城市商业银行改革发展绩效评价及改进方向
——基于三阶段DEA模型Malmquist指数分析法的研究

陈一洪

（泉州银行，福建 泉州，362000）

城市商业银行改革发展绩效评价及改进方向
——基于三阶段DEA模型Malmquist指数分析法的研究

陈一洪

（泉州银行，福建 泉州，362000）

基于国内62家城市商业银行2009-2016年相关数据，使用三阶段数据包络分析模型对城商行的改革发展绩效进行实证分析发现：2010-2012年间，城商行全要素生产率的提升主要来自于规模效率的增加，而纯技术效率及技术进步变化并不明显；2013-2016年间，在技术进步没有改善的情况下，随着规模效率的递减，城商行的全要素生产率呈现持续下降态势。因此，从一定程度上来讲，近几年城商行的快速增长主要得益于宏观经济及监管政策红利驱动的规模扩张，这与监管层面的政策目标是不一致的。城商行必须摆脱对规模扩张路径的依赖，充分认识创新转型对其发展的推动作用。一方面，加快以知识信息数据等新生产要素为支撑、以新技术新业态新模式为核心的金融创新，通过创新改造传统业务、培育新的利润增长点以及实现跨界合作，释放发展新动能；另一方面，持续不断地变革转型，通过强化战略思维转型、组织机制转型，强化信息科技支撑，提高价值创造力。

三阶段DEA模型；全要素生产率；城市商业银行

一、研究背景及文献综述

城市商业银行（以下简称“城商行”）是我国多层次银行业体系的重要组成部分，在活跃银行业竞争、服务地方实体经济中有着举足轻重的地位。自2004年银监会颁布城市商业银行监管与发展纲要以来，城商行通过引资重组、化解风险、更名改制、规范经营，逐步走上健康可持续发展道路。尤其在经历战略投资者引进、跨区域经营、综合化发展等一系列卓有成效的改革之后，城商行在银行业体系中的市场份额不断提升、竞争力明显增强。根据银监会官方网站公布的统计数据，2003-2012年间，城商行各项资产余额年复合增速达到26.75%，总资产规模从1.46万亿增长到12.35万亿，市场份额从5.30%提升到9.24%，增加了近4个百分点；资产利润率则由2004年的0.51%提升至2012年的1.22%。在整体发展成效显著的同时，城商行内部发展不均衡的现象值得关注，全国133家城商行中，仅北京银行、江苏银行、上海银行、南京银行四家资产规模合计就达到6.7万亿元，占全国城商行总资产的比重超过23%，大多数城商行规模体量小①全国133家城商行中，仅4家城商行资产规模达到1万亿元以上，90家规模不足2 000亿，占比近2/3。、品牌知名度低、抗风险能力弱，在当前日益深入推进的金融市场化改革浪潮中，面临着前所未有的挑战和机遇。在这样的发展环境下，对城商行近年来改革发展绩效及其变化进行研究具有重要的现实意义，不仅有利于城商行发现自身存在的问题，进而为提升经营效率、增强核心竞争力提出有针对性的政策建议，也有利于监管层面提高对城商行监管政策的有效性，为进一步推动城商行改革发展指明方向。

关于经济主体发展绩效的评价方法中，数据包络分析（DEA）成为一种广泛采用的方法，尤其在商业银行的绩效评价中（张健华，2003）。近年来，随着城商行的发展壮大，城商行绩效评价越来越成为学界关注及研究的焦点。芮有浩等（2009）运用DEA方法对包括北京银行、上海银行、南京银行等在内的13家有代表性的城商行进行分析，结果发现除北京银行一直保持技术有效外，其他12家城商行均在不同时期出现技术无效。潘秀等（2012）、靳素君（2013）采用相同的方法分别对西北地区3家城商行以及河南省17家城商行不同年份的效率进行评价研究，得出了不同结论。谭元戎等（2013）扩展了研究样本，对35家城商行2003-2008的技术效率进行了实证研究，结果表明城商行的技术效率在此期间处于逐步提升阶段，但相较国有银行及股份制银行仍然处于低位。来自钟培武（2017）的最新研究同样采用传统的DEA模型对12家上市城商行2009-2015年的全要素生产率及其分解因子进行分析，表明，逆势扩张中的城商行更多依靠资产规模扩张以量补价来保持利润的增长，而相应的管理效率却没有实现有效的提升。

