基于主成分分析法的山東省商業(yè)銀行風(fēng)險識別與度量的研究

1引言1.1新常態(tài)下風(fēng)險的研究背景在經(jīng)濟全球化主題下和新常態(tài)的過程中，我國經(jīng)濟以新的特點逐漸開展而來，商業(yè)銀行內(nèi)部管理和風(fēng)險度量急需完善.在一個國家紛繁復(fù)雜的金融體系中，商業(yè)銀行有著舉足輕重的位置和作用，具有籌集資金、發(fā)放貸款、資金結(jié)算與匯兌等基本業(yè)務(wù)功能，而且在經(jīng)濟活動中與各行各業(yè)間都存在著密不可分的經(jīng)濟交往，在引領(lǐng)貨幣流向、提高貨幣資金的利用效率、調(diào)節(jié)社會總需求等方面具有重要作用，國家經(jīng)濟的穩(wěn)健發(fā)展離不開高效穩(wěn)定的銀行體系.從本質(zhì)上講，商業(yè)銀行在日常運營中面臨著各種各樣的不確定性，這與商業(yè)銀行對貨幣的經(jīng)營有關(guān)，而目前我國對于風(fēng)險的提前監(jiān)測和管理是比較滯后和落后的，假如有關(guān)于商業(yè)銀行風(fēng)險的監(jiān)管系統(tǒng)處理欠妥，將會影響甚至窒礙整個宏觀經(jīng)濟的發(fā)展運行.目前，中國經(jīng)濟進入增速有著階段性回落的新常態(tài)期間，遭到來自國內(nèi)外金融市場的沖擊，發(fā)展緩慢，內(nèi)部運行及風(fēng)險管理也存在諸多弊端[1].隨著我國全面改革進一步深入，加強對商業(yè)銀行的改革就顯得尤為重要，對商業(yè)銀行內(nèi)外部風(fēng)險的度量與預(yù)測是改革成功的關(guān)鍵[2].我國銀行業(yè)的穩(wěn)定受國內(nèi)金融市場和國際金融市場的雙重影響.目前我國金融業(yè)的發(fā)展和西方發(fā)達國家相比還有一定的差距，風(fēng)險管理控制技術(shù)水平有限，銀行所面臨的風(fēng)險在一定程度上代表了金融機構(gòu)的風(fēng)險，而風(fēng)險作為一個宏觀而寬泛的概念，涉及經(jīng)濟社會的方方面面，對其的分析大多為定性分析，只能得到一個大致結(jié)果，建立契合實際的風(fēng)險評價模型，在量化研究的基礎(chǔ)上得出相應(yīng)的結(jié)論，并與西方先進經(jīng)濟體進行比對，對我國商業(yè)銀行在風(fēng)險防控的進步、制訂宏觀經(jīng)濟政策等方面具有重要的現(xiàn)實意義.1.2國內(nèi)外研究綜述國內(nèi)外對于商業(yè)銀行風(fēng)險的度量主要分為定性分析和定量分析兩個大的方法，定性分析主要是給予風(fēng)險以主觀的評價.定量分析主要是將風(fēng)險進行量化，將統(tǒng)計學(xué)和數(shù)學(xué)的原理充分利用，結(jié)合一定的模型對風(fēng)險進行分析.主要有李研妮、冉茂盛對流動性風(fēng)險的分析，創(chuàng)造性的使用動態(tài)規(guī)劃模型，并且還分階段討論風(fēng)險變化[3].關(guān)于商業(yè)銀行信用風(fēng)險的研討，大部分都運用KMV方法進行度量，如韓嬌利用KMV模型[4]分析的我國商業(yè)銀行信用風(fēng)險評價問題，進行了同一銀行在時間上的縱向比較和不同銀行在同一時間的橫向比較，對KMV模型進行修正并得到違約點的設(shè)置與區(qū)分信用風(fēng)險效果的關(guān)系.除此之外還有Z模型和層次分析法可以對信用風(fēng)險度量，王向榮、周靜宜對Z模型和KMV模型的適用性進行了比較與實證分析，得出在識別我國上市保險公司信用風(fēng)險上，KMV模型要優(yōu)于Z模型[5].對于操作風(fēng)險的研究大多采用VaR模型，李寶寶運用CVaR-POT模型對某商業(yè)銀行進行實證分析，構(gòu)建了評價操作風(fēng)險的綜合評估體系，提出了商業(yè)銀行操作風(fēng)險管制的應(yīng)對辦法[6].

