許祥秦， 郗 楠， 劉艷芳

(西北工業(yè)大學 管理學院， 西安 710129)

基于ML指數(shù)法的中國銀行業(yè)貸款效率分析*

許祥秦， 郗 楠， 劉艷芳

(西北工業(yè)大學 管理學院， 西安 710129)

闡述ML(Malmquist-Luenberger)指數(shù)構(gòu)成及其分解方法，使用2007—2012年銀行業(yè)相關(guān)數(shù)據(jù)計算考慮不良貸款的前提下投入產(chǎn)出導向的銀行業(yè)貸款ML指數(shù)及其分解，結(jié)果表明在6年考察期間我國銀行業(yè)貸款效率平均有0.002的降低，其原因是技術(shù)進步指數(shù)及規(guī)模效率指數(shù)降低。這說明銀行貸款技術(shù)在大范圍地普及，而貸款技術(shù)創(chuàng)新及貸款規(guī)模有待進一步發(fā)展，在市場發(fā)展中應密切關(guān)注經(jīng)濟萎縮的可能，并據(jù)此提出提高銀行業(yè)貸款效率的建議。

ML指數(shù)； 銀行業(yè)； 貸款； 貸款效率； 貸款規(guī)模； 不良貸款； 技術(shù)進步指數(shù)； 規(guī)模效率指數(shù)

2007年的次貸危機揭示了美國金融機構(gòu)在房屋貸款方面的缺陷及貸款質(zhì)量的重要性。相比而言，我國金融機構(gòu)貸款業(yè)務實行嚴格的首付制、抵押擔保制及收入確認制，在客觀上發(fā)生類似貸款危機的風險較低。過于嚴格的貸款制度可以在一定程度上保證貸款的質(zhì)量，但對貸款效率和貸款規(guī)?？赡艽嬖谪撁嬗绊?。次貸危機背景下我國銀行貸款的效率問題日益引起了學者們的重視，但既有研究大多是定性的分析，少有的定量模型也很不完善。所以，在既有研究的基礎(chǔ)上，深化銀行業(yè)貸款效率的定量分析具有一定的理論和實際意義。

一、文獻綜述

國外文獻對于貸款的研究多集中于對貸款與經(jīng)濟增長關(guān)系的實證分析及貸款對經(jīng)濟增長的作用效果等方面。如:King和Levine(1993)選取80個國家30年的數(shù)據(jù)，分析表明貸款對經(jīng)濟有促進作用[1]；Binswanger和Khandker(1995)對印度農(nóng)業(yè)貸款和農(nóng)村發(fā)展的關(guān)系進行研究，結(jié)果表明貸款促進了非農(nóng)勞動力就業(yè)水平和工資水平的提高[2]；Choe和Moosa(1999)運用時間序列方法對韓國的金融體系發(fā)展和經(jīng)濟增長關(guān)系進行實證研究，證實信貸對于韓國經(jīng)濟發(fā)展作用較大[3]。

