基于EVA模型我国城市商业银行价值评估——以NB银行为例

在金融改革的浪潮中，互联网金融异军突起，迅速发展，对传统金融业造成了极大的经营压力与恐慌。其中，电子货币以参与度更高、协作性更好、中间成本更低、操作上更便捷等特点，逐步影响着传统银行。互联网金融模式的出现，给商业银行业带来了巨大的挑战和风险。商业银行要想在这场变革中屹立不倒，关键是对商业银行进行科学的估值，以及如何提升商业银行价值。

岳岚和丁明（2012）认为，相对于广泛使用的DCF（折现现金流）估值方法，EVA（经济增加值）估值是基于企业利润进行的估值，其估值结果不会受到现金流跳变影响，更接近于公司的内在价值。

吴世农（2002）对我国292家上市公司的β系数进行预测性研究，发现经营杠杆、现金股利支付率、盈利变动性、主营收入增长率、净资产收益率、年振幅和历史β系数是影响β系数的主要因素。孙嘉琦和吕善利（2011）检验了14家上市银行2008年的截面数据，研究结果表明：β系数与核心资本充足率、流通规模呈显著负相关，与不良贷款率、每股经营活动现金流量、每股净资产呈显著正相关，但并未进一步研究宏观因素对银行股β值的影响，且研究样本数据较少。周光友（2007）、王亮和张磊（2013）通过实证检验认为电子货币的广泛使用大大弱化了货币供给量的可测性、可控性和相关性，降低了我国货币政策中介目标的有效性。

李明发（2009）以民营经济最为发达的苏浙两省为研究范围，选取2003—2007年间63家样本上市公司作为样本研究数据。通过多元逐步回归分析法对江浙民营上市公司实现可持续增长的影响因素实证分析。结果表明：江浙民营上市公司的可持续增长程度即超增长率与销售利润率、每股收益和资产负债率呈负相关，与总资产增长率和销售收入变异系数呈正相关。

胡琳清、朱新龙、王虹（2013）根据2007—2011年我国制造业上市公司的公开财务报表数据，在定量分析与定性分析的基础上，运用相关分析和回归分析的方法，通过实证研究检验了资产流动性与可持续增长率之间存在线性关系的正确性。

综上所述，在商业银行价值评估过程中，β值测算是估算权益资本成本以及确定最终折现率的基础。然而，在多数关于商业银行价值评估的文献中，对于β值的测算偏于主观，不能客观地对商业银行价值进行评估。针对企业价值评估中阶段性增长模型中的稳定增长率g进行实证估算研究的文献较少，简单地将GDP增长率定义为稳定增长率的方法并不适用于商业银行这一特殊的行业。所以，在对商业银行的价值评估时，我们需要探讨适合的方法，以使得评估更有针对性，更有操作性。

一、 经济增加值——EVA理论

经济附加值是由美国学者Stewart提出，并由美国著名的思腾思特咨询公司注册并实施的一套以经济增加值理念为基础的财务管理系统、决策机制及激励报酬制度。它是基于税后营业净利润和产生这些利润所需资本投入总成本的一种企业绩效财务评价方法。

EVA价值评估模型是由EVA指标和传统的现金流量折现估价模型衍生的又一企业价值评估模型，其从股东财富增长的角度来评估企业价值。它的优点是能够充分利用公司提供的全部公开信息，使评价更加全面，反映的结果更加真实；并且剔除了资本成本的影响，不同资本结构的企业也因此能在相同的基础上进行比较，体现了企业的内在价值和市场公允价值；同时实现了商业银行的员工绩效评价标准和企业价值评估方法的统一，使商业银行员工的切身利益和企业价值最大化目标直接挂钩，加强了商业银行的激励约束机制建设。

由于商业银行是金融机构，与一般企业相比，不论是从业务层面，还是资本结构层面，都有很大的差异，故而在计算EVA时结合银行业务和特殊的资本结构，对EVA各个指标进行逐个分析，才能得出符合商业银行要求的真实的EVA数据。

二、 案例分析——NB银行价值评估

将EVA理论运用到具体实际的价值评估当中，通过具体的计算过程，为城市商业银行利用EVA价值评估模型提供政策建议。本文选取的是2007年最早一批上市的城商行——NB银行。近年来，NB银行积极推进管理创新和金融技术创新，努力打造公司银行、零售公司、个人银行、信用卡、金融市场、票据、资产托管、投资银行八大利润中心，实现利润来源多元化。