从已有对城商行绩效评价的研究文献来看，存在两个方面的不足：一方面，多数研究采用的是一阶段DEA模型，在绩效评价过程中无法剔除外部环境因素的影响，导致评价结果准确性较低（蓝虹等，2014）。尤其是城商行分布地域广泛，不同城市差异化的经济发展水平、金融生态环境及市场化程度均会对城商行的经营绩效评价产生一定的影响，因此，只有剔除这些外部环境因素的影响后进行数据包络分析才能得出更为准确的绩效评价结果。另一方面，多数研究样本存在较大局限性，部分研究局限于12家上市城商行（5家A股上市、7家H股上市），对广大非上市城商行而言不具有参考价值，部分研究局限于某一省域或区域，比如前述西北、河南等，部分研究虽不局限于某一区域，但研究样本较少，同样不具有代表性。据此，本文将采用三阶段数据包络分析模型的Malmquist指数分析法对城商行近年来改革发展绩效进行实证分析，评估其投入产出效率，提高城商行绩效评价的科学性与准确性。三阶段DEA模型最大的特点是在一阶段分析的基础上运用随机前沿分析法（SFA）剔除环境变量对商业银行绩效的影响，通过调整投入或产出指标将各个评价主体置于同一计量评价起点，从而提高数据包络分析的准确性（Fried et al.2002）。同时，本文较大程度地扩展了研究样本与区间，除了成立未满5年的西藏银行以及2016年才正式开业的海南银行外，样本城商行地域覆盖除港澳台以外的所有省、自治区、直辖市，样本具有较强的代表性。样本研究时间跨度自2009年起至2016年，刚好处在全球金融危机之后，涵盖城商行发展较快的2009-2012年以及发展放缓的2013-2016年两个不同周期。

二、研究样本及其指标选择

目前全国范围内共有133家城商行，各家城商行在信息披露规范性、完整性上存在一定差异。通过查找城商行官方网站以及《金融时报》上披露的年报信息，本文共搜集到62家城商行②62家城商行包括：规模1万亿以上的北京银行、江苏银行、上海银行和南京银行（共4家），规模在5 000亿～1万亿的盛京银行、宁波银行、徽商银行、杭州银行、天津银行、厦门国际银行、锦州银行、哈尔滨银行（共8家），规模1 000亿～5 000亿的广州银行、包商银行、长沙银行、重庆银行、贵阳银行、郑州银行、成都银行、吉林银行、江西银行、河北银行、昆仑银行、青岛银行、苏州银行、兰州银行、东莞银行、九江银行、汉口银行、西安银行、齐鲁银行、广东南粤银行、温州银行、富滇银行、桂林银行、厦门银行、威海市商业银行、长安银行、洛阳银行、晋商银行、浙江稠州银行、海峡银行、台州银行、宁夏银行、北部湾银行、浙江民泰银行、浙江泰隆银行、内蒙古银行、青海银行（共37家），规模1 000亿元以下的承德银行、晋城银行、上饶银行、莱商银行、攀枝花商业银行、临商银行、平顶山银行、烟台银行、东营银行、嘉兴银行、金华银行、泰安银行、达州市商业银行（共13家）。2009-2016年的相关财务数据。截至2016年末，62家样本城商行资产规模合计22.8万亿元，占国内城商行总资产的80%以上。

在数据包络分析中，投入产出指标的选择非常关键（毕功兵等，2009）。关于商业银行投入产出指标的选择，目前理论界存在三种方法：一是生产法，强调对银行经营绩效的评价，以劳动力、固定资产等要素作为投入，以银行提供的金融服务及交易笔数作为产出；二是资产法，侧重银行资金来源与运用的循环，强调商业银行作为信用中介规模效率的考察，因而将负债表中的存款等资金来源作为投入指标，将贷款等资金运用作为产出指标；三是中介法，主要侧重于评价银行运用资金来源获取收益的能力，因而一般以利润、收入等指标作为产出，而把各类资金成本作为投入指标。如表1所示城商行自股份制改革以来，作为自主经营、自负盈亏的法人实体，无论是监管层还是城商行自身，都更加强调市场化原则，因而，在对其投入产出指标的选择上注重反映其经营绩效及盈利状况。所以，投入指标的选择主要依据生产法，选择固定资产、员工人数、业务及管理费三个指标作为投入指标，而在产出指标的选择上则兼顾资产法和中介法，选择营业收入指标反映其盈利能力，选择贷款余额指标反映其金融服务能力。

