基于聚類分析的存款保險(xiǎn)費(fèi)率影響因素研究

吳蘇林 吳一凡 楊勝剛

摘 要：以某省82家農(nóng)村商業(yè)銀行為對(duì)象，用單一財(cái)務(wù)指標(biāo)及其組合指標(biāo)衡量銀行的風(fēng)險(xiǎn)水平，采用K-means聚類方法得到農(nóng)村商業(yè)銀行的風(fēng)險(xiǎn)級(jí)別和費(fèi)率等級(jí)，根據(jù)樣本風(fēng)險(xiǎn)級(jí)別與費(fèi)率等級(jí)確定影響存款保險(xiǎn)費(fèi)率的重要因素。研究表明：資本充足率是影響存款保險(xiǎn)費(fèi)率的最重要的單一指標(biāo)，影響程度為59.76%;由資本充足率、不良貸款率、撥備覆蓋率及成本收入構(gòu)成的組合指標(biāo)影響費(fèi)率的程度最高為90.24%，組合的預(yù)測(cè)準(zhǔn)確率不低于80%。

關(guān)鍵詞： 存款保險(xiǎn)費(fèi)率;農(nóng)村商業(yè)銀行;影響因素;K-means聚類方法

中圖分類號(hào)：F832.1 ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ?文章編號(hào)：1003-7217（2021）03-0035-07

一、引言及相關(guān)文獻(xiàn)綜述

1933年美國(guó)建立存款保險(xiǎn)制度以來，該制度在全球范圍內(nèi)得到廣泛推廣。研究表明，存款保險(xiǎn)制度有利于防范銀行擠兌風(fēng)險(xiǎn)、保護(hù)存款者利益以及穩(wěn)定金融體系[1-4]，在國(guó)家金融安全網(wǎng)中正發(fā)揮越來越重要的作用。據(jù)國(guó)際存款保險(xiǎn)協(xié)會(huì)（IADI）數(shù)據(jù)顯示，截至2020年4月，共有146個(gè)國(guó)家（地區(qū)）建立存款保險(xiǎn)制度。我國(guó)于2015年正式實(shí)施《存款保險(xiǎn)條例》，要求所有存款類金融機(jī)構(gòu)按規(guī)定向管理機(jī)構(gòu)繳納保費(fèi)。存款保險(xiǎn)制度的核心是費(fèi)率厘定，我國(guó)實(shí)施的差別化費(fèi)率是根據(jù)銀行的經(jīng)營(yíng)狀況和風(fēng)險(xiǎn)水平制定不同的標(biāo)準(zhǔn)，能有效避免單一費(fèi)率所帶來的道德風(fēng)險(xiǎn)和逆向選擇等問題。因此，從銀行風(fēng)險(xiǎn)視角分析費(fèi)率的影響因素，有利于在當(dāng)前銀行業(yè)競(jìng)爭(zhēng)壓力加劇的背景下合理制定費(fèi)率標(biāo)準(zhǔn)，保障存款保險(xiǎn)制度的有效運(yùn)行。

目前，有關(guān)存款保險(xiǎn)定價(jià)的研究以期權(quán)定價(jià)法及預(yù)期損失定價(jià)法為主。以Merton（1977）為代表的期權(quán)定價(jià)法認(rèn)為，投保機(jī)構(gòu)繳納的保費(fèi)與其資產(chǎn)價(jià)值、資產(chǎn)價(jià)值的波動(dòng)率、無風(fēng)險(xiǎn)利率以及投保的期限有關(guān)[5-7]。此后，學(xué)者在Merton的基礎(chǔ)上重新度量了銀行資產(chǎn)價(jià)值及波動(dòng)率 [8-10]。國(guó)內(nèi)外學(xué)者將債務(wù)清償結(jié)構(gòu)、監(jiān)管寬容及所得稅效應(yīng)納入拓展模型中[11-13]，也有學(xué)者研究了利率風(fēng)險(xiǎn)、信貸風(fēng)險(xiǎn)及系統(tǒng)性風(fēng)險(xiǎn)等對(duì)存款保險(xiǎn)定價(jià)的影響[14-16]。預(yù)期損失定價(jià)方法的思想是根據(jù)銀行破產(chǎn)給儲(chǔ)戶帶來的預(yù)期損失確定保費(fèi)，由投保機(jī)構(gòu)的預(yù)期違約概率、風(fēng)險(xiǎn)敞口及違約損失率之積得出[17-19]。該方法克服了期權(quán)定價(jià)方法僅適用于上市銀行的缺陷，為非上市銀行的保費(fèi)定價(jià)提供了新的思路[20]。

