风险调整视角下的商业银行技术效率研究&基于DEA方法的分析_dea论文

风险调整视角下的商业银行技术效率研究——基于DEA方法的分析，本文主要内容关键词为：商业银行论文,视角论文,效率论文,风险论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      银行面临的风险因素错综复杂，既有外部宏观经济环境、行业内部竞争等带来的无法控制与分散的外生性风险，又有操作风险、流动性风险等内生性风险。如果将这些风险因素都考虑进去，势必会造成银行效率测量值的变化。那么，风险因素会对银行的效率测量产生什么样的影响呢？本文基于数据包络分析(DEA)方法，利用我国3类16家上市银行2010-2012年的数据，以贷款损失准备为衡量银行风险的代理变量，剔除了外生性环境风险，然后计算出了基于风险调整的商业银行技术效率。

      一、文献综述

      如何在管控风险的同时促进效率改进等应用问题，正逐渐成为银行效率研究的重要课题。在此类研究风险对银行效率影响的文献中，风险通常采用贷款损失或不良贷款等指标加以衡量。

      Berger and DeYoung(1997)以贷款损失为衡量风险的代理变量，使用格兰杰因果方法检验了贷款质量、成本效率和银行资本之间的关系，得出了成本效率与贷款损失之间具有负相关性，并以四种假设(坏运气假设、管理能力差假设、节俭假设和道德风险假设)加以解释。Altunbas et al.(2000)同样以贷款损失为衡量风险的代理变量，采用随机前沿分析(SFA)研究了1993-1996年日本银行业风险对银行规模效率和X-效率的影响，得出当考虑风险因素时，最优银行规模相对较小，X-效率对风险有较低的敏感度。杨鹏鹏等(2008)沿用Berger and DeYoung(1997)的做法，使用我国14家商业银行1987-2006年的数据，检验了不良贷款和效率之间关系的4种假设并得出了相似结论。

      鉴于风险与银行效率之间的相关性，Hughes(1999)指出，在测量银行效率时，必须把风险因素考虑进去。Settlage et al.(2009)将银行管理者风险偏好包含进目标规划中，研究了2001年美国的农业银行效率，并发现当不考虑风险因素时，银行效率通常有较低的分值，而基于风险调整后的效率有较高的分值。Chiu et al.(2011)基于数据包络分析(DEA)，采用BCC模型和基于松弛变量的超效率模型(Super-SBM)研究了包含风险因素和不包含风险因素的1998-2002年台湾43家银行的技术效率，并发现包含风险因素和不包含风险因素的银行技术效率之间存在着显著的差异。

      国内学者也对基于风险调整的银行效率问题展开了研究。王聪、邹朋飞(2006)采用正态—半正态的SFA模型和最大似然估计技术测度了我国15家商业银行1996-2003年的成本X-效率，研究发现风险显著影响银行的效率水平和排序，其中对国有银行的影响最大。邱兆祥、张磊(2007)采用超越对数利润函数的形式，基于SFA模型将风险因素作为影响商业银行利润效率的重要变量纳入函数，发现经营风险对边际利润具有显著负影响。梁艳、亢晗(2009)在银行成本效率的SFA模型基础上，将商业银行面临的信用风险、流动性风险和财务风险进行量化，引入超越对数成本函数，研究发现成本与风险呈现正向变动关系。李双杰、郭旭(2009)以不良资产作为银行经营中的风险因素，采用经过风险调整的前沿分析方法中的自由分布法(DFA)，对我国11家商业银行2001-2007年的效率进行了计算与分析，结果表明，非国有银行的平均效率略高于国有银行。岳华、张晓民(2012)采用因子分析与DEA模型相结合的效率评价方法，测量了我国商业银行效率。

