董樹功 吳圣略

摘? ?要：農(nóng)村商業(yè)銀行是農(nóng)村金融發(fā)展的核心，是服務(wù)“三農(nóng)”、推動鄉(xiāng)村振興戰(zhàn)略的可靠保障。以30家農(nóng)村商業(yè)銀行為研究對象，運用改進DEA分析方法及灰色預(yù)測模型，對其經(jīng)營效率進行分析及預(yù)測。研究表明，我國農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈穩(wěn)步上升趨勢，受技術(shù)效率與技術(shù)進步效率影響較大，在未來保持穩(wěn)步增長態(tài)勢，不同地區(qū)生產(chǎn)率差異呈收斂趨勢。技術(shù)效率始終保持相對穩(wěn)定狀態(tài)，在臨界值1上下浮動，受純技術(shù)進步效率影響較大，地區(qū)差異對其影響較小。在此基礎(chǔ)上提出合理調(diào)整規(guī)模、加強金融創(chuàng)新等政策建議。

關(guān)? 鍵? 詞：農(nóng)村商業(yè)銀行;經(jīng)營效率;全要素生產(chǎn)率;DEA模型;灰色預(yù)測法

中圖分類號：F832.35? ? ? 文獻標識碼：A? ? ? ?文章編號：2096-2517（2021）04-0027-11

DOI：10.16620/j.cnki.jrjy.2021.04.003

一、引言

隨著經(jīng)濟蓬勃發(fā)展，城鄉(xiāng)經(jīng)濟二元化結(jié)構(gòu)矛盾日益凸顯，制約農(nóng)業(yè)效率提高、農(nóng)村環(huán)境改善、農(nóng)民收入增長。農(nóng)村經(jīng)濟發(fā)展是破解“三農(nóng)”問題的著力點與突破口， 農(nóng)村商業(yè)銀行在促進農(nóng)村經(jīng)濟發(fā)展、實現(xiàn)鄉(xiāng)村振興戰(zhàn)略中起積極推動作用。2020年中央“一號文件”鼓勵農(nóng)村商業(yè)銀行擴大農(nóng)村普惠金融改革試點，推進農(nóng)產(chǎn)品期貨期權(quán)上市，推出免抵押、可持續(xù)、低利率普惠產(chǎn)品。新時代背景下，作為農(nóng)村金融機構(gòu)重要組成部分的農(nóng)村商業(yè)銀行，應(yīng)積極探索發(fā)展新思路，推動普惠金融、互聯(lián)網(wǎng)金融發(fā)展和金融供給側(cè)結(jié)構(gòu)性改革，為實現(xiàn)鄉(xiāng)村振興提供更高水平的金融服務(wù)與金融支持。

現(xiàn)有農(nóng)村商業(yè)銀行以政策性為導(dǎo)向、商業(yè)性為主體、惠農(nóng)性為基礎(chǔ)，與其他農(nóng)村金融機構(gòu)互為補充，是新時代實施鄉(xiāng)村振興戰(zhàn)略、發(fā)展普惠金融的主力軍和做好“三農(nóng)”工作的重要抓手，囿于管理體制、產(chǎn)品創(chuàng)新、歷史條件等限制，其經(jīng)營效率、資源配置效率與其他性質(zhì)的商業(yè)銀行相比較低，已成為長期困擾農(nóng)村商業(yè)銀行與農(nóng)村金融市場發(fā)展的阻礙。 農(nóng)村商業(yè)銀行效率低下主要表現(xiàn)在三個方面：一是不良貸款率居高不下， 風險管理水平有待提高。我國農(nóng)村商業(yè)銀行面臨著大量操作風險、市場風險、信用風險，囿于技術(shù)條件、資金水平，無法有效通過證券化、保險等方式化解防范，致使農(nóng)村商業(yè)銀行不良貸款率居高不下。根據(jù)《中國金融統(tǒng)計年鑒》顯示，2020年農(nóng)村商業(yè)銀行不良貸款率高達4.09%， 遠超大型商業(yè)銀行的1.39%和股份制銀行的1.64%。二是資金需求供給不匹配，外流嚴重。根據(jù)觀研天下頒布的《2020年中國農(nóng)村金融市場分析報告——市場規(guī)?，F(xiàn)狀與發(fā)展趨勢分析》顯示：截至2019年6月末， 全國涉農(nóng)貸款余額達34.24萬億元，其中農(nóng)戶貸款余額僅為9.86萬億，與農(nóng)村經(jīng)營主體需求存在較大資金缺口。涉農(nóng)貸款額度較小、期限較短與農(nóng)業(yè)資金回收周期不同步，造成信貸供需周期錯位。此外，農(nóng)村商業(yè)銀行因其趨利性質(zhì)，將大量吸收的農(nóng)村資金通過票據(jù)購買，資金拆借轉(zhuǎn)移至發(fā)達城市地區(qū)， 致使農(nóng)村大量資金外流。第三，農(nóng)村支付系統(tǒng)不完善。農(nóng)村商業(yè)銀行營業(yè)網(wǎng)點分布散落，農(nóng)村居民享受金融服務(wù)不便，手機銀行、網(wǎng)絡(luò)銀行普及率不高，大大限制農(nóng)村商業(yè)銀行效率提升[1]。此外，農(nóng)村商業(yè)銀行科技領(lǐng)軍人才、尖子人才嚴重不足，科技人員占比不足5%，金融工具單一、支農(nóng)功能弱化、金融服務(wù)滯后等問題同樣阻礙農(nóng)村商業(yè)銀行效率的提高與支農(nóng)惠農(nóng)成效的發(fā)揮。