2內(nèi)控視角下商業(yè)銀行風(fēng)險評估指標(biāo)選取與識別2.1商業(yè)銀行風(fēng)險識別指標(biāo)選取綜述在2004年的《巴塞爾協(xié)議Ⅱ》中將商業(yè)銀行風(fēng)險分為信用風(fēng)險、市場風(fēng)險、操作風(fēng)險和其他風(fēng)險.其余風(fēng)險涵括流動性風(fēng)險、國家和轉(zhuǎn)移風(fēng)險、法律風(fēng)險、聲譽風(fēng)險和政策風(fēng)險等[7].對于信用風(fēng)險的識別，管杜鵑提出按照科學(xué)性、全面性和獨立性、可行性、可量化的原則，以履約能力和履約意愿作為兩個主要影響因素，選取流動比率、資產(chǎn)負債率、應(yīng)收賬款周轉(zhuǎn)率、銷售利潤率等14個指標(biāo)構(gòu)建信用風(fēng)險的指標(biāo)體系[8].路莎在監(jiān)控體系下，選取了信用和流動性風(fēng)險指標(biāo)，包括單一集團客戶授信集中度、不良貸款率以及全部關(guān)聯(lián)度、流動性缺口比例、超額備付金比率、存貸款比例等[9].秦霞在我國現(xiàn)階段商業(yè)銀行流動性風(fēng)險監(jiān)測指標(biāo)分析中，按照巴塞爾協(xié)議III，將短期的流動性覆蓋率和流動性比率作為銀行的流動性風(fēng)險監(jiān)管因素，著重考察表內(nèi)業(yè)務(wù)的監(jiān)管[10].內(nèi)控主要指商業(yè)銀行以實現(xiàn)良好的運營為目的，按照審計標(biāo)準(zhǔn)，確保會計數(shù)據(jù)的質(zhì)量，對銀行內(nèi)部各種業(yè)務(wù)實行制度化的管理和控制[11].內(nèi)控視角下的商業(yè)銀行風(fēng)險評估就是通過對商業(yè)銀行年報中的數(shù)據(jù)進行分析，選取相適應(yīng)的指標(biāo)，構(gòu)建數(shù)學(xué)模型對商業(yè)銀行風(fēng)險進行度量.2.2風(fēng)險指標(biāo)的識別與選取本文在內(nèi)控視角下，綜合以上各個文獻的指標(biāo)選取情況，分別從信用風(fēng)險、市場風(fēng)險、操作風(fēng)險、其他風(fēng)險四個方面分別選取指標(biāo)對銀行的風(fēng)險建立模型，進行確切的量化分析.（1）信用風(fēng)險信用風(fēng)險是衡量商業(yè)銀行因為借款人不能及時償還債務(wù)及授信過度集中從而帶來的風(fēng)險，篩選的指標(biāo)涵蓋有：資本充足率X1和核心資本充足率X2、不良貸款率X3和不良貸款撥備覆蓋率X4、單個最大客戶貸款比率X5和最大十家客戶貸款比率為X6.（2）市場風(fēng)險市場風(fēng)險指標(biāo)主要是權(quán)衡商業(yè)銀行風(fēng)險受市場變動而波動的指標(biāo)，具體包括：成本收入比X7、資產(chǎn)負債比X8、凈資產(chǎn)收益率為X9、總資產(chǎn)利潤率為X10.（3）操作風(fēng)險目前對于操作風(fēng)險主要有四個研究視角：一是從銀行內(nèi)部人員素質(zhì)水平方面剖析操作風(fēng)險；二是基于銀行內(nèi)部管理的理論與方法，從銀行的業(yè)務(wù)交易層面研究操作風(fēng)險；三是構(gòu)建操作風(fēng)險損失計量模型；四是從相關(guān)法律政策方面研究操作風(fēng)險[12].因為多數(shù)商業(yè)銀行內(nèi)部數(shù)據(jù)不完整或者統(tǒng)計有較大誤差，對于操作風(fēng)險較難量化[13]，銀行內(nèi)部從業(yè)人員數(shù)量眾多且行為復(fù)雜，操作風(fēng)險的發(fā)生通常伴隨有信用風(fēng)險等其他風(fēng)險的發(fā)生，由操作風(fēng)險導(dǎo)致的銀行損失事件發(fā)生次數(shù)較少且損失數(shù)據(jù)主要通過其他風(fēng)險指標(biāo)間接反映，故對于操作風(fēng)險不再另選度量指標(biāo).（4）其他風(fēng)險主要從影響流動性風(fēng)險的方面選取指標(biāo)，通常包含有：流動性比例X11和存貸比例X12.各項指標(biāo)整理及其計算公式如表2.1所示：表2.1內(nèi)部風(fēng)險指標(biāo)概述表風(fēng)險類型符號指標(biāo)名稱計算公式信用風(fēng)險X1資本充足率X2核心資本充足率X3不良貸款率X4不良貸款撥備覆蓋率X5單一最大客戶貸款比率X6最大十家客戶貸款比率市場風(fēng)險X7成本收入比X8資產(chǎn)負債比X9凈資產(chǎn)收益率（ROE）X10總資產(chǎn)利潤率（RAE）其他風(fēng)險X11流動性比例X12存貸比例其中，銀行資本凈額為、核心資本凈額為、風(fēng)險加權(quán)資產(chǎn)為；次級類貸款為、可疑類貸款、損失類貸款為,各項貸款總額為；不良貸款余額為，貸款減值準(zhǔn)備為；總貸款額為、最大一家客戶貸款余額為、最大十家貸款余額為.營業(yè)支出額為、稅金及附加額為、資產(chǎn)減值損失為、營業(yè)凈收入額為；總資產(chǎn)總額為、總負債總額為；稅后利潤額為、所有者權(quán)益和少數(shù)股東權(quán)益之和為、平均資產(chǎn)總額為；其中流動性資產(chǎn)總額為、流動性負債總額為；各項貸款余額為、各項存款余額為.

