基于因子分析法的深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效評(píng)價(jià)的案例分析目錄TOC\o"1-3"\h\u526基于因子分析法的深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效評(píng)價(jià)的案例分析 120337第一節(jié)案例分析思路 110737第二節(jié)具體案例分析過(guò)程 15226一、因子分析法介紹 124899二、因子分析步驟 210073三、財(cái)務(wù)績(jī)效評(píng)價(jià)的因子分析 36889旋轉(zhuǎn)方法：凱撒正態(tài)化最大方差法 6第一節(jié)案例分析思路為了更加全面的了解深圳農(nóng)村商業(yè)銀行的財(cái)務(wù)績(jī)效排名情況，在進(jìn)行研究之前就要有足夠的樣本量，不僅如此，選擇的樣本還要盡可能兼顧深圳市的各個(gè)地區(qū)以及樣本的財(cái)務(wù)報(bào)告要容易獲得，只有這樣，選擇的樣本才具備代表性，才能讓最終的研究結(jié)果更加全面準(zhǔn)確。根據(jù)筆者的調(diào)查，筆者將這11家銀行作為實(shí)證研究的樣本進(jìn)行研究，具體來(lái)說(shuō)是選擇了這11家銀行2018年到2021年的年度數(shù)據(jù)進(jìn)行研究，而且所有數(shù)據(jù)均從銀行的官方網(wǎng)站獲取，可有效保障數(shù)據(jù)的真實(shí)性和可靠性，在這樣的基礎(chǔ)上研究深圳農(nóng)村商業(yè)銀行的總體績(jī)效情況將更具準(zhǔn)確性，除此之外，根據(jù)具體的研究結(jié)果還能針對(duì)性地提出優(yōu)化財(cái)務(wù)績(jī)效的合理方法，進(jìn)而提升整個(gè)深圳農(nóng)村商業(yè)銀行的發(fā)展水平。第二節(jié)具體案例分析過(guò)程一、因子分析法介紹因子分析法是一種多重統(tǒng)計(jì)分析方法，它簡(jiǎn)化了復(fù)雜的數(shù)據(jù)，提高了分析效率。這種方法在1904年首次使用。隨著經(jīng)濟(jì)的發(fā)展，因素分析法在經(jīng)濟(jì)學(xué)和社會(huì)學(xué)系得到廣泛應(yīng)用，并發(fā)揮著重要作用。因子分析方法可以包括所有的研究因素，它不僅可以找到因素之間的依賴關(guān)系，還可以找到許多因素中的幾個(gè)重要因素，并且可以準(zhǔn)確地表示整個(gè)數(shù)據(jù)的基本結(jié)構(gòu)，從選擇的因素中可以更容易地看到原始因素變量的各種重要信息。在因子分析中，無(wú)法觀察到因子，但認(rèn)為可以觀察到原始變量。簡(jiǎn)而言之，因子分析可以通過(guò)分析外部變量來(lái)組織和評(píng)估內(nèi)部變量，從而達(dá)到評(píng)估抽象元素的效果。因子分析法是一種通過(guò)提取變量的有效信息進(jìn)行相關(guān)分析的方法。也就是說(shuō)，如果可以提取關(guān)于變量的有效信息，就可以對(duì)其進(jìn)行分析。因此，這種分析方法具有恒定的通用性。具體的原理是根據(jù)相關(guān)性對(duì)變量的有效信息進(jìn)行分類，然后通過(guò)維降統(tǒng)計(jì)找到變量中信息負(fù)載的元素，然后使用線性函數(shù)分析這些元素的數(shù)據(jù)信息，并簡(jiǎn)化數(shù)據(jù)情況和分析過(guò)程。分析的總體效率也有所提高。并且，因子分析法中各指標(biāo)的權(quán)重由方差貢獻(xiàn)率決定。一般來(lái)說(shuō)，貢獻(xiàn)率越高，權(quán)重越高，正貢獻(xiàn)率和權(quán)重越大，權(quán)重越為正，分析結(jié)果越客觀，越科學(xué)準(zhǔn)確。因子分析的最大好處是，可以從不同指數(shù)的多個(gè)樣本數(shù)據(jù)中快速選擇一個(gè)維度縮減參考，以參考所有指標(biāo)。如果主成分因子的選擇成功，則另一個(gè)因子可被其主成分因子替代。大樣本數(shù)據(jù)可以快速減少，并集中在一些有影響力的指標(biāo)上。