区域信贷成长环境评价与商业银行经济资本区域优化配置模型，本文主要内容关键词为：商业银行论文,区域论文,信贷论文,优化配置论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
商业银行为了实现即定约束条件下经济增加值的最大化，需要将有限的经济资本在各个经营区域之间进行配置。在经济资本的区域配置过程中，往往会出现一些极端的现象，比如某些区域的风险收益指标(RAROC)很好，如果商业银行仅根据这一指标来进行经济资本的优化配置，势必要将更多的经济资本配置到该区域。但是，该区域的宏观指标却显示该区域的信贷业务经济增加值(EVA)的成长空间有限，并不适合配置更多的经济资本。风险调整收益与经济增加值成长空间的关系相当于当前收益与长远收益的关系，商业银行在进行经济资本的区域配置中，既要考虑当前的风险收益，也要考虑到经济增加值的成长空间，并且赋予两者不同的权重。这样来进行经济资本的区域配置才是科学合理的。实体经济向来是金融发展的物质基础，判断商业银行未来的收益状况不可能脱离实体经济，因此本文引入信贷成长环境的概念，将该指标作为商业银行区域信贷业务经济增加值成长空间的间接指标，并选择了一些与信贷密切相关的宏观指标来评价区域的信贷成长环境。
二、经济资本与资本配置
商业银行信贷业务面临各种风险，可能导致资产出理损失，包括信用风险、操作风险和市场风险。这些风险统称为信贷风险。信用风险、操作风险和市场风险的损失分布各不相同，罗森贝里和舒尔曼(Rosenberg and Schuermann)描述了这些不同风险损失的分布形状。[1]不同风险分布的特征如表1所示。
信用风险不同于市场风险，市场风险意味着收益的波动性，既可能是更大的损失，也可能是更高的收益；而信用风险一旦发生，则只能意味着损失；操作风险大多数情况下导致的损失较小，但在极端情形下可能导致巨大的损失。商业银行的损失可以划分为预期损失(Expected Loss)、非预期损失(Unexpected Loss)和极端损失(Catastrophe Loss)。[2]预期损失是未来损失的数学期望，是可以预见的，一般是通过商业银行的风险拨备加以覆盖；非预期损失是商业银行在规定的置信度下，超过期望损失的潜在损失；极端损失是由于极端事件的冲击，超过商业银行可承受能力的损失。本文以信用风险的损失为例，信用风险各类损失如图1所示。
高迪(Gordy)假设信贷组合中不存在占绝对比重的资产，此时信贷资产分布较分散，集中度风险较小，如果借款者的收益率只受单个系统风险因子和异质风险因子的影响，那么信贷组合的经济资本为：[4]
则EVA＜0该资产会导致价值贬值。
商业银行在经营决策时，首先会根据自身的账面资本规模决定可承受的最大非预期损失。这个可承受的非预期损失就是商业银行每年的经济资本限额。商业银行的经济资本限额与自有资本规模的比值反映出了商业银行的风险偏好，该比值越高，说明商业银行越激进；该比值越低，说明商业银行越稳健。经济资本、RAROC和EVA已经被应用到先进商业银行的经营决策中，商业银行会将更多的经济资本配置到RAROC指标高的区域，以追求EVA的最大化。
经济资本应尽可能地配置到RAROC指标高的区域，但配置比重也不是越大越好。这是基于两方面的原因：第一是基于控制集中度风险的考虑，无论是多盈利的资产和区域，都必须有一个配置的集中度上限。RAROC仅仅是常规风险调整后的收益，并没有办法规避极端风险导致的损失，如美国次贷危机、欧洲债务危机等对金融机构的冲击。如果商业银行的资产过度集中于某一区域，在发生区域性经济或金融危机时就可能出现金融机构难以承受的损失。第二个原因是每个区域的市场资源是有限的，当商业银行把过多的信贷资源配置到某个区域时，有可能面临优质客户资源不足、新增客户资源信用等级低的问题，反而导致资产质量下降，影响到商业银行的长期风险收益，因此我们有必要对区域的信贷成长环境进行评价。
三、区域信贷成长环境评价方法