3內(nèi)控視角下山東省商業(yè)銀行金融風(fēng)險度量模型的構(gòu)建3.1方法綜述在各類文獻中，評價商業(yè)銀行風(fēng)險的方法主要是層次分析法，喻勝華、陽林芝利用稀疏主成分分析法和熵值法分為多個指標(biāo)對商業(yè)銀行風(fēng)險進行綜合評價[14]；夏冉、史鏡琪運用主成分分析法對我國上市銀行經(jīng)營中的風(fēng)險進行測定[15]；聶瑞華、石洪波運用貝葉斯網(wǎng)絡(luò)法對上市證券公司建立了風(fēng)險預(yù)警模型進行研究[16].綜上所述，各類方法都是首先選取風(fēng)險指標(biāo)構(gòu)建風(fēng)險體系，再利用不同的定量方法將風(fēng)險進行量化，最后得出衡量風(fēng)險的得分?jǐn)?shù)值，在此基礎(chǔ)上對風(fēng)險的治理提出應(yīng)對方案.在處理多指標(biāo)統(tǒng)計問題中，多個指標(biāo)之間通常存在一定的關(guān)聯(lián)，指標(biāo)的維數(shù)過大會使問題復(fù)雜難解，如何找出少數(shù)不相關(guān)的變量并以此來代替較多且相關(guān)的變量成為解決多指標(biāo)統(tǒng)計問題的關(guān)鍵.本文旨在運用主成分分析法篩選出具有代表性的主成分，構(gòu)建綜合風(fēng)險評價體系.3.2主成分分析法原理步驟3.2.1主成分分析法原理主成分分析法是將選取的12個指標(biāo)X1~X12，剔除其中的有關(guān)聯(lián)的信息，提取出個數(shù)較少且能包含大量信息的綜合性指標(biāo)Fm，即為提取的m個主成分.Fm可表示為選取的12個指標(biāo)的線性組合，想要確定Fm的具體表達式，就要求解系數(shù)即可.按照各個主成分相互獨立、互不相關(guān)的原則構(gòu)造方程式如下：（3.1）3.2.2主成分分析法的計算步驟①標(biāo)準(zhǔn)化處理由于協(xié)方差矩陣的計算結(jié)果受變量單位的影響，所以需要在此之前進行標(biāo)準(zhǔn)化處理，通常用到的公式為：（3.2）其中，Yi為標(biāo)準(zhǔn)化后的對應(yīng)數(shù)據(jù)，和S是體現(xiàn)指標(biāo)X的樣本均值和樣本標(biāo)準(zhǔn)差.②計算協(xié)方差矩陣計算樣品數(shù)據(jù)的協(xié)方差矩陣：，其中()（3.3）③求出S的特征值及相應(yīng)的正交化單位特征向量設(shè)是S的前m個大于零的特征值，該特征值就表示了各個主成分相應(yīng)的方差，故原變量的第i個主成分Fi能夠如下表示：（3.4）其中，系數(shù)bi為特征值對應(yīng)的單位特征向量.④計算主成分方差貢獻率并確定個數(shù)設(shè)為主成分的方差貢獻率，用來放映信息量的大小，為對應(yīng)特征值占全部特征值之和的比重，設(shè)G(m)為方差累計貢獻率，表示前m個主成分方差貢獻率之和占總方差的比重，其計算公式如下：（3.5）（3.6）最終要決定共有幾個主成分，即中m的決定是經(jīng)由方差累計貢獻率G(m)來最終確定，當(dāng)，所對應(yīng)的最小的m即為主成分的個數(shù).⑤計算主成分載荷主成分載荷是反映主成分Fi與原變量Xj之間的彼此關(guān)聯(lián)水平的，原變量Xj在諸主成分Fi上的載荷lij計算公式如下：（3.7）⑥計算主成分得分按照已經(jīng)求得的系數(shù)計算在m個主成分上的得分：（3.8）綜上所述，在本文的探究中，設(shè)的協(xié)方差矩陣為S，其特征值由大到小為，相應(yīng)的單位化特征向量為，則由此而確定的主成分具體表示為：（3.9）

4內(nèi)控視角下縱向山東省商業(yè)銀行風(fēng)險的實證分析4.1樣本與數(shù)據(jù)選取按照選取的樣本數(shù)據(jù)全面、準(zhǔn)確、完備和易比較的原則，本文以山東省十大商業(yè)銀行2009-2018年10年的財務(wù)指標(biāo)數(shù)據(jù)為研究對象，其中所研究的十大銀行分別為齊魯銀行、青島銀行、威海銀行、濰坊銀行、東營銀行、日照銀行、萊商銀行、煙臺銀行、臨商銀行、濟寧銀行.本文所采用的統(tǒng)計數(shù)據(jù)均來自各大商業(yè)銀行年報.4.2數(shù)據(jù)處理與檢驗首先從時間維度上縱向考慮山東省商業(yè)銀行的風(fēng)險狀況，考慮近10年間山東省商業(yè)銀行整體的變化情況，即商業(yè)銀行的風(fēng)險隨時間變化的關(guān)系.所以需要對十個銀行每一年的數(shù)據(jù)進行合成，得出山東省商業(yè)銀行每一年的整合指標(biāo)數(shù)據(jù)，在此基礎(chǔ)上進行主成分分析.4.2.1一年指標(biāo)數(shù)據(jù)合成處理表4.1十年指標(biāo)合成后的描述信息N極小值極大值均值標(biāo)準(zhǔn)差方差資本充足率X1109.1414.4911.9771.54792.396核心資本充足率X2107.2811.209.4391.23361.522不良貸款率X3100.962.191.5280.41480.172不良貸款撥備覆蓋率X410171.03207.08191.32811.8606140.673單一最大客戶貸款比率X5105.079.326.5251.18461.403最大十家客戶貸款比率X61030.1647.9541.2476.186038.266成本收入比X71030.3843.8534.8533.954115.635資產(chǎn)負債比X81092.2097.8194.1361.63192.663凈資產(chǎn)收益率X91011.5238.2317.4707.716559.545總資產(chǎn)凈利率X10100.391.080.8790.19240.037流動性比例X111018.8168.1646.93713.4911182.010存貸比例X121056.1265.9762.3323.736913.965其中，按每一年各銀行資產(chǎn)總額占該年十家銀行資產(chǎn)總額的比重作為該年各商業(yè)銀行指標(biāo)數(shù)據(jù)合成的權(quán)數(shù).