我国商业银行并购效率的研究方法述评

张瑞兵 葛斌华

摘要：文章首先阐述了商业银行并购效率研究的必要性和重要意义，在探讨技术效率、纯技术效率和规模效率等概念范畴的基础上论述了银行效率的内涵和改善路径，重点研究了银行并购效率的研究方法，其中包括参数分析与非参数分析方法，分析了非参数DEA方法的应用优势，介绍了可用于银行效率分析的CCR模型和BCC模型。

关键词：银行并购；效率；数据包络分析

随着经济全球化、金融自由化进程的加快，信息技术的进步以及各国对金融业管制的放松，世界金融业发生了巨大变化。传统的银行经营领域得以扩展，世界范围内新一轮的银行业并购浪潮已经风起云涌。自20世纪90年代以来，国际银行业最为引人注目的特征就是银行并购事件层出不穷。而且并购数量之多、拆资之巨、规模之大，更是历史之罕见。随着席卷全球的银行并购浪潮的高涨。也涌现出了一大批国际银行业的超级巨无霸。

在国际银行业纷纷通过兼并重组来扩大规模、抢占市场份额，推行经营多样化和国际化战略的大环境下，中国银行业资产重组的步伐也在逐渐加快。尤其是在我国加入世界贸易组织之后，我国的银行业在迎来前所未有的机遇的同时，也面临着巨大的竞争压力和更加严峻的挑战。通过并购优化金融产业结构。获得规模经济效益，提高整体效率。从而增强我国银行的竞争优现实表明，由于银行并购的过程中受到多方面因素的制约，其追求高效率的动机与效果之间往往存在很大差异。银行规模过小，其抗险力和竞争力薄弱；规模过大，可以有效的降低破产与倒闭的风险。壮大竞争力，但是潜伏的负面影响和威胁也越大，效率也受到影响。这就需要银行经营管理者认真地考虑并购活动对效率获利的影响程度，因为决策的正确与否将直接关系到银行的生死。因此，深入研究银行并购的效率问题。显然是有必要更是有意义的。

一、银行并购效率研究的理论基础

1效率的概念。效率通常是考察投入与产出之间的关系。是衡量经济单位经营业绩的重要指标。效率值的高低反映了企业资源的利用效率和整个的经营状况。萨缪尔森的《经济学》中给效率下的定义为：效率意味着尽可能地有效运用经济资源以满足人们的需要或不存在浪费，即当经济在不减少一种物品生产的情况下，就不能增加另一种物品的生产，它的运行便是有效率的，这时经济处于生产可能性的边界之上。

2技术效率、纯技术效率和规模效率

(1)技术效率。技术效率反映的是在给定投入的情况下企业获得最大产出的能力。在决策单元样本选定的情况下，技术一定。产出水平一定时，耗费资源最少的决策单位称为完全技术有效单位。其技术效率值为1：其他决策单元的技术效率值是以完全有效单位为标杆测定的，其值介于0~I之间。在这种技术效率概念下，暗含着规模报酬不变的假设。如果将这一假设条件放松，技术效率就可以进一步分解为纯技术效率和规模效率。

(2)纯技术效率和规模效率。纯技术效率测度的是被考察企业当前的生产点与规模报酬变化的生产前沿面之间技术水平运用的差距，因此也被称为可变规模报酬技术效率：而规模效率衡量的则是规模报酬不变时的生产前沿面与规模报酬可变时的生产前沿面之间的距离比较，它说明了由于不能在不变规模报酬下生产而造成的无效程度。

3银行并购的效率理论。效率理论认为，并购活动能够给社会带来一个潜在的增量，从而增加并购参与者各自的效率。银行并购的一个巨大优势在于通过并购在获得原有银行或非银行金融机构的各种资产的同时，还获得了原有银行或非银行金融机构的管理经验。从而可以提高效率。

