董樹(shù)功 吳圣略

摘? ?要：農(nóng)村商業(yè)銀行是農(nóng)村金融發(fā)展的核心，是服務(wù)“三農(nóng)”、推動(dòng)鄉(xiāng)村振興戰(zhàn)略的可靠保障。以30家農(nóng)村商業(yè)銀行為研究對(duì)象，運(yùn)用改進(jìn)DEA分析方法及灰色預(yù)測(cè)模型，對(duì)其經(jīng)營(yíng)效率進(jìn)行分析及預(yù)測(cè)。研究表明，我國(guó)農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈穩(wěn)步上升趨勢(shì)，受技術(shù)效率與技術(shù)進(jìn)步效率影響較大，在未來(lái)保持穩(wěn)步增長(zhǎng)態(tài)勢(shì)，不同地區(qū)生產(chǎn)率差異呈收斂趨勢(shì)。技術(shù)效率始終保持相對(duì)穩(wěn)定狀態(tài)，在臨界值1上下浮動(dòng)，受純技術(shù)進(jìn)步效率影響較大，地區(qū)差異對(duì)其影響較小。在此基礎(chǔ)上提出合理調(diào)整規(guī)模、加強(qiáng)金融創(chuàng)新等政策建議。

關(guān)? 鍵? 詞：農(nóng)村商業(yè)銀行;經(jīng)營(yíng)效率;全要素生產(chǎn)率;DEA模型;灰色預(yù)測(cè)法

中圖分類(lèi)號(hào)：F832.35? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ?文章編號(hào)：2096-2517（2021）04-0027-11

DOI：10.16620/j.cnki.jrjy.2021.04.003

一、引言

隨著經(jīng)濟(jì)蓬勃發(fā)展，城鄉(xiāng)經(jīng)濟(jì)二元化結(jié)構(gòu)矛盾日益凸顯，制約農(nóng)業(yè)效率提高、農(nóng)村環(huán)境改善、農(nóng)民收入增長(zhǎng)。農(nóng)村經(jīng)濟(jì)發(fā)展是破解“三農(nóng)”問(wèn)題的著力點(diǎn)與突破口， 農(nóng)村商業(yè)銀行在促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展、實(shí)現(xiàn)鄉(xiāng)村振興戰(zhàn)略中起積極推動(dòng)作用。2020年中央“一號(hào)文件”鼓勵(lì)農(nóng)村商業(yè)銀行擴(kuò)大農(nóng)村普惠金融改革試點(diǎn)，推進(jìn)農(nóng)產(chǎn)品期貨期權(quán)上市，推出免抵押、可持續(xù)、低利率普惠產(chǎn)品。新時(shí)代背景下，作為農(nóng)村金融機(jī)構(gòu)重要組成部分的農(nóng)村商業(yè)銀行，應(yīng)積極探索發(fā)展新思路，推動(dòng)普惠金融、互聯(lián)網(wǎng)金融發(fā)展和金融供給側(cè)結(jié)構(gòu)性改革，為實(shí)現(xiàn)鄉(xiāng)村振興提供更高水平的金融服務(wù)與金融支持。

現(xiàn)有農(nóng)村商業(yè)銀行以政策性為導(dǎo)向、商業(yè)性為主體、惠農(nóng)性為基礎(chǔ)，與其他農(nóng)村金融機(jī)構(gòu)互為補(bǔ)充，是新時(shí)代實(shí)施鄉(xiāng)村振興戰(zhàn)略、發(fā)展普惠金融的主力軍和做好“三農(nóng)”工作的重要抓手，囿于管理體制、產(chǎn)品創(chuàng)新、歷史條件等限制，其經(jīng)營(yíng)效率、資源配置效率與其他性質(zhì)的商業(yè)銀行相比較低，已成為長(zhǎng)期困擾農(nóng)村商業(yè)銀行與農(nóng)村金融市場(chǎng)發(fā)展的阻礙。 農(nóng)村商業(yè)銀行效率低下主要表現(xiàn)在三個(gè)方面：一是不良貸款率居高不下， 風(fēng)險(xiǎn)管理水平有待提高。我國(guó)農(nóng)村商業(yè)銀行面臨著大量操作風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)，囿于技術(shù)條件、資金水平，無(wú)法有效通過(guò)證券化、保險(xiǎn)等方式化解防范，致使農(nóng)村商業(yè)銀行不良貸款率居高不下。根據(jù)《中國(guó)金融統(tǒng)計(jì)年鑒》顯示，2020年農(nóng)村商業(yè)銀行不良貸款率高達(dá)4.09%， 遠(yuǎn)超大型商業(yè)銀行的1.39%和股份制銀行的1.64%。二是資金需求供給不匹配，外流嚴(yán)重。根據(jù)觀研天下頒布的《2020年中國(guó)農(nóng)村金融市場(chǎng)分析報(bào)告——市場(chǎng)規(guī)?，F(xiàn)狀與發(fā)展趨勢(shì)分析》顯示：截至2019年6月末， 全國(guó)涉農(nóng)貸款余額達(dá)34.24萬(wàn)億元，其中農(nóng)戶貸款余額僅為9.86萬(wàn)億，與農(nóng)村經(jīng)營(yíng)主體需求存在較大資金缺口。涉農(nóng)貸款額度較小、期限較短與農(nóng)業(yè)資金回收周期不同步，造成信貸供需周期錯(cuò)位。此外，農(nóng)村商業(yè)銀行因其趨利性質(zhì)，將大量吸收的農(nóng)村資金通過(guò)票據(jù)購(gòu)買(mǎi)，資金拆借轉(zhuǎn)移至發(fā)達(dá)城市地區(qū)， 致使農(nóng)村大量資金外流。第三，農(nóng)村支付系統(tǒng)不完善。農(nóng)村商業(yè)銀行營(yíng)業(yè)網(wǎng)點(diǎn)分布散落，農(nóng)村居民享受金融服務(wù)不便，手機(jī)銀行、網(wǎng)絡(luò)銀行普及率不高，大大限制農(nóng)村商業(yè)銀行效率提升[1]。此外，農(nóng)村商業(yè)銀行科技領(lǐng)軍人才、尖子人才嚴(yán)重不足，科技人員占比不足5%，金融工具單一、支農(nóng)功能弱化、金融服務(wù)滯后等問(wèn)題同樣阻礙農(nóng)村商業(yè)銀行效率的提高與支農(nóng)惠農(nóng)成效的發(fā)揮。

