第二部分：亚洲银行竞争力研究的方法

　　本次竞争力研究基本沿袭去年所采用的研究方法，并在某些方面做了适当改进，以增加排名的信息含量。在评价的指标体系上，与去年一样，我们将银行竞争力定义为：“能为股东创造持续高额的未来收益”。任何当前的及未来的能为股东增加资本价值的主客观因素，都将有利于提升银行的竞争力。由此，我们将竞争力划分为三大方面：收益（即盈利能力）、客观指标ｘｉｉｉ及主观指标。其中，收益由资本回报率体现；客观因素包括银行规模、市场份额、资产质量、资产流动性、资本充足率、效率、存款基数及分行网络七个部分；主观因素通过对银行高管的访问获得。为了保持研究的连贯性，收益、客观指标两个分值的计算方法和去年完全一致，对于主观分值的获得，我们采用了一套全新的研究方法取得2007年的专家打分，并与2006年的得分进行加权平均得出2007年的最终得分，具体办法将会在后文提及。基于以上三方面因素，我们对亚洲10个国家（地区）的125家银行的竞争力作了排名。

　　在范围上，我们此次研究的区域集中于亚洲。亚洲国家银行的相似性很重要，这一点回答了我们为什么不在世界范围内，而在亚洲范围内作相应的研究。

　　在出发点上，我们对竞争力定义的出发点是从对股东回报的角度，排名研究的设计计算也都围绕这个角度展开。

　　在高管访问上，我们采取了面对面开放式问答加问卷调查的方式，我们的访问对象主要是一些身在香港及中国内地的亚洲银行家、投资银行分析师、银行信用风险评级机构研究人员及咨询机构的银行业咨询顾问。

　　在指标权重上，与去年一样，我们赋予收益、客观、主观三方面指标的分值各自1／3的权重，来衡量银行的竞争力。这一比重分配在2006年的研究中获得了广泛的认同。客观指标7个维度分指标的权重则保持跟去年一致。主观指标的数学计算过程下文会详细阐述。

　　一、银行的定义

　　我们其中一位受访者，一家国际知名银行的中国区行长提到，银行业今天已经很模糊了，传统商业银行业务、投行业务的界限变得很难分清。尽管如此，在我们的研究里，我们依然将这个界限含糊的产业做了清晰的界定：银行是吸收个人及企业存款，提供借贷及支付服务的金融机构。基于这个界定，我们将投资银行、金融公司、

资产管理公司和保险公司排除在样本之外。但是同时，我们也意识到，我们的某些样本银行所经营的业务已经超出了定义的界限，除传统业务外，它们提供多种新型银行产品及服务，并因为业务广度的增加，而提升了整体竞争力。

　　二、125家样本银行的由来

　　样本中的银行分别来自亚洲十个国家及地区：中国内地、中国香港、印度、日本、韩国、马来西亚、菲律宾、新加坡、中国台湾和泰国。其他亚洲国家（地区）的银行，例如印度尼西亚、越南、柬埔寨、老挝、缅甸及孟加拉国之所以被排除在我们的样本之外，是因为这些国家的银行基本上都非常本土化，因此难以正确地评判这些银行的竞争力。

　　我们的样本银行既包含了上市的公众银行，也包含了非上市的私有、国有银行，并包含了一些作为其他银行或金融机构的分支机构的银行。对于那些银行或其他金融机构的子银行来说，我们研究的对象是它在每个国家（地区）最大的独立实体。举例来说，我们将韩国花旗银行作为一个独立的银行来衡量，并未考虑它的控股公司，纽约花旗银行，或者它的最终控股公司花旗集团，而这两间母公司均在美国注册，因此不在我们的样本之内。对于收益分值和客观分值，我们尽可能地采用分支机构的数据来进行分析计算，但是在处理主观分值时，这种简单分割子公司和母公司的方式就会产生一些问题，母公司主观因素的竞争力对其有着深刻的影响。我们这种将子公司作为独立银行（同时将分行归总）的分类方式使得隶属于同一个集团的银行会被进行多次排名。一个极端的例子是渣打集团，它在排名中一共出现了五次，即渣打银行韩国、台湾、泰国、马来西亚及香港，如果将渣打银行视为一个全球性银行，则应只出现一次。