通過(guò)計(jì)算色散貢獻(xiàn)率，可以找到相應(yīng)的主成分因子計(jì)算公式。然后，您只能使用原始數(shù)據(jù)計(jì)算分?jǐn)?shù)。最后，根據(jù)簡(jiǎn)單直觀的評(píng)分進(jìn)行評(píng)估和總結(jié)。通常情況下，因子分析法不需要分析大量的原始因子，只需分析少數(shù)主要因子即可形成對(duì)研究問(wèn)題的基本判斷，從而使研究問(wèn)題更容易解決。二、因子分析步驟由于指標(biāo)數(shù)據(jù)之間的差異通常以單位和維度表示，因此數(shù)據(jù)之間存在較大差異，無(wú)法進(jìn)行比較。為了順利開(kāi)展研究，有必要減少數(shù)據(jù)維度和單位對(duì)研究和研究結(jié)果的不利影響。因此，在開(kāi)始全面研究之前，需要以統(tǒng)一的方式處理這些數(shù)據(jù)，以確保數(shù)據(jù)單元的一致性并進(jìn)行比較研究。本文基于SPSS22進(jìn)行數(shù)據(jù)比較分析，找到相關(guān)數(shù)據(jù)，進(jìn)行標(biāo)準(zhǔn)轉(zhuǎn)換，然后正式進(jìn)入指標(biāo)數(shù)據(jù)的因子分析階段。SPSS19軟件現(xiàn)在被認(rèn)為是一種可靠的數(shù)據(jù)檢測(cè)軟件，包括kmo測(cè)試（Kaiser-Meyer-Olkin）和Bartlett球形測(cè)試，可以快速篩選原始數(shù)據(jù)，并在原始數(shù)據(jù)中找到符合因素分析要求的數(shù)據(jù)。這對(duì)后續(xù)的比較研究很有用。原始數(shù)據(jù)輸入SPSS22軟件后，需要轉(zhuǎn)換特征向量和特征值，以便于計(jì)算分布貢獻(xiàn)率和累積值，并收集所選數(shù)據(jù)以提取公共元素。在使用SPSS22軟件處理數(shù)據(jù)后，使用最大方差正交旋轉(zhuǎn)方法旋轉(zhuǎn)先前提取的公共因子，以提高原始數(shù)據(jù)解釋的準(zhǔn)確性。SPSS22軟件的系統(tǒng)分析可以從原始數(shù)據(jù)中獲得完整的因子得分矩陣。SPSS22軟件可以提取研究數(shù)據(jù)之間的相關(guān)系數(shù)。這里，系數(shù)指的是與公共因子相對(duì)應(yīng)的分散貢獻(xiàn)率和累積貢獻(xiàn)率的比率。通過(guò)結(jié)合各要素得分和總分，比較了主要要素得分和商業(yè)銀行總分。最后，通過(guò)以圖標(biāo)方式顯示各商業(yè)銀行各要素的總得分和排名以及各銀行的總體得分和排名，商業(yè)銀行的具體情況變得更加直觀，并提高了后續(xù)分析的效率。三、財(cái)務(wù)績(jī)效評(píng)價(jià)的因子分析1.樣本數(shù)據(jù)處理為保障指標(biāo)之間的相關(guān)性以及構(gòu)建的財(cái)務(wù)績(jī)效評(píng)價(jià)模型的科學(xué)性及合理性，也為了保障農(nóng)村商業(yè)銀行的財(cái)務(wù)績(jī)效能得到全方位展現(xiàn)，本論文從選擇設(shè)計(jì)指標(biāo)開(kāi)始，就一直在同步進(jìn)行績(jī)效指標(biāo)的合適性篩選，合適的留下，不合適的放棄，因此最終只留下8個(gè)績(jī)效評(píng)價(jià)指標(biāo)，不過(guò)，在進(jìn)行研究之前先要對(duì)選擇指標(biāo)的原數(shù)據(jù)進(jìn)行以下處理。數(shù)據(jù)正向化轉(zhuǎn)化。選擇指標(biāo)中只要存在負(fù)向的指標(biāo)，就需要通過(guò)SPSS19軟件進(jìn)行數(shù)據(jù)的正向化處理，將負(fù)向指標(biāo)變?yōu)檎蛑笜?biāo)。指標(biāo)的適度性處理。簡(jiǎn)單來(lái)說(shuō)就是核查指標(biāo)數(shù)據(jù)的適度性，但本文選擇的指標(biāo)都在適度范圍內(nèi)，所以數(shù)據(jù)不需要做任何處理，可將其直接看做正向指標(biāo)。數(shù)據(jù)標(biāo)準(zhǔn)化處理。