不良贷款约束下中国商业银行全要素生产率增长研究

吴江涛

（江西财经大学 财税与公共管理学院，江西 南昌330013）

0 引言

银行绩效的评估方法有很多，早期银行业主要是运用比率分析来评价银行的绩效，但这种方法较为简单，无法区分无效率的银行，也不能够评价多投入和多产出的银行效率。Berger与Humphrey（1997）对银行效率的研究方法进行总结，发现边界方法是目前研究中普遍采用的方法[1]，它可分为非参数和参数两大类，数据包络分析(Data Envelopment Analysis，DEA)作为非参数方法中的典型代表，具有不需要假设函数形式、可以对生产率进行分解等优点，成为效率测度的重要工具，本文也将选择DEA方法用来测算银行效率。Sherman and Gold(1985)最早将DEA方法运用到银行效率测度方面[2]。杨大强、张爱武(2007)、王健(2011)都使用DEA方法对中国主要商业银行效率和生产率进行评价，结果表明，效率水平总体呈现上升趋势，而四大国有银行的效率小于股份制商业银行[3][4]。袁晓玲，张宝山（2009）运用非参数DEA模型中的Malmquist生产率指数，测算了商业银行的全要素生产率，结果显示中国商业银行全要素生产率整体呈现下降趋势[5]。

以上文献存在的一个缺陷是在将贷款作为产出指标时没有细分良性贷款和不良贷款，将所有贷款同质化看待，即只考虑了贷款数量而忽视了贷款质量，从而不仅放大了金融风险，也导致银行效率的测度出现偏差。近年来，国内外学者开始关注不良贷款对中国银行效率的影响。Fukuyama等(2008)认为不良贷款作为贷款的副产品，只有在贷款产生后才可能发生，从而应将不良贷款当作一项“坏”产出来考虑[6]。王兵，朱宁(2011)将不良贷款作为非意愿产出，在不良贷款的约束下运用SBM方向性距离函数和Luenberger生产率指数测度了2003～2009年中国11家上市商业银行效率和全要素生产率增长，研究结果发现：中国银行业的全要素生产率是增长的，在规模效率变化和技术规模变化的推动下，股份制商业银行的全要素增长率高于大型商业银行[7]。

相对于已有文献，本文将“坏”产出—不良贷款引入银行效率的测度中，在投入和产出双导向下采用方向性距离函数和Malmquist-Luenberger（ML）生产率指数测度并分解2005～2010年不良贷款的约束下我国11家商业上市银行的全要素生产率增长，克服传统DEA方法中Malmquist生产率指数无法同时考虑“好”产出增加和“坏”产出减少的缺陷，明晰了金融危机前后我国商业上市银行全要素生产率的动态变动趋势。同时考虑到相邻ML生产率指数有可能出现“技术倒退”现象，因此，本文采用序列ML指数，即将观测值在当期及当期之前所有投入产出值决定的技术边界下进行效率评价，且通过分析全要素生产率增长的来源，为商业银行认识自身经营管理水平和抵抗金融风险的能力，改善资源配置状态提供了理论依据。

1 研究方法

1.1 方向性距离函数

很多文献都是运用径向的、角度的DEA来计算方向性距离函数，当存在投入或产出过度，即存在投入或产出的非零松弛量时，径向的DEA方法会高估效率；而角度的DEA方法忽视了投入或产出的某一个方面，计算的结果并不准确。非径向、非角度的基于松弛变量的SBM（Slack-based Measure）方向性距离函数可以克服上述两个缺陷（甘小丰，2007）。根据Fukuyama(2009)，本文定义SBM方向性距离函数如下所示：

1.2 Malmquist-Luenberger生产率指数方法

根据Chung等（1997）的方法，考虑“坏”产出全要素生产率的变化率，可以用Malmquist-Luenberger（ML）生产率指数表示：

为了排除时期选择的随意性，通常使用两个ML效率指数的几何平均值得到以t期为基期到t+1期的全要素能源效率的变化。

根据Ray&Desli（1997）等的研究，全要素增长率可分解为不变规模报酬假定下技术效率变化与技术变动的乘积，且技术效率变化部分可进一步得分解为可变规模报酬假定下的纯技术效率变化和规模效率变化的乘积，因此，Malmquist指数的进一步分解形式为：

于是，ML全要素生产率被拆分为三部分：技术进步率MLTC、纯技术效率变动MLPE和规模效率变动MLSC。技术进步率MLTC指数测度效率生产前沿面从t到t+1期的移动；纯技术效率变化MLPE指数测度从t到t+1期每个决策单元效率的实际变化与效率生产前沿面所示的最大可能产出迫近（Catching-up）程度的变化；规模效率变动MLSC测度从t到t+1期投入在同一生产前沿上的规模报酬情况。为了度量及分解序列ML指数需要借助线性规划方法计算有关投入和产出的八个方向性距离函数，其中四个是在不可规模报酬的假设下，其余四个是在可变规模报酬假设下。