本文以30家農(nóng)村商業(yè)銀行2014—2019年的數(shù)據(jù)為樣本， 采用改進(jìn)版DEA模型與灰色預(yù)測(cè)模型，對(duì)我國(guó)農(nóng)村商業(yè)銀行經(jīng)營(yíng)狀況、效率差異、未來(lái)業(yè)績(jī)進(jìn)行計(jì)算， 有利于明晰農(nóng)村商業(yè)銀行經(jīng)營(yíng)效率， 厘清效率影響因素，加快其內(nèi)部體制改革，對(duì)服務(wù)“三農(nóng)”、助力鄉(xiāng)村振興、縮小城鄉(xiāng)差距，促進(jìn)我國(guó)農(nóng)村金融機(jī)構(gòu)乃至農(nóng)村經(jīng)濟(jì)發(fā)展具有重要意義。

二、文獻(xiàn)綜述

金融機(jī)構(gòu)經(jīng)營(yíng)效率是衡量在一定的金融資源投入下，金融機(jī)構(gòu)產(chǎn)出的效率，綜合反映了一個(gè)金融機(jī)構(gòu)的核心競(jìng)爭(zhēng)力、可持續(xù)發(fā)展能力?，F(xiàn)階段，關(guān)于金融機(jī)構(gòu)效率的研究主要集中在效率測(cè)度方法的選擇與影響因素的分析。

在效率測(cè)度方法選擇上，國(guó)內(nèi)外大多數(shù)學(xué)者運(yùn)用DEA-Malmquist模型（數(shù)據(jù)包絡(luò)法） 及其改進(jìn)模型來(lái)測(cè)度金融機(jī)構(gòu)經(jīng)營(yíng)效率。Malmquist指數(shù)是衡量相同類(lèi)型的多投入、多產(chǎn)出決策單元是否有效的非參數(shù)統(tǒng)計(jì)方法，具有持續(xù)反映變量效率指標(biāo)變化情況的優(yōu)點(diǎn)。Wheelcok等（1999）運(yùn)用Malmquist指數(shù)對(duì)1984—1999年美國(guó)商業(yè)銀行的效率進(jìn)行測(cè)度，認(rèn)為規(guī)模效率較低導(dǎo)致在此期間美國(guó)商業(yè)銀行的效率處于下降狀態(tài)[2]。常露露等（2016）以山東地區(qū)為例，借助DEA模型，得出不同產(chǎn)權(quán)結(jié)構(gòu)金融機(jī)構(gòu)效率存在明顯差異，國(guó)有大型商業(yè)銀行效率值低于股份制銀行的結(jié)論[3]。Tsolas等（2015）考慮了不良貸款率因素的影響， 將其代入DEA模型對(duì)希臘銀行業(yè)效率進(jìn)行測(cè)度，與確定型模型相比得出了更加精確的結(jié)果[4]。莫媛等（2020）進(jìn)一步改進(jìn)DEA模型，采用三階段模型，發(fā)現(xiàn)金融發(fā)展存在地區(qū)不平衡性，農(nóng)村金融效率在江蘇地區(qū)表現(xiàn)出由南至北依次遞減的梯級(jí)分布特征[5]。除DEA模型以外，還有部分學(xué)者運(yùn)用非徑向EBM-Undesirable模型研究， 認(rèn)為農(nóng)村金融機(jī)構(gòu)經(jīng)營(yíng)效率總體水平較高， 但起伏較大，農(nóng)商行效率高于農(nóng)信社[6]。龐金波等（2020）借助SFA方法研究發(fā)現(xiàn)，東、中、西部科技金融效率均值存在差異，各區(qū)市科技金融發(fā)展不均衡[7]。綜合上述學(xué)者觀點(diǎn)不難發(fā)現(xiàn)，現(xiàn)有農(nóng)村金融機(jī)構(gòu)經(jīng)營(yíng)效率研究尚未形成統(tǒng)一的結(jié)論。一方面是由于模型選擇不同，另一方面是于技術(shù)限制、歷史包袱等原因?qū)е履Ｐ屯度氘a(chǎn)出指標(biāo)選取不同。

農(nóng)村商業(yè)銀行的經(jīng)營(yíng)效率受眾多因素影響，大部分學(xué)者采用實(shí)證研究分析其影響機(jī)制，研究視域主要集中于以下幾個(gè)角度：第一，資產(chǎn)規(guī)模。多數(shù)學(xué)者認(rèn)為農(nóng)村商業(yè)銀行是追求規(guī)模經(jīng)濟(jì)效益的金融機(jī)構(gòu)，資產(chǎn)規(guī)模越大，其經(jīng)營(yíng)效率越高[8-9]。部分學(xué)者持相反的觀點(diǎn)，認(rèn)為農(nóng)村商業(yè)銀行不存在規(guī)模效應(yīng)， 資產(chǎn)規(guī)?？赡軐?duì)農(nóng)村商業(yè)銀行效率呈負(fù)向作用[10]。第二，流動(dòng)性。流動(dòng)性的增強(qiáng)，有助于提高商業(yè)銀行償債能力，降低商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)，提高其經(jīng)營(yíng)效率[11-12]。第三，經(jīng)濟(jì)發(fā)展水平。部分學(xué)者指出農(nóng)村商業(yè)銀行經(jīng)營(yíng)效率與經(jīng)濟(jì)發(fā)展水平呈正相關(guān)，經(jīng)濟(jì)發(fā)展水平越高，其經(jīng)營(yíng)績(jī)效越高，不同地區(qū)的經(jīng)濟(jì)發(fā)展水平對(duì)其影響程度不同[13-14]。王俊芹等（2010）則認(rèn)為經(jīng)濟(jì)發(fā)展水平越高，農(nóng)村信用社支農(nóng)功能弱化的傾向越嚴(yán)重，改革效率越低[15]。第四，資金配置能力。資金配置能力越強(qiáng)，創(chuàng)造收益越多，越有利于農(nóng)村商業(yè)銀行效率的提高，存貸比是反映資金配置能力的主要財(cái)務(wù)指標(biāo)，對(duì)農(nóng)村商業(yè)銀行的效率存在顯著影響[16-17]。第五，政策支持。農(nóng)村商業(yè)銀行出于政策需要承擔(dān)大量低收益項(xiàng)目，作為補(bǔ)償，政府給予政策補(bǔ)貼，有效提高其經(jīng)營(yíng)效率[18]。此外，杠桿率、員工薪酬、財(cái)務(wù)績(jī)效、人才質(zhì)量、權(quán)益凈利率與服務(wù)能力都在一定程度上影響著銀行經(jīng)營(yíng)效率[19-23]。

