智能化背景下我国商业银行DEA模型效率评价
2020-10-20马雯蕊林丹阳刘雪琪宋璐
马雯蕊 林丹阳 刘雪琪 宋璐
摘要:近年来,随着社会的进步,智能化在各个领域中广泛应用,银行业也不断探索智能化及人工智能技术的应用和实践,并在商业银行各个领域予以应用。本文通过选取国内商业银行作为决策单元,通过构建模型观察智能化在国内银行业的推进情况,丰富智能化特别是银行智能化方面的研究。
关键词:银行智能化应用;商业银行效率;DEA模型
商业银行作为金融机构,是重要的经济主体,反映了社会的资源配置效率,影响着整个国家的经济情况,在社会经济中发挥着重要的作用。当今随着新兴技术的发展,银行业正不断向智能化方向转型,智能风控、智能营销、智能客服、智能投顾等多个方面逐渐得到应用,对商业银行产生积极的影响;另一方面,商业银行在转型过程中也面临着一些挑战,存在配套基础设施与网点智能化转型不相适应等问题。同时银行智能化刚起步不久,目前大多数文献在这一方面主要研究银行智能化的作用、应用情况等,在银行智能化效率评价方面的研究不多,因此研究智能化应用对商业银行的效率影响有着积极的作用。
一、文献综述
纵观我国国内智能化背景下商业银行效率的研究,牛宗英(2016)利用Super_SBM模型对我国商业银行经营效率及其影响因素进行研究,选取了16家商业银行2007—2014年的年度数据,发现金融创新对于大型上市银行经营效率的影响非常显著,而对于中小型商业银行经营效率的影响在10%的显著性水平下接近显著①。刘宜鸿(2019)选定我国31家上市商业银行,运用 DEA模型对2014—2017年的效率进行测算,发现银行纯规模效率总体平均值都明显低于纯技术效率总体平均值,建议商业银行加快智能化转型②。周朝波(2019)考虑商业银行吸收存款和发放贷款的两阶段特点,引入“顾客满意度”这一产出指标,选取了我国15家商业银行,用两阶段DEA模型计算了2008-2011年的服务质量效率和盈利效率,发现从2008年到2011年,我国各商业银行的技术效率以及整个银行业的效率都有一定的提高,整体呈上升趋势,并且我国商业银行的盈利效率显著高于服务质量效率③。郭捷(2016)通过数据包络分析(DEA),运用CCR和BCC模型,测定了2007至2014年我国16家上市商业银行在互联网金融背景下的效率,发现随着互联网金融环境的变化,商业银行整体效率也随之波动,且二者变化基本一致④。黄林、李长银(2017)通过研究智能化技术对银行业的影响,发现智能化发展有利于银行业降低成本、提高工作效率、加强服务及营销能力、提升风险控制能力,有利于进一步改变银行业格局;另一方面,当前银行智能化发展仍需完善,存在不少问题:应用较为单一,主要以客服、智能化机具为主,智能风控及营销应用相对较少,存有较大的开发空间,另外安全性能方面仍需提升⑤。
本文将以12家商业银行为主体,运用DEA模型,对我国商业银行在智能化背景下进行效率评价,并提出相应建议和改进方法,试图为银行管理人员和监管方提供一定参考。
二、研究方法
数据包络分析方法(data envelopment analysis,简称 DEA)是使用数学规划的原理对具有同种属性的决策单元建立评价模型,对投入指标和产出指标赋权统一,将多重投入产出指标转为绝对效率衡量值,是一种测度生产效率前沿的非参数方法。DEA方法评价的基本模型有两类:第一类是基于生产规模收益不变的CCR模型,得到的是研究对象的技术效率(Technical Efficiency)第二类是基于生产规模收益可变的BCC模型,得到的是原本在CCR 模型得到的决策单元的技术效率的细分,即纯技术效率(Pure Technical Efficiency)和规模效率(Scale Efficiency)⑥。
三、商业银行效率测度与分析
(一)样本数据及指标选择
本文选取了我国12家上市商业银行作为研究对象,并结合我国商业银行智能化开始高速发展的时间,本文选择的时间节点为2014—2018年。文章所使用的原始数据均来自于wind数据库、CSMAR数据库以及各商业银行上市年报。
