因子分析法、层次分析法和Logistic回归分析法等。然而，在实际评估城商行的财务风险时，因子分析法可以用公共因子来表示影响财务风险的各种因素，从而能够减轻数据分析的负担。而Logistic回归分析相对于其他线性回归要求较少，可以广泛应用在各个问题中，且此方法操作简单，在结果预测方面具有较高的精准度。因此，下文使用因子分析和Logistic回归分析来共同构建城商行财务风险预警体系。（二）指标选取及样本选取1.指标选取本文预警指标的选取参考了银行业风险监管的核心指标，同时结合了国内外学者对财务风险预警指标的研究。因为城商行的市场风险受许多因素影响，所以不能在数据中反映出来。因而，本文选取的风险指标不包括与市场风险有关的内容。基于可靠性、公正性和有效性原则，在对城商行风险状况进行实际研究时，主要研究四个方面：盈利性风险、信用风险、资本风险以及流动性风险。选取的具体指标如表1所示。表1评价指标表风险变量指标影响盈利性风险X1基本每股收益正向X2成本收入比正向X3净利差正向信用风险X4不良贷款率负向X5拨备覆盖率负向资本风险X6核心资本充足率正向X7资本充足率正向流动性风险X8存贷比适度X9流动性覆盖率正向2.样本选取本文抽取了我国26家城市商业银行2018和2019年的财务指标为研究对象，所有的数据摘自wind数据库和银行各自发布的财务报表。具体样本数据如表2、3所示。表22019年26家城市商业银行财务指标值表银行基本每股收益成本收入比净利差不良贷款比率拨备覆盖率核心资本充足率资本充足率存贷比流动性覆盖率北京银行0.9823.232.071.40224.699.2212.2894.59134.25上海银行1.3619.981.931.16337.159.6613.8481.89129.66苏州银行0.7931.682.291.53224.0711.3014.3674.06154.18宁波银行2.4134.322.410.78524.089.6215.5766.51169.03成都银行1.5426.522.241.43253.8810.1315.6962.27221.84江西银行0.3426.082.532.26165.659.9612.6373.81205.12南京银行1.4227.391.980.89417.738.8713.0366.93112.39江苏银行1.1825.641.721.38232.798.5912.8987.77212.48杭州银行1.1928.711.911.34316.718.0813.5467.23142.72西安银行0.6125.682.121.18262.4112.6214.8587.63437.60中原银行0.1338.452.562.23151.778.5113.0277.71158.83盛京银行0.9021.311.591.75160.9011.4814.5471.28150.66长沙银行1.4830.722.551.22279.989.1613.2566.80343.39郑州银行0.4726.462.282.37159.857.9812.1172.33300.37九江银行0.7628.122.361.71182.348.9711.6470.11292.92贵阳银行1.7226.302.361.45291.869.3913.6161.37356.55天津银行0.7522.201.881.96220.5810.6215.2485.05159.25青岛银行0.3931.882.101.65155.098.3614.7681.20142.27哈尔滨银行0.3232.711.871.99152.5010.2212.5361.92102.37表2（续表）2019年26家城市商业银行财务指标值表银行基本每股收益成本收入比净利差不良贷款比率拨备覆盖率核心资本充足率资本充足率存贷比流动性覆盖率重庆银行1.2521.682.031.27279.838.5113.0088.27214.21广州银行0.3728.152.511.19217.3010.1412.4277.11148.69甘肃银行0.0531.531.742.45135.879.9211.8371.96199.59贵州银行0.2930.842.751.18324.9512.3014.4569.60320.18东莞银行1.3028.972.251.27208.039.3014.1072.13153.68兰州银行0.2930.991.902.44160.119.5011.7665.28152.51厦门银行0