商业银行运营特征的DEA估计研究.docVIP

商业银行运营特征的DEA估计研究 　　摘要: 数据包络分析是一种评价决策单元相对效率的有效工具,商业银行是数据包络分析方法的重要应用领域。之前的文献一般都集中于对商业银行的技术效率评价进行研究,而本文对商业银行的技术效率、纯技术效率、规模效率、成本效率、投入配置效率、收益效率与产出配置效率的评价方法作了系统性的研究。 　　Abstract: Data Envelopment Analysis has been proven as an effective tool to appraise the relative efficiencies of decision making units (DMUs), which has be widely applied to evaluate the performance of commercial banks. The previous papers only focus on the research of technical efficiency of commercial banks. This paper gives the systematical research on the evaluation of technical efficiency, pure technical efficiency, scale efficiency, cost efficiency, revenue efficiency, input and output allocative efficiency to commercial banks. 　　关键词:商业银行;效率评价;数据包络分析 　　Key words: commercial bank;efficiency evaluation;data envelopment analysis (DEA) 　　中图分类号:N945.16 文献标识码:A文章编号:1006-4311(2010)17-0056-03 　　 　　0引言 　　效率评价,尤其是技术效率评价,是管理学与运筹学领域的重要课题。对技术效率的测量最早是由Farrell[1]和Afriat[2]提出来的。数据包络分析(Data Envelopment Analysis,简称DEA)是用来评价一组有多输入、多输出的决策单元之间的相对效率的数学规划方法[3,4],被广泛应用于各个领域,成为运筹学、管理科学、系统科学交叉研究的一个新领域[5]。 　　DEA方法已经被广泛应用于商业银行的效率评价之中。商业银行在一国金融体系中处于主导地位。对于银行监管者而言,有必要掌握一套对商业银行的评价方法,以决定银行业如何对世界范围的竞争以及政府政策等作出反应;对于商业银行本身,商业银行的管理层同样需要一套科学的绩效评价方法,以增强对运作结构变化和赢利趋势的控制能力。 　　Sherman 和 Gold(1985)首先运用DEA方法研究商业银行的效率评价[6]。从此以后,DEA在银行业的应用呈现出多个方向的发展,如从全国性银行效率评价到在一家银行的分支机构效率评价,从跨国银行效率评价向银行并购效率分析,等等 。Berger和Humphrey早在1997年对多个国家的相关研究进行了总结[7]。 　　在国内,杨宝臣、刘铮和高春阳(1999)首先利用DEA方法来评价某市农业银行14家分支机构的相对效率[8]。此后,赵旭(2000)对国有商业银行进行了实证分析[9];张维和李玉霜(2001)对石家庄15个城市商业银行进行了效率分析[10];吴晓勇和池宏(2003)对某商业银行12个分理处的效率进行了研究[11],等等。 　　然而,上述研究一般都是研究商业银行的技术效率,对于商业银行的其他运营特征没有进行研究,本文将做系统性评价,涉及对商业银行的技术效率、纯技术效率、规模效率、成本效率、投入配置效率、收益效率与产出配置效率。 　　1技术效率、纯技术效率与规模效率 　　假设有N个决策单元(Decision Making Units,DMUs),每个决策单元都消耗S种投入以生产R种产出。对于第j个决策单元,记其投入向量为Xj=(x1j,x2j,…,xSj),产出向量为Yj=(y1j,y2j,…,yRj)。 　　为了评价决策单元的技术效率,Charnes等人于1978年提出了CCR模型[4],该模型的最优目标值即为第k个决策单元的技术效率值,如下所示: 　　θ=max∑uy∑vxs.t.∑uy∑vx1,j=1,…,Nu,v0(1) 　　将规划(1)分别对每一个决策单元求解,可以得到每个决策单元的技术效率。 　　规划(1)的等价线性规划的对偶模型如(2)所示: 　　θ=minθs.t