朱 敏

(聊城大學(xué),山東 聊城 252000)

在整個(gè)社會(huì)經(jīng)濟(jì)活動(dòng)運(yùn)作中,銀行業(yè)可以說擔(dān)任著舉足輕重的角色。銀行不僅是資金的供給者與需求者的中介、橋梁,其資源配置水平的高低與運(yùn)行效率的大小更直接或間接地影響了整個(gè)金融秩序的穩(wěn)定與社會(huì)經(jīng)濟(jì)的發(fā)展。因此,如何提升商業(yè)銀行效率值得我們積極探索思考。

一、文獻(xiàn)綜述

關(guān)于銀行效率的研究,主要分為宏觀方面和微觀方面。從宏觀角度來說,商業(yè)銀行效率可以用商業(yè)銀行的所有資源的投入與整個(gè)國(guó)民經(jīng)濟(jì)的增量來衡量;從微觀角度來說,商業(yè)銀行效率就是銀行資源配置程度,是通過商業(yè)銀行的投入與商業(yè)銀行的產(chǎn)出大小進(jìn)行衡量的。張超等(2019)使用超越對(duì)數(shù)隨機(jī)前沿分析方法(SFA)對(duì)我國(guó)商業(yè)銀行盈利模式轉(zhuǎn)型效率及其影響因素進(jìn)行了實(shí)證研究,表明宏觀經(jīng)濟(jì)發(fā)展速度、市場(chǎng)集中度高低、傳統(tǒng)業(yè)務(wù)發(fā)展水平、風(fēng)險(xiǎn)抵御能力強(qiáng)弱以及銀行規(guī)模大小都對(duì)我國(guó)商業(yè)銀行盈利模式轉(zhuǎn)型效率的提升產(chǎn)生了重要影響。李麗芳和曾瑩(2016)認(rèn)為，制度因素顯著影響商業(yè)銀行成本效率和利潤(rùn)效率,加強(qiáng)控制腐敗、提高法治水平和提升行政效率能改善銀行效率。申創(chuàng)和趙勝民(2018)認(rèn)為市場(chǎng)競(jìng)爭(zhēng)度、非利息收入對(duì)銀行收益都有影響。

研究銀行效率有多種方法,對(duì)我國(guó)銀行效率進(jìn)行評(píng)估運(yùn)用最多的方法是數(shù)據(jù)包絡(luò)分析(DEA)法。劉宜鴻(2019)運(yùn)用DEA模型,測(cè)算了我國(guó)31家上市商業(yè)銀行2014—2017年的綜合效率、純技術(shù)效率和純規(guī)模效率。Matthews (2013)構(gòu)建了風(fēng)險(xiǎn)度量的指標(biāo)和方法,并且將風(fēng)險(xiǎn)作為網(wǎng)絡(luò) DEA 模型的中間投入對(duì)我國(guó)15 家銀行的效率進(jìn)行評(píng)價(jià),說明了將風(fēng)險(xiǎn)指標(biāo)納入銀行收入效率評(píng)價(jià)能夠使所得到的效率與銀行的盈利能力更相關(guān)。Wang et al(2014)將銀行的整體應(yīng)用規(guī)模報(bào)酬可變的兩階段網(wǎng)絡(luò) DEA 模型在考慮非期望產(chǎn)出的情況下,評(píng)價(jià)和測(cè)試了我國(guó)16家主要的商業(yè)銀行在第三輪銀行改革階段(2003—2011年)的效率問題。

波士頓矩陣(BCG)是流行于歐美大型企業(yè)的一種新型戰(zhàn)略分析與決策技術(shù)。于祥(2000)認(rèn)為BCG矩陣目的在于分析企業(yè)或企業(yè)內(nèi)各業(yè)務(wù)分部在市場(chǎng)競(jìng)爭(zhēng)與產(chǎn)業(yè)發(fā)展中的相對(duì)優(yōu)勢(shì),據(jù)此制定企業(yè)的發(fā)展戰(zhàn)略。張波(2006)在房地產(chǎn)上市公司經(jīng)營(yíng)績(jī)效評(píng)價(jià)中運(yùn)用了BCG矩陣,認(rèn)為可以發(fā)現(xiàn)每個(gè)公司在經(jīng)營(yíng)方面存在的薄弱環(huán)節(jié),這將有助于企業(yè)管理者有的放矢地實(shí)施經(jīng)營(yíng)管理。 沈琨(2010)在商業(yè)銀行信貸管理中運(yùn)用了BCG矩陣,認(rèn)為能加強(qiáng)商業(yè)銀行在信貸投向上的科學(xué)管理,謀求利潤(rùn)最大化,而且能明確其業(yè)務(wù)發(fā)展方向,提高風(fēng)險(xiǎn)控制水平。