設(shè)某一年十家銀行的資產(chǎn)總額為別為Ai，則第i個銀行的指標(biāo)權(quán)數(shù)為：（i=1,2,…,10）（4.1）表4.1即為各年數(shù)據(jù)合成后的各項指標(biāo)的描述信息.4.2.2標(biāo)準(zhǔn)化處理通過觀察各銀行年報數(shù)據(jù)可知，在商業(yè)銀行的指標(biāo)體系中，大部分指標(biāo)為以百分比計算的指標(biāo)，原始變量區(qū)間跨度過大，為了使每一個變量在初始時對于該模型具有相同的影響，需要消除由于單位的不同可能帶來的影響，需將各原始變量作標(biāo)準(zhǔn)化數(shù)據(jù)預(yù)處理，標(biāo)準(zhǔn)化計算公式如下：（i=1,2,…,n）（4.2）其中，Yi為標(biāo)準(zhǔn)化后的對應(yīng)數(shù)據(jù)，和S分別表示指標(biāo)X的均值和標(biāo)準(zhǔn)差.表4.2為標(biāo)準(zhǔn)化處理后的統(tǒng)計量信息：表4.22009-2018年各統(tǒng)計量標(biāo)準(zhǔn)化處理結(jié)果表2018201720162015201420132012201120102009X11.271.620.07-0.19-0.53-0.220.71-0.70-1.83-0.20X20.540.68-1.240.890.450.001.43-0.27-1.75-0.73X30.410.030.371.600.46-1.37-0.91-1.37-0.331.11X4-1.111.331.18-1.71-0.350.270.88-0.69-0.250.44X5-0.28-0.112.360.43-0.70-1.23-0.84-0.300.600.07X6-1.67-1.790.180.340.820.170.03-0.151.080.98X7-1.13-0.90-0.950.28-0.230.320.682.280.01-0.36X8-1.11-1.19-0.22-0.21-0.01-0.32-0.310.101.002.25X9-0.77-0.59-0.40-0.47-0.300.050.030.28-0.522.69X100.060.160.21-0.050.061.040.780.73-2.54-0.46X111.570.860.66-2.08-0.69-0.27-0.360.40-0.320.23X120.34-0.80-1.43-1.66-0.390.530.970.900.900.654.2.3KMO和巴特利特檢驗KMO檢驗是判斷能分進行因子分析以及因子分析效果的檢驗指標(biāo).KMO值越趨近于1，說明變量之間的相關(guān)性越強.具體劃分如表4.3所示：表4.3因子分析與KMO值對應(yīng)表KMO值是否能做因子分析<0.5不適合做0.5~0.6不太適合做0.6~0.7勉強適合做0.7~0.8適合做0.8~0.9很適合做>0.9非常適合做巴特利特檢驗也是用來檢驗樣本是否適合進行因子的檢驗指標(biāo)，包括卡方值和顯著性水平，當(dāng)顯著性水平sig<0.05時，則樣本適合做因子分析.由于選取的變量個數(shù)大于時間期數(shù)，無法進行檢驗得到準(zhǔn)確結(jié)果，故按照各變量公因子方差的數(shù)值從大到小選取具有代表性的7個指標(biāo)進行分析，使分析結(jié)果與原始變量相比差別不大，而且結(jié)果更為合理.檢驗結(jié)果如表4.4所示：表4.4KMO和巴特利特檢驗表KMO取樣適切性量數(shù)0.612巴特利特球形度檢驗近似卡方41.906自由度15顯著性0.000由上表可知，總體樣本的KMO值為0.612，巴特利特檢驗近似卡方為41.906，檢驗的P值近似值是為0，小于0.05，也表明可以進行因子分析.4.3實證結(jié)果分析4.3.1主成分的確定用SPSS.23軟件處理數(shù)據(jù)，得到各變量的公因子方差值如表4.5所示.由表4.5可以看出，除了不良貸款撥備覆蓋率X4、總資產(chǎn)凈利率X10變量的信息損失度較大以外，其他變量的信息主成分都反映了80%以上.表4.5公因子方差表指標(biāo)初始提取X11.0000.975X21.0000.932X31.0000.925X41.0000.561X51.0000.760X61.0000.864X71.0000.772X81.0000.990X91.0000.956X101.0000.672X111.0000.848X121.0000.823用SPSS.23進行主成分分析可得到樣本數(shù)據(jù)的協(xié)方差矩陣及其特征值，其中前四個較大的特征值和其相對應(yīng)的累計貢獻率如表4.6所示：表4.6主成分信息主成分特征值貢獻率累計貢獻率F13.97633.1333.13F22.71422.6255.75F32.01116.7672.51F41.37811.4883.99根據(jù)SPSS.23分析結(jié)果可知，最大的特征值為3.976，前四個特征值均大于1，且其累計貢獻率已達到83.99%，說明前四個主成分已經(jīng)大體含括了指標(biāo)體系的大部分信息.