基于主成分分析的中国上市商业银行经营绩效研究
发布时间：2023-08-02 点击：
发布：《现代商业》杂志社
摘要：商业银行作为金融体系中的主要媒介在经济运行中占据重要地位其管理问题日益成为深化金融发展的重中之重。本文主要以我国上市商业银行为研究对象，利用25家上市商业银行2016年的经营数据，以商业银行的“三性”为出发点，充分考虑其成长能力，选取具有代表性的指标，通过主成分分析探索商业银行绩效水平的测度模型。最后得出计算综合绩效值的模型，并对观察期内的绩效水平进行分析，提出打造银行业多元化发展格局的建议。
关键词：商业银行；主成分分析；性能；经营管理
一、导言
银行资产是金融资产中最大的部分。我国商业银行作为金融体系中的主要媒介，在经济运行中占据重要地位，其业务与企业发展、金融体系运行和货币政策传导密切相关。这意味着商业银行的治理水平决定了中国的金融发展水平。
在评价商业银行经营绩效的过程中，国内外学者一直致力于量化商业银行的投入和产出。早期学者常用资产报酬率、沃尔评分法等。，主要是从参数或非参数的角度来量化银行的经营效率，以及从战略的实施效果，虽然数据简单易得。由此，衍生出大量利用非参数分析方法对商业银行绩效进行评价和排序的研究。其中，数据包络分析和主成分分析是学者们采用的主要方法。
另一方面，随着商业银行的不断发展，对其经营管理的要求也在不断提高。目前对银行绩效的研究大多没有采用传统的绩效衡量标准，而是从盈利性、安全性和流动性三个方面选取指标，通过对成分得分系数矩阵进行加权，建立综合绩效指标函数，值得参考。
二、基于主成分分析的绩效评价体系的构建
(一)主成分分析的原理
主成分分析(PCA)是1933年由Hoteling学者在Pearson关于引入非随机变量的研究基础上提出的。主成分分析作为一种数学分析方法，常用于多元研究中。
当变量数量较多时，变量之间往往可能存在某种相关性，导致变量反映的信息重叠。主成分分析为了将原始变量重新组合成独立的变量组，通过正交变换降低数据空间的维数，选择少数几个综合变量，尽可能完整地反映所有信息，不发生重叠。其基本思想是通过原始变量的几个线性组合来解释原始变量所反映的样本变异[2]。
(二)主成分分析理论的应用
1.商业银行管理的特殊性
商业银行是特殊的企业。商业银行虽然具有一般企业的性质，但其经营对象和业务不同于一般企业。商业银行的资本不仅来源于权益资本，还来源于存款业务吸收的社会闲散资金和资金结算相关业务的资本沉淀。为了保证商业银行的稳健经营，商业银行还必须根据巴塞尔协议的要求保证一定的资本充足率。在经营管理原则上，商业银行追求“三性”，即盈利性、流动性和安全性。这三个方面在商业银行的绩效评价中缺一不可。
从某种程度上说，商业银行所追求的三个特征既统一又矛盾。三者统一，商业银行才能有长期稳定的发展。流动性和安全性可以是一致的，但是，盈利性、流动性和安全性会相互冲突。当银行过于追求利润时，就会在借贷或投资业务上花费大量资金，削弱其清偿和支付能力，或者增加对外借款以扩大资金来源，从而放大经营风险。因此，为了实现高效管理，商业银行必须在它们之间建立一种相对平衡的关系。
同时，除了商业银行经营管理的要求外，成长性也是评价商业银行外部发展前景的一个重要方面。商业银行的成长能力主要体现在其资产或资本的扩张能力和业务的发展能力上。
2.指标的选择
在选取业绩指标时，本文从盈利性、安全性、流动性和成长性四个角度选取有代表性的指标进行数据收集[3]。
根据上述原则选择相应的指标:平均净资产收益率(X1)、每股收益(X2)、净息差(X3)、每股净资产(x4)，代表盈利能力；代表流动性的流动性比率(X5)和贷存比(X6)；代表安全性的不良贷款率(X7)、资本充足率(X8)、杠杆率(X9)、贷款集中度(X10)、拨备覆盖率(X11)；以及资产增长率(X12)和利润增长率(X13)。
可以观察到，在所有的指标中，有些指标对商业银行的经营绩效有积极的影响，如资产收益率、净利息差等。，但有些指标与绩效呈负相关，如不良贷款率、杠杆率等。，而有些指标是适中的[4]，比如流动性比率。流动性比例过高会造成大量资金闲置，利润下降，而流动性比例过低会影响业务发展。同时可以发现，有些指标有一定的相关性。部分商业银行处于快速发展期，资产增速和利润增速较高。由此带来的资产和利润的膨胀，引起了每股净资产、每股收益等指标的变化。因此，为了消除指标间的相互影响，找到最合理的商业银行绩效值模型，应该引入主成分分析法来确定指标在绩效评价中的作用。