表1 投入产出指标的描述性统计结果（2009-2016）

在第二阶段影响城商行绩效环境变量的选择上，本文结合城商行经营环境特点以及已有理论研究，选取以下3个环境变量。一是股权结构变量。反映城商行产权形式差异对城商行绩效产生的影响。产权配置影响城商行的资源配置行为，尤其是国有股权占比较高的城商行，其经营行为在更大程度上受到地方政府的影响，地方政府出于自身政绩需要而施加于城商行主体的经营决策有可能对城商行的经营绩效产生负面的影响（La Port et al.2002）。二是地方经济增速，反映地方经济发展水平对城商行绩效的影响。较快的GDP增速能够为城商行的规模扩张提供充足的动力，尤其在信贷投放方面，同时，经济发展水平越高，城商行资产质量压力也会越小。三是贷款市场份额，反映城商行所处城市银行业竞争程度对城商行绩效评价的影响，贷款市场份额越大说明对当地银行业市场的垄断程度越高、竞争程度就越小。

三、基于三阶段DEA模型的全要素生产率分析

根据文章安排以及前文关于样本及指标的选择，本部分运用三阶段DEA模型的Malmquist指数分析法，定量分析62家样本城商行2009-2016年发展总体绩效，包括全要素生产率、技术效率、技术进步，并比较研究城商行发展绩效动态变化。通过DEA模型的Malmquist指数分析法可知，全要素生产率指数=技术效率变化指数*技术进步指数，而技术效率变化指数又可以分解为规模效率指数与纯技术效率指数两部分。全要素生产率反映城商行生产效率的变动，如果全要素生产率指数大于1，表明生产效率较前年有增长，反则下降；技术进步指数反映城商行生产前沿面的变化对全要素生产率造成的影响，表示在不增加要素投入条件下，通过技术水平的改进实现生产效率的提升，当技术进步指数大于1时意味着城商行实现技术进步，小于1时意味着技术退步；技术效率指数反映的是在规模报酬不变且生产要素可自由处置条件下的相对效率变化，它测度城商行在不同时期既定技术水平下投入产出的有效性，当技术效率指数大于等于1时表明城商行在现有技术水平下投入产出处于最佳状态，当技术效率指数小于1时表明城商行的投入要素存在浪费现象。

表2 样本城商行绩效变化比较分析

表3 第二阶段——各变量SFA的估计结果

第一阶段使用DEA模型的BCC分析法对样本城商行经营绩效进行评价（如表2第一阶段所示）；第二阶段运用随机前沿生产分析法（SFA），以第一阶段数据包络分析求出的三个投入的松弛变量作为因变量，以前述环境变量作为自变量，采用Frontier4.1软件进行随机前沿分析，根据投入的不同使用独立的回归方程，剔除环境变量对城商行经营绩效评价可能产生的影响（如表3所示）；第三阶段运用第二阶段调整后的投入指标来替代原始投入数据，再次运用DEA方法分析获得样本城商行的经营绩效评价，所得的各个效率值即为剔除外部环境变量后的效率值（如表2第三阶段所示）。

图1 城商行全要素生产率变动（2010-2016）

如图1所示，2009-2016年以来国内城商行全要素生产率增长呈现明显的阶段性，2009-2012年全要素生产率表现为正增长，而2013年起则转为负增长，并且一直保持至2016年，2011年处于波峰，而2013年则处于波谷。另一方面，从全要素生产率变动的组成部分来看（如表4），技术效率改进在2013年以前占主导地位，而技术效率改进主要来源于规模报酬递增，即城商行依靠规模扩张在更优规模条件下实现技术效率的改进及全要素生产率的增长；在此阶段，除2010年出现小幅的技术进步（0.3%）外，2011年及以后均表现为技术退步。2013年以后规模报酬变动体现为规模报酬递减，受规模报酬递减及纯技术效率改进幅度有限的影响，城商行技术效率变动逐步向负增长过渡，加之技术退步，城商行全要素生产率开始负增长。