.7229.131.431.18274.5811.1515.2172.18168.24表32018年26家城市商业银行财务指标值表银行基本每股收益成本收入比净利差不良贷款比率拨备覆盖率核心资本充足率资本充足率存贷比流动性覆盖率北京银行0.9125.192.571.46217.518.9312.0791.04123.52上海银行1.5620.521.811.14332.959.8313.0081.61128.85苏州银行0.7537.731.861.68174.3310.0712.9673.35129.27宁波银行2.1534.442.200.78521.839.1614.8665.88206.57成都银行1.3025.772.211.54237.0111.1414.0853.72133.75江西银行0.5130.482.091.91171.4210.7813.6065.46206.46南京银行1.2628.611.850.89462.688.5112.9962.34121.51江苏银行1.0428.681.371.39203.848.6112.5581.33132.75杭州银行0.9529.911.661.45256.008.1713.1564.16149.64西安银行0.5927.972.001.20216.5311.8714.1784.58287.91中原银行0.1240.592.812.44156.119.4414.3773.48124.73盛京银行0.8824.131.331.71160.818.5211.8673.24137.10长沙银行1.4234.122.341.29275.409.5312.2459.91304.65郑州银行0.4727.961.772.47154.848.2213.1566.06304.42九江银行0.8027.862.491.99169.698.9011.5565.08296.63贵阳银行2.2326.732.251.35266.059.6112.9754.50220.29天津银行0.6927.301.231.64250.379.8314.5385.59136.81青岛银行0.3732.971.671.68168.048.3915.6871.94125.95哈尔滨银行0.5030.881.671.73169.889.7412.1564.16265.58重庆银行1.1122.221.781.36225.878.4713.2183.10250.49广州银行0.3728.892.070.86231.2611.2413.3874.41152.65甘肃银行0.3524.722.072.29169.4711.0113.5576.35198.28贵州银行0.2433.502.631.36231.5210.6212.8364.05180.08东莞银行1.1332.411.971.39182.069.8413.0363.73137.27兰州银行0.4433.292.792.25140.1510.2712.2966.44121.31厦门银行0.5927.782.531.33212.8310.8515.0368.97110.99（三）财务风险综合评价的因子分析基于前文所抽取的26家城商行，使用SPSS软件对它们2018年、2019年两个年度的财务风险指标进行因子分析，最终得出财务风险综合得分。具体分析步骤如下：1.相关性检验（1）检查KMO采样是否足够并使用Bartlett方法进行球形检验KMO和Bartlett测试可用于检验所选择的因子是不是符合需求。结果见表4。表4KMO和Bartlett检验表KMO取样适切性量数0.520巴特利特球形度检验近似卡方142.572自由度36显著性0.000经过检验，KMO的抽样适度测定值是0.52，超过了0.5。并且Bartlett检测统计值上，其显著性几率是0.000，这个数值在低于0.05，说明各指标变量之间的相关性比较强，由此可见，因子分析法适用于本次研究。（2）共同性检验表5是各个城商行财务指标的共同度，可以看出大部分指标的共同度都在0.8附近，这是非常高的水平。故可以用主成子诠释原始变量的大部分信息。表5公因子方差表初始提取基本每股收益X11.0000.855成本收入比X21.0000.781净利差X31.0000.593不良贷款率X41.0000.786拨备覆盖率X51.0000.856核心资本充足率X61.0000.795资本充足率X71.0000.732存贷比X81.0000.618流动性覆盖率X91.0000.8112.