國內(nèi)學者對于貸款效率的研究多集中于對我國某一省份的貸款效率進行研究，或?qū)r(nóng)業(yè)貸款效率的研究，如:鄒亞東(2011)運用隨機前沿法和數(shù)據(jù)包絡法測算貴州省7家商業(yè)銀行2001—2008年單位產(chǎn)出貸款技術(shù)效率[4]；李華明(2009)利用Eviews 5.0對湖南省1985—2007年農(nóng)業(yè)貸款數(shù)據(jù)進行擬合，得出湖南省農(nóng)業(yè)貸款效率較高但滯后期較長的結(jié)論[5]；覃基廣(2011)利用狀態(tài)空間模型及DEA模型測算吉林省農(nóng)業(yè)信貸效率，得出信貸效率不高，技術(shù)效率、純技術(shù)效率及規(guī)模效率不高，同時規(guī)模報酬遞減的結(jié)論[6]；張兵(2009)利用ADF單位根檢驗法測度江蘇省農(nóng)業(yè)信貸效率，得出長期內(nèi)農(nóng)村信貸效率較低，農(nóng)村信貸短期內(nèi)也不能促進農(nóng)村經(jīng)濟發(fā)展的結(jié)論[7]；靳濤(2010)利用層次分析法及時序數(shù)據(jù)分析陜西省農(nóng)信社農(nóng)戶小額貸款運行效率，研究結(jié)論表明農(nóng)信社和農(nóng)戶的績效水平在逐年提高，貸款收益、貸款效率和農(nóng)戶水平提高較多，而貸款質(zhì)量和貸款數(shù)量表現(xiàn)不佳[8]。對我國商業(yè)銀行貸款效率或某一行業(yè)貸款效率進行研究的文章較少，如:高明(2010)研究商業(yè)銀行靜態(tài)效率和動態(tài)效率，結(jié)論表明我國商業(yè)銀行效率整體水平較高，但個體差異較大，發(fā)展不平衡，效率增長源于技術(shù)進步，不同商業(yè)銀行在吸收存款和發(fā)放貸款過程中具有不同優(yōu)勢，多數(shù)商業(yè)銀行表現(xiàn)出貸款有效率的特點[9]；劉波(2011)運用Malmquist生產(chǎn)率指數(shù)分析我國貸款的產(chǎn)出效率，用Tobit回歸模型分析影響貸款技術(shù)效率的因素，研究顯示1996年以來中國貸款產(chǎn)出的技術(shù)效率普遍不高，呈波動趨勢，規(guī)模效率變動是影響技術(shù)效率的主因，各銀行之間貸款技術(shù)效率差距較大，技術(shù)效率改善是TFP增長的源泉[10]；陳曉(2010)對我國銀行的利潤效率和貸款效率進行了測度，得出結(jié)論:中國銀行業(yè)貸款效率高于利潤效率，近幾年國有商業(yè)銀行和股份制商業(yè)銀行貸款效率有很大提高，政策性銀行貸款效率提升但貸款質(zhì)量下滑[11]；徐瑤(2013)采用狀態(tài)空間模型方法對27個省農(nóng)村信貸效率進行了實證分析，結(jié)果表明各地區(qū)存在明顯差異，農(nóng)村信貸效率1978—2009年呈現(xiàn)“V”字形[12]；王延平(2012)利用ADF單位根檢驗法衡量農(nóng)業(yè)小額貸款效率，研究表明農(nóng)村小額信貸市場效率低于全國小額信貸市場效率[13]；顧銘德(2009)分析了我國區(qū)域間貸款效率、資金配置和經(jīng)濟增長的關(guān)系，發(fā)現(xiàn)貸款效率按東部、中部、西部和東北依次遞減，東部貸款效率高于全國平均水平，其余地區(qū)皆低于全國水平[14]；張建華(2010)運用廣義Malmquist生產(chǎn)率指數(shù)研究銀行業(yè)效率，使用2000—2008年銀行業(yè)數(shù)據(jù)，研究發(fā)現(xiàn):銀行的技術(shù)進步呈逐漸下降趨勢，甚至出現(xiàn)倒退，技術(shù)效率增長和技術(shù)進步的貢獻較大，規(guī)模效率貢獻較低[15]。

從以上文獻可以看出:(1)對于貸款效率研究的文獻大多局限于某一省份或單純研究農(nóng)業(yè)信貸效率，對于我國銀行業(yè)貸款效率沒有一個整體的測度；(2)文章多利用參數(shù)函數(shù)進行測度，因而導致了參數(shù)設(shè)置預測結(jié)果的不準確性及片面性；(3)文章多采用2010年之前的數(shù)據(jù)，從我國14所上市銀行的企業(yè)類貸款余額數(shù)據(jù)可以看出，與2007年相比2012年的企業(yè)類貸款余額增長了133%，2007—2011年環(huán)比增長20%以上，表明我國近年銀行貸款業(yè)務發(fā)展迅速，而研究的成果比較陳舊，與之形成反差。2008年的金融危機對于我國金融業(yè)是一個挑戰(zhàn)也是一個機遇，我國銀行貸款效率提高與否及變化多少均不可知。本文利用ML指數(shù)測度我國銀行業(yè)貸款效率，考慮了不良貸款這個壞產(chǎn)出，因而對于貸款效率的測度更加全面和準確。

二、ML指數(shù)介紹及分解

在Caves.et和Luenberger研究的基礎(chǔ)上，Chambers，Chung和Fare將Malmquist指數(shù)和Luenberger函數(shù)結(jié)合起來，提出了ML生產(chǎn)率指數(shù)法。ML指數(shù)是一種非參數(shù)效率測度模型，相比Malmquist指數(shù)，ML指數(shù)考慮了壞產(chǎn)出狀況下的全要素生產(chǎn)率，因而可以更好地刻畫實際情況。ML指數(shù)求解過程為:首先獲得某一期的生產(chǎn)前沿面DMU，再通過引入方向向量來計算方向性距離函數(shù)(某一期DMU的效率值的倒數(shù))，然后通過四個方向性距離函數(shù)值構(gòu)造ML指數(shù)，分解ML指數(shù)即得到其指數(shù)分解值，從而獲得全要素生產(chǎn)率變化的動力源頭。

ML指數(shù)利用CCR模型獲得生產(chǎn)前沿面，得到考察對象的標準。生產(chǎn)前沿面可以用技術(shù)前沿、生產(chǎn)可能性集或生產(chǎn)可能性曲線表示。本文僅列出技術(shù)前沿的刻畫方程:T={(x，y，b):xcanproduce(y，b)}(x表示投入，y表示好產(chǎn)出，b表示壞產(chǎn)出)。好產(chǎn)出和投入具有強可處置性，壞產(chǎn)出具有弱可處置性及零效應[16]。

zk≥0 (k=1，2，…，K)

