顧洪梅，岳家輝

（1．吉林大學(xué) 中國(guó)國(guó)有經(jīng)濟(jì)研究中心，吉林 長(zhǎng)春130012；

2．國(guó)泰君安證券股份有限公司 大連成義街營(yíng)業(yè)部，遼寧 大連116000）

根據(jù)有效率市場(chǎng)假說(shuō)，股票價(jià)格可以反映全部公開(kāi)信息。［1］關(guān)于證券市場(chǎng)的研究發(fā)現(xiàn)，股票價(jià)格的確反映了眾所周知的信息。［2］Kothari［3］對(duì)會(huì)計(jì)領(lǐng)域資本市場(chǎng)的研究進(jìn)行了回顧，發(fā)現(xiàn)股票價(jià)格反映了有關(guān)利潤(rùn)的信息。然而，Patell［4］指出利用會(huì)計(jì)信息對(duì)股票市場(chǎng)的研究?jī)H局限于特定事項(xiàng)，并沒(méi)有反映資產(chǎn)負(fù)債表的信息。Berger ＆ Humphrey［5］和Bauer等［6］認(rèn)為用效率前沿法測(cè)度的效率可能優(yōu)于傳統(tǒng)的財(cái)務(wù)比率指標(biāo)。效率指標(biāo)是基于可獲得的公開(kāi)會(huì)計(jì)信息測(cè)度的，同時(shí)考慮了多項(xiàng)投入和產(chǎn)出。［7］因此，可以預(yù)期高效率的銀行比低效率的銀行做得更好，并且會(huì)反映在股票價(jià)格當(dāng)中。

雖然研究會(huì)計(jì)指標(biāo)與股票收益之間關(guān)系的文獻(xiàn)較多，但是研究銀行效率與股票收益之間關(guān)系的文獻(xiàn)卻很少，尤其缺乏針對(duì)中國(guó)市場(chǎng)的研究。本文通過(guò)研究中國(guó)這個(gè)新興市場(chǎng)來(lái)擴(kuò)展已有研究，并應(yīng)用DEA（Data Envelopment Analysis，數(shù)據(jù)包絡(luò)分析）窗口分析解決樣本數(shù)據(jù)較少導(dǎo)致的自由度偏低問(wèn)題。另外，本文應(yīng)用了最新的數(shù)據(jù)，使研究更具有現(xiàn)實(shí)意義。

一、銀行效率與股票收益關(guān)系研究概況

關(guān)于銀行效率的文獻(xiàn)很多，但是只有少數(shù)研究是關(guān)于銀行效率和股票收益之間關(guān)系的。已有研究涉及的國(guó)家主要有美國(guó)、新加坡、馬來(lái)西亞、澳大利亞和希臘。

Eisenbeis等［8］同時(shí)應(yīng)用DEA和SFA方法研究了美國(guó)銀行控股公司的風(fēng)險(xiǎn)行為。他們發(fā)現(xiàn)兩種方法得到的效率結(jié)果都很有意義，但更傾向于使用SFA估計(jì)方法。Chu ＆Lim［9］估計(jì)了六家新加坡上市銀行1992－1996年的成本效率和利潤(rùn)效率，發(fā)現(xiàn)股票價(jià)格變化中同時(shí)反映了成本效率和利潤(rùn)效率信息，而利潤(rùn)效率的信息相對(duì)更多一些。Sufian ＆Majid［10］研究了馬來(lái)西亞2002－2003年期間在吉隆坡證券交易所上市的銀行效率與股票收益之間的關(guān)系，研究結(jié)論與Chu ＆Lim相同。Kirkwood ＆Nahm［11］應(yīng)用DEA方法研究了澳大利亞上市銀行1995－2002年的成本效率，研究發(fā)現(xiàn)銀行股票收益反映了效率的變化。Pasiouras等［12］利用年度數(shù)據(jù)研究了在雅典證券交易所上市的10家希臘銀行的效率與股票收益之間的關(guān)系，發(fā)現(xiàn)技術(shù)效率與股票收益之間在統(tǒng)計(jì)上具有顯著的正相關(guān)關(guān)系，而規(guī)模效率與股票收益之間沒(méi)有關(guān)系。

