我国商业银行效率测度

[摘要]文章运用DEA模型，测算了我国16家上市商业银行2013—2016年的技术效率、纯技术效率和规模效率。测算结果显示：第一，样本商业银行的技术效率低主要是因为规模效率低，纯技术效率较高。第二，国有大型商业银行、股份制商业银行和城市商业银行没有明显的效率差异。第三，2013—2016年，样本商业银行技术效率不断降低，主要是由规模效率降低所引起。第四，国有大型商业银行和股份制银行大体上处于生产的规模报酬递减区域，规模相对较小的城市商业银行大体上处于规模报酬的递增区域。为提升商业银行效率水平，商业银行应该向高效率银行学习更为有效的资源组织形式。

[关键词]商业银行;技术效率;规模效率

1 引言

商业银行是重要的信用中介机构，其运营状况决定着资金的配置状况，对实体经济的发展意义重大。财务报表中的单一盈利指标很难全面反映商业银行利用资源服务经济体的能力，甚至由于我国国有商业银行常常负有政策任务，会使得单一盈利指标可能产生误导性的结果，因此，有必要构建适当的综合指标来反映商业银行利用资源提供服务的能力。效率可以反映資源的利用水平，更少的资源投入和更多的商品服务产出意味着更高的效率，通过综合考虑商业银行的投入和产出，可以得出商业银行的效率水平。

一般来讲，对商业银行效率的评价是把银行内部运行看作一个“黑箱”，通过投入和产出来测评效率，不关注内部过程，近年来也有些学者尝试打开“黑箱”，考虑银行内部运行。周逢民等（2010）把商业银行经营过程分为资金组织和资金经营两个阶段，基于两阶段的DEA模型对商业银行进行效率评价，得出国有银行效率低于股份制银行，这种无效是由资金经营阶段的无效引起的。刘德彬（2017）把商业银行分为从资本到风险资产，从风险资产到资产，从资产到收入，从收入到净利润四个阶段，以22家上市商业银行为样本，通过DEA方法测评效率，得出各上市商业银行效率值差异明显，普遍地，第二阶段效率高，第三阶段效率低。

综合来看，DEA模型是基于前沿效率理论发展起来的一种测度机构效率的模型，运用DEA方法测评商业银行效率正逐步形成一个体系。本文通过基于DEA方法构建Malmquist指数，可以得出商业银行技术效率是提高还是倒退，生产前沿面是扩张还是退缩。从众多学者的研究来看，很多学者认为国有银行的效率不如股份制银行，至于其中的原因，由于运用方法不同，观点也不同，例如荣耀华等认为是规模效率低所致，周逢民等认为是资金经营阶段的经营无效所致，当然有些学者表示并没有证据表明国有银行效率低于股份制银行，例如郑录军和曹廷求的研究就表明国有大型商业银行、股份制银行和城市商业银行效率不存在明显差异。本文运用DEA模型来根据样本测度我国商业银行的效率，一方面，通过新角度选取指标，希望能够对我国商业银行效率水平中的争议问题有所贡献，另一方面，通过近几年我国商业银行的有关数据，可以得到最新的我国商业银行的效率水平情况，为更进一步研究提供基础性研究。

2 实证结果及分析

（一）样本选取

根据《中国金融年鉴2016》，截至2015年末，我国商业银行包括5家大型商业银行、12家股份制银行、133家城市商业银行。在选择数据的时间跨度时，考虑到可能由于偶然因素的影响，导致某一年相对效率值变动较大，难以客观反映各商业银行的效率水平，所以本文选取了2013-2016的数据，同时这样选择也可以得出最近几年效率的大致变动趋势。本文共选取这16家有上市数据可查的商业银行作为研究对象，由于5家大型商业银行占了商业银行总资产的51.07%，加上股份制商业银行，占据了商业银行总资产的75.23%，再加上城市商业银行，则占据了商业银行总资产的90.05%，所以本文选取的样本有一定代表性。实证部分原始数据，均来自各银行在上海证券交易所和深圳证券交易所披露的财务报告。

（二）投入产出指标选取

商业银行的运转需要投入固定资产、人力资本等，所以本文选取固定资产和运营费用作为投入指标。关于投入指标的选取有两点需要明确：第一，本文所指的固定资产是银行资产负债表中的固定资产项目，是固定资产的存量。固定资产作为一项投入在银行的运行过程中是合理的，之所以用存量而不用净变动量是因为：现存的固定资产在银行的生产过程中都起到了作用，例如假设某年固定资产净减少1单位，我们不能说投入了-1单位固定资产但是却生产出了大量的服务。第二，本文的运营费用包括了员工费用、固定资产折旧和无形资产折旧等在运营过程中产生的费用，其中员工费用占最主要部分，具体的是从商业银行利润表的业务及管理费用中扣除了税额，因为税额并不能看作是一种投入，这部分资金流向了政府，并不是为了产生服务而消耗了。

综上所述，本文选取了两项投入指标：固定资产和运营费用，三项产出：贷款服务、存款服务和其他服务。在运用DEA模型测算效率中，样本个数需在投入产出指标和的三倍以上，才不会影响效率测度的准确性（吴晨，2011），本文共选取16家银行，所以测度效率结果具有可信性。

（三）效率测度结果及分析

1.样本商业银行技术效率

表1是在CCR模型中计算得出的商业银行的效率值，是假设规模报酬不变情况下的技术效率。总体上看，仅有交通银行和平安银行两家银行在2013年到2016年的效率均值在0.9以上，很多银行都存在资源的浪费，可以在产出不变情况下缩减投入成本。