      然而，在基于风险调整的效率测量文献中，大多是直接将贷款损失或不良贷款包含在估计框架中。Pastor(1997)指出，虽然这样能够很好地描述银行落后的风险管理导致了资产质量的降低和贷款损失的升高，但如果这些贷款损失是由于不利的经济环境造成的，那么这些银行将会被错误的判定为非效率。黄薇(2009)将由企业内部管理不善所造成风险称为内生性风险，而由宏观经济等外部环境造成的风险称为外生性风险，并指出外生性风险不应当在效率模型和分析中作为投入项加以控制。

      本文基于DEA模型，使用贷款损失准备作为商业银行风险的代理变量，首先，分离出由外生性风险造成的贷款损失，计算出风险管理效率；其次，在基于风险管理效率分值的基础上，分离出内生性风险投入；最后，计算出我国商业银行基于风险调整的技术效率。

      二、研究方法

      对于效率的测量通常有两种方法：非参数法和参数法。非参数法较多的使用数据包络分析(DEA)，而参数法较多使用随机前沿分析(SFA)。Schmidt(1986)指出，DEA估计只是给出了效率测量的上边界，很难比较不同公司之间的效率；DEA不包含统计噪音，这意味着，所有的误差项(如地区价格差异、运气、差的数据和极端的观测值等)都会导致无效率，因此，DEA会得出比SFA更高的无效率值。所以，在不考虑计算复杂的情况下，SFA较DEA有优势。然而，SFA通常测量的是成本效率或利润效率，利润函数假定所有的金融机构使用相同的技术，这与事实是不相符的；其次，SFA在测量效率时需要指定具体的函数形式，使用较多的柯布—道格拉斯(C-D)函数对要素替代率和技术进步的限制过严，近些年采用较多的超越对数函数形式的解释变量又较多，如观察值的数量不够大时，估计出的结果误差较大；再次，不论是测量成本效率或是利润效率都需要价格信息，对于我国这样一个新兴经济体而言，其监管环境和市场的不完全性导致了价格的扭曲，进而会使效率测量值产生偏差。

      一般情况下，非参数方法关注技术上最优而不是经济上最优，而且以DEA为代表的非参数法通常不需要价格信息，并且无需知道前沿生产函数的具体形式即可自如处理多投人和多产出情况。因此，单就技术效率测量而言，本文认为采用DEA方法更加合适。

      (一)风险管理效率模型的建立(Risk Management Efficiency，RME)

      商业银行面临的风险既包括其不可控的外生性风险，也包括可控的内生性风险。内生性风险能较为客观地反映各商业银行的风险承担水平。为准确还原风险调整后的效率水平，有必要在效率模型中剔除外生性风险的影响。区分风险的内生性和外生性原则是它们的可处置性。外生性风险是由外部环境造成，而将环境变量容纳到DEA模型中通常有四种方法。在大多数情况下，由于两阶段法有诸多优点而通常使用该方法。两阶段法是在第一阶段求解一个涉及传统投入和产出的DEA模型，在第二阶段使用第一阶段得出的效率分值对环境变量做回归计算，环境变量的系数符号和显著性水平表明影响的方向和强度。但如果两个阶段使用的变量有着很强的关联性，则结果可能出现偏差。本文首先使用两阶段法来确定环境变量的影响方向和影响强度，然后构造一个单阶段模型用于测量排除外生性风险因素的风险管理效率，模型构造如下：

      

      

      通常，效率分值是介于0与1之间，而普通最小二乘法(OLS)回归的预测值有可能大于1，所以本文采用Tobit回归方法。对于环境变量Z，如果其回归系数为正，则表明该变量对效率产生正影响，可以以非任意投入项包含进模型中；反之，如果其回归系数为负，则表明该变量对效率产生负影响，可以以非任意产出项包含进模型。

      (二)基于内生性风险调整的技术效率模型的建立(Technical Efficiency Adjusted for Risk，TE-R)

      针对商业银行整个经营过程，可以采用传统BCC模型求解其技术效率，基本形式如下：

      