三、主成分分析法下的商业银行绩效评价
(一)样本和数据
截至2016年底，中国a股市场共有25家上市银行，其中国有大型商业银行5家，城市商业银行7家，股份制商业银行8家，农村商业银行5家。按照样本选择全面、完整、可比的原则，本文以所有上市商业银行2016年的数据为研究对象。本文商业银行数据均来自上市商业银行2016年年报。
(二)数据处理和检验
1.数据处理
上市银行的所有指标中，大部分是相对指标，以百分比来衡量，而有些指标，如每股收益，是以元来衡量的；同时，变量地区之间的差异过大，也会影响实证结果，因此本文对数据采取了统一的标准化处理[5]:
Z_i=(X_i-X ̅)/S
其中i=1，2…n，x和s是指标x的样本均值和样本标准差。
2.数据验证
为了验证是否可以使用主成分分析法，即选取的指标是否合适，需要进行相关测试。如果测试失败，说明选择的指标有问题，需要重新选择。
本文的实证分析主要使用STaTa.14软件，因此选取了SMC和KMO检验。
(1)SMC检查
SMC是一个变量与所有其他变量的复相关系数的平方，即复回归方程的可确定系数。SMC值越高，变量之间的线性关系越强，这也说明主成分分析法更适用。
所有变量的SMC值都大于0.7，基本满足要求，说明这些变量之间有很强的相关性，可以用主成分分析法。但是在检验中，变量Z4的SMC值只有0.407，明显不符合要求。是保留还是对待Z4将在KMO之后讨论。
(2)KMO检验
Kaiser-Meyer-Olkin检验用于衡量变量之间的相关性，通过比较两个变量之间的相关系数和偏相关系数得到。KMO介于0和1之间。KMO越高，变量的共线性越强。总的标准是:低于0.5的KMO是不可接受的，而0.6是勉强接受的起点。
该指标体系下的KMO测试结果较差，总体水平仅为0.55。为了优化指标体系，删除了KMO值较小的指标Z3、Z4、Z10，重新进行了KMO检验，发现KMO整体水平达到了可接受的范围。这说明原来的指标体系是有问题的，由十个变量组成的新体系更合理。
(三)实证结果分析
利用STATA软件提取主成分，可以得到特征值、特征值贡献率及其累计贡献率的值(见表1)。
表1特征值和贡献率
主成分特征根贡献率(%)累计贡献率(%)
Comp1 4.163 41.63 41.63
Comp2 1.923 19.23 60.86
Comp3 1.492 14.92 75.78
Comp4 1.006 10.06 85.84
Comp5 0.470 4.70 90.54
Comp6 0.391 3.91 94.45
成分7 0.265 2.65 97.10
0.167 1.67 98.97
Comp9 0.071 0.71 99.68
Comp10 0.052 0.52 100.00
如果特征值大于1，根据表中的计算结果可以提取出前四个主成分，前四个主成分的累计贡献率已经达到85.84%，说明前四个主成分基本涵盖了指标体系的大部分信息，这四个主成分可以很好地解释25家商业银行的经营绩效。通过旋转载荷矩阵，可以得到相应的特征向量。
从表1可以看出，主成分I、II、III、IV的贡献率分别为41.63%、19.23%、14.92%、10.06%。从因子负荷矩阵可以得到前四个主成分的得分表达式:
f1 = 0.3411 Z1+0.2796 z2+0.1612 z5-0.3048 z6-0.3389 z7-0.1425 z8-0.3707 z9
+ 0.3553Z11 + 0.3666Z12 + 0.3917Z13
F2 =-0.0868 Z1-0.2979 z2+0.1750 z5-0.4619 z6-0.1457 z7+0.6135 z8+
0.4219 z9+0.2800 z11+0.0321 z12+0.0691 z13
F3 = 0.2067 Z1+0.1403 z2+0.6521 z5-0.1750 z6+0.3928 z7+0.0462 z8-
0.0192 z9-0.2948 z11+0.3134 z12-0.3731 z13
F4 = 0.5118 Z1+0.6117 z2-0.1573 z5+0.0953 z6-0.0010 z7+0.3702 z8+
