• 基于EVA体系，近年来麦肯锡持续发布排行榜评估中国商业银行。2018年12月底麦肯锡最新发布的排行榜以2017和2018上半年数据为基础，测算近40家商业银行EVA，发现仅19家银行创造了经济价值。排行榜总结了我国商业银行EVA走低的三大动因并给出了建议。考虑到EVA对银行评估体系已被咨询机构和央企绩效评估广为使用，本文探讨了该体系对商业银行的适用性，并给出修正建议。

 

• EVA评价体系三点需探讨：（1）该体系可能高估了银行资本成本：我们发现当使用长窗口的市场收益率（更符合文献要求）而非单独一年市场收益水平计算，我国银行股权成本约为7.67%，这大幅低于麦肯锡报告中使用的15%的水平，高估银行资本成本会显著低估EVA结果；（2）因流动性环境差异，2017和2018年两时间段EVA排序波动较大。以一年为期限进行考量可能不合适，建议把考察期适度拉长，如在一个完整流动性周期中考察，这样外部环境因素容易抵消，减少外部因素作用；（3）EVA评价结果可能不适合给予统一解决方案。特别是排行榜推荐的零售和小微是近期银行的“座上宾”，但零售业务并非没有风险，小微业务更是对本地金融机构信用风险把控提出了更高要求。对症下药，因行施策，特别对于区域银行，建议根据其区域产业结构进行分类，探讨其在对公/零售/金融市场业务的选择。

 

• 商业银行经营是根据外部环境和自身资源禀赋相机抉择的过程，后续银行评价体系需结合相关信息。（1）EVA经济利润、资本回报率等财务指标虽可以直接反应金融机构的经营效果，但相对忽略了外部“硬变量”和自身“软因素”对银行价值创造的动态影响。（2）兴业研究金融同业团队从区域环境、经营因素、外部支持、舆情信息等维度跟踪，试图补充EVA指标。截至2018年6月末，我们已覆盖城商行120家、农商行280家，分别占发债主体约98%、60%，相关分析具体可参考我们团队发布的《中国区域银行图鉴》系列报告。

 

 

麦肯锡、银行价值创造

 

 

2018年底，全球管理咨询公司麦肯锡连续第三年发布了《中国Top 40家银行价值创造排行榜(2018)》。排行榜以2017年及2018年半年报数据为依据，对40家[1]银行的经济利润（即EVA）以及资本回报率进行计算，按照评价结果，其中有19家银行的年化经济利润为正值。排行榜认为银行经济利润创造能力近年持续走低主要源于三大挑战：1）利差收益和中间收入持续下降，收入增长整体乏力，经济利润缺乏增长抓手；2）大部分银行依然依赖重资产模式驱动规模增长，有碍经济利润创造；3）行业监管趋严，金融杠杆收缩，导致资本受限，多数银行已经无法支撑高资本的成长模式。

 

排行榜进一步从贷款业务角度分析，认为银行的贷款组合并未创造价值，对公贷款组合毁灭价值，而零售贷款组合创造价值。报告建议我国商业银行实施“做强零售、做精对公、精益运营、专业风控”四大战略举措和“量化分析、科技系统、绩效考核、人才队伍”四大能力建设。

 

麦肯锡关于零售、对公的业务侧重点差异，对行业资产精细化管理的视角值得我国商业银行关注。但考虑到EVA分析框架目前已被咨询公司普遍使用，同时也作为央企考核的指标体系，我们认为后续在使用方法论上仍需仔细论证，否则该方法的误用可能导致我们错误理解中国商业银行的价值创造过程。抛砖引玉，本文提出三点供探讨：（1）EVA的评价框架对银行资本成本的估算是否得当；（2）EVA以年为期限对金融机构的考量是否合适；（3）EVA的评价结果是否可以对症下药。

 

1、EVA计算过程探讨：权益成本估算慎思量

 

EVA 指标(Economic Value Added，即经济附加值)是管理会计领域的一次创新。该方法自1990年Stern Stewart咨询公司首次提出后在世界范围内获得广泛运用。该评价体系的方法论认为，相对于人们重视的企业“会计”利润而言，企业所占用股东资本也是有成本的，所以在衡量企业业绩时，必须考虑到股本的成本。2010年起，随着相关监管文件的施行，经济增加值(EVA)也成为了中央企业业绩考核的核心指标，这同样推广到了我国的商业银行。

