基于DEA-Malmquist模型的城市商业银行效率分析

陈一洪

（福建泉州银行总行，福建 泉州 362000）

基于DEA-Malmquist模型的城市商业银行效率分析

陈一洪

（福建泉州银行总行，福建 泉州 362000）

近五年来样本城市商业银行（以下简称城商行）总体全要素生产率保持下降，仅2010年出现小幅上升，样本城商行的全要素生产率并没有在规模持续扩张的背景下得到有效提升。进一步对全要素生产率的构成因子进行分析发现，样本城商行的技术效率与技术进步总体呈现负增长态势，特别是技术进步负增长明显，成为制约样本城商行全要素生产率提升的重要因素。总体来看，在经历前期历史包袱化解、股份制改造等体制变革后，样本城商行缺乏技术效率提升及技术进步的发展后劲，全要素生产率有所下降。

商业银行；数据包络分析；Malmquist指数

注：本文为作者个人学术观点，不代表所在单位意见，文责自负。

一、引言

1995年6月，深圳城市合作银行作为国内第一家城市商业银行挂牌，开启国内地方中小银行发展的新纪元，也为我国多层次银行业体系增添了新的活力。经过近十年的发展，在财务重组、地方政府注资、不良资产剥离、股份制改造及战略投资者引进等一系列改革举措的推动下，城商行逐渐成长为中国银行业体系的重要组成部分。2004年11月，银监会颁布《城市商业银行监管与发展纲要》，确立了此后一个时期国内城商行监管工作和改革发展的思路、重点和目标，自此，国内城商行驶上改革发展的快车道。然而，伴随国内经济结构深度调整、监管政策的深刻变化、金融市场改革及技术手段的创新，城商行的发展步入关键性的转折点。未来城商行的发展将更多依靠要素投入效率的提升，而不是规模的粗放扩张，在此背景下，国内城商行是否具备未来效率持续提升，从而实现可持续发展的能力值得我们关注。本文将基于DEA-Malmquist模型，通过对经济相对发达的沿海地区36家城商行的全要素生产率及其变化趋势进行实证分析，比较清晰、完整地展示区域城商行全要素生产率现状，为未来发展路径、政策调整提供有价值的决策依据。

二、文献综述

图1 2008—2012年城商行规模增长趋势及同业对比

由于大型商业银行经营时间长，较早推进相关体制机制改革，积累了大量有效的软硬信息，加之其在中国银行业体系中的重要地位，因此，银行业经营效率的评价研究最早运用于国内大型商业银行。在研究方法上，由于参数分析法依赖于生产函数形式及参数的设定，不依赖于具体函数形式的非参数分析法在银行业效率评价中得到广泛应用，特别是数据包络分析（DEA）以相对效率为基础，以其处理多投入-多产出的相对有效评价优势而在国内银行效率评价领域得到广泛应用。赵昕等（2002）基于中国加入世贸组织后银行业面临严峻挑战的发展背景，使用数据包络分析对国内四大国有商业银行、交通银行、中信银行以及光大银行的竞争力进行一个时间截面的比较分析，结果表明，四大国有商业银行的效率远低于股份制银行，与国际商业银行的差距更大。刘汉涛（2004）[1]则基于2000—2002年期间4家国有商业银行及11家股份制银行发布的年报数据，同样使用数据包络分析做了样本银行的效率测度和排名，研究结果同样表明股份制商业银行的平均效率要高于国有商业银行，并且，规模无效成为导致样本银行技术无效的主要因素。此后，越来越多的国内学者使用数据包络分析这一主流非参数分析法对国内主要商业银行的技术效率进行评价（李冠等，2005；郭妍，2005；王付彪等，2006；陈建南等，2008；宋增基等，2009；王健等，2011[2]），并近乎一致地得出国有商业银行技术效率低于股份制银行的结论。

