2017年
财会月刊(32期)
财经论坛
我国商业银行经营效率实证分析: 供给侧和需求侧二维视角

作  者
傅丽芳1(副教授),王 珊2

作者单位
1.东北农业大学理学院,哈尔滨150030;2.东北农业大学经济管理学院,哈尔滨150030

摘  要
     【摘要】选取我国具有代表性的34家商业银行为样本,以2008 ~ 2015年的相关数据为研究对象,首先使用DEA-Malmquist指数法计算各类商业银行经营效率,发现样本期内,股份制商业银行的经营效率最高,农商行的经营效率最低。在此基础上,从需求侧和供给侧两个维度分析商业银行经营效率的影响因素。结果表明,需求侧因素对于商业银行经营效率影响的差异不明显,供给侧因素对于经营效率的影响存在一定差异,差异主要体现在资产配置效率和人力资本上,结果还表明我国商业银行存在同实体企业争利的现象。
【关键词】商业银行;DEA-Malmquist;经营效率;需求侧;供给侧
【中图分类号】F832.35      【文献标识码】A      【文章编号】1004-0994(2017)32-0112-5

一、引言
近年来,在我国经济由高速发展进入中高速发展的新常态背景下,伴随着经济增速的放缓、P2P网络借贷行业的异军突起、民营银行的发展壮大、外资银行的持续渗透以及金融改革的不断深化,我国商业银行的经营受到了极大的冲击,利润率不断降低。银行业的健康发展直接关系到整个国民经济的稳定运行,商业银行的经营效率对金融业乃至整个国民经济的健康发展都有着重要的意义。因此商业银行如何提高自身经营效率,已经成为紧迫且必须面对的问题。
新常态背景下,我国政府提出“适度扩大总需求的同时,着力加强供给侧结构性改革,着力提高供给体系质量和效率,增强经济持续增长动力”。基于此,本文从供给侧和需求侧两个视角,对影响商业银行经营效率的因素进行进一步分析。
二、文献回顾
长期以来,银行的效率都是国内外学者讨论的重点问题。最早使用DEA方法计算银行全要素生产率的学者为Sherman等(1985),Sigbjorn等(1990)则首次将Malmquist生产率指数应用到银行生产效率的测算中。此后的学者基于DEA-Malmquist指数分解方法对银行效率问题进行了大量的研究。Sturm 和Williams(2004)通过计算和比较本土银行和外资银行的效率发现,发达国家中外资银行的效率更高。Yanez(2007)则以发展中国家的银行为样本,对本土银行和外资银行效率进行了对比,研究发现发展中国家外资银行的效率仍然较高。此外,学者把同一地区不同类型商业银行的效率进行了对比。Yang和Liu(2012)使用DEA方法计算和比较了中国台湾地区混合制和国有制银行的效率,研究发现混合制商业银行效率更高,私有化提升了银行效率。
我国关于商业银行效率的学术研究起步较晚。魏煜和王丽(2000)最早使用DEA和Malmquist生产率指数法对四大国有商业银行和其他新型商业银行的经营效率进行了测算和比较。许承明和芮有浩(2010)通过DEA方法研究发现,设立分支机构以及合并重组可以提高商业银行的运营效率。杨青楠等(2011)从改制的视角,分析了农村信用社变成农商行后经营效率的变化,结果表明,改制在一定程度上解决了资产效率配置低下的问题,有利于提高全要素生产率。周威皓和刘俊奇(2016)则从宏观和微观两个角度分析了农商行效率的影响因素,并给出了提升效率的相关建议。
本文在前人研究的基础上,选取我国具有代表性的34家商业银行作为研究样本,对其经营效率即全要素生产率(TFP)进行测算。按照张晨和任文茜(2014)的分类方法,把商业银行分成大型国有商业银行(简称“大型商行”)、全国性股份制商业银行(简称“股份制商行”)、地方性城市商业银行(简称“城商行”)和农村商业银行(简称“农商行”)四类,尝试通过分析各类商业银行的经营效率及其影响因素,来为我国不同类型商业银行的健康稳定发展提供建议。
三、商业银行全要素生产率实证分析
1. 全要素生产率测度方法。本文采用基于数据包络分析(DEA)的非参数Malmquist指数法测算银行经营效率,DEA-Malmquist指数法可用下式表示:

 