 

EVA可以简化为调整后的税后净营运利润（Net Operating Profit After Taxes）减去加投入资本（Investment Capital），公式可以简化表示为：

 

EVA=NOPAT- IC=(ROIC-WACC)× IC

 

按照标准的EVA计算方法[2]，考虑到会计计提和实际付现的差异，NOPAT与净利润（Net income）并不等同，两者根据银行实际现金流情况，计算公式调整为：

 

NOPAT=Net income+Provsion for loan losses(即拨备计提)- Actual net chargeoffs（实际坏账损失）+Provision for taxes（即税收计提）-Actual cash taxes paid（实际税收支付）；

 

根据银行的实际经营情况，考虑到两者差异不大，所以根据表1（该报告的截图）的计算，麦肯锡直接用会计净利润再进行风险调整（口径为净利息收入+非利息收入-资产价值损失），该方法对结果敏感性影响不大，是属于可以接受的简便算法。

但成本端对于银行权益资本成本的估算，这需进一步讨论。EVA的资本成本是加权资本成本（WACC）的计算。严格说权益成本率≠加权资本成本率，银行发行的债券主要是二级资本债、金融债等，按照工商银行2018年三季度财报计算，权益/（权益+总负债）为8%，应付债券/（权益+总负债）为2%，考虑到债券成本实际低于权益成本，基于严格的WACC计算方法结果要比单独用权益成本要低。但考虑到银行剔除存款和同业存单后实际负债规模不大，权益成本和加权资本成本可以简化等同。计算银行的WACC可以参照权益成本来计算，其经典计算公式为：

 

银行股权成本=无风险收益率+银行个股Beta系数*单位风险溢价；

=无风险收益率+银行个股Beta系数*（市场预期风险平均收益-无风险收益率）；

 

按照本报告的处理方法，权益成本的计算对结果敏感性很大，建议谨慎处理。《排行榜》的经济利润的计算过程中，对银行的要求资本回报率均为15%，该结果主要沿用去年报告中基于2014-2016年的金融市场指数进行估算得出的结论。而2016-2018年的资本市场较2014-2016年的牛市行情发生了剧烈变化，15%的资本成本可能高估了近年市场对于金融市场回报率要求的估计。实际上，权益成本的计算应基于为市场预期收益率而非某年的实际市场平均收益率，市场预期收益率应该是按照长窗口指标平均的结果，而非利用近期一年结果进行计算。

 

我们根据长窗口数据对该指标进行了敏感性计算。根据2012-2018年期间的市场投资回报率测算（对应指标计算参数为：无风险收益水平3.3%，Beta系数0.81，市场风险溢价5.38%。），计算银行股权成本约为7.67%，这大幅低于麦肯锡报告中使用的15%的水平。据我们的基准假设进行计算，在《排行榜》中这40家银行之中仅有1家银行（东北地区某城商行）经济利润为负，这属于个别现象，并不能得出近1/3的银行毁灭股东利润的情况。

 

同时我们查阅了海外部分银行EVA测算的权威财务案例。在相关案例中（见下图），北美银行的股权成本一般在6%-7%左右，对应指标计算参数为：无风险收益水平4.5%，Beta系数0.42，市场风险溢价5.60%。这也与我们通过长窗口数据计算的7.67%相对接近。

 

考虑到资金成本是影响银行EVA评价结果的核心变量，我们建议针对银行股权成本的计算应使用多种方法测算，这有利于保障计算结果的稳健性。

2、EVA计算期限探讨：建议对金融机构评估通过单个完整周期体现

 

本次麦肯锡排行榜中使用了2017年和2018年上半年两个时间段测算商业银行EVA的创造。有趣的是，这两个时间段商业银行的价值创造排序差异较大，部分在2017年价值毁损的银行反而在2018年上半年创造了价值。这使我们思考，基于年度考察银行的价值创造是否合适？是否能通过2-3年左右为一个单位，即一个完整的流动性或宏观周期考察商业银行的价值创造过程。  

 

事实上，商业银行的经营是根据其自身资源禀赋，基于外部环境因素相机抉择负债和资产配置的过程。影响商业银行外部的经营环境包括宏观增长（决定了银行资产需求、资产议价能力和资产质量）、流动性（决定长短端利率水平）、监管环境（决定了业务创新机会和业务合规要求）三个主要变量。根据我们在2019行业展望中提出的框架，商业银行在不同外部变量组合中采取的经营策略有显著差异。这种策略差异又会显著影响其价值创造过程。

