我国商业银行效率测度和提升路径.docVIP

我国商业银行效率测度与提升路径 　　摘 要：选择数据包络分析（简称DEA）作为分析工具，从综合效率、技术效率及规模效率多个视角对中国商业银行进行比较，结果表明：四大国有商业银行的综合效率呈现稳中有升、小有波动的趋势，其他股份制商业银行综合效率一直保持在较高水平。四大国有商业银行的综合效率均值一直低于其他股份制商业银行，其综合效率较低的原因，一方面在于其内部管理水平较低，另一方面也可能由规模无效导致。 　　关键词：商业银行；经营效率；测度 　　中图分类号：Ｆ830.33文献标识码：Ａ文章编号：１００６－３５４４（２００8）０1－００10－04 　　 　　一、商业银行效率界定 　　 　　商业银行效率是商业银行在业务活动中投入与产出或成本与收益之间的对比关系， 体现了商业银行在有效保证盈利性、安全性、流动性的基础上，合理配置银行资源并推动社会经济资源流动的能力。商业银行效率可从微观和宏观两方面考察： 微观商业银行效率指的是各商业银行通过金融资源配置所达到的状态，即投入与产出或成本与收益的比较；宏观商业银行效率体现了商业银行对国民经济增长的贡献率，即银行要素（人力、物力、分支机构、各类金融资产的存量和流量等） 投入与国民经济增长及其增长质量的比较。 本文考察的是微观商业银行效率，将商业银行本身视为一个经济体，通过对其投入产出比率的计算，来衡量该经济体的运转情况，从而为商业银行提高效率提供依据。 　　对于商业银行效率的界定， 以下几点需特别说明：（1）商业银行效率包含资源配置情况和资源利用有效程度两部分内容；（2）商业银行效率的度量虽然存在多个角度、多种方法，但只有建立在同一背景、同一基础上的比较才能保证可比性；（3）商业银行效率值均为相对值， 只能体现某一银行在样本集中的相对水平。 　　商业银行效率损失主要根源于x-不效率，Barbara?Casu Philip?Molyneux（2005）指出，综合效率和Leibenstein所指的x-效率是相同或者等值的，考虑到目前计算综合效率的技术相对成熟， 本文利用Farrell的综合效率来反映x-效率水平。另外，银行x-不效率分析仅仅体现了银行的总体经营效率， 至于规模、技术等对银行效率的影响却不得而知，因此，本文还分析了商业银行的规模效率和技术效率，试图从各方面考量银行的效率水平。 　　二、商业银行效率测度模型 　　 　　本文选择数据包络分析（简称DEA）作为分析工具，从综合效率、技术效率及规模效率多个视角对中国商业银行进行比较。DEA本质为线性规划求解，适用于多投入、 多产出的效率评估。Charnes、Cooper、Rhodes于1978年提出了DEA的基础模型――C2R模型，随着研究视角的多样化与研究内容的日益丰富，C2R模型已不能满足日益复杂的计算需要， 众多派生模型应运而生， 如本文选用的SDEA模型、C2SG2模型、NIRS模型等。 　　银行综合效率测度――C2R模型的超DEA形式。Per Anersen Niels Christian Petersen于1993年提出了C2R模型的超DEA形式，解决了有效DMU的排序问题，以投入导向型为例： 　　银行技术效率测度――C2SG2模型。 该模型是Charnes、Cooper、B. Golany、L.Seiford J.Stutz于1985年在C2R模型基础上通过增加“规模报酬可变”假设而得，见公式2。若技术效率值θt j=1，说明DMUj技术有效；若θt j1，说明DMUj技术无效。 　　规模效率测度――C2R、C2SG2及NIRS模型综合应用。采用两步法：（1）利用综合效率=技术效率×规模效率（Farrell，1957）的公式计算出DMUj的规模效率θs j，若θs j1，DMU规模无效；若θs j=1，DMUj规模有效。（2）利用NIRS模型研判DMUj所处的规模报酬阶段，NIRS模型是Coelli T.J. 1996年在C2R模型基础上加入“规模报酬非增”假设得出（见公式3）的，通过对NIRS模型的求解， 可以得出一个新的效率值θo j，若θo j=θt j，DMUj处于规模报酬递减阶段，扩大生产规模不但无益且会加剧效率低下的情况；否则DMUj处于规模报酬递增阶段， 可以通过扩展生产规模来实现效率提升。 　　 　　三、样本与数据①选择 　　 　　商业银行的投入产出与其他厂商存在明显差别，且难以直接量化，大量投入产出的界定方法应运而生，较常用的包括生产法、中介法、资产法等，各投入产出界定方法的分歧主要集中在商业银行的作用与存款的归属两个方面。 本文选择将商业银行定位为金融中介并将存款划入投入的资产法， 本着数据可得、可比原则，结合我国商业银行实际情况，将投入要素界定为实物资产、员工人数