定價(jià)方面的研究為完善存款保險(xiǎn)制度提供了豐富的理論基礎(chǔ)，但在實(shí)踐層面上，較少國(guó)家采用期權(quán)定價(jià)法和預(yù)期損失定價(jià)法來確定銀行的真實(shí)保費(fèi)。以美國(guó)為例，1993年率先采用風(fēng)險(xiǎn)差別費(fèi)率制度，根據(jù)CAMELS評(píng)級(jí)和資本等級(jí)劃分銀行風(fēng)險(xiǎn)等級(jí)，以此作為收取不同費(fèi)率的依據(jù)。2016年7月1日，美國(guó)進(jìn)一步完善風(fēng)險(xiǎn)差別費(fèi)率制度，頒布了《小型銀行存款保險(xiǎn)費(fèi)率制度》，以更能及時(shí)反映銀行風(fēng)險(xiǎn)狀況的財(cái)務(wù)指標(biāo)法確定費(fèi)率水平。具體來說，新財(cái)務(wù)指標(biāo)法是用加權(quán)平均的CAMELS與7個(gè)財(cái)務(wù)指標(biāo)分別乘以定價(jià)乘數(shù)，加總得到初始費(fèi)率。由此可見，美國(guó)聯(lián)邦存款保險(xiǎn)公司將影響費(fèi)率水平的因素聚焦于銀行自身的經(jīng)營(yíng)管理和風(fēng)險(xiǎn)水平，這對(duì)研究我國(guó)中小銀行差別費(fèi)率的影響因素具有指導(dǎo)和借鑒意義。

目前的研究亟需從以下三方面完善：首先，有關(guān)存款保險(xiǎn)費(fèi)率影響因素的實(shí)證研究較少，最主要的原因是真實(shí)的費(fèi)率數(shù)據(jù)難以獲取。已有研究大多以定價(jià)模型為基礎(chǔ)，加入可能的影響因素并重新測(cè)算費(fèi)率大小后得出結(jié)論，但這往往會(huì)受到模型設(shè)定和假設(shè)條件的干擾。其次，銀行自身的風(fēng)險(xiǎn)水平是決定費(fèi)率大小最直接關(guān)鍵的因素，CAMELS評(píng)級(jí)是確定銀行風(fēng)險(xiǎn)等級(jí)的重要方法之一，評(píng)級(jí)體系分別對(duì)資本充足率、資產(chǎn)質(zhì)量、經(jīng)營(yíng)管理、盈利水平、流動(dòng)性和市場(chǎng)風(fēng)險(xiǎn)敏感度賦予了不同的權(quán)重，代表了各自在風(fēng)險(xiǎn)評(píng)級(jí)中的重要程度，間接地反映對(duì)費(fèi)率大小的影響程度，但少有實(shí)證研究從銀行的財(cái)務(wù)實(shí)力和經(jīng)營(yíng)管理狀況來分析真實(shí)費(fèi)率的影響因素。最后，現(xiàn)有研究對(duì)中小銀行的費(fèi)率影響因素關(guān)注較少。近年來我國(guó)改革進(jìn)程不斷推進(jìn)，銀行間競(jìng)爭(zhēng)壓力有增無減，中小銀行因抗風(fēng)險(xiǎn)能力較弱，難以抵御較大的金融風(fēng)險(xiǎn)，破產(chǎn)概率高于大型銀行[21]。因此，明確中小銀行的費(fèi)率影響因素有利于監(jiān)管機(jī)構(gòu)完善中小銀行費(fèi)率核定體系，促進(jìn)中小銀行穩(wěn)健運(yùn)營(yíng)。

為此，本文收集了某省82家農(nóng)村商業(yè)銀行存款保險(xiǎn)相關(guān)數(shù)據(jù)，并參考美國(guó)的小銀行費(fèi)率制度以財(cái)務(wù)指標(biāo)法衡量農(nóng)村商業(yè)銀行的風(fēng)險(xiǎn)水平，實(shí)證分析影響銀行真實(shí)費(fèi)率的因素及其重要程度。在方法上，選用機(jī)器學(xué)習(xí)中的聚類分析，將真實(shí)費(fèi)率和財(cái)務(wù)指標(biāo)聚類分組，根據(jù)費(fèi)率等級(jí)和風(fēng)險(xiǎn)等級(jí)匹配程度確定影響因素。相對(duì)回歸模型較多的前提假設(shè)，聚類分析更加簡(jiǎn)便高效。