2017年和2018年银行的经营矛盾实际上有所变化，外部环境而非银行自身情况反映了银行EVA的价值创造。2017年经济底部抬升，金融监管约束增强，流动性尤其是短端流动性保持紧张，该时间段金融机构经营的主基调是“去杠杆”、回归存贷业务本源。这种情况下银行经营以“管负债”为主，存款基础好的银行在该阶段最受益，所以反映在麦肯锡排行榜中，2017年EVA排行榜前列的银行均为存贷为主、存款占比高的大行。而在2018年，外部环境发生了变化，基于对冲去杠杆带来的负面效应，货币市场流动性整体保持宽松，而4月份之后随着资管新规落地，监管政策在操作上日趋务实。这种情况下银行金融市场业务获利机会明显，较多区域银行2017年浮亏债券资产转盈，这样2018年银行经营的主要矛盾在于“找资产”，金融市场业务优势明显的股份行受益最大，反映在麦肯锡排行榜中，2018年EVA排行榜前列的银行均为积极吸收同业负债，资产端债券资产配置较多的股份制大行，同时城商行EVA指标进步明显。

 

但我们认为造成相关银行2017年和2018年EVA差异的核心因素在于外部环境的变化，而非相关银行自身价值创造因素，所以用年为单位可能会强化单一年份外部因素对EVA的影响。

事实上，即使资产和负债结构类似，同一类型银行出于不同的策略选择在相同市场环境中表现也迥异。我们认为理解这种差异更能体现单个商业银行主体进行价值创造的过程。以流动性环境为例，对于对金融市场利率敏感的部分股份制银行和城商行，在利率上升周期，减少资产规模增速，拉长负债久期，缩短资产久期属于比较好的应对策略，这可以相对同业创造价值，即使EVA指标相对于存款基础好的银行表现更差，我们仍应给予积极评价；反之在利率下降周期，适当扩充资产负债表，拉长资产久期，缩短负债久期是较好的应对策略，也容易创造正的EVA。

 

从实证角度看，我们选取了同业负债占比高、金融市场业务相对进取的东北片区三家银行和华东片区两家银行比较，考察其在金融市场利率上升周期的业绩表现。2016年下半年开始金融市场利率提升后，两个片区银行事实上反应各有差异：华东片区的银行在2016年年底（即同步于流动性拐点）主动将资产增速缩短到15%以内，同时资产端显著缩短了久期（表现在资产负债表上大幅配置了货币基金），而东北片区的三家银行在该段时间仍保持规模扩张，以配置长久期资管产品为主（体现在财报上应收款项投资占比大），直到2017年年中（即滞后于流动性拐点近半年）才开始资产扩张上“踩刹车”，将资产增速由50%压降到20%以内。策略的选择差异导致了两类银行在业绩和EVA指标上也有显著差异，东部片区两家银行在2017、2018年都保持了业绩近20%的正增长，而东北片区三家银行在2017年后同比出现了负增长，最高同比下滑近50%。

综上分析，我们不能简单武断认为在某种特征的外部环境中，某种类型的银行会毁灭价值或创造价值，更应考虑为应对这一环境变化，该类银行采取的应对策略。我们建议可以把考察期适度拉长，如在一个完整的流动性周期（一般3年左右）中考察商业银行的价值创造，这样外部环境因素容易抵消（即赚钱和亏钱周期相抵），这样可以减少外部因素作用，更容易考察该商业银行主动创造价值的过程。

 

3、EVA解决方案探讨：金融机构模式选择应顾其经营环境与资源禀赋

 

除外部因素外，商业银行尤其是区域城商行农商行在区域环境、产业结构等禀赋和资源上有较大差异，这使得咨询公司给出整齐划一的药方相对困难。麦肯锡发现相对于零售业务，对公业务EVA为负的概率更高，故给出了“聚焦零售”、“聚焦小微”等建议。我们认为相关建议具有普适性，但具体实施上更应对症下药，即考虑相关银行尤其是区域银行所处经营环境的现实特征，做零售做小微并不适合我国所有商业银行。

 