本文以30家農(nóng)村商業(yè)銀行2014—2019年的數(shù)據(jù)為樣本， 采用改進版DEA模型與灰色預(yù)測模型，對我國農(nóng)村商業(yè)銀行經(jīng)營狀況、效率差異、未來業(yè)績進行計算， 有利于明晰農(nóng)村商業(yè)銀行經(jīng)營效率， 厘清效率影響因素，加快其內(nèi)部體制改革，對服務(wù)“三農(nóng)”、助力鄉(xiāng)村振興、縮小城鄉(xiāng)差距，促進我國農(nóng)村金融機構(gòu)乃至農(nóng)村經(jīng)濟發(fā)展具有重要意義。

二、文獻綜述

金融機構(gòu)經(jīng)營效率是衡量在一定的金融資源投入下，金融機構(gòu)產(chǎn)出的效率，綜合反映了一個金融機構(gòu)的核心競爭力、可持續(xù)發(fā)展能力?，F(xiàn)階段，關(guān)于金融機構(gòu)效率的研究主要集中在效率測度方法的選擇與影響因素的分析。

在效率測度方法選擇上，國內(nèi)外大多數(shù)學者運用DEA-Malmquist模型（數(shù)據(jù)包絡(luò)法） 及其改進模型來測度金融機構(gòu)經(jīng)營效率。Malmquist指數(shù)是衡量相同類型的多投入、多產(chǎn)出決策單元是否有效的非參數(shù)統(tǒng)計方法，具有持續(xù)反映變量效率指標變化情況的優(yōu)點。Wheelcok等（1999）運用Malmquist指數(shù)對1984—1999年美國商業(yè)銀行的效率進行測度，認為規(guī)模效率較低導(dǎo)致在此期間美國商業(yè)銀行的效率處于下降狀態(tài)[2]。常露露等（2016）以山東地區(qū)為例，借助DEA模型，得出不同產(chǎn)權(quán)結(jié)構(gòu)金融機構(gòu)效率存在明顯差異，國有大型商業(yè)銀行效率值低于股份制銀行的結(jié)論[3]。Tsolas等（2015）考慮了不良貸款率因素的影響， 將其代入DEA模型對希臘銀行業(yè)效率進行測度，與確定型模型相比得出了更加精確的結(jié)果[4]。莫媛等（2020）進一步改進DEA模型，采用三階段模型，發(fā)現(xiàn)金融發(fā)展存在地區(qū)不平衡性，農(nóng)村金融效率在江蘇地區(qū)表現(xiàn)出由南至北依次遞減的梯級分布特征[5]。除DEA模型以外，還有部分學者運用非徑向EBM-Undesirable模型研究， 認為農(nóng)村金融機構(gòu)經(jīng)營效率總體水平較高， 但起伏較大，農(nóng)商行效率高于農(nóng)信社[6]。龐金波等（2020）借助SFA方法研究發(fā)現(xiàn)，東、中、西部科技金融效率均值存在差異，各區(qū)市科技金融發(fā)展不均衡[7]。綜合上述學者觀點不難發(fā)現(xiàn)，現(xiàn)有農(nóng)村金融機構(gòu)經(jīng)營效率研究尚未形成統(tǒng)一的結(jié)論。一方面是由于模型選擇不同，另一方面是于技術(shù)限制、歷史包袱等原因?qū)е履Ｐ屯度氘a(chǎn)出指標選取不同。

農(nóng)村商業(yè)銀行的經(jīng)營效率受眾多因素影響，大部分學者采用實證研究分析其影響機制，研究視域主要集中于以下幾個角度：第一，資產(chǎn)規(guī)模。多數(shù)學者認為農(nóng)村商業(yè)銀行是追求規(guī)模經(jīng)濟效益的金融機構(gòu)，資產(chǎn)規(guī)模越大，其經(jīng)營效率越高[8-9]。部分學者持相反的觀點，認為農(nóng)村商業(yè)銀行不存在規(guī)模效應(yīng)， 資產(chǎn)規(guī)?？赡軐r(nóng)村商業(yè)銀行效率呈負向作用[10]。第二，流動性。流動性的增強，有助于提高商業(yè)銀行償債能力，降低商業(yè)銀行經(jīng)營風險，提高其經(jīng)營效率[11-12]。第三，經(jīng)濟發(fā)展水平。部分學者指出農(nóng)村商業(yè)銀行經(jīng)營效率與經(jīng)濟發(fā)展水平呈正相關(guān)，經(jīng)濟發(fā)展水平越高，其經(jīng)營績效越高，不同地區(qū)的經(jīng)濟發(fā)展水平對其影響程度不同[13-14]。王俊芹等（2010）則認為經(jīng)濟發(fā)展水平越高，農(nóng)村信用社支農(nóng)功能弱化的傾向越嚴重，改革效率越低[15]。第四，資金配置能力。資金配置能力越強，創(chuàng)造收益越多，越有利于農(nóng)村商業(yè)銀行效率的提高，存貸比是反映資金配置能力的主要財務(wù)指標，對農(nóng)村商業(yè)銀行的效率存在顯著影響[16-17]。第五，政策支持。農(nóng)村商業(yè)銀行出于政策需要承擔大量低收益項目，作為補償，政府給予政策補貼，有效提高其經(jīng)營效率[18]。此外，杠桿率、員工薪酬、財務(wù)績效、人才質(zhì)量、權(quán)益凈利率與服務(wù)能力都在一定程度上影響著銀行經(jīng)營效率[19-23]。