通過文獻(xiàn)梳理發(fā)現(xiàn)，早期學(xué)者研究銀行效率多采用傳統(tǒng)的財(cái)務(wù)分析法,財(cái)務(wù)分析法一次僅能處理單一投入與單一產(chǎn)出,并且在指標(biāo)的選取上會(huì)受到主觀因素的影響,僅能反映被衡量銀行的片面狀況，以致效率較好的銀行無法顯現(xiàn)出自身的優(yōu)勢(shì)。本文采用二階段DEA法作為衡量導(dǎo)入金融科技后的銀行的效率,DEA法可以滿足銀行服務(wù)的多投入與多產(chǎn)出的特性,從而更全面地了解各樣本銀行的優(yōu)劣勢(shì),提出具體的改進(jìn)措施。

二、指標(biāo)選取與數(shù)據(jù)來源

本文基于二階段DEA所選用的投入項(xiàng)目是依據(jù)經(jīng)濟(jì)學(xué)理論生產(chǎn)要素(土地、勞動(dòng)、資本)的觀點(diǎn),將投入要素設(shè)定為員工人數(shù)、利息支出、固定資產(chǎn),產(chǎn)出項(xiàng)目為存款總額與計(jì)算機(jī)軟件成本,第一階段是對(duì)銀行服務(wù)能力效率的衡量,第二階段中以第一階段的產(chǎn)出變量作為第二階段的投入變量,其產(chǎn)出項(xiàng)目為放款總額與總收入,第二階段是對(duì)銀行獲利能力效率的衡量。

本文通過各大銀行年報(bào)和金融年鑒基于2015年到2017年選取了15家商業(yè)銀行,其中包括五大國(guó)有銀行(中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行、交通銀行),以及招商銀行、中國(guó)光大銀行和北京銀行等股份制商業(yè)銀行實(shí)施效率評(píng)價(jià)。

三、實(shí)證分析

數(shù)據(jù)包絡(luò)分析法(DEA)是基于效率概念發(fā)展出的用來評(píng)估多投入多產(chǎn)出的決策單位相對(duì)效率的方法。它是以線性規(guī)劃法求決策單元(DMU)的效率值，DMU的效率值介于0～1之間,效率值等于1時(shí)為有效率單位,效率值小于1時(shí)為無效率單位,DEA不用事先得知投入、產(chǎn)出之間的函數(shù)形式。

(一)DEA模型

在二階段DEA模型中,設(shè)有n個(gè)決策單元,對(duì)于每一個(gè)決策單元DMUj,(j=1,2,..,n),第一階段有m個(gè)投入要素xij,(i=1,2,…,m),l個(gè)產(chǎn)出要素zdj,(d=1,2,…,l),同時(shí)第一階段的l個(gè)產(chǎn)出要素又要作為第二階段的投入要素,即中間要素,第二階段的產(chǎn)出要素為yrj,(r=1,2,…,s)。則相應(yīng)的兩階段的 DEA 模型:minθs.t.

λj-μj≥0,θ≤1

此外,Golany和Roll(1989)定義了關(guān)于決策單元的選取與數(shù)量的經(jīng)驗(yàn)法則:決策單元有相同的組織任務(wù)或目標(biāo)、處在相同的市場(chǎng)環(huán)境下、具有相同的績(jī)效要素,也就是投入與產(chǎn)出變量除了數(shù)量上的差異,其余特征皆相同;決策單元的數(shù)量應(yīng)是投入項(xiàng)目個(gè)數(shù)與產(chǎn)出項(xiàng)目個(gè)數(shù)總和的2倍或2倍以上,否則將導(dǎo)致評(píng)估結(jié)果不具有解釋性。本文投入項(xiàng)目數(shù)與產(chǎn)出項(xiàng)目數(shù)總共為7個(gè)項(xiàng)目,并且本文選定15家銀行作為決策單元(DMU)15>7×2,符合DEA模型的鑒別度標(biāo)準(zhǔn)。

(二)敘述性統(tǒng)計(jì)

本文全體樣本取自2015年1月1日—2017年12月31日共15家銀行的現(xiàn)況資料,研究項(xiàng)目共7個(gè)，包括投入項(xiàng)目與產(chǎn)出項(xiàng)目,其基本統(tǒng)計(jì)量見表1。

表1 15家商業(yè)銀行2015—2017年投入、產(chǎn)出項(xiàng)目的敘述性統(tǒng)計(jì)