2.样本商业银行纯技术效率

下表是在BCC模型中计算得到的纯技术效率值，放松了规模报酬不变这个假设。从表4中可以看到，中国工商银行、平安银行、上海浦东发展银行、宁波银行和南京银行各年份的纯技术效率都是1，意味着这5家银行在2013年到2016年中，每年都是纯技术有效的，其生产无效全部归结为规模无效，当然由于平安银行的技术效率为1，其纯技术效率和规模效率必然也都为1。结果中，只有中国农业银行和华夏银行每年都是纯技术无效的，其余9家银行在考察期中的某些年份都出现过纯技术效率为1的情况，并且纯技术效率即使在无效时大部分都比较高，只有中国民生银行在2015年和北京银行在2016年的纯技术效率低于0.8。

3.样本商业银行规模效率

表6是根据技术效率、纯技术效率和规模效率之间关系计算得到的规模效率。总体上看，平均规模效率在0.9以上的有5家银行，在0.8-0.9之间的有8家银行，在0.8以下的有3家银行，整体来看，规模效率要明显低于纯技术效率，样本商业银行的技术效率低主要是由规模效率低造成的。值得关注的是中国农业银行和华夏银行的规模效率并不低，纯技术效率却是最低的，所以这两家银行的技术效率低是由规模效率较低造成的。宁波银行的纯技术效率为1，规模效率却是最低的，平均仅有0.63，故其技术效率低下完全是由规模效率低下造成的。

4.样本商业银行的规模报酬区域

通过技术效率、纯技术效率和规模效率的测算，得出样本商业银行的技术效率大致呈下降趋势，并且是由规模效率下降引起的，纯技术效率基本保持不变。从表8可以看到，除2013年处于规模报酬递减的样本银行数量明显少外，其他年份数量相当，并且处于规模报酬递减区域的商业银行占绝大部分。分类别看，大型国有商业银行和股份制商业银行都处于规模报酬递减区域，个别年份会有规模报酬不变的情况，三家城市商业银行基本上都处于规模报酬递增阶段，仅北京银行在2013和2014年出现规模报酬不变。

3 结论与政策建议

本文运用数据包络分析，即DEA模型，通过选取固定资产、运营费用作为投入，贷款服务、存款服务和其他服务作为产出，考察了2013-2016年我国16家上市商业银行，包括5家大型商业银行，8家股份制商业银行和3家城市商业银行的效率水平，得出的主要结论如下：

第一，除中国农业银行和华夏银行外，样本商业银行的低效率主要归结为规模效率低。中国农业银行和华夏银行分别为5家大型商业银行和8家股份制银行中的效率最低者，它们的规模效率相对高，低效率主要是由纯技术效率低造成的。第二，从整体效率的变化趋势上看，技术效率不断降低，纯技术效率大致不变，规模效率的降低是技术效率降低的主要原因。第三，对样本商业银行所处的规模报酬区域进行测算，发现5家大型国有商业银行和8家股份制商业银行基本上全部处于规模报酬递减区域，只有规模相对较小的平安银行以及个别银行的个别年份出现了规模报酬不变，3家城市商业银行基本处于规模报酬递增区域。结合样本商业银行所处的规模报酬区域和各银行规模的变动情况，可以得出，我国商业银行规模效率较低是由规模过大造成的，规模效率不断降低的原因很可能是由规模的扩大引起的。

目前一般有两个途径可以使商业银行达到更高的效率水平：其一，低效率的商业银行可以学习高效率商业银行在人员组织、固定资产管理及应用、管理費用控制等方面的经验，来达到相对较高的效率水平。其二，寻求更有效的资源组织方式，推进生产前沿面外移，推动商业银行整体效率的提升。商业银行是否会自主学习高效率的商业银行，以及是否会寻求更有效的资源组织方式，都是不能简单回答的问题，需要进行进一步研究，从而指出制度安排的不合理部分，进行商业银行的管制改革，使商业银行能够自主追求高效率水平。

参考文献

【1】段永瑞，黄鹂彬，张艳霞.基于DEA模型的中国商业银行效率及生产率评价[J].工业工程与管理，2016，21（2）：1～7.

【2】黄建康，吴玉娟.基于DEA模型的我国上市商业银行竟争力分析[J].工业技术经济，2017，37（7）：49～55.

【3】刘德彬.基于网络DEA模型的我国上市银行经营效率评价研究[J].现代管理科学，2017，（10）：42～44.

【4】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）：49～58.

【5】荣耀华，程维虎.基于数据包络方法的上市银行盈利效率研究[J].数理统计与管理，2017，36（6）：1070～1079.

【6】魏权龄.评价相对有效性的数据包络分析模型—DEA和网络DEA[M].北京：中国人民大学出版社，2012.

【7】吴晨.我国上市商业银行效率测度及影响因素分析—基于DEA的实证分析[J].山西财经大学学报，2011，33（11）：47～54.

【8】张建华.我国商业银行效率研究的DEA方法及1997—2001年效率的实证分析[J].金融研究，2003，（3）：11～25.

【9】郑录军，曹廷求.我国商业银行效率及其影响因素的实证分析[J].金融研究，2005，（1）：91～101.

【10】周逢民，张会员等.基于两阶段关联DEA模型的我国商业银行效率评价[J].金融研究，2010，（11）：170～179.

作者简介：陈佳浩（1998—），男，浙江杭州人，浙江工业大学硕士研究生，研究方向：数量金融、最优化计算。