0.1864 z9+0.0459 z11-0.3755 z12-0.1234 z13
在第一主成分因子中，变量Z12和Z13的权重大于其他因子的权重，因此第一主成分可以由这两个描述商业银行成长能力的指标来反映。
在第二主成分的因素中，变量Z8和Z9的权重大于其他因素的权重，因此第一主成分可以由这两个描述商业银行安全管理能力的指标来反映。
在第三主成分的因素中，变量Z5和Z7的权重大于其他因素的权重，因此第一主成分可以由这两个描述商业银行流动性管理能力的指标来反映。
在第四主成分的因素中，变量Z1和Z2的权重大于其他因素的权重，因此第一主成分可以由这两个描述商业银行盈利能力的指标来反映。
根据主成分分析及其权重设置，我们可以得到相应主成分的得分:
表2主成分得分矩阵
SCOR 1 SCOR 2 SCOR 3 SCOR 4
中国建设银行0.703 0.019-0.053 0.722
中国银行0.573 0.123-0.165 0.513
中国工商银行0.574-0.003-0.118 0.658
交通银行0.696 0.011-0.026 0.666
中国农业银行0.688 0.209 0.154 0.503
平安银行0.851-0.134-0.014 0.924
中国光大银行0.704 0.089 0.037 0.444
招商银行1.253-0.379 0.122 1.671
华夏银行0.967-0.342-0.068 1.293
中信银行0.658-0.042-0.128 0.667
民生银行0.857-0.167-0.015 0.904
兴业银行1.473-0.383 0.118 1.852
浦发银行1.172-0.468 0.019 1.636
上海银行1.610-0.172-0.064 1.747
杭州银行1.162-0.071 0.040 1.069
南京银行2.113 0.843 0.859 1.000
贵阳银行1.633 0.171 0.213 1.109
宁波银行1.890 0.335-0.521 1.367
北京银行1.161 0.191-0.337 0.893
江苏银行0.959 0.069-0.081 0.656
吴江银行0.751 0.196-0.271 0.536
江阴银行0.634 0.233-0.003 0.403
无锡银行0.787 0.297-0.297 0.479
常熟银行0.905 0.345-0.407 0.469
张家港0.643 0.244-0.266 0.413
为了进行综合评价，必须对四个主成分进行加权求和，其权重应与其贡献率密切相关，即W_i = θ_i/(∑ _ (j = 1) 4θ _ j)，θ_i为第I个主成分的方差贡献率，得到的W_i为第I个主成分对应的权重[6]。那么各商业银行加权综合得分的计算公式为:t _ j = w _ 1[[SCOR 1]_ j+w]_ 2[SCOR 2]_ j+w _ 3[[SCOR 3]_ j+w]_ 4[SCOR 4]_ j。
表3加权综合得分
Obs名称总分排名
1中国建设银行0.421 17
2中国银行0.337 24
3中国工商银行0.334 25
4交通银行0.414 19
5中国农业银行0.413 20
6平安银行0.489 13
7中国光大银行0.420 18
8招商银行0.740 6
9华夏银行0.532 11
10中信银行0.366 23
11民生银行0.482 14
12兴业银行0.866 5
13上海浦东发展银行0.659 8
14上海银行0.936 4
15杭州银行0.680 7
16南京银行1.181 1
17贵阳银行0.997 3
18宁波银行1.061 2
19北京银行0.652 9
20江苏银行0.543 10
21吴江银行0.424 16
22江阴银行0.406 21
23无锡银行0.453 15
24常熟银行0.500 12
25张家港0.369 22
从上市商业银行的总分可以看出，南京银行的业绩水平排名第一，而中国工商银行排名最后。尽管如此，商业银行之间的绩效水平差异相对较小，平均水平为0.587。这是由于商业银行监管严格，有些指标有明确的监控值。被观察的25家商业银行都已经上市，都属于比较优质的银行，所以大部分都能保持较好的水平。其中，大部分是城市商业银行，而大型国有商业银行和农村商业银行占据了较低的排名。