伴随着城商行的迅速崛起，相关理论研究及实证文献也得到进一步丰富，尤其在竞争力及效率评价方面。近几年，国内学者从不同角度为我们展示了城商行发展的差异性，也为审视城商行发展模式，寻找城商行发展差距及改进路径，提升城商行发展水平提供了参考依据。部分学者（吴军海，2010；程惠芳等，2013[3]）采用早期较为传统的财务指标分析来评价城商行的竞争力。这种评价范式多基于城商行的流动性、盈利性及安全性，通过构建综合指标体系进行分析。例如，程惠芳等（2013）[3]采用净资产收益率及每股收益衡量城商行的盈利能力，采用存贷比及流动性比率两个指标来衡量城商行的流动性，采用资本充足率、不良贷款比率及拨备覆盖率三个核心指标来衡量城商行的经营安全性，通过上述相关指标数据对江苏、浙江、上海地区8家具有代表性的城商行竞争力进行了比较分析。然而，单一的财务指标数据无法全面地、客观地评价城商行的经营业绩，通过不同类型指标数据构建的财务评价体系又因为权重的人为设定而难免使评价结果带有一定的主观性。因此，这一评价方法难以得到有效推广。而以随机前沿分析为代表的参数分析方法近几年在国内银行业竞争力评价中得到广泛应用，但是在城商行领域的应用却比较少。甘小丰（2007）[4]运用随机前沿分析法分析了加入世贸组织后5年国内样本城商行的效率及其变化趋势，并着重分析了通过引进境内银行战略投资者对样本城商行效率的影响。陈一洪（2013）[5]则根据2009—2011年国内53家城商行的平衡面板数据构建了城商行效率分析的随机前沿面，研究分析跨区域经营、战略投资者引进及公司治理改革背景下国内城商行技术效率表现。但是，随机前沿分析依赖于具体函数的设定，而目前关于银行业生产函数形式尚无定论，无论采用道格拉斯生产函数还是对数生产函数都值得商榷。为减少因为小样本数据导致估计结果误差，同时，避免因函数形式不确定造成的模型设定偏误，董竹等（2011）基于投入导向型的DEA模型对国内大中型商业银行与小型银行效率对比进行数据包络分析，结果表明，大中型商业银行比小型商业银行的技术效率要高，并且更加稳定，但是，大中型商业银行普遍处于规模报酬递减阶段，而小型商业银行则全部处于规模报酬递增阶段。潘秀等（2012）则结合Malmquist指数对西北地区3家具有代表性的城商行2008—2009年的技术效率进行分析，是区域城商行效率分析的一个典型。类似的分析还有靳素君（2013）[6]基于数据包络分析，从技术效率、纯技术效率及规模效率三个层面对河南17家城商行2011年的效率进行实证分析。然而，由于样本区间较小（仅为一个年度或两个年度），偶然时点因素影响大，因此，估计出来的效率值可能存在较大偏差，这一特点很大程度上受到国内城商行信息透明度的影响，导致数据来源①2006年年初，银监会发出通知要求，国内城商行从2006年起必须全部建立信息披露制度，以年度报告形式对其经营管理状况进行全面披露，并在银行网站和省级以上专业媒体摘要刊登年度报告主要内容。至此，国内城商行信息披露逐步规范，根据笔者对国内城商行信息搜寻（官方网站、《金融时报》、省级金融及经济专业报刊等），自2008年起，国内多数城商行均能够在相关媒体上披露年报或其摘要。、统计口径②2008年，根据银监会通知要求，国内大多数城商行按照新会计准则编制财务报告，因此，2008年及其以后的城商行财务数据口径才基本统一，在此之前，不少城商行仍按照1993年版的《金融企业会计制度》来编制财务报表。无法得到有效保障。

在上述相关研究基础上，本文将使用较大样本城商行（36家东部城商行）、较长时间序列（2008—2012年5个年度）的平衡面板数据，基于产出导向型的DEA-Malmquist模型，对样本城商行的全要素生产率及其变化趋势进行分析，不仅克服了样本城商行缺乏代表性的问题，且时间跨度长达5年，可以较好地避免因偶然时点因素而造成的生产率估计偏差。此外，在经历了20世纪90年代末至本世纪初的历史包袱化解、股份制改造后，国内城商行发展逐渐步入正轨，2008—2012年5年间国内城商行快速发展，无论是内部管理体制变革、业务及服务创新，还是在外部监管政策环境方面都发生了深刻变化，因此，研究这一时期城商行技术效率及其变化具有重要的理论及现实意义。