(三)二階段DEA效率值分析結(jié)果

本文采用二階段DEA方法,分別從銀行金融科技的服務(wù)能力與獲利能力兩個(gè)層面進(jìn)行探討,評(píng)估各家銀行導(dǎo)入金融科技后的經(jīng)營(yíng)效率。在第一階段進(jìn)行服務(wù)能力效率的衡量,以員工人數(shù)、利息支出、固定資產(chǎn)為投入項(xiàng)目,將存款總額、計(jì)算機(jī)軟件成本列為產(chǎn)出項(xiàng)目;在第二階段進(jìn)行獲利能力的衡量,把第一階段產(chǎn)出項(xiàng)目作為投入項(xiàng)目,以放款總額與總收入作為產(chǎn)出項(xiàng)目。

在各階段經(jīng)營(yíng)效率分析中,本文使用專業(yè)的maxdea軟件運(yùn)算DEA效率值,投入與產(chǎn)出項(xiàng)目的數(shù)據(jù)根據(jù)各個(gè)銀行的年報(bào)得到,先以CCR模式求算總效率(TE)，以BCC模式求算技術(shù)效率(PTE)，再帶入公式(總效率÷技術(shù)效率=規(guī)模效率),求得規(guī)模效率(SE)，并搭配規(guī)模報(bào)酬?duì)顟B(tài)(RTS)區(qū)分規(guī)模報(bào)酬屬于遞增(IRS)、遞減(DRS)、還是固定(CRS),進(jìn)而找出各樣本銀行若要提高效率,應(yīng)該縮減經(jīng)營(yíng)規(guī)模、維持經(jīng)營(yíng)規(guī)?；驍U(kuò)大經(jīng)營(yíng)規(guī)模的方式。

在區(qū)分DMU效率強(qiáng)弱的過程中,本文遵循Norman和Stoker(1991)使用以下四種標(biāo)準(zhǔn)來鑒別:強(qiáng)勢(shì)效率單位(DMU出現(xiàn)在許多效率集合中,出現(xiàn)次數(shù)越多越強(qiáng)勢(shì)),邊際效率單位(DMU效率值=1,但不強(qiáng)勢(shì),出現(xiàn)在效率參考集合只有1～2次),邊際無效率單位(0.9

總效率是對(duì)決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評(píng)價(jià)。如表2所示，就第一階段服務(wù)能力的總效率值而言,通過2015—2017年三年間綜合效率的平均值可以看出,銀行的服務(wù)質(zhì)量呈現(xiàn)先下降后上升的趨勢(shì)。在2015年達(dá)到效率值為1的銀行有5家,分別為平安銀行、華夏銀行、中信銀行、北京銀行與興業(yè)銀行。除此之外只有交通銀行與中國(guó)建設(shè)銀行是因?yàn)榧夹g(shù)無效而導(dǎo)致未達(dá)到總效率的有效值,更多的銀行沒有達(dá)到有效值是因?yàn)橐?guī)模無效而導(dǎo)致的。2016年,銀行的綜合效率均值最低，僅為0.865,其中僅有中國(guó)銀行、中信銀行與興業(yè)銀行3家的總效率值為1；平安銀行、招商銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行與北京銀行的總效率在0.9到1之間,屬于邊際無效率單位；其他6家銀行的效率值都低于0.9，處于明顯無效率單位。這一結(jié)果顯示大部分銀行需要思考投入設(shè)備(員工人數(shù)、利息支出、固定資產(chǎn))是否有資源浪費(fèi)的情形,找到更適合的投入組合來增加服務(wù)效率。這三年間銀行在2017年的綜合效率的均值最高，達(dá)到0.916。其中有9家銀行樣本的總效率值達(dá)到1,分別為平安銀行、招商銀行、中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中信銀行、中國(guó)建設(shè)銀行、北京銀行、興業(yè)銀行。因?yàn)橐?guī)模效率無效而導(dǎo)致綜合效率未達(dá)到1的銀行有3家,分別為寧波銀行、中國(guó)光大銀行、南京銀行,因此這些銀行需要調(diào)整生產(chǎn)規(guī)模改善無效率部分。同時(shí)受技術(shù)無效和規(guī)模無效率影響的銀行有中國(guó)民生銀行、華夏銀行與交通銀行。