綜上所述，現(xiàn)階段關(guān)于金融機構(gòu)經(jīng)營效率及影響因素的研究已較為成熟，研究的視角已經(jīng)從全國整體、省際層面深入到縣域，但鮮少涉及經(jīng)營效率預(yù)測領(lǐng)域。DEA模型雖已被廣泛應(yīng)用于金融機構(gòu)效率的計算中， 其研究方法與研究內(nèi)容仍有待完善。本文運用改進DEA模型，對具有代表性的30家農(nóng)村商業(yè)銀行效率進行測度，在此基礎(chǔ)上采用灰色預(yù)測模型對其效率進行預(yù)測， 并提出針對性建議，為提高農(nóng)村商業(yè)銀行經(jīng)營效率，更好發(fā)揮服務(wù)“三農(nóng)”功能提供理論支持。

三、農(nóng)村商業(yè)銀行經(jīng)營效率測度

數(shù)據(jù)包絡(luò)法（Date Envelopment Analysis，以下簡稱DEA）是由著名運籌學家Charnes和Cooper于1978年提出的一種評價相同部門間相對有效性的理論模型。DEA最先應(yīng)用于公共部門與非營利組織效率的評價， 后來Sherman和Gold首次應(yīng)用于研究銀行業(yè)的效率。該模型能夠分析不同時期決策單元變化，剔除技術(shù)進步因素后，能得到更為準確的結(jié)果[24-25]，廣泛運用于商業(yè)銀行、科技成果轉(zhuǎn)化、農(nóng)業(yè)生產(chǎn)等效率測算[26-29]。本文采用DEA模型中的Malmquist的指數(shù)模型對30家農(nóng)村商業(yè)銀行經(jīng)營效率進行計算，進而分析其資源配置效率的動態(tài)特征。

（一）DEA-Malmquist模型簡介

DEA模型的構(gòu)建：向量X=（x1，x2…）定義為投入指標，向量Y=（y1，y2…）定義為產(chǎn)出指標，并將決策單元效率公式做如下設(shè)定：

其中，u表示k×1維產(chǎn)出權(quán)重向量，v表示k×1維產(chǎn)出權(quán)重向量，在規(guī)模報酬不變的條件下模型（CCR模型）如下所示：

其對偶規(guī)劃如下所示：

當？茲=1時，說明決策單元處于效率前沿，0<？茲<1說明決策單元處于無效率狀態(tài)，CCR模型就是通過？茲值來判斷決策單元是否有效率。 由于現(xiàn)實生活中農(nóng)村商業(yè)銀行的規(guī)模報酬是可變的，簡單使用CRR模型會把其技術(shù)效率與規(guī)模效率混為一談， 故本文采用假設(shè)規(guī)模報酬可變的BCC模型。BCC模型就是在CRR模型的基礎(chǔ)上， 新增∑？姿i=1約束條件，其表達式為：

全要素生產(chǎn)率是衡量單位總投入的總產(chǎn)量的生產(chǎn)率指標， 反映了當期效率與上期效率的關(guān)系，如果全要素生產(chǎn)率的值大于1，說明與上一期相比銀行效率有所提高，反之相對效率下降。技術(shù)效率反映一家金融機構(gòu)實際產(chǎn)量與最大可能產(chǎn)量的比值，當技術(shù)效率的值大于等于1時，說明該銀行對投入要素利用達到最優(yōu)， 當技術(shù)效率值小于1時，說明該銀行對投入要素的利用還有待優(yōu)化。全要素生產(chǎn)率涵蓋技術(shù)效率、技術(shù)進步效率、生產(chǎn)效率等一切經(jīng)濟變量的效率，主要受技術(shù)效率與技術(shù)進步效率影響，本文采用全要素生產(chǎn)率衡量農(nóng)村商業(yè)銀行經(jīng)營效率。技術(shù)效率除了受純技術(shù)效率的影響，還受規(guī)模效率影響。

Malmquist指數(shù)是由經(jīng)濟學家Fare在DEA的基礎(chǔ)上，構(gòu)建的研究決策單元效率值變化情況的指數(shù)，在規(guī)模報酬可變的情況下，其表達式如下所示：

=PECH×SECH×TECH? （5）

在規(guī)模報酬可變的情況下第t期（xt，yt），第t+1期（xt+1，yt+1）的距離函數(shù)。Malmquist指數(shù)可以進一步分解為技術(shù)效率指數(shù)（EFFCH）和技術(shù)進步效率指數(shù)（TECH），其中技術(shù)效率指數(shù)（CH）又可以分解為純技術(shù)效率指數(shù)（PECH）和規(guī)模效率指數(shù)（SECH）。如果EFFCH>1，表明決策單元相對效率有所提高，反之下降，如果TECH>1，表明技術(shù)的進步提高了效率， 反之阻礙了效率。全要素生產(chǎn)率指數(shù)=EFFCH×TECH，如果全要素生產(chǎn)率指數(shù)大于1，表示效率得到提高，反之表示效率下降。