綜上所述，現(xiàn)階段關(guān)于金融機(jī)構(gòu)經(jīng)營(yíng)效率及影響因素的研究已較為成熟，研究的視角已經(jīng)從全國(guó)整體、省際層面深入到縣域，但鮮少涉及經(jīng)營(yíng)效率預(yù)測(cè)領(lǐng)域。DEA模型雖已被廣泛應(yīng)用于金融機(jī)構(gòu)效率的計(jì)算中， 其研究方法與研究?jī)?nèi)容仍有待完善。本文運(yùn)用改進(jìn)DEA模型，對(duì)具有代表性的30家農(nóng)村商業(yè)銀行效率進(jìn)行測(cè)度，在此基礎(chǔ)上采用灰色預(yù)測(cè)模型對(duì)其效率進(jìn)行預(yù)測(cè)， 并提出針對(duì)性建議，為提高農(nóng)村商業(yè)銀行經(jīng)營(yíng)效率，更好發(fā)揮服務(wù)“三農(nóng)”功能提供理論支持。

三、農(nóng)村商業(yè)銀行經(jīng)營(yíng)效率測(cè)度

數(shù)據(jù)包絡(luò)法（Date Envelopment Analysis，以下簡(jiǎn)稱(chēng)DEA）是由著名運(yùn)籌學(xué)家Charnes和Cooper于1978年提出的一種評(píng)價(jià)相同部門(mén)間相對(duì)有效性的理論模型。DEA最先應(yīng)用于公共部門(mén)與非營(yíng)利組織效率的評(píng)價(jià)， 后來(lái)Sherman和Gold首次應(yīng)用于研究銀行業(yè)的效率。該模型能夠分析不同時(shí)期決策單元變化，剔除技術(shù)進(jìn)步因素后，能得到更為準(zhǔn)確的結(jié)果[24-25]，廣泛運(yùn)用于商業(yè)銀行、科技成果轉(zhuǎn)化、農(nóng)業(yè)生產(chǎn)等效率測(cè)算[26-29]。本文采用DEA模型中的Malmquist的指數(shù)模型對(duì)30家農(nóng)村商業(yè)銀行經(jīng)營(yíng)效率進(jìn)行計(jì)算，進(jìn)而分析其資源配置效率的動(dòng)態(tài)特征。

（一）DEA-Malmquist模型簡(jiǎn)介

DEA模型的構(gòu)建：向量X=（x1，x2…）定義為投入指標(biāo)，向量Y=（y1，y2…）定義為產(chǎn)出指標(biāo)，并將決策單元效率公式做如下設(shè)定：

其中，u表示k×1維產(chǎn)出權(quán)重向量，v表示k×1維產(chǎn)出權(quán)重向量，在規(guī)模報(bào)酬不變的條件下模型（CCR模型）如下所示：

其對(duì)偶規(guī)劃如下所示：

當(dāng)？茲=1時(shí)，說(shuō)明決策單元處于效率前沿，0<？茲<1說(shuō)明決策單元處于無(wú)效率狀態(tài)，CCR模型就是通過(guò)？茲值來(lái)判斷決策單元是否有效率。 由于現(xiàn)實(shí)生活中農(nóng)村商業(yè)銀行的規(guī)模報(bào)酬是可變的，簡(jiǎn)單使用CRR模型會(huì)把其技術(shù)效率與規(guī)模效率混為一談， 故本文采用假設(shè)規(guī)模報(bào)酬可變的BCC模型。BCC模型就是在CRR模型的基礎(chǔ)上， 新增∑？姿i=1約束條件，其表達(dá)式為：

全要素生產(chǎn)率是衡量單位總投入的總產(chǎn)量的生產(chǎn)率指標(biāo)， 反映了當(dāng)期效率與上期效率的關(guān)系，如果全要素生產(chǎn)率的值大于1，說(shuō)明與上一期相比銀行效率有所提高，反之相對(duì)效率下降。技術(shù)效率反映一家金融機(jī)構(gòu)實(shí)際產(chǎn)量與最大可能產(chǎn)量的比值，當(dāng)技術(shù)效率的值大于等于1時(shí)，說(shuō)明該銀行對(duì)投入要素利用達(dá)到最優(yōu)， 當(dāng)技術(shù)效率值小于1時(shí)，說(shuō)明該銀行對(duì)投入要素的利用還有待優(yōu)化。全要素生產(chǎn)率涵蓋技術(shù)效率、技術(shù)進(jìn)步效率、生產(chǎn)效率等一切經(jīng)濟(jì)變量的效率，主要受技術(shù)效率與技術(shù)進(jìn)步效率影響，本文采用全要素生產(chǎn)率衡量農(nóng)村商業(yè)銀行經(jīng)營(yíng)效率。技術(shù)效率除了受純技術(shù)效率的影響，還受規(guī)模效率影響。

Malmquist指數(shù)是由經(jīng)濟(jì)學(xué)家Fare在DEA的基礎(chǔ)上，構(gòu)建的研究決策單元效率值變化情況的指數(shù)，在規(guī)模報(bào)酬可變的情況下，其表達(dá)式如下所示：

=PECH×SECH×TECH? （5）

在規(guī)模報(bào)酬可變的情況下第t期（xt，yt），第t+1期（xt+1，yt+1）的距離函數(shù)。Malmquist指數(shù)可以進(jìn)一步分解為技術(shù)效率指數(shù)（EFFCH）和技術(shù)進(jìn)步效率指數(shù)（TECH），其中技術(shù)效率指數(shù)（CH）又可以分解為純技術(shù)效率指數(shù)（PECH）和規(guī)模效率指數(shù)（SECH）。如果EFFCH>1，表明決策單元相對(duì)效率有所提高，反之下降，如果TECH>1，表明技術(shù)的進(jìn)步提高了效率， 反之阻礙了效率。全要素生產(chǎn)率指數(shù)=EFFCH×TECH，如果全要素生產(chǎn)率指數(shù)大于1，表示效率得到提高，反之表示效率下降。