三、研究设计

（一）样本选择

本文的样本来自东部沿海北京、上海、广东等10省市36家城商行（如表1所示），36家城商行2012年资产规模合计66139亿元，占当年国内城商行资产总额的53.58%，税后利润合计696.26亿元，占当年城商行税后利润总额的50.91%。时间跨度为2008—2012年，刚好处在国内城商行各项信息披露规范、快速发展时期。数据来源于样本城商行在官方网站或《金融时报》上披露的2008—2012年的年报，个别数据的缺失通过官方新闻披露、全国或省级报刊披露的信息弥补，保证样本城商行相关财务数据的完整、准确。

表1 样本城商行具体名单

（二）指标选择与描述性统计

1.投入产出指标的选取

表2 主要变量说明与数据来源

长期以来，关于银行金融机构投入产出指标的选择一直存在分歧。通常按照货币供给中介及金融产品生产者两个重要属性来确定投入产出。货币供给中介将银行视为资金供给方到资金需求方进行资金转换的中介机构，因此，银行一方面吸收存款，另一方面将吸收的存款扣除一定的准备金、库存现金之后放贷形成贷款，存贷款资金是银行这一中介机构的重要产出，而劳动力及资本则是其重要投入；金融产品生产者则视银行提供的存款账户、贷款笔数等为产出，而随着银行金融服务的不断延伸，越来越多的金融产品进入银行服务范围。根据数据可得性，以及目前银行金融服务不断增多的现实，参考Berger&Humphrey对这两种方法的评价①Berger&Humphrey认为，采用中介法对评价整个银行的效率可能是更恰当的，且在评价银行获利能力的效率上更加优越。，本文依据银行货币中介的属性来确定投入产出指标。此外，张健华（2003）认为银行作为商业性机构，以利润最大化为重要经营目标，因此，将利润作为衡量商业银行最终经营结果是合理的。综上，本文最终确定以城商行的存款余额、贷款余额以及利润为产出指标，全体在职员工及资本净额为投入指标，构建“两投入三产出”的投入产出体系。

2.描述性统计

本文主要变量的描述性统计见表3，36家城商行规模差异明显，以员工人数为例，江苏银行2012年的员工人数达到12864人，是同期泰安商业银行的20倍，而资本净额方面，北京银行2012年资本净额达到838.57亿元，是同期泰安商业银行的59倍，差异更加明显，表明在激烈的银行业竞争环境下城商行发展迥异，部分城商行依托庞大的市场空间、丰富的资源禀赋，在国内城商行处于领先地位。这同样表现在存贷款规模差异上，2012年末北京银行存款余额达到7138亿元，而同期泰安商业银行仅为189亿元，相差了37倍。在这种规模效应下，盈利能力同样差异明显，仍以2012年为例，北京银行的税前利润达到147.7亿元，而泰安市商业银行仅为3.41亿元，相差43倍。

表3 样本城商行相关变量描述性统计（2008—2012年） 单位：亿元

（三）模型构建

本文拟采用DEA-Malmquist的TFP（Total Factor Productivity，全要素生产率）指标来测度36家样本城商行生产力现状及其变化，并且将生产效率的改变分解成技术进步变化和技术效率变化（包括纯效率和规模效率变化）。

Malmquist生产率指数首先由Caves，Christensen&Diewert于1982年引入的，并由F a¨re等人进一步发展演化而来。该指数法运用Shephard于1953年提出的距离函数来定义，用来描述不需要说明具体行为标准的多投入多产出变量的生产技术。一般采用面向产出的方法定义距离函数，即在给定产出变量矩阵情况下投入指标变量矩阵的最小比例。根据Shephard（1970）和F a¨re（1988）的方法，面向产出的距离函数定义如下：

其中，x和y分别表示投入变量和产出变量矩阵，δ表示面向产出的效率指标，P（x）定义为可能的生产集合。如果y是P（x）的组成部分，则函数值将小于或等于1，如果y位于P（x）前沿面上，则函数值等于1，如果y位于P（x）外部，那么函数值将大于1。