距離函數(shù)③表示在第t+1期前沿技術(shù)下，第t期的第k-個決策單元在其對應的方向向量下與前沿面的效率差距，若βgt;0則DMU無效率，β=0則DMU有效率。得到四個方向性距離函數(shù)后即可得到ML指數(shù)及其分解指數(shù)，即

EFFCH又可以分解為純技術(shù)效率指數(shù)(PEFFCH)和規(guī)模效率指數(shù)(SCH)，通過計算規(guī)模報酬可變下的EFFCH，可得PEFFCH，由于SCH為EFFCH與PEFFCH之比，因此可獲得SCH。若MLt+1gt;1，表示全要素生產(chǎn)率提高，否則效率降低；若EFFCHgt;1，表示技術(shù)效率有所提高，對于全要素生產(chǎn)率提高有貢獻，提高的來源可以考慮純技術(shù)效率與規(guī)模效率，反之亦然；若TECHgt;1，表示技術(shù)進步指數(shù)提高，所考察對象技術(shù)前沿有移動，技術(shù)有所提高。

三、定量分析

1.指標的選擇及描述

借鑒生產(chǎn)法的指標確定方法，從測度銀行貸款效率的角度出發(fā)，本文選擇的投入指標為企業(yè)類貸款、銀行凈資產(chǎn)、業(yè)務及管理費用，產(chǎn)出指標為利息收入和不良貸款額。在企業(yè)與銀行相互博弈的市場中，銀行提供商品——貸款，獲得收益——利息收入，因此企業(yè)類貸款額是銀行對于二者之間博弈進行的投入。為保證貸款業(yè)務順利開展，銀行支付各項管理費用作為運營的支出，即業(yè)務及管理費用是一項投入。銀行作為一個實體，投入凈資產(chǎn)是其長期運營的基本，因此凈資產(chǎn)是一個投入指標。在銀行與企業(yè)進行博弈所形成的借貸市場上，銀行獲得了利息收入，三類有回收風險的貸款成為了不良貸款(主要衡量企業(yè)類貸款所帶來不良貸款額，是一個“壞”產(chǎn)出)，因此利息和不良貸款額為兩個產(chǎn)出指標(個人貸款占銀行貸款總額的10%左右[17]，貸款不良率與銀行整體不良率相比更小[18]，個人不良貸款額在銀行整體不良貸款額中所占份額較少，因此文中不良貸款額未剔除該項)。文章選擇14家上市銀行*14家上市銀行包括:中國工商銀行、中國銀行、中國建設(shè)銀行、交通銀行、招商銀行、中信銀行、華夏銀行、民生銀行、興業(yè)銀行、平安銀行、浦發(fā)銀行、北京銀行、南京銀行、寧波銀行。中國上市銀行一共有16家，中國光大銀行與中國農(nóng)業(yè)銀行未作為考察對象，是由于這兩家銀行上市時間均為2010年，考察期內(nèi)數(shù)據(jù)不完整。平安銀行與深圳發(fā)展銀行2012年6月合并為平安銀行股份有限公司，合并只影響了平安銀行2012年報表數(shù)據(jù)，該期數(shù)據(jù)只有不良貸款額有較大變化(增長了近一倍)，變化原因主要是受國內(nèi)經(jīng)濟增速放緩等外部環(huán)境的影響，合并影響較小，因此數(shù)據(jù)未作調(diào)整。的相關(guān)指標數(shù)據(jù)作為橫截面數(shù)據(jù)，選擇2007—2012年共6年的84組樣本數(shù)據(jù)。樣本數(shù)據(jù)描述性統(tǒng)計如表1所示。

從表1可以看出，6年間14家上市銀行在不區(qū)分銀行類型的情況下，產(chǎn)出指標與投入指標波動性較大，最大值與最小值最多相差786倍(不良貸款額)，最少差139倍(凈資產(chǎn))。銀行規(guī)模相差懸殊，導致銀行的貸款相關(guān)指標值差距大，14家上市銀行盡管業(yè)績較好，但其貸款效率是否有效需要進一步考察。

