杜天洋，宋傳福，蘇紅云

摘 要：采用基本的DEA模型，對2014—2016年28家中國商業(yè)銀行的效率進行研究。結(jié)果發(fā)現(xiàn)，大部分銀行效率存在上升空間，純技術效率偏低是銀行效率提高的主要制約因素。同時，引入Malmquist指數(shù)模型，用于研究2014—2016年28家商業(yè)銀行的全要素生產(chǎn)率變動。研究結(jié)果表明，規(guī)模效率的下降會引起銀行全要素生產(chǎn)率的下降，而商業(yè)銀行技術水平的提高對全要素生產(chǎn)率的提高起主導作用。最后，提出針對性意見，即重視自身核心競爭力的提高，支持商業(yè)銀行的轉(zhuǎn)型升級，優(yōu)化銀行資產(chǎn)規(guī)模，加強合作。

關鍵詞：數(shù)據(jù)包絡分析（DEA）;商業(yè)銀行效率;上市銀行

中圖分類號：F832 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2019）18-0070-04

引言

隨著經(jīng)濟全球化的發(fā)展，金融在現(xiàn)代社會中扮演著越來越重要的角色，銀行業(yè)是其重要組成部分，而商業(yè)銀行資金規(guī)模龐大，在國家資源配置和宏觀調(diào)控的背景下，要在高度發(fā)達的金融環(huán)境中得以生存和發(fā)展，就必須提高銀行的競爭力，而效率是提高競爭力的關鍵因素之一。從管理學角度來講，效率是指在特定時間內(nèi)，組織的各種投入與產(chǎn)出之間的比率關系。

進行效率研究是促進資源優(yōu)化配置，促進銀行業(yè)健康發(fā)展的重要方法。隨著中國互聯(lián)網(wǎng)金融近年來的發(fā)展，中國銀行業(yè)改革創(chuàng)新取得了令人矚目的成就，整個銀行業(yè)發(fā)生了巨大變化。2004—2006年是中國銀行業(yè)發(fā)展最快的幾年，2005年6月，中國第一所上市銀行在香港上市。隨著利率市場化和現(xiàn)代金融市場的發(fā)展，傳統(tǒng)的經(jīng)營方法已無法滿足現(xiàn)代經(jīng)營效率提高的要求，這些外部環(huán)境的變化對于中國商業(yè)銀行的發(fā)展來說既是機遇也是挑戰(zhàn)。在這種時代背景下，對于商業(yè)銀行的效率進行研究，探尋提高效率的方法以提高競爭力就顯得至關重要。

一、文獻綜述

效率是商業(yè)銀行經(jīng)營中的一個重要內(nèi)容，國內(nèi)外學者對于商業(yè)銀行效率的研究也比較成熟，大多數(shù)學者是基于DEA模型進行比較研究。

DEA方法開始應用到商業(yè)銀行領域是從Sherman和Gold[1]第一次用DEA方法進行商業(yè)銀行的效率比較開始的。榮耀華和程維虎[2]對中國2015年16家商業(yè)銀行效率進行研究，發(fā)現(xiàn)國有商業(yè)銀行的規(guī)模效率偏低，上市銀行的規(guī)模效率受規(guī)模因素的影響;周逢民等[3]發(fā)現(xiàn)，商業(yè)銀行主要是由于自身經(jīng)營無效導致成本下降的。

Malmquist最早提出Malmquist模型，并將它與DEA結(jié)合，從而實現(xiàn)對商業(yè)銀行效率變動的研究。Sathye[4]基于此模型發(fā)現(xiàn)，相對而言，印度民營銀行的效率要低于國有銀行和股份制銀行;溫珂[5]基于兩階段關聯(lián)的Malmquist指數(shù)模型研究，發(fā)現(xiàn)技術進步和創(chuàng)新是商業(yè)銀行效率提升的關鍵。

縱觀國內(nèi)外文獻，銀行測度方法主要有兩類：財務指標分析法和前沿分析方法。前者使得數(shù)據(jù)較易獲得，但是容易出現(xiàn)片面化、局限性等問題;后者利用投入值和產(chǎn)出值得出前沿面，根據(jù)前沿面中的參數(shù)是否需要被估計分為參數(shù)估計和非參數(shù)估計，非參數(shù)估計中的數(shù)據(jù)包絡分析法常被用于商業(yè)銀行的效率研究;參數(shù)分析法中的隨機邊界分析方法也被用于效率研究：徐輝等[6]基于此研究方法通過引入不良貸款等指標得出結(jié)論，認為引入此指標對商業(yè)銀行的效率會產(chǎn)生十分重要的影響。

綜上所述，中國商業(yè)銀行的效率受眾多因素的影響，運用DEA-Malmquist模型能夠?qū)χ袊虡I(yè)銀行的效率進行更為精確合理的計算，更加真實地反映中國商業(yè)在經(jīng)濟全球化背景下的經(jīng)營狀況。