（一）NB银行EVA的计算

在计算EVA过程中，要进行必要的调整，NB银行2008—2013年NOPAT（税后营业净利润）具体计算如表1。

商业银行资本总额的确定主要根据股东权益以及根据EVA原理进行的会计事项调整，NB银行2008—2013年TC（资本总额）的具体计算过程如表2。

（二）NB银行WACC的计算

本文采用经典资本资产定价模型（CAPM）来确定权益资本成本。CAPM认为，企业的权益资本成本只与整个市场的系统性风险存在关系，其计算公式如下：

企业的权益资本成本=无风险利率+权益风险溢价×β

由上式可知计算权益资本成本的关键是估计β，那么就有必要对影响β的因素进行实证分析。

1．β值实证分析

（1）模型构建

①因变量的选择——权益资本的风险系数

β系数起源于资本资产定价模型（CAPM），它的真实含义就是特定资产或资产组合的系统性风险度量。可用线性回归法计算得出，即用个别证券的收益率时间序列对某一标准（通常是市场指数收益率）序列建立模型，通过最小二乘法估计出β系数。

②自变量的选择

研究普遍认同导致β系数差异的影响因素主要有两大类：宏观经济因素（如经济周期、利率、通货膨胀等）和公司的基本特征（如公司的规模、财务结构等）。本文实证研究选取的因素主要是宏观经济因素与公司基本特征因素，初步建立如下多元线性回归模型：

其中，下标t表示时间，β表示银行系统性风险度量值、X1到X14的具体含义见表3。

表1 2008-2013年NB银行NOPAT计算表 单位：千元

（2）实证结果

①样本选取和数据来源

考虑到数据的可获得性，根据NB银行季度财务报表选取以上数据，通过EVIEWS软件做回归模型分析。首先进行描述性统计，见表4。

表2 2008-2013年NB银行TC计算表 单位：千元

表3 商业银行系统性风险的影响因素

表4 2007-2013年NB银行β值和各因素描述性统计

数据来源：NB银行季报

通过对NB银行与经济数据进行描述性统计可以发现：β系数的变化幅度较小，其均值和中值均接近于0.8。说明NB银行的系统性风险与整个市场相比较小；电子货币使用率指标的交易额占比（X14）和银行卡渗透率（X8）的标准差较小，说明序列变动稳定；国内生产总值增长率（X9）变动幅度较大，最大值为14.5%，最小值为6.6%，表明近年来我国经济运行环境变化较大；不良贷款率（X3）、资产负债率（X6）等指标的波动不大；每股现金净流量（X7）的波动较大，标准差较大，这也进一步说明了采用现金流模型评估企业价值的不稳定性。

②模型回归

对多元线性方程进行回归分析，回归结果见表5。

由回归分析显示, 拟合程度指标R2=0.783，调整R2=0.605。F值和相伴概率分别为4.398和0.000，所有变量在5%的显著性水平下均通过了显著性检验，这说明模型的拟合效果比较好。DW值为2.19，说明模型中基本不存在自相关性。

回归结果中可以看出，核心资本充足率X2、资产负债率X6、银行渗透率X8、城商行银行卡交易额占比X14、银行经营规模X12与β值具有负相关关系，即其值越小，银行系统风险就越低；每股经营现金流量X7、汇率指数X10与β值具有正相关关系，即其值越高，银行系统风险就越大。

根据历年数据走势来看，资产负债率、核心资本充足率等变量变动平稳，可以取平均值来预测：其中，资产负债率X6=92.896%、核心资本充足率X2=11.529%。而对于波动的变量，不适合采用简单平均值进行预测。对于时间序列有三种类型的预测模型：移动平均（MA）模型、自回归（AR）模型和自回归移动平均（ARMA）模型。根据不同类型的自相关行为选取不同的模型进行预测，具体过程可以通过EVIEWS软件实现。得出，经营规模X12=8.50；银行卡交易额X14=0.046； 汇率指数X10=4.766；每股经营现金流量X7=1.394；银行卡渗透率X8=0.362。