表1 樣本數(shù)據(jù)描述性統(tǒng)計 100萬元

本文選擇14家銀行各類指標6年的環(huán)比增長值來衡量貸款活動6年的發(fā)展狀況，如表2所示。從整體上來看，銀行業(yè)6年間好產(chǎn)出持續(xù)增加，平均每年環(huán)比增長19.42%，壞產(chǎn)出每年環(huán)比減少，平均每年環(huán)比減少4.07%，與產(chǎn)出保持一致的各項投入也在較穩(wěn)定地增長，企業(yè)規(guī)模及技術(shù)利用在穩(wěn)定提升，投入規(guī)模與產(chǎn)出水平基本保持一致。各指標環(huán)比增長趨勢如圖1所示，由于次貸危機的影響，5個指標2009年數(shù)值改善放緩，但銀行業(yè)貸款活動整體穩(wěn)定。需要注意的是企業(yè)類貸款余額增加，導致不良貸款額也在相應增加，而且這種增加在近兩年有增長趨勢，值得持續(xù)關(guān)注。從時事角度考察，大型商業(yè)銀行應銀監(jiān)會的要求，從2010年底開始實施《巴塞爾新資本協(xié)議》，其他銀行不得遲于2013年底實施，因此2010年的不良貸款額減少較多，但隨后次貸危機的影響逐漸顯現(xiàn)，我國銀行業(yè)不良貸款額逐漸增多?？傊?年間銀行業(yè)發(fā)展比較穩(wěn)定，但發(fā)展的動力源及以后的努力方向并不可知，因此需要后續(xù)研究。

表2 14家銀行6年各指標環(huán)比增長率 %

2.數(shù)據(jù)處理及分析

利用Lingo 11編程處理數(shù)據(jù)，得到14家商業(yè)銀行貸款活動無效率值及處于前沿面期數(shù)，如表3所示。

圖1 14家銀行6年各指標環(huán)比增長趨勢圖

表314家銀行無效率值及有效期數(shù)

序號銀行名稱及分類2007年2008年2009年2010年2011年2012年平均值有效期數(shù)1中國工商銀行0 2090 0290 2120 1180 1440 0900 13402中國銀行0 2050 0000 0000 0000 0000 0000 03453中國建設(shè)銀行0 3500 0800 2640 1090 0730 0970 16204交通銀行0 1830 0740 0000 0000 0000 0000 04345招商銀行0 1640 0980 2510 2550 1570 0880 16906中信銀行0 0940 0740 1860 0810 0220 0140 07907華夏銀行0 0000 0000 0000 0000 0080 0000 00158民生銀行0 0000 0000 1630 1060 0750 1050 07529興業(yè)銀行0 0000 0000 0000 0000 0050 0000 001510平安銀行0 0000 0500 0000 1150 0490 1470 060211浦發(fā)銀行0 0000 0000 0000 0000 0000 0000 000612北京銀行0 0000 0000 0000 0670 0000 0000 011513南京銀行0 1140 0900 3620 1080 1090 1150 150014寧波銀行0 0000 0160 2360 2040 1420 1090 1181大型商業(yè)銀行平均0 2370 0460 1190 0570 0540 0470 093股份制商業(yè)銀行平均0 0370 0320 0860 0800 0450 0510 055城市商業(yè)銀行平均0 0380 0350 1990 1260 0840 0750 093

從表3可以看出，在規(guī)模報酬不變的模型中，浦發(fā)銀行在6年考察期內(nèi)始終處于生產(chǎn)前沿面，即在既定規(guī)模下，該銀行能夠開發(fā)新技術(shù)、充分利用現(xiàn)有技術(shù)并始終保持規(guī)模最優(yōu)；中國工商銀行、建設(shè)銀行、招商銀行、中信銀行、南京銀行等一直處于技術(shù)無效狀態(tài)，企業(yè)投入多，但獲得的好產(chǎn)出少，即利息收入較少或者帶來“壞”產(chǎn)出的不良貸款多。

從銀行類型來看，4家大型商業(yè)銀行中有兩家銀行始終處于前沿面，較其他類型銀行能夠極大地利用規(guī)模優(yōu)勢。7家股份制商業(yè)銀行中只有一家銀行始終處于生產(chǎn)前沿面，而有4家銀行多數(shù)時期處于技術(shù)無效狀態(tài)，無效率高于50%。股份制商業(yè)銀行規(guī)模介于大型商業(yè)銀行與城市商業(yè)銀行之間，表現(xiàn)出多數(shù)銀行技術(shù)無效，但從股份制商業(yè)銀行無效率平均值最小，并與另兩個分類相差近0.04來看，無效率股份制商業(yè)銀行與行業(yè)生產(chǎn)技術(shù)水平相差不大，股份制商業(yè)銀行技術(shù)有效與技術(shù)無效差距不大，該類型銀行整體貸款活動效率較高。3家有代表性的城市商業(yè)銀行中，北京銀行5年數(shù)據(jù)表現(xiàn)出技術(shù)有效，另外兩家技術(shù)有效性較低。該類型商業(yè)銀行規(guī)模小，因此可以提供的企業(yè)類貸款較少，獲得與之對應的利息收入較低，或不良貸款額較高，技術(shù)無效性比較嚴重，銀行之間差距較大，導致技術(shù)無效率的因素需要進一步研究。