另一方面，根据2016年的数据，在评价商业银行的经营业绩时，可以发现盈利性指标占比36.99%，流动性指标占比22.53%，安全性指标占比29.47%，成长性指标占比11.01%。可以看出，2016年的数据得出的指标权重是合理的。商业银行作为企业，应该始终把盈利能力作为首要衡量标准，其次才是经营管理的安全性，这是保证可持续经营的基础。增长指标只占11%左右。大多数商业银行2016年资产增速或利润增速为负，部分农商行可以保持20%以上的增速。一方面，由于经济下行，商业银行在全行业的竞争力下降，大型银行规模萎缩。另一方面也说明商业银行管理水平的提高并不在于盲目扩张，高速增长能力只适用于刚刚起步的商业银行。同时，没有一项指标过重，这也说明商业银行始终是盈利性、安全性和流动性并重，业绩水平的提升在于三个方面的平衡和同时提升。
四、结论
本文以25家上市商业银行2016年的经营数据为基础，从商业银行现有的绩效水平出发，分析了我国上市商业银行经营管理的现状。最后发现，在绩效值的综合计算中，盈利性指标占36.99%，流动性指标占22.53%，安全性指标占29.47%，成长性指标占11.01%。
从改善商业银行经营管理方面来看，我国一方面需要加快国有企业改革，提高国有大型商业银行的管理效率，另一方面要鼓励银行业加入新鲜血液，即民间资本和外资的进入，大力发展城市商业银行和农村商业银行，打造银行业多元化发展的格局。
从绩效衡量的方法来看，本文采用的主成分分析法是科学的，但选取的是2016年的截面数据进行计算，得出的评价体系有一定的局限性。如何综合银行的历史水平和当前水平，预测未来发展趋势，仍然需要更加科学完善的方法和模型。
参考文献:
[1]张鹏. 基于主成分分析的综合评价研究[D].南京理工大学,2004.
[2]胡克嫚,曾志坚. 基于主成分分析的股票流动性的度量[J]. 财经理论与践,2005,(06):49-52.
[3]唐军. 主成分分析法在城市商业银行绩效评价中的运用[J]. 金融经济,2009,(12):68-69.
[4]虞茜. 基于主成分分析法的我国商业银行经营绩效分析[D]. 西南财经大学,2011.
[5]李婧,邓晶. 主成分分析在上市银行绩效评价中的应用[J]. 价值工程,2009,28(09):165-168.
[6]赵丽娟,霍丽芳,钟丽华. 基于主成分分析模型的商业银行绩效评价估计[J]. 河北建筑工程学院学报,2016,34(02):101-104.
关键词：商业银行；主成分分析；性能；经营管理
一、导言
银行资产是金融资产中最大的部分。我国商业银行作为金融体系中的主要媒介，在经济运行中占据重要地位，其业务与企业发展、金融体系运行和货币政策传导密切相关。这意味着商业银行的治理水平决定了中国的金融发展水平。
在评价商业银行经营绩效的过程中，国内外学者一直致力于量化商业银行的投入和产出。早期学者常用资产报酬率、沃尔评分法等。，主要是从参数或非参数的角度来量化银行的经营效率，以及从战略的实施效果，虽然数据简单易得。由此，衍生出大量利用非参数分析方法对商业银行绩效进行评价和排序的研究。其中，数据包络分析和主成分分析是学者们采用的主要方法。
另一方面，随着商业银行的不断发展，对其经营管理的要求也在不断提高。目前对银行绩效的研究大多没有采用传统的绩效衡量标准，而是从盈利性、安全性和流动性三个方面选取指标，通过对成分得分系数矩阵进行加权，建立综合绩效指标函数，值得参考。
二、基于主成分分析的绩效评价体系的构建
(一)主成分分析的原理
主成分分析(PCA)是1933年由Hoteling学者在Pearson关于引入非随机变量的研究基础上提出的。主成分分析作为一种数学分析方法，常用于多元研究中。
当变量数量较多时，变量之间往往可能存在某种相关性，导致变量反映的信息重叠。主成分分析为了将原始变量重新组合成独立的变量组，通过正交变换降低数据空间的维数，选择少数几个综合变量，尽可能完整地反映所有信息，不发生重叠。其基本思想是通过原始变量的几个线性组合来解释原始变量所反映的样本变异[2]。
(二)主成分分析理论的应用
1.商业银行管理的特殊性
商业银行是特殊的企业。商业银行虽然具有一般企业的性质，但其经营对象和业务不同于一般企业。商业银行的资本不仅来源于权益资本，还来源于存款业务吸收的社会闲散资金和资金结算相关业务的资本沉淀。为了保证商业银行的稳健经营，商业银行还必须根据巴塞尔协议的要求保证一定的资本充足率。在经营管理原则上，商业银行追求“三性”，即盈利性、流动性和安全性。这三个方面在商业银行的绩效评价中缺一不可。