2 实证分析

本文选取2005～2010年中国11家上市商业银行作为研究对象，其中包括中国工商银行、中国建设银行、中国银行、交通银行4家大型国有商业银行，和中信银行、华夏银行、深圳发展银行、招商银行、民生银行、浦发银行、兴业银行7家股份制商业银行。数据主要来源于各银行历年的年报及《中国金融年鉴》。

2.1 指标选取

对商业银行投入产出指标的选取一般认为有四种方法：生产法、中介法、增值法和用户成本法。本文以中介法指标体系为主，同时借鉴已有文献的做法，选取以下指标。投入变量：固定资产净值、员工人数和营业支出。其中固定资产净值和员工人数作为物质资本投入和人力资源投入的代替；营业支出体现银行的低成本竞争优势，主要是由营业税金及附加、业务及管理费和其余业务成本加总而成。

“好”产出：税前利润和非利息收入。税前利润是银行最主要的盈利指标，是银行发展的根本；在金融创新产品层出不穷的今天，传统的贷款业务并不能充分体现出国内银行相对于外资银行的优势所在，国内银行绝不可再仅仅依靠传统的利息收入来维持其运行，更不要说利用其与外资银行相抗衡。非利息收入体现了商业银行服务结构的多元化模式，已成为银行新的利润增长点。

“坏”产出：不良贷款。前期的研究中，中介法与资产法均把贷款数量直接作为银行的产出，而没有考虑贷款质量的差异，我国的一些银行，特别是国有银行由于历史原因积累了大量不良贷款。贷款质量的高低与银行效率直接相关，不良贷款较高的话，银行就必须用更多的利润对坏账进行冲销，或提取较多的坏账准备金对未来可能出现的风险事先做好准备，从而影响银行盈利能力和效率。将不良贷款与其他产出同样看待显然是不合适的，也是没有意义的，因此，本文将不良贷款看作是银行经营过程中的“坏”产出，只有在增加其他“好”产出的同时减少“坏”产出才能增大银行效率。不良贷款量是由客户贷款和垫款总额乘以不良贷款率计算得出。

2.2 实证结果

本文在不变和可变规模报酬的假设下基于投入和产出双导向，利用2005～2010年11家上市商业银行的数据对其进行了序列Malmquist-Luenberger指数及其分解，并据此得到各商业银行年均序列ML全要素生产率及其纯技术效率、规模效率、技术的变动情况，具体结果如表1所示。

从表1中可以看出，我国11家上市商业银行全要素生产率都在不断上升，总体看来，全要素增长率的平均值为1.390。表明虽然有不良贷款的约束，但我国商业银行全要素生产率仍在不断提高，年均增长了39%。表明各大商业银行加大了资产质量管理，银行惜贷现象普遍存在，不良贷款急剧下降，使得全要素生产率大幅提升。根据全要素生产率的增长幅度，本文对各商业银行进行了排名，发现从长期增长趋势看，深圳发展银行、建设银行和工商银行分别排在前三位，其次是兴业和民生银行，其余银行的全要素增长率都低于平均值，其中交通银行、华夏银行和招商银行的全要素生产率增长相对缓慢。若将目标分为大型国有商业银行和股份制商业银行来比较，股份制银行中深圳发展银行在所有上市银行中的全要素生产率增长速度最高，在国有商业银行内部，建设银行的全要素生产率增长速度最大，交通银行的全要素生产率最低。平均而言，股份制银行的全要素增长率要高于国有银行。大型商业银行中除交通银行外，其余三个银行由于都属于导致其全要素生产率增长幅度高于股份制商业银行。

银行经营过程中全要素生产率的增长指数可进一步分解成纯技术效率变化、技术进步和规模效率变化，其中华夏银行和交通银行的纯技术效率在不断恶化，导致整体商业银行的纯技术效率按年均0.5%的速率在不断恶化，而规模效率和技术管理水平在不断提升，规模效率的增长速率为6.5%，技术管理水平也按年均42.5%的速率不断提升，使得生产呈现规模报酬递增状态。各商业银行经营管理水平大幅上升，技术进步在推动商业银行全要素生产率增长中占据主导地位。这说明ATM机、POS机和网上银行等技术进步和创新对提高商业银行的全要素生产率提供了有力佐证。其中，国有商业银行的技术进步幅度高于股份制商业银行，而国有商业银行的纯技术效率呈现恶化趋势，股份制商业银行的技术效率则出现日益改善的迹象，且国有商业银行的规模效率变动也低于股份制商业银行。国有商业银行受到政府的大力支持，资金、客户、网点等发展基础雄厚，技术进步明显，且具有规模经济，但生产经营过程中投入产出效率低下，股份制银行不断加快不良资产处置和财务重组步伐，降低经营成本，技术效率较高，在我国相对而言规模较小，发展时间较短，但发展空间比较大，规模经济明显导致股份制商业银行生产的规模报酬递增。从商业银行全要素生产率及其分解因子的水平差异来看，全要素生产率增长在银行间的差异程度最大，其次是技术进步差异，纯技术效率变动的差异化最小。表明商业银行技术和经营管理水平的不同是造成全要素生产率增长差异的主要来源。