上述三项式分别表示规模效率变化（SECH）、纯技术效率变化（PECH）以及技术变化（TECHCH），即，TFP=EFFCH*TECHCH=SECH*PECH*TECHCH，当M0（TFP）及其分解项大于1时表示相关指标改进，等于1时表示没有变化，小于1时表示倒退。

四、城商行TFP实证分析

本文运用DEAP2.1数据处理软件进行DEAMalmquist模型的样本数据处理，得到2008—2012年36家城商行各年度的TFP值。个体方面，取各家城商行5年来的几何平均值来反映其总体TFP，在此基础上，关注样本城商行全要素生产率（TFP）、技术效率变化（EFFCH，分解为规模效率变化SECH、纯技术效率变化PECH两项）及技术进步变化（TECHCH）趋势，并分析其中所呈现的特征。

（一）36家城商行2008—2012年TFP及其分解项分析

从表4可以发现，第一，整体而言样本城商行全要素生产率呈下降趋势，从2009年至2012年，样本城商行全要素生产率的Malmquist指数均值为0.974，有10家城商行的TFP大于或等于1，表明这10家城商行5年来平均全要素生产率有所改进或者没有变化，而其余26家城商行的全要素生产率则呈现下降趋势。第二，从TFP的分解项来看，技术退步是导致样本城商行全要素生产率出现下降的主要因素，近4年来，样本城商行技术变化的Malmquist指数均值为0.975，与TFP的Malmquist指数均值相当，而技术效率的Malmquist指数均值为0.999，表明近4年来样本城商行的技术效率发生略微下降，而导致技术效率下降的主要因素则是纯技术效率的下降，因此，总体而言，样本城商行TFP的下降来源于技术退步以及纯技术效率的下降。

表4 样本城商行技术效率几何平均值（2008—2012年）

从个体来看，青岛、北京、南京3家城商行TFP增长较为明显，但是推动3家城商行TFP增长的因素却有所不同，青岛银行依靠纯技术效率的提升，而北京银行与南京银行主要依托样本城商行较为稀缺的技术进步来推动TFP的有效增长，两家城商行的技术进步在样本城商行中位居前两位。综观36家样本城商行，仅有10家城商行在这4年来呈现技术进步状态，占样本城商行1/4强，其余城商行表现出极为明显的技术退步，而10家技术进步城商行的TFP均位居样本前50%，有7家进入前十位，占前十位城商行的70%，可见技术进步在推动样本城商行TFP增长上发挥了重要作用。

对排名靠前的几家城商行进行深入分析，可以发现它们在金融产品和服务创新、组织及制度创新方面均领先于其他样本城商行。例如，北京银行在不同阶段针对发展重点相继推出“小巨人”中小企业金融服务方案、社区金融管家个人金融服务方案、“绿色金融、科技金融、文化金融”三大金融品牌、“国际金融通”综合金融服务方案、投资银行金融服务品牌以及直销银行金融服务模式，紧跟市场需求、立足自身定位、源源不断的金融服务及产品创新为北京银行领跑国内城商行提供了强大动力；而依托战略投资者荷兰ING银行提供的技术支持与援助，北京银行在金融产品与服务技术上一直领先于国内城商行，为其近年来强势的技术进步奠定了重要基础。南京银行则是城商行差异化、特色化发展的典型代表，凭借其在债券业务积累的经验与资源禀赋，南京银行充分发挥在固定收益类产品和金融市场的专业优势，近年来债券特色持续保持，市场排名领先，并且在风险控制技术方面取得明显的提升，在此基础上，南京银行依托丰富的同业资源，特别是在城商行同业方面的技术合作，不断推进债券承销业务发展。

相对于领先城商行，排名靠后的几家城商行技术退步都比较明显，并且所有城商行都为国内中小城商行，表明大型城商行除在规模扩张方面较中小城商行处于领先地位外，在生产力方面同样具有一定的优势。一方面，在监管政策约束下，国内大型城商行跨区域经营更加有优势，以北京银行为例，从城商行跨区域经营开闸到2012年，在国内一线城市及重点城市相继设立了9家异地分行，截至2012年末，异地分行资产规模合计超过4300亿元，因此，大型城商行更加重视效率提升及技术进步，也拥有更多的资源投入改革创新。另一方面，银行业较为明显的规模经济也为大型城商行在信息技术、产品研发、人才引进等方面的资源投入提供了坚实基础，而中小型城商行因为规模不经济，往往在关键资源的投入方面显得捉襟见肘。