表4 样本城商行历年全要素生产率增长率及其分解（单位：%）

2009年，银监会发布《关于中小商业银行分支机构市场准入政策的调整意见（试行）》，放开了城商行设立分支机构数量指标的限制，国内城商行紧紧抓住这一政策利好，加大扩张步伐。据不完全统计，至2010年末，共有超过50家城商行跨区域设立了近190家分行，其中，仅2009年当年便有27家城商行跨区域设立了36家分行。跨区域经营成为城商行规模扩张的重要引擎，以山东日照银行为例，2009年4月开业的青岛分行至2010年末为日照银行带来超过60亿元的本外币存款规模，贡献日照银行2009-2010年存款增量的34%；再以北京银行为例，2007年开业的上海分行通过同城网点的设立实现链式扩张，至2011年资产规模就突破600亿元，相当于一家中等城商行的资产规模。规模扩张进一步拓展了城商行发展空间，尤其是通过在国内一二线城市设立分行来吸收充裕的资金以及人才资源，为城商行全要素生产率的提升奠定了基础。因此，如模型分析结果（表4）所示，2010-2011年样本城商行规模报酬以每年超过12%的增长率递增，有效拉动了城商行全要素生产率的增长。然而，2011年初曝光的齐鲁银行③齐鲁银行是这一时期城商行快速扩张的典型样本之一。2009年末齐鲁银行总资产617亿元，较2008年增长28%，而到2010年末，总资产达到821亿元，较上年增长了33%，相当于两三年再造一家齐鲁银行。亿元票据诈骗案将城商行高速扩张隐含的风险充分暴露出来，2011年城商行异地扩张审批全面收紧④在2011年全国两会期间，时任国务院副总理王岐山指出，小银行跨区域经营从城镇化角度来讲是好事，但同时成本也会增加，他要求小银行不应盲目求大。随后召开的城商行年会上，时任银监会主席助理阎庆民明确表示，将审慎推进城商行跨区域经营，把城商行内控机制作为重点检查项目，对于内控不健全的城商行新设网点申请暂停审批。。受此影响，城商行资产规模增幅由2009年的37.46%、2010年的38.25%迅速下降至2011年的27.15%、2012年的23.66%。同样，城商行规模报酬变动也由2011年的13.2%降至2012年的2.1%，2013年更是由正增长转为负增长，城商行开始出现规模报酬递减，这既有规模扩张放缓带来的规模效益的下降，也有要素投入产出递减带来的效益递减。

四、城商行粗放式增长模式的动因及代价分析

如前文分析，在增长方式上，城商行更加依赖规模扩张，通过要素投入（包括网点、人员等）数量的持续增加推动收入及利润的增长。显然，这一现实路径选择并不符合监管政策目标。如何理解这种冲突并走出冲突的困境是接下来本文要解决的关键问题。

（一）城商行粗放式扩张模式的动因分析

在驱动城商行产出增长的要素中，规模的贡献显然是不可或缺的。从业务角度看，银行是一个具有较强规模效应的行业，它不仅仅反映在渠道及客户覆盖面上，而且在IT建设方面，银行规模越大，信息科技的投入产出效率也越高。从更加微观的角度来看，规模在一定程度上决定着产出的大小，在以净息差为主要收入来源的传统商业银行当中，生息资产的规模在很大程度上影响商业银行的盈利水平；同样，包括银行卡、结算业务、现金管理、资金托管等在内的中间业务也有赖于银行规模，规模越大，能够带来的中间业务收入也越高。我们以2016年国内上市银行净利润增长因素回归分析来看，上市银行净利润整体增速为2.69%，其中，生息资产规模增长贡献率达到11.68%，非息收入及成本费用的贡献分别为5.72%和5.11%。这种现象在城商行中表现得更为突出，上海银行、江苏银行、南京银行、宁波银行、杭州银行、贵阳银行6家上市城商行平均生息资产规模增长对净利润增速的贡献均在20%以上，尤其是南京银行和贵阳银行，规模贡献达到40%以上，可见，城商行净利润的高速增长很大程度上依赖于规模扩张。