（二）數(shù)據(jù)選擇與來(lái)源

目前對(duì)于商業(yè)銀行投入-產(chǎn)出指標(biāo)的選取主要有三種方法：一是生產(chǎn)法。生產(chǎn)法將銀行視為存貸款業(yè)務(wù)的生產(chǎn)者，注重商業(yè)銀行收益狀態(tài)。二是中介法。中介法將銀行視為融通資金的中介，忽視了商業(yè)銀行對(duì)外金融服務(wù)職能。三是資產(chǎn)法。資產(chǎn)法將銀行視為存貸款業(yè)務(wù)的所有者，該方法在現(xiàn)實(shí)中有較多限制[30]。合理選擇投入-產(chǎn)出指標(biāo)是準(zhǔn)確計(jì)量金融機(jī)構(gòu)效率的關(guān)鍵， 根據(jù)數(shù)據(jù)的可獲得性、代表性、可操作性，本文綜合生產(chǎn)法和中介法選取投入-產(chǎn)出指標(biāo)。投入指標(biāo)分別為：存款總額，體現(xiàn)農(nóng)村商業(yè)銀行負(fù)債規(guī)模，是其經(jīng)營(yíng)的先決條件;固定資產(chǎn)， 綜合反映農(nóng)村商業(yè)銀行投資規(guī)模、 比例、速度;營(yíng)業(yè)成本，反映了農(nóng)村商業(yè)銀行日常支出。產(chǎn)出指標(biāo)為：貸款總額，是農(nóng)村商業(yè)銀行最為重要的資產(chǎn)與收入來(lái)源;凈利潤(rùn)，反映銀行整體盈利能力的高低;利息收入，反映銀行短期經(jīng)營(yíng)資產(chǎn)或負(fù)債成果。各指標(biāo)描述性統(tǒng)計(jì)見(jiàn)表1。

本文選取了財(cái)務(wù)信息披露完整、具有代表性的30家商業(yè)銀行作為分析樣本，樣本銀行分別為：北京農(nóng)商銀行、成都農(nóng)商銀行、佛山農(nóng)商行、廣州農(nóng)商行、貴陽(yáng)農(nóng)商行、杭州聯(lián)合農(nóng)商行、合肥農(nóng)商行、江蘇蘇州農(nóng)商銀行、江蘇紫金農(nóng)商行、青島農(nóng)商行、廈門(mén)農(nóng)商行、上海農(nóng)商銀行、天津農(nóng)商行、無(wú)錫農(nóng)商行、武漢農(nóng)商行、義烏農(nóng)商行、中山農(nóng)商行、珠海農(nóng)商銀行、大連農(nóng)商銀行、鄂爾多斯農(nóng)商銀行、晉江農(nóng)商銀行、池州九華農(nóng)商銀行、西寧農(nóng)商銀行、蕪湖農(nóng)商銀行、安徽石臺(tái)農(nóng)商銀行、揚(yáng)州農(nóng)商銀行、石獅農(nóng)商銀行、長(zhǎng)春農(nóng)商銀行、延邊農(nóng)商銀行。其中，東部地區(qū)17家，中部地區(qū)5家，西部地區(qū)5家，東北部地區(qū)3家。

從資產(chǎn)規(guī)模的角度，本文選取的樣本有北京農(nóng)商銀行、 廣州農(nóng)商銀行等資產(chǎn)規(guī)模超過(guò)5000億元的大型農(nóng)商銀行共3家; 有諸如佛山農(nóng)商銀行、杭州聯(lián)合農(nóng)商銀行等資產(chǎn)規(guī)模在1000～5000億元的中型農(nóng)商銀行共11家;有類(lèi)似中山農(nóng)商銀行、廈門(mén)農(nóng)商銀行等資產(chǎn)規(guī)模在500～1000億元的小型農(nóng)商銀行共16家。從銀行的法人層級(jí)來(lái)看，有重慶農(nóng)商銀行、上海農(nóng)商銀行等省級(jí)銀行，還有諸如義烏農(nóng)商銀行、武漢農(nóng)商行等市級(jí)銀行。

本文選取了2014—2019年30家農(nóng)村商業(yè)銀行存款總額、貸款總額、固定資產(chǎn)、營(yíng)業(yè)成本、凈利潤(rùn)、利息收入數(shù)據(jù)，數(shù)據(jù)均來(lái)自WIND數(shù)據(jù)庫(kù)、Ifind網(wǎng)站。

（三）實(shí)證分析

運(yùn)用DEAP2.1軟件，計(jì)算得出30家商業(yè)銀行2015—2019年的全要素生產(chǎn)效率、技術(shù)效率指數(shù)、技術(shù)進(jìn)步效率指數(shù)、純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)，由于篇幅限制，本文僅展示全要素生產(chǎn)率與技術(shù)效率，計(jì)算結(jié)果如表2所示。

1.全要素生產(chǎn)率

從整體來(lái)看，我國(guó)農(nóng)村商業(yè)銀行的全要素生產(chǎn)率均值僅有北京農(nóng)商銀行、合肥農(nóng)商銀、青島農(nóng)商銀行、廈門(mén)農(nóng)商銀行、 上海農(nóng)商行等11家商業(yè)銀行達(dá)到1以上，僅占樣本銀行的36.67%，說(shuō)明我國(guó)農(nóng)村商業(yè)銀行的全要素生產(chǎn)率仍有很大提升空間。同一時(shí)期不同農(nóng)村商業(yè)銀行的全要素生產(chǎn)率相差較大，2016年義烏農(nóng)商銀行與中山農(nóng)商銀行的全要素生產(chǎn)率相差值達(dá)到了0.554，2015年佛山農(nóng)商行與廈門(mén)農(nóng)商行的差值也達(dá)到了0.523， 這種情況在2017年后逐漸得到了好轉(zhuǎn)。 農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈穩(wěn)步上升趨勢(shì)， 在2015—2019五年內(nèi)由0.954上升至1.033，增幅達(dá)8.28%。由圖1可知，在2016年后技術(shù)進(jìn)步效率指數(shù)和技術(shù)效率指數(shù)與全要素生產(chǎn)率指數(shù)走勢(shì)較為貼合，這表明在我國(guó)技術(shù)與技術(shù)進(jìn)步在一定程度上推動(dòng)農(nóng)村商業(yè)銀行全要素生產(chǎn)率的提高，同時(shí)也說(shuō)明早期全要素生產(chǎn)率較低主要是由于缺乏技術(shù)與技術(shù)進(jìn)步的推動(dòng)。農(nóng)村商業(yè)銀行在今后的發(fā)展改革中要大力開(kāi)發(fā)新型金融產(chǎn)品，引進(jìn)先進(jìn)技術(shù)與經(jīng)營(yíng)理念，從而推動(dòng)效率提升。