目前学术界主要采用资产法、生产法和中介法评价银行效率。本文将综合以上三种方法的特点和其他学者研究,基于数据的可得性,在常规效率评价指标选取的基础上,结合智能化基点,选取以下5个指标作为投入产出指标(表1)。
(二)实证结果与分析
本文测算了我国12家上市商业银行2014年—2018年的相关效率值并得出了它们的效率情况。其中,综合技术效率=纯技术效率x规模效率。以上步骤均通过软件DEAP2.1实现,测算结果如表2。
通过表2可知,5年间中国银行、建设银行和农业银行整体都实现了DEA有效,招商银行自2015年起也实现了DEA有效,但其中民生银行和兴业银行均未达到生产前沿面,效率值最低。除实现DEA有效的四家银行之外,在前两年均普遍存在投入冗余和产出不足的情况,后续逐渐有所好转,同时规模报酬呈递增趋势。其中上海银行在智能机机具方面投入持续过剩,资源浪费情况严重,造成DEA效率较低,同时,民生银行与兴业银行也存在一定的投入冗余情况,导致两家银行未达到生产效率前沿。
从2014年开始,重庆银行迅速到达生产前沿面,并在后续几年保持稳定。同时浦发银行纯技术效率达到1,在一定程度上使浦发银行提高了其综合效率值。浦发银行2016年规模效率呈递减状态,2017年规模效率大幅度降低,2018年达到了理想状态,实现了DEA有效。工商银行5年來虽然持续处于规模报酬递增状态,但综合效率基本处于垫底状态。仅有一年实现了DEA有效。
就规模报酬而言,除中国银行、建设银行和农业银行三家银行规模报酬5年没有变化之外,其余商业银行规模报酬均有时递增又有时递减(表3)。
通过对三类银行的效率比对,得出三类银行的每年的银行效率比上一年都有不同程度的提高,除2016年城市银行效率超过了股份制银行,2017年城市银行以极高的效率超过了其他两类银行以外,大多时候国有银行的效率都领先于股份制银行,而股份制银行领先于城市银行。
2014年—2018年,四家国有银行都在不同程度上大力推进智能化建设,其中中国银行、建设银行、中国农业银行都达到了效率有效性,仅有工商银行存在着投入过量与产出不足问题。工商银行似乎并未过多关注人员投入冗余问题,在2014年—2015年间,员工数量与自助机具数量逐年增多,营业支出也在增加,2016年,工商银行在员工数量与智能机机具数增加的基础上降低了营业支出,員工投入冗余问题得以解决。
五家股份制银行中,由于招商银行积极推进银行的智能化建设,完善线上线下各种智能化渠道,吸引了大量的电子银行客户,其在2015年达到了效率有效性,并维持至2018年。影响其他四家银行效率的因素主要是电子银行客户数不足、净利润不足与营业支出过量。
与其他两类银行相比,城市银行由于地域的局限性,竞争力不强,但徽商银行在2017年、重庆银行在2017、2018年均达到了效率有效性。影响城市银行效率的主要因素是员工与智能机机具投入冗余。2014—2015年,城市银行在投入与产出方面均存在问题,过多的员工与智能机具投入,不足的净利润产出,导致城市银行效率远远低于其他两类银行。2016年开始,净利润产出不足问题得到明显改善,问题主要集中在智能机机具投入过量,效率也得到了明显提升。
从2014年到2017年,样本银行的技术效率与纯技术效率总体呈现上升趋势。其中技术效率从0.385上升至0.732,在这四年期间翻了将近一番。到2018年,样本银行的纯技术效率达到0.942,但技术效率在这一年却大幅度降至0.671。从2018年各银行的数据中可以得出,大多数银行仍在持续增大员工和智能机机具的投入,导致在不同程度上出现了投入冗余、产出不足的问题。部分银行在员工和智能机机具上投入较多,但净利润与电子银行客户数产出不足(图1)。
另一方面,样本银行规模效率自2014年持续增长,至2016年达到峰值0.848,此后总体又呈下降态势,到2018年降至0.712,低于2015年的规模效率0.756,这也导致了技术效率在2018年的同步下降。再者,由2016年之后的趋势可以看出,继续增大智能机机具、员工的投入,银行的规模效率与技术效率反而同步下降。