故共計提取四個主成分.4.3.2主成分載荷計算通過SPSS.23分析結(jié)果可得，系數(shù)矩陣如表4.7所示：表4.7因子載荷矩陣表F1F2F3F4資本充足率X1-0.900-0.1160.1740.349核心資本充足率X2-0.6920.319-0.4750.355不良貸款率X30.104-0.764-0.3440.461不良貸款撥備覆蓋率X4-0.160-0.0660.7070.180單一最大客戶貸款比率X50.224-0.7990.166-0.208最大十家客戶貸款比率X60.9010.048-0.1950.110成本收入比X70.2920.767-0.263-0.166資產(chǎn)負債比X80.9060.0210.1930.363凈資產(chǎn)收益率X90.5120.2020.3250.740總資產(chǎn)凈利率X10-0.6150.427-0.0940.321流動性比例X11-0.402-0.0580.818-0.119存貸比例X120.2870.7440.426-0.073從上表中可以看出，主成分F1由三個主要因素所反映為：資產(chǎn)負債比X8、最大十家客戶貸款比率X6、資本充足率X1，從側(cè)面反映了商業(yè)銀行安全管理狀況；主成分F2由三個主要因素為所反映：單一最大客戶貸款比率X5、不良貸款率X3、成本收入比X7，從側(cè)面反映了商業(yè)銀行的存貸信用狀況；主成分F3由兩個主要因素所反映為：流動性比例X11、不良貸款撥備覆蓋率X4,從側(cè)面反映了商業(yè)銀行的流動性管理狀況；主成分F4由一個主要因素所反映為：凈資產(chǎn)收益率X9，從側(cè)面反映了商業(yè)銀行的盈利狀況.設(shè)上述因子載荷矩陣為，其中n=12，m=4.則主成分為子載荷數(shù)與各個指標(biāo)的乘積和，計算公式為：（4.3）根據(jù)上述公式，F(xiàn)1可具體表述為：同理，可根據(jù)公式（4.3）求得其他主成分F2、F3、F4的具體表示.4.3.3標(biāo)準(zhǔn)化的主成分得分標(biāo)準(zhǔn)化的主成分需要利用原有主成分和其相對應(yīng)的特征值來計算，具體計算公式計算公式為：（4.4）因此，標(biāo)準(zhǔn)化的成分得分矩陣元素的計算公式為：（4.5）其中，為標(biāo)準(zhǔn)化后得分矩陣第i行第j列的元素，為因子載荷陣第i行第j列的元素，為第j個因子對應(yīng)的特征值.根據(jù)上式標(biāo)準(zhǔn)化的主成分得分，可得到標(biāo)準(zhǔn)化的成分得分矩陣見下表4.8.表4.8標(biāo)準(zhǔn)化的成分得分矩陣Z1Z2Z3Z4資本充足率X1-0.226-0.0430.0870.253核心資本充足率X2-0.1740.117-0.2360.258不良貸款率X30.026-0.281-0.1710.334不良貸款撥備覆蓋率X4-0.040-0.0240.3510.131單一最大客戶貸款比率X50.056-0.2950.083-0.151最大十家客戶貸款比率X60.2270.018-0.0970.080成本收入比X70.0740.283-0.131-0.121資產(chǎn)負債比X80.2280.0080.0960.263凈資產(chǎn)收益率X90.1290.0740.1620.537總資產(chǎn)凈利率X10-0.1550.157-0.0470.233流動性比例X11-0.101-0.0220.407-0.087存貸比例X120.0720.2740.212-0.053設(shè)上述標(biāo)準(zhǔn)化得分矩陣為，其中n=12，m=4.則主成分為子載荷數(shù)與各個指標(biāo)的乘積和，計算公式為：（4.6）根據(jù)上述公式，Zm可表述為：同理，可得其他標(biāo)準(zhǔn)化后的主成分表達式，即為整個模型的最后表達式.4.3.4綜合指標(biāo)的計算及結(jié)論分析為了進行綜合指標(biāo)的計算，需要確定各主成分權(quán)重以把4個主成分得分按照相應(yīng)的權(quán)重進行加權(quán)求和，選取的權(quán)重以各成分對方差的貢獻率占總方差的比重為標(biāo)準(zhǔn)，則權(quán)數(shù)的計算公式為：（4.7）其中，為第i個主成分所對應(yīng)的權(quán)重，為第i個主成分所對應(yīng)的方差貢獻率,每一年指標(biāo)數(shù)據(jù)在各個主成分上的得分以及綜合得分如表4.9所示：表4.9各主成分得分以及加權(quán)后綜合得分表年份Z1Z2Z3Z4綜合得分2018-1.299-0.3470.288-0.346-0.602017-1.533-0.5500.6870.130-0.512016-0.550-1.6460.822-0.455-0.5320150.112-0.788-2.4300.372-0.6120140.1890.003-0.8670.221-0.082013-0.1651.1600.078-0.1350.252012-0.5391.2110.0230.5030.2220110.2841.5050.064-0.7720.4120101.651-0.3590.359-1.6940.3020091.338-0.1890.9842.1760.90經(jīng)過計算、、、.