表1 我国商业银行全要素生产率及其分解因子的测度

为了显示我国商业银行全要素生产率增长的时间变动趋势，本文对历年各商业银行的全要素增长率进行了加权平均（如表2显示）。结果表明，我国上市商业银行全要素生产率总体上呈改进趋势，且全要素增长率呈现先上升后下降再复苏的趋势，技术进步的时间演变趋势与全要素增长率大体一致，纯技术效率变动和规模效率经历相同的波动过程，呈现增长与下降的交替变动趋势。随着经济和金融的日益繁荣，银行全要素增长率最初也在不断提升，但2008年全球金融危机逐步蔓延至实体经济，部分企业经营出现困难，信用风险加剧，导致银行业资产质量面临较大压力，同时盈利水平大幅下降，银行资产规模和技术效率变动频繁，产品创新和技术进步也基本停滞，对银行的持续发展产生了较大的阻碍，导致银行全要素生产率的增长速度日益放缓。随着全球经济的日益复苏，银行技术效率日益改善，银行全要素生产率的增长也开始出现回升的迹象。

表2 我国商业银行全要素生产率及其分解的时间变动趋势

3 结语

不良贷款是银行经营过程中生产的副产品，不利于资产安全和贷款质量的提高，对银行效率会产生负面影响。为了更为准确地测度我国上市商业银行的效率，本文选取了不良贷款作为“坏”产出，运用SBM方向性距离函数和序列Malmquist-Luenberger生产率指数测度了我国11家上市商业银行2005～2010年的全要素生产率增长，并将其分解为纯技术效率变动、规模效率变动和技术变动三部分。结果发现：在投入产出双导向下，不良贷款约束下我国上市商业银行的全要素生产率总体呈上升趋势，商业银行的纯技术效率并没有得到明显改善，反而有所退步，而技术水平和规模效率不断提升，且全要素生产率的增长主要是源于技术水平的上升；深圳发展银行的全要素生产率增长速度最快，交通银行的全要素增长率最低，总体而言，国有商业银行由于人员庞大、固定资产冗余，其全要素增长率、纯技术效率、规模效率要低于股份制商业银行的全要素增长率，但国有商业银行的技术进步程度要高于股份制商业银行；银行间全要素增长率的差异主要是由技术进步的省际差异引起的；受全球金融危机的影响，我国上市商业银行全要素增长率呈现“先上升后下降再回升”的变动趋势，技术进步与全要素生产率的变动趋势具有很强的一致性。

随着银行加快资产安全和财务重组步伐，上市商业银行的资产质量继续保持稳定，多数商业银行不良贷款率和不良贷款余额均实现了双降，我国商业银行的全要素生产率在不断提升，我国政府主导型的商业银行改革初见成效，今后要继续改革商业银行尤其是国有商业银行的激励机制，使之成为真正的市场竞争主体。我国商业银行必须在承受外资银行激励竞争的考验下，扩大规模，增加市场份额。由于技术进步是全要素生产率增长的主要原因，随着金融市场的开发，我国应该借鉴外资银行的技术进步和创新，完善产品创新机制，加强产品创新和交叉销售，多渠道拓展中间业务收入。加快现代化支付系统建设，积极推动银行卡异地联网联合，加大POS机、ATM机的安装和使用。此外，要加强网络银行的建设，积极进行网络技术创新，同时进行金融业务品种和服务手段的创新。

[1]Berger,A.N.，Humphrey,D.B.Efficiency of Financial Institutions；In⁃ternational Survey and Directions for Future Research[J].Journal of Operational Research,1997,98(2).

[2]Sherman,H.D.Gold,F.Bank Branch Operating Efficiency；Evalua⁃tion with Data Envelopment Analysis[J].Journal of Banking and Fi⁃nance,1985,9(2).

[3]杨大强,张爱武.1996～2005年中国商业银行的效率评价[J].金融研究,2007,（12）.

[4]王健,金浩,梁慧超.我国商业银行效率分析[J].技术经济与管理研究,2011，（4）.

[5]袁晓玲，张宝山.中国商业银行全要素生产率的影响因素研究——基于DEA模型的Malmquist指数分析[J].数量经济技术经济研究，2009，（4）.

[6]Fukuyama,H.,Weber,W.L.Japanese Banking Inefficiency and Shad⁃ow Pricing[J].Mathematical and Computer Modeling,2008,48(11～12).

[7]王兵，朱宁.不良贷款约束下的中国上市商业银行效率和全要素生产率研究[J].金融研究，2011，（1）.