从某种程度上说，商业银行所追求的三个特征既统一又矛盾。三者统一，商业银行才能有长期稳定的发展。流动性和安全性可以是一致的，但是，盈利性、流动性和安全性会相互冲突。当银行过于追求利润时，就会在借贷或投资业务上花费大量资金，削弱其清偿和支付能力，或者增加对外借款以扩大资金来源，从而放大经营风险。因此，为了实现高效管理，商业银行必须在它们之间建立一种相对平衡的关系。
同时，除了商业银行经营管理的要求外，成长性也是评价商业银行外部发展前景的一个重要方面。商业银行的成长能力主要体现在其资产或资本的扩张能力和业务的发展能力上。
2.指标的选择
在选取业绩指标时，本文从盈利性、安全性、流动性和成长性四个角度选取有代表性的指标进行数据收集[3]。
根据上述原则选择相应的指标:平均净资产收益率(X1)、每股收益(X2)、净息差(X3)、每股净资产(x4)，代表盈利能力；代表流动性的流动性比率(X5)和贷存比(X6)；代表安全性的不良贷款率(X7)、资本充足率(X8)、杠杆率(X9)、贷款集中度(X10)、拨备覆盖率(X11)；以及资产增长率(X12)和利润增长率(X13)。
可以观察到，在所有的指标中，有些指标对商业银行的经营绩效有积极的影响，如资产收益率、净利息差等。，但有些指标与绩效呈负相关，如不良贷款率、杠杆率等。，而有些指标是适中的[4]，比如流动性比率。流动性比例过高会造成大量资金闲置，利润下降，而流动性比例过低会影响业务发展。同时可以发现，有些指标有一定的相关性。部分商业银行处于快速发展期，资产增速和利润增速较高。由此带来的资产和利润的膨胀，引起了每股净资产、每股收益等指标的变化。因此，为了消除指标间的相互影响，找到最合理的商业银行绩效值模型，应该引入主成分分析法来确定指标在绩效评价中的作用。
三、主成分分析法下的商业银行绩效评价
(一)样本和数据
截至2016年底，中国a股市场共有25家上市银行，其中国有大型商业银行5家，城市商业银行7家，股份制商业银行8家，农村商业银行5家。按照样本选择全面、完整、可比的原则，本文以所有上市商业银行2016年的数据为研究对象。本文商业银行数据均来自上市商业银行2016年年报。
(二)数据处理和检验
1.数据处理
上市银行的所有指标中，大部分是相对指标，以百分比来衡量，而有些指标，如每股收益，是以元来衡量的；同时，变量地区之间的差异过大，也会影响实证结果，因此本文对数据采取了统一的标准化处理[5]:
Z_i=(X_i-X ̅)/S
其中i=1，2…n，x和s是指标x的样本均值和样本标准差。
2.数据验证
为了验证是否可以使用主成分分析法，即选取的指标是否合适，需要进行相关测试。如果测试失败，说明选择的指标有问题，需要重新选择。
本文的实证分析主要使用STaTa.14软件，因此选取了SMC和KMO检验。
(1)SMC检查
SMC是一个变量与所有其他变量的复相关系数的平方，即复回归方程的可确定系数。SMC值越高，变量之间的线性关系越强，这也说明主成分分析法更适用。
所有变量的SMC值都大于0.7，基本满足要求，说明这些变量之间有很强的相关性，可以用主成分分析法。但是在检验中，变量Z4的SMC值只有0.407，明显不符合要求。是保留还是对待Z4将在KMO之后讨论。
(2)KMO检验
Kaiser-Meyer-Olkin检验用于衡量变量之间的相关性，通过比较两个变量之间的相关系数和偏相关系数得到。KMO介于0和1之间。KMO越高，变量的共线性越强。总的标准是:低于0.5的KMO是不可接受的，而0.6是勉强接受的起点。
该指标体系下的KMO测试结果较差，总体水平仅为0.55。为了优化指标体系，删除了KMO值较小的指标Z3、Z4、Z10，重新进行了KMO检验，发现KMO整体水平达到了可接受的范围。这说明原来的指标体系是有问题的，由十个变量组成的新体系更合理。
(三)实证结果分析
利用STATA软件提取主成分，可以得到特征值、特征值贡献率及其累计贡献率的值(见表1)。
表1特征值和贡献率
主成分特征根贡献率(%)累计贡献率(%)
Comp1 4.163 41.63 41.63
Comp2 1.923 19.23 60.86