進(jìn)行前兩個(gè)步驟之后使用極值處理法，讓所有的數(shù)據(jù)都變?yōu)闃?biāo)準(zhǔn)化、可對(duì)比的數(shù)據(jù)。表4-1標(biāo)準(zhǔn)化處理后的數(shù)據(jù)表（2021年）銀行名稱不良貸款率杠桿率存貸比流動(dòng)性比例資產(chǎn)利潤(rùn)率凈利差凈息差總資產(chǎn)增長(zhǎng)率資本充足率北京農(nóng)商行3.1985016.211.8082484.7369863.9256462.532.531.1409752.316052上海農(nóng)商行3.3393736.022.0070573.9475862.0072782.332.323.202971.843793深圳農(nóng)商行2.7758867.693.0304893.8390312.2433851.882.042.6421913.77959廣州農(nóng)商行3.8324248.314.2406292.1116261.8892242.853.063.2238682.568548重慶農(nóng)商行4.46634710.473.7237262.3708954.0141872.783.073.338815.032714成都農(nóng)商行0.80368110.313.7202691.8755444.7225073.433.684.2966634.097547浙江農(nóng)商行2.6350147.552.0934963.9496942.3614382.282.53.788132.316052天津農(nóng)商行2.2123998.283.5612222.0452283.4239193.263.354.4150882.690119珠海農(nóng)商行2.63501410.384.1161573.2182613.778083.723.872.6212923.7001廣東農(nóng)商行4.1141677.111.4054452.9379131.9777642.632.851.7365852.559196龍灣農(nóng)商行2.9871937.783.2932621.9672362.6565723.493.662.5934272.0962882.相關(guān)性檢驗(yàn)數(shù)據(jù)需要先進(jìn)行相關(guān)性檢驗(yàn)，只有所有數(shù)據(jù)檢驗(yàn)合格通過(guò)之后，數(shù)據(jù)才能進(jìn)入下一個(gè)實(shí)證分析的步驟，本文使用SPSS22軟件進(jìn)行檢驗(yàn)，表4-2是檢驗(yàn)后得出的相關(guān)系數(shù)矩陣。表4-2相關(guān)系數(shù)矩陣由表4-2可以看出，本文所選擇的9個(gè)財(cái)務(wù)指標(biāo)之間的相關(guān)性，初步判斷可以用因子分析法進(jìn)行后續(xù)分析。另外，還要用KMO和Bartlett檢驗(yàn)來(lái)進(jìn)一步確認(rèn)所選擇的財(cái)務(wù)指標(biāo)是否適合進(jìn)行因子分析。表4-3KMO和Bartlett的檢驗(yàn)根據(jù)表4-3檢驗(yàn)結(jié)果顯示:KMO的檢驗(yàn)值和Bartlett檢驗(yàn)結(jié)果小于0.5，說(shuō)明不適合做因子分析，所以對(duì)數(shù)據(jù)進(jìn)行可靠性分析。表4-4可靠性統(tǒng)計(jì)表4-5總計(jì)統(tǒng)計(jì)對(duì)表4-5中不降反升的選項(xiàng)，進(jìn)行刪減，刪除不良貸款率、流動(dòng)性比、總資產(chǎn)增長(zhǎng)率，留下6個(gè)財(cái)務(wù)指標(biāo)：杠桿率、存貸比、資產(chǎn)利潤(rùn)率、凈利差、凈息差、資本充足率，用KMO和Bartlett檢驗(yàn)來(lái)進(jìn)一步確認(rèn)：表4-6刪減后的KMO和Bartlett的檢驗(yàn)對(duì)本文選擇的數(shù)據(jù)相關(guān)性進(jìn)行驗(yàn)證，以適合用因子分析法來(lái)進(jìn)行更進(jìn)一步的研究。從表4-6可以看出：KMO為0.582，大于0.5，但是小于0.6，滿足因子分析KMO值大于0.5的基本要求。3.