　　与去年不同的是，如果一家亚洲金融集团的主营业务是银行，我们会采用集团层面的数据。这种处理方式主要影响的是一些日本的巨型银行，例如中央三井信托银行、三菱日联金融集团、瑞穗金融集团、三井住友银行及住友信托银行。之所以这样做是为了保持数据的一致性，因为我们拥有所有集团的数据，而一些子公司的数据则缺失。

　　基于我们对银行的定义，样本中应该包括信用合作社，只要它们足够大，但是样本中没有这样的合作社。我们的定义排除了信用联盟，因为其主营业务是从会员合作社吸收存款和进行支付业务，而非针对广大公众，因此日本的信用金库和信用中央金库被排除在样本之外。

　　我们在分析中设置了样本银行的资产下限，用以控制参评银行的数量和可比性。但是如果我们对所有亚洲的国家（地区）的银行设定一个统一的资产下限，会使得样本中的日本银行（主要是区域银行）数量大幅上升，而如果我们调高资产上限，则会将某些国家（地区）的所有银行剔除。举个例子，假设我们将资产下限统一划定为200亿美元，那么所有的菲律宾银行将会被剔除。因此，我们遵循了去年的做法，即将资产下线划定为：泰国和菲律宾的银行为40亿美元，中国内地、中国香港、印度、韩国、马来西亚、新加坡和中国台湾的银行为100亿美元，日本的银行为400亿美元。即便这样，每个国家的银行数目也不统一，少至新加坡的3家，多至日本则有23家。与去年相比，每个国家的银行数目略有变化，因为我们去除了某些数据不全的银行（例如，印度的巴罗达银行及阿拉哈巴德银行）；一些发展较快、资产增长迅速的银行首次进入样本（例如香港的永隆银行）；而一些银行由于资产收缩至低于我们的下限而退出样本（例如香港的南洋商业银行）。

　　三、各分值计算方法

　　我们将银行竞争力定义为银行为股东创造持续高额的未来收益的能力，对于竞争力的衡量应该严格遵循这个定义。但是事实上并没有一个单一的衡量这种能力的方式。因此，在研究中，我们将竞争力分解为三方面分值：收益分值、客观分值、主观分值，并赋予每个分值同样的权重。其中，收益分值和客观分值通过商业数据库和公开的历史数据（主要来源于经过审计的银行财务报表）获取，而主观分值则是受访的银行业专家的预测。

　　由于竞争力关乎未来，人们有理由认为对于竞争力的衡量应该是前瞻性的－－应全部依赖于对未来的预测－－但是我们所采用的三个指标中有两个是关乎过去。如果我们能够获得没有任何偏见的、信息齐全的预测，我们将会采用它们，但是很可惜，我们没有。在金融理论中，预测公司价值最好的方法是通过股票的市场价格。如果市场是有效的，那么理论上，当前的股票价格包含了所有未来的红利收益和资本收益，因此这种预期是合理有效的。但是为什么我们不使用一些基于股票价格（例如市场－账面比率）的相对市场价值来衡量竞争力？这有两个原因：一是我们样本银行中的大部分没有公开发行股票。二是如果我们依赖当前市场价格，我们需对股票市场效率有相当的信心，但是事实上，我们并不能相信亚洲的股票市场（甚至整个世界股票市场）是完全有效的。市场的无效性意味着当前的价格并不是最合理的。因此，我们需要预测未来的价格走向来调整这种无效性。况且如果采用这种方式，我们的排名过程将会变成预测未来股票价格走向的过程。对此，股票分析员显然做得比我们好得多。

　　在计算最终竞争力分值时，我们将每家银行的各个分值标准化，即将分值减去所有样本银行的平均分值，再将差值除以所有样本银行分值的标准偏差。标准化是指将变量原有分布转换成平均值为0，标准偏差为1的分布。具体的做法是，将每个变量与分布的算术平均值之差除以分布的标准偏差，可由以下公式表示：（公式略，详见报）