零售和小微业务是近期银行资产投放的“座上宾”，但零售业务并非没有风险，小微业务更是对本地金融机构的信用风险把控能力提出了更高要求。从韩国（2000年后）及我国温州地区（2011-2012年后）的经验看，相关资产大量投放后都因为周期波动引起了资产质量风险。如韩国在亚洲金融危机后找不到新的业务生长点，故商业银行采取海量发行信用卡的策略，信用卡的急速扩张给韩国社会带来了信用卡滥发和过度授信，2002-2003年韩国信用卡一度逾期率达到14%。我国温州地区2009年“4万亿”给小微企业突击放贷，2011年货币收紧开始银行资产质量持续恶化，地方银行的坏账率一度攀升到4%以上。

对症下药，因行施策，对于区域银行，我们建议给予根据其区域产业结构进行分类，探讨其应对政策。特别随着异地网点设立愈发困难，建议更应改变资产投放形式，更多采取信用债等工具而非信贷形式参与异地资产投放。具体而言：

 

对于区域银行偏头部的机构（比如资产规模前20%，2000亿元以上），建议在金融市场业务领域持牌化，提升信用债等直接融资工具配置资产的比例。考虑到相关银行未来通过异地扩张扩充信贷需求相对困难，通过金市条线参与直接融资将是“扶持实体，回归本源”的较好选择。

 

对于偏中尾部（比如资产规模20%-50%，在500-2000亿元左右）且区域经济发展向好的机构，建议通过做精民企小微、消费金融领域实现本地有序扩张。我国金融环境在长尾区域存在抑制，这限制了区域尤其是农村金融地区的信用扩张，也减少了国有大行分支行在本地获取高收益资产的机会。区域金融机构银行根植本地，与当地政府、企业、居民有天然的连接，深入参与本地经济活动存在优势，实际上有天然的风控优势。如果长三角片区的区域银行（如泰隆银行，台州银行等）尽管业务竞争激烈，但相关银行通过根植小微，息差和ROE水平大幅高于同业。通过对本地优势行业、成长性的中小企业挖掘，形成行业专长、进而分享本地企业成长和居民财富积累，这成为相关该类金融机构提升EVA指标的较优选择。

 

而对于区域偏尾部（比如资产规模50%乃至之后，资产规模在500亿元以下）且区域经济有下行压力的金融机构，一窝蜂做小微反而可能增加其信用风险敞口。除加强本地信贷质量管控外，边际上建议通过金融市场业务对冲潜在信贷资产质量风险，相关银行更应配置国债、利率债及高等级信用债等安全资产。

 

4、进一步的建议：建议选择更多外生变量评估其竞争力

 

根据上文分析，商业银行的经营是根据外部环境和自身区域禀赋等条件相机抉择的过程。EVA经济利润、资本回报率等财务指标虽可以直接反应金融机构的经营效果，但相对忽略了外部“硬变量”和自身“软因素”对商业银行价值创造的动态影响。如对股份制银行而言，自身战略定位（如零售、企金、金融市场业务战略的选择）应该是应纳入的考量；对区域银行而言，其经营获得根植于当地，分析更应考虑区域经济的运行情况、公司治理和资产负债结构。我们建议应综合相关因素评估我国商业银行价值创造的过程。

对此，兴业研究金融同业团队提出了兴业研究评价金融机构的体系，试图为EVA评价体系做适当补充。一方面，我们建立了中小银行分析框架，从区域环境、经营因素、外部支持、舆情信息四个角度着手，同时考虑到区域银行与当地城投房企业务关系紧密，接入兴业研究地方政府模型结果进行补充；另一方面，我们动态跟踪影响其决定其绩效的外部环境变化、业绩驱动力。根据这两方面的工作，我们为我国城商行农商行不同特性设计两套打分系统并定期更新。截至2018年6月末，我们已覆盖拥有完整公开资料的城商行120家、农商行280家，分别占发债主体约98%、60%。相关方法论可以参考我们团队发布的《中国区域银行图鉴》之全国篇/华东篇/京津冀篇/晋鲁篇等报告。

注：

[1]麦肯锡报告中注释为”包商银行和恒丰银行未公布2017年年报，2017年排名实际研究银行为38家；渤海银行、恒丰银行、河北银行、包商银行、广州银行、北京农商行和成都农商行未公布2018年半年报，2018年排名实际研究银行为33家。”

[2]相关文献参见《价值评估公司价值的衡量与管理》，电子工业出版社2007年翻译出版，作者是麦肯锡高级财务咨询师Tim Koller。