而另一个不得不正视的问题是，城商行规模扩张的背后不仅仅是包括资产、存款、贷款在内的一连串财务数据，更代表了城商行在当前制度供给环境下所能获取的资源及政策支持力度（陈一洪等，2012）。研究表明，政府及监管机构几乎为零的制度供给规模弹性以及大型银行更加明显的中介作用，一定程度上提高了制度供给收益，因此，大型商业银行往往成为政府及监管机构制度供给的最大受益者（朱建武，2007）。我们可以看到，无论是跨区域经营、非银行金融机构的准入、非金融企业债券承销商资格等市场准入，还是上市核准，大型城商行往往处于竞争领先位置，A股上市城商行中规模最小的贵阳银行资产规模也已突破3700亿元，北京银行、上海银行、江苏银行、南京银行四家城商行资产规模则是万亿量级的；而绝大多数金融业务牌照的准入都有规模门槛，例如，商业银行申请托管业务结算资格应满足最近3个会计年度年末净资产不少于400亿元⑤⑥详见《中国证券登记结算有限责任公司结算参与人管理工作指引（2017年修订版）》（中国结算发字[2016]175号）。；在跨区域经营方面，学者的研究结果表明，进行跨区域经营城商行的资产规模远远大于未进行跨区域经营的城商行（王擎等，2012）。同样，在地方政府眼中，城商行规模大一级，能获得的政府政策支持也越多，比如，多数地方城商行由市一级管理，而一个省内规模最大的城商行往往会被纳入省级管理，从而升格为省级城商行，这种管理体制的调整变化往往也意味着政策及资源倾斜力度的增强，这不仅是为了做大做强城商行本身，更是为该省在全国范围内打造有实力的省级法人金融机构打下坚实的基础⑦这种例子在国内很多，比如河北银行，原名石家庄商业银行，也是河北省内规模最大的一家城商行，2009年更名为河北银行，2012年，河北省委、省政府决定将其纳入省级管理。同样的例子还有宁夏银行（原为银川市商业银行）、富滇银行（原为昆明市商业银行）、北部湾银行（原为南宁市商业银行）等。。

在后发优势及赶超战略的驱动下，上述两点结合形成了支持规模扩张战略的粗放式增长方式，即主要依靠新设分支机构、增加人员投入和扩张资产规模来实现产出增长的道路。换言之，规模效应、制度供给规模偏好和粗放型增长方式构成了城商行发展三位一体的均衡。因此，尽管监管层面反复强调城商行要走精细化、专业化发展之路，从粗放型增长模式转向集约化增长，并且城商行自身也意识到了这一点，但是这一增长方式的根本性改变至今都未完成。

（二）城商行粗放式扩张模式的代价

然而，依靠规模驱动的粗放型增长方式是不可持续的。首先，宏观经济增长及监管政策红利消失，城商行面临资产质量管控及规模增长的双重压力。一方面，中国GDP增速由2011年以前的9%、10%以上的高速增长降至2011年以后的8%以下、甚至近两年的7%以下的中低增速，城商行经营发展的宏观经济环境逐步弱化。尤其随着部分区域风险的集聚、暴露，城商行资产质量下滑，不良资产对利润的侵蚀越来越严重。银监会统计数据显示，城商行不良贷款率从2012年末的0.81%逐年上升至2016年末的1.48%，部分城商行更是接近或突破2%，受此影响，城商行加大对不良贷款核销力度，确保资产质量得到有效控制。另一方面，央行宏观审慎评估体系将狭义信贷管理提升为广义信贷管理，将买入返售、债券投资等新型资产业务悉数纳入到管理体系当中去，这对城商行自2011年起通过主动加杠杆扩大资产负债表的规模扩张模式⑧具体表现在资产端依赖交叉金融业务即同业业务来扩张资产，负债端则主要依赖批发性融资，包括同业存款、回购以及发行同业存单等融入资金。将产生重大的影响。本文对62家城商行的数据统计分析发现，样本城商行贷款在总资产中的占比从2009年末的50.62%降至2016年末的35.75%，而同业资产、应收款项类投资资产占比则一路升至30%及以上，个别城商行甚至超过45%。而受广义信贷指标的约束，城商行依托同业资产扩张规模的速度将明显下降，详见表5，表6。