      其中，

分别代表商业银行j的投入和产出向量，通过线性规划可以求得规模报酬可变条件下商业银行j的效率值

，该值即为未基于风险调整的技术效率值(TE)。

      如前所述，对商业银行而言，外生性风险不应当作为投入项或产出项加以控制。因此，在测量基于风险调整的效率前，必须先分离出内生性风险投入

，并将其作为额外的投入项加入到模型(2)中，以测算基于风险调整后的样本银行效率值(TE-R)，即：

      

      三、指标选取与实证结果分析

      本文选取了我国16家上市商业银行，其中包括中国工商银行、中国建设银行、中国银行、中国农业银行和交通银行5家大型商业银行，和中信银行、华夏银行、平安银行、招商银行、民生银行、浦发银行、兴业银行、光大银行8家股份制商业银行，及北京银行、南京银行、宁波银行3家城市商业银行。数据主要来源于CSMAR数据库和各银行2010-2012年年报。

      (一)指标选取

      1.投入产出指标的选取。目前对于银行投入产出变量的选取存在着较大的争议。国际上定义银行等金融机构投入产出的方法主要有两种，一种是中介法，另一种是生产法。中介法将银行视为存款人和贷款人之间资金融通的中介者，此时银行的投人即为现金、利息费用、劳动成本及有形资产等，而产出体现为各种贷款和投资总额等。生产法是将银行视为存款服务和贷款业务的生产者，银行产出是其存款账户的数量和贷款业务的次数，而投人则是其经营成本，包括劳动力及其他相关费用的支出。对于以上两种方法，Berger et al.(1997)认为，生产法在评价金融机构的分支机构效率方面比较好，而中介法更适合评价机构整体，并在盈利能力方面的评价更有优势。

      本文在界定我国商业银行的投入产出时，参考国际上的生产法和中介法，借鉴Drake(2001)确定银行投入产出的规定，为了捕捉风险的大小对投入和产出的影响，因此，选取两种产出变量：利息收入和营业收入；两种投入：利息支出和营业支出。

      2.环境变量指标的选取。通常在使用DEA模型进行效率评估时，环境用来描述影响公司效率的可能因素，这些因素不是传统的投入，并假设它们不受管理者控制。对于银行业而言，这些因素既包括宏观经济因素、行业因素，也包括银行自身在短期内无法控制或改变的如市场份额、分支机构等特征因素。因此，本文结合中国银行业的实际情况，考虑到投入产出变量数目的限制，从宏观、中观和微观三个层次选择了有代表性的三个环境变量：GDP增长率(宏观经济环境)、市场份额(竞争环境)和分支机构数(银行规模)。

      

      (二)环境效应检验

      环境变量对风险管理效率的回归结果见表2。由回归系数可知，三个环境变量对风险管理效率影响显著，且GDP增长率与分支机构数影响为负，市场份额影响为正。GDP增长率与风险管理效率的负相关关系表明，由于经济扩张时期信用风险较小，银行可能会对贷款质量持乐观态度，现有的贷款五级分类结果更可能高估贷款质量，从而相对少提贷款损失准备，银行的风险管理效率下降。这也从侧面反映出了我国商业银行贷款损失准备计提的顺周期性。从理论上讲，规模越大的公司，其规模经济效应和范围经济效应就越明显，分散风险和化解风险能力也越强。但从另一方面来说，分支机构所带来规模的扩张往往伴随着资产质量的下降和管理成本及难度的增加。分支机构数影响为负表明我国的商业银行在追求规模扩张的过程中，往往会忽视不良贷款的增加，从而导致风险管理效率的下降。市场份额影响为正说明，随着银行业的逐步放开，竞争程度的加大促使了商业银行风险管理效率的提高。

      