綜上，綜合得分計算公式為：（4.8）為了便于觀察綜合風(fēng)險指數(shù)變化趨勢，將其繪制成曲線圖如下圖4.1所示：圖4.1近十年山東省商業(yè)銀行綜合風(fēng)險指數(shù)曲線圖由圖4.1可以大致呈現(xiàn)出近十年商業(yè)銀行綜合風(fēng)險的變化趨勢，據(jù)此將近十年商業(yè)銀行風(fēng)險變化分為四個時段，第一時段為2009-2010年，第二時段為2010-2013年，第三時段為2013-2015年，第四時段為2016-2018年.第一時段2009-2010年為高風(fēng)險快速回落階段，其中2009年為近十年風(fēng)險最高的年份，這一時段風(fēng)險指數(shù)基數(shù)高、變動快，在一定程度上闡明了山東省商業(yè)銀行總體運轉(zhuǎn)良好，商業(yè)銀行的穩(wěn)定性在逐步增加，但風(fēng)險指數(shù)還是處于較高水平，仍需進一步防備整治風(fēng)險.第二時段2010-2013年較高風(fēng)險平穩(wěn)波動階段，這一時段幾年的風(fēng)險波動升降相互交替，但總體波動幅度不大，風(fēng)險綜合指數(shù)波動在0.1左右，說明商業(yè)銀行對風(fēng)險的管理起到了一定作用，不致風(fēng)險有大起大落的變化，但風(fēng)險水平相對來說還是較高，仍需要加強對金融風(fēng)險的管控.第三時段2013-2015年風(fēng)險穩(wěn)步下降階段，這一時段商業(yè)銀行金融風(fēng)險指數(shù)有了明顯的下降，說明商業(yè)銀行穩(wěn)健運行，使得山東省商業(yè)銀行金融風(fēng)險整體綜合水平有了明顯進步與提高.第四階段2015-2018年低風(fēng)險平穩(wěn)波動階段，這是新一輪的商業(yè)銀行金融風(fēng)險平穩(wěn)波動，風(fēng)險控制總體向好，預(yù)計在未來兩年山東省商業(yè)銀行金融風(fēng)險會在該水平上下微小浮動.下面分別選取各個主成分里最具有代表性的一個指標(biāo)對該模型進一步分析，分別選取第一主成分的代表性指標(biāo)資產(chǎn)負債比X8、第二主成分的代表性指標(biāo)單一最大客戶貸款比率X5、第三主成分的代表性指標(biāo)流動性比例X11、第四主成分的代表性指標(biāo)凈資產(chǎn)收益率X9，其隨時間的變化如圖4.2所示：圖4.2代表性指標(biāo)隨時間變化曲線圖由圖4.2可以看出，資產(chǎn)負債率與風(fēng)險綜合指數(shù)近似呈負相關(guān)關(guān)系，單一最大客戶貸款比例與風(fēng)險綜合指數(shù)近似呈正相關(guān)關(guān)系，流動性比例與風(fēng)險綜合指數(shù)近似呈負相關(guān)關(guān)系，凈資產(chǎn)收益率與風(fēng)險綜合指數(shù)近似呈正相關(guān)關(guān)系.因此，從銀行安全管理方面看，應(yīng)將資產(chǎn)負債率維持在一個較低的水平，才能使得風(fēng)險較小；從銀行信貸管理方面看，單一最大客戶貸款比例不宜過高，貸款應(yīng)分散結(jié)果擬合現(xiàn)實情況；從流動性和盈利性方面看，其結(jié)果與現(xiàn)實情況也較為擬合.

5內(nèi)控視角下橫向山東省商業(yè)銀行風(fēng)險的實證分析5.1橫向?qū)嵶C分析下的數(shù)據(jù)處理前文以時間為維度，縱向分析了近十年山東省商業(yè)銀行整體的風(fēng)險變化，現(xiàn)仍用綜合指標(biāo)主成分分析法，根據(jù)2018年山東省十家商業(yè)銀行的指標(biāo)數(shù)據(jù)，比對剖析各個商業(yè)銀行的在2018年一年的風(fēng)險情況.所篩選的指標(biāo)仍為上述12個指標(biāo)，所評述的銀行也為上述十家山東省商業(yè)銀行，下表為2018年各商業(yè)銀行的指標(biāo)數(shù)據(jù).其中，齊魯銀行到濟寧銀行依次為銀行1~銀行10.為消除量綱的不同，計算各指標(biāo)均值及方差進行標(biāo)準(zhǔn)化處理后的結(jié)果見表5.1.表5.12018年各商業(yè)銀行標(biāo)準(zhǔn)化處理結(jié)果表指標(biāo)銀行1銀行2銀行3銀行4銀行5銀行6銀行7銀行8銀行9銀行10X10.522.34-0.11-0.61-1.380.410.12-0.42-0.08-0.79X20.58-0.81-0.98-0.47-0.642.111.14-0.540.19-0.59X3-0.74-0.78-1.310.97-1.50.660.741.010.97-0.02X40.63-0.68-0.53-0.8-0.32-0.67-0.412.440.66-0.32X50.23-1.29-0.99-0.580.480.320.67-0.762.14-0.2X6-1.04-1.26-0.67-0.891.38-0.061.190.051.34-0.04X7-0.30.00-0.19-0.220.55-1.610.022.310.2-0.77X8-0.451.331.420.140.29-1.6-0.810.69-1.100.10X90.840.56-1.08-1.311.62-0.65-0.98-0.170.151.02X101.300.20-1.41-1.041.57-0.86-0.40-0.350.150.84X111.350.15-1.140.040.560.98-1.24-1.16-0.671.12X120.01-0.43-1.88-0.23-0.190.181.25-0.820.461.645.2橫向?qū)嵶C分析下主成分的確定用SPSS.23軟件對變量進行分析得到結(jié)果如下，由表5.2可以看出，除了資本充足率X1、存貸比例X12變量的信息損失度較大以外，其他變量的信息主成分都反映了80%以上.