二、研究方法

經(jīng)濟(jì)學(xué)領(lǐng)域中多元線性回歸模型常被用來研究變量間的影響關(guān)系。隨著自變量的增加，分析單變量對(duì)因變量的相對(duì)重要性會(huì)變得復(fù)雜。另外，變量間的線性關(guān)系是模型使用的前提，但衡量銀行風(fēng)險(xiǎn)的財(cái)務(wù)指標(biāo)是否與真實(shí)費(fèi)率呈現(xiàn)線性關(guān)系，是否會(huì)在其他指標(biāo)的共同作用下改變影響程度，考慮這些問題也會(huì)增加模型的復(fù)雜度。隨著大數(shù)據(jù)時(shí)代的到來，機(jī)器學(xué)習(xí)技術(shù)迅速發(fā)展并廣泛應(yīng)用于多個(gè)領(lǐng)域[22]。其中，無監(jiān)督學(xué)習(xí)無論從學(xué)習(xí)能力還是從人工成本上看，挖掘分析數(shù)據(jù)的潛力更大。聚類分析是無監(jiān)督學(xué)習(xí)中最常用的一種方法，其目的是將具有相似特征的數(shù)據(jù)分在同一組，組內(nèi)相似度越高，組間差別度越大，聚類的效果越好[23]。利用計(jì)算機(jī)處理數(shù)據(jù)的能力，該方法能高效精準(zhǔn)地從復(fù)雜數(shù)據(jù)中提取有用信息。本文根據(jù)不同的財(cái)務(wù)指標(biāo)聚類樣本，進(jìn)而匹配不同級(jí)別的費(fèi)率，不僅能根據(jù)匹配率分析影響因素的重要程度，也能避免指標(biāo)間相互干擾所產(chǎn)生的問題。

相對(duì)而言，聚類分析的算法中基于劃分的算法相對(duì)運(yùn)用得較為廣泛。該算法是先指定好聚類中心或聚類個(gè)數(shù)對(duì)數(shù)據(jù)初步分組，通過迭代反復(fù)調(diào)整樣本與各組之前的距離，直到最優(yōu)函數(shù)收斂。K-means聚類算法作為基于劃分算法中經(jīng)典算法之一，于1967年由MacQueen正式提出，因其簡(jiǎn)單高效的特征一直被學(xué)術(shù)界廣泛應(yīng)用于不同學(xué)科領(lǐng)域[24-27]。該算法需要預(yù)先指定K個(gè)組，隨機(jī)選取K個(gè)中心，計(jì)算各數(shù)據(jù)與隨機(jī)中心間的距離，將數(shù)據(jù)分配到距離最近的一組，通過迭代更新中心點(diǎn)從而使各組總的誤差平方和SSE最小。

通過聚類分析確定費(fèi)率影響因素的過程：首先，根據(jù)農(nóng)村商業(yè)銀行繳納的真實(shí)保費(fèi)將82家農(nóng)村商業(yè)銀行聚類分為3個(gè)等級(jí);其次，從CAMELS評(píng)級(jí)的6個(gè)方面選擇財(cái)務(wù)指標(biāo)，標(biāo)準(zhǔn)化財(cái)務(wù)指標(biāo)后再次聚類劃分樣本;最后，計(jì)算兩次樣本劃分的匹配率確定費(fèi)率影響因素及影響程度。各個(gè)財(cái)務(wù)指標(biāo)度量了銀行不同方面的風(fēng)險(xiǎn)水平，在實(shí)際中銀行面臨的風(fēng)險(xiǎn)更加復(fù)雜多樣，需要考慮多個(gè)財(cái)務(wù)指標(biāo)綜合確定銀行風(fēng)險(xiǎn)水平。因此，分別從單個(gè)財(cái)務(wù)指標(biāo)、兩兩組合的財(cái)務(wù)指標(biāo)以及3個(gè)財(cái)務(wù)指標(biāo)組合聚類劃分樣本風(fēng)險(xiǎn)等級(jí)，多方面地確定費(fèi)率的重要影響因素。但多指標(biāo)間可能存在相互增強(qiáng)或抵消的作用，簡(jiǎn)單組合后可能無法真實(shí)反應(yīng)銀行的風(fēng)險(xiǎn)水平。管理者在銀行風(fēng)險(xiǎn)評(píng)估時(shí)往往采取謹(jǐn)慎保守態(tài)度，即考慮極端情況或是最壞情形，幫助管理者了解銀行面臨的潛在風(fēng)險(xiǎn)及抵御風(fēng)險(xiǎn)的能力，這在理論研究和實(shí)踐中發(fā)揮著重要作用[28-31]，因此，引入該思想修正銀行的風(fēng)險(xiǎn)等級(jí)。具體方法為：若多指標(biāo)組合后得到的風(fēng)險(xiǎn)等級(jí)與費(fèi)率等級(jí)不符，則取組合中級(jí)別最高（風(fēng)險(xiǎn)最大）的單個(gè)指標(biāo)所對(duì)應(yīng)的風(fēng)險(xiǎn)等級(jí)作為銀行最終風(fēng)險(xiǎn)評(píng)級(jí)，再次比對(duì)風(fēng)險(xiǎn)等級(jí)和費(fèi)率等級(jí)是否一致，得到匹配率。

三、數(shù)據(jù)選取及描述

我國(guó)銀行每年繳納兩次保費(fèi)，選取2017年下半年某省82家農(nóng)村商業(yè)銀行作為研究對(duì)象，根據(jù)其繳納的保費(fèi)計(jì)算出適用的存款保險(xiǎn)費(fèi)率。該省82家農(nóng)村商業(yè)銀行所用的財(cái)務(wù)指標(biāo)來源于年報(bào)數(shù)據(jù)、監(jiān)管報(bào)表及相關(guān)計(jì)算。