Comp3 1.492 14.92 75.78
Comp4 1.006 10.06 85.84
Comp5 0.470 4.70 90.54
Comp6 0.391 3.91 94.45
成分7 0.265 2.65 97.10
0.167 1.67 98.97
Comp9 0.071 0.71 99.68
Comp10 0.052 0.52 100.00
如果特征值大于1，根据表中的计算结果可以提取出前四个主成分，前四个主成分的累计贡献率已经达到85.84%，说明前四个主成分基本涵盖了指标体系的大部分信息，这四个主成分可以很好地解释25家商业银行的经营绩效。通过旋转载荷矩阵，可以得到相应的特征向量。
从表1可以看出，主成分I、II、III、IV的贡献率分别为41.63%、19.23%、14.92%、10.06%。从因子负荷矩阵可以得到前四个主成分的得分表达式:
f1 = 0.3411 Z1+0.2796 z2+0.1612 z5-0.3048 z6-0.3389 z7-0.1425 z8-0.3707 z9
+ 0.3553Z11 + 0.3666Z12 + 0.3917Z13
F2 =-0.0868 Z1-0.2979 z2+0.1750 z5-0.4619 z6-0.1457 z7+0.6135 z8+
0.4219 z9+0.2800 z11+0.0321 z12+0.0691 z13
F3 = 0.2067 Z1+0.1403 z2+0.6521 z5-0.1750 z6+0.3928 z7+0.0462 z8-
0.0192 z9-0.2948 z11+0.3134 z12-0.3731 z13
F4 = 0.5118 Z1+0.6117 z2-0.1573 z5+0.0953 z6-0.0010 z7+0.3702 z8+
0.1864 z9+0.0459 z11-0.3755 z12-0.1234 z13
在第一主成分因子中，变量Z12和Z13的权重大于其他因子的权重，因此第一主成分可以由这两个描述商业银行成长能力的指标来反映。
在第二主成分的因素中，变量Z8和Z9的权重大于其他因素的权重，因此第一主成分可以由这两个描述商业银行安全管理能力的指标来反映。
在第三主成分的因素中，变量Z5和Z7的权重大于其他因素的权重，因此第一主成分可以由这两个描述商业银行流动性管理能力的指标来反映。
在第四主成分的因素中，变量Z1和Z2的权重大于其他因素的权重，因此第一主成分可以由这两个描述商业银行盈利能力的指标来反映。
根据主成分分析及其权重设置，我们可以得到相应主成分的得分:
表2主成分得分矩阵
SCOR 1 SCOR 2 SCOR 3 SCOR 4
中国建设银行0.703 0.019-0.053 0.722
中国银行0.573 0.123-0.165 0.513
中国工商银行0.574-0.003-0.118 0.658
交通银行0.696 0.011-0.026 0.666
中国农业银行0.688 0.209 0.154 0.503
平安银行0.851-0.134-0.014 0.924
中国光大银行0.704 0.089 0.037 0.444
招商银行1.253-0.379 0.122 1.671
华夏银行0.967-0.342-0.068 1.293
中信银行0.658-0.042-0.128 0.667
民生银行0.857-0.167-0.015 0.904
兴业银行1.473-0.383 0.118 1.852
浦发银行1.172-0.468 0.019 1.636
上海银行1.610-0.172-0.064 1.747
杭州银行1.162-0.071 0.040 1.069
南京银行2.113 0.843 0.859 1.000
贵阳银行1.633 0.171 0.213 1.109
宁波银行1.890 0.335-0.521 1.367
北京银行1.161 0.191-0.337 0.893
江苏银行0.959 0.069-0.081 0.656
吴江银行0.751 0.196-0.271 0.536
江阴银行0.634 0.233-0.003 0.403
无锡银行0.787 0.297-0.297 0.479
常熟银行0.905 0.345-0.407 0.469