表2 15家樣本銀行2015—2017年服務(wù)能力效率值

通過對(duì)第二階段效率的測(cè)算，我們可以了解銀行的獲利能力,見表3。總體而言,在2015—2017年三年間銀行的獲利能力是呈現(xiàn)上升趨勢(shì)的。2015年全體樣本的總效率的平均值為0.698,總效率值達(dá)到1的銀行只有興業(yè)銀行與南京銀行兩家,大部分銀行無效的原因在于技術(shù)無效、規(guī)模無效或者二者兼有。2016年與2017年的總效率達(dá)到1的銀行較2015年多了兩家,除此之外更多的銀行達(dá)到了技術(shù)有效。但是在這三年期間有10家銀行一直屬于明顯無效率單位,分別為交通銀行、華夏銀行、中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)光大銀行、中信銀行、中國(guó)建設(shè)銀行、中國(guó)工商銀行、北京銀行、中國(guó)民生銀行。由于此階段采用產(chǎn)出導(dǎo)向,意味著產(chǎn)出比率太少造成了無效率,因此需要想辦法增加放款總額與總收入之產(chǎn)出。

表3 15家樣本銀行2015—2017年獲利能力效率值

四、效率矩陣與BCG矩陣分析結(jié)果

(一)效率矩陣

根據(jù)前文數(shù)據(jù)，將服務(wù)能力效率值置于縱坐標(biāo)Y軸,以全體樣本銀行服務(wù)效率的平均值為Y軸臨界值;將獲利能力置于橫坐標(biāo)X軸,以全體樣本銀行獲利效率的平均值為X軸臨界值,構(gòu)建銀行相對(duì)效率的四象限矩陣圖。第一象限:表示此象限區(qū)域的銀行的服務(wù)能力、獲利能力的效率皆相對(duì)于其他銀行有較高的競(jìng)爭(zhēng)優(yōu)勢(shì)。第二象限:表示此象限區(qū)域的銀行的服務(wù)能力效率值相對(duì)于其他銀行表現(xiàn)佳、但獲利能力效率值卻低于平均值,需加強(qiáng)獲利能力。第三象限:表示此象限區(qū)域的銀行的獲利能力效率值相對(duì)于其他銀行表現(xiàn)佳，但服務(wù)能力效率值卻低于平均值,需加強(qiáng)服務(wù)能力。第四象限:表示此象限區(qū)域的銀行的獲利能力與服務(wù)能力效率值都比較差,兩方面都要加強(qiáng)。在矩陣圖中，為了方便，各銀行名稱用數(shù)字代替：1為平安銀行，2為交通銀行，3為華夏銀行，4為寧波銀行，5為招商銀行，6為中國(guó)銀行，7為中國(guó)農(nóng)業(yè)銀行，8為中國(guó)工商銀行，9為中國(guó)光大銀行，10為中信銀行，11為中國(guó)建設(shè)銀行，12為北京銀行，13為興業(yè)銀行，14為南京銀行，15為中國(guó)民生銀行。

圖1為15家樣本銀行2015年相對(duì)效率矩陣圖。X軸與Y軸的臨界值(平均值)顯示為黑線,其值為(0.698,0.910)。通過效率矩陣圖可以清楚地看到,2015年15家樣本銀行中,服務(wù)能力與獲利能力都優(yōu)于平均值,具有相對(duì)效率的銀行有4家：平安銀行、中國(guó)光大銀行、北京銀行、興業(yè)銀行;僅服務(wù)能力有相對(duì)效率的銀行有6家:交通銀行、華夏銀行、中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中信銀行;僅獲利能力有相對(duì)效率的銀行有3家:寧波銀行、招商銀行、南京銀行;服務(wù)能力與獲利能力效率值相對(duì)較差的只有2家：中國(guó)建設(shè)銀行、中國(guó)民生銀行。

圖1 15家樣本銀行2015年相對(duì)效率矩陣圖

圖2為15家樣本銀行2016年相對(duì)效率矩陣圖,X軸與Y軸的臨界值(平均值)顯示為黑線,其值為(0.739,0.865)。通過效率矩陣圖可以清楚地看到,2016年15家樣本銀行中,服務(wù)能力與獲利能力都優(yōu)于平均值,具有相對(duì)效率的銀行有5家：平安銀行、招商銀行、中信銀行、北京銀行、興業(yè)銀行;僅服務(wù)能力有相對(duì)效率的銀行有5家:華夏銀行、中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行;僅獲利能力有相對(duì)效率的銀行有4家:寧波銀行、中國(guó)光大銀行、南京銀行、中國(guó)民生銀行;服務(wù)能力與獲利能力效率值相對(duì)較差的只有交通銀行1家。