財(cái)務(wù)指標(biāo)的選擇對(duì)應(yīng)CAMELS評(píng)級(jí)的6大方面，分別是資本充足性、資產(chǎn)質(zhì)量、經(jīng)營(yíng)管理、盈利水平、流動(dòng)性和市場(chǎng)風(fēng)險(xiǎn)敏感度?？紤]樣本多為未上市的金融機(jī)構(gòu)及數(shù)據(jù)的可獲得性，從前5大方面選取了7個(gè)財(cái)務(wù)指標(biāo)，借鑒美國(guó)中小銀行費(fèi)率制度添加3個(gè)財(cái)務(wù)指標(biāo)，共選取了10個(gè)財(cái)務(wù)指標(biāo)。

在資本充足性方面，我國(guó)監(jiān)管部門采用資本充足率、一級(jí)資本充足率及核心一級(jí)資本充足率作為衡量標(biāo)準(zhǔn)。資本充足率由銀行的資本凈額與風(fēng)險(xiǎn)加權(quán)資產(chǎn)的比值計(jì)算而來，反映了銀行在債權(quán)人和存款人利益受損時(shí)，可用自有資本承擔(dān)損失的能力。由于樣本的資本充足率與一級(jí)資本充足率相差不到1%，一級(jí)資本充足率和核心一級(jí)資本充足率完全一致，因此，選取資本充足率作為資本充足性方面的評(píng)價(jià)指標(biāo)。此外，美國(guó)費(fèi)率體系下的杠桿率反映銀行一級(jí)資本占資產(chǎn)的比重，將其作為評(píng)價(jià)資本充足性的另一重要指標(biāo)。

在資產(chǎn)質(zhì)量方面，銀行主要的資產(chǎn)風(fēng)險(xiǎn)來源于貸款質(zhì)量。美國(guó)以不良貸款及租賃/總資產(chǎn)來衡量資產(chǎn)質(zhì)量。鑒于某省農(nóng)村商業(yè)銀行實(shí)際經(jīng)營(yíng)及數(shù)據(jù)可獲得性，用不良貸款率替代，即銀行的次級(jí)、可疑及損失貸款之和與貸款總額之比。不良貸款率越高意味著銀行的信貸資產(chǎn)質(zhì)量越差，不能收回貸款的可能性越大。此外，撥備覆蓋率衡量了銀行對(duì)不良貸款實(shí)際計(jì)提的損失準(zhǔn)備，也是考察銀行資產(chǎn)質(zhì)量的重要指標(biāo)。

經(jīng)營(yíng)管理方面的考核主要包括銀行業(yè)務(wù)政策、管理者的經(jīng)歷經(jīng)驗(yàn)及職員培訓(xùn)等非定量因素，因無定量指標(biāo)多選用其他指標(biāo)代替。本文選取了成本收入比作為第一個(gè)評(píng)價(jià)指標(biāo)，反映了銀行每單位收入所需付出的成本，該比率越低意味著銀行的經(jīng)營(yíng)管理能力越好。借鑒美國(guó)新費(fèi)率制度，選擇資產(chǎn)增長(zhǎng)率作為第二個(gè)指標(biāo)，通過銀行資產(chǎn)規(guī)模的增長(zhǎng)水平判斷銀行的發(fā)展?jié)摿Α?/p>

在考察盈利狀況方面，資產(chǎn)利潤(rùn)率是常用指標(biāo)之一。存貸款業(yè)務(wù)作為銀行的核心，凈利息收入在全部生息資產(chǎn)的比值也是重要的評(píng)價(jià)指標(biāo)。此外，加入美國(guó)制度的稅前利潤(rùn)/資產(chǎn)指標(biāo)，更全面地體現(xiàn)銀行運(yùn)用資產(chǎn)獲利的能力。

流動(dòng)性對(duì)銀行的經(jīng)營(yíng)管理活動(dòng)至關(guān)重要，若銀行因流動(dòng)性不足造成擠兌現(xiàn)象，很可能引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，嚴(yán)重影響金融體系的穩(wěn)定性。流動(dòng)性方面主要考量資產(chǎn)負(fù)債的管理能力、資金變現(xiàn)及籌集資金等能力，選取流動(dòng)性比例作為衡量指標(biāo)。

10個(gè)指標(biāo)因衡量的方面和角度不同分為正向和逆向指標(biāo)，分析前需要將各指標(biāo)一致化。正向指標(biāo)的標(biāo)準(zhǔn)化方法為（x-min ）/（max -min ），逆向指標(biāo)的標(biāo)準(zhǔn)化方法是（max -x）/（max -min ）。匯總指標(biāo)的計(jì)算方式及類型如表1所示。10個(gè)財(cái)務(wù)指標(biāo)的描述性統(tǒng)計(jì)如表2所示。