解釋率及提取公因子表4-7方差解釋率表格因子編號(hào)特征根旋轉(zhuǎn)前方差解釋率旋轉(zhuǎn)后方差解釋率特征根方差解釋率%累積%特征根方差解釋率%累積%特征根方差解釋率%累積%13.95765.95165.9513.95765.95165.9512.59543.2543.2521.17119.51785.4681.17119.51785.4682.53342.21885.46830.64410.73896.20640.1953.25299.45950.0290.48599.94460.0030.056100表4-7針對(duì)因子提取情況，以及因子提取信息量情況進(jìn)行分析，從上表可知：因子分析一共提取出2個(gè)因子，特征根值均大于1，此2個(gè)因子旋轉(zhuǎn)后的方差解釋率分別是43.250%,42.218%，旋轉(zhuǎn)后累積方差解釋率為85.468%。表4-8旋轉(zhuǎn)后因子載荷系數(shù)名稱因子載荷系數(shù)公因子方差因子1因子2杠桿率0.4880.8380.941存貸比0.570.5860.668資產(chǎn)利潤(rùn)率0.3950.6520.582凈利差0.9790.1680.987凈息差0.9580.2510.98資本充足率-0.0130.9850.971本文選取的數(shù)據(jù)類型足夠但卻不夠統(tǒng)一，因此在研究因子和本文研究項(xiàng)之間的對(duì)應(yīng)關(guān)系的時(shí)候還需要使用最大方差旋轉(zhuǎn)的方法（varimax)改變數(shù)據(jù)的情況，以便于快速找出兩者之間的對(duì)應(yīng)關(guān)系，提取研究項(xiàng)的全面信息。而根據(jù)上表所展示的情況可知，所有研究項(xiàng)對(duì)應(yīng)的共同度值都大于0.4，已經(jīng)充分說(shuō)明了因子與研究項(xiàng)之間的緊密關(guān)系，也就說(shuō)我們可以從研究項(xiàng)中提出足夠的有效信息在此基礎(chǔ)上可繼續(xù)分析因子與研究項(xiàng)之間是如何對(duì)應(yīng)的，因?yàn)榍懊嬉呀?jīng)證明了兩者之間存在對(duì)應(yīng)關(guān)系。4.因子得分及排名運(yùn)用SPSS19得到成分得分系數(shù)矩陣，如表4-9所示：表4-9成份得分系數(shù)矩陣名稱成分成分1成分2杠桿率0.0150.323存貸比0.1360.157資產(chǎn)利潤(rùn)率0.020.247凈利差0.485-0.2凈息差0.448-0.147資本充足率-0.3030.556 提取方法：主成分分析法 旋轉(zhuǎn)方法：凱撒正態(tài)化最大方差法表4-9為因子的得分系數(shù)矩陣表，成分1在凈利差、凈息差上都有較大的載荷，主要是衡量銀行的盈利，因此可以將F1命名為盈利性因子。成分2在資本充足率和杠桿率上都具有較大的載荷，這些指標(biāo)與銀行的發(fā)展有關(guān)，因此可以將F2命名為發(fā)展性因子。F1=0.015*杠桿率+0.136*存貸比+0.020*資產(chǎn)利潤(rùn)率+0.485*凈利差+0.448*凈息差-0.303*資本充足率F2=0.323*杠桿率+0.157*存貸比+0.247*資產(chǎn)利潤(rùn)率-0.200*凈利差-0.147*凈息差+0.556*資本充足率將旋轉(zhuǎn)平方數(shù)據(jù)和載入一欄的數(shù)據(jù)整合在一起進(jìn)行計(jì)算，而后再綜合前期計(jì)算得出的因子方差貢獻(xiàn)率就能構(gòu)建出適用于深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效的評(píng)價(jià)模型。F代表綜合得分，具體計(jì)算公式如下：F=(43.250*F1+42.218*F2)/85.468=0.506*F1+0.494*F2表4-10深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效得分（2021）銀行名稱F1得分F2得分綜合得分北京農(nóng)商行2.076310893.669174412.86318547上海農(nóng)商行2.014146032.973474522.48805431深圳農(nóng)商行1.252868434.939344913.07398781廣州農(nóng)商行2.714