当前位置:首页经济论文证券金融银行管理 → 文章内容

我国城市商业银行创新效率测度与评价研究

减小字体 增大字体 作者:佚名  来源:本站整理  发布时间:2016-3-22 14:28:55


我国自1995年在深圳成立第一家城市商业银行开始,至今不到20年的时间。与国有、股份制商业银行从无到有的诞生方式不同,城市商业银行经历了城市信用社、改制、处置风险资产和历史包袱的阵痛之后重获新生,主要定位于“地方的银行、城市的银行、中小企业的银行”。

  一、引 言

  我国自1995年在深圳成立第一家城市商业银行开始,至今不到20年的时间。与国有、股份制商业银行从无到有的诞生方式不同,城市商业银行经历了城市信用社、改制、处置风险资产和历史包袱的阵痛之后重获新生,主要定位于“地方的银行、城市的银行、中小企业的银行”。截至2012年末,城市商业银行在全国注册成立的有144家,资产总额达12.35万亿元,资产总额同比2011年增长了23.7%,城市商业银行正在日益成为支持地方发展、扶持中小企业生存的重要力量。可见,城市商业银行在满足中小实体企业金融服务需求、促进区域经济发展方面发挥了重要作用,然而随着利率市场化和金融脱媒时代的到来,主要依靠传统存贷利差盈利的城市商业银行面临着前所未有的挑战,加快金融创新和提高创新效率是推动城市商业银行发展的关键。

  我国城市商业银行类似美国社区银行,属于地方性中小型商业银行。国外学者的相关研究大多集中在金融创新,中间业务非利息收入以及经营风险等方面,对创新的实证往往采取问卷调查、财务数据包络分析等方法。而在国内,有中国特色的城市商业银行组建成立的时间较短,相关研究成果较匮乏。

  通过对已有文献梳理后发现,国内外学者的研究更多集中在外资、国有以及大型股份制商业银行的金融业务创新及效率评价方面,很少有学者将研究重心放在城市商业银行的业务创新及效率评价方面。本文围绕城市商业银行创新能力形成、创新效率评价等问题,主要展开以下两方面的研究工作:一是引用加权的DEA模型,从静态和动态两个角度,对我国城市商业银行、国有银行和股份制银行的创新效率进行横向比较分析,并对我国28家城市商业银行做分经济地域的创新效率比较测评;二是利用Stata软件对影响我国28家城市商业银行创新效率的因素,做Tobit面板数据回归,用实证来探求我国城市商业银行的股权结构和公司治理对创新效率影响的方向和幅度。

  二、模型的构建

  (一)效率的测度模型

  1.传统及加权的静态DEA模型

  数据包络分析是数学、运筹学、管理学和计算机科学的一个新的交叉领域,是用于测度企业资源使用效率的非参数方法。它是由Charnes等人[11]于1978年开始创建的,评价具有多个输入或输出的“部门”或“决策单位”(DMU)间的相对有效性。加权DEA模型构造思想来源于传统DEA本身的优缺点,其优点之一便是无需明确的模型函数,没有过多的约束条件束缚,其中每个投入与产出指标(DMU)在DEA的软件运算中所赋予的原始指标权重是一样的。但是这些特点在某些领域的运用时也会成为它的弊端,特别在银行业面板数据处理中,每个投入产出指标在模型中的权重占比,因时间周期、指标波动、外在环境及政策的变化而有所不同。所以本文参考变异系数理论,对DEA模型的投入产出指标赋予不同的权重系数以求模型更贴近实际情况。

  此外,模型系数的选取不是依据人的主观因素而是根据客观样本系数自身的离散程度和波动性。根据被评价对象投入产出指标的波动差异情况来确定权重,即对同一决策单元中波动差异较大,辨识度较高的指标应赋予较大权重,而决策单元中波动差异较小,辨识度不高的指标应赋予较小的权重,加权模型如下:

  加权数CCR模型

  min[θ-ε(eTs++eTs-)]

  s.t.■wixj?姿j+s-=θx0

  ■wiyj?姿j-s+=y0

  ?姿j?叟0,j=1,…n且s+?叟0,s-?叟0

  加权数BCC模型

  min[θ-ε(eTs++eTs-)]

  s.t.■wixj?姿j+s-=θx0

  ■wiyj?姿j-s+=y0

  ■?姿j=1

  ?姿j?叟0,j=1,…n且s+?叟0,s-?叟0

  模型中,x为投入数量,y为产出数量(x、y皆为样本无量纲化后的数值),w为根据样本变异系数求出的权重,θ表示DMU-j的效率指数,eTs-表示m项投入由X0减少到θX0之外,还需减少的总和;eTs+表示产出不足的总和,ε为非阿基米德无穷小,任意实数X>0皆有X?叟ε。

  2.Malmquist指数的动态DEA模型   无论是规模不变的CCR模型还是规模可变的BCC模型,只能从静态的角度对被测评对象进行横截面的效率比较并且得出效率结论都是受限的,效率结果是离散的、被隔断的,所以都无法解决样本数据时间序列上的纵向对比。因此,本文引入DEA-Malmquist指数模型法,它是由经济统计学家Malmquist首创于1953年,M指数的核心理论基础为距离函数D(x,y),其倒数形式恰好为CCR、BCC模型的最优解,随后经过一系列学者的继承与发展,由Caves在1982年结合DEA理论模型用于测评生产要素使用效率的动态变化:

  M(xt+1,yt+1,xt,yt)=■

  ■×■1/2

  =TEC×TC

  =PTEC×SEC×TC

  (二)Tobit模型

  我们考虑到用DEA求解出来的效率的取值区间是在0和1之间,数值在0处是被隔断的,是受限的,所以最小二乘法无法对模型进行无偏有效的估计。因此,本文采用面板数据Tobit回归(XTTobit)(1),这样既能兼顾时间与截面序列又能提高样本精度,使模型估计结果更贴近实际。Tobit在1958年针对被解释变量一部分离散一部分连续的情况下提出的解决模型,Tobit模型是用极大似然法代替最小二乘法对模型进行估计,模型如下:

  Zi=?茁TXi+εi,?茁TXi+εi>00       ,?茁TXi+εi?燮0

  其中i=1,2,3…,在本文中Z代表效率值,X为影响因素,β为未知参数,ε服从N(0,σ2)分布。

  三、实证研究与结果分析

  (一)决策变量选取及样本数据处理

  国际上对效率的研究,常用的测评方法大致有三种:生产法、资产法和中介法。以上三种方法各有优劣,具体哪种方法在效率的评判上更有优势,学术界尚无定论,所以本文综合以上方法的思想,选择固定资产净值、无形资产、员工人数和管理费用作为创新效率测评的投入项,以中间业务收入作为测评城市商业银行创新效率的产出项。

  在样本选择和数据处理方面,本文按照数据获取的可得性、完整性以及可用性等选取规则,按经济地域划分,选取2008―2012年共5年28家样本城市商业银行的数据以及作为横截面对比的4家国有银行和4家全国股份制银行的财务数据。样本银行见表1。

  根据样本变异系数公式,求得每个投入决策变量的均值和标准差,再用每个决策变量的变异系数加权求出决策变量的权重,计算结果如表2所示。

  (二)效率测度及结果分析

  本文从静态和动态两个角度对城市商业银行的创新效率做5年的实证比较测评。首先兼顾样本的可比性,本文按照不同的经济地域各选2家城市商业银行、4家国有商业银行、4家股份商业银行组成16家样本银行,做创新效率比较,如表3所示。

  其次,按四大经济地域区分,对我国28家城市商业银行做区域性创新效率比较,如表4所示。

  最后,对28家城市商业银行做5年的动态M指数分析,如表5所示。

  通过上述分析可以看出:总体看,国有和股份制商业银行的金融创新效率较高,分别为0.875和0.828,但农业银行因为公司治理不当、不良资产聚集等历史原因导致创新能力相对较低(0.6238);城市商业银行金融创新效率平均只有0.52,并且各地城市商业银行创新效率参差不齐,最高为1,最低的仅有0.095,绝大多数的城市商业银行在16家样本银行创新效率中的综合排名较后。从地域分布来看,东部和中部地区的城市商业银行创新效率年均值略高于东北和西部地区,并且处于同一经济地域城市商业银行的金融创新效率也千差万别。从综合效

[1] [2]  下一页