從個(gè)體來(lái)看，廈門(mén)農(nóng)商銀行與蕪湖農(nóng)商銀行的全要素生產(chǎn)率在所有樣本銀行中維持著較高水平，均值分別達(dá)到1.106與1.101， 西寧農(nóng)商銀行的全要素生產(chǎn)率在2015—2018年提升近119.8%，這與其提高中間業(yè)務(wù)收入、 創(chuàng)新產(chǎn)品與服務(wù)密不可分。武漢農(nóng)商銀行全要素生產(chǎn)率始終維持在1以下，其技術(shù)效率與技術(shù)進(jìn)步效率均處于較低狀態(tài)，因此可以從技術(shù)進(jìn)步、 管理水平著手提升其全要素生產(chǎn)率。

從地區(qū)來(lái)看（見(jiàn)圖2），發(fā)展初期東部地區(qū)的全要素生產(chǎn)率為0.984， 略高于其他三個(gè)地區(qū)的0.972、0.900、0.928。囿于金融開(kāi)放程度、技術(shù)創(chuàng)新水平、從業(yè)人員素質(zhì)等因素， 截至2019年?yáng)|部農(nóng)村商業(yè)銀行生產(chǎn)效率仍然高于其他地區(qū)。隨著鄉(xiāng)村振興戰(zhàn)略的推進(jìn)與中西部、 東北部農(nóng)村商業(yè)銀行轉(zhuǎn)變經(jīng)營(yíng)理念、變革技術(shù)創(chuàng)新，我國(guó)各個(gè)地區(qū)農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈收斂式增長(zhǎng)， 增幅分別達(dá)到了11.29%、6.2%、7%和7.88%。

2.技術(shù)效率

從總體來(lái)看，30家商業(yè)銀行的技術(shù)效率年均值基本都大于1，只有2016年略小于1，說(shuō)明我國(guó)農(nóng)村商業(yè)銀行的整體技術(shù)效率較好， 要素利用率較高， 這主要是由于農(nóng)村信用社改制為農(nóng)村商業(yè)銀行，在國(guó)家政策扶持下，發(fā)展速度迅猛，產(chǎn)出能力提升產(chǎn)生的。由圖3可知，技術(shù)效率、純技術(shù)效率與規(guī)模效率均在臨界值1上下浮動(dòng)， 技術(shù)效率與純技術(shù)效率、規(guī)模效率走勢(shì)一致，說(shuō)明在今后的發(fā)展中規(guī)模大小與技術(shù)進(jìn)步仍然需要各家銀行著重關(guān)注。

從個(gè)體角度來(lái)看，不同地區(qū)農(nóng)村商業(yè)銀行的技術(shù)效率相近，在1邊緣上下浮動(dòng)，22家農(nóng)村商業(yè)銀行的技術(shù)效率均值大于1， 占樣本總量的73.3%， 其中廈門(mén)農(nóng)商行、重慶農(nóng)商行、青島農(nóng)商行近五年內(nèi)都保持較高的技術(shù)效率值。這不僅是廈門(mén)、重慶經(jīng)濟(jì)蓬勃發(fā)展的體現(xiàn)，更是廈門(mén)農(nóng)商行、重慶農(nóng)商行積極創(chuàng)新、優(yōu)化盈利結(jié)構(gòu)、優(yōu)化資源配置的結(jié)果。無(wú)錫農(nóng)商行、武漢農(nóng)商行、義烏農(nóng)商行近五年的技術(shù)效率均值分別為0.952、0.907和0.966，顯著小于1，這主要是由于投入產(chǎn)出比例不合理， 資源配置未達(dá)到最優(yōu)，導(dǎo)致純技術(shù)效率較低。

從地區(qū)角度看（見(jiàn)圖4），我國(guó)不同地區(qū)農(nóng)村商業(yè)銀行技術(shù)效率差異性較小，維持在1附近，僅有2016年出現(xiàn)一定波動(dòng)，經(jīng)濟(jì)欠發(fā)達(dá)的西部地區(qū)技術(shù)效率甚至一度高于其他地區(qū)， 說(shuō)明技術(shù)效率受地區(qū)歷史包袱、經(jīng)濟(jì)發(fā)展和管理困境影響較小。

四、農(nóng)村商業(yè)銀行效率預(yù)測(cè)

灰色預(yù)測(cè)法是一種利用既含有已知信息又含有不確定的信息對(duì)系統(tǒng)行為的特征值發(fā)展變化進(jìn)行預(yù)測(cè)的方法， 該方法基于隨機(jī)的原始時(shí)間序列，利用一階線性方程，預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)，已廣泛應(yīng)用于金融、農(nóng)業(yè)、旅游、碳排放等領(lǐng)域，具有重要的理論研究與實(shí)踐價(jià)值[31-32]。鮮少有學(xué)者采用灰色預(yù)測(cè)模型對(duì)農(nóng)村商業(yè)銀行效率進(jìn)行預(yù)測(cè)， 基于此，本文采用灰色預(yù)測(cè)模型， 以2014—2019年30家農(nóng)村商業(yè)銀行全要素生產(chǎn)率值作為樣本數(shù)據(jù)，對(duì)其發(fā)展態(tài)勢(shì)進(jìn)行預(yù)測(cè)， 以期為農(nóng)村商業(yè)銀行的發(fā)展提供前瞻性政策意見(jiàn)。

（一）模型構(gòu)建

設(shè)有h個(gè)變量X1，X2，X3，…，Xh，組成初始的數(shù)列，即：

建立白化形式的微分方程：

相應(yīng)微分方程的解為：

其中，記參數(shù)列為a=au，a=（BTB）-1BTY，且：

傳統(tǒng)GM（1，1）對(duì)于數(shù)據(jù)要求較高，指數(shù)效應(yīng)不明顯的數(shù)據(jù)采用GM（1，1）灰色預(yù)測(cè)，可能會(huì)得到偏離現(xiàn)實(shí)的結(jié)果，本文基于前人研究，引入緩沖算子對(duì)原始數(shù)據(jù)進(jìn)行處理以提高結(jié)果的精度[33]。修正后的一階緩沖算子為：