=TC×TE
=TC×PTE×SE
其中:Dt(x,y)表示在t期技术条件下t ~ t+1期的生产函数;Dt+1(x,y)则表示在t+1期技术条件下t ~ t+1期的生产函数;TC表示技术进步;TE表示技术效率。若Malmquist值>1,则表示t ~ t+1期的TFP有所提升;若Malmquist值<1,表示t ~ t+1期的TFP降低了;若Malmquist值=1,表示t ~ t+1期的TFP没有发生变化。
2. 数据来源和投入、产出指标的选择。从数据的可获取性出发,本文选取34家银行作为研究对象,其中包括:4家大型商行——工商银行、农业银行、中国银行和建设银行;10家股份制商行——交通银行、广发银行、光大银行、华夏银行、民生银行、平安银行、浦发银行、兴业银行、招商银行、中信银行;10家城商行——北京银行、东莞银行、杭州银行、南京银行、上海银行、天津银行、厦门银行、徽商银行、重庆银行、盛京银行;10家农商银——北京农商行、江阴农商行、重庆农商行、上海农商行、广州农商行、东莞农商行、无锡农商行、天津农商行、常熟农商行、吉林九台农商行。选取各商业银行2008 ~ 2015年的数据作为本文样本,所有数据均来自中国统计年鉴、中国金融年鉴、Bankscope数据库及各银行官方网站所公布的年报。
综合考虑样本数据的可获取性以及投入、产出指标间的正相关性后,选取存款余额、营业成本、员工数和固定资产为投入指标,利息收入、利润总额和贷款余额为产出指标。
3. 全要素生产率测算结果。运用Deap 2.1软件,计算得到34家商业银行的全要素生产率,整理得到四类商业银行的效率分解值如表1所示,以及四类商业银行的年度经营效率变化趋势如图所示。

 

 

 


由表1可以看出,总体而言,股份制商行的全要素生产率最高,大型商行和城商行次之,农商行的全要素生产率最低。2007年美国爆发次贷危机,随后演变成席卷全球的金融危机,受其影响,发达国家需求大幅萎缩,这对我国的出口贸易形成较大冲击。为扼制我国出现较大危机并消化过剩产能,政府出台四万亿刺激计划并且取得一定成效,这对于商业银行的经营效率起到了一定的促进作用,股份制商行的全要素生产率出现一定提升。股份制商行虽然遍布全国,但其网点数量少于大型商行,这使得股份制商行可以将更多的人力和物力用于服务优质客户,跟大型商行相比,其服务对象“少而精”,因此能够更快地从危机中恢复。农商行成立较晚,在资产规模、品牌知名度、服务及创新能力等方面和其他商业银行相比仍存在一定差距,导致其效率最低。
从分解结果看,大型商行和股份制商行的效率主要源于技术进步,城商行和农商行的效率主要源于技术效率。规模较大的大型商行和股份制商行成立时间较早,属于银行业的领跑者,资金实力更为雄厚,每年投入大量的资金用于技术研发,这在一定程度上推动了其“最佳生产边界”的前移,技术有所进步。相比而言,城商行和农商行成立时间较短,资金规模较小,研发能力较弱,属于行业的追随者,其经营策略为追随大型商行和股份制商行,通过对“最佳生产边界”的追赶来达到提高经营效率的目的。
为深入分析各类型商业银行全要素生产率内部波动的差异情况,引入Malmquist指数标准差,结果表明:农商行的全要素生产率和技术效率波动最大,由我国商业银行的全要素生产率趋势图可以看出,2008年金融危机对我国各类商业银行的全要素生产率产生较大影响,四类商业银行效率在金融危机冲击下均有所下滑,随后国家出台4万亿刺激计划,在其影响下,商业银行效率开始回升。2010年我国开始实施市场利率化改革,受其影响,自2011年开始,各类商业银行的效率有所下滑。自2012年开始,我国经济进入新常态,经济增速持续下滑,对实体经济和银行业都形成一定冲击,商业银行效率也持续震荡,为实现经济的可持续健康发展,我国政府推出“一带一路”战略规划,以拓展国际市场,消化过剩产能。我国通过供给侧结构性改革优化产业结构,大力发展以“互联网+”和智能化为代表的现代服务业和高技术产业,取得了较大成效,各类商业银行的全要素生产率从2013年起出现探底回升的趋势,股份制商行的全要素生产率在2015年出现大幅提升。
四、商业银行经营效率影响因素
1. 模型选择。新常态背景下,政府提出通过供给侧结构性改革来提高经济发展质量。基于此,本文以我国产业结构、居民消费水平、社会固定资产投资水平、净出口总额以及国有及规模以上非国有工业企业的销售利润率作为需求侧影响因素,构建以下模型:
TFPit=α0+α1CYt+α2XFt+α3TZt+α4CKt+
α5LRt+uit
其中:TFP为前文所求各商业银行全要素生产率;CY为我国的产业结构,用第三产业与第二产业产值之比表示,反映我国经济发展的产业结构优化程度;XF为居民消费水平增长率;TZ为社会固定资产投资增长率;CK为对外贸易净出口额增长率;LR为国有及规模以上非国有工业企业的销售利润率增长率;u为不能被模型解释的随机波动。
以商业银行资产配置效率、贷款质量、人力资本水平和创新能力作为供给侧影响因素,构建以下模型:
TFPit=β0+β1XLit+β2DKit+β3RLit+β4CXit+
β5RLit×CXit+εit
其中:XL为商业银行的资产配置效率,用贷款总额与存款总额之比表示;DK为商业银行的贷款质量,用商业银行的不良贷款与总资产之比表示;RL为人力资本水平,用商业银行员工中本科及以上学历人数占比进行衡量;CX为商业银行的创新能力,用能够反映创新情况的非利息收入占总收入之比表示;RL×CX为人力资本和创新能力的交互项,表示人力资本带动的创新对于商业银行全要素生产率的影响;ε为不能被模型解释的随机波动。
2. 实证分析结果。
(1)需求侧影响因素分析结果。使用stata软件基于系统广义矩方法(SYS-GMM)对模型进行估算,通过AR检验来验证模型设定的合理性,使用Hansen检验来验证工具变量的有效性,得到的结果如表2所示。

