基于信用风险考虑我国商业银行效率研究.docVIP

基于信用风险考虑我国商业银行效率研究 　　摘要：本文利用包含和不包含信用风险的两组样本，运用随机前沿方法（SFA）对2000-2007年我国十四家商业银行X-效率值进行估算。结果显示：信用风险对我国商业银行效率的测度存在较大影响，不考虑它们往往导致低估商业银行的效率水平；经信用风险调整后的效率水平要高于调整前的效率水平，信用风险对国有银行和股份制银行的效率水平都产生了影响，其中对股份制银行的影响最大。 　　关键字：商业银行；银行效率；信用风险；SFA 　　 　　一、引言 　　 　　商业银行作为我国金融机构的重要组成部分，和其他企业一样，最终目的是追求利润最大化，在商业银行的运营过程中必须优化资源配置，力求以最少的投入实现最大的产出，在追求利润最大化的过程中，银行业的效率是其竞争力的集中体现，因而商业银行效率一直都是学术界研究的重要课题。随着银行业的全面开放,国内银行面临的市场风险、操作风险和信用风险等风险因素将会变得更为错综复杂。信用风险作为最主要的银行风险，对商业银行的效率有显著的影响，如何把握风险与利润、风险与发展之间的平衡，使银行既不承受过大的风险，又能保持适当的发展，具有十分重大的意义。 　　 　　二、SFA方法 　　 　　参数方法在测度银行效率时，需要规定效率前沿函数的具体形式，并通过样本银行数据对其进行参数估计。随机前沿法是效率前沿分析的一种参数方法，最初是由Aigner, Lovell,and Schmidt(1977)提出，该方法认为由于随机干扰项和X无效率项的存在使得待考察银行与效率前沿银行发生偏离，同时该方法假定无效率项服从半正态分布，随机误差项服从标准正态分布。SFA方法主要用来研究商业银行的成本效率水平。 　　Schmidt and Lovell(1979)提出如下的随机前沿成本函数： 　　Y?i=X?iβ+(V?i+U?i) i=1，……N（1） 　　其中，Y?i是第i个公司的生产成本（或生产成本的对数）；X?i是第i个公司投入价格和产出（或其变换）的K×1向量；β是未知参数的向量；V?i是随机误差项，服从标准正态分布，V?i~N(0,σ?V?2)，并且独立于U?i；U?i是非负的随机变量，它被用来解释生产成本的无效率，常常被假设服从单边分布，U?i~|N(0,σ?U?2|分布。 　　X无效率可以通过使用条件分布方法来计算，Jondrow et al.（1982）证明了U和V方差比例λ（λ=σ?U/σ?V）的可变性可以被用来估计银行的相对无效率。λ的值较小说明非可控因素相对可控因素来说起着较大的作用。由于人们无法直接将残差ε?t（ε?t=U?i+V?i）进行分解，因此不能直接对第i家银行X无效率做出估计，故根据无效率因素项U在给定复合误差项ε的条件均值求得，即： 　　E(U?i|ε)=σλ1+λ?2?(ε?iλ/σ)1-Φ(ε?iλ/σ)+ε?iλσ（2） 　　E(U?i|ε?i)是U?i的无偏不一致估计，其中，λ=σ?U/σ?V，σ?2=σ?2?U/σ?2?V,?( )为标准正态分布的密度函数，Φ( )为标准正态分布的累积分布函数。 　　从而成本的X效率为： 　　X-eff?i=1-exp(?i)=1-exp(U?i|ε?i)（3） 　　 　　三、我国商业银行效率的实证分析 　　 　　1.样本数据 　　本文的样本银行由4家国有商业银行（即中国工商银行、中国农业银行、中国建设银行、中国银行）和10家股份制商业银行（即交通银行、中信实业银行、中国光大银行、华夏银行、民生银行、广东发展银行、深圳发展银行、招商银行、兴业银行、上海浦东发展银行）组成，由于不良贷款率搜集的数据有限，本文时间序列上选取2000-2007年的数据，数据来源于《中国金融年鉴》和各家银行网站公布的年报。 　　2.投入产出变量的确定 　　本文对SFA模型中投入产出指标的选择主要是基于中介法的思想。在投入指标的选择上，选择两个投入变量：第一个投入变量是劳动力和实物资本，由于现有的公开资料中，多数商业银行并没有系统地披露银行职工的工资和福利支出，而将其记入“营业费用”项目；同时，营业费用中也包含“固定资产折旧”费用，因此，本文以资产费用率作为劳动力和实物资本的价格，资产费用率w1=营业费用/资产总额；第二个投入变量是存款价格w2=利息支出/存款总额，其中利息支出是指存款利息支出与金融机构往来利息支出之和；存款总额包括短期存款、短期储蓄存款、应解汇款及临时存款、存入短期保证金、长期存款、长期储蓄存款、存入长期保证金、财政性存款等。 　　在产出指标的选择上，选择两个产出变量：y1为贷款，具体包括短期贷款、进出口押汇、贴现、中长期贷款、逾期贷款（含呆滞和呆账准备）、非应计贷款等；y2为投资，具