APP下载

大数据时代我国上市商业银行效率的实证研究

2021-03-18周涛

经济研究导刊 2021年4期
关键词:大数据时代

周涛

摘 要:在大数据时代背景下,利用DEA-Malmquist模型对2012—2019年间16家上市商业银行效率进行实证研究。结果表明,2012—2018年中国上市商业银行的全要素生产率呈上升趋势,年均增幅1.9%。上市商业银行的纯技术效率略有下降,规模效率处于停滞状态,技术进步效率呈上升趋势,而且是引起全要素生产率上升的主要因素。基于此,建议中国上市商业银行顺应时代发展趋势,运用大数据思维实现战略转型,利用大数据技术创新业务发展,提升行业技术水平和全要素生产率。

关键词:大数据时代;商业银行效率;DEA-Malmquist指数

中图分类号:F832        文献标志码:A      文章编号:1673-291X(2021)04-0044-03

2011年5月,麦肯锡环球研究院发布《大数据:创新、竞争和生产力的下一个前沿》报告,标志着人类社会进入大数据时代。多年以来,商业银行借助其传统业务活动已积累了海量的高价值的大数据。对大数据的充分应用可以推动商业银行在经营理念、组织架构、业务流程、管理模式、IT 架构等领域进行全面调整和深度整合,也不断改善商业银行的组织效率、资本运营效率、服务效率、结构效率、决策效率[1]。商业银行拥有的海量大数据为其在大数据时代下的成长与变革提供了良好的基础,也为我们利用大数据对商业银行效率進行深入的分析研究创造了条件。

对商业银行效率的研究,前人已经积累了大量的研究方法和成果。荣耀华和程维虎(2017)基于DEA模型,以2015年16家商业银行为样本,发现上市银行的纯技术效率普遍较高,而国有银行受规模因素的影响,规模效率和技术效率偏低[2]。陈一洪(2018)使用三阶段数据包络分析模型对城商行2012—2016年的发展效率进行实证分析,研究表明,规模效率是引起城商行效率改变的主要原因,而纯技术效率和技术进步变化不大[3]。路妍和李刚(2018)运用DEA-Malmquist模型,分析了2006—2016年中国上市商业银行全要素生产率。研究表明,中国上市商业银行全要素生产率整体是下降的,而宏观经济背景是影响中国商业银行全要素生产率的主要因素[4]。马晓倩和周雪梅(2019)基于三阶段DEA和Malmquist指数模型对64家城商行进行研究,结果表明,外部环境对效率有显著影响,规模效率总体水平低,纯技术效率总体水平高但有退步趋势,规模效率偏低是综合技术效率不高的主要原因[5]。

已有文献证明了不同时代背景和外部环境对商业银行效率的影响,但缺乏对大数据时代背景的思考。本文将在已有研究成果的基础上,结合大数据时代背景对商业银行的深远影响,选择 DEA-Malmquist 模型研究商业银行的全要素生产率的发展变化。

一、模型构建

(一)DEA模型

数据包络分析方法,即DEA方法,用于评价具有多维输入、多维输出决策单元(Decision Making Units,DMU)是否相对有效[2]。假设有n家商业银行,每家商业银行有m 个投入指标和s个产出指标,那么第k家商业银行可以表示为决策单元DMNk(xk,yk)(0≤k≤n),第k家商业银行的投入指标和产出指标可以表示为:

xk=(x1k,x2k,…,xmk)T k=1,2,3,…,n

yk=(y1k,y2k,…ysk)T k=1,2,3,…,n

其中,xik表示第k家商业银行在第i项中的投入,且xik>0,yjk表示第k家银行在第j项中的产出,且yjk>0。可以将DEA模型表示为:

式中,S-为投入松弛变量,S+为产出松弛变量,?兹为第k家上市银行的有效值(指投入相对于产出的有效利用程度),即效率值。当?兹=1,S-=1,S+=0时,说明决策单元效率最优,处于DEA有效状态;当?兹=1,S-≠0,S+≠0时,则决策单元处于DEA弱有效状态;当?兹<1时,则决策单元处于DEA非有效状态。

(二)DEA-Malmquist模型

Malmquist指数模型是Malmquist最早提出的,其基础模型是DEA模型,Malmquist指数也是一种距离函数,可以对效率进行纵向分析并观察其时间变化趋势。在前文的基础上Malmquist指数模型可以表示为:

式中,Dt,Dt+1分别是以t期和t+1期技术表示的效率函数,M(xt,yt,xt+1,yt+1)表示在t期和t+1期技术条件下,从t期到t+1期的全要素生产率变化。当TFP>1时,表明从t期到t+1期全要素生产率呈上升趋势,效率提高;当TFP=1时,全要素生产率不变,处于停滞状态。当TFP<1时,表明全要素生产率呈下降趋势,效率下降。

进一步分解Malmquist指数(TFP)为技术进步指数(TC)和综合技术效率变化指数(EF),其中综合技术效率变化指数可分解为纯技术效率变化指数(PE)和规模效率变化指数 (SE),表达式如下:

二、实证分析

(一)数据来源和指标选取

本文以上市商业银行为研究对象,目前我国上市商业银行共有36家,考虑大数据时代背景以及数据可获得性和可靠性,选取2012年以前上市的具有代表性的16家银行作为样本,包括五大国有商业银行、8家股份制商业银行以及3家城商行。样本区间为2012—2019年。数据来源于WIND数据库和上市商业银行年报。