總之，研究表明了股票收益反映了銀行效率的變化，并且可以斷定股票價(jià)格同時(shí)反映了利潤(rùn)效率和成本效率。對(duì)效率的分解研究表明，利用年度數(shù)據(jù)計(jì)算的股票收益與技術(shù)效率之間存在顯著的正相關(guān)關(guān)系，但規(guī)模效率的變化對(duì)希臘上市銀行的股票收益沒(méi)有影響。雖然Eisenbeis等更認(rèn)可SFA模型，但是多數(shù)研究采用了DEA模型來(lái)測(cè)度銀行效率。

二、數(shù)據(jù)與方法

本文首先利用DEA窗口分析模型測(cè)度了中國(guó)14家上市銀行的效率，然后計(jì)算了這些銀行的季度收益率，本研究中季度收益率定義為股票日收益率之和，最后將股票收益與銀行效率的季度變化做回歸分析，研究銀行效率與股票收益之間在統(tǒng)計(jì)上是否具有顯著的相關(guān)性。

（一）數(shù)據(jù)

為了獲得更多的平衡面板數(shù)據(jù)，本文選擇了2008年以前已經(jīng)在中國(guó)股票市場(chǎng)上市的14家銀行作為樣本。這些銀行是中國(guó)工商銀行（簡(jiǎn)稱工行）、中國(guó)建設(shè)銀行（簡(jiǎn)稱建行）、中國(guó)銀行（簡(jiǎn)稱中行）、交通銀行（簡(jiǎn)稱交行）、招商銀行（簡(jiǎn)稱招行）、中國(guó)浦東發(fā)展銀行（簡(jiǎn)稱浦發(fā)）、中信銀行（簡(jiǎn)稱中信）、興業(yè)銀行（簡(jiǎn)稱興業(yè)）、民生銀行（簡(jiǎn)稱民生）、華夏銀行（簡(jiǎn)稱華夏）、深圳發(fā)展銀行（簡(jiǎn)稱深發(fā)展）、寧波銀行（簡(jiǎn)稱寧波）、北京銀行（簡(jiǎn)稱北京）和南京銀行（簡(jiǎn)稱南京），包括了所有在上海和深圳證券交易所上市的國(guó)有銀行和股份制商業(yè)銀行。樣本期間為2008年的第1季度到2010年的第3季度。綜上，本文包含了整個(gè)樣本期間11個(gè)季度的平衡面板數(shù)據(jù)，共有154個(gè)季度數(shù)據(jù)作為觀測(cè)值。

本文數(shù)據(jù)來(lái)源于多種渠道。全部財(cái)務(wù)數(shù)據(jù)來(lái)源于上市公司公開(kāi)的季報(bào)和年報(bào)，主要來(lái)源于新浪財(cái)經(jīng)中上市公司季報(bào)和年度報(bào)告的利潤(rùn)表和資產(chǎn)負(fù)債表，股票價(jià)格的季度和日數(shù)據(jù)來(lái)源于國(guó)泰君安證券有限公司大智慧行情分析系統(tǒng)中的證券交易所行情數(shù)據(jù)庫(kù)。所有變量都是以人民幣百萬(wàn)元為單位。

（二）DEA窗口分析

DEA窗口分析是Charnes等［13］為了測(cè)度截面并具有時(shí)變性質(zhì)的數(shù)據(jù)提出的，是一種移動(dòng)平均的分析方法。每一家銀行在不同的期間視為不同的銀行，這樣可以增加數(shù)據(jù)量，從而解決小樣本問(wèn)題。DEA窗口分析的另外一個(gè)優(yōu)點(diǎn)是一家銀行在同一期間既可以和自己比較，也可以與其他銀行比較。