表5 城商行不良贷款率与国内GDP增速对比表（2009-2016）

表6 城商行贷款资产比率及存款负债比率趋势图（2009-2016）

其次，持续的规模驱动型增长模式带来城商行人均产能的下滑以及资本充足率压力。规模驱动的增长模式虽然一定程度上带来产出的增长，但人均产能在达到一定水平之后会出现下降。以前述62家城商行为例，2009-2013年人均从31.74万元上升至61.56万元，但2013年以后人均不增反降，跌至2016年的59.25万元。此外，持续的规模扩张给城商行的资本补充带来较大的压力，而当前宏观审慎评估体系以广义信贷的口径来要求资本金，将债券投资、买入返售资产等纳入逆周期缓冲资本的计提范畴，计提范围的扩大进一步加大城商行的资本补充压力。从62家城商行来看，资本充足率从2009年的14.04%降至2016年的12.40%。受此影响，城商行加大资本补充力度，除资本市场融资外，更多城商行通过发行二级资本债、定向增资来募集资本（张琳，2015）。但受经济下行、信用风险上升的影响，融资规模可能会受限，融资难度也将有所增加，未来城商行资本补充压力将明显加大。资本的稀缺性决定了城商行依靠规模驱动的粗放型增长模式不可持续。

表7 城商行人均产能及资本充足率趋势表（2009-2016）

第三，长期粗放型增长模式导致城商行全要素生产率的下降。依赖于规模持续扩张带来收入的增长，城商行失去对技术进步的投入，在改善经营管理、制度体系方面也缺乏动力。2011-2016年六年间城商行的技术进步指数都小于1，表明城商行的技术水平退步。2011及2012年受益于规模效率的增长，城商行的全要素生产率仍然表现为上升，但从2013年开始，技术退步叠加规模效率的下降导致城商行全要素生产率出现明显下滑，2013-2016年，全要素生产率分别较上年度下降2.7个百分点、0.8个百分点、2.3个百分点和1.8个百分点（如表4所示）。直观地看，在规模继续保持快速扩张的情况下，城商行盈利能力出现明显下滑，其资产利润率由高峰时的1.22%下降至2016年的0.88%，这一直观的结果与前面对全要素生产率的分析结果是一致的。

五、结语：创新转型实现纯技术效率改进和技术进步

在中国经济从外需拉动向内需拉动、从投资驱动到创新驱动、从粗放发展到集约发展转变的当下，城商行面临着成长的烦恼、发展的瓶颈和转型的压力（中国经济增长前沿课题组，2013）。而站在商业银行发展规律的角度来看，从粗放式增长向集约化增长的转变是一个必经过程，这个转型过程正好体现城商行由过去注重规模扩张向纯技术效率改进及技术进步转变。过去规模扩张的粗放式增长模式更多依赖于外部宏观经济及监管政策利好，而要实现纯技术效率的改进及技术进步则更多源于城商行内部创新与转型（吴晓云，2012）。