目前评价银行效率的方法主要有三种:生产法、中介法、资产法。商业银行不仅具有生产性企业的特点(提供相应的金融产品和服务),也在资金的供应者和寻求者之间起到中介作用,并且通过放贷来获取利润。因此本文在选取指标时综合考虑了三种方法和大数据时代背景,最终选取投入指标:存款总额、员工人数、营业支出,选取产出指标:贷款总额、利息收入、非利息收入。

(二)实证结果分析

本文应用DEAP2.1软件,处理相关数据得出2012—2019年间16家上市商业银行的Malmquist指数以及其分解指数值。由于Malmquist指数表示每一年度全要素生产率相对于上一年度的上升或下降,Malmquist指数大于1表示上升,小于1表示下降,而第一年(2012年)默认为1,故数据从2013年开始展示。

1.Malmquist指数总体情况分析。表1显示,总体上讲,2012—2019年间每家商业银行的Malmquist指数平均值均大于1,16家银行Malmquist指数总平均值为1.019,说明近8年来上市商业银行全要素生产率是呈上升趋势的,平均每年增幅为1.9%。由此可以看出,自2011年进入大数据时代以来,中国上市商业银行整体的经营管理效率得到了逐步地改善,全要素生产效率得到有效提升。进一步分析可知,2014年、2015年、2018年这三年的Malmquist指数平均值是小于1的,说明这三年中国上市商业银行的全要素生产率是呈下降趋势的,而其余几年则呈上升趋势并在2019年到达峰值1.216。之所以出现这样的现象,与互联网金融企业对商业银行的冲击有关。互联网金融几乎与大数据同时兴起,互联网金融相对于商业银行而言,对大数据的应用更加灵活、更加深入,因此也更具有市场竞争力,对商业银行各项业务形成一定冲击。商业银行也因此加快对大数据应用,加强与互联网金融的融合发展,不断提升自身技术水平,以提高竞争力,这也使得商业银行的全要素生产效率逐步提升,在2019年到达峰值。

2.Malmquist指数按效率分解比较分析。表2显示,8年间上市商业银行的综合技术效率变化指数(EF)为0.998,综合技术效率略有下降,对全要素生产率的影响很小。8年平均纯技术效率值(PE)为0.998,纯技术效率略有下降。规模技术效率值(SE)为1,说明上市商业银行的规模效率处于停滞状态。16家商业银行的技术进步指数8年平均值为1.021,平均每年增幅到达2.1%,其对全要素生产率的增长贡献最大,也是引起全要素生产率波动的主要因素。进入大数据时代以来,各大商业银行纷纷成立大数据中心,利用大数据推动其经营管理模式转型发展,不断改善其决策方式和服务模式,积极地吸纳和培养大数据人才改进其行业技术,这是导致商业银行技术进步指数上升的主要原因。由此可见,本文的数据处理结果是符合大数据时代背景的。

三、结论与建议

(一)结论

本文利用DEA-Malmquist模型对16家上市商业银行的全要素生产效率进行实证分析,得出以下结论。一是进入大数据时代以来,2012—2019年间中国上市商业银行的全要素生产效率呈上升趋势,年均增幅1.9%。二是中国上市商业银行的規模效率处于停滞状态,纯技术效率略有下降,综合技术效率对全要素生产效率影响很小。三是中国上市商业银行的技术进步效率呈上升趋势,年均增幅为2.1%,技术进步是推动全要素生产效率上升的主要因素。

(二)建议

基于本文实证研究结果和大数据时代背景,笔者提出以下建议。一是上市商业银行应充分认识到大数据时代发展趋势,运用大数据思维实现战略转型发展,提升行业整体竞争。二是上市商业银行应该积极的吸收和培养大数据人才,深度挖掘大数据潜藏的巨大价值,充分利用大数据技术促进技术进步,实现行业技术水平有效提升,进而提高全要素生产效率。三是各个上市商业银行应根据自身实际情况,利用大数据技术针对不同客户群体提供个性化服务和产品,促进业务创新发展,提升效率水平和盈利能力。

参考文献:

[1]  胡高霞,吕东.大数据技术在银行业务中的应用[J].武汉金融,2016,(1):54-55.

[2]  荣耀华,程维虎.基于数据包络分析方法的上市银行盈利效率研究[J].数理统计与管理,2017,(6):1069-1079.

[3]  陈一洪.基于三阶段DEA-Malmquist模型的城商行发展效率研究[J].金融监管研究,2018,(1):96-108.

[4]  路妍,李刚.后危机时代中国商业银行全要素生产率研究——基于DEA模型的Malmquist指数分析[J].山西大学学报:哲学社会科学版,2018,(5):94-104.

[5]  马晓倩,周雪梅.我国城商行经营效率研究——基于三阶段DEA和Malmquist指数的分析[J].金融与经济,2019,(11):30-38.

猜你喜欢

大数据时代
大数据时代下计算机信息处理技术的应用
大数据时代背景下高职院校宣传思想工作的思考与实践
大数据时代下图书馆的服务创新与发展
大数据时代高校学生知识管理
从“数据新闻”看当前互联网新闻信息传播生态