基于DEA交叉模型的中国银行业效率研究.docVIP

基于DEA交叉模型的中国银行业效率研究 　　摘 要：商业银行效率是从投入和产出角度对银行综合经营能力的测度，对银行效率造成影响的因素是多方面的。利用2008―2014年国内35家商业银行的经营数据构建面板样本，分别测出国有、股份制和城商行的交叉评价效率，并通过分析各类因素对交叉效率的影响，得出以下结论：盈利能力对国有银行效率的影响最为显著，影响股份制商业银行效率的主要因素是盈利能力、人力资源配置能力和风险管理能力，影响城市商业银行效率的主要因素为人力资源配置能力、盈利能力和贷款能力。因此，国有银行应优化资产结构，加强内部管理，主动实施差异化战略；股份制商业银行应进一步扩大市场份额，完善激励机制，不断增强风险管理能力；城市商业银行应依靠自身相对优势获取竞争地位。 　　关键词：数据包络分析；交叉评价；效率；盈利能力；贷款能力 　　中图分类号：F832 文献标识码：A 文章编号：1003-3890（2016）04-0029-07 　　效率（Efficiency）是现代经济学研究分析框架中的核心问题，也是衡量金融机构经营业绩的一个重要标准。商业银行作为金融体系中的重要组成部分，研究商业银行的效率不仅可以反映我国银行业自身的资源配置情况和整体经营状况，发现其与国际银行的差距，还有助于银行监管部门制定相关监管政策，并且对整个金融体系的稳定和发展都有着重要的意义。商业银行的效率值高低不仅能反映本身投入产出的能力和可持续发展能力，更能体现在银行业中竞争能力的高低。随着与国际接轨和市场化改革进程的推进，中国银行业的发展取得了巨大成就，银行规模和盈利水平的提高不断巩固银行业在国际金融市场中的竞争地位，但是和发达国家银行业的先进技术相比，国内银行业在管理方面的诸多短板不容忽视。在过去的几十年里，银行效率越来越多地受到学术界的重视，国内外学者分别以各种不同的方法对银行业效率进行研究和测度，但由于样本范围限制和基础理论研究缺乏等，未能得出一致的研究结果，所以有必要采取恰当的方法，准确测算银行业效率，判断银行效率的影响因素以及效率的变化情况，分析并提出有效提升我国银行业竞争力的相关对策。 　　一、文献综述 　　西方学者通常将商业银行的效率分为规模效率（Scale Efficiency）、范围效率（Scope Efficiency）和X-效率（X-Efficiency）三大类型。早期的银行效率研究主要集中在对规模经济的分析和测度，最早将银行效率与规模相联系的学者是Alhadeff（1954），他以1938―1950年美国加州的210家银行数据为样本进行分析，发现银行业规模效率呈现递增的趋势[1]。Bell（1967）的研究也证实随着商业银行规模的不断扩大，银行收益将不断增加，同时成本有所降低[2]。Benston（1982）将商业银行的规模扩张延伸到分支机构，发现实行了总分支行制度的综合型银行的效率要显著高于单一制度的银行[3]。范围效率主要是指银行通过开展多元化经营带来的正效应，但与此相关的研究结果并没有得到确定的结论，Berger（1993）的研究发现银行业的范围效率较小，多元化经营能够在很小程度上降低成本，但对收益的影响并不明显[4]。Roger（1998）以美国商业银行为研究样本，发现多元化业务经营可能会给银行带来降低成本的范围效率。商业银行的X-效率是指除了规模效率和范围效率之外的配置效率和技术效率的总和。由于规模效率和范围效率对银行的影响程度较小，因此国内外学者将更多的重点放在银行的X-效率上，但相关的研究方法和研究结论尚未统一[5]。 　　银行效率的研究方法可分为财务指标法和前沿效率分析法，前者通过分析银行的资产、成本和收益等有限的宏观指标信息来测度银行的效率值，这种方法只适于短期的效率衡量，不能完全反映出各银行不同投入和产出对效率影响的贡献值。近年来，对银行效率研究使用较多的是前沿效率分析法，这种方法将银行视为特殊的生产企业，构建一个生产前沿面，某企业与该前沿面的距离就是这个企业的技术效率或称前沿效率[6]。Farrell最早在1957年提出利用生产边界建立线性规划模型，测算出生产实体的技术效率和价格效率，随后其他学者在此模型的基础上，将技术效率进一步细分为规模效率和纯技术效率[7]。前沿效率分析法可分为参数分析法（Parametric Method）和非参数分析法（Non-Parametric Method）。其中，参数分析法事先对生产函数做出界定，主要包含随机前沿法（SFA）、自由分布方法（DFA）和厚前沿方法（TFA）。非参数分析法主要包括数据包络分析法（DEA）和无界分析法（FDH）两种。 　　在数据包络分析法（DEA）出现之后，国内外许多学者利用DEA方法对商业银行效率进行测算和分析，Sherman et