根据上述研究结论，本文提出以下两点政策建议：

第一，创新驱动，释放发展新动能。当前，新一轮科技革命正在向经济社会各领域广泛渗透，业态多元化、产业融合化、组织网络化、发展个性化等新态势加速呈现。城商行须加快以知识信息数据等新生产要素为支撑、以新技术新业态新模式为核心的金融创新。一是以创新改造传统业务。城商行要抓住机遇，提升客户洞察力，以创造新需求、引导新消费为手段，积极推动服务方式、客户沟通和营销模式的创新，探索新的商业模式；要结合客户消费方式的变化，利用互联网、大数据、云计算等新技术成果，提升产品和服务的附加值，推动城商行传统业务转型升级。二是以创新培育新的业务增长点。城商行要加快推进新业务的孵化、开发工作，积极探索进入新业务领域的可能性，培育新的利润增长点。同时，要继续运用市场化方式，加快培育潜力大、增长快、带动力强的业务。具有低资本占用、低风险特征的投资银行、交易银行将成为城商行新的业务增长点，因此，要在业务管控模式、激励机制、团队建设等方面积极探索，大胆创新，为新业务的培育提供扎实的基础。三是以创新实现跨界合作共赢。积极寻求外部跨界合作，利用商业银行市场地位优势，推动与第三方中介机构、非银行金融机构间的合作，形成新的商业模式，实现多方共赢（郭田勇等，2015）。四是以创新激发内生动力。进一步改革优化现有管理体系，将创新理念融入经营管理，通过机制的保障，使创新成为城商行的常态化工作。须重视创新型人才培养，通过自主培养和对外引进相结合，吸纳科技型、业务创新型、管理创新型人才，并注重其创新能力的培养与激发。同时，大力倡导与培育创新文化，积极推动基层创新，形成全行上下求新、求变、求发展的强大动力。

第二，转型升级，追求内涵式发展。转型升级不仅仅是进入一个新的行业，而是在不断变化的行业和产品价值链中寻找自己合适的位置，从而建立优势、抢占市场先机。过去，依托传统存贷业务，尤其是公司、小微金融，部分城商行获得较大成功并形成行业典范。然而，受制于经济下行和自身短板，城商行的这些核心业务都面临着巨大的转型压力。那么，城商行下一步转型的方向在哪里？从区域布局来看，城商行应充分利用业已形成的区域化经营格局来分散自身经营风险，同时，充分利用区域政策优势，比如，“一带一路”、自贸区等政策利好，为业务转型升级搭建良好的平台。从资产与业务组合来看，除了现有传统业务的转型创新外，城商行需定期检视资产配置，适当倾斜适应产业结构转型和消费升级的零售金融业务，增加业态组合。总的来看，城商行需要在不断变化的银行业发展环境中，洞察银行业的本质、遵从市场的规律、持续不断地变革转型，提升价值创造能力。一是强化战略思维转型。从粗放式增长向集约化增长转型，城商行需要同步转换战略思维，要从规模思维转向效率思维。这种战略转型背后对应的是对城商行传统商业模式的重新认识和把握，是对全行资源配置的重新布局与优化。因此，需要统一全员思想认识，在全行上下形成合力，才能在具体实践中取得应有的成效。二是推进组织机制转型。城商行需适应转型要求，调整、优化现有各级组织架构及管理机制，建立灵活高效的组织（樊志刚，2014）。包括，加快流程再造，突出“以客户为中心”，运用精益六西格玛等工具，持续改进和优化流程管理，提高运营效率；还要着力简化非关键管理流程，缩短决策过程，提高决策效率；总行要与分支机构建立合理的授权机制，让负责具体业务的一线人员有足够的权力，自主决策调动资源及时行动。三是提高信息科技和IT支撑能力。一项对美国商业银行的研究表明，在增加信息科技专项投入后，其资本利润率提高了近10个百分点，成本收入比则下降了12个百分点。相对于大型银行，城商行在信息科技支撑方面处于劣势，对信息科技的投入是城商行不可回避的战略性问题。因此，未来城商行应积极主动对信息科技进行投入，每年拿出税前利润的一定比例作为科技建设资金，适应市场环境的变化，提升管理的信息化、数字化，增强部门协作效率、业务拓展和创新能力，提高客户绩效和财务绩效。

[1] 张健华. 我国商业银行效率研究的DEA方法及1997～2001年效率的实证分析[J]. 金融研究，2003,(03):11-25.

[2] 芮有浩,许承明. 基于DEA模型的我国城市商业银行效率动态研究[J]. 南京财经大学学报,2010,(02):50-56.

[3] 潘秀,王雷. 西北地区城市商业银行效率分析——基于DEA和Malmquist指数法的实证研究[J]. 宁夏社会科学,2012,(03):44-49.