　　其中，为分布的算术平均值，为分布的标准偏差。

　　Ｉ.收益分值

　　收益分值是Ｂａｎｋｓｃｏｐｅ数据库中上两年（2005年和2006年）资本回报率的简单算术平均。两年的平均资本回报率大至花旗银行（马来西亚）的33％，小至泰国银行的－31％。我们的样本中，没有一家银行的期末所有者权益为负值，因此，如果一家银行的资本回报率为负值，这意味着该银行的收益为负值，所以，不论是在取平均的过程中，还是在标准化的过程中，我们对这些负资本回报率的银行均没有做出任何调整。

　　对于使用过去的收益有很多的异议，因为过去的业绩并不能保证将来的业绩。在最近两年（2005年及2006年）中，亚洲银行年资本回报率的相关分值大约为39％，远远小于2004年与2005年的相关度65％。必须承认，相关分值越小，采用当前收益作为对未来收益的预测的有效性就会越低。但基于研究的连贯性以及备选方法的有限，我们依然采用了这种方法作为收益指标的度量。

　　ＩＩ.客观分值

　　以下是本次研究中用到的7个可通过Ｂａｎｋｓｃｏｐｅ数据库、“Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｆｉｎａｎｃｉａｌ Ｓｔａｔｉｓｔｉｃｓ”数据库或银行网页查到（指员工数目及分行数目）的客观因素及它们的构成指标：

　　*规模：以美元计价的银行资产总量。

　　*市场份额：银行资产占其所在国家（地区）所有银行总资产的比例。

　　*资产质量：银行对其借贷组合中的贷款损失预期进行定量控制的程度。可通过贷款损失准备金对受损贷款比率，和受损贷款对总贷款金额比率两个指标来衡量。

　　*资产流动性：银行在无需资本流失的情况下，满足非预期性的现金支付能力。可通过对流动资产对客户及短期资金比率，以及同业拆借率（借给银行的资金／从银行借来的资金）两个指标来衡量。

　　*资本充足率：用来弥补非预期损失的资本。我们用总资本与按巴塞尔协议Ｉ计算的总体风险资产之比，以及权益与总资产之比两个指标来衡量。

　　*效率：银行通过有效利用资源来使产出最大化的程度。我们通过成本对收入比率、净利息收入与产生利息资产的比率、业务收入（净利息收入加上非利息收入）与员工总数的比率三个指标来衡量。

　　*存款基数及分行网络：银行的核心存款基数对总存款比率，以及分行数目。

　　每个客观指标都经过标准化，每个客观因素的符号也都经过适当处理（例如，需要改变经过标准化的受损贷款对总贷款金额比率的符号，因为这个指标越高，银行资产越差）。当某个客观因素由超过一个指标构成时，该客观因素的分值将是几个分指标标准化后的简单算术平均。如果某家银行的某个指标缺失，我们赋予其一个零值作为标准化后的分值（标准化后的均值为零，即用平均值代替缺少的数值），而其他银行的标准化分值的计算则忽略该家银行。

　　数据缺失问题在资产质量指标中比较显著。其中，125家银行中有22家没有贷款损失准备金对受损贷款比率或受损贷款对总贷款金额比率。因此，我们需要赋予这些银行标准化后的分值一个零分值。在资产流动性和资本充足率方面，前者有31家银行缺失同业拆借率，后者有12家银行缺失巴塞尔总资本率，但是因为每个客观因素都由两个指标构成，因此减轻了问题的严重性。同样的，因为有三个指标衡量效率这个因素，33个由于员工数目缺失而造成中间业务收入与员工总数的比率缺失的数据，并不会对整体客观分值造成很大的影响。