019984.224839773.46036496重慶農(nóng)商行1.942508136.748838164.31683516成都農(nóng)商行2.825689986.131947594.45898124浙江農(nóng)商行1.969230463.814828972.88095612天津農(nóng)商行2.943798524.430516013.67823696珠海農(nóng)商行3.207888655.676528014.42739649廣東農(nóng)商行2.114259413.483655552.7907411龍灣農(nóng)商行3.314869813.615671553.46346587按照上述步驟得出2020，2019，2018年的財(cái)務(wù)績(jī)效得分2020年財(cái)務(wù)績(jī)效得分公式：F1=-0.042*杠桿率+0.183*存貸比+0.026*資產(chǎn)利潤(rùn)率+0.500*凈利差+0.451*凈息差-0.299*資本充足率F2=0.382*杠桿率+0.117*存貸比+0.216*資產(chǎn)利潤(rùn)率-0.221*凈利差-0.156*凈息差+0.589*資本充足率F=(43.07*F1+39.77*F2)/82.84=0.52*F1+0.48*F2表4-11深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效得分（2020）銀行名稱F1得分F2得分綜合得分北京農(nóng)商行2.185478072.002576282.09768521上海農(nóng)商行2.161203542.099053912.13137171深圳農(nóng)商行1.625079361.920731911.76699259廣州農(nóng)商行2.672251392.782570842.72520472重慶農(nóng)商行1.880830991.990806521.93361924成都農(nóng)商行2.907777832.936825632.92172078浙江農(nóng)商行1.895176061.725653471.81380522天津農(nóng)商行3.609891673.618510163.61402855珠海農(nóng)商行3.163736023.35394283.25503527廣東農(nóng)商行2.190868731.629040011.92119094龍灣農(nóng)商行3.344326343.049157653.202645372019年財(cái)務(wù)績(jī)效得分公式：F1=0.304*杠桿率+0.232*存貸比+0.353*資產(chǎn)利潤(rùn)率-0.181*凈利差-0.141*凈息差+0.395*資本充足率F2=-0.002*杠桿率+0.030*存貸比-0.111*資產(chǎn)利潤(rùn)率+0.551*凈利差+0.518*凈息差-0.206*資本充足率F=(47.785*F1+36.587*F2)/84.371=0.566*F1+0.434*F2表4-12深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效得分（2019）銀行名稱F1得分F2得分綜合得分北京農(nóng)商行3.512701972.342325623.00475864上海農(nóng)商行2.769036682.55400232.67571176深圳農(nóng)商行4.49915411.663112633.2683121廣州農(nóng)商行4.392448373.654724674.07227629重慶農(nóng)商行6.396039862.799209354.83501542成都農(nóng)商行6.477853733.833544015.33022331浙江農(nóng)商行4.318705472.311154663.44742842天津農(nóng)商行4.202270243.915552744.07783485珠海農(nóng)商行5.368911173.585714544.59500383廣東農(nóng)商行3.440798893.649452813.53135469龍灣農(nóng)商行3.314229534.427546683.797409172018年財(cái)務(wù)績(jī)效得分公式：F1=0.