[4] 靳素君. 基于数据包络分析（DEA）模型的河南省城市商业银行效率研究[J]. 金融理论与实践,2013,(10):61-64.

[5] 谭元戎,顾颖,赵自强. 中国城市商业银行的技术效率及其影响因素的实证分析[J]. 经济问题探索,2013,(06):47-53.

[6] 钟培武. 逆势扩张的城商行：规模增长还是效率提升?——来自上市城商行的DEA-Malmquist检验[J]. 金融理论与实践,2017,(07):64-67.

[7] 蓝虹,穆争社. 中国农村信用社改革后的绩效评价及提升方向[J]. 金融研究，2014,(04):63-82.

[9] 丁俊. 对我国地方性商业银行效率的国内比较研究[J]. 金融论坛，2001,(07):19-22.

[10] 迟国泰,芦丹,孙秀峰. 基于城市差异系数的城市商业银行效率评价模型及实证研究[J].管理工程学报，2007,(03):29-35.

[11] 陈一洪. 股权结构、跨区域经营与经营绩效——基于城市商业银行随机前沿生产函数的分析[J]. 广东财经大学学报，2013,(05):19-27.

[12] 林再兴,陈一洪. 国内城市商业银行规模扩张的路径分析及启示[J]. 金融发展研究，2012,(12):65-69.

[13] 陈一洪,刘惠川. 城市商业银行制度供给规模偏好的经验考察——来自城市商业银行面板的证据[J]. 科学决策，2012,(12):15-28.

[14] 朱建武. 中小银行规模扩张的动因与行为逻辑分析[J]. 财经理论与实践，2007,(04):2-7.

[15] 王擎,吴玮,黄娟. 城市商业银行跨区域经营：信贷扩张、风险水平及银行绩效[J]. 金融研究，2012,(01):41-53.

[16] 张琳. 城商行资本补充困境与资本缓冲顺周期性[J]. 中南财经政法大学学报，2015,(04):102-107+159.

[17] 中国经济增长前沿课题组：张平,刘霞辉,袁富华. 中国经济转型的结构性特征、风险与效率提升路径[J]. 经济研究，2013,(10):4-17+28.

[18] 吴晓云,孙轻宇. 银行创新资源配置战略的形成及对创新绩效影响的实证研究[J]. 研究与发展管理，2012,(06):53-63+95.

[19] 郭田勇,刘旭. 互联网银行时代商业银行如何转型[J]. 清华金融评论，2015,(08):38-40.

[20] 樊志刚,黄旭,谢尔曼. 互联网时代商业银行的竞争战略[J]. 金融论坛，2014,(10):3-10+20.

[21] Fried H O, Lovell Cak, Schmidt S S, Accounting for environmental effects and statistical noise in Data Envelopment Analysis[J]. Journal of Productivity Analysis, 2002,(17）:157-174.

Development Performance Based on Three-stage DEA Model of City Commercial Banks

CHEN Yi-hong
(Bank of Quanzhou, Fujian Quanzhou, 362000)

The paper estimates the total factor productivity (TFP) by three-stage analysis model on 62 city commercial banks of China from 2009 to 2016. The results show that, from 2010 to 2012, the improvement of total factor productivity of city commercial banks mainly came from the increase of scale efficiency, although the change of pure technical eff i ciency and technological progress was not obvious. From 2013 to 2016, in the absence of improvement in technological progress, with the decline of scale efficiency, the total factor productivity of city commercial banks showed a sustained downward trend. To a certain extent, scale dividend that underpins the qualitybased extensive growth has remained the main engine for city commercial banks’ growth, which is against current policy targets. However, the type of extensive growth mode is unsustainable. In the long term, city commercial banks must shake off dependence on its “scale dividend” and obtain an “Eff i ciency dividend” through transformation and upgrading, pursuit of intensive-type development so that it can further unleash its growth potential to maintain sustainable growth.

Three-stage DEA Model; Total Factor Productivity; City Commercial Banks

F832

A

2095-7572(2017)06-0032-11

2017-10-15

陈一洪（1987-），男，福建泉州人，经济学硕士、经济师，现供职于泉州银行董事会办公室。

﹝执行编辑：李春涛 ﹞