（二）實(shí)證分析

從整體看來(lái)（見(jiàn)圖5），基于2015—2019年的原始數(shù)據(jù)所反映的潛在規(guī)律來(lái)預(yù)測(cè)2020—2022年我國(guó)農(nóng)村商業(yè)銀行全要素生產(chǎn)率，結(jié)果顯示在未來(lái)全要素生產(chǎn)率呈穩(wěn)步上升趨勢(shì)， 年均增長(zhǎng)率達(dá)2.25%，到2022年全要素生產(chǎn)率均值達(dá)1.113。我國(guó)農(nóng)村商業(yè)銀行預(yù)期全要素生產(chǎn)率內(nèi)部差異性較大，處于低效率的銀行可以積極學(xué)習(xí)高效率銀行的先進(jìn)理念與經(jīng)驗(yàn)，共同推進(jìn)我國(guó)農(nóng)村商業(yè)銀行發(fā)展，更好推動(dòng)“鄉(xiāng)村振興”戰(zhàn)略的實(shí)施。

從個(gè)體來(lái)看，北京農(nóng)商銀行、九華農(nóng)商行、上海農(nóng)商銀行、珠海農(nóng)商銀行等在未來(lái)仍然保持較高的生產(chǎn)效率;成都農(nóng)商銀行、廣州農(nóng)商銀行、杭州聯(lián)合農(nóng)商銀行、蘇州農(nóng)商銀行、天津農(nóng)商銀行、武漢農(nóng)商銀行、義烏農(nóng)商銀行這七家農(nóng)商銀行未來(lái)的全要素增長(zhǎng)率在現(xiàn)有技術(shù)、人員、管理等條件下呈下降趨勢(shì)，尤其是武漢農(nóng)商銀行和義烏農(nóng)商銀行其全要素生產(chǎn)率在2022年僅為0.781和0.727，為此要加快經(jīng)營(yíng)理念轉(zhuǎn)變與技術(shù)創(chuàng)新，扭轉(zhuǎn)下降趨勢(shì)。

從地區(qū)來(lái)看，東部地區(qū)農(nóng)村商業(yè)銀行效率走勢(shì)與全國(guó)農(nóng)村商業(yè)銀行走勢(shì)較為貼合，說(shuō)明東部地區(qū)農(nóng)村商業(yè)銀行在全國(guó)占主導(dǎo)地位，對(duì)其他地區(qū)農(nóng)村商業(yè)銀行起引領(lǐng)作用。隨著中西部地區(qū)崛起，與發(fā)達(dá)地區(qū)差距逐步縮減，中西部地區(qū)農(nóng)村商業(yè)銀行預(yù)期效率遠(yuǎn)超其他地區(qū)， 預(yù)計(jì)到2022年達(dá)1.22與1.18。 東北部預(yù)期效率始終徘徊在1附近， 為此東北部地區(qū)農(nóng)村商業(yè)銀行要順應(yīng)“振興東北”時(shí)代潮流，積極進(jìn)行金融產(chǎn)品創(chuàng)新，吸引高素質(zhì)人才以不斷提高其效率。

五、結(jié)論與建議

（一）主要結(jié)論

本文采用改進(jìn)DEA模型與灰色預(yù)測(cè)模型，綜合分析預(yù)測(cè)我國(guó)30家農(nóng)村商業(yè)銀行全要素生產(chǎn)率、技術(shù)效率，得出如下結(jié)論：第一，我國(guó)農(nóng)村商業(yè)銀行全要素生產(chǎn)率呈穩(wěn)步上升趨勢(shì)，整體仍有較大提升空間。不同農(nóng)村商業(yè)銀行的全要素生產(chǎn)率存在較大差異，東部地區(qū)農(nóng)村商業(yè)銀行在初期顯著高于其他地區(qū)，隨著銀行體制的改革，不同地區(qū)的效率差異呈收斂趨勢(shì)。 全要素生產(chǎn)率的走勢(shì)在2016年后與技術(shù)效率、技術(shù)進(jìn)步效率貼合。第二，我國(guó)農(nóng)村商業(yè)銀行技術(shù)效率呈波動(dòng)上升趨勢(shì)， 總體維持在1附近。技術(shù)效率走勢(shì)與純技術(shù)效率較為貼合，效率的高低與規(guī)模大小不一定呈正相關(guān)，技術(shù)效率受地區(qū)差異影響較小。第三，我國(guó)農(nóng)村商業(yè)銀行未來(lái)發(fā)展態(tài)勢(shì)良好，全要素生產(chǎn)率均維持在1以上，在現(xiàn)有技術(shù)條件下，部分農(nóng)村商業(yè)銀行未來(lái)業(yè)績(jī)走向不容樂(lè)觀，應(yīng)加快整改速度以適應(yīng)鄉(xiāng)村振興的步伐。

（二）政策建議

1.合理調(diào)整規(guī)模。我國(guó)農(nóng)村商業(yè)銀行作為金融體制改革的新產(chǎn)物，成立時(shí)間尚短，市場(chǎng)規(guī)模較小，可以通過(guò)提升業(yè)務(wù)質(zhì)量、 吸收大量存款和發(fā)行債券、增資擴(kuò)股等手段適度擴(kuò)大規(guī)模。目前，我國(guó)農(nóng)村商業(yè)銀行處于規(guī)模擴(kuò)張時(shí)期， 追求拓寬業(yè)務(wù)范圍、跨區(qū)域設(shè)立分支機(jī)構(gòu)等， 由于自身經(jīng)營(yíng)能力限制，往往會(huì)出現(xiàn)機(jī)構(gòu)臃腫、人員冗雜、規(guī)模效率與技術(shù)效率不匹配、資源配置不合理等問(wèn)題。農(nóng)村商業(yè)銀行應(yīng)避免盲目擴(kuò)張，保持合理規(guī)模，在發(fā)展前景良好的地區(qū)集中資源，加強(qiáng)宣傳力度，提高自身品牌知名度，擴(kuò)大存款規(guī)模，保證鄉(xiāng)鎮(zhèn)和農(nóng)村營(yíng)業(yè)網(wǎng)點(diǎn)的覆蓋率。