（二）數(shù)據(jù)選擇與來源

目前對于商業(yè)銀行投入-產(chǎn)出指標的選取主要有三種方法：一是生產(chǎn)法。生產(chǎn)法將銀行視為存貸款業(yè)務(wù)的生產(chǎn)者，注重商業(yè)銀行收益狀態(tài)。二是中介法。中介法將銀行視為融通資金的中介，忽視了商業(yè)銀行對外金融服務(wù)職能。三是資產(chǎn)法。資產(chǎn)法將銀行視為存貸款業(yè)務(wù)的所有者，該方法在現(xiàn)實中有較多限制[30]。合理選擇投入-產(chǎn)出指標是準確計量金融機構(gòu)效率的關(guān)鍵， 根據(jù)數(shù)據(jù)的可獲得性、代表性、可操作性，本文綜合生產(chǎn)法和中介法選取投入-產(chǎn)出指標。投入指標分別為：存款總額，體現(xiàn)農(nóng)村商業(yè)銀行負債規(guī)模，是其經(jīng)營的先決條件;固定資產(chǎn)， 綜合反映農(nóng)村商業(yè)銀行投資規(guī)模、 比例、速度;營業(yè)成本，反映了農(nóng)村商業(yè)銀行日常支出。產(chǎn)出指標為：貸款總額，是農(nóng)村商業(yè)銀行最為重要的資產(chǎn)與收入來源;凈利潤，反映銀行整體盈利能力的高低;利息收入，反映銀行短期經(jīng)營資產(chǎn)或負債成果。各指標描述性統(tǒng)計見表1。

本文選取了財務(wù)信息披露完整、具有代表性的30家商業(yè)銀行作為分析樣本，樣本銀行分別為：北京農(nóng)商銀行、成都農(nóng)商銀行、佛山農(nóng)商行、廣州農(nóng)商行、貴陽農(nóng)商行、杭州聯(lián)合農(nóng)商行、合肥農(nóng)商行、江蘇蘇州農(nóng)商銀行、江蘇紫金農(nóng)商行、青島農(nóng)商行、廈門農(nóng)商行、上海農(nóng)商銀行、天津農(nóng)商行、無錫農(nóng)商行、武漢農(nóng)商行、義烏農(nóng)商行、中山農(nóng)商行、珠海農(nóng)商銀行、大連農(nóng)商銀行、鄂爾多斯農(nóng)商銀行、晉江農(nóng)商銀行、池州九華農(nóng)商銀行、西寧農(nóng)商銀行、蕪湖農(nóng)商銀行、安徽石臺農(nóng)商銀行、揚州農(nóng)商銀行、石獅農(nóng)商銀行、長春農(nóng)商銀行、延邊農(nóng)商銀行。其中，東部地區(qū)17家，中部地區(qū)5家，西部地區(qū)5家，東北部地區(qū)3家。

從資產(chǎn)規(guī)模的角度，本文選取的樣本有北京農(nóng)商銀行、 廣州農(nóng)商銀行等資產(chǎn)規(guī)模超過5000億元的大型農(nóng)商銀行共3家; 有諸如佛山農(nóng)商銀行、杭州聯(lián)合農(nóng)商銀行等資產(chǎn)規(guī)模在1000～5000億元的中型農(nóng)商銀行共11家;有類似中山農(nóng)商銀行、廈門農(nóng)商銀行等資產(chǎn)規(guī)模在500～1000億元的小型農(nóng)商銀行共16家。從銀行的法人層級來看，有重慶農(nóng)商銀行、上海農(nóng)商銀行等省級銀行，還有諸如義烏農(nóng)商銀行、武漢農(nóng)商行等市級銀行。

本文選取了2014—2019年30家農(nóng)村商業(yè)銀行存款總額、貸款總額、固定資產(chǎn)、營業(yè)成本、凈利潤、利息收入數(shù)據(jù)，數(shù)據(jù)均來自WIND數(shù)據(jù)庫、Ifind網(wǎng)站。

（三）實證分析

運用DEAP2.1軟件，計算得出30家商業(yè)銀行2015—2019年的全要素生產(chǎn)效率、技術(shù)效率指數(shù)、技術(shù)進步效率指數(shù)、純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)，由于篇幅限制，本文僅展示全要素生產(chǎn)率與技術(shù)效率，計算結(jié)果如表2所示。

1.全要素生產(chǎn)率

從整體來看，我國農(nóng)村商業(yè)銀行的全要素生產(chǎn)率均值僅有北京農(nóng)商銀行、合肥農(nóng)商銀、青島農(nóng)商銀行、廈門農(nóng)商銀行、 上海農(nóng)商行等11家商業(yè)銀行達到1以上，僅占樣本銀行的36.67%，說明我國農(nóng)村商業(yè)銀行的全要素生產(chǎn)率仍有很大提升空間。同一時期不同農(nóng)村商業(yè)銀行的全要素生產(chǎn)率相差較大，2016年義烏農(nóng)商銀行與中山農(nóng)商銀行的全要素生產(chǎn)率相差值達到了0.554，2015年佛山農(nóng)商行與廈門農(nóng)商行的差值也達到了0.523， 這種情況在2017年后逐漸得到了好轉(zhuǎn)。 農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈穩(wěn)步上升趨勢， 在2015—2019五年內(nèi)由0.954上升至1.033，增幅達8.28%。由圖1可知，在2016年后技術(shù)進步效率指數(shù)和技術(shù)效率指數(shù)與全要素生產(chǎn)率指數(shù)走勢較為貼合，這表明在我國技術(shù)與技術(shù)進步在一定程度上推動農(nóng)村商業(yè)銀行全要素生產(chǎn)率的提高，同時也說明早期全要素生產(chǎn)率較低主要是由于缺乏技術(shù)與技術(shù)進步的推動。農(nóng)村商業(yè)銀行在今后的發(fā)展改革中要大力開發(fā)新型金融產(chǎn)品，引進先進技術(shù)與經(jīng)營理念，從而推動效率提升。