082*杠桿率-0.207*存貸比-0.058*資產(chǎn)利潤(rùn)率+0.385*凈利差+0.369*凈息差+0.286*資本充足率F2=0.320*杠桿率+0.522*存貸比+0.412*資產(chǎn)利潤(rùn)率-0.167*凈利差-0.112*凈息差-0.015*資本充足率F=(49.088*F1+35.147*F2)/84.234=0.583*F1+0.417*F2表4-13深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效得分（2018）銀行名稱F1得分F2得分綜合得分北京農(nóng)商行-7.2047436.516711.0271005上海農(nóng)商行-7.2134835.1315310.4443892深圳農(nóng)商行-6.7775234.3938210.3909288廣州農(nóng)商行-7.8047443.7746713.703874重慶農(nóng)商行-8.5728744.4959713.5568363成都農(nóng)商行-5.9066240.1189913.2860594浙江農(nóng)商行-5.7816435.2447611.3263688天津農(nóng)商行-6.1688337.286311.9519592珠海農(nóng)商行-7.4260942.4796613.3846078廣東農(nóng)商行-2.5195128.9512810.6038094龍灣農(nóng)商行-2.5958831.3199311.5470128表4-14深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效綜合得分（2018-2021）銀行名稱2018201920202021均值北京農(nóng)商行11.02710053.004758642.097685212.863185474.74818246上海農(nóng)商行10.44438922.675711762.131371712.488054314.43488175深圳農(nóng)商行10.39092883.26831211.766992593.073987814.62505533廣州農(nóng)商行13.7038744.072276292.725204723.460364965.99042999重慶農(nóng)商行13.55683634.835015421.933619244.316835166.16057653成都農(nóng)商行13.28605945.330223312.921720784.458981246.49924618浙江農(nóng)商行11.32636883.447428421.813805222.880956124.86713964天津農(nóng)商行11.95195924.077834853.614028553.678236965.83051489珠海農(nóng)商行13.38460784.595003833.255035274.427396496.41551085廣東農(nóng)商行10.60380943.531354691.921190942.79074114.71177403龍灣農(nóng)商行11.54701283.797409173.202645373.463465875.5026333表4-15深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效綜合排名（2018-2021）銀行名稱2018排名2019排名2020排名2021排名總排名北京農(nóng)商行810798上海農(nóng)商行101161111深圳農(nóng)商行11911710廣州農(nóng)商行15564重慶農(nóng)商行22823成都農(nóng)商行41411浙江農(nóng)商行781087天津農(nóng)商行54145珠海農(nóng)商行33232廣東農(nóng)商行979109龍灣農(nóng)商行66356圖4-2農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效綜合排名（2018-2021）如表4-10、4-11、4-12、4-13、4-14，2018-2021年深圳農(nóng)村商業(yè)銀行財(cái)務(wù)績(jī)效綜合得分可知，樣本中的11家農(nóng)村商業(yè)銀行從2019年下滑之后到2021年財(cái)務(wù)績(jī)效都處于上升趨勢(shì)，上海農(nóng)商行近幾年財(cái)務(wù)績(jī)效得分最低，與得分最高的成都農(nóng)商行相差甚遠(yuǎn)，可見(jiàn)各農(nóng)商行之間的財(cái)務(wù)績(jī)效水平存在顯著差距，發(fā)展相當(dāng)不均衡。