（二）样本城商行2008—2012年TFP及分解项趋势分析

图2 样本城商行全要素生产率趋势（2009—2012年）

1.2009 —2012年样本城商行TFP呈现明显波动

从趋势图来看，样本城商行TFP的Malmquist指数值在2009—2012年间呈出较为明显的波动，除2010年TFP较上年改进外（Malmquist指数值大于1），其余年份下降。而在TFP呈现改进的2010年，技术进步起着至关重要的作用，同样，在TFP跌至低点的2009年和2011年，技术退步同样明显，因此，技术变化成为制约样本城商行TFP变动的关键因素。这与前面对个体的分析相一致，也与蔡跃洲等人（2009）以及袁晓玲等人（2009）对国内上市银行全要素生产率的分析结论相一致。

从外部环境来看，2008年国际金融危机对样本城商行的TFP产生较为明显的影响，2009年无论是技术效率还是技术变化都处于4年来的较低点，也因此导致近4年来的最低TFP。在经历2009年的低潮后，2010年各项指标均呈现较明显的恢复性增长，尤其是技术进步相当明显，也直接促成2010年TFP的正增长，并处于4年来的最高值。然而，随着2011年国内经济结构的调整及增速的放缓，城商行发展所处的宏观经济环境发生深刻变化，过去城商行高速扩张所依赖的宏观经济环境不再，整体宏观调控、金融及监管政策措施的调整使样本城商行生产前沿面朝着不利的方向移动，从而导致样本城商行出现明显的技术退步，因此，整体TFP降至与2009年相当，样本城商行TFP在2009—2011年间呈现明显的倒“V”型变化趋势。在经历2009—2011年的波动后，2012年样本城商行的各项指标趋于收敛，但TFP仍表现为下降。

从城商行内部发展的驱动来看，2008—2012年，国内城商行正处在规模快速扩张时期，在宏观经济发展红利及银行业存贷利差管制的大环境下，多数城商行只需通过做大规模便可实现盈利的增长，因此，业务营销与拓展成为多数城商行经营与管理的重点，而内部管理流程的优化、金融服务及产品的创新、信息技术的改进、人力资源优化等一系列精细化、集约化管理手段与技术方法并没有得到有效的开发与应用。这就表现在技术变化及技术效率长期处于退步与下降区间，制约城商行TFP的有效增长。

2.样本城商行技术效率与技术进步分析

对样本城商行2009—2012年的TFP及其分解项变化趋势分析可以发现，样本城商行的技术效率与技术变化趋势存在一定的背反现象，特别是在2011—2012年间，技术效率保持相对较高水平的同时，技术退步现象却相当明显，尤其在2011年，技术退步幅度远远超过TFP变化幅度。技术退步反映了样本城商行近两年生产前沿面的收缩，在规模扩张的同时，只是在原有生产技术上进行重复的规模扩张，或者通过一定的流程优化、管理变革来提升要素投入产出效率，因此，技术退步较为明显。

此外，比较明显的一个特征是大型城商行与中小型城商行①大型城商行包括北京、南京、宁波、上海、江苏、广州、杭州、大连、盛京、东莞、哈尔滨11家城商行，其余25家城商行则归为中小型城商行。在TFP、技术进步上的差异十分明显（如图3所示）。大型城商行表现出较中小型城商行更为明显的进术进步，从而TFP明显增长。但在技术效率方面，中小型城商行与大型城商行的差异并不十分明显，一方面，中小型城商行的规模效率要高于大型城商行，另一方面，在纯技术效率方面，中小型城商行与大型城商行仍然存在一定的差异。