銀行貸款活動的全要素生產(chǎn)率ML值及其分解情況如表4所示。

表4 銀行貸款活動的全要素生產(chǎn)率ML值及其分解

由表4可得到如下結(jié)論:

(1) 2007—2008年銀行業(yè)貸款活動平均ML為1.023，說明相比2007年，2008年的銀行業(yè)貸款活動效率在提高，動力來自技術(shù)效率指數(shù)，即純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)提高。技術(shù)進步指數(shù)小于1表明在這一年銀行業(yè)貸款技術(shù)并沒有進步，而是有略微的倒退。2007—2008年全要素生產(chǎn)率小于行業(yè)水平的銀行有華夏銀行、平安銀行、北京銀行和寧波銀行。4家銀行ML低的主要原因是技術(shù)進步指數(shù)小于1。其他ML大于1的銀行全要素生產(chǎn)率增長的主要動力來自技術(shù)效率指數(shù)，技術(shù)進步指數(shù)具有明顯抑制作用(10家企業(yè)中有5家技術(shù)進步指數(shù)小于1)。技術(shù)效率指數(shù)的改進主要來自純技術(shù)效率指數(shù)的改進(10家企業(yè)PEFFCH均大于等于1)。

(2) 2008—2009年行業(yè)貸款活動平均ML為0.933，TECH為1，SCH遠遠小于1。2008—2009年，興業(yè)銀行、平安銀行和浦發(fā)銀行的ML大于或等于1，增長動力主要來自技術(shù)效率指數(shù)，而規(guī)模效率指數(shù)增長疲軟。對于ML小于1的11家銀行，ML增長軟肋在EFFCH，7家銀行的EFFCH小于本銀行的TECH，說明技術(shù)效率的發(fā)展弱于技術(shù)進步的發(fā)展。而技術(shù)效率的不足主要是由于SCH過小，銀行放貸規(guī)模成為弱勢。2009年銀行業(yè)發(fā)展效率比較低，原因主要是規(guī)模效率指數(shù)較低。

(3) 2009—2010年行業(yè)貸款活動平均ML為1.009，大于1，動力來自技術(shù)效率指數(shù)，純技術(shù)效率指數(shù)與規(guī)模效率指數(shù)均有所提高，而技術(shù)進步指數(shù)并沒有為ML增長貢獻力量。2009—2010年，全要素生產(chǎn)率有所提高的銀行有8家，效率沒有得到改善的銀行有6家，抑制其效率增長的原因主要是技術(shù)進步指數(shù)。ML大于1的8家銀行貸款效率提高的主要動力來自技術(shù)效率指數(shù)，并且這8家銀行的純技術(shù)效率指數(shù)大于1，其中一半的銀行規(guī)模效率指數(shù)小于1，說明這些銀行的貸款規(guī)模有待進一步規(guī)劃。

(4) 2010—2011年行業(yè)貸款活動平均ML為1.031，動力來自技術(shù)效率指數(shù)及技術(shù)進步指數(shù)，主要動力來自純技術(shù)效率指數(shù)提高帶動的技術(shù)效率指數(shù)提高。2010—2011年，ML大于1的銀行一共有10家，其主要提升動力來自技術(shù)效率的提高，而技術(shù)效率的提高主要源自純技術(shù)效率指數(shù)的提高。ML小于1的4家銀行技術(shù)效率指數(shù)較低，抑制了ML增長，因此銀行貸款規(guī)模效率低是根本原因。

(5) 2011—2012年行業(yè)貸款活動平均ML為0.998，抑制發(fā)展的主要原因是技術(shù)進步指數(shù)，盡管ML大于1的銀行有10家，但其中的ML值大多為1或增長較少，而全要素生產(chǎn)率較低的銀行值過小，影響了行業(yè)貸款活動的均值。ML小于1的銀行有4家，影響這4家銀行貸款效率的主要原因是技術(shù)效率指數(shù)，根本原因是規(guī)模效率不足。貸款活動ML大于1的10家銀行效率增長動力來自于技術(shù)效率指數(shù)的提高，根本動力來自于純技術(shù)效率指數(shù)的增長，規(guī)模效率指數(shù)貢獻不足。

(6) 2007—2012年，浦發(fā)銀行每年的ML值大于或等于1，招商銀行、中信銀行和南京銀行均有4年值大于等于1，交通銀行、民生銀行、興業(yè)銀行和寧波銀行有3年ML值大于等于1，中國工商銀行、中國銀行、平安銀行、北京銀行均只有2年ML值大于等于1，效率值較差的是華夏銀行，只有1年ML值大于1?？v觀6年業(yè)績，5年數(shù)據(jù)有3年行業(yè)ML均值大于1，按照每年的分析來看，銀行貸款活動ML值增長的主要動力來自技術(shù)效率指數(shù)的提高，技術(shù)進步也有所貢獻，規(guī)模效率指數(shù)和技術(shù)進步指數(shù)有待提高，銀行在控制和適度化貸款規(guī)模及獲取先進貸款技術(shù)方面仍需投入更多。