平均來看，資本充足率為12.57%，高于監(jiān)管機(jī)構(gòu)對(duì)非系統(tǒng)重要性銀行規(guī)定的10.5%;不良貸款率為3.61%，低于國(guó)際標(biāo)準(zhǔn)的不良資產(chǎn)率警戒線10%;撥備覆蓋率為184.95%，高于120%～150%的監(jiān)管標(biāo)準(zhǔn);成本收入比為36.30%，略微高于35%;資產(chǎn)利潤(rùn)率為1.06%，不低于風(fēng)險(xiǎn)監(jiān)管核心指標(biāo)規(guī)定的0.6%;杠桿率符合我國(guó)不低于4%的監(jiān)管要求;流動(dòng)性比例同樣滿足我國(guó)監(jiān)管機(jī)構(gòu)對(duì)商業(yè)銀行的流動(dòng)性規(guī)定。此外，樣本的撥備覆蓋率、流動(dòng)性比例和存貸款比率的標(biāo)準(zhǔn)差較大，即各家農(nóng)村商業(yè)銀行在計(jì)提損失和流動(dòng)性方面有明顯差異，而在其他指標(biāo)如資產(chǎn)利潤(rùn)率和凈息差表現(xiàn)出較小差異。

四、結(jié)果分析

存款保險(xiǎn)費(fèi)率是應(yīng)繳保費(fèi)與被保存款余額的比值。根據(jù)2017年下半年保費(fèi)及相關(guān)數(shù)據(jù)，計(jì)算出每家農(nóng)村商業(yè)銀行的存款保險(xiǎn)費(fèi)率。利用K-Means聚類方法，設(shè)置最大迭代次數(shù)為50次，K值設(shè)置為3，得到82家農(nóng)村商業(yè)銀行的費(fèi)率等級(jí)，如表3所示。聚類結(jié)果顯示，組間平方和與總平方和的比值為99.1%，依據(jù)費(fèi)率大小分為3個(gè)等級(jí)較為合理。

根據(jù)表3，82家農(nóng)村商業(yè)銀行的費(fèi)率可分為3個(gè)等級(jí)，級(jí)別越高，對(duì)應(yīng)的費(fèi)率值越大，意味著銀行的風(fēng)險(xiǎn)狀況及經(jīng)營(yíng)管理水平越差。從分類結(jié)果看，等級(jí)Ⅰ的費(fèi)率均值為0.0078，適用費(fèi)率Ⅰ的銀行占比24.39%;等級(jí)Ⅱ的費(fèi)率均值為0.0103，適用該檔費(fèi)率的銀行占全樣本的41.46%;等級(jí)Ⅲ的費(fèi)率均值為0.0157，適用該檔費(fèi)率的銀行占比為34.15%。

將10個(gè)指標(biāo)分別標(biāo)準(zhǔn)化，值越高代表銀行在對(duì)應(yīng)的評(píng)價(jià)方面表現(xiàn)越好，風(fēng)險(xiǎn)等級(jí)越低。再次使用K-means聚類方法將樣本分為3類，計(jì)算費(fèi)率等級(jí)與風(fēng)險(xiǎn)等級(jí)相匹配的樣本數(shù)量占比。10個(gè)指標(biāo)的匹配率如表4所示。

根據(jù)匹配率可知，資本充足率、資產(chǎn)利潤(rùn)率、稅前利潤(rùn)/資產(chǎn)及撥備覆蓋率4個(gè)指標(biāo)單獨(dú)解釋費(fèi)率等級(jí)的正確率至少為50%。但僅使用單個(gè)財(cái)務(wù)指標(biāo)作為確定金融機(jī)構(gòu)使用的費(fèi)率等級(jí)缺乏合理性，且單個(gè)指標(biāo)的正確率并未超過75%。因此，進(jìn)一步在10個(gè)指標(biāo)中選取2個(gè)隨機(jī)組合，共得到45種組合，根據(jù)組合指標(biāo)值再次分類樣本。具體的方法是隨機(jī)組合2個(gè)財(cái)務(wù)指標(biāo)，標(biāo)準(zhǔn)化后賦予相同權(quán)重，得到組合財(cái)務(wù)指標(biāo)值。2個(gè)財(cái)務(wù)指標(biāo)組合解釋費(fèi)率等級(jí)的程度如表5所示。

