基于因子分析法的我国商业银行的财务评价
一、研究背景
商业银行作为主要金融机构，对经济一直有很强的辅助推动作用。财务状况又直接反映其竞争力，因而，为防范金融风险，促进商业银行的可持续，其应该注重运用财务绩效的评价的结果来做相关方面的提升，通过量化的数据，有针对性地“扬长避短”。立足于此背景，本文以我国境内主要的几家商业银行为研究对象，以具体数据作为支撑，发掘商业银行财务状况反映出的经营管理方面现今存在的问题与优势，并在此基础上发现我国商业银行的盈利增长点和发展突破口，为今后的经营和监管提供帮助。
二、文献综述
长期以来，我们一直运用财务分析手段对一般企业发展方向指路，但作为特殊企业的商业银行，其对应的财务绩效研究发展时间短、起步晚，但也在商业银行自身发展过程中日趋完善，走向成熟。秦志强、翟守强（2008）运用DEA法对内地商业银行的发现不同银行展现出了不同的问题，有针对地提供了意见，如建行与工行应通过削减冗员和不必要的机构来提高经营管理效率。孙君阳、徐娜（2011）利用14家上市商业银行运用2005-2009年的面板数据，建立模型后提出要构建薪酬综合指标评价体系的建议以提高商业银行的治理管理水平。虞茜（2011）基于主成分分析法，在资产安全能力上，提出要较低不良贷款率；基于当前发展机遇，要求加快银行的经营方式转型，促进金融创新，提高银行的内在竞争力；从商业银行内部控制出发，提出了弥补公司治理的欠缺之处、加强内部控制的希冀。从本文选择因子分析法，通过构建评价指标体系来实现对商业银行财务指标的综合分析。已有的文献中，大部分数据时间较早，已经不能反映当前实际情况，因此本文在已经进行的研究基础上，进行了以下创新：
（1）扩充了样本容量。本文选取了12家我国上市商业银行为研究样本，使得大样本的因子分析结果更具有说服力。
（2）更新了样本期。已有文献大部分的分析是11年之前的数据，不能体现动态的发展和长期综合实力，本文选择了2015年的各商业银行的年报，充分反映了当前商业银行财务状况。
三、研究设计
1.指标与方法的选取
本文综合选取了包含资本充足率、一级资本充足率、核心资本充足率、不良贷款率、拨备覆盖率、净资产收益率、资产总额、负债总额、净利润和成本收入比在内的10个财务指标。
本文综合选取了11家上市商业银行为样本，具体情况如表1：
2.利用主成分因子确定因子载荷矩阵
（1）单变量描述统计，如表2所示。
（2）相关系数矩阵及显著性水平检验，如图1所示.
（3）KMO及Bartlett球形检验
由图所示认为适合因子分析。
（4）变量共同度
共同度都比较高且都在0.7以上，信息覆盖较全面，被丢失信息较少，提取公因子的总体结果较为理想。
（5）方差解释表
图3显示：第一个的特征值为5.765，所占方差的比例为57.7%，由于存在过程内定取特征值大于1的原则，提取前三个因子的特征值所占方差的比重是91.07%，被放弃的其他6个因子解释的方差比例共计不足9%，提取这三个公因子能对问题做出良好的解释，覆盖到原始数据的足够的信息。一个十维的问题也可被降为三维，简化模型。
（6）碎石图
选取前三个公共因子，它们对原变量信息描述有显著作用，自第四个因子往后特征值小于1，说明前三个因子就能反映出大部分信息，佐证提取的前三个因子是科学合理的。
（7）主成分矩?
最终的因子载荷矩阵为：
F1=0986X1+0.976X2+0.929X3+0.137X4-0.392X5-0.041X6+0.959X7+0.957X8+0.972X9-0.152X10
F2=-0101X1-0.110X2-0.141X3+0.556X4+0.828X5+0.809X6+0.206X7+0.213X8+0.187X9-0.234X10
F3=-0019X1-0.085X2-0.067X3+0.759X4-0.101X5-0.222X6+0.074X7+0.078X8+0.003X9-0.902X10
3.对初始公共因子进行旋转
由图五，公因子F1、F2、F3在原始变量上的载荷值都相差不大，一个公因子能够同?冀馐投喔霰淞康男畔?，相关性强，不能典型代表原有变量的任何一个，在这种情况下，各公因子的实际含义模糊，不能明确解释其经济含义。正是因为如此，我们需要进行因子旋转，以便能更好地定义。
各公因子的经济含义。如图6：
XI=0.969F1-0.204F2-0.050F3
X2=0.959F1-0.198F2-0.116F3
X3=0.909F1-0.226F2+0.104F3
X4=0.189F1+0.370F2+0.855F3
X5=-0.296F1+0.869F2+0.075F3
X6=0.051F1+0.837F2-0.052F3
X7=0.975F1+0.079F2+0.103F3 X8=0.973F1+0.085F2+0.109F3
X9=0.986Fl+0.074F2+0.030F3
X10=-0.188F1-0.395F2+0.837F3
F1中各系数绝对值大的有：“资本充足率”、“一级资本充足率”、“核心资本充足率”、“资产总额”、“负债总额”、“净利润”；第二个变量反映了“不良贷款拨备覆盖率”、“净资产收益率”；第三个变量反映了“不良贷款率”、“成本收入比”。
4.综合评价
通过运用SPSS Statistics的实证分析，我们可以求得因子得分即各公因子的得分，从上面的实证分析可以得出本论文提前的公因子有三个，分别为F1、F2和F3，得到了公因子用原始变量表示的线性表达式，以便把原始数据变量的取值代入求得各公因子的得分值，即可求得三个公因子在各商业银行的得分，如图7。
F1=0164X1+0.162X2+0.152X3+0.051X4-0.018X5+0.043X6+0.177X7+0.177X8+0.179X9-0.047X10
F2=-0069X1-0.064X2-0.082X3+0.181X4+0.452X5+0.453X6+0.079X7+0.082X8+0.078X9-0.244X10
F3=-0026X1-0.070X2-0.061X3+0.565X4-0.024X5-0.059X6+0.070X7+0.073X8+0.020X9+0.574X10
观察协方差矩阵，不同因子之间的协方差为0，三个因子不相关的。通过成分得分函数及标准化了后原始变量的计算各因子得分数。本文使用SPSSS tatistics软件进行实证，在初始变量后面出现了3个新的定义为FACT1，FAC2，FAC3的变量即第一、第二、第三公因子的得分，也就是各银行所对应的，经过标准化的F1值、F2值、F3值。通过这三个公因子的值，可以对各个银行的公因子进行排名。由公式“综合得分=第一公因子的方差贡献率*第一公因子的得分+第二公因子的方差贡献率*第二公因子的得分+第三公因子的方差贡献率*第三公因子的得分”算出综合得分。
四、启示
本文运用因子分析法，整合商业银行发布的官方年报数据，建立因子方程。因子分析适合用于对商业银行的财务绩效评价的研究，加之因为经营数据的易得性，使得不仅监管部门可以进行专业的统计分析，也能让难以获取商业银行内部资料的社会研究者进行研究。
基于各因子得分，商业银行应优化资产结构，从途径降低不良?J款发生的可能性，以防备坏账的发生；同时发展中间业务，提升中间业务的质量；最重要是加速转型，提高金融创新能力。