表5.2公因子方差表指標(biāo)X1X2X3X4X5X6X7X8X9X10X11X12初始1.001.001.001.001.001.001.001.001.001.001.001.00提取0.660.830.810.910.820.890.960.960.970.970.840.66從表5.3結(jié)果可得，最大的特征值為3.779，前四個特征值均大于1，故合計提取四個主成分，而且前四個特征值得累計貢獻率為85.75%，也清楚的闡明了前四個主成分已經(jīng)基本涵括了指標(biāo)體系的大部分重要信息.表5.3主成分信息主成分特征值貢獻率累計貢獻率F13.77931.4931.49F22.82323.5355.02F32.56921.4176.43F41.1199.3285.755.3橫向?qū)嵶C分析主成分表達式的確定可根據(jù)因子載荷矩陣?yán)锩娴脑卮_定四個主成分的表達式系數(shù)，其中，因子載荷矩陣表5.4所示：表5.4因子載荷矩陣表指標(biāo)F1F2F3F4資本充足率X1-0.239-0.040-0.5160.581核心資本充足率X20.748-0.311-0.3430.240不良貸款率X30.442-0.6970.1500.319不良貸款撥備覆蓋率X4-0.062-0.1170.7610.560單一最大客戶貸款比率X50.848-0.0270.296-0.112最大十家客戶貸款比率X60.614-0.0600.597-0.392成本收入比X7-0.395-0.1080.8630.219資產(chǎn)負債比X8-0.9470.2020.111-0.116凈資產(chǎn)收益率X90.1300.9270.2770.140總資產(chǎn)凈利率X100.2830.8850.2940.157流動性比例X110.3110.703-0.4670.180存貸比例X120.7870.181-0.0400.059從上表中可以看出，主成分F1由三個主要指標(biāo)所反映為：資產(chǎn)負債比X8、單一最大客戶貸款比率X5、存貸比例X12；主成分F2由三個主要指標(biāo)所反映為：凈資產(chǎn)收益率X9、總資產(chǎn)凈利率X10、流動性比例X11；主成分F3由兩個主要指標(biāo)反映為：成本收入比X7、撥備覆蓋率X4；主成分F4由一個主要指標(biāo)所反映為：資本充足率X1.將上述矩陣中的信息帶入公式（4.3），則橫向分析下的主成分F1，可以具體表述為：同理可得其他主成分F2、F3、F4的表達式.5.4橫向分析下的標(biāo)準(zhǔn)化主成分綜合得分根據(jù)公式（4.5）計算主成分的變量系數(shù)向量即標(biāo)準(zhǔn)化的主成分得分結(jié)果如表5.5所示：表5.5標(biāo)準(zhǔn)化成分得分矩陣指標(biāo)Z1Z2Z3Z4資本充足率X1-0.063-0.014-0.2010.519核心資本充足率X20.198-0.110-0.1330.215不良貸款率X30.117-0.2470.0580.285不良貸款撥備覆蓋率X4-0.016-0.0410.2960.501單一最大客戶貸款比率X50.224-0.0100.115-0.100最大十家客戶貸款比率X60.162-0.0210.232-0.350成本收入比X7-0.105-0.0380.3360.196資產(chǎn)負債比X8-0.2510.0720.043-0.104凈資產(chǎn)收益率X90.0340.3280.1080.125總資產(chǎn)凈利率X100.0750.3130.1140.140流動性比例X110.0820.249-0.1820.161存貸比例X120.2080.064-0.0150.053將上述矩陣內(nèi)的信息帶入公式（4.6），則Z1可具體表述為：同理可得其他標(biāo)準(zhǔn)化主成分Z2~Z4的表達式.5.5橫向分析綜合指標(biāo)的確定與結(jié)論仍以各成分對方差的貢獻率占總方差的比重，作為各主成分的權(quán)重對風(fēng)險進行綜合評估，按照公式（4.7）計算各權(quán)重結(jié)果為：、、、綜上，綜合得分計算公式為：按照上述公式計算綜合得分如下：表5.6各商業(yè)銀行風(fēng)險綜合得分銀行名稱風(fēng)險加權(quán)綜合得分排名齊魯銀行0.458青島銀行-0.403威海銀行-1.011濰坊銀行-0.592東營銀行0.6010日照銀行-0.094萊商銀行0.055煙臺銀行0.055臨商銀行0.549濟寧銀行0.407由上述排名可以看出，威海銀行的綜合風(fēng)險最低，東營銀行的綜合風(fēng)險最高，但各銀行間綜合風(fēng)險水平相差不大，這是由于大部分銀行均遭到業(yè)內(nèi)監(jiān)管的制約，部分指標(biāo)有明確的監(jiān)管尺度.由決定各個主成分的因素可以看出，第一主成分是衡量商業(yè)銀行的流動性管理能力部分，在商業(yè)銀行內(nèi)部風(fēng)險控制中，應(yīng)當(dāng)首要重視流動性風(fēng)險的管理，其次第二主成分代表了商業(yè)銀行的盈利方面的具體情況，說明在風(fēng)險管理中處理好風(fēng)險和收益的關(guān)系十分重要，只有在低風(fēng)險的情況下保持一定的盈利能力，商業(yè)銀行才可以持久健康的發(fā)展.