本文與Asmild等［14］應(yīng)用的DEA窗口分析方法相同，假設(shè)N（n＝1，2，L，N）個(gè)決策單元（DMUs，本文中指樣本銀行）在T（t＝1，2，L，T）個(gè)觀測(cè)期間內(nèi)有r項(xiàng)投入和s項(xiàng)產(chǎn)出。用DMUtn表示期間t時(shí)第n個(gè)決策單元，并假設(shè)DMUtn在觀測(cè)期間內(nèi)具有r維投入向量xtn＝（x1tn，x2tn，L，xrtn）＇和s維產(chǎn)出向量ytn＝（y1tn，y2tn，L，ystn）＇。

一個(gè)寬度為w（1≤w≤t－k）并從k（1≤k≤T）期開(kāi)始的窗口，其投入矩陣為如下形式：

其產(chǎn)出矩陣為：

DMUtk的 CCR （constant returns to scales，CRS）窗口分析模型如下：

在式（1）中加入約束∑Nn＝1λn＝1就可以得到BCC模型。CCR模型的目標(biāo)函數(shù)值定義為技術(shù)效率（technical efficiency，TE），BCC模型的目標(biāo)函數(shù)值定義為純技術(shù)效率（pure technical efficiency，PTE）。BCC模型為：

Asmild指出，為了使每個(gè)窗口中的所有DMU都與其他DMU和其本身具有可比性，窗口寬度應(yīng)該取較小值。Charnes等［15］發(fā)現(xiàn)，窗口寬度設(shè)定為3（w＝3）或4（w＝4）時(shí)，可以達(dá)到信息與效率值穩(wěn)定的最優(yōu)平衡。為了確保結(jié)果的可靠，需要取較小的窗口寬度，因而本文將窗口寬度定為3（w＝3）。

本文第一個(gè)窗口包括2008年的第一、第二和第三個(gè)季度的數(shù)據(jù)，使DMU數(shù)量由14個(gè)增加到42個(gè)（n×w＝14×3）。下面的窗口依次向后移動(dòng)一個(gè)季度，即第二窗口包括2008年的第二、第三和第四個(gè)季度的數(shù)據(jù)。一行為一個(gè)窗口，第一行包含的期間為1、2、3期，第二行包含的數(shù)據(jù)為2、3、4期的數(shù)據(jù)，依此類推。每次窗口分析將全部窗口中的三期的數(shù)據(jù)視為不同的DMU進(jìn)行分析，共有9個(gè)窗口（T－w＋1＝11－3＋1），所以該過(guò)程執(zhí)行9次，得到所有窗口全部效率值。綜上，本文通過(guò)設(shè)定窗口寬度為3，得到9個(gè)窗口，樣本DMU的數(shù)量增加到378個(gè)（14×3×9），從而提高了樣本的自由度。

（三）變量定義

在關(guān)于銀行效率的研究中，共有五種變量定義方法：生產(chǎn)法、中介法、資產(chǎn)法、經(jīng)營(yíng)法和收入法。采用不同的變量定義方法會(huì)得到不同的效率測(cè)度結(jié)果。中國(guó)銀行效率的研究往往是根據(jù)研究目的和數(shù)據(jù)的可得性選擇變量，因?yàn)橛性S多信息是非公開(kāi)的，尤其是關(guān)于銀行這樣的金融機(jī)構(gòu)的信息更是難以獲取。

由于本文要研究效率與股票收益之間的關(guān)系，而銀行收入又是股票投資者的主要關(guān)注點(diǎn)，所以本文按收入法選擇了利息收入（y1）和非利息收入（y2）作為產(chǎn)出。同時(shí)，為了比傳統(tǒng)的財(cái)務(wù)比率包含更多的信息，本文選擇了資產(chǎn)負(fù)債表中的三個(gè)項(xiàng)目作為投入變量——客戶存款和短期資金（x1）、固定資產(chǎn)（x2）和雇員支出（x3）。用客戶存款和短期資金（x1）代表銀行的公眾形象，固定資產(chǎn)（x2）是銀行規(guī)模的體現(xiàn)，雇員支出（x3）的大小是銀行管理能力的代表。