提取主成分因子在表6中，特征根都大于1的因子数有四个，分别为2.617、1.657、1.406和1.147，这表示前四个公因子能够代表所有因子。而且方差贡献率分别为28.495%、17.82%、16.053%和13.492%，并且其累计方差贡献达到75.859％，故公因子可以很大程度解释原始信息。因此，可以提取前四个因子作为分析城商行财务风险的主要构成因子。表6总方差解释表成分初始特征值提取载荷平方和旋转载荷平方和总计方差百分比累积%总计方差百分比累积%总计方差百分比累积%12.61729.07229.0722.61729.07229.0722.56528.49528.49521.65718.41247.4841.65718.41247.4841.60417.8246.31531.40615.62763.1111.40615.62763.1111.44516.05362.36741.14712.74875.8591.14712.74875.8591.21413.49275.85950.7548.3884.23960.5876.52490.76370.4625.13795.980.1922.13898.03890.1771.962100.003.因子旋转表7是模型的成分矩阵，如表7所示，选取的评价指标不能完全解释主成分因子，而且有些成分因子还存在雷同。所以要让各个因子被评价指标更显著的解释，就要对这些因子进行旋转。表7成分矩阵表成分1234基本每股收益X10.8520.004-0.3320.143成本收入比X2-0.250.706-0.195-0.426净利差X3-0.0720.7170.070.262不良贷款比率X4-0.8820.025-0.0810.021拨备覆盖率X50.9080.127-0.119-0.026核心资本充足率X60.0340.2780.846-0.003资本充足率X70.4630.1470.577-0.404存贷比X8-0.068-0.6760.3880.069流动性覆盖率X90.030.2640.1820.841表8是旋转后的成分矩阵表，在对因子进行旋转之后，表7存在的问题迎刃而解，主成分因子不再雷同，故这些评价指标能够显著区别每个因子。如表8所示，X5对主成分因子F1的贡献很大，由于X5是衡量信用风险的指标，所以F1可被视为信用风险指标。X2对主要成分因子F2的贡献最显著，故可以将F2视为衡量盈利性的指标。X6对主要成分因子F3有重大贡献，因此F3可被视为资本风险指标。而X9对主成分因子F4具有重大贡献，因此F4可以用作衡量流动性风险的指数。表8旋转后的成分矩阵表成分1234基本每股收益X10.905-0.004-0.180.059成本收入比X2-0.1970.8370.076-0.191净利差X3-0.0470.5650.160.496不良贷款比率X4-0.8450.121-0.2380.022拨备覆盖率X50.9160.080.102-0.015核心资本充足率X6-0.125-0.020.8450.254资本充足率X70.3270.0150.76-0.218存贷比X8-0.166-0.7490.147-0.087流动性覆盖率X90.037-0.0430.0030.8994.综合得分因子表9为成分得分系数矩阵，它清楚的显示了每个成分因子的得分系数，由此可以获得财务风险评价模型中F1、F2、F3和F4的运算公式：F1=0.371X1-0.065X2-0.011X3-0.317X4+0.358X5-0.101X6+0.08X7-0.093X8+0.021X9（式1）F2=0.016X1+0.537X2+0.319X3+0.057X4+0.072X5-0.04X6+0.027X7-0.471X8-0.091X9（式2）F3=-0.187X1+0.069X2+0.087X3-0.116X4+0.014X5+0.591X6+0.526X7+0.124X8-0.045X9（式3）F4=0.066X1-0.225X2+0.366X3+0.015X4-0.016X5+0.17X6-0.218X7-0.027X8+0.754X9（式4）表9成分得分系数矩阵表成分1234基本每股收益X10.3710.016-0.1870.066成本收入比X2-0.0650.5370.069-0.225净利差X3-0.0110.3190.0870.366不良贷款比率X4-0.3170.057-0.1160.015拨备覆盖率X50.3580.0720.014-0.016核心资本充足率X6-0.101-0.040.5910.17资本充足率X70.080.0270.526-0.218存贷比X8-0.093-0.4710.124-0.027流动性覆盖率X90.021-0.091-0.0450.754将各因子的比重依照方差贡献率取得的综合因子表达式，如式5所示：F=0.3756F1+0.2349F2+0.2116F3+0.1779F4（式5）式5就是城商行的财务风险评价公式。