 

 

 

 

 

 

 

 


由表2可知,各模型中AR(2)的概率P都大于0.1,因此拒绝残差项存在二阶相关的原假设,本文设定的动态面板模型合理。Hansen过度识别检验结果也说明工具变量的有效性。
CY的系数显著为正,产业结构的优化对四类商业银行的经营效率都能产生显著正向影响。产业结构的优化能够使经济结构更为健康,经济增长更具有可持续性,经济持续增长时,企业发展所需的信贷资金和金融支持会增加,坏账率会降低。因此,产业结构的优化有利于提升商业银行效率。
XF的系数均显著为正,消费水平的提升对改善商业银行的经营效率具有一定的促进作用。消费可从两方面提升商业银行的效率:一方面,新常态背景下,作为“三驾马车”之一的消费是拉动经济增长的最重要动力,居民消费水平的提高可以增加市场需求,提高实体经济活力,实体经济的发展离不开商业银行的金融支持,实体经济的发展对于提升商业银行全要素生产率具有积极的作用;另一方面,商业银行通过提供消费贷款提高了居民的消费水平,居民消费水平的提高又通过以上途径进一步提升了商业银行效率。
TZ的系数均显著为正,社会固定资产投资能够对商业银行的全要素生产率产生显著正向影响。我国融资体系中,主要是以商业银行为主体的间接融资,这就使得商业银行贷款成为社会固定资产投资的重要来源,因此提高社会固定资产投资额可以提升商业银行的经营效率。
CK的系数为正,但显著性较差,大型国有商业银行和股份制商业银行模型中的净出口系数通过了10%统计水平上的显著性检验,其余模型没有通过显著性检验,净出口对商业银行全要素生产率的影响较弱。2008年金融危机以来,全球经济增速明显放缓,这对我国的出口亦形成较大冲击,我国多数外向型企业都受到较大影响,企业经济环境的恶化使得贷款坏账率增加,商业银行经营受到一定冲击。
LR的系数均显著为负,国有及规模以上非国有工业企业的销售利润率对商业银行全要素生产率产生显著负向影响。存贷款利差为我国商业银行主要收入来源,商业银行与实体经济利润负相关反映了我国银行业与实体经济争利的现象,银行利润率的提升意味着存贷款利差增加,实体企业的融资成本变得更高,过高的利率水平提高了企业的资本成本,本该属于实体企业的利润被商业银行篡夺。长此以往,实体企业的利润持续下降,不利于国家整体经济的发展。
从需求侧的实证结果来看,需求侧因素对我国各类商业银行的影响差异并不大,产业结构优化、社会固定资产投资的增长和居民消费水平的提高都可的影响不显著,商业银行运营效率和企业利润率负相关,商业银行存在同实体经济争利的现象。
(2)供给侧影响因素分析结果。同样使用SYS-GMM对供给侧相关数据进行实证分析,结果如表3所示。

 

 

 

 

 

 

 