（四）面板回歸模型

本文應(yīng)用面板回歸模型如下：

其中：εit＝μit＋νit；Yit是銀行i在窗口t的季度收益率的移動(dòng)平均值；Xit是銀行i在窗口t的效率變化百分比，代表技術(shù)效率、純技術(shù)效率和規(guī)模效率；α和β是待估參數(shù)；εit～i．i．d（0，σ2）為隨機(jī)誤差項(xiàng)。

Zit表示銀行特定因素；Z1it為銀行總存款的自然對(duì)數(shù)，是銀行市場(chǎng)營(yíng)銷能力的測(cè)度；Z2it是銀行總貸款與總資產(chǎn)之比；Z3it為對(duì)銀行貸款密度的測(cè)度，為銀行總資產(chǎn)的對(duì)數(shù)，表示銀行規(guī)模；Z4it為非利息收入與總資產(chǎn)之比，表示銀行管理能力；Z5it為銀行資產(chǎn)與總資產(chǎn)之比，度量銀行的杠桿水平；Z6it為銀行稅后利潤(rùn)與凈資產(chǎn)之比，表示銀行的獲利能力。

由于日收益率的標(biāo)準(zhǔn)差比月收益率的標(biāo)準(zhǔn)差小，本文面板回歸模型中每家銀行的季度收益率都是通過(guò)對(duì)日收益率求和計(jì)算的。

Baltagi等［16］指出小樣本面板估計(jì)中容許存在異質(zhì)性，所以無(wú)需對(duì)樣本的異質(zhì)性進(jìn)行檢驗(yàn)。根據(jù)LR檢驗(yàn)、LM檢驗(yàn)和Hausman檢驗(yàn)結(jié)果，本文選擇了面板固定效應(yīng)估計(jì)，固定效應(yīng)估計(jì)允許存在未包含在模型中的影響股票收益率的因素，這些因素可以是能夠觀察到的，也可能是未知因素。

三、實(shí)證結(jié)果

（一）中國(guó)上市銀行的效率

利用DEA窗口分析，本文估計(jì)了14家樣本銀行的技術(shù)效率。技術(shù)效率值及其分解結(jié)果列于表1中（見(jiàn)下表1）。

由表1可知，小型銀行的平均技術(shù)效率水平最高，達(dá)到了94．29%；相反，大型銀行的平均技術(shù)效率水平最低，僅為88．91%。根據(jù)效率分解的結(jié)果可以發(fā)現(xiàn)，大型銀行的技術(shù)效率低的原因是其規(guī)模效率低。

大型銀行的純技術(shù)效率最高，其均值達(dá)到了99．01%，而中型銀行僅為94．18%，小型銀行也只有97．17%。雖然組間的差并不十分大，但大型銀行的純技術(shù)效率優(yōu)勢(shì)不容質(zhì)疑。這個(gè)結(jié)果進(jìn)一步證實(shí)了Berger等［17］的發(fā)現(xiàn)。

然而，大型銀行比中型和小型銀行的規(guī)模效率都低，大型銀行的平均規(guī)模效率僅為89．78%，與規(guī)模效率最小的小型銀行相差將近10%，可見(jiàn)大銀行存在顯著的規(guī)模不經(jīng)濟(jì)。這個(gè)結(jié)果與一些較早的對(duì)國(guó)外銀行的研究結(jié)果一致。［18］［19］

表1 中國(guó)上市銀行技術(shù)效率及其分解

（二）銀行效率與股票收益率的關(guān)系

盡管股票價(jià)格的短期波動(dòng)可能不能用效率來(lái)解釋，但是如果中國(guó)證券市場(chǎng)是有效的，那么就可以預(yù)期銀行效率的變化一定會(huì)反映在股票價(jià)格的變化上。本文將銀行效率作為解釋變量，股票收益作為被解釋變量，應(yīng)用式（3）所示面板回歸模型研究了樣本銀行效率與股票收益率之間的關(guān)系。回歸結(jié)果見(jiàn)下表2。