　　客观分值最后是通过对所有客观因素的加权平均得到的，加权过程中所采用的权重与去年相同，即通过去年对77家银行高级管理人员及证券和债券高级分析师的访问得到的。七个指标中，权重最小的是存款基数及分行网络，为13.4％，最大的是资产质量，15.8％。我们相信，这些权重在过去的一年并没有发生很大的变化，因此应用在今年的研究中。但是正如我们去年所说的，真正的银行竞争力并不是客观因素的线性组合，即并非数值越大越好。每个客观因素的重要性实际上是非线性的，例如资产流动性和资本充足率如果超过了最优值就会变差。此外，权重和最优值的度量取决于特定的竞争环境。因此，客观分值只能作为银行竞争力的粗略估计，这也是综合竞争力需要根据收益、主观指标进行进一步综合的原因所在。

　　ＩＩＩ.主观分值

　　我们使用了专家问卷，采用访谈的形式来获取这些主观部分。我们与样本中每一家在中国内地及香港有分支机构的银行或其分支机构取得联系，并要求与他们的高级管理人员进行面对面访谈。我们同时接触了国际债券评级机构、咨询公司和投资银行，要求访问它们分析亚洲银行的首席分析师。今年我们在中国内地和香港一共走访了103位亚洲银行家，相比去年的较高的受访率主要得益于银行业和相关银行研究人员高度的研讨精神，我们由此获得了宝贵的数据和意见。在此，我们向他们致以衷心的感谢，并且为我们可能未能把他们所有的想法包含在我们的报告中，或过于简化，甚至可能误解了他们评估或者提供建议的银行而致歉。

　　与去年相比，今年的主观分值发生了较大的变化。我们去年所采用的方法是，对于每一个银行，我们将主观分值分解为七个指标；而今年，我们只衡量一个指标——未来五年的资本回报率——作为对竞争力的衡量。去年，我们要求每位受访者只对一个国家（地区）内的银行进行排名；而今年，我们要求受访者将两个国家（地区）的银行合并在一起进行排名。我们之所以将去年的9个主观指标缩减为今年的一个，是因为去年的访问结果显示：不管哪一个主观指标，受访的银行业专家所给出的排名都非常相似。从实证研究的角度，这种现象的出现，不论是因为受访者难以区分各种指标还是因为这些指标本身的相关性非常之大，都不重要，重要的是这种高度相关性，导致像去年那样将竞争力分割为七个主观因素并分别评分，没有了区分的意义。

　　今年我们直接请受访银行家选择两个其所熟悉的地区，将这两个地区的银行名单合并在一起，并根据它们的竞争力从高到低地排出前12家银行。如受访者认为前12名的银行均属于同一地区，我们则会请其继续排序直到至少一家属于另一地区的银行进入排名。如果两个地区的银行总数低于12，则是为所有银行排序。我们通过这种办法和较大量的访问得出一个2＋2...＋2的互相关联的排序网络。进而计算参评银行主观得分。计算的数学依据和过程如下。

　　对于由两个地区银行构成的成对列表，我们首先计算列表中每家银行的平均排名（“成对列表”由Ｐｉ，ｉ=1...ｎ表示）。例如，Ｐ1是由中国内地和香港构成的成对列表；Ｐ2是由中国内地和日本构成的成对列表，依此类推。因为我们的样本中一共有10个国家（地区），ｎ的最大值可以取到（102－10）／2=45。但是事实上，由于我们将中国内地和香港作为研究基地，我们的成对列表数目仅有20对，其中15对成对列表中包含了两个国家（地区）的银行，2对包含了一个国家（地区）的银行，2对包含了三个国家（地区）的银行，1对包含了4个国家（地区）的银行。成对列表数目的缺少降低了我们验证排名一致性及有效性的能力。

　　Ｐｉ是一个由ｊ，ｊ=1...ｍ个成员银行组成的有序向量，ｍ最小可取到10（对于菲律宾－新加坡这个成对列表来说），最大可以取到44（对于中国内地－日本这个成对列表来说）。在计算排名的时候，我们将所有选择第ｉ个成对列表的受访者的排名情况聚集在一起，每个银行排名的简单算术平均，就是Ｐｉ中的每个成员银行的平均排名。但是，在这之前，我们必须进行两项调整：去除自身银行及为未被排名的银行输入排名。