根据各变量的预测结果，结合β值多元回归方程，可以得出β=0.622。

表5 回归结果

2．无风险收益率

本文根据对我国资本市场具体情况的理论分析，拟采用银行一年期整存整取存款的平均年利率作为无风险利率的替代，根据每年调整的情况，将每期调整结果进行年度化，则2008—2013年的无风险利率结果如表6。

表6 2008-2013年无风险收益率

在进行预测时，几何平均法比算术平均法更能体现长期均衡的状态，因此这次采用几何平均法对历年无风险利率进行计算：

3．市场风险溢价

本研究中市场风险溢价采用Damodaran估算发布的2006—2013年度中国市场风险溢价，具体如表7所示 。

在进行预测时，几何平均法比算术平均法更能体现长期均衡的状态，因此这次采用几何平均法对历年市场风险溢价进行计算:

4．债务资本成本的估算

NB银行有着良好的经营状况，表8揭示了其近年来发行的企业长期债券，由此可以计算得出，债务资本成本的有效估算值。综上所述，NB银行2009年—2013年债务资本成本汇总结果如表9。综上所述，2008—2013年NB银行EVA计算结果如表10。

（三）NB银行企业价值评估

假设NB银行分三个阶段：第一阶段为收益快速增长阶段，根据中小银行自身规模不同，存在一个高速发展的时期，扩张速度与银行当下的发展情况密切相关；第二阶段为收益固定增长阶段，在若干年后，当银行初具规模时，由于市场竞争等客观原因，银行进入一个相对稳定的发展周期，此时的增长率可以看作是银行的可持续增长率；银行的第三个阶段为收益稳定阶段，此时银行已具有较大规模，在主营方面保持稳定的收入。

公式表示如下：

EVA1i为第一阶段的第i年的经济增加值；n1为银行的快速增长阶段。

EVA2i为第二阶段的第i年的经济增加值；n2为银行的固定增长阶段。

EVA3i为第三阶段的第i年的经济增加值；r为折现率。

根据商业银行EVA计算公式可知，对于预测期EVA的计算，最重要的是确定NOPAT (税后营业净利润)、WACC（加权资本成本）、TC（资本总额）以及可持续增长率g。

1．预测期内稳定增长率g的估算

假设NB银行未来高速增长的阶段为3年，3年之后则进入稳定期。基于NB银行良好持续的发展态势，本文假设其未来持续经营，并以某一固定增长率作为EVA永续增长率。本文采用三阶段模型来对其进行续存价值评估。根据商业银行EVA计算公式可知，对于预测期EVA的计算，关键在于确定固定增长率g。

表7 2008-2013年中国市场风险溢价

表8 NB银行发行外债情况

表9 NB银行2009-2013年债务资本成本

表10 2008-2013年NB银行EVA计算表

（1）基本假设

a．银行目前的资本结构是一个目标结构，并且打算继续维持下去；

b．银行目前的股利支付率是一个目标支付率，并且打算继续维持下去；

c．不愿意或者不打算发售新股；

d．银行的销售净利率将维持当前水平，并且可以涵盖负债的利息；

e．银行的资产周转率将维持当前的水平。

（2）模型建立

①变量选取

根据理论分析，从影响可持续增长率变化的四个方面中选取。经营效率指标为：存贷比X1、销售利润率X2、总资产周转率X3；财务政策指标为：权益系数X4、留存收益率X5；资本结构指标为：资产负债率X6；成长能力指标为：总资产增长率X7、营业利润增长率X8、资本积累率X9。

②实证检验

根据理论分析，可持续增长率与总资产周转率、营业利润率和总资产增长率呈正相关，实证结果见表13，与理论相悖，因此，可以初步判断模型具有多重共线性。在发现模型确实存在多重共线性后，便需要对模型进行修正。对于时间序列数据，一般采用差分法将原模型转变成差分模型，利用增量间较弱的线性关系来消除或者降低多重共线性。在实际分析中，还常常用到剔除变量法进行修正。最终回归结果如表14。

表13 实证结果（一）

表14 实证结果（二）

回归结果显示先决系数=0.851，回归拟合效果较好，F值和相伴概率P分别为9.759和0.001。根据各个解释变量的变动情况，对可持续增长率进行预测估算：存贷比、销售净利率、权益系数和资产负债率历年变化不大，假设NB银行2013年之后经营情况没有重大变化，那么，未来存贷比、销售净利率和资产负债率可以简单的以平均数代替：X1=0.654、X2=0.424、X4=14.8、X6=0.93、X8=0.5467、X5=0.3045。