表2 股票收益對(duì)效率回歸結(jié)果

由表2可知，當(dāng)技術(shù)效率和純技術(shù)效率為解釋變量時(shí)，模型的擬合優(yōu)度高且各參數(shù)均在1%水平顯著，技術(shù)效率和純技術(shù)效率的參數(shù)都顯著為正。這說(shuō)明與預(yù)期相同，技術(shù)效率和純技術(shù)效率的信息反映在股票價(jià)格變動(dòng)之中。規(guī)模效率參數(shù)不顯著，說(shuō)明規(guī)模效率的變化不影響股票價(jià)格。這個(gè)結(jié)果與其他國(guó)別研究的結(jié)果相同（Chu and Lim，1998；［9］Beccalli et al．， 2006；［7］Sufian and Majid，2006［10］）。

技術(shù)效率的參數(shù)為2．07，且顯著為正，這意味著技術(shù)效率1%的變化會(huì)引起股票收益2．07%的變動(dòng)。同樣，純技術(shù)效率的參數(shù)為4．45，顯著為正，說(shuō)明純技術(shù)效率變化1%時(shí)會(huì)引起股票收益4．45%的變化。

從回歸結(jié)果可見(jiàn)，技術(shù)效率的參數(shù)值是凈資產(chǎn)收益率（ROE）的4．5倍，純技術(shù)效率的參數(shù)值是ROE的10．8倍。技術(shù)效率和純技術(shù)效率的參數(shù)值顯著為正，且遠(yuǎn)大于ROE的參數(shù)，可以判定技術(shù)效率和純技術(shù)效率的變化比凈資產(chǎn)收益率的變化對(duì)股票價(jià)格的影響更大。所以說(shuō)，雖然ROE是應(yīng)用最廣泛的傳統(tǒng)財(cái)務(wù)指標(biāo)，但是技術(shù)效率和純技術(shù)效率比它能更好地解釋銀行股票價(jià)格的變化。

四、主要結(jié)論與總結(jié)

盡管關(guān)于銀行效率的研究很多，但是關(guān)于銀行效率與股票收益的研究卻很少，尤其是缺乏關(guān)于中國(guó)上市銀行效率與股票收益之間關(guān)系的研究。因此，本文應(yīng)用在中國(guó)證券交易所上市的14家中國(guó)上市銀行2008—2010年的季度數(shù)據(jù)研究了中國(guó)上市銀行效率與股票收益之間的關(guān)系。測(cè)度效率時(shí)，本文采用了三期的DEA窗口分析。

效率測(cè)度研究表明，大型銀行的技術(shù)效率低于中小型銀行的技術(shù)效率，中小型銀行的規(guī)模效率要高于大型銀行的規(guī)模效率，該現(xiàn)象說(shuō)明大型銀行較低的技術(shù)效率來(lái)源于其規(guī)模不經(jīng)濟(jì)。

面板回歸結(jié)果顯示，技術(shù)效率和純技術(shù)效率與股票收益之間存在顯著的正相關(guān)關(guān)系，但是規(guī)模收益與股票收益之間在統(tǒng)計(jì)上卻不存在顯著的相關(guān)關(guān)系。因此，本研究認(rèn)為技術(shù)效率和純技術(shù)效率是對(duì)上市銀行股票收益進(jìn)行分析的非常有益的信息，對(duì)股票投資者和潛在投資者很有幫助。另外，雖然ROE是股票投資分析中最常用的傳統(tǒng)的會(huì)計(jì)指標(biāo)，但是本研究發(fā)現(xiàn)技術(shù)效率和純技術(shù)效率比ROE對(duì)股票收益的影響更大，能更好地解釋股票收益的變化。

［1］Fama，E．F．Efficient Capital Markets：A Review of Theory and Empirical Work［J］．Journal of Finance，1970，（5）：383－417．