第一，通过并购节省管理费用和人力资源。由于中、高层管理费将在更多数量的金融产品中分摊，单位产品的管理费用可以大大减少。第二。利用已有的机构网点和渠道进行销售，利用相同的技术扩散来生产，以节约营销费用和扩大销售规模。第三，银行间高科技的竞争日趋激烈，为客户提供高质量的、令客户满意的服务，必然以大量科技和设备投入为基础。银行的科技和设备投资在开支中所占比重越来越大。通过并购，银行机构能够集中足够的经费用于研究和发展新技术，并能够节约科技和设备投资。第四，通过并购，银行规模相对扩大，使其筹资和借贷更加容易，能够获得比较优惠的价格竞争优势。第五，通过并购可以达到合理避税的目的，税法对银行的财务决策有着重大影响，不同类型的资产所征收的税率是不同的，股息收入和利息收入、营业收益和资本收益存在很大区别。通过并购整合使并购后的资产达到最佳经济规模，同时还可以节省管理费用，解决合并前管理效率低下的问题，使并购后的效率远远超过并购前各商业银行单独经营时所带来的效率之和。

二、银行并购效率的研究方法

银行并购效率的研究方法很多，但是定量的研究方法主要有参数非法和非参数分析法。

1参数分析法。参数分析法主要有三种：随机前沿法、自由分布法和厚前沿方法，其中应用最为广泛的是随机前沿法。

(1)随机前沿法(SFA)。随机前沿法确定了成本、利润的函数形式，或者投入、产出和环境变量之间的生产关系，并考虑了随机误差。

C=C(Y，X，W)+U+V(1)

随机前沿法定义了一个包含组合误差项的模型，C(Y，X，W)为处于效率前沿上的企业的成本函数，其他样本的成本还受到低效率值U和随机误差V的共同影响。随机误差V代表影响总成本的非可控因素。例如天气、有利机会等。它既可能提高也可能降低成本，u主要代表X-低效率，其只会提高成本。在这个模型中通常假定低效率值u服从非对称分布，例如半正态分布，而随机误差V则服从对称分布，例如标准正态分布。由于低效率值不可能为负，因此低效率必然呈不完整的分布状态，并假定低效率值和随机误差项与估计方程中的投入、产出变量不相关。

(2)自由分布法(DFA)。自由分布法也定义了效率前沿函数形式，但是没有指定低效率值和随机误差的分布形式。假设各个银行的经营效率在一段时间内是稳定的，随机误差的均值趋于0，银行的平均残差与效率前沿之间的距离，就是银行的效率值。在自由分布法中低效率值可以服从任何一种分布形式，只要低效率值不为负。甚至可以接近于对称分布。如果由于技术进步、利率变动等因素的影响。效率值就可能随时间变化。该方法得到的结果就是各个机构偏离效率前沿的平均程度，而不是各个时间点上的效率值。

(3)厚前沿方法(TFA)。厚前沿方法也定义了效率前沿的函数形式，而且假设计算得到的效率值对预计的效率值的偏离如果超出所有观测样本的上下限，则代表随机误差，如果这种偏离在上下限范围之内。则是由低效率引起的。这种方法没有对低效率值或随机误差的分布做任何假定，但认为低效率值在上下限区间波动。而随机误差存在于这些区间中。该方法本身没有给出各个银行效率的点估

计值。而是估计银行效率的一般水平。

2非参数分析法。非参数分析法在测量银行效率时没有限定效率前沿的形状。不要求明确定义生产函数。非参数分析方法主要两种：数据包络分析方法和自由排列包。

(1)数据包络分析法(DEA)。数据包络分析法是一种线性规划方法。效率前沿是通过联接所有最佳方法观测点形成的分段曲线组合，得到一个凸性的生产可能性集合。最佳方法观测值的集合作为前沿将所有的观测值包含在其中，其效率值最高。其他的决策单位及其线性组合在投入既定的情况下不能生产出更多的产出。换句话说。在产出既定的情况下，不能以更低的投人生产出既定的产出量。与非参数方法相比，数据包络分析法具有以下优点：