由表3可知,各模型中AR(2)的概率P都大于0.1,因此拒绝残差项存在二阶相关的原假设,本文设定的动态面板模型合理。Hansen过度识别检验结果也进一步说明了工具变量的有效性。
XL的系数均显著为正,即资产配置效率对商业银行的经营效率产生显著正向影响。本文资产配置效率为贷款与存款之比,利息收入为现阶段我国多数商业银行的主要收入。从本文结果看,一方面,贷款额度的提升可以提高商业银行的利润率及经营效率。另一方面,资产配置效率的提高对于规模较小的农商行和城商行经营效率提升程度有限,农商行的资产配置效率系数只有0.0317。这可能是由于城商行和农商行的贷款比重已经过大,加上其总体资产规模较小,抗风险能力较弱,继续增大贷款比重只能使坏账率上升,风险增大,不利于提高经营效率。
DK的系数均为负,大型商行和股份制商行模型中,贷款质量系数没有通过显著性检验,城商行和农商行模型通过了10%统计水平上的显著性检验,不良贷款的增加抑制了商业银行经营效率的提升。随着实体经济增速的不断下滑,银行的坏账水平也在不断上升,再加上部分银行自身管理的不完善,进一步提高了其坏账率,抑制了经营效率的提升。 RL的系数均为正,除农商行模型中的人力资本系数通过10%统计水平上的显著性检验外,其余三个模型中的系数均通过了1%统计水平上的显著性检验。农商行员工很大一部分都是来自其前身——农村信用合作社,这些职工入职时对其要求相对较低,已不能满足现代化商业银行的运营要求。因此,农商行成立后又招聘了大量新员工,使其人力成本过高,拖累了其发展。
CX的系数均为正。农商行模型中,创新能力系数没有通过显著性检验,其余模型中的创新能力系数均通过了5%或1%统计水平上的显著性检验。除农商行外,非利息收入能够对其余商业银行的全要素生产率产生显著正向影响,但是系数都很小,影响程度甚微。现阶段我国商业银行的利息收入占比超过70%,利息收入仍为各商业银行的主要收入,非利息收入因比重较小,对商业银行全要素生产率的影响有限。
人力资本和创新能力交互项的系数均为正,除农商行模型中的交互项系数通过10%统计水平上的显著性检验外,其余三个模型中的交互项系数均通过了1%统计水平上的显著性检验。从本文结果看,除农商行外,其余三类商业银行的人力资本对其创新均起到了重要的作用,能够在一定程度上提高经营效率,农商行的人力资本水平有待提高。
从供给侧影响因素的实证结果来看,贷款质量无法对各类商业银行的全要素生产率产生显著影响,人力资本和创新能力对于各类商业银行经营效率的影响存在一定差异,农商行在人力资本和创新能力上存在一定差距,有待进一步提高。城商行和农商行的贷款比重已经过大,且规模较小,因此进一步提高贷款比重只能增加风险,对其经营效率提升有限。
五、结论及建议
1. 结论。本文把我国商业银行分成四类,并选取其中34家为样本,基于DEA-Malmquist指数分解方法计算和比较了不同商业银行2008~2015年间的全要素生产率。在此基础上,从供给侧和需求侧两个维度出发,使用SYS-GMM方法分析了商业银行经营效率的影响因素,主要得到如下结论:
(1)考察期内,股份制商行的平均全要素生产率最高,大型商行和城商行次之,农商行的全要素生产率最低。大型商行和股份制商行的效率主要源于技术进步,城商行和农商行的效率主要源于技术效率。
(2)从商业银行经营效率的需求侧影响因素看,产业结构优化、社会固定资产投资的增长和居民消费水平的提升对于提升商业银行效率具有一定的促进作用,企业利润则抑制了全要素生产率的提升。从商业银行经营效率的供给侧影响因素看,人力资本和创新能力的提升能够促进商业银行经营效率的提升,但农商行的人力资本水平有待改善。资产配置效率对商业银行的经营效率产生正向显著影响,但对于规模较小的城商行和农商行影响程度较小。
(3)从结果看,需求侧因素对于商业银行经营效率的影响差异不明显。供给侧因素对于商业银行经营效率的影响存在一定差异,这种差异主要体现在资产配置和人力资本水平上。
2. 建议。针对本文的研究结论,笔者提出以下建议。首先,商业银行在经营过程中应考虑对实体经济的影响,实体经济的健康发展是商业银行可持续运营的基础,商业银行应采取措施来推动实体经济的发展。其次,经济新常态下,应进一步优化产业结构,全面发展现代高端服务业,大力发展以信息化、智能化和“互联网+”为代表的生产性服务业。通过产业结构升级推动经济可持续发展,进一步提高商业银行效率。最后,加大对人力资本和创新的投入,通过技术、产品和制度创新提高全要素生产率。

主要参考文献:
Robert,Hasan. The Performance of De Novo Commercial Banks[J].Journal of Banking and
Finance,1998(22).
马强.共享经济在我国的发展现状、瓶颈及对策[J].现代经济探讨,2016(10).
袁晓玲,张宝山.中国商业银行全要素生产率的影响因素研究——基于DEA模型的Malmquist指数分析[J].数量经济技术经济研究,2009(4).
吕品,原毅军,韩俊.农村商业银行信用风险评价及经验研究[J].财经问题研究,2014(4).
王佳宁,盛朝迅.重点领域改革节点研判:供给侧与需求侧[J].改革,2016(1).