根據(jù)表4推測(cè)，4個(gè)匹配率最高的指標(biāo)兩兩組合后也應(yīng)是影響費(fèi)率水平最大的前6個(gè)指標(biāo)組合。表5結(jié)果顯示，財(cái)務(wù)指標(biāo)兩兩組合后，有4個(gè)組合符合預(yù)期。資本充足率和資產(chǎn)利潤(rùn)率、資本充足率和稅前利潤(rùn)/資產(chǎn)對(duì)費(fèi)率的影響程度最大，匹配率均為63.41%;資本充足率和撥備覆蓋率對(duì)費(fèi)率的影響為60.98%;資產(chǎn)利潤(rùn)率和稅前利潤(rùn)/資產(chǎn)對(duì)費(fèi)率的綜合影響為57.32%。此外，不良貸款率和成本收入比、成本收入比與稅前利潤(rùn)/資產(chǎn)的組合匹配率均為58.54%。結(jié)合表4、表5分析，匹配率最高的組合指標(biāo)對(duì)費(fèi)率的影響程度比單一指標(biāo)高不到5%，且存在指標(biāo)組合后影響程度變化的現(xiàn)象。在指標(biāo)兩兩組合中，賦予指標(biāo)相同的權(quán)重。但在實(shí)際中，監(jiān)管者往往采取更為謹(jǐn)慎的風(fēng)險(xiǎn)評(píng)估態(tài)度，可能賦予更大的權(quán)重給更能反映銀行風(fēng)險(xiǎn)的指標(biāo)或根據(jù)銀行面臨的最大風(fēng)險(xiǎn)評(píng)定風(fēng)險(xiǎn)等級(jí)。考慮“最壞情況”的思想在風(fēng)險(xiǎn)管理中非常重要，本文引入這一思想提高研究的可信度。

具體而言，選出財(cái)務(wù)等級(jí)與費(fèi)率等級(jí)不符的個(gè)體，將組合指標(biāo)中等級(jí)最高的單一指標(biāo)評(píng)級(jí)作為最終的財(cái)務(wù)等級(jí)，再次比對(duì)與費(fèi)率等級(jí)的相符程度，得到修正后的匹配率，結(jié)果如表6所示。

表6和表5對(duì)比發(fā)現(xiàn)，基于風(fēng)險(xiǎn)管理思想修正后，組合財(cái)務(wù)指標(biāo)能更好地解釋費(fèi)率等級(jí)。首先，表5中匹配率從高至低排序位列前6的組合（資本充足率和資產(chǎn)利潤(rùn)率、資本充足率和稅前利潤(rùn)/資產(chǎn)、資本充足率和撥備覆蓋率、不良貸款率和成本收入比、成本收入比和稅前利潤(rùn)/資產(chǎn)、資產(chǎn)利潤(rùn)率和稅前利潤(rùn)/資產(chǎn)）對(duì)應(yīng)在表6中分別提升了9.76%、9.76%、4.87%、4.87%、15.85%、1.22%。其次，修正后對(duì)費(fèi)率影響最大的前三組財(cái)務(wù)指標(biāo)與修正前相比也發(fā)生了變化，如表6所示，不良貸款率和撥備覆蓋率組合對(duì)費(fèi)率等級(jí)修正后的影響高至86.59%，資本充足率和不良貸款率組合后對(duì)費(fèi)率的影響顯著提升至80.49%，資本充足率和成本收入比的綜合影響程度也位居前三，匹配率為75.61%。最后，除資本充足率和撥備覆蓋率外，不良貸款率和成本收入比也是監(jiān)管機(jī)構(gòu)評(píng)估的重點(diǎn)。

本文進(jìn)一步研究多因素對(duì)費(fèi)率的綜合影響，用同樣的方式將3個(gè)財(cái)務(wù)指標(biāo)隨機(jī)組合，共得到120個(gè)組合指標(biāo)，并基于風(fēng)險(xiǎn)管理的思想修正結(jié)果。匹配率為前三的組合如表7所示。

表7顯示取3個(gè)指標(biāo)算術(shù)平均值作為組合指標(biāo)值進(jìn)行聚類，財(cái)務(wù)等級(jí)與費(fèi)率等級(jí)的匹配度并不高，而修正后的解釋力度大幅提升。資本充足率、不良貸款率和撥備覆蓋率三個(gè)指標(biāo)組合后的影響力高達(dá)90.24%，資本充足率、不良貸款率和成本收入比的組合為86.59%，不良貸款率、撥備覆蓋率和成本收入比的組合為85.37%。顯然，三個(gè)指標(biāo)相互組合對(duì)費(fèi)率等級(jí)的影響高于兩兩組合的影響。

為驗(yàn)證結(jié)論的普遍適用性，從樣本中隨機(jī)挑選41家，選擇2018年上半年的費(fèi)率及財(cái)務(wù)指標(biāo)數(shù)據(jù)，重復(fù)上文的研究方法，得到財(cái)務(wù)指標(biāo)等級(jí)與費(fèi)率等級(jí)如表8所示。

10家農(nóng)村商業(yè)銀行的費(fèi)率等級(jí)為Ⅰ，19家的費(fèi)率等級(jí)為Ⅱ，剩余12家的費(fèi)率為Ⅲ等級(jí)，各等級(jí)的銀行數(shù)量占比分別為24.39%，46.34%和29.27%。