通过以上计算，利用EVIEWS软件可以估计NB银行可持续增长率g=7.175 %

2．预测期EVA的确定

根据销售百分比法确定几个重要变量的预测值，进而预测出NOPAT和TC值，见表15、表16、表17：

表15 预测变量

表16 2014-2016年NB银行NOAPT预测表 单位：千元

根据三阶段EVA价值评估模型公式以及预测期各指标的计算，NB银行EVA估算如表18。

三、结论与建议

本文从EVA经济增加值的视角出发，就现阶段比较热门的互联网金融因素作为研究对象，探讨了中国城市商业银行的企业价值，并就折现率中的β值以实证研究方法对其影响因素的相互关系进行深入探讨，互联网新环境下电子货币的使用对商业银行系统风险具有十分重要的影响。

进一步深化对银行企业价值评估的研究。对于今后评估企业价值提供了一个更加全面的探讨。城商行在探索如何提升自身价值问题时应该考虑提高资本成本率，积极促使优化资本结构。银行可以通过调整资产组合，降低高风险、高成本资产在资产总额中的比例，优化资产结构来降低成本，减少无效及低效资产占用，提高资本充足率。

另外，管理者不仅要确认银行的价值，更主要的是适应新经济的变化，迎接新形势下的挑战，不断创造城商行的经营价值。互联网金融的因素也渐渐成为影响城商行资本成本率，进而影响银行价值的重要因素。管理者应从电子货币渗透率等因素多做考虑，进一步提升城商行的价值。

根据以上分析，本文从以下几个方面提出防范商业银行系统性风险、提升城商行价值的建议：

第一，商业银行应加大与电商平台及第三方支付企业的合作，扩大自身在支付结算上的覆盖领域，拓宽资金运用渠道，提高资金运用效率，扩大经营范围的多元化，提高抗风险能力；银行应不断加强对信息技术的投入，发展电子银行、自建电子商务平台，扩展线上服务范围等，满足客户需求，稳住现有客户，吸引流失客户。在互联网新环境下，商业银行要充分认识到电子货币的重要性，利用抢占电子货币使用率的方式来有效防范银行系统风险。

第二，拓展收入渠道，提高商业银行的利润率。商业银行应积极创新服务模式，加大产品创新以满足用户不同需求。由于互联网金融环境下，网络银行和第三方支付平台等机构对商业银行存款的分流影响银行存贷比，进而影响到商业银行系统风险。因此，商业银行应积极应对互联网金融冲击，创新服务模式和创新金融产品，满足用户不同需求，吸引流失的存款，从而增加收入，提升银行的价值。

表17 2014-2016年NB银行TC预测表 单位：千元

表18 NB银行EVA预测表 单位：千元

第三，互联网金融发展对商业银行来说是把一双刃剑，一方面为商业银行带来了服务创新，提供了更广阔的平台；另一方面，非金融机构加入互联网金融阵营的步伐，加剧了市场竞争，对商业银行的业务产生一定的冲击。为了应对互联网金融的冲击，防范银行系统风险，商业银行应积极利用互联网金融技术，创新服务模式，以提高电子货币使用率来规避银行系统风险，缓解存款分流的劣势并获得新的发展，并提升银行价值。

《含苞》 张浩

[1]岳岚,丁明.基于EVA模型的商业银行估值方法浅析[J].商情，2012(9):12-22.

[2]肖作平,吴世农.我国上市公司资本结构影响因素实证研究[J]. 证券市场导报，2002(8):39-44.

[3]孙嘉琦,吕善利.上市银行β系数与财务变量相关性的实证研究[J].中国农业银行武汉培训学院学报，2011(2):30-33.

[4]Rosenberg Bar，Mckibben Walt. The Prediction of Systematic and Specific Risk in Common Stocks[J]. Journal of Financial and Quantitative Analysis.1973.8(2):317-333.

[5]王亮,张磊.电子货币对我国货币政策中介目标有效性的影响[J].现代管理科学，2013(5)：60-62.

[6]李明发.江浙民营上市公司可持续增长实证研究[D].江南大学,2009.

[7]胡琳清,朱新龙,王虹.企业资产流动性与可持续增长率关系的实证研究——基于我国制造业上市公司的经验数据[J].会计之友,2013(2):111-2.