      根据环境变量的回归系数表明的影响方向，GDP增长率和分支机构数以非任意产出项包含进模型一，而市场份额则以非任意投入项进入模型。

      (三)实证结果分析

      模型(1)、模型(2)和模型(3)的实证结果如表3所示。表3列示出了我国16家上市银行2010-2012年的风险管理效率(RME)、技术效率(TE)和基于风险调整的技术效率(TE-R)。

      

      从表3中可以看出：

      1.风险管理效率。我国3类银行(大型商业银行、股份制商业银行和城市商业银行)中，大型商业银行的风险管理效率最高，三年中分别为0.96431、0.96431和0.97046，城市商业银行次之，而股份制商业银行则在风险管理方面表现最差，分别为0.78606、0.77809和0.87899。这在一定程度上表明，国有商业银行在抗风险能力上，具体体现在风险管理效率上要优于股份制商业银行。当然，这与大型商业银行的三次不良贷款剥离是分不开的，而这些是绝大多数股份制商业银行难以获取的。

      2.基于风险调整的技术效率。风险调整前后，我国商业银行总体的技术效率呈现出小幅提升的态势(总体均值及各类银行均值均有提升)，这说明外生性风险对我国商业银行技术效率存在负影响，这与已有的对风险和效率关系的文献结论相同。但对个体银行而言，风险调整后的技术效率差距不大，仅农业银行、平安银行、兴业银行和宁波银行风险调整后的技术效率提高较为明显。这可能与环境变量的选取有关，也可能与模型选择有关。因为效率分值为1的银行，在BCC模型中被判定为完全效率而无法进一步区分。

      本文基于我国16家上市银行2010-2012年的样本数据，将银行面临的风险分为外生性环境风险和内生性管理风险，以贷款损失准备为衡量银行风险的代理变量，将风险因素纳入效率评价体系中，并阐明了对银行技术效率进行风险调整的必要性，基于数据包络分析(DEA)方法构建了经过风险调整的技术效率模型，实证测量了我国商业银行的风险管理效率和基于风险调整前后的技术效率。

      本文研究发现，从总体来看，中国银行业风险调整后的技术效率变化不明显，经风险调整后的技术效率有较小幅度的提升。这表明随着国际金融危机的过去，中国银行业公司治理结构等改革措施不断深化，国内整体经济环境向好及相关金融制度体系的日益健全等都对银行业经风险调整后的技术效率提升起到了重要的积极作用。

      从风险效应来看，外生性风险如GDP增长率、分支机构数和市场份额对我国商业银行技术效率具有负面影响，不考虑外生性风险因素将使银行技术效率评估结果出现低估。考虑外生性风险因素后，中国银行业的平均技术效率出现了一定程度提升，个别银行样本期内的效率得分也发生了显著变化，外生性风险因素对银行业技术效率的解释力正在加强。

      此外，通过对比中国三类银行风险调整后的技术效率可以发现，经外生性风险调整后，样本期内大型商业银行的总体技术效率水平优于股份制商业银行，而城市商业银行居于两者之间，但股份制商业银行经风险调整后的技术效率在样本期内呈不断上升的趋势。这一方面表明，大型商业银行在抗风险能力上要优于股份制商业银行，大型商业银行作为系统重要性银行，在风险管理方面起到了表率作用；另一方面也表明，随着股份制商业银行规模的不断扩张和市场份额的不断增大，凭借其灵活高效的风险管理内控制度，其风险管理效率不断提升，经风险调整后的技术效率也在不断缩小与大型商业银行之间的差距。

      最后，从银行个体来看，虽然外生性环境风险对中国商业银行技术效率的影响总体上存在负效应，但对个体而言这种影响的效果并不显著，仅农业银行、平安银行、兴业银行和宁波银行风险调整后的技术效率提高较为明显。这在一定程度上可能是模型本身问题，也可能与环境变量的选取有关。

标签：dea论文;  银行论文;  风险因素论文;  商业银行论文;  银行风险论文;  商业银行风险管理论文;  风险模型论文;  风险管理论文;