在进行经济资本的区域优化配置时，除了需要了解各区域分支机构的RAROC状况，还需要了解商业银行信贷业务在每个区域EVA的成长空间，因此我们必须对每个区域都有个整体评价。这个整体评价是基于一系列与商业银行信贷业务EVA成长密切相关的宏观指标。信贷成长环境是指商业银行在某区域进行信贷业务时所面临成长环境优劣的综合评价。它影响到商业银行EVA的成长空间。该综合评价越高，说明商业银行信贷业务在该区域所面临的成长环境越好，商业银行在该区域进行信贷业务EVA成长空间越大；反之则说明商业银行信贷业务在该区域所面临的成长环境越差，商业银行在该区域进行信贷业务EVA成长空间越小。信贷成长环境成为衡量商业银行信贷业务EVA成长空间的一个重要指标，也是经济资本进行区域配置的一个重要参考。商业银行应该将更多的经济资本配置到信贷成长环境得分更高的区域。
笔者知道，EVA是风险调整后的收益，而经济增加值的成长空间也涉及可持续性的概念，因此本文从收益、风险和可持续性三个方面来对区域的信贷成长环境进行综合评价。区域信贷成长环境综合评价所包含的指标如表2所示。
对区域信贷成长环境的综合评价，本文重点讨论两种方法：第一种是因子分析法，第二种是熵权法。这两种方法在原理上有所差异，前者侧重于降低维度，即将原来数量众多的指标所包含的信息用几个公共因子替代；后者侧重于权重确定，将所有指标作为一个系统，在这个系统内计算各个指标的权重。
(一)因子分析法
笔者在对区域信贷成长环境进行综合分析的时候，往往要对区域的许多指标进行分析，以期能够对区域信贷成长环境有比较全面完整的认识。这些指标数量众多。这无疑会增加分析过程中的计算工作量，并且变量之间都有或多或少的相关性，变量之间信息的高度重合也会给统计方法的应用带来许多障碍。因子分析法的主要思想是既要减少指标的个数，又要保证信息的尽可能全面。它是基于主成分分析法的延展。主成分分析法是将
2，…，n个主成分，对原变量总方差的贡献率依次递减。因子分析法通过主成分分析法生成几个公共因子能反映原有指标的绝大部分信息，一般是选取前几个对总方差贡献率较大的主成分作为公共因子，得到每个区域在各公共因子上的得分，并以各公共因子对于原有指标方差的贡献率作为权重，最后得到各区域信贷成长环境的综合得分和排名。
(二)熵权法
信息是一个系统有序程度的度量，熵是一个系统无序程度的度量。[5]如果某指标的熵越小，说明该指标有序程度越高，所提供的信息量越大，在综合评价中所起的作用越大，该指标的权重就应当越高，反之该指标的权重就应当越低。可见熵权法思想并不是降低维度，而是权重确定，最后得到基于多个指标的综合得分。本文假设有m个区域，笔者对每个区域都提取n个指标，各个区域指标值形成的矩阵如下：
(三)数据处理
在进行因子分析和熵权法分析之前，需要对数据进行必要的处理。由于有些指标是越大越好(本文称之为正向指标)，有些指标则是越小越好(本文称之为负向指标)，因此，要对指标进行同向化处理，并且为了消除各个指标数量级上的不一致，还需要对指标进行标准化处理。对于正向指标，可直接标准化处理，所用到的公式为：
(四)因子分析法和熵权法比较
在商业银行经济资本区域配置的过程中，因子分析法和熵权法有着很广阔的应用前景。如果仅仅对区域信贷成长环境优劣进行排名，那么可以采用因子分析法；如果需要对区域信贷成长环境优劣差异进行更为细致的比较，则可以采用熵权法。因子分析法的公共因子是经过正交旋转后得到的。这样的公共因子能把握住最核心的指标，各区域在公共因子上的得分可正可负，因此，因子分析法综合得分可正可负。这样的综合得分能够反映出区域信贷成长环境的优劣，但是可能把区域之间信贷成长环境的优劣差异放大或者缩小；而熵权法并没有对指标做太多的变动，而是把所有指标数值作为一个系统，在这个系统内计算指标的权重，熵权法区域综合得分均为正，综合得分差异几乎完全遵从于区域信贷成长环境的实际优劣差异。
四、区域信贷成长环境评价实证分析