圖2 15家樣本銀行2016年相對(duì)效率矩陣圖

圖3為15家樣本銀行2017年相對(duì)效率矩陣圖,X軸與Y軸的臨界值(平均值)顯示為黑線,其值為(0.740,0.916)。通過效率矩陣圖可以清楚地看到,2017年15家樣本銀行中,服務(wù)能力與獲利能力都優(yōu)于平均值,具有相對(duì)效率的銀行有4家：平安銀行、招商銀行、北京銀行、興業(yè)銀行;僅服務(wù)能力有相對(duì)效率的銀行有6家:中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)光大銀行、中信銀行、中國(guó)建設(shè)銀行;僅獲利能力有相對(duì)效率的銀行有3家:寧波銀行、南京銀行、中國(guó)民生銀行;服務(wù)能力與獲利能力效率值相對(duì)較差的有交通銀行與華夏銀行2家。

圖3 15家樣本銀行2017年相對(duì)效率矩陣圖

(二)BCG矩陣

將2015年、2016年、2017年的效率矩陣圖根據(jù)BCG矩陣的含義整合成BCG矩陣圖,如圖4所示。將樣本銀行區(qū)分為四種類型,將各類銀行以總計(jì)數(shù)量及百分率表示:明星型銀行(高服務(wù)效率,高獲利效率)、金牛星銀行(低服務(wù)能力,高獲利能力)、問號(hào)型銀行(高服務(wù)能力,低獲利能力)、狗型銀行(低服務(wù)能力,低獲利能力)。

圖4 15家樣本銀行2015—2017年BCG矩陣圖

通過圖4可以更清晰地看到各銀行服務(wù)能力與獲利能力相對(duì)效率的高低。從國(guó)有商業(yè)銀行來看,屬于明星型銀行的國(guó)有商業(yè)銀行在三年間一個(gè)沒有；國(guó)有商業(yè)銀行在三年間多數(shù)為問號(hào)型銀行和狗型銀行；其中，交通銀行雖然一直在加大固定資產(chǎn)、員工人數(shù)的投入,但是通過BCG矩陣圖可以看到，交通銀行連續(xù)兩年在服務(wù)能力與獲利能力的相對(duì)效率上都呈現(xiàn)出比較低的結(jié)果，可見其投入的資金和人力并沒有發(fā)揮功效。國(guó)有商業(yè)銀行總體表現(xiàn)不是很理想,說明國(guó)家為其提供的政策和資金并沒有提高經(jīng)營(yíng)效率,而市場(chǎng)化的治理結(jié)構(gòu)、靈活的經(jīng)營(yíng)管理體制可以提高效率。

從股份制商業(yè)銀行和城市商業(yè)銀行來看,整體經(jīng)營(yíng)水平是高于國(guó)有商業(yè)銀行的整體水平的,其中平安銀行、北京銀行、興業(yè)銀行連續(xù)3年都處于明星型銀行,說明這3家銀行能夠充分利用自身資源,在經(jīng)營(yíng)管理水平、技術(shù)創(chuàng)新能力、資源配置能力保持相對(duì)有效。中國(guó)光大銀行在2015年屬于明星型銀行但在2016年因服務(wù)效率低而變成金牛型銀行。

五、結(jié)論與建議

本文使用二階段DEA法在測(cè)算2015—2017年我國(guó)商業(yè)銀行相對(duì)經(jīng)營(yíng)績(jī)效時(shí)拆解為服務(wù)能力(將生產(chǎn)資源轉(zhuǎn)化為金融服務(wù))與獲利能力(將金融服務(wù)轉(zhuǎn)化為創(chuàng)造獲利),并通過效率矩陣分析與BCG矩陣分析明確了哪些銀行屬于明星型銀行，哪些銀行屬于無效率銀行，以確定標(biāo)桿銀行。

研究發(fā)現(xiàn)，在服務(wù)能力階段，國(guó)有商業(yè)銀行明顯高于股份制商業(yè)銀行與城市商業(yè)銀行；在獲利能力階段，國(guó)有商業(yè)銀行明顯低于股份制商業(yè)銀行與城市商業(yè)銀行。其原因是國(guó)有商業(yè)銀行要認(rèn)真履行自己的職責(zé),同時(shí)國(guó)有商業(yè)銀行有政府政策的支持,相對(duì)于股份制商業(yè)銀行與城市商業(yè)銀行在盈利性方面有些差距。另外，從效率矩陣與BCG矩陣中可以看到,只有平安銀行、北京銀行、興業(yè)銀行連續(xù)3年都處于明星型銀行,可以作為標(biāo)桿銀行,而更多的銀行效率水平還有待提升,可以向標(biāo)桿銀行學(xué)習(xí)經(jīng)營(yíng)管理體制，如怎樣提高技術(shù)創(chuàng)新能力，如何擁有最適合的銀行規(guī)模,從而提高自身的總體經(jīng)營(yíng)效率。