6模型的改進6.1模型的缺陷從以上的研究可以發(fā)現(xiàn)，基于內(nèi)控視角只選取商業(yè)銀行的內(nèi)部指標(biāo)來度量商業(yè)銀行的風(fēng)險具有一定的局限性，單個獨立銀行不能滿足金融系統(tǒng)穩(wěn)定性的要求，與此同時商業(yè)銀行處于外部市場經(jīng)濟環(huán)境中，易受市場風(fēng)險影響，因此在商業(yè)銀行內(nèi)部指標(biāo)的基礎(chǔ)上，增加宏觀外部經(jīng)濟指標(biāo)的選取，對上述模型進行改進，進一步完善模型的不足之處.安起光等人對商業(yè)銀行的系統(tǒng)性風(fēng)險進行了定義，從微觀以及宏觀兩個層面，選取了14個指標(biāo)考慮銀行的系統(tǒng)性風(fēng)險，并由此提出了防備系統(tǒng)性風(fēng)險的意見和建議[17]；魏淑甜等人運用層次分析法從外部和內(nèi)部指標(biāo)，分為7個一級指標(biāo)，21個二級指標(biāo)對濟寧市商業(yè)銀行進行了綜合評價[18].6.2模型的改進6.2.1改進模型指標(biāo)的確定及數(shù)據(jù)處理在保留內(nèi)控視角下研究指標(biāo)的基礎(chǔ)上，在宏觀層面上選取商品價格指數(shù)（CPI）、貨幣供應(yīng)量增長率、GDP增長率、人民幣兌美元匯率、拆借平均利率五個指標(biāo)對商業(yè)銀行的風(fēng)險進行更為全面的度量.其中商品價格指數(shù)（CPI）和貨幣供應(yīng)增長率主要是衡量國內(nèi)貨幣風(fēng)險，GDP增長率主要是衡量一國經(jīng)濟增長的指標(biāo)，在這里用來作為權(quán)衡經(jīng)濟增長因素帶來的風(fēng)險，人民幣兌美元匯率主要是衡量國際風(fēng)險，拆借平均利率主要是衡量利率風(fēng)險.表6.1改進后商業(yè)銀行風(fēng)險指標(biāo)表指標(biāo)指標(biāo)符號指標(biāo)名稱內(nèi)部指標(biāo)X1資本充足率X2核心資本充足率X3不良貸款率X4不良貸款撥備覆蓋率X5單一最大客戶貸款比率X6最大十家客戶貸款比率X7成本收入比X8資產(chǎn)負債比X9凈資產(chǎn)收益率（ROE）X10總資產(chǎn)利潤率（RAE）X11流動性比例X12存貸比例外部指標(biāo)X13商品價格指數(shù)（CPI）X14貨幣供應(yīng)量增長率X15GDP增長率X16人民幣兌美元匯率X17拆借平均利率通過查閱2009-2018年全國統(tǒng)計年鑒，搜集確定了所選取的外部指標(biāo)的統(tǒng)計數(shù)據(jù)，而且對其進行了進一步的標(biāo)準(zhǔn)化處理，結(jié)果如表6.2所示：表6.2商業(yè)銀行風(fēng)險指標(biāo)標(biāo)準(zhǔn)化處理結(jié)果表指標(biāo)2018201720162015201420132012201120102009X11.271.620.07-0.19-0.53-0.220.71-0.7-1.83-0.2X20.540.68-1.240.890.450.001.43-0.27-1.75-0.73X30.410.030.371.600.46-1.37-0.91-1.37-0.331.11X4-1.111.331.18-1.71-0.350.270.88-0.69-0.250.44X5-0.28-0.112.360.43-0.70-1.23-0.84-0.300.600.07X6-1.67-1.790.180.340.820.170.03-0.151.080.98X7-1.13-0.90-0.950.28-0.230.320.682.280.01-0.36X8-1.11-1.19-0.22-0.21-0.01-0.32-0.310.101.002.25X9-0.77-0.59-0.40-0.47-0.300.050.030.28-0.522.69X100.060.160.21-0.050.061.040.780.73-2.54-0.46X111.570.860.66-2.08-0.69-0.27-0.360.40-0.320.23X120.34-0.80-1.43-1.66-0.390.530.970.900.900.65X13-0.43-0.37-0.11-0.50-0.110.280.282.080.73-1.85X14-0.87-1.06-0.52-0.18-0.36-0.12-0.09-0.120.912.41X15-0.67-0.581.771.760.10-0.32-0.40-1.08-0.730.14X161.100.850.46-1.03-1.33-1.15-0.73-0.200.911.13X170.170.37-0.800.001.040.510.860.99-1.30-1.856.2.3改進模型主成分的確定據(jù)SPSS.23分析結(jié)果可知，樣本協(xié)方差矩陣共有五個大于1的特征值，前5個特征值得累計貢獻率已達到92.66%.SPSS.23提取的五個主成分信息如表6.3所示：表6.3主成分信息主成分特征值貢獻率累計貢獻率F15.47432.2032.20F23.97623.3955.59F33.01817.7673.35F42.04212.0185.36F51.2417.3092.66此類情況下因子載荷矩陣為表6.4.表6.4因子載荷矩陣表指標(biāo)F1F2F3F4F5X1-0.611-0.5830.3110.4050.027X2-0.734-0.061-0.2530.538-0.189X30.410-0.692-0.3910.219-0.326X40.019-0.1950.4670.1160.729X50.450-0.567-0.085-0.5390.306X60.7150.429-0.4530.0030.179X7-0.1260.857-0.198-0.0440.121X80.9120.3210.0160.2270.044X90.6130.2170.1870.6550.202X10-0.6850.047-