14家銀行5年各DMU指數(shù)均值如表5所示，可以看出具有代表性的銀行在5年中貸款ML指數(shù)幾何平均值為0.998，有6家銀行的ML值大于1，有11家銀行的技術(shù)效率值大于1，有近一半銀行的技術(shù)進步指數(shù)大于1。行業(yè)ML值動力來自于技術(shù)效率指數(shù)的增長，技術(shù)進步指數(shù)為0.991，抑制了銀行業(yè)貸款效率的提高。TECH小于1說明在6年中我國銀行業(yè)一直在吸收先進的貸款技術(shù)，但技術(shù)并沒有得到相應的普及，因此銀行業(yè)在今后的發(fā)展中需要加大技術(shù)普及力度。技術(shù)效率指數(shù)增長主要來自于純技術(shù)效率指數(shù)的增長，規(guī)模效率指數(shù)小于1對于技術(shù)效率沒有起到促進作用，說明在6年考察期內(nèi)銀行業(yè)貸款活動的規(guī)模偏小(或偏大)，銀行業(yè)對于企業(yè)貸款投入不足使得銀行業(yè)收益降低，效率較低貸款投放過度，不良貸款的居高不下降低了銀行的貸款效率；2007年平安銀行的不良貸款率為5.64%，為6年考察期所有評價對象的最大值，2012年所有評價對象的不良貸款率都降到1%以下，6年評價對象的不良貸款率遠遠低于全球1 000家大型銀行平均不良貸款率水平[15]，說明我國銀行業(yè)貸款活動規(guī)模偏小，導致獲益不足。

表5 14家銀行5年各DMU指數(shù)均值

從每個DMU來看，6年平均的ML大于1的銀行有招商銀行、中信銀行、民生銀行、平安銀行、浦發(fā)銀行、寧波銀行，其余銀行的ML指數(shù)均小于1，這些銀行全要素生產(chǎn)率較低的原因都來自于技術(shù)進步指數(shù)小于1，也就是這8家銀行在技術(shù)上沒有趕超處于生產(chǎn)前沿面的銀行，在貸款實務中應該獲取更多的技術(shù)支持，學習先進的貸款技能，提高TECH指數(shù)值。

從銀行類型來分析:

(1) 大型商業(yè)銀行始終保持規(guī)模效率較高。盡管中國工商銀行、中國銀行、中國交通銀行的ML指數(shù)小于1，但技術(shù)效率指數(shù)都大于1，技術(shù)效率指數(shù)增長主要來自于規(guī)模效率指數(shù)的提高，即銀行在發(fā)放貸款時注意考慮自己的放款數(shù)量，在考察期保持規(guī)模的適度，使之與銀行的發(fā)展需要相一致。探究實證因素，一方面源自國家政策，在扶持中小企業(yè)發(fā)展的政策導向下，國有商業(yè)銀行擴大了放貸數(shù)量與范圍，貸款規(guī)模保持適度；另一方面源自金融危機的后續(xù)影響，經(jīng)濟復蘇使得企業(yè)更愿意增加貸款額度，尋求貸款，國有商業(yè)銀行可貸資金多能夠極大地滿足貸款需求。

(2) 股份制商業(yè)銀行全要素生產(chǎn)率增長源自于技術(shù)進步指數(shù)與技術(shù)效率指數(shù)，全要素生產(chǎn)率降低主要源自于技術(shù)進步指數(shù)降低。招商銀行、中信銀行、民生銀行、平安銀行和浦發(fā)銀行5家銀行ML均大于1，增長源共性是技術(shù)進步指數(shù)，說明5家銀行6年考察期內(nèi)貸款技術(shù)的持續(xù)改進。招商銀行、中信銀行和民生銀行ML大于1的動力中也有技術(shù)效率的貢獻，可以看到這4家銀行的指數(shù)特點:技術(shù)效率大于1的動力源為純技術(shù)效率指數(shù)，體現(xiàn)在銀行發(fā)放貸款時對于先進貸款技術(shù)和銀行業(yè)務技術(shù)的學習、對于不良貸款的控制、銀行運作能力的提升等方面。而4家銀行的規(guī)模報酬率小于1，表明銀行在放貸時貸款規(guī)模不是最優(yōu)，驗證了銀行惜貸現(xiàn)象。華夏銀行和興業(yè)銀行的ML小于1，表明6年時間平均全要素生產(chǎn)率低于行業(yè)水平，沒有充分掌握先進技術(shù)及發(fā)放貸款規(guī)模較小是主要原因。