在資本充足率、不良貸款率、撥備覆蓋率及成本收入比中隨機(jī)選取3個(gè)指標(biāo)得到4個(gè)組合。修正后的匹配度依然非常高，表明資本充足性、資產(chǎn)質(zhì)量及管理水平是影響費(fèi)率水平的重要因素，最高可在97.56%的水平上解釋費(fèi)率等級(jí)，結(jié)果如表9所示。

隨機(jī)抽取41家銀行并運(yùn)用相同的聚類算法和修正方法，結(jié)果顯示在2018年上半年，這4個(gè)指標(biāo)解釋程度仍在80%以上，說明本文的研究結(jié)果具有穩(wěn)健性。

五、結(jié)論及啟示

通過K-means聚類方法研究了存款保險(xiǎn)費(fèi)率的影響因素。結(jié)論1：資本充足率是影響存款保險(xiǎn)費(fèi)率最重要的單一因素，影響程度高達(dá)59.76%。這一結(jié)論從理論上驗(yàn)證了《中華人民共和國(guó)商業(yè)銀行法（修改建議稿）》中有關(guān)金融機(jī)構(gòu)風(fēng)險(xiǎn)監(jiān)管及處置機(jī)制的規(guī)定，其中明確規(guī)定監(jiān)管機(jī)構(gòu)或存款保險(xiǎn)基金管理機(jī)構(gòu)根據(jù)商業(yè)銀行的資本充足率水平采取相應(yīng)的早期糾正，因此監(jiān)管機(jī)構(gòu)在實(shí)際操作中需重點(diǎn)關(guān)注投保機(jī)構(gòu)資本充足率的變化，同時(shí)也應(yīng)拓寬中小銀行的資本補(bǔ)充渠道，完善資本補(bǔ)充機(jī)制，提高中小銀行的抗風(fēng)險(xiǎn)能力。結(jié)論2：多個(gè)財(cái)務(wù)指標(biāo)組合后能更全面地反應(yīng)銀行的風(fēng)險(xiǎn)水平，與費(fèi)率等級(jí)的匹配度更高。資本充足率和資產(chǎn)利潤(rùn)率作為前兩大重要因素，組合后對(duì)費(fèi)率的影響程度提高至63.41%，依然是最重要的組合指標(biāo)。此外，資本充足率、不良貸款率、撥備覆蓋率及成本收入比的3個(gè)進(jìn)行組合后解釋費(fèi)率等級(jí)的正確率最高為90.24%。因此監(jiān)管機(jī)構(gòu)制定中小銀行費(fèi)率時(shí)應(yīng)重點(diǎn)關(guān)注其資本充足性、資產(chǎn)質(zhì)量及管理水平，及時(shí)根據(jù)風(fēng)險(xiǎn)水平調(diào)整費(fèi)率等級(jí)，促進(jìn)銀行公平競(jìng)爭(zhēng)和審慎經(jīng)營(yíng)。結(jié)論3：美國(guó)小型銀行存款保險(xiǎn)費(fèi)率制度對(duì)我國(guó)農(nóng)村商業(yè)銀行具有一定適用性。本文借鑒美國(guó)直接采用財(cái)務(wù)指標(biāo)法確定小型銀行費(fèi)率的方法，得到解釋真實(shí)費(fèi)率水平80%以上的影響因素，說明選用的財(cái)務(wù)指標(biāo)較好地反映銀行風(fēng)險(xiǎn)信息，有利于小銀行審慎經(jīng)營(yíng)，對(duì)完善我國(guó)小型銀行存款保險(xiǎn)制度的早期糾正功能具有一定借鑒意義。

參考文獻(xiàn)：

[1] 張亞濤.存款保險(xiǎn)定價(jià)模型之探究[J].國(guó)際金融研究，2003（11）：35-38.

[2] 謝平，王素珍，閆偉.存款保險(xiǎn)的理論研究與國(guó)際比較[J].金融研究，2001（3）：1-12.

[3] 田國(guó)強(qiáng)，趙禹樸，宮汝凱.利率市場(chǎng)化、存款保險(xiǎn)制度與銀行擠兌[J].經(jīng)濟(jì)研究，2016（3）：96-109.

[4] 王道平.利率市場(chǎng)化、存款保險(xiǎn)制度與系統(tǒng)性銀行危機(jī)防范[J].金融研究，2016（1）：50-65.

[5] Merton R C . An analytic derivation of the cost of deposit insurance and loan guarantees： An application of modern option pricing theory[J]. Journal of Banking and Finance， 1977（1）： 3-11.

[6] Black F ， Scholes M . The pricing of options and corporate liabilities[J]. Journal of Political Economy， 1973（81）： 637-659.

[7] Merton R C . The theory of rational option pricing[J]. Bell Journal of Economics and Management Science， 1973（4）： 141-183.

[8] Marcus A J ， Shaked I . The valuation of FDIC deposit insurance using option-pricing estimates[J]. Journal of Money， Credit and Banking， 1984， 16（4）： 446-460.