笔者对中部六省2011年的数据进行研究，数据来源于中经网统计数据库、2011年中国统计年鉴和2011年中国金融年鉴。鉴于一些指标需要专家打分得出，所以本文没有选择该指标。如果N个指标之间满足一定的数量恒等关系，本文选择其中的N-1个指标。①本文选择的指标包括：区域生产总值、财政赤字与区域生产总值比值、工业企业单位数、工业企业资产合计、工业企业整体资产负债率、工业企业主营业务收入、社会消费品零售总额、固定资产投资总额、银行类金融机构存款余额、银行类金融机构贷款余额、银行类金融机构不良贷款率、城镇登记失业率(因子解释见表3)。
在对各省数据进行正向标准化处理后，本文通过SPSS软件对数据进行因子分析。本文在选择公共因子时，将默认的特征根值设定为大于1，在此基础上提取公共因子，可以得到三个公共因子。
根据表3，可以知道在进行正交旋转以后的三个公共因子对于原指标向量总方差的贡献率分别为61.271%，20.585%，11.620%。接着我们可以得到各个省在旋转后的各公共因子的得分，并且以公共因子对原指标的方差贡献率为权数，最终可以得到各个省信贷成长环境的综合得分和综合排名(见表4)。
下面本文通过熵权法来对各个省信贷成长环境进行综合评价，根据式(11)和式(12)，得到各指标的熵值以及权重如表5所示。
根据表5可以知道，工业企业单位数的指标权重最大，达到0.182；城市登记失业率(倒数)的指标权重最小，仅为0.008。根据各指标的权重以及实际指标值，得到的各个省信贷成长环境的综合得分与综合排名如表6所示。
通过比较因子分析法和熵权法得到的排名结果，除了湖南和安徽在排名上有次序的变化之外，其余省份的排名完全一致。通过对因子分析法得到的综合得分序列和熵权法得到的综合得分序列求相关系数，发现两者的相关系数高达0.978，得分序列高度正相关，两种方法互为佐证，说明因子分析法和熵权法在区域信贷成长环境评价上还是比较可靠的。
五、引入信贷成长环境的经济资本区域优化配置模型③
本文的商业银行经济资本区域优化配置模型，是在控制集中度风险的情形下，实现EVA的最大化。如果将经济资本过度地配置到RAROC值高的区域，从集中度风险的角度来看，集中度风险过高，从收益波动性角度来看，商业银行整体RAROC值的波动性过大。商业银行需要将整体RAROC值的波动控制在可承受的范围内，从这个角度上去控制商业银行的集中度风险。
本文利用Matlab软件对模拟的数据进行最优化求解，最后得到各区域最优的经济资本配置比重为(0.209，0.257，0.534)，最优解为0.385。
六、结论
商业银行既要关注当前风险收益，更要关注风险收益的可持续性，即长期风险收益。商业银行在进行经济资本的区域优化配置时，不能只关注区域分支机构自身经营的RAROC值，还应该关注区域信贷业务EVA的成长空间。这个成长空间是与区域的宏观因素相联系的。笔者在得到各区域的经济资本的最优配置比重和额度后，将最优额度与现有的实际额度进行比较，就能够得到下一步动态调整的方向。至于是否有更加贴切的指标来反映区域信贷EVA的成长空间，笔者认为关键在于宏观指标的选取。本文仅仅是提供了经济资本优化配置的一个新思路。
注释：
①比如，财政赤字与区域生产总值比值=财政赤字/区域生产总值，如果知道其中两个指标，就可以得到第三个指标，所以可以舍弃第三个指标。
②反向指标由于需要经过正向化才可以与正向指标一起使用，本文正向化的方法是对反向指标取倒数，因此本文在反向指标后面备注“倒数”。
③经济资本配置有两种含义：第一种是已知资产组合的经济资本，需要计算单个资产的经济资本；第二种是已知经济资本限额，需要将经济资本限额在各产品或区域之间进行分配，是资源优化配置的概念。本文所指的经济资本配置属于后者。
标签：商业银行论文; 经济资本论文; 环境评价论文; 信贷业务论文; 银行信贷论文; 信贷规模论文; 经济风险论文; 经济模型论文; 因子分析论文; 经济论文; 综合分析法论文; 商业银行风险论文; 金融论文; 银行论文; 风险权重论文; 风险模型论文; 经济学论文;