接下来，将式1、式2、式3和式4演算所得的四个主成分因子代入式5中，就可以得到各个城商行的财务风险评分，以此来预知其的财务风险并及时采取措施。5.财务风险评价结果分析通过对式5的计算分析，可以得到本文抽取的我国26家城市商业银行在2018年到2019年两年间的主因子和综合因子的得分与排名，其中因子的得分和城商行的风险程度成负相关关系。从表10中可以看出，2019年财务风险状况最好的是宁波银行，紧接着是贵州银行、贵阳银行和长沙银行，排名最差的是甘肃银行。从表11中可以看出，2018年财务风险状况前三名，分别是宁波银行、长沙银行和贵阳银行，而财务风险状况较差的是盛京银行。将因子综合得分的分界点设置为0，把综合得分大于零的城商行分类为正常运作，把综合得分小于零的城商行分类为存在财务风险。从表10和表11可以看出，2019年26家银行中有15家经营存在财务风险，而2018年有16家，比例偏高，需要提高重视度。表102019年26家城市商业银行财务风险评分情况表银行F1排名F2排名F3排名F4排名F排名北京银行-0.05914-1.75426-0.53817-0.21813-0.5924上海银行1.0564-1.522240.11711-0.40717-0.0212苏州银行-0.236150.43471.4354-0.282140.278宁波银行2.83111.49110.7718-0.498201.471成都银行0.86470.39080.93470.27990.665江西银行-1.18223-0.04917-0.167140.8407-0.3418南京银行1.64920.21711-0.66820-0.836220.387江苏银行0.28511-1.45721-0.82022-0.07011-0.4222杭州银行0.87860.27410-0.90223-0.884230.0511西安银行-0.01213-1.492222.38212.66210.66中原银行-1.434251.3562-0.38515-0.53421-0.3819盛京银行-0.37017-1.267201.1576-0.42918-0.2716长沙银行0.90350.7494-0.498161.84740.723郑州银行-1.01221-0.17918-1.632261.3466-0.5323九江银行-0.404180.10513-1.247251.5205-0.1314贵阳银行1.08730.3649-0.540182.03320.723天津银行-0.40619-1.503231.2975-0.43819-0.3117青岛银行-0.644200.018150.2519-1.15826-0.3819哈尔滨银行-1.081220.8593-0.14813-1.04525-0.421重庆银行0.6538-1.67025-0.785210.4038-0.2515广州银行-0.33316-0.017160.200100.18110-0.0513甘肃银行-1.717260.02214-0.62719-0.11012-0.7826贵州银行0.076120.73252.20321.88230.992东莞银行0.43990.207120.09212-0.376150.179兰州银行-1.364240.5206-0.98424-0.39616-0.6525厦门银行0.31610-0.483191.6053-1.038240.1610表112018年26家城市商业银行财务风险评分情况表银行F1排名F2排名F3排名F4排名F排名北京银行-0.17614-0.90320-0.674160.06311-0.4122上海银行1.1114-1.56825-0.26915-0.34516-0.0813苏州银行-0.628200.85560.11912-1.14323-0.217宁波银行2.66011.30850.21511-0.297151.281成都银行0.43060.72790.6846-0.113130.464江西银行-0.778220.490110