[9] Merton R C . On the cost of deposit insurance when there are surveillance costs[J]. Journal of Business， 1978， 51（7）： 439-451.

[10]Ronn E I ， Verma A K . Pricing risk-adjusted deposit insurance： An option-based model[J]. Journal of Finance， 1986， 41（9）： 871-895.

[11]張金寶，任若恩.基于銀行債務(wù)的清償結(jié)構(gòu)存款保險(xiǎn)定價(jià)[J].金融研究，2007（6）：35-43.

[12]明雷，楊勝剛，鄧世杰.監(jiān)管懲罰、監(jiān)管寬容和存款保險(xiǎn)價(jià)格[J].管理科學(xué)學(xué)報(bào)， 2019， 22（8）：59-70.

[13]姜興坤，孫健，宋玉.引入所得稅的Merton模型存款保險(xiǎn)定價(jià)研究[J].統(tǒng)計(jì)與信息論壇，2013，28（3）：22-27.

[14]Duan J C ， Moreau A ， Sealey C W . Deposit insurance and bank interest rate risk： Pricing and regulatory implications[J]. Journal of Banking and Finance， 1995， 19： 1091-1108.

[15]Dermine J ， Lajeri F . Credit risk and the deposit insurance premium： A note[J]. Journal of Economics and Business， 2001， 53（5）： 497-508.

[16]Lee S C ， Lin C T ， Tsai M S . The pricing of deposit insurance in the presence of systematic risk[J]. Journal of Banking and Finance， 2015（51）： 1-11.

[17]魏志宏.中國(guó)存款保險(xiǎn)定價(jià)研究[J].金融研究，2004（5）：99-105.

[18]劉海龍，楊繼光.基于銀行監(jiān)管資本的存款保險(xiǎn)定價(jià)研究[J].管理科學(xué)學(xué)報(bào)，2011，14（3）：73-82.

[19]繆錦春，季安琪.基于預(yù)期損失理論的中國(guó)存款保險(xiǎn)定價(jià)[J].湖南科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015（3）：99-104.

[20]魏修建.我國(guó)地方性商業(yè)銀行存款保險(xiǎn)定價(jià)研究——基于預(yù)期損失定價(jià)模型的分析[J].經(jīng)濟(jì)問題，2014（11）：44-48.

[21]明雷，秦曉雨，朱紅.存款保險(xiǎn)研究新進(jìn)展：定價(jià)和制度效應(yīng)[J].財(cái)經(jīng)理論與實(shí)踐，2019，40（6）：39-46.

[22]何清，李寧，羅文娟，等.大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J].模式識(shí)別與人工智能，2014（4）：327-336.

[23]張靜.數(shù)據(jù)挖掘中聚類分析綜述[J].價(jià)值工程，2014（15）：226-227.

[24]MacQueen J. Some methods for classification and analysis of multivariate observation[C]∥Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability. Berkeley：University of California Press，1967：281-297.

[25]石云平，辛大欣.基于K-means聚類算法的分析及應(yīng)用[J].西安工業(yè)學(xué)院學(xué)報(bào)，2006（1）：45-48.

[26]周愛武，于亞飛. K-means聚類算法的研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011（2）：62-65.

[27]楊俊闖，趙超.K-Means聚類算法研究綜述[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（23）：7-14.

[28]潘岳漢，易曉溦.商業(yè)銀行壓力測(cè)試宏觀情景構(gòu)建及應(yīng)用——基于FAVAR模型[J].金融論壇，2018（11）：3-14.

[29]彭建剛，易昊，潘凌遙.基于行業(yè)相關(guān)性的銀行業(yè)信用風(fēng)險(xiǎn)宏觀壓力測(cè)試研究[J].中國(guó)管理科學(xué)，2015（4）：11-19.

[30]宋良榮，王文碩，陳錦磊.基于流動(dòng)性覆蓋率的商業(yè)銀行壓力測(cè)試實(shí)證研究[J].金融監(jiān)管研究，2016（5）：31-47.

[31]方意.中國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)研究——宏觀審慎視角下的三個(gè)壓力測(cè)試[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2017（2）：48-66.

（責(zé)任編輯：厲 亞）

Abstract：This paper studies 82 rural commercial banks in a province and uses K-means clustering method with the group standard of the deposit insurance premium rate and single financial index or combined index to get banks' ratings of insurance premium and risk profiles， and then matches the two ratings to find important factors affecting the deposit insurance premium rate. The results show that the capital adequacy is the most important single factor that affects the deposit insurance premium rate， and the influence degree is 59.76%; the combination of capital adequacy， non-performing loan ratio， provision coverage ratio and cost/income ratio can affect the premium rate， the combined index has a maximum influence on the premium rate of 90.24%， and the forecast accuracy of the combination is no less than 80%.

Key words：deposit insurance premium rate; rural commercial bank; factors; K-means clustering method