［2］Ball，R．＆ Kothari，S．P．Financial Statement Analysis［M］．New York，NY：Mc－Graw Hill，1994．

［3］Kothari，S．P．Capital Markets Research in Accounting［J］．Journal of Accounting and Economics，2001，31（1－3）：105－231．

［4］Patell，J．M．Discussion of on the Usefulness of Earnings and Earnings Research：Lessons and Directions from Two Decades of Empirical Research［J］．Journal of Accounting Research，1989，（27）：193－201．

［5］Berger，A．N．＆ Humphrey D．B．Efficiency of financial institutions：International survey and directions for future research［J］．European Journal of Operational Research，1997，98（2）：175－212．

［6］Bauer，P．W．，Berger，A．N．，F(xiàn)errier G．D．＆ Humphrey，D．B．Consistency Conditions for Regulatory Analysis of Financial Institutions：A Comparison of Frontier Efficiency Methods［J］．Journal of Economics and Business，1998，50（10）：85－114．

［7］Beccalli，E．，Casu，B．＆ Girardone，C．Efficiency and Stock Performance in European Banking［J］．Journal of Business Finance and Accounting，2006，33（1－2）：245－262，245－262．

［8］Eisenbeis，R．A．Ferrier，G．D．＆ Kwan，S．H．The Informativeness of Stochastic Frontier and Programming Frontier Efficiency Scores：Cost Efficiency and Other Measures of Bank Holding Company Performance［D］．1999．

［9］Chu，S．F．＆ Lim，G．H．Share Performance and Profit Efficiency of Banks in an Oligopolistic Market：Evidence from Singapore［J］．Journal of Multinational Financial Management，1998，8（2－3）：155－168，155－168．

［10］Sufian，F(xiàn)．＆ Majid，A．M．Z．Banks Efficiency and Stock Prices in Emerging Market：Evidence from Malaysia［J］．Journal of Asia－Pacific and Business，2006，7（4）：35－53，35－53．

［11］Kirkwood，J．＆ Nahm，D．Australian Banking Efficiency and Its Relation to Stock Returns［J］．The E－conomic Record，2006，82（6）：253－267．

［12］Pasiouras，F(xiàn)．，Liadaki，A．＆Zopounidis，C．Bank Efficiency and Share Performance：Evidence from Greece［J］．Applied Financial Economics，2008，18（14）：1121－1130．

［13］Charnes，A．，Clark，C．T．，Cooper W．W．＆ Golany，B．A Developmental Study of Data Envelopment A－nalysis in Measuring the Efficiency of Maintenance Units in the U．S．Air Forces［J］．Annals of Operations Research，1985，7（2）：95－112．

［14］Asmild，M．，Paradi，J．C．，Aggarwal，V．＆ Schaffnit C．Combining DEA Window Analysis with the Malmquist Index Approach in a Study of the Canadian Banking Industry［J］．Journal of Productivity A－nalysis，2004，21（1）：67－89．

［15］Charnes，A．，Cooper，W．W．，Lewin，A．Y．＆ Seiford L．Data Envelopment Analysis：Theory，Methodology，and Application［M］．Norwell：Kluwer Academic Publishers，1994．

［16］Baltagi，D．，Bresson，G．，Griffin，J．＆ Pirote，A．Homogeneous，Heterogenous or Shrinkage Estimators？Some Empirical Evidence from French Region－al Gasoline Consumption［J］．Empirical Economics，2003，28（4）：795－811．

［17］Berger，A．N．，Hunter，W．C．＆ Timme，S．G．The Efficiency of Financial Institutions：A Review and Preview of Research Past，Present and Future［J］．Journal of Banking and Finance，1993，17（2－3）：221－249．

［18］Drake，L．＆ Hall，M．J．B．Efficiency in Japanese Banking：An Empirical Analysis［J］．Journal of Banking and Finance，2003，27（5）：891－917．

［19］Miller，S．M．＆ Noulas，A．G．The Technical Efficiency of Large Bank Production［J］．Journal of Banking and Finance，1996，20（3）：495－509．