二、研究方法及模型介紹

（一）DEA-Malmquist方法簡述

DEA是現(xiàn)階段為止較為方便有效的效率值研究方式，其是A.Charness，W.W.Cooper和E.Rhodes共同提出并將其命名為DEA模型，之后又有Fried等人對其進一步研究得出新的三階段DEA模型方法。三階段DEA通過數(shù)學理論以及計算機科學的有效運用，使其對于效率值探究存在一定的客觀性以及相對權威性。本文同時采用由Malmquist提出的Malmquist模型同DEA相互結(jié)合，選取合適的銀行樣本進行相關銀行的效率及其變動規(guī)律的研究。在對DEA模型結(jié)論研究時，比較內(nèi)容為：同類型的多項輸入決策單元的相對效率指標、同類型的多項輸出決策單元的相對相率指標。在對其結(jié)果進行認定時，即評價決策單元的有效性，有效性與效率值之間成正比的關系，同時針對效率值的數(shù)值，相關企業(yè)將會對此做出決策——增大或減少投入量。同時，DEA-Malmquist模型在研究有效性領域中使用較為普遍，不再贅述其具體模型搭建過程，只對其中相關變量含義進行解釋。

1.第一階段。定義變量第j家銀行為DUMj（0≤j≤N），N是指樣本中選取的銀行數(shù)，并且同時建立投入向量Xj和產(chǎn)出向量Yj。

2.第二階段。通過CCR模型（不變規(guī)模報酬下的DEA模型）計算得出第j家銀行的相對效率，其中由于CCR模型展示出的是線性規(guī)劃模型，代入相關向量計算之后會得出無窮多個解并且無法識別其有效性，將模型進行轉(zhuǎn)換，得出這N家銀行的相對效率Lj0，并且通過minLj0=？茲得出相對效率或者說是決策單元的技術效率值？茲。

3.第三階段。通過可變規(guī)模效應下的DEA模型進行純技術效率的測算，并將其實體模型通過等價代換的方式，得出線性規(guī)劃模型，并且通過公式迭代之后進行求解，得到已經(jīng)解釋但尚未定義過的規(guī)模效率值U0，將上一步驟的公式通過對偶轉(zhuǎn)換，將上一階段的純技術效率值進行完善，得出純技術效率值？茲。

4.第四階段。對DEA—Malmquist模型的使用，通過對于以產(chǎn)出為導向的Malmquist指數(shù)模型表達式的轉(zhuǎn)換可以得到：

M（xt+1，yt+1，xt，yt）=■×■×■

通過上文中的三個階段可以得出結(jié)論，技術效率變化指數(shù)可以分解為純技術效率變化指數(shù)和規(guī)模效率變化指數(shù)，其乘積便就是上式中右邊第一項（技術效率變化指數(shù)）乘以第二項和第三項（技術變化指數(shù)），即可知Malmquist生產(chǎn)率指數(shù)M等價于技術效率變化指數(shù)技術變化指數(shù)的乘積。

（二）樣本選擇及變量數(shù)據(jù)

1.樣本選擇。本文選取的DUM數(shù)據(jù)是國內(nèi)28家上市銀行，其中國有商業(yè)銀行5家，即中國工商銀行、中國農(nóng)業(yè)銀行、中國銀行、中國建設銀行、交通銀行，18家城市商業(yè)銀行，即浙商銀行、北京銀行、上海銀行、江蘇銀行、南京銀行、寧波銀行、杭州銀行、貴陽銀行、成都銀行、長沙銀行，還包括5家農(nóng)商銀行。數(shù)據(jù)均來源于銀行年報。

2.相關指標的選擇。通過DEA模型的剖析和使用，最終選用投入指標為營業(yè)支出、固定資產(chǎn)凈額、負債與所有者權益合計，將營業(yè)收入、利潤總額以及存貸比作為產(chǎn)出指標。選擇這些指標的核心觀點與生產(chǎn)法一致，其主要是介紹銀行通過員工及設備等各種資源的有效運用，產(chǎn)生很多不同的存款和貸款賬款賬戶的企業(yè)，并且將其投入指標歸結(jié)為勞動力和成本支出，以及能為銀行在未來過去期間獲取收入的各種資本。產(chǎn)出指標便是本文指標所涵蓋的存款和貸款，本文將產(chǎn)出指標匯總存貸款形式以存貸比的數(shù)據(jù)方式呈現(xiàn)，將大額數(shù)據(jù)通過指數(shù)形式進行模型套用，效率值也將會更加直觀。

三、上市商業(yè)銀行效率測算與結(jié)果分析

（一）中國商業(yè)銀行DEA效率分析

本文采用DEAP2.1軟件，對樣本中28家上市商業(yè)銀行的數(shù)據(jù)進行有效性分析，得到28家上市商業(yè)銀行效率的綜合技術效率值、純技術效率和規(guī)模效率值，具體情況（如表1所示）。

