基于DEA模型的互联网金融背景下山东省本土商业银行经营效率测度

【摘要】近年来我国经济发展迅速，尤其是提出互联网+以来，我国国内经济环境已经发生巨大轉变，国家的各个部门对这个新变化都积极做出反应。银行业作为我国金融行业的代表，在近几年的发展中增长飞快，在互联网+的背景下，面对互联网金融的影响，传统的商业银行的经营效率值得我们思考。本文通过确立投入与产出指标，以2010～2014年山东省10家本土银行的年度财务报告为数据样本，基于DEA模型，对这10家商业银行的效率进行了测算，并对测算结果进行了综合分析，在此基础上给出了面对互联网金融的影响商业银行经营效率的对策建议。

【关键词】商业银行 经营效率 DEA模型 互联网金融

一、引言

2013年被视为我国互联网金融崛起的发展元年，在2014年和即将过去的2015年，我们的衣食住行已经与互联网金融这个新兴的概念紧密的结合在一起，从以支付宝为代表的支付方式的改变，到以余额宝、招财宝等理财方式的革新，再到P2P、众筹等多元化投资方式的到来，无不以互联网金融紧密相连，可以说现如今互联网金融已经在我们的经济生活中引起了翻天覆地的改变。

与传统的商业银行模式相比，互联网金融可以提供更便捷高效的金融服务，以满足不同时间、不同地点的不同消费者的各种金融需求，虽然目前互联网金融还必须依托于实体商业银行实现资产变现，但互联网金融的这种高速发展无疑对传统商业银行造成了强烈冲击，现今商业银行不得不改进经营策略，推出许多高收益的金融产品，以减少互联网金融的冲击，减少活期存款被过度分流而增加银行经营成本，降低利润。传统的依靠存贷利率差来赚取利润的“轻松”盈利方式不得不发生变化。

对于商业银行运营效率的研究一直是比较热门的话题。最早是Sherman and Gold（1985）通过数据包络分析法（DEA）测算研究了商业银行的经营效率问题，此后应用DEA方法测算银行经营效率呈现出多方向的发展趋势，并在学界受到广泛的关注。国内最早应用这一方法进行研究的是薛峰，杨德礼（1998），之后不断有学者在各个方面对这一方法进行创新和改进，使之更贴切的研究商业银行的运营效率。运用DEA这一运筹学方法研究商业银行的经营效率之所以被认为是有效的，是因为DEA方法的几个特性，比如它的评价结果实物量纲的，测算结果可以适用于各个规模银行进行比较等等。

应用方法的创新方面，最初学者通过基础的DEA-CCR模型以及BCC模型测算商业银行的技术效率、规模效率以及综合效率，到后来的熊正德（2008）在DEA模型上引入典型相关性分析（CCA），建立了CCA-DEA模型，改进了传统的测算范式，邹文杰（2014）应用Hybrid DEA模型对台湾34家商业银行进行效率分析，李双杰（2015）通过构建中间指标，建立了交叉效率的“自互评”模式的DEA模型等等。这些研究都使得原本的商业银行效率研究更加贴合实际。

目前而言，国内对于商业银行的效率研究已经十分成熟，但对于互联网金融的发展对于商业银行运营效率的影响方面研究比较少。互联网金融对于商业银行的影响到底如何，是积极影响居多还是消极影响居多，是对银行的竞争性颠覆还是互融共生，这些问题目前而言还没有一个明确的答案。本文将基于山东省十余家本土银行2013年前后的数据，运用DEA模型测度中小型商业银行的营运效率，并从结果中分析互联网金融对于这些银行的冲击。

二、DEA模型的运用

（一）效率的定义

本文首先对一下研究中所涉及的效率给出定义，见下表：

（二）DEA模型

数据包络分析法是一种非参数方法，主要借助于数学规划通过比较决策单元（DMU）偏离前沿面的程度来评价决策单元的相对效率。

本文的研究运用的是DEA方法模型中的规模报酬不变模型（CRS）。CRS模型是Chames，Cooper和Rhodes（CCR，1978）所提出的最基本的DEA模型，因此也称为CCR模型。假设共有N家银行，这N家银行的投入为K项、产出为M项，那么对于第i家银行，分别用向量x和y来表示：

（1） ■，

■，i=1，2，...，N

我们将K×N维投入矩阵，M×N维产出矩阵分别用X、Y来表示。■即是我们需要求出的所有投入和产出之比。假设规模报酬不变，则最优权重可由公式（2）得出：

Max（■）

（2） S.t.■ j=1，2，...，N

■

公式（2）即为第i家银行中所有产出与所有投入的加权比例。为避免得出无穷多解，可增加约束vx=1，则上述规划问题变为：

Max（■）

■

（3） S.t.■ j=1，2，...，N

■

由对偶原理，可以推出如下等式：

Max θ

■

（4） S.t.■ i=i，2，...，N

■

公式（4）中θ满足■，λ是NX1为常数向量，代表各投入要素与产出之间的比重。

我们将CCR模型求出的值成为技术效率，其意义是当第i家银行的产出保持不变时，如果以选取样本中最佳银行数据为标准，那么结果为银行实际所需要的投入比例。表示第i家银行在投入达到顶峰时所浪费掉的部分，即可以免去投入浪费的最大比例。

三、指标选取以及数据来源

（一）指标选取

关于研究银行业效率的投入产出指标的选取工作，学术界尚未形成统一意见。综合近年来国内外多位学者的研究经验，可以将投入产出指标的选取总结为生产法、中介法以及资产法三种基本观点。