①无需具体的生产函数。在知道商业银行投入与产出之间的具体函数形式后，就可以方便快捷地得到决策单元的规模弹性值。但是。要想利用建立商业银行的生产函数形式来研究各商业银行的规模经济问题。则具有较高的难度和较大的复杂性。因为商业银行作为服务性行业，有其自身的特殊性，商业银行生产函数的建立是一项非常艰难的工作。往往建立起来的生产函数形式未经实践检验。存在较大的主观性。然而，利用数据包络分析法来研究商业银行的规模效率问题，没有必要建立函数关系。就可以求出各决策单元的相对效率值，方便易行。

②自如地进行多投入和多产出情况下的规模收益分析。DEA模型测度的是多投入和多产出的决策单元的相对有效性。因此，可适当选取投入和产出指标，通过建立线性规划。方便地衡量决策单位的相对效率值。从而得到规模效率。这种无大限制的特点使得DEA方法的适用范围相当广泛，能够在很大程度上综合反映所研究的具体问题。

③便于确定规模无效决策单元的改进方向。DEA方法通过建立标杆。各个决策单元直接与标杆相比较。便于某决策单元对本单位经营状况的实时追踪，确定今后努力的方向。如帮助管理层人员解决如下问题：如何确立标杆。作为努力的目标；如何调整投入和产出：在多大的规模上经营等等。

(2)自由排列包(FDH)。自由排列包是数据包络分析法的一个特例，联接DEA前沿各个顶点的线上的点没有被认定为效率前沿。FDH生产可能性集合仅仅由DEA顶点和这些顶点内部的自由排列点组成。由于FDH前沿与DEA前沿一致或者位于DEA前沿内部，所以用FDH方法计算得到的平均效率值通常高于用DEA方法计算得到的平均效率值。

三、银行效率研究中的主要模型

由于研究对象是商业银行，其生产函数难以获得。因此。在测度银行并购效率时采用非参数分析法中的数据包络分析法。DEA的原型可以追溯到1957年，是Farrell在对英国农业生产力进行分析时提出的包络思想。此后。在运用和发展运筹学理论和实践的基础上，逐渐形成了主要依赖于线性规划技术，并常常用于经济定量分析的非参数方法。1978年，经过美国著名运筹学家A.Charnes、W.W.Cooper和E.Rhodes等的努力，形成了评价部门间相对有效性的CCR模型。使得非参数方法以数据包络分析(DEA)的形式在20世纪80年代初流行起来。其主要模型有：CCR模型(不变规模报酬模型)和BCC模型(可变规模报酬模型)。

CCR模型是A.Charnes、W.W.Cooper、和E.Rhodes于1978年提出的第一个DEA模型。它存在两种模型，即投入角度效率度量模型和产出角度效率度量模型。下面选择投入角度效率度量模型来描述CCR模型。CCR模型所测度的是固定规模报酬下各个决策单元的相对效率。实际上，决策单元有可能处于规模报酬递增或递减的状态，为此，Banker,Chames and Cooper(1984)提出了BCC模型，这一模型扩充了CCR模型的使用范围，并将CCR模型所测度的技术效率进一步分解为纯技术效率和规模效率。BCC模型就测算了可变规模报酬下的纯技术效率。

通过观察不同规模报酬假设下的生产前沿，可以得出CCR模型测算出的技术效率等于BCC模型测算出的纯技术效率和规模效率的乘积。因此，利用上面两个结果就可得到决策单元的规模效率。如果决策单元的规模效率值为1，即生产经营处于最佳规模，否则其规模效率有所损失。在研究商业银行并购效率状况的同时，借助研究结果，也可以运用计量经济方法中Tobit模型的扩展模型(CTR模型)对影响我国商业银行并购效率的主要因素进行定量分析。