從整體上來看，全國 28家上市商業(yè)銀行綜合效率值為0.906，距離生產(chǎn)前沿面有一定距離。處于生產(chǎn)前沿面的商業(yè)銀行一共是7家，分別是招商銀行、平安銀行、浙商銀行、吳江農(nóng)村商業(yè)銀行、無錫農(nóng)村商業(yè)銀行、常熟農(nóng)商銀行、張家港農(nóng)村商業(yè)銀行。綜合技術效率最低的是江蘇銀行，僅有0.718。綜合上述情況，28家上市商業(yè)銀行的綜合技術效率偏低，而且樣本的效率差異較大。樣本中，5家國有銀行也有較大差距，中國工商銀行和中國建設銀行的綜合技術效率分別是0.983和0.96，均超于平均值;而中國銀行、中國農(nóng)業(yè)銀行和交通銀行綜合技術效率分別是0.895、0.899和0.8，未超過平均值。中國銀行的綜合效率值偏低的原因是技術效率偏低，而中國農(nóng)業(yè)銀行的綜合技術效率值偏低是由于規(guī)模效率偏低。

28家上市商業(yè)銀行的純技術效率平均值為0.934，最低值為0.718。15家上市商業(yè)銀行的純技術效率達到1，分別是中國工商銀行、中國建設銀行、中國農(nóng)業(yè)銀行、招商銀行、興業(yè)銀行、浦發(fā)銀行、平安銀行、浙商銀行、貴陽銀行、長沙銀行、吳江農(nóng)村商業(yè)銀行、無錫農(nóng)村商業(yè)銀行、江陰農(nóng)商銀行、常熟農(nóng)商銀行、張家港農(nóng)村商業(yè)銀行。28家上市銀行，包括國有商業(yè)銀行、城市商業(yè)銀行，還包括6家農(nóng)商銀行。對于純技術效率的上市銀行，如江蘇銀行，應該優(yōu)化管理效率，進而提高純技術效率水平。規(guī)模效率的分析對于銀行的盈利有重要作用，通過分析銀行現(xiàn)有規(guī)模判斷其規(guī)模是否對于銀行的發(fā)展有利或者不利。根據(jù)表1可知，28家上市商業(yè)銀行的規(guī)模效率是0.971，處在較高的位置。

（二）Malquist指數(shù)分析

本文采用2014—2016年28家上市商業(yè)銀行的相關指標指數(shù)進行全要素生產(chǎn)率變動分析，結(jié)果（如表2所示）。

根據(jù)表2可以得出，28家上市商業(yè)銀行在2014—2016年全要素生產(chǎn)率有下降的趨勢，造成下降的主要原因是規(guī)模效率變動下降的結(jié)果。在28家上市商業(yè)銀行中，下降最多的是貴陽銀行，上升最多的是浙商銀行。

四、結(jié)論與建議

本文采用DEA方法對28家上市商業(yè)銀行效率進行分析，得到以下結(jié)論：上市商業(yè)銀行規(guī)模效率較高，商業(yè)銀行通過擴大分支機構數(shù)量增加自身規(guī)模，為銀行的發(fā)展帶來了巨大的收益;28家上市商業(yè)銀行純技術效率偏低，說明商業(yè)銀行的管理水平有待進一步提高?；诖耍岢鋈缦陆ㄗh：實現(xiàn)戰(zhàn)略轉(zhuǎn)型，銀行戰(zhàn)略轉(zhuǎn)型要執(zhí)行戰(zhàn)略重點突破策略，重新打造業(yè)務模式，解決銀行如何轉(zhuǎn)型。以往，銀行同質(zhì)化業(yè)務較為明顯，戰(zhàn)略轉(zhuǎn)型就是要實現(xiàn)多樣化的業(yè)務與商業(yè)模式，實現(xiàn)商業(yè)銀行獨特的品牌溢價，達到銀行的自身價值成長和管理升級。銀行經(jīng)營是一個有效的整體，確定好戰(zhàn)略轉(zhuǎn)型方向，需要管理層配合以及全面配套的理念和設備，解決如何進行高效轉(zhuǎn)型。商業(yè)銀行應實施管理轉(zhuǎn)型，推動各個部分的無縫對接整合，協(xié)同發(fā)展，提高戰(zhàn)略執(zhí)行效率。

參考文獻：

[1] ?Sherman H.D.，Goid F.Bank branch operating efficiency：valuation with date envelopment analysis[J].Jouruai of banking and Finance，2014，（10）：297-315.

[2] ?榮耀華，程維虎.基于數(shù)據(jù)包絡分析方法的上市銀行盈利效率研究[J].數(shù)理統(tǒng)計與管理，2017，（6）：1069-1079.

[3] ?周逢民，張會元，周海，等.基于兩階段關聯(lián)DEA模型的我國商業(yè)銀行效率評價[J].金融研究，2010，（11）：169-179.

[4] ?Sathye M.Efficiency of banks in a developing economy：the case of india[J].european journal operational research，2007，（3）：662-671.

[5] ?溫珂.Malmquist 指數(shù)優(yōu)化的商業(yè)銀行經(jīng)營效率實證研究[J].科技通報，2016，（4）：192-195.

[6] ?徐輝，李健，鐘惠波.銀行效率與不良貸款沖擊效應的實證研究——基于SFA測度分析的應用[J].金融評論，2012，（3）：29-40.