投入与产出指标的选取是否合理，是采用DEA方法测算商业银行运营效率的关键环节。由于在现阶段我国银行业进行分业经营管理，因此，实现投入指标和产出指标的同质并不困难。本文将把银行业视为以营利为目的的企业，采用生产法确定投入产出指标，同时，本文总结了以往国内外学者指标选取的经验，并结合我国银行业的经营特点，构建出了自己的投入产出指标，具体情况如下表所示：

（二）数据来源

本文的研究对象为山东省本土商业银行，选取了包括青岛银行、恒丰银行、齐鲁银行、齐商银行、东营银行、日照银行、泰安银行、威海市商业银行、潍坊银行、烟台银行在内的10家山东省本土商业银行2009～2014年的面板数据作为分析样本，数据来源于各个银行网站公布的相关财务数据。这段期间我国经济发展迅速，而且包括了互联网金融发展的分水岭，具有可研究性。

四、经营效率的测度与实证结果

根据本文所确定的投入与产出变量，结合山东省10家本土商业银行的财务数据，利用DEA Solver Pro 5软件，采用CCR模型和BBC模型，基于Malmquist DEA数据处理方式，我们得出了纯技术效率（PTE）、规模效率（SE）和技术效率（TE）的具体效率值。由于各家商业银行的具体财务数据比较庞大，我们不再单独展示。下面重点对样本数据中的10家商业银行的效率情况进行分析。

利用DEA Solver Pro 5软件，测得山东省10家本土银行2010 ～2014年的技术效率值（TE）、纯技术效率值（PTE）、规模效率（SE）具体数值如下表所示：

技术效率是对商业银行综合效率是对商业银行资源配置能力、资源使用效率等多方面能力的综合衡量与评价，其数值越大，说明银行资源配置能力越强，投入产出的效率越高。上表说明，山东省这10家本土商业银行在2010～2014年期间的投入产出效率较高，5年间的平均技术效率值为0.981，这意味着在所有投入中只有1.9%的浪费，这个比例是很小的，说明山东省的本土银行的经营过程是比较细致的。山东省这10家本土商业银行在2010～2014年期间的投入产出效率较高，5年间的平均技术效率值为0.981，这意味着在所有投入中只有1.9%的浪费，这个比例是很小的，说明山东省的本土银行的经营过程是比较细致的。

纯技术效率反映更多的是银行日常的管理水平和技术策略。从上表中可以看出，从纯技术角度，2010～2014年间，山东省本土商业银行的整体平均纯技术效率值为0.991，这是一个接近1的很高的效率水平。样本期间总体平均纯技术效率呈逐年递增趋势，2014年达到1，这表明从商业银行的日常管理和技术测量上看，2014年山东省本土商业银行的经营情况是高效的。

规模效率是由于银行规模因素影响的生产效率。从上表中我们可以看出，山东省的10家本土商业银行2010～2014年间的整体平均规模效率值为0.99，这是一个很高的效率水平，表明这些商业银行的实际规模已经近似达到最优生产规模，规模经济是很明显的。从上表中我们可以看出，10家本土商业银行的整体规模效率波动不大。可以看到2013年的规模效率值为0.985，低于2012年的0.998与2014年的0.995。

五、研究结论

本文在当前火热的互联网金融迅速发展的背景下，基于DEA 模型，运用DEA Solver Pro 5软件，测得山东省10家本土商业银行商业银行2010～2014年的技术效率值、纯技术效率值和规模效率值。通过对测度结果的分析，得出以下结论。

首先，山东省本土银行的三项效率指标都处于较高水平，整体平均技术效率、纯技术效率、规模效率值分别达到了0.981、0.991、0.990。其次，综合DEA模型得到的三大效率指标，我们可以看出经营规模较大的，发展历史较长的银行倾向于拥有更高的综合效率，而发展历史较短，业务规模不大的银行则有较差的综合效率表现。最后，基于DEA分析输出的效率指标结果，我们可以看出，2013年山东省10家本土商业银行的整体平均技术效率值与规模效率值均较2012年与2014年有略微成都的下降。这反映了互联网金融的兴起在2013年确实对山东省本土商业银行带来了一定程度的冲击。不过，经过2013年的冲击之后，2014年的整体效率值有一定程度的回升，使得综合效率值与2012年相比并無显著差异，而且纯技术效率得到了提升，这说明面对互联网金融的冲击，山东省本土商业银行采取了一定措施提高了自身的经营效率，并取得一定成果。

参考文献

[1]卜振兴.我国上市商业银行效率评价研究[J].西南民族大学学报（人文社会科学版），2014，08：119-126.

[2]管仁荣，张文松，杨朋君.互联网金融对商业银行运行效率影响与对策研究[J].云南师范大学学报（哲学社会科学版），2014，06：56-64.

[3]彭琦，邹康，赵子铱.1993～2003年中国银行业效率的实证分析——基于DEA测度技术的运用[J].经济评论，2005，04：82-89.

[4]毕功兵，梁樑，杨锋.商业银行DEA效率评价投入产出指标选择研究[J].管理评论，2009，06：10-16.

[5]季健，祝婧然，郭云凯.基于DEA模型的江苏上市商业银行经营效率测度[J].财会月刊，2015，26：94-97.

[6]陈一洪.我国城市商业银行2009～2011年生产效率分析——基于DEA模型的Malmquist指数的实证分析[J].科学决策，2013，02：17-32.

[7]万建华.点评：互联网金融模式创新与未来金融业变局[J]. 新金融评论，2012，01：53-55.

[8]王军.互联网金融对商业银行的影响及对策研究[D].首都经济贸易大学，2014.

[9]Afsharian M，Kryvko A， Reichling P.Efficiency and its impact on the performance of European commercial banks[J].Available at SSRN 1916774，2011.

作者简介：丁志皓（1993-），男，汉族，山东德州人，现就读于中国海洋大学，研究方向：金融学。