图3 大型及中小型城商行差异分析

中小型城商行在技术进步上的不足较好地反映了目前国内城商行在经营转型中的困难。一方面，人才不足制约城商行新技术引入，而即使引进新技术也因为人员配备问题导致新技术无法得到有效运用与推广，这是城商行自身人才吸引力不足引起的；另一方面，缺乏持续技术创新的管理体系与考核激励机制，使技术创新在城商行内部无法得到足够重视与有效的贯彻执行。因此，虽然短期内，国内城商行取得了规模与盈利的较快增长，但从长期来看，技术进步的不足将制约城商行未来可持续发展。

五、结论及政策建议

本文以东部10省市36家城商行2008—2012年相关数据为样本，利用基于产出导向型的DEAMalmquist指数，测算并分析了样本城商行的全要素生产率及其分解项的变动情况，研究发现：

第一，受技术退步及纯技术效率下降的影响，样本城商行近几年全要素生产率整体呈现下降趋势；第二，技术进步是推动城商行全要素生产率增长的主要因素，10家表现为技术进步的样本城商行全要素生产率均位居样本城商行前50%，其中有7家位居前10，并表现出全要素生产率正增长；第三，中小型城商行的整体表现明显不足，尤其表现在技术变化上，中小型城商行技术变化的Malmquist指数平均值小于1，呈现较为明显的技术退步。

经过不良资产重组、剥离，股份制改革，城商行各项经营发展逐渐步入正轨，特别是在国内宏观经济红利及监管政策利好的刺激下，城商行基于规模扩张的粗放式增长模式带来了短期资产膨胀及市场份额的稳步提升。然而，全要素生产率并没有得到有效提升，技术进步以及纯技术效率成为城商行未来可持续发展的重要掣肘，特别是对中小型城商行而言，如何跨越“中等规模陷阱”是目前亟须解决的关键问题。基于上述，本文提出如下建议：

第一，有所为有所不为，坚持比较优势发展战略。过去很多城商行在赶超中求发展，希冀通过短期的资源集中投入来补强短板。但是，短板领域的人才基础、系统支撑往往很难在短期内得到改善，更需要长期的积累，因此，不但无法补强短板，而且导致业务定位不明，特色丧失。利率市场化背景下，存贷利差在很长一段时间内仍将是城商行的主要收入来源，因此，城商行应明确以利差为生存之本准确定位利润增长点，在此基础上，做大、做强具有比较优势的小微业务，加快小微业务产品创新和服务创新提升议价能力，通过在比较优势领域的深耕细化，寻求科学、可持续的利润增长点。

第二，面对日趋复杂的宏观经济与金融环境，应该改变传统的发展方式，加强创新与精细化管理。加快建立与创新发展要求相适应的管理体制与机制，探索符合中小微企业特色的风险管理机制和方法，加快产品创新，以管理创新优化经营水平，以产品创新实现价值持续增长，使创新真正成为城商行发展的不竭源泉和强大动力；深化客户关系管理、财务会计管理的信息化及系统性建设，完善信贷管理机制及定价方法，强化客户、业务及产品的定量分析，夯实精细化管理的技术方法和手段。

第三，坚持人才立行，实施人才战略，着力打造集“创新型管理人才、行业领先型技术专家、成长型业务骨干及标准化技术操作人才”于一体的多层次、多序列人才队伍，为优化内部管理、提升生产力奠定扎实的人才基础。

[1]刘汉涛.对我国商业银行效率的测度：DEA方法的应用[J].经济科学，2004，（6）：48-58.

[2]王健，金浩，梁慧超.我国商业银行效率分析[J].技术经济，2011，（4）：124-127.

[3]程惠芳，姚遥.江浙沪城市商业银行竞争力及其影响因素分析[J].经济地理，2013，（7）：121-126.

[4]甘小丰.城市商业银行效率研究[J].金融理论与实践，2007，（3）：12-15.

[5]陈一洪.基于超越对数函数的城商行效率实证研究[J].北京金融评论，2013，（4）：75-86.

[6]靳素君.基于数据包络分析（DEA）模型的河南省城市商业银行效率研究[J].金融理论与实践，2013，（10）：61-64.

1003-4625（2014）07-0058-06

F832.35

A

2014-04-16

陈一洪（1987-），男，福建泉州人，经济学硕士，经济师，研究领域：城商行经营管理与战略发展。

贾伟）