從個體來看，廈門農(nóng)商銀行與蕪湖農(nóng)商銀行的全要素生產(chǎn)率在所有樣本銀行中維持著較高水平，均值分別達到1.106與1.101， 西寧農(nóng)商銀行的全要素生產(chǎn)率在2015—2018年提升近119.8%，這與其提高中間業(yè)務(wù)收入、 創(chuàng)新產(chǎn)品與服務(wù)密不可分。武漢農(nóng)商銀行全要素生產(chǎn)率始終維持在1以下，其技術(shù)效率與技術(shù)進步效率均處于較低狀態(tài)，因此可以從技術(shù)進步、 管理水平著手提升其全要素生產(chǎn)率。

從地區(qū)來看（見圖2），發(fā)展初期東部地區(qū)的全要素生產(chǎn)率為0.984， 略高于其他三個地區(qū)的0.972、0.900、0.928。囿于金融開放程度、技術(shù)創(chuàng)新水平、從業(yè)人員素質(zhì)等因素， 截至2019年東部農(nóng)村商業(yè)銀行生產(chǎn)效率仍然高于其他地區(qū)。隨著鄉(xiāng)村振興戰(zhàn)略的推進與中西部、 東北部農(nóng)村商業(yè)銀行轉(zhuǎn)變經(jīng)營理念、變革技術(shù)創(chuàng)新，我國各個地區(qū)農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈收斂式增長， 增幅分別達到了11.29%、6.2%、7%和7.88%。

2.技術(shù)效率

從總體來看，30家商業(yè)銀行的技術(shù)效率年均值基本都大于1，只有2016年略小于1，說明我國農(nóng)村商業(yè)銀行的整體技術(shù)效率較好， 要素利用率較高， 這主要是由于農(nóng)村信用社改制為農(nóng)村商業(yè)銀行，在國家政策扶持下，發(fā)展速度迅猛，產(chǎn)出能力提升產(chǎn)生的。由圖3可知，技術(shù)效率、純技術(shù)效率與規(guī)模效率均在臨界值1上下浮動， 技術(shù)效率與純技術(shù)效率、規(guī)模效率走勢一致，說明在今后的發(fā)展中規(guī)模大小與技術(shù)進步仍然需要各家銀行著重關(guān)注。

從個體角度來看，不同地區(qū)農(nóng)村商業(yè)銀行的技術(shù)效率相近，在1邊緣上下浮動，22家農(nóng)村商業(yè)銀行的技術(shù)效率均值大于1， 占樣本總量的73.3%， 其中廈門農(nóng)商行、重慶農(nóng)商行、青島農(nóng)商行近五年內(nèi)都保持較高的技術(shù)效率值。這不僅是廈門、重慶經(jīng)濟蓬勃發(fā)展的體現(xiàn)，更是廈門農(nóng)商行、重慶農(nóng)商行積極創(chuàng)新、優(yōu)化盈利結(jié)構(gòu)、優(yōu)化資源配置的結(jié)果。無錫農(nóng)商行、武漢農(nóng)商行、義烏農(nóng)商行近五年的技術(shù)效率均值分別為0.952、0.907和0.966，顯著小于1，這主要是由于投入產(chǎn)出比例不合理， 資源配置未達到最優(yōu)，導(dǎo)致純技術(shù)效率較低。

從地區(qū)角度看（見圖4），我國不同地區(qū)農(nóng)村商業(yè)銀行技術(shù)效率差異性較小，維持在1附近，僅有2016年出現(xiàn)一定波動，經(jīng)濟欠發(fā)達的西部地區(qū)技術(shù)效率甚至一度高于其他地區(qū)， 說明技術(shù)效率受地區(qū)歷史包袱、經(jīng)濟發(fā)展和管理困境影響較小。

四、農(nóng)村商業(yè)銀行效率預(yù)測

灰色預(yù)測法是一種利用既含有已知信息又含有不確定的信息對系統(tǒng)行為的特征值發(fā)展變化進行預(yù)測的方法， 該方法基于隨機的原始時間序列，利用一階線性方程，預(yù)測未來發(fā)展趨勢，已廣泛應(yīng)用于金融、農(nóng)業(yè)、旅游、碳排放等領(lǐng)域，具有重要的理論研究與實踐價值[31-32]。鮮少有學者采用灰色預(yù)測模型對農(nóng)村商業(yè)銀行效率進行預(yù)測， 基于此，本文采用灰色預(yù)測模型， 以2014—2019年30家農(nóng)村商業(yè)銀行全要素生產(chǎn)率值作為樣本數(shù)據(jù)，對其發(fā)展態(tài)勢進行預(yù)測， 以期為農(nóng)村商業(yè)銀行的發(fā)展提供前瞻性政策意見。

（一）模型構(gòu)建

設(shè)有h個變量X1，X2，X3，…，Xh，組成初始的數(shù)列，即：

建立白化形式的微分方程：

相應(yīng)微分方程的解為：

其中，記參數(shù)列為a=au，a=（BTB）-1BTY，且：

傳統(tǒng)GM（1，1）對于數(shù)據(jù)要求較高，指數(shù)效應(yīng)不明顯的數(shù)據(jù)采用GM（1，1）灰色預(yù)測，可能會得到偏離現(xiàn)實的結(jié)果，本文基于前人研究，引入緩沖算子對原始數(shù)據(jù)進行處理以提高結(jié)果的精度[33]。修正后的一階緩沖算子為：