由表4-14、4-15和圖4-2可以直觀看出，農(nóng)村商業(yè)銀行的因子得分與排名，進(jìn)行數(shù)據(jù)分析。根據(jù)總體樣本得分結(jié)果，我們可以發(fā)現(xiàn)深圳農(nóng)村商業(yè)銀行具有以下特點(diǎn)：①總排名排第一的是成都農(nóng)商行，除了2018年2020年排名第四，2019和2021年都是第一。成都農(nóng)商銀行正式成立于2015年3月，當(dāng)時(shí)登記的注冊(cè)資本為7.077億元，除開(kāi)主銀行之外它還包含1家營(yíng)業(yè)部、14家支行、31家分理處和7家金融服務(wù)點(diǎn)，在還沒(méi)改制之前，它的名字叫做成都農(nóng)村合作社，所以改制成為農(nóng)村商業(yè)銀行之后發(fā)生了許多變化，以下兩個(gè)方面是重點(diǎn)。首先是成為商業(yè)銀行之后風(fēng)險(xiǎn)控制指標(biāo)一直保持良好狀態(tài)，各方面的監(jiān)管指標(biāo)也都呈現(xiàn)出優(yōu)良的狀態(tài)，比如營(yíng)業(yè)收入持續(xù)提升，業(yè)務(wù)規(guī)模不斷發(fā)展、不良資產(chǎn)率逐年下降等；其次是規(guī)模、效益、質(zhì)量形成了同步增長(zhǎng)的態(tài)勢(shì)，具體來(lái)說(shuō)就是改制之后現(xiàn)金分紅常年保持在15%以上，17年轉(zhuǎn)配送30%之后轉(zhuǎn)配送股表象良好，有非?？捎^的收益及發(fā)展前景。=2\*GB3②總排名排第二的是珠海農(nóng)商行，除了2019年第二名，其余三年都是第三名，排名趨勢(shì)較穩(wěn)定，2005年6月廣東農(nóng)村信用社正式改制為廣東農(nóng)商銀行，而根據(jù)調(diào)查可知，廣東縣各類型的銀行機(jī)構(gòu)共有22家，地區(qū)同業(yè)競(jìng)爭(zhēng)激烈，廣東農(nóng)商銀行通過(guò)廣布網(wǎng)點(diǎn)以及結(jié)合人緣、地緣的方式，存貸款規(guī)模做到了全縣第一。根據(jù)該行2021年同業(yè)存單的發(fā)展計(jì)劃表可知，這家銀行在2019年之后各項(xiàng)業(yè)務(wù)的發(fā)展都發(fā)生了質(zhì)的轉(zhuǎn)變，不僅發(fā)展平穩(wěn)，還各自做出了不俗的業(yè)務(wù)成績(jī)，對(duì)此，中誠(chéng)信國(guó)際再對(duì)其進(jìn)行評(píng)估之后表示，廣東農(nóng)商銀行雖然非利息收入占比較低，但它的整體收入仍舊以利息收入為主，因?yàn)檫@家銀行在區(qū)域內(nèi)布局了較多的網(wǎng)點(diǎn)，而且已經(jīng)取得了區(qū)域人們的信任，具備存款客戶大而穩(wěn)定的優(yōu)勢(shì)，使的其存款具有成本低、穩(wěn)定性高的特性，這也使得該銀行的凈息差較高，而且展示了其不俗的內(nèi)生能力以及盈利能力。該銀行未來(lái)必定還會(huì)有更大的發(fā)展，業(yè)務(wù)輻射范圍必定會(huì)得到進(jìn)一步的拓展。=3\*GB3③總排名第三的是重慶農(nóng)商行，2011年以來(lái)，重慶農(nóng)商銀行一直以“小而美”的差異化經(jīng)營(yíng)方式為經(jīng)營(yíng)理念，取得了較好的發(fā)展成績(jī)，不僅是中國(guó)銀監(jiān)會(huì)評(píng)定的全國(guó)標(biāo)桿農(nóng)商行、全國(guó)思想政治工作先進(jìn)單位、全國(guó)銀行業(yè)小微企業(yè)金融服務(wù)先進(jìn)單位，還在文化建設(shè)、管理創(chuàng)新以及戰(zhàn)略規(guī)劃等方面為其他小型銀行提供了一定的借鑒，幫