.59780.18210-0.0111南京银行1.78420.51710-0.88920-0.991210.425江苏银行0.05110-1.00121-0.99622-1.26224-0.6425杭州银行0.38770.30215-1.07423-1.03122-0.1916表11（续表）2018年26家城市商业银行财务风险评分情况表银行F1排名F2排名F3排名F4排名F排名西安银行-0.24415-1.012221.72910.99830.218中原银行-1.560262.10010.7274-0.84219-0.0712盛京银行-0.33916-1.19223-1.58326-0.88720-0.8926长沙银行0.70751.3394-0.834191.36220.642郑州银行-0.99223-0.08817-1.229240.6845-0.5323九江银行-0.568190.45513-1.453251.7301-0.1114贵阳银行1.35730.7887-0.902210.80840.642天津银行-0.15513-1.438240.6177-1.53825-0.5323青岛银行-0.480180.309140.50210-1.93026-0.3319哈尔滨银行-0.642210.16416-0.705170.4636-0.2718重庆银行0.3618-1.62626-0.829180.4597-0.3520广州银行-0.05211-0.208181.1753-0.261140.139甘肃银行-1.20624-0.720190.70850.3778-0.421贵州银行-0.437171.36130.56290.35290.346东莞银行0.05390.7728-0.21114-0.678180.0410兰州银行-1.325251.4622-0.075130.05412-0.1515厦门银行-0.103120.465121.5812-0.490170.327（四）建立Logistic财务风险预警模型1.模型构建基础使用SPSS软件，对26家城商行的数据进行Logistic回归分析。在因变量方面，如表12所示，参考已有文献的普遍做法，依据上文因子分析评分情况，将综合得分大于0的城商行视为正常运作，值设为0；将综合得分小于0看作存在财务风险，值设为1。在自变量方面，则是引入上文因子分析法提取的4个主成分因子。基于此，将各个数据引入回归模型中进行研究。表12因变量分组情况表银行20192018北京银行11上海银行11苏州银行01宁波银行00成都银行00江西银行11南京银行00江苏银行11表12（续表）因变量分组情况表银行20192018杭州银行01西安银行00中原银行11盛京银行11长沙银行00郑州银行11九江银行11贵阳银行00天津银行11青岛银行11哈尔滨银行11重庆银行11广州银行10甘肃银行11贵州银行00东莞银行00兰州银行11厦门银行002.拟合度检验为了清楚Logistic模型是否适用于本文样本数据，需要检测模型预测结果和实际情况的相似度：由表13所示，-2对数似然值为10.135，该值较小，说明模型的相似度较高。而且考克斯-斯奈尔R方和内戈尔科R方都大于0.5，甚至内戈尔科R方大于0.9，也可知模型能较好预测实际情况。表13模型摘要表步骤-2对数似然考克斯-斯奈尔R方内戈尔科R方110.1350.6850.925模型零假设为回归系数与零没有特别大的差别，相关的解释变量与Logistic的P值之间不存在特别大的线性关系。由表14所示，因为模型的P值为0.884,高于0.05的显著性水平，故不可以拒绝零假设。因而模型实际情况和预测结果之间差别不大，模型的相似度偏高。表14霍斯默-莱梅肖检验表步骤卡方自由度显著性13.68780.8843.建立模型基于上述建模基础，构建Logistic模型。如表15所示，F4的显著性为0.264，大于0.1，显著性不高，应该予以去除。而F1、F2和F3的显著性小于0.05，通过了显著性检验。表15方程中的变量表B标准误差瓦尔德自由度显著性Exp(B)步骤1F1-3.6981.1839.77510.0020.025F2-2.2350.8536.8710.0090.107F3-2.2730.8417.29810.0070.103F4-0.9290.8311.24910.2640.395常量0.6840.6611.07210.31.983如表16所示，引入显著因子F1、F2和F3作为自变量构建模型。