张家港0.643 0.244-0.266 0.413
为了进行综合评价，必须对四个主成分进行加权求和，其权重应与其贡献率密切相关，即W_i = θ_i/(∑ _ (j = 1) 4θ _ j)，θ_i为第I个主成分的方差贡献率，得到的W_i为第I个主成分对应的权重[6]。那么各商业银行加权综合得分的计算公式为:t _ j = w _ 1[[SCOR 1]_ j+w]_ 2[SCOR 2]_ j+w _ 3[[SCOR 3]_ j+w]_ 4[SCOR 4]_ j。
表3加权综合得分
Obs名称总分排名
1中国建设银行0.421 17
2中国银行0.337 24
3中国工商银行0.334 25
4交通银行0.414 19
5中国农业银行0.413 20
6平安银行0.489 13
7中国光大银行0.420 18
8招商银行0.740 6
9华夏银行0.532 11
10中信银行0.366 23
11民生银行0.482 14
12兴业银行0.866 5
13上海浦东发展银行0.659 8
14上海银行0.936 4
15杭州银行0.680 7
16南京银行1.181 1
17贵阳银行0.997 3
18宁波银行1.061 2
19北京银行0.652 9
20江苏银行0.543 10
21吴江银行0.424 16
22江阴银行0.406 21
23无锡银行0.453 15
24常熟银行0.500 12
25张家港0.369 22
从上市商业银行的总分可以看出，南京银行的业绩水平排名第一，而中国工商银行排名最后。尽管如此，商业银行之间的绩效水平差异相对较小，平均水平为0.587。这是由于商业银行监管严格，有些指标有明确的监控值。被观察的25家商业银行都已经上市，都属于比较优质的银行，所以大部分都能保持较好的水平。其中，大部分是城市商业银行，而大型国有商业银行和农村商业银行占据了较低的排名。
另一方面，根据2016年的数据，在评价商业银行的经营业绩时，可以发现盈利性指标占比36.99%，流动性指标占比22.53%，安全性指标占比29.47%，成长性指标占比11.01%。可以看出，2016年的数据得出的指标权重是合理的。商业银行作为企业，应该始终把盈利能力作为首要衡量标准，其次才是经营管理的安全性，这是保证可持续经营的基础。增长指标只占11%左右。大多数商业银行2016年资产增速或利润增速为负，部分农商行可以保持20%以上的增速。一方面，由于经济下行，商业银行在全行业的竞争力下降，大型银行规模萎缩。另一方面也说明商业银行管理水平的提高并不在于盲目扩张，高速增长能力只适用于刚刚起步的商业银行。同时，没有一项指标过重，这也说明商业银行始终是盈利性、安全性和流动性并重，业绩水平的提升在于三个方面的平衡和同时提升。
四、结论
本文以25家上市商业银行2016年的经营数据为基础，从商业银行现有的绩效水平出发，分析了我国上市商业银行经营管理的现状。最后发现，在绩效值的综合计算中，盈利性指标占36.99%，流动性指标占22.53%，安全性指标占29.47%，成长性指标占11.01%。
从改善商业银行经营管理方面来看，我国一方面需要加快国有企业改革，提高国有大型商业银行的管理效率，另一方面要鼓励银行业加入新鲜血液，即民间资本和外资的进入，大力发展城市商业银行和农村商业银行，打造银行业多元化发展的格局。
从绩效衡量的方法来看，本文采用的主成分分析法是科学的，但选取的是2016年的截面数据进行计算，得出的评价体系有一定的局限性。如何综合银行的历史水平和当前水平，预测未来发展趋势，仍然需要更加科学完善的方法和模型。
参考文献:
[1]张鹏. 基于主成分分析的综合评价研究[D].南京理工大学,2004.
[2]胡克嫚,曾志坚. 基于主成分分析的股票流动性的度量[J]. 财经理论与践,2005,(06):49-52.
[3]唐军. 主成分分析法在城市商业银行绩效评价中的运用[J]. 金融经济,2009,(12):68-69.
[4]虞茜. 基于主成分分析法的我国商业银行经营绩效分析[D]. 西南财经大学,2011.
[5]李婧,邓晶. 主成分分析在上市银行绩效评价中的应用[J]. 价值工程,2009,28(09):165-168.
[6]赵丽娟,霍丽芳,钟丽华. 基于主成分分析模型的商业银行绩效评价估计[J]. 河北建筑工程学院学报,2016,34(02):101-104.