通过对这12家商业银行效率的均值测算,可看出在现阶段智能化背景下,我国银行业的纯技术效率总体而言稳步增长,日常经营和管理能力逐年提升。从技术效率和规模效率方面来看,主要的问题在于银行资源配置上存在不足,过度扩张、生产要素投入过剩。2018年,除纯技术效率以外,其余两个效率均未能达到0.9,这表明我国银行业在智能化运营方面上还有很大的提升空间。
四、结论与建议
(一)研究结论
第一,智能化应用对银行效率有着正效应,所研究的12家商业银行效率总体上呈现波动上升的趋势,银行发挥了智能化的优势,银行效率得到显著提高。
第二,部分银行并不能很好地适应智能化时代,未能充分意识智能化业务创新所在,银行效率较低,甚至出现效率下降的情况。银行规模报酬递减,未发挥经济规模效应的作用;以及投入冗余,资源配置效率低。这反映了银行自身业务范围还需适当调整,资源配置效率有待提高,智能化应用需进一步加强。
第三,从不同性质银行的效率分析来看,总体上来说,银行效率最高的是国有商业银行,其次是股份制商业银行,最后是城市商业银行,国有商业银行在智能化应用方面有着较高的水平。
(二)政策建议
第一,商业银行需结合自身情况,控制自身资源投入,防止投入冗余情况发生,改革内部人员结构,将银行管理体系逐渐转向扁平化,进而加强管理水平,促进经营效率水平的提高。
第二,商业银行应向数据化思维转变,大力发展自身数据技术,建设一套完整的数据库,重视与发展汇总数据源能力、储存能力、数据处理能力,从而打造一个数据管理与应用的平台,为商业银行智能化发展提供坚固的基础。
第三,商业银行要重视挖掘与培养复合型人员,切实发展银行改革创新,不断产出新的金融产品。另一方面,通过打造专业技术团队,进一步走向互联网金融、数字金融,引领未来。
第四,商业银行可通过人工智能技术、数据库技术,建立自身的客户管理服务系统,通过挖掘客户潜在需求,为客户提供适当的金融产品并提出相应的建议。同时,也运用智能化风险控制,掌握客户信息,了解业务潜在的风险,提前做好准备,控制风险,减少损失,进而得到更多的收益,提高银行经营效率,充分发挥该模式的优势,提高银行竞争力。
五、结语
智能化技术提高了商业银行的效率,节省了银行成本,在推动银行数字化转型方面有着重要作用。但通过效率测算,当今商业银行在智能化资源利用及管理结构上均存在不同程度的问题,在智能化应用方面仍有提升空间。不同银行应分别根据自身实际情况,合理利用资源,在产品开发上推陈出新,完善自身运营体系,更好地适应当下智能化时代。
注释:
① 牛宗英,基于Super_SBM模型的我国上市商业银行经营效率及其影响因素研究,山东财经大学,2016.
② 刘宜鸿,基于DEA模型的我国商业银行效率评价家大型商业银行, 河南牧业经济学院,2019.
③ 周朝波,互联网金融崛起下中国上市商业银行效率研究_基于三阶段DEA法,同济大学,2019.
④ 郭捷,互联网金融背景下我国上市商业银行的效率实证研究,中央财经大学,2016.
⑤ 黄林,李长银,智能化对银行业的影响及应对策略,2017.
⑥ 刘宜鸿.基于DEA模型的我国商业银行效率评价[J]金融理论与实践2019(09).
参考文献:
[1]牛宗英.基于Super-SBM模型的我国上市商业银行经营效率及其影响因素研究[D].济南:山东财经大学硕士论文,2016.
[2]刘宜鸿.基于DEA模型的我国商业银行效率评价[J].金融理论与实践,2019(9):69-77.
[3]周朝波.互联网金融崛起下中国上市商业银行效率研究-基于三阶段DEA法[D].上海:同济大学硕士论文,2019.
[4]郭捷.互联网金融背景下我国上市商业银行的效率实证研究[D].北京:中央财经大学硕士论文,2016.
作者简介:马雯蕊(1999—),女,汉族,山西太原人,本科生,中国矿业大学(北京)会计学在读。