可以看出，三个自变量的显著性不仅小于0.05，甚至小于0.01,表明非常显著，模型拟合结果较优。最后，得到Logistic模型公式，见式6所示：P=11+e表16方程中的变量表B标准误差瓦尔德自由度显著性Exp(B)步骤1F1-3.7881.15710.72610.0010.023F2-2.1360.7617.87410.0050.118F3-2.4720.8987.57210.0060.084常量0.9690.6162.47410.1162.635多数研究证明，当临界值为0.5时，预警模型的准确度更加理想。即模型中P代表存在财务风险的城商行的概率，其取值范围为（0,1），临界线为0.5。当P在0.5之上时，将被归入存在财务风险的城商行；当P在0.5之下时，将被归入为正常运转的城商行。由此看来，P值与产生不确定财务状况的概率成正比。4.模型效果检验如表17所示，在正常运转的城商行中，因子分析法的结果与预警模型一致，数量都为21家；在存在财务风险的城商行中，因子分析法的结果是31家，而预警模型的结论为30家，把其中一家归为无财务风险的城商行。所建模型对所有城商行的预测准确百分比为98.1%。这证明了Logistic模型的预测结果与因子分析法相似度很高。故为城商行构建的Logistic模型具备实用性。表17分类表预测实测财务风险正确百分比无有步骤1财务风险无210100有13096.8总体百分比98.1五、城市商业银行财务风险防范策略（一）做好不良资产处置及经营当城商行的贷款对象是中小型公司时，需要高度警惕发生不良资产。首先，需要采用多种渠道方法对贷款公司进行全面审查，不仅包括公司运营情况和内部组织构成，而且还有该公司所在行业的发展前景、在行业中所处的位置、销售路径是否宽广以及现阶段的获利水平等。再次，可以揭示现有客户的相互担保关系，仔细审查现有客户的外部担保情况；对于同时为四家以上提供担保的公司，理清其担保关系链，将其列入可能发生不良资产名册。最后，在给公司发放贷款后，需要经常对其信用进行审查，严格执行审查条款；运用财务风险预警模型，如果发现任何可能造成不良资产的因素，应立即启动应急计划，阻止风险转移扩散，主动应对风险。（二）大力发展中间业务随着我国经济结构不断调整，市场利率体系的强化，城商行的传统业务获利能力受到牵制，而中间业务成为其创收“扛把子”。银行通常以其网络、信誉、信息、设备等方面的长处从事中间业务。而且这项业务低成本、低风险，颇具发展前景。具体对策如下：第一，提升技术开发及服务水平。一方面，必须重视提高银行电子化水平，开发强大的程序，如网上银行，方便客户办理各种业务，并节省客户时间。另一方面，积极鼓励客户使用中间业务工具，如在线支付、人脸识别和投资理财顾问等，让全自动金融服务进入到每个人的生活中。第二，满足客户各种各样的需求。一方面，可以成立专业营销部门，对接顾客，同时也要不断挖掘潜在客户，研究其投资偏好，对客户群进行细分，制定系统营销方案。另一方面，可以采用调查问卷、短信和电话等多种形式掌握客户需求，积极开发针对不同客户的金融产品。第三，创新中间业务产品。完善经营计划，紧跟互联网发展脚步，不仅开展传统支付中间业务，还开展信贷、基金、保险、外汇买卖等新潮中间业务。（三）加强风险操作管理城商行财务风险有相当一部分原因与从业人员有关。为了降低此类原因，可以采取以下方法：重视培养从业人员。在前期招聘员工时，应提高准入门槛，严格审核员工资质，完善招聘系统，选拔能力出众者。在员工入职后，应注重对员工的培训学习，积极举行一系列实操活动，让从业人员的专业素养得到抬升。除此之外，银行还需制定一系列考核制度，以及工作岗位升迁细则，以此提高员工工作积极性。重视建设内控体系。这要贯穿业务运作的各个方面，制定一系列流程和规范，让整个银行权利与责任的界限明确、每个个体的工作任务清晰以及存在相互牵制的关系。不仅如此，还应严格落实内部控制机制实行，并采取轮换岗位措施，加大内部控制检查力度，对存在问题的情况严肃处理，提高从业者风险规避意识。（四）建立健全风险防控机制对于我国的城商行来说，建立全面可靠的风险防控机制，对于控制银行财务风险大有益处，并且还可以节约其风险控制成本，减少对风险的反应时间。因而应该遵循以下方向：第一，建立健全风险预警体系。在建立预警体系方面，需要以促进运行安全和提高获利水平为基础，设定风险预警目标，然后以此目标选取财务指标并且建立预警模型，这样可以实时评估分析财务情况。在健全预警体系方面，为了更加全面进行预警管理，有必要建立相对应的职能部门，主要包括会计、信贷和审计等部门，这样可以大大提升管理效率。第二，成