（二）實證分析

從整體看來（見圖5），基于2015—2019年的原始數(shù)據(jù)所反映的潛在規(guī)律來預(yù)測2020—2022年我國農(nóng)村商業(yè)銀行全要素生產(chǎn)率，結(jié)果顯示在未來全要素生產(chǎn)率呈穩(wěn)步上升趨勢， 年均增長率達2.25%，到2022年全要素生產(chǎn)率均值達1.113。我國農(nóng)村商業(yè)銀行預(yù)期全要素生產(chǎn)率內(nèi)部差異性較大，處于低效率的銀行可以積極學習高效率銀行的先進理念與經(jīng)驗，共同推進我國農(nóng)村商業(yè)銀行發(fā)展，更好推動“鄉(xiāng)村振興”戰(zhàn)略的實施。

從個體來看，北京農(nóng)商銀行、九華農(nóng)商行、上海農(nóng)商銀行、珠海農(nóng)商銀行等在未來仍然保持較高的生產(chǎn)效率;成都農(nóng)商銀行、廣州農(nóng)商銀行、杭州聯(lián)合農(nóng)商銀行、蘇州農(nóng)商銀行、天津農(nóng)商銀行、武漢農(nóng)商銀行、義烏農(nóng)商銀行這七家農(nóng)商銀行未來的全要素增長率在現(xiàn)有技術(shù)、人員、管理等條件下呈下降趨勢，尤其是武漢農(nóng)商銀行和義烏農(nóng)商銀行其全要素生產(chǎn)率在2022年僅為0.781和0.727，為此要加快經(jīng)營理念轉(zhuǎn)變與技術(shù)創(chuàng)新，扭轉(zhuǎn)下降趨勢。

從地區(qū)來看，東部地區(qū)農(nóng)村商業(yè)銀行效率走勢與全國農(nóng)村商業(yè)銀行走勢較為貼合，說明東部地區(qū)農(nóng)村商業(yè)銀行在全國占主導(dǎo)地位，對其他地區(qū)農(nóng)村商業(yè)銀行起引領(lǐng)作用。隨著中西部地區(qū)崛起，與發(fā)達地區(qū)差距逐步縮減，中西部地區(qū)農(nóng)村商業(yè)銀行預(yù)期效率遠超其他地區(qū)， 預(yù)計到2022年達1.22與1.18。 東北部預(yù)期效率始終徘徊在1附近， 為此東北部地區(qū)農(nóng)村商業(yè)銀行要順應(yīng)“振興東北”時代潮流，積極進行金融產(chǎn)品創(chuàng)新，吸引高素質(zhì)人才以不斷提高其效率。

五、結(jié)論與建議

（一）主要結(jié)論

本文采用改進DEA模型與灰色預(yù)測模型，綜合分析預(yù)測我國30家農(nóng)村商業(yè)銀行全要素生產(chǎn)率、技術(shù)效率，得出如下結(jié)論：第一，我國農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈穩(wěn)步上升趨勢，整體仍有較大提升空間。不同農(nóng)村商業(yè)銀行的全要素生產(chǎn)率存在較大差異，東部地區(qū)農(nóng)村商業(yè)銀行在初期顯著高于其他地區(qū)，隨著銀行體制的改革，不同地區(qū)的效率差異呈收斂趨勢。 全要素生產(chǎn)率的走勢在2016年后與技術(shù)效率、技術(shù)進步效率貼合。第二，我國農(nóng)村商業(yè)銀行技術(shù)效率呈波動上升趨勢， 總體維持在1附近。技術(shù)效率走勢與純技術(shù)效率較為貼合，效率的高低與規(guī)模大小不一定呈正相關(guān)，技術(shù)效率受地區(qū)差異影響較小。第三，我國農(nóng)村商業(yè)銀行未來發(fā)展態(tài)勢良好，全要素生產(chǎn)率均維持在1以上，在現(xiàn)有技術(shù)條件下，部分農(nóng)村商業(yè)銀行未來業(yè)績走向不容樂觀，應(yīng)加快整改速度以適應(yīng)鄉(xiāng)村振興的步伐。

（二）政策建議

1.合理調(diào)整規(guī)模。我國農(nóng)村商業(yè)銀行作為金融體制改革的新產(chǎn)物，成立時間尚短，市場規(guī)模較小，可以通過提升業(yè)務(wù)質(zhì)量、 吸收大量存款和發(fā)行債券、增資擴股等手段適度擴大規(guī)模。目前，我國農(nóng)村商業(yè)銀行處于規(guī)模擴張時期， 追求拓寬業(yè)務(wù)范圍、跨區(qū)域設(shè)立分支機構(gòu)等， 由于自身經(jīng)營能力限制，往往會出現(xiàn)機構(gòu)臃腫、人員冗雜、規(guī)模效率與技術(shù)效率不匹配、資源配置不合理等問題。農(nóng)村商業(yè)銀行應(yīng)避免盲目擴張，保持合理規(guī)模，在發(fā)展前景良好的地區(qū)集中資源，加強宣傳力度，提高自身品牌知名度，擴大存款規(guī)模，保證鄉(xiāng)鎮(zhèn)和農(nóng)村營業(yè)網(wǎng)點的覆蓋率。