2.加速金融創(chuàng)新。金融創(chuàng)新和技術(shù)革新是提高農(nóng)村商業(yè)銀行全要素生產(chǎn)率的重要途徑。農(nóng)村商業(yè)銀行要加快改革步伐， 推進(jìn)農(nóng)村小額貸款業(yè)務(wù)發(fā)展，發(fā)展農(nóng)產(chǎn)品期貨與農(nóng)業(yè)保險(xiǎn)，構(gòu)建起投資多元、服務(wù)高效、功能完善的農(nóng)村金融服務(wù)體系。此外，金融產(chǎn)品在開(kāi)發(fā)的過(guò)程中需考慮風(fēng)險(xiǎn)因素，在金融監(jiān)管機(jī)構(gòu)規(guī)定的法律范圍內(nèi)進(jìn)行金融創(chuàng)新，建立農(nóng)村商業(yè)銀行信用評(píng)級(jí)體系及動(dòng)態(tài)調(diào)整機(jī)制，完善風(fēng)險(xiǎn)防范、規(guī)避與轉(zhuǎn)移機(jī)制。由于農(nóng)村商業(yè)銀行成立時(shí)間較短，自身基礎(chǔ)薄弱，應(yīng)該在市場(chǎng)競(jìng)爭(zhēng)與合作中學(xué)習(xí)同行先進(jìn)的管理理念與運(yùn)營(yíng)技術(shù)，不斷提高自身金融創(chuàng)新能力和核心競(jìng)爭(zhēng)力。

3.明確發(fā)展重點(diǎn)。傳統(tǒng)的銀行業(yè)資產(chǎn)業(yè)務(wù)資金消耗量大，農(nóng)村商業(yè)銀行難以通過(guò)此類(lèi)業(yè)務(wù)提升利潤(rùn)率和經(jīng)營(yíng)業(yè)績(jī)。因此，適合農(nóng)村地區(qū)的中間業(yè)務(wù)和表外業(yè)務(wù)是農(nóng)村商業(yè)銀行的發(fā)展重點(diǎn)。

4.加強(qiáng)金融服務(wù)人員隊(duì)伍建設(shè)。針對(duì)農(nóng)村商業(yè)銀行服務(wù)對(duì)象的受教育程度和具備的金融意識(shí)等特點(diǎn)，農(nóng)村商業(yè)銀行需要通過(guò)日常培訓(xùn)、定期考核等手段加強(qiáng)金融服務(wù)人員隊(duì)伍建設(shè)，督促員工保持終身學(xué)習(xí)的習(xí)慣， 并通過(guò)提供良好發(fā)展平臺(tái)吸引高學(xué)歷、高素質(zhì)人才，以提高從業(yè)人員專(zhuān)業(yè)與職業(yè)素養(yǎng)，推動(dòng)農(nóng)村商業(yè)銀行全要素生產(chǎn)率的提高。

5.明確獨(dú)特地位。為了使我國(guó)農(nóng)村商業(yè)銀行更好地服務(wù)三農(nóng)和中小微客戶， 發(fā)揮支農(nóng)惠農(nóng)的功能，應(yīng)考慮在稅收政策、專(zhuān)業(yè)立法、監(jiān)管體系等方面給予一定的政策傾斜，為農(nóng)村商業(yè)銀行的發(fā)展?fàn)I造良好的政策環(huán)境。 一是在農(nóng)村商業(yè)銀行成立發(fā)展初期， 提供稅收優(yōu)惠政策， 鼓勵(lì)農(nóng)村商業(yè)銀行壯大發(fā)展;二是放寬農(nóng)村商業(yè)銀行投資融資條件，允許更多民間資本流入農(nóng)村商業(yè)銀行， 進(jìn)一步擴(kuò)充其實(shí)力;三是將執(zhí)行準(zhǔn)備金率低于10%的農(nóng)村商業(yè)銀行列為重點(diǎn)關(guān)注對(duì)象，實(shí)行精準(zhǔn)“輸血”緩解其經(jīng)營(yíng)困境。

參考文獻(xiàn)：

[1]鄧奇志.功能視角下我國(guó)農(nóng)村金融效率的現(xiàn)實(shí)審視及優(yōu)化路徑[J].農(nóng)村經(jīng)濟(jì)，2010（5）：52-55.

[2]WHEELOCK D C，WILSON P W.Technical Progress，Inefficiency and Productivity Change in US Banking，1984-1993[J].Journal of Money，Credit and Banking，1999，31（2）：212-234.

[3]常露露，呂德宏.基于DEA的不同產(chǎn)權(quán)結(jié)構(gòu)金融機(jī)構(gòu)效率差異研究——以山東區(qū)域數(shù)據(jù)為例[J].區(qū)域金融研究，2016（12）：50-54.

[4]TSOLAS I E，CHARLES V.Incorporating Risk into Bank Efficiency：A Satisficing DEA Approach to Assess the Greek Banking Crisis[J].Expert Systems with Applications，2015， 42（7）：3491-3500.

[5]莫媛，陳張霞，易小蘭.金融資源觀視角下農(nóng)村金融效率評(píng)價(jià)——以江蘇省為例[J].區(qū)域金融研究，2020（2）：47-54.

[6]鄧曉娜.農(nóng)村金融機(jī)構(gòu)經(jīng)營(yíng)效率測(cè)算及影響因素的空間計(jì)量分析——兼論農(nóng)村金融機(jī)構(gòu)改革[J].金融監(jiān)管研究，2020（2）：51-66.

[7]龐金波，李楊薇，趙麗娟.基于PP-SFA方法的我國(guó)科技金融投入產(chǎn)出效率研究[J].科技管理研究，2020（21）：217-224.

[8]林春，王偉.基于財(cái)務(wù)視角對(duì)政策性銀行經(jīng)營(yíng)效率的研究[J].金融發(fā)展研究，2015（11）：57-62.

[9]宋波，華桂宏.農(nóng)村商業(yè)銀行支農(nóng)效率的影響因素研究——以江蘇省為例[J].南京社會(huì)科學(xué)，2019（8）：22-28， 35.

[10]宋磊，王家傳.山東省農(nóng)村信用社產(chǎn)權(quán)改革績(jī)效評(píng)價(jià)的實(shí)證研究[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2007（8）：70-75.