(3) 城市商業(yè)銀行全要素生產(chǎn)率增長源來自技術(shù)進步指數(shù)，全要素生產(chǎn)率降低的原因是技術(shù)進步指數(shù)較低。北京銀行和南京銀行的ML小于1，二者的EFFCH大于1，而TECH小于1抑制了ML的增長，說明二者技術(shù)的研發(fā)創(chuàng)新有待提高。寧波銀行的ML大于1，動力源自EFFCH，而PEFFCH是其最終動力源，SCH同樣有待提高。城市商業(yè)銀行中大多存在SCH小于1的狀況，表明盡管城市商業(yè)銀行在貸款給中小企業(yè)時具有先天優(yōu)勢，但貸款規(guī)模效率低，即貸款規(guī)模不足是其需要持續(xù)改進的地方。

本文選擇4家銀行作為銀行業(yè)貸款活動效率的代表，如圖2所示。

圖2 商業(yè)銀行ML指數(shù)趨勢圖

可以看出，銀行ML值變化特點如下:

(1) 2007—2008年，行業(yè)ML值呈上升趨勢，大部分銀行ML值大于行業(yè)均值，行業(yè)貸款效率在提高；(2)2008—2011年，銀行業(yè)整體ML分布呈現(xiàn)V型，2009年是行業(yè)ML值的最低點，2011年銀行業(yè)ML再一次上到峰值，銀行業(yè)貸款活動效率下降后又再次上升；(3)2011—2012年，銀行業(yè)ML值有下降的趨勢，銀行業(yè)貸款活動效率降低，未來經(jīng)濟放緩并出現(xiàn)低迷的可能性出現(xiàn)。本文主要衡量銀行對企業(yè)貸款活動的效率，銀行縮減貸款規(guī)模影響了企業(yè)發(fā)展，企業(yè)發(fā)展受阻進而影響市場經(jīng)濟發(fā)展，并反過來再次影響銀行放貸行為，因此有出現(xiàn)惡性循環(huán)的可能性，反映了銀行惡性的順經(jīng)濟周期作用。

四、結(jié)論及建議

從分期指數(shù)值、6年平均值及6年銀行發(fā)展趨勢圖分析可以看出:(1)在6年時間里銀行業(yè)貸款效率有0.002的降低，貸款技術(shù)效率有正的貢獻；(2)6年考察期內(nèi)我國銀行業(yè)貸款活動效率提升的抑制因素是技術(shù)創(chuàng)新和規(guī)模效率，貸款規(guī)模及貸款質(zhì)量的不適當導致規(guī)模效率指數(shù)較低，影響了我國銀行業(yè)貸款效率的進一步提升；(3)金融危機后，我國經(jīng)濟有緊縮的趨勢，不良貸款率在上升，貸款效率有下降趨勢，需要關(guān)注；(4)我國銀行業(yè)貸款效率還有進一步提升的空間，利用各種先進的貸款風險評價方法、尋求有價值的借款企業(yè)等措施，可以提升我國貸款活動效率值。

提升銀行業(yè)業(yè)績及貸款效率可采取以下措施:

(1) 穩(wěn)定市場經(jīng)濟秩序。近年國際金融動蕩不斷，國內(nèi)經(jīng)濟回暖放緩，盡管我國出臺了相關(guān)調(diào)整政策并給予補貼，但經(jīng)濟仍舊有緊縮趨勢。國內(nèi)商品價格漲跌頻繁，企業(yè)年末破產(chǎn)倒閉現(xiàn)象頻出，招聘崗位數(shù)量下降等都是國內(nèi)出現(xiàn)經(jīng)濟惡化的表現(xiàn)，因此，穩(wěn)定經(jīng)濟秩序、調(diào)整經(jīng)濟發(fā)展模式、引導經(jīng)濟發(fā)展至關(guān)重要。

(2) 建立健全的法律法規(guī)制度。我國市場經(jīng)濟經(jīng)過了三十多年發(fā)展，各方面法規(guī)制度都在健全，但仍舊存在不足，如社會資金引導制度、不誠信企業(yè)制裁制度、經(jīng)濟糾紛管制制度等都需要進一步完善。

(3) 銀行自我發(fā)展。銀行在促進自身業(yè)務發(fā)展及促進經(jīng)濟發(fā)展過程中可以做更多事情，如學習先進風險評估控制技術(shù)、利用更加先進的營銷宣傳手段、實施更加低成本高效率的人力資源培育管理措施、發(fā)現(xiàn)更多有價值的投資企業(yè)及個人、在企業(yè)發(fā)展過程中發(fā)揮更加突出的作用等。

(4) 企業(yè)發(fā)展。企業(yè)應制定全面合理有思想的戰(zhàn)略，抓住有利于投資的商業(yè)機會，充分利用資源，完善自身管理機制及內(nèi)部控制機制，挖掘自身價值，利用外部資金，與銀行及外部資金持有者建立戰(zhàn)略聯(lián)盟關(guān)系。

[1] King R G，Levine R V.Entrepreneurship and growth:theory and evidence [J].Journal of Monetary Economic，1993(2):32-56.