2.加速金融創(chuàng)新。金融創(chuàng)新和技術(shù)革新是提高農(nóng)村商業(yè)銀行全要素生產(chǎn)率的重要途徑。農(nóng)村商業(yè)銀行要加快改革步伐， 推進農(nóng)村小額貸款業(yè)務(wù)發(fā)展，發(fā)展農(nóng)產(chǎn)品期貨與農(nóng)業(yè)保險，構(gòu)建起投資多元、服務(wù)高效、功能完善的農(nóng)村金融服務(wù)體系。此外，金融產(chǎn)品在開發(fā)的過程中需考慮風險因素，在金融監(jiān)管機構(gòu)規(guī)定的法律范圍內(nèi)進行金融創(chuàng)新，建立農(nóng)村商業(yè)銀行信用評級體系及動態(tài)調(diào)整機制，完善風險防范、規(guī)避與轉(zhuǎn)移機制。由于農(nóng)村商業(yè)銀行成立時間較短，自身基礎(chǔ)薄弱，應(yīng)該在市場競爭與合作中學習同行先進的管理理念與運營技術(shù)，不斷提高自身金融創(chuàng)新能力和核心競爭力。

3.明確發(fā)展重點。傳統(tǒng)的銀行業(yè)資產(chǎn)業(yè)務(wù)資金消耗量大，農(nóng)村商業(yè)銀行難以通過此類業(yè)務(wù)提升利潤率和經(jīng)營業(yè)績。因此，適合農(nóng)村地區(qū)的中間業(yè)務(wù)和表外業(yè)務(wù)是農(nóng)村商業(yè)銀行的發(fā)展重點。

4.加強金融服務(wù)人員隊伍建設(shè)。針對農(nóng)村商業(yè)銀行服務(wù)對象的受教育程度和具備的金融意識等特點，農(nóng)村商業(yè)銀行需要通過日常培訓、定期考核等手段加強金融服務(wù)人員隊伍建設(shè)，督促員工保持終身學習的習慣， 并通過提供良好發(fā)展平臺吸引高學歷、高素質(zhì)人才，以提高從業(yè)人員專業(yè)與職業(yè)素養(yǎng)，推動農(nóng)村商業(yè)銀行全要素生產(chǎn)率的提高。

5.明確獨特地位。為了使我國農(nóng)村商業(yè)銀行更好地服務(wù)三農(nóng)和中小微客戶， 發(fā)揮支農(nóng)惠農(nóng)的功能，應(yīng)考慮在稅收政策、專業(yè)立法、監(jiān)管體系等方面給予一定的政策傾斜，為農(nóng)村商業(yè)銀行的發(fā)展營造良好的政策環(huán)境。 一是在農(nóng)村商業(yè)銀行成立發(fā)展初期， 提供稅收優(yōu)惠政策， 鼓勵農(nóng)村商業(yè)銀行壯大發(fā)展;二是放寬農(nóng)村商業(yè)銀行投資融資條件，允許更多民間資本流入農(nóng)村商業(yè)銀行， 進一步擴充其實力;三是將執(zhí)行準備金率低于10%的農(nóng)村商業(yè)銀行列為重點關(guān)注對象，實行精準“輸血”緩解其經(jīng)營困境。

參考文獻：

[1]鄧奇志.功能視角下我國農(nóng)村金融效率的現(xiàn)實審視及優(yōu)化路徑[J].農(nóng)村經(jīng)濟，2010（5）：52-55.

[2]WHEELOCK D C，WILSON P W.Technical Progress，Inefficiency and Productivity Change in US Banking，1984-1993[J].Journal of Money，Credit and Banking，1999，31（2）：212-234.

[3]常露露，呂德宏.基于DEA的不同產(chǎn)權(quán)結(jié)構(gòu)金融機構(gòu)效率差異研究——以山東區(qū)域數(shù)據(jù)為例[J].區(qū)域金融研究，2016（12）：50-54.

[4]TSOLAS I E，CHARLES V.Incorporating Risk into Bank Efficiency：A Satisficing DEA Approach to Assess the Greek Banking Crisis[J].Expert Systems with Applications，2015， 42（7）：3491-3500.

[5]莫媛，陳張霞，易小蘭.金融資源觀視角下農(nóng)村金融效率評價——以江蘇省為例[J].區(qū)域金融研究，2020（2）：47-54.

[6]鄧曉娜.農(nóng)村金融機構(gòu)經(jīng)營效率測算及影響因素的空間計量分析——兼論農(nóng)村金融機構(gòu)改革[J].金融監(jiān)管研究，2020（2）：51-66.

[7]龐金波，李楊薇，趙麗娟.基于PP-SFA方法的我國科技金融投入產(chǎn)出效率研究[J].科技管理研究，2020（21）：217-224.

[8]林春，王偉.基于財務(wù)視角對政策性銀行經(jīng)營效率的研究[J].金融發(fā)展研究，2015（11）：57-62.

[9]宋波，華桂宏.農(nóng)村商業(yè)銀行支農(nóng)效率的影響因素研究——以江蘇省為例[J].南京社會科學，2019（8）：22-28， 35.

[10]宋磊，王家傳.山東省農(nóng)村信用社產(chǎn)權(quán)改革績效評價的實證研究[J].農(nóng)業(yè)經(jīng)濟問題，2007（8）：70-75.

[11]姚鳳閣，李婕妤，路少朋.農(nóng)村商業(yè)銀行經(jīng)營效率及影響因素研究[J].統(tǒng)計與決策，2017（5）：161-165.