　　在排名过程中，我们要求每个受访者将其本身所属的银行，或者隶属于同一家母公司的银行排除在外，但是有些受访者仍然将这些银行进行了排名。因此在计算平均排名之前，我们首先需要回顾一下银行列表，将受访者自身所处的银行排除在外。举例来说，如果一共有五位受访者选择了Ｐｉ这个成对列表，其中，有两位受访者本身所属的银行，或者隶属于同一家母公司的银行在这个成对列表里面，那么在计算银行的平均排名时，除这两家银行之外的银行一共会有五个观测值，而这两家银行的观测值则只有四个。注意我们不会加入对自身银行的排名。我们将遵循这个原则，不管受访者是否正确地将其自身银行进行了排名。

　　受访者对不少于12或者ｍ（如果ｍ小于12）家银行进行排名。即便如此，一些受访者仍然只对少数银行进行了排名。所以，理论上来说，ｒ处于2到ｍ之间。如果受访者排名的银行少于ｍ家，我们将赋予未被排名的银行一个缺省排名，即排在最末位的排名加1。值得注意的是，对于受访者自身所属银行（不论受访者自动忽略其所在银行，还是我们如上文所述将其去除在外），我们不会赋予它一个缺省排名，而将它自动排除在我们的观测值以外，因此，这会降低我们之后用以平均的排名数量。

　　通过以上的方式，我们得到了20个成对列表，每个成对列表中的成员银行（Ｐｉ，ｊ）的平均排名为ｒｉ，ｊ。注意，除非所有受访者的意见都完全一致，ｒｉ，ｊ不可能为整数。例如，在成对列表Ｐ1中，前六名银行是香港上海汇丰银行、招商银行、中国工商银行、渣打银行、中国建设银行及恒生银行，而它们的排名依次是3.67、4.89、5.35、5.81、5.9及6.25。

　　构建综合排名方式列举如下。首先，我们假设每个成对列表都拥有同样的权重，接着会讲解权重计算方式。

　　在每次重复ｔ，我们选出相对来说最少受控的银行，将其作为排名最高的银行。在所有包含该家银行的成对列表中，通过以下公式赋予其一个平均排名，

　　（1）（公式略，详见报）

　　因此， 是在所有包含最少受控银行的成对列表中，最少受控银行的平均排名。ｎｉ是所有包含最少受控银行的成对列表的数目。在此之后，我们将所有成对列表中该最少受控银行去除，如果成对列表本身不包括最少受控银行，则将该成对列表中的所有银行的平均排名加1。我们将以上方式重复ｔ次，ｔ=1，2，...Ｔ。Ｔ是至此没有任何银行遗留在成对列表中的重复次数。因为在每次重复中，银行的排名情况都在不断变化，我们需要引入另一个向量ｔ。

　　“最少受控”银行的引入是为了处理成对列表中排名的不一致的问题。如果所有成对列表中的排名都是完全一致的，那么我们可以非常容易地分辨出在每次重复ｔ中的不受控银行（不受控银行是指在所有排名中，没有任何一家银行的排名高于该银行的银行）。如果我们的所有排名都是完全一致的，并且，包含了所有的交叉排名（即ｎ=45），那么会有并且仅有一个综合排名，而没有任何因无法确认而导致的平局情况。（当然，如果某两家银行的排名完全相同，平局情况仍会出现。）

　　因此，我们需要定义一个变量来衡量银行的受控情况， 。 =在第ｔ次重复过程中，成对列表中排名高于该银行的平均银行数目。

　　（2）（公式略，详见报）

　　在计算过程中，可能会出现以下情况，即，在某次重复中，两家或多家银行拥有同样的 。如果这样，所有拥有相同 的银行会被同时从成对列表中移除。如果有多余一家银行在第ｔ次重复时被从成对列表中移除，每移除一家银行，在进行第ｔ＋1次重复前，所有未包含被移除银行的成对列表中的所有银行的排名，ｒｉ，ｊ，ｔ，都会相应地加1。这就意味着，如果成对列表中不包含被移除银行（2家或以上）中的任何一家，这些成对列表中所有银行的排名将会相应地增加2或以上。