[2] Binswanger H，Khandker S.The impact of formal finance on the rural economy of India [J].Journal of Development Studies，1995，32(2):234-262.

[3] Moosa C C.Modelling addictive consumption:some theoretical and econometric issues [J].Taylor and Francis Journals，1999，6(3):143-146.

[4] 鄒亞東.基于DEA和SFA的貴州省商業(yè)銀行效率研究 [D].貴陽:貴州財經(jīng)學院，2011:17-35.

[5] 李華明，管雪麗.湖南省農(nóng)業(yè)貸款效率實證分析 [J].湖南財經(jīng)高等?？茖W校學報，2009，25(1):101-103.

[6] 覃基廣.吉林省農(nóng)業(yè)信貸效率的實證研究 [D].長春:吉林大學，2011:14-35.

[7] 張兵，左平桂.江蘇省農(nóng)村貸款效率的實證分析 [J].南京社會科學，2009，13(1):133-139.

[8] 靳濤.陜西農(nóng)信社農(nóng)戶小額信貸運行績效研究:以千陽縣和洛南縣為例 [D].楊凌:西北農(nóng)林科技大學，2010:15-31.

[9] 高明.基于非參數(shù)方法的中國商業(yè)銀行效率研究 [D].天津:天津大學，2010:75-90.

[10]劉波.中國貸款效率問題研究 [D].武漢:華中農(nóng)業(yè)大學，2011:47-81.

[11]陳曉.中國銀行業(yè)X效率實證研究:基于非參數(shù)隨機前沿模型 [D].杭州:浙江工商大學，2010:35-45.

[12]徐瑤.中國農(nóng)村信貸效率的實證研究 [D].長春:吉林大學，2013:5-32.

[13]王延平.農(nóng)業(yè)小額貸款市場及效率研究 [J].廣東培正學院學報，2012，12(2):1-5.

[14]顧銘德，吳培新.我國區(qū)域間貸款效率、資金配置和經(jīng)濟增長比較:1978—2007 [J].科學發(fā)展，2009(18):23-26.

[15]張建華，王鵬.中國銀行業(yè)廣義Malmquist生產(chǎn)率指數(shù)研究 [J].經(jīng)濟研究，2010(8):128-140.

[16]Chung Y，F(xiàn)are R.Productivity and undesirable outputs:a directional distance function approach [D].Illinois:Southern Illinois University，1995:2-18.

[17]黃惠，孟釗蘭.我國國有商業(yè)銀行個人不良貸款狀況的調(diào)研報告:以蘭州市某國有支行為例 [J].時代金融，2007(3):42-44.

[18]李慶華.銀行個人住房貸款風險管理研究 [D].上海:華東師范大學，2010:31-32.

AnalysisonloanefficiencyofChinesebankingindustrybasedonMLindex

XU Xiang-qin, XI Nan, LIU Yan-fang

(School of Management, Northwestern Polytechnical University, Xi’an 710129, China)

The composition and factoring method of ML (Malmquist-Luenberger) index is demonstrated.The ML index and its factors are calculated for the input-output oriented banking loan on the premise of bad loans by using relative data of banking industry from 2007 to 2012.The results show that the loan efficiency of Chinese banking industry has an average reduction of 0.002 during the six years studied, and the explanation is the reduction of technological progress index and scale efficiency index.It indicates that loan technology is popularized in a wide range, while loan technology innovation and loan scale need further development.Close attention should be paid to the possibility of economic contraction in the development of market.Suggestions are also brought forward for the improvement of the loan efficiency of banking industry according to the study.

ML index; banking industry; loan; loan efficiency; loan scale; bad loan; technological progress index; scale efficiency index

2013-09-30

2014年度西北工業(yè)大學研究生創(chuàng)業(yè)種子基金項目(22014183)。

基金項目: 許祥秦(1958-)，男，陜西西安人，副教授，博士，主要從事金融工程、風險管理、金融市場與金融機構(gòu)、宏微觀金融管理等方面的研究。

* 本文已于2014-03-12 19∶35在中國知網(wǎng)優(yōu)先數(shù)字出版。 網(wǎng)絡出版地址: http://www.cnki.net/kcms/detail/21.1558.C.20140312.1935.005.html

10.7688/j.issn.1674-0823.2014.05.10

F 830.33

A

1674-0823(2014)05-0440-09

(責任編輯:吉海濤)