[11]姚鳳閣，李婕妤，路少朋.農(nóng)村商業(yè)銀行經(jīng)營(yíng)效率及影響因素研究[J].統(tǒng)計(jì)與決策，2017（5）：161-165.

[12] WORTHINGON A C.Determinants of Merger and Acquisition Activity in Australian Cooperative Deposit-taking Institutions[J].Journal of Business Research，2004，（57）：47-57.

[13]賈蕊蕊，劉海燕，郭琨.中國(guó)農(nóng)村商業(yè)銀行經(jīng)營(yíng)績(jī)效及其外部影響因素分析[J].管理評(píng)論，2018，30（11）：26-34.

[14]黃惠春，楊軍.縣域農(nóng)村金融市場(chǎng)結(jié)構(gòu)與農(nóng)村信用社績(jī)效關(guān)系檢驗(yàn)——基于GMM動(dòng)態(tài)面板模型[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2011（8）：63-71.

[15]王俊芹，宗義湘，趙邦宏.農(nóng)村信用社改革的績(jī)效評(píng)價(jià)及影響因素分析——以河北省為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2010（6）：82-88.

[16]張珩，羅劍朝，牛榮.產(chǎn)權(quán)改革與農(nóng)信社效率變化及其收斂性：2008—2014年——來(lái)自陜西省107個(gè)縣（區(qū)）的經(jīng)驗(yàn)證據(jù)[J].管理世界，2017（5）：92-106.

[17]曹廷求，段玲玲.治理機(jī)制、高管特征與農(nóng)村信用社經(jīng)營(yíng)績(jī)效——以山東省為例的實(shí)證分析[J].南開(kāi)管理評(píng)論，2005（4）：97-102，108.

[18]周威皓，劉俊奇.我國(guó)農(nóng)商行全要素生產(chǎn)率影響因素分析——基于微觀和宏觀二維視角[J].技術(shù)經(jīng)濟(jì)與管理研究，2016（10）：79-83.

[19]梁敏，魏曉琴，袁成全.我國(guó)商業(yè)銀行杠桿率對(duì)銀行效率的影響研究[J].金融理論探索，2018（3）：24-35.

[20]周汝卓.我國(guó)銀行業(yè)經(jīng)營(yíng)效率的實(shí)證研究[J].統(tǒng)計(jì)與決策，2013（9）：162-165.

[21]CORNETT M，ERHEMJAMTS O，TEHRANIAN H.Greed or Good Deeds：An Examination of the Relation Between Corporate Social Responsibility and the Financial Performance of US Commercial Banks around the Financial Crisis[J].Journal of Banking and Finance，2016，70：137-159.

[22]林春，王偉.基于財(cái)務(wù)視角對(duì)政策性銀行經(jīng)營(yíng)效率的研究[J].金融發(fā)展研究，2015（11）：57-62.

[23]高云峰.中國(guó)村鎮(zhèn)銀行的運(yùn)行效率及影響因素研究——基于省級(jí)面板數(shù)據(jù)的分析[J].投資研究，2016，35（2）：78-86.

[24]李延春，楊海芬，趙邦宏.基于DEA方法的村鎮(zhèn)銀行效率評(píng)價(jià)指標(biāo)體系構(gòu)建[J].西南金融，2012（7）：28-30.

[25]鄧雪，陳創(chuàng)杰，沈璐，等.基于Malmquist-DEA模型的科技金融績(jī)效評(píng)價(jià)——以廣東省為例[J].科技管理研究，2020（21）：64-72.

[26]周四軍，胡瑞，王欣.我國(guó)商業(yè)銀行效率DEA測(cè)評(píng)模型的優(yōu)化研究[J].財(cái)經(jīng)理論與實(shí)踐，2012，33（6）：17-21.

[27]畢功兵，梁樑，楊鋒.商業(yè)銀行DEA效率評(píng)價(jià)投入產(chǎn)出指標(biāo)選擇研究[J].管理評(píng)論，2009（6）：10-16.

[28]孫濤.我國(guó)老工業(yè)基地科技成果轉(zhuǎn)化效率評(píng)價(jià)研究——以東北地區(qū)為例[J].中國(guó)軟科學(xué)，2020（1）：164-170.

[29]李強(qiáng)，龐鈺凡，汪玥.基于DEA模型和Malmquist指數(shù)的農(nóng)業(yè)生產(chǎn)效率評(píng)價(jià)研究——以吉林省為例[J].技術(shù)經(jīng)濟(jì)，2020，3（9）：135-143.

[30]卜振興.我國(guó)上市商業(yè)銀行效率評(píng)價(jià)研究[J].西南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2014（8）：119-126.

[31]閻虎勤. Python 財(cái)務(wù)數(shù)據(jù)分析講義[M]. 廈門(mén)： 廈門(mén)國(guó)家會(huì)計(jì)學(xué)院，2020.

[32]梁楓，沙英.金融機(jī)構(gòu)貸款灰色預(yù)測(cè)GM（1，1）模型研究[J].經(jīng)濟(jì)問(wèn)題，2014（1）：58-61.

[33]趙杭莉，孫印法.基于灰色預(yù)測(cè)模型的中國(guó)大豆市場(chǎng)供求分析[J].商業(yè)研究，2015（3）：58-63.

Research and Forecast on the Operating Efficiency of

Rural Financial Institutions in China

Dong Shugong， Wu Shenglue

（School of Economics and Management， Tianjin University of Technology and Education，

Tianjin 300222， China）

Abstract： Rural commercial banks are the core of rural financial development and a reliable guarantee for serving the issue of“agriculture， countryside and farmers” and promoting rural revitalization strategies. This paper takes 30 rural commercial banks as the research object， uses improved DEA analysis method and grey forecast model to analyze and predict their operating efficiency. The research shows that Chinas rural commercial banks total factor productivity is steadily increasing， which is largely affected by the efficiency of technical efficiency and technological progress. It will maintain a steady growth trend in the next three years， and the difference in productivity in different regions is converging. Technical efficiency has always maintained a relatively stable state， fluctuating above and below the critical value 1， which is greatly affected by the efficiency of pure technological progress， and regional differences have little impact on it. On the basis of this， it puts forward policy recommendations such as rationally adjusting the scale and strengthening financial innovation.

Key words： rural commercial bank; operating efficiency; total factor productivity; DEA model; grey forecasting method

（責(zé)任編輯：李丹;校對(duì)：龍會(huì)芳）