[12] WORTHINGON A C.Determinants of Merger and Acquisition Activity in Australian Cooperative Deposit-taking Institutions[J].Journal of Business Research，2004，（57）：47-57.

[13]賈蕊蕊，劉海燕，郭琨.中國農(nóng)村商業(yè)銀行經(jīng)營績效及其外部影響因素分析[J].管理評論，2018，30（11）：26-34.

[14]黃惠春，楊軍.縣域農(nóng)村金融市場結(jié)構(gòu)與農(nóng)村信用社績效關(guān)系檢驗——基于GMM動態(tài)面板模型[J].中國農(nóng)村經(jīng)濟，2011（8）：63-71.

[15]王俊芹，宗義湘，趙邦宏.農(nóng)村信用社改革的績效評價及影響因素分析——以河北省為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2010（6）：82-88.

[16]張珩，羅劍朝，牛榮.產(chǎn)權(quán)改革與農(nóng)信社效率變化及其收斂性：2008—2014年——來自陜西省107個縣（區(qū)）的經(jīng)驗證據(jù)[J].管理世界，2017（5）：92-106.

[17]曹廷求，段玲玲.治理機制、高管特征與農(nóng)村信用社經(jīng)營績效——以山東省為例的實證分析[J].南開管理評論，2005（4）：97-102，108.

[18]周威皓，劉俊奇.我國農(nóng)商行全要素生產(chǎn)率影響因素分析——基于微觀和宏觀二維視角[J].技術(shù)經(jīng)濟與管理研究，2016（10）：79-83.

[19]梁敏，魏曉琴，袁成全.我國商業(yè)銀行杠桿率對銀行效率的影響研究[J].金融理論探索，2018（3）：24-35.

[20]周汝卓.我國銀行業(yè)經(jīng)營效率的實證研究[J].統(tǒng)計與決策，2013（9）：162-165.

[21]CORNETT M，ERHEMJAMTS O，TEHRANIAN H.Greed or Good Deeds：An Examination of the Relation Between Corporate Social Responsibility and the Financial Performance of US Commercial Banks around the Financial Crisis[J].Journal of Banking and Finance，2016，70：137-159.

[22]林春，王偉.基于財務(wù)視角對政策性銀行經(jīng)營效率的研究[J].金融發(fā)展研究，2015（11）：57-62.

[23]高云峰.中國村鎮(zhèn)銀行的運行效率及影響因素研究——基于省級面板數(shù)據(jù)的分析[J].投資研究，2016，35（2）：78-86.

[24]李延春，楊海芬，趙邦宏.基于DEA方法的村鎮(zhèn)銀行效率評價指標體系構(gòu)建[J].西南金融，2012（7）：28-30.

[25]鄧雪，陳創(chuàng)杰，沈璐，等.基于Malmquist-DEA模型的科技金融績效評價——以廣東省為例[J].科技管理研究，2020（21）：64-72.

[26]周四軍，胡瑞，王欣.我國商業(yè)銀行效率DEA測評模型的優(yōu)化研究[J].財經(jīng)理論與實踐，2012，33（6）：17-21.

[27]畢功兵，梁樑，楊鋒.商業(yè)銀行DEA效率評價投入產(chǎn)出指標選擇研究[J].管理評論，2009（6）：10-16.

[28]孫濤.我國老工業(yè)基地科技成果轉(zhuǎn)化效率評價研究——以東北地區(qū)為例[J].中國軟科學，2020（1）：164-170.

[29]李強，龐鈺凡，汪玥.基于DEA模型和Malmquist指數(shù)的農(nóng)業(yè)生產(chǎn)效率評價研究——以吉林省為例[J].技術(shù)經(jīng)濟，2020，3（9）：135-143.

[30]卜振興.我國上市商業(yè)銀行效率評價研究[J].西南民族大學學報（人文社會科學版），2014（8）：119-126.

[31]閻虎勤. Python 財務(wù)數(shù)據(jù)分析講義[M]. 廈門： 廈門國家會計學院，2020.

[32]梁楓，沙英.金融機構(gòu)貸款灰色預(yù)測GM（1，1）模型研究[J].經(jīng)濟問題，2014（1）：58-61.

[33]趙杭莉，孫印法.基于灰色預(yù)測模型的中國大豆市場供求分析[J].商業(yè)研究，2015（3）：58-63.

Research and Forecast on the Operating Efficiency of

Rural Financial Institutions in China

Dong Shugong， Wu Shenglue

（School of Economics and Management， Tianjin University of Technology and Education，

Tianjin 300222， China）

Abstract： Rural commercial banks are the core of rural financial development and a reliable guarantee for serving the issue of“agriculture， countryside and farmers” and promoting rural revitalization strategies. This paper takes 30 rural commercial banks as the research object， uses improved DEA analysis method and grey forecast model to analyze and predict their operating efficiency. The research shows that Chinas rural commercial banks total factor productivity is steadily increasing， which is largely affected by the efficiency of technical efficiency and technological progress. It will maintain a steady growth trend in the next three years， and the difference in productivity in different regions is converging. Technical efficiency has always maintained a relatively stable state， fluctuating above and below the critical value 1， which is greatly affected by the efficiency of pure technological progress， and regional differences have little impact on it. On the basis of this， it puts forward policy recommendations such as rationally adjusting the scale and strengthening financial innovation.

Key words： rural commercial bank; operating efficiency; total factor productivity; DEA model; grey forecasting method

（責任編輯：李丹;校對：龍會芳）