　　以上过程适用于所有成对列表的受访者数目均相同的情形。但是事实上，这个数字并不相同。对于香港－中国内地这个成对列表来说，受访者个数为28，而对于韩国－马来西亚这个成对列表来说，受访者个数仅为1。因此，公式（1）和（2）需要适当改变以显示这种不同的有效性。因此，我们在公式（1）和（2）的求和过程中加入以下权重ｗ。

　　其中，ｖｉ=构建第ｉ个成对列表的受访者数目。求和发生在所有包含目标银行的成对列表之间。

　　因此，公式（1）和（2）应该分别调整为公式（1'）和公式（2'）：

　　（1'） ；

　　（2'）

　　（公式略，详见报）

　　而最终的主观分值，则应依循于银行从成对列表中移除时的排名， ，而非受控程度，。 其实是一个平均排名，它越小，银行的排名越高，相应的，它所应当获得的主观分值也越高。因此， 其实和我们所需的主观分值符号相反。我们必须做出一定的调整，才能获得我们最终想要的主观分值。因此，我们将 进行标准化处理，然后取负值，这样得到的数值即为2007年问卷调查所获得的银行标准化主观分值。这个分值越高，银行的排名也越高。

　　当我们要求受访者基于预期资本回报率对银行进行排名时，一些受访者表达了他们了疑虑。一位日本银行家评论，“巨型城市银行不会与区域银行竞争，一个地区的银行也不会与另一个地区的银行竞争一样。而且，我们了解巨型银行，但是我们不了解其它地区的银行表现得怎样。这和香港非常不同，香港市场非常小，因此每家银行都在市场间竞争。此外，在日本，银行之间并不通过资本回报率竞争，它们竞争的是市场占有率。”

　　在访问中，我们特别提出了五年的期限，因为我们认为预测五年之外的情形将会非常困难。但是一部分受访者仍然认为我们的期限设定有问题。一位中国银行的高管赋予中国的银行很高的排名，他说，“对于未来五年资本回报率的预测很大程度上取决于商业周期。一个真正有竞争力的银行在好的时期和坏的时期都能做得很好。但是五年内中国并不会进入衰退期。”其他的银行家也认为五年的期限并不足以“覆盖整个经济周期”，因此这种预测会有失偏颇。

　　与去年结果相比，今年最大的差异来自于收益和主观因素分值，其中国家／地区性的变化是显而易见的。在主观因素分值这一部分，中国的银行平均排名上升了21位，这部分反映了专家对于国家／地区层面竞争力看法的改变。

　　不过，很大一部分的变化来源于我们对主观因素得分评分方法的改变。去年，我们并没有请银行家对银行进行国家／地区间的对比。我们要求受访者为每个银行特有因素评分（监管环境，市场条件，公司治理，内部控制，创新，客户服务，雇员品质，资讯系统及声誉）。我们还要求受访者对主观因素水平进行国家间对比。从而我们得到了银行每个主观因素的国家内排名，以及国家／地区间主观因素综合得分的比较。并由此建立所有参评亚洲银行各个主观指标的分值。这与今年的办法存在较大的差异。

　　由于两年主观分值的获取采用了不同的方法，也访问了不同的银行高管，为了保持研究的连贯性并充分利用访问的信息，2007年亚洲各个银行的主观指标的最终得分对于两年的调查分值进行了综合。具体的做法如下：

　　Ａ银行2007年主观分值最终得分=2007年问卷调查获得的标准化主观分值*0.6＋2006年问卷调查获得的标准化主观分值*0.4，其中，对于去年未参加排名的银行，我们赋予其一个0分值（标准化后即为行业均值）作为其2006年标准化的主观分值，这个做法和我们在客观数据中对于某个指标数据缺失的银行的处理方式是一致的。

　　最终获得的主观分值即是2007年亚洲各个银行的主观分值。我们按分值的大小进行主观排名，并赋予这个分值三